Т. Носкова - Дидактика цифровой среды

Преобразование учебного материала, выстраивание разнонаправленных коммуникационных связей позволяют не просто решать задачи эффективного усвоения знаний конкретной предметной области, но и задачи углубления, расширения знаний, формирования коммуникативных и интерпретационных компетенций, развитие профессиональных компетенций на междисциплинарной основе.

Примеры использования профессиональных ИКТ-инструментов:

– (информационные действия) ИКТ-инструменты по поиску информации, в том числе на иностранных языках; по хранению и обработке информации (файловые хранилища, редакторы и мобильные приложения); по преобразованию учебной информации (например, электронные таблицы в графики, текст в трехмерную модель или инфографику, художественные образы (музыка, изо) – в новые художественные образы, например, интерактивную анимацию);

– (коммуникационные действия) ИКТ-инструменты по обменам информацией с другими субъектами, организации совместной деятельности в Сети для решения принятых задач, созданию сетевых дискурсов;

– (управленческие действия) ИКТ-инструменты по планированию и организации работы с электронными образовательными материалами, вовлечению в сетевую коммуникацию; по контролю и оцениванию выполняемых в сети учебных действий, рефлексии;

– использование специализированных программно-аппаратных средств для решения профессиональных задач (САПР, пакеты статистики, музыкальный компьютер, робототехника и пр.).

Для педагога цифровая среда обучения является главным объектом изучения и преобразования. Благодаря ИКТ-инструментам педагогу предстоит создавать и отслеживать качество образовательных условий для организации и реализации самостоятельной учебно-познавательной деятельности обучающихся; «видеть» обучающихся в среде и отслеживать по цифровым следам персональный путь их развития и профессионального становления (как субъектов саморазвития и самореализации), учитывать в организации учебного процесса индивидуальные аспекты их познавательной, мотивационной и регуляционной сферы, адаптировать контент среды под различные типологические группы обучающихся, индивидуализировать их образовательные пути с учетом их запросов, потребностей и интересов. Для этого педагогу понадобится новое профессиональное мышление и овладение передовыми профессиональными компетенциями, в частности «средообразующими» [Павлова, 2006], основанных на умениях грамотно использовать цифровые инструменты, эффективно решая педагогические задачи, адекватные возможностям цифровой среды и потребностям субъектов.

Новое – инструментальные действия с объектами преобразования (компонентами цифровой среды).

Группа формирования передовых компетенций.

Это группа интеллектуальных цифровых образовательных взаимодействий с высокой степенью персонализации.

«Человек-интеллектуальная технология-цифровые тексты и медиа-тексты». В цифровой среде субъект сталкивается с огромными объемами разнообразной информации (научный, культурный, социальный, технический текст), которые проанализировать, осмыслить и эффективно использовать в своей деятельности человек не может в силу ограниченности своих физиологических возможностей. В такой ситуации на помощь приходит интеллектуальная система. Интеллектуа́льная систе́ма (ИС, англ. intelligent system) – это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока – базу знаний, механизм вывода решений и интеллектуальный интерфейс [Толковый словарь по искусственному интеллекту, 1992]. Интеллектуальные системы изучаются группой наук, объединяемых под названием «искусственный интеллект». Использование ИС в сфере образования становится новым концептуальным уровнем развития и применения ИКТ-технологий в процессе обучения. Разновидностью ИС являются интеллектуальные информационные системы, под которыми понимают комплекс программных, лингвистических и логико-математических средств для реализации основной интеллектуальной задачи: осуществление поддержки деятельности человека и поиска информации в режиме расширенного диалога.

Во-первых, это ИС моделирования знаний. В рамках этого направления решаются задачи, связанные с формализацией, представлением и оперированием знаниями в памяти ИИС. Для этого разрабатываются специальные модели представления знаний и языки описания знаний, внедряются различные типы знаний и разрабатываются способы пополнения знаний на основе их неполных описаний, создаются методы достоверного и правдоподобного вывода на основе имеющихся знаний, предлагаются модели мышления, опирающиеся на знания и имитирующие особенности человеческого мышления [Маркарян, Хараберюш, 2018].

Во-вторых, ИС интерпретации. Это направление включает разработку методов представления информации о зрительных образах в базе знаний, создание методов перехода от зрительных сцен к их текстовому описанию и методов обратного перехода, создание средств, порождающих зрительные сцены на основе внутренних представлений в ИС [Маркарян, Хараберюш, 2018].

В-третьих, ИС распознавания электронных текстов. Это направление связано с работой человека по автоматизированному переводу научных текстов с иноязычных источников информации. Очевидно, что грамотный перевод текста с сохранением авторского слога и специальной терминологии это творческая, кропотливая и достаточно трудоемкая работа в плане редактирования. Автоматизированный перевод (machine-assisted, computer-assisted, computer-aided translation или CAT) сопровождает и облегчает данный процесс за счет охвата широкого диапазона инструментальных средств, от довольно простых до весьма сложных: например, программы проверки орфографии, менеджеры терминологии, одноязычные или двуязычные словари на CD-ROM, средства полнотекстового поиска, составления списков ассоциированных слов (выражений) на различных языках, программы согласования, предназначенные для обработки законченных переводов.

В-четвертых, ИС извлечения знаний из ресурсов открытой среды. Алгоритмы text mining (ответвление data mining) широко используются в направлениях извлечения знаний из слабоструктурированной текстовой информации: автоматизации и оценки новостных статей, продукции, идентификации персоналий, реферирования и аннотирования и т. д. Цель проводимых исследований – повышение эффективности применения технологий в области анализа (распознавания, классификации, поиска) научно-образовательной текстовой информации, за счет выбора и/или разработки программ и алгоритмов извлечения данных из слабоструктурированной текстовой информации и получение более высокой точности и качества при обработке отдельных информационных кластеров. За последние десятилетия многие ведущие производители программного обеспечения развили свои решения в области text mining, перейдя от уровня узконаправленных функциональных программ (классификации, реферирования, статистического и лингвистического анализа и др.) до уровня больших аналитических информационных систем с встроенными модулями (библиотеками) машинного обучения и интеллектуального анализа данных. Как правило – это масштабируемые системы, функционирующие в архитектуре клиент-сервер, с развитым графическим интерфейсом, в которых интегрированы различные методы и алгоритмы анализа текстовых данных, инструменты визуализации и манипулирования с данными, их форматами представления.