<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN" "JATS-journalpublishing1-3.dtd">
<article article-type="research-article" dtd-version="1.3" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xml:lang="ru"><front><journal-meta><journal-id journal-id-type="publisher-id">ellibs</journal-id><journal-title-group><journal-title xml:lang="ru">Электронные библиотеки</journal-title><trans-title-group xml:lang="en"><trans-title>Russian Digital Libraries Journal</trans-title></trans-title-group></journal-title-group><issn pub-type="epub">1562-5419</issn><publisher><publisher-name>Казанский (Приволжский) федеральный университет</publisher-name></publisher></journal-meta><article-meta><article-id custom-type="elpub" pub-id-type="custom">ellibs-78</article-id><article-categories><subj-group subj-group-type="heading"><subject>Research Article</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="ru"><subject>Статьи</subject></subj-group></article-categories><title-group><article-title>Образовательная аналитика и адаптивное обучение с использованием модели студента в интеллектуальных обучающих системах</article-title><trans-title-group xml:lang="en"><trans-title>Educational analytics and adaptive training using student model in the intellectual learning systems</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Каяшев</surname><given-names>М. В.</given-names></name></name-alternatives><email xlink:type="simple">mishauni13@gmail.com</email><xref ref-type="aff" rid="aff-1"/></contrib><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Макаров</surname><given-names>Д. Ю.</given-names></name></name-alternatives><email xlink:type="simple">den.mkr@gmail.com</email><xref ref-type="aff" rid="aff-1"/></contrib><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Марченко</surname><given-names>А. А.</given-names></name></name-alternatives><email xlink:type="simple">anton.a.marchenko@gmail.com</email><xref ref-type="aff" rid="aff-1"/></contrib></contrib-group><aff xml:lang="ru" id="aff-1"><institution>Казанский (Приволжский) федеральный университет</institution><country>Russian Federation</country></aff><pub-date pub-type="collection"><year>2018</year></pub-date><pub-date pub-type="epub"><day>28</day><month>06</month><year>2018</year></pub-date><volume>21</volume><issue>3-4</issue><fpage>181</fpage><lpage>192</lpage><permissions><copyright-statement>Copyright &amp;#x00A9; Каяшев М.В., Макаров Д.Ю., Марченко А.А., 2018</copyright-statement><copyright-year>2018</copyright-year><copyright-holder xml:lang="ru">Каяшев М.В., Макаров Д.Ю., Марченко А.А.</copyright-holder><copyright-holder xml:lang="en">Каяшев М.В., Макаров Д.Ю., Марченко А.А.</copyright-holder><license xml:lang="ru" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>Данная работа распространяется под лицензией Creative Commons Attribution 4.0.</license-p></license><license xml:lang="en" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>This work is licensed under a Creative Commons Attribution 4.0 License.</license-p></license></permissions><self-uri xlink:href="https://ellibs.elpub.ru/jour/article/view/78">https://ellibs.elpub.ru/jour/article/view/78</self-uri><abstract><p>Для поддержки адаптивного обучения и образовательной аналитики в интеллектуальных обучающих системах необходимо собирать и обрабатывать данные об успеваемости студентов и их индивидуальных характеристиках. Это можно реализовать с помощью модели студента. Анализ подходов к моделированию студента показал оптимальным применение нескольких типов моделей, исходя из требований, составленных для разрабатываемой обучающей системы. Были выбраны и объединены в одну модель три подхода: оверлейный, сеть Байеса, моделирование ошибочных знаний. Использование оверлейной модели позволяет строить индивидуальные траектории обучения студентов. Сети Байеса реализуют компетентностный подход в обучении. Модель ошибок отслеживает ошибочные знания студентов и помогает им исправить их на ранних стадиях. Модель студента, объединяющая в себе данные подходы, является подходящей для реализации персонализированного обучения, позволяет преподавателю отслеживать успеваемость студентов по различным характеристикам, а также дает возможность легко представить в системе карту тем, знаний, компетентности студентов в различных областях в виде графа, что является удобным и понятным представлением.
</p></abstract><trans-abstract xml:lang="en"><p>For support of adaptive training and educational analytics in the intellectual learning systems, it is necessary to collect, process data on progress of the student and his various individual characteristics. It can be realized by means of the student model. The analysis of approaches to modeling of the student has shown that application of several types of models is an optimal solution, considering requirements to the learning system. Three approaches were chosen and united into one model: overlay, Bayesian network, error model. Use of overlay model allows to build individual trajectories of student training. Bayesian networks realize competence-based approach in training. The model of mistakes keeps track of wrong knowledge of the student and helps the student to correct them at early stages. The student model uniting in itself these approaches is more suitable for realization of the personalized training, allows to keep track of progress of the student according to various characteristics and also gives the chance to easily submit the card of subjects, knowledge, competence of the student of various areas in the form of the count that is quite convenient and clear representation.
</p></trans-abstract><kwd-group xml:lang="ru"><kwd>интеллектуальная обучающая система</kwd><kwd>модель студента</kwd><kwd>компетенция</kwd><kwd>адаптивное обучение</kwd><kwd>образовательная аналитика</kwd><kwd>оверлейная модель</kwd><kwd>байесовская сеть</kwd><kwd>доменная модель</kwd></kwd-group><kwd-group xml:lang="en"><kwd>intellectual learning system</kwd><kwd>student model</kwd><kwd>competence</kwd><kwd>adaptive training</kwd><kwd>educational analytics</kwd><kwd>overlay model</kwd><kwd>Bayesian network</kwd><kwd>domain model</kwd></kwd-group></article-meta></front><back><ref-list><title>References</title><ref id="cit1"><label>1</label><citation-alternatives><mixed-citation xml:lang="ru">Konstantina Chrysafiadi, Maria Virvou. Student modeling approaches: A literature review for the last decade // Expert Systems with Applications. 2013. No 40. P. 4715–4729.</mixed-citation><mixed-citation xml:lang="en">Konstantina Chrysafiadi, Maria Virvou. Student modeling approaches: A literature review for the last decade // Expert Systems with Applications. 2013. No 40. P. 4715–4729.</mixed-citation></citation-alternatives></ref><ref id="cit2"><label>2</label><citation-alternatives><mixed-citation xml:lang="ru">Буль Е.Е. Обзор моделей студента для компьютерных систем обучения // Educational Technology &amp; Society. 2003. № 6 (4). С. 245–250.</mixed-citation><mixed-citation xml:lang="en">Буль Е.Е. Обзор моделей студента для компьютерных систем обучения // Educational Technology &amp; Society. 2003. № 6 (4). С. 245–250.</mixed-citation></citation-alternatives></ref><ref id="cit3"><label>3</label><citation-alternatives><mixed-citation xml:lang="ru">Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. Донецк: Изд-во ДОУ, 2002. 504 с.</mixed-citation><mixed-citation xml:lang="en">Атанов Г.А., Пустынникова И.Н. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. Донецк: Изд-во ДОУ, 2002. 504 с.</mixed-citation></citation-alternatives></ref><ref id="cit4"><label>4</label><citation-alternatives><mixed-citation xml:lang="ru">Клюкин В.Э. Web-ориентированные интеллектуальные обучающие системы на основе нечеткого деятельностного подхода в обучении // Наука и образование. 2012. № 11. С. 450–461.</mixed-citation><mixed-citation xml:lang="en">Клюкин В.Э. Web-ориентированные интеллектуальные обучающие системы на основе нечеткого деятельностного подхода в обучении // Наука и образование. 2012. № 11. С. 450–461.</mixed-citation></citation-alternatives></ref><ref id="cit5"><label>5</label><citation-alternatives><mixed-citation xml:lang="ru">Cristina Conati. Bayesian Student Modeling // Advances in Intelligent Tutoring Systems. 2010. No 308. P. 281–289.</mixed-citation><mixed-citation xml:lang="en">Cristina Conati. Bayesian Student Modeling // Advances in Intelligent Tutoring Systems. 2010. No 308. P. 281–289.</mixed-citation></citation-alternatives></ref><ref id="cit6"><label>6</label><citation-alternatives><mixed-citation xml:lang="ru">Хлопотов М.В. Применение байесовской сети при построении моделей для оценки уровня сформированности компетенций // Интернет-журнал «НАУКОВЕДЕНИЕ». 2014. № 5 (24). С. 1–28.</mixed-citation><mixed-citation xml:lang="en">Хлопотов М.В. Применение байесовской сети при построении моделей для оценки уровня сформированности компетенций // Интернет-журнал «НАУКОВЕДЕНИЕ». 2014. № 5 (24). С. 1–28.</mixed-citation></citation-alternatives></ref><ref id="cit7"><label>7</label><citation-alternatives><mixed-citation xml:lang="ru">Дзюбан Ю., Болдак Л. Анализ алгоритмов вывода в Байесовских сетях доверия. В кн.: Високопродуктивні обчислення. Междунар. конф., Киев, 8–10 октября 2012. С. 167–169.</mixed-citation><mixed-citation xml:lang="en">Дзюбан Ю., Болдак Л. Анализ алгоритмов вывода в Байесовских сетях доверия. В кн.: Високопродуктивні обчислення. Междунар. конф., Киев, 8–10 октября 2012. С. 167–169.</mixed-citation></citation-alternatives></ref><ref id="cit8"><label>8</label><citation-alternatives><mixed-citation xml:lang="ru">The Neo4j Graph Platform. https://neo4j.com/product/</mixed-citation><mixed-citation xml:lang="en">The Neo4j Graph Platform. https://neo4j.com/product/</mixed-citation></citation-alternatives></ref><ref id="cit9"><label>9</label><citation-alternatives><mixed-citation xml:lang="ru">Cypher. URL: http://neo4j.com/docs/developer-manual/current/cypher/</mixed-citation><mixed-citation xml:lang="en">Cypher. URL: http://neo4j.com/docs/developer-manual/current/cypher/</mixed-citation></citation-alternatives></ref><ref id="cit10"><label>10</label><citation-alternatives><mixed-citation xml:lang="ru">Sigma.js. URL: http://sigmajs.org</mixed-citation><mixed-citation xml:lang="en">Sigma.js. URL: http://sigmajs.org</mixed-citation></citation-alternatives></ref><ref id="cit11"><label>11</label><citation-alternatives><mixed-citation xml:lang="ru">Chart.js. URL: https://www.chartjs.org</mixed-citation><mixed-citation xml:lang="en">Chart.js. URL: https://www.chartjs.org</mixed-citation></citation-alternatives></ref><ref id="cit12"><label>12</label><citation-alternatives><mixed-citation xml:lang="ru">D3.js - Data-Driven Documents. URL: https://d3js.org</mixed-citation><mixed-citation xml:lang="en">D3.js - Data-Driven Documents. URL: https://d3js.org</mixed-citation></citation-alternatives></ref></ref-list><fn-group><fn fn-type="conflict"><p>The authors declare that there are no conflicts of interest present.</p></fn></fn-group></back></article>
