Материалы в свободном доступе

Одним из приоритетов государственной политики России выступает практическая реализация концепции электронного правительства. Важным элементом этой концепции является организация эффективного взаимодействия органов власти и граждан, которая, помимо оказания государственных услуг, должна включать в себя обработку электронных обращений (заявлений, жалоб, предложений и т.п.). Исследования показывали, что скорость и оперативность обработки обращений в значительной степени зависит от качества определения тематических рубрик, т.е. решения задачи рубрицирования. Проведенный анализ обращений граждан, поступающих на электронную почту и официальные сайты различных органов власти, выявил ряд специфических особенностей (небольшой размер, наличие ошибок в тексте, свободный стиль изложения, рассмотрение нескольких проблем), которые не позволяют успешно применять традиционные подходы к их рубрицированию. Для решения указанной проблемы было предложено использовать различные методы интеллектуального анализа неструктурированных текстовых данных (в частности, нечетко-логические алгоритмы, нечеткие деревья решений, нечеткие пирамидальные сети, нейро-нечеткие классификаторы, сверточные и рекуррентные нейронные сети). В статье описаны условия применимости шести интеллектуальных классификаторов, предложенных для рубрицирования электронных обращений граждан. В их основе лежат такие факторы, как размер документа, степень пересечения тематических рубрик, динамичность их тезаурусов и объемом накопленной статистической информации. Для ситуации, когда конкретная модель не может произвести однозначный выбор тематической рубрики, предложено использовать метод голосования классификаторов, который позволяет существенно снизить вероятность ошибок рубрицирования на основе взвешенного агрегирования решений, полученных несколькими моделями, отобранными с помощью нечетко-логического вывода. Продолжение...

Целью исследования является определение места, роли, значимости развития образования, в эпоху цифровизации, возможностей, перспектив on-line обучения, выявление перспектив и проблем при подготовке специалистов цифровой экономики. В работе предложена модель цифровой образовательной среды вуза, сформулированы требования, которые необходимо учесть на этапе проектирования«Цифрового университета»: открытость системы для студентов и преподавателей; участие студента в формировании траектории индивидуального обучения; возможность доступа к дополнительным ресурсам, курсам, участие в выборе места для прохождения практики; формирование и анализ цифрового следа на всех этапах процесса обучения; использование интеллектуальных методов оценки приобретенных знаний и компетенций. В статье определены основные компоненты модели и первоочередные задачи, которые необходимо решать при подготовке специалистов цифровой экономики, отмечена необходимость, значимость и возможности цифрового следа студента при формировании его индивидуальной траектории обучения, оценивании его компетентности, предложены походы к решению поставленных задач, технологии по оцениванию знаний и компетенций, которые авторы протестировали, оценили и опубликовали результаты в своих предыдущих работах. В заключении отмечена актуальность использования SMART технологий, как для создания учебного контента, так и на этапах управления учебным процессом. Продолжение...

В работе представлен новый подход к решению задачи персонализации обучения в условиях динамичной электронной среды. Для выработки рекомендаций студентам по выбору наиболее подходящего для них онлайн-курса используется семантический подход, основанный на представлении и использовании знаний о предметной области электронного обучения и о характеристиках обучающегося. В рамках данного подхода предложена методика использования OWL-онтологии для интеграции ресурсов в индивидуальную траекторию обучения. Онтологии обеспечивают более адекватное представление онлайн-ресурсов и совместимость формата запроса пользователя с описаниями учебных ресурсов от разных разработчиков. Определена архитектура системы поддержки электронного обучения по выбору онлайн-ресурсов для дальнейшего их включения в индивидуальную траекторию обучения студента. Рекомендательная система анализирует контекст профиля пользователя для формирования рекомендации контента учебного курса. Система использует информацию из анкет и запросов пользователя для поиска семантического соответствия между информацией о курсе и профилем пользователя - обучающегося. Разрабатываемая система реализуется в виде набора персональных агентов и сервисов, которые взаимодействуют на основе базы знаний, представленной в виде комплекса взаимосвязанных онтологических моделей. Система рекомендует ресурс в зависимости от текущих запросов и характеристик пользователя в соответствии с его профилем. В процессе работы система динамически обновляет базу знаний о текущих характеристиках пользователя, тем самым повышая эффективность формируемых рекомендаций. На основе полученных рекомендаций пользователь может выбрать наиболее подходящий вариант композиции учебных материалов с учетом своего уровня знаний и своих предпочтений. Продолжение...