Интеллектуальная образовательная среда дистанционного обучения

Размещено на http://www.allbest.ru/

Интеллектуальная образовательная среда дистанционного обучения

С.В. Астанин, В.М. Курейчик, Д.И. Попов

В статье рассматривается подход к проектированию интеллектуальной образовательной среды дистанционного обучения. Приводится типовая структура системы, рассматриваются методы интеллектуальной поддержки образовательного процесса и процесса контроля знаний на основе нечеткой логики и правдоподобных рассуждений. Приводятся примеры типовых модулей и подсистем, позволяющих поддерживать процесс обучения и контроля знаний на различных этапах, рассматриваются способы поддержки мировых стандартов при обмене тестами и тестовыми заданиями. В заключительной части работы приводится математическая модель и практическая реализация подсистем администрирования, безопасности и защиты информации.

Введение

Развитие информационных технологий в образовании требует нового подхода в проектировании интеллектуальных систем дистанционного обучения. Если раньше такие системы могли представлять собой набор гипертекстовых, мультимедийных электронных материалов и тестов, то теперь становится крайне необходимо систематизировать и наполнить системы интеллектуальной «начинкой». Главные требования к таким системам: интеллектуальность, открытость, гибкость и адаптивность при организации процесса обучения. Один из таких подходов рассматривается в данной работе. Разработку подобных систем и методов, лежащих в основе их функционирования, будем рассматривать на примере Интеллектуальной образовательной среды (ИОС) дистанционного обучения и тестирования в Интернет «KnowledgeCT», разработанной в Таганрогском государственном радиотехническом университете.

Общая структура среды приведена на рис.1. В ее состав входят: система обучения, система тестирования, система администрирования, электронная библиотека, подсистема безопасности и защиты информации, подсистема интерактивного взаимодействия, аудио-, видео-конференций и подсистема помощи и обучения работы в «KnowledgeCT».

Каждая часть системы представляет собой сложный программный комплекс, функционирующий на основе оригинальных алгоритмов, реализующих различные интеллектуальные методы. Рассмотрим подробно наиболее важные подсистемы.

1. Подсистема тестирования

Структура системы тестирования приведена на рис.2.

Модуль адаптивного тестирования обращается к хранилищу тестов, которое содержит все вопросы и ответы, настройки для каждого теста и прочую информацию, производит опрос, обрабатывает результат и заносит его в хранилище результатов.

Модуль создания тестов или «Редактор тестов» обращается к тому же хранилищу и позволяет пользователю (разработчику теста) создать новый тест, изменить настройки теста, редактировать вопросы и ответы, использовать в одном тесте вопросы других, т.е. обеспечить слияние тестов, которое необходимо, например, при составлении итогового теста, основанного на промежуточных тестах. Кроме того, модуль решает проблемы синхронизации пользователей Интернет, исключает возможность одновременного редактирования одного и того же теста различными пользователями, обеспечивает сохранность авторских прав - тест должен быть доступен для редактирования только создателю или тем, кому создатель теста предоставит свои права.

Рис.1. Общая структура ИОС «KnowledgeCT»

электронный интеллектуальный дистанционный обучение

Методы и алгоритмы адаптивности тестов предполагают ввод следующей информации в процессе создания теста:

· количество уровней сложности;

· ограничение по времени на прохождение теста;

· минимальное и максимальное количество вопросов;

· разбиение материалов теста на уровни сложности;

· разбиение материалов теста по темам.

Создание тестов может проходить в режиме on-line через Интернет, либо в режиме локального редактирования и создания тестов. В этом случае используется соответствующий модуль, который может интегрировать разработанные локально тесты в хранилище тестов, доступное пользователям через Интернет. Аналогичным образом может использоваться модуль локального тестирования. Зачастую он решает задачи, связанные с самооценкой знаний учащихся в процессе обучения. Студент сам проверяет себя на локальном компьютере, узнает свои слабые места, пытается повысить уровень своих знаний и только после этого выходит на тестирование через Интернет, где каждый результат тестирования учитывается в хранилище данных.

Рис.2. Модульная структура подсистемы тестирования

Модуль статистики и анализа результатов тестирования должен предоставить преподавателю и администратору возможность просмотреть результаты обучения и тестирования отдельного студента или целой группы, по одному или нескольким дисциплинам. По каждому указанному тесту модуль формирует ведомости, анализирует успеваемость студентов, предлагает статистику обучения, дает рекомендации по результатам тестирования с целью повысить уровень знаний группы учащихся или конкретного студента.

Модуль интеллектуальной поддержки тестов решает важнейшую задачу реализации интеллектуальных методов оценки знаний студента. Здесь необходима разработка математических методов и моделей поведения обучаемого, разработка критериев оценки его знаний, способностей и умений. На рис.3 приведена информационная структура модуля интеллектуальной поддержки системы тестирования.

Интеллектуальные средства обучения и тестирования включают: мониторинг процесса обучения, обучающие экспертные системы, игровые обучающие программы, модули промежуточного и адаптивного тестирования.

Мониторинг процесса дистанционного обучения[9] подразумевает контроль деятельности обучаемого, построение его индивидуальной модели и генерацию управляющих решений по корректировке поведения обучаемого для достижения им поставленных целей обучения. Для осуществления мониторинга процесса обучения сначала на основе экспертных оценок, т.е. учитывая существующий опыт преподавания, строится предварительная модель обучаемого для некоторого предмета (курса). При этом предполагается, что процесс обучения представляет собой последовательную совокупность освоения отдельных разделов учебного материала. Учебный материал разбивается на несколько модулей (информационных блоков, этапов обучения) таким образом, чтобы можно было проконтролировать степень освоения изученного материала (тестирование, контрольная работа, семинар и т.п.). Выделяются возможные результаты проверки знаний и умений для каждого модуля, определяются способы освоения материала, а также преподавателем описываются возможные варианты поведения обучаемого при переходах между модулями курса. Затем с учетом предпочтений обучаемого в выборе способов освоения материала, результатов обучения (база данных параметров деятельности: результаты промежуточного контроля на этапах обучения, время изучения материала, время тестирования и т.д.) определяются цели обучения и формируется индивидуальная модель обучаемого. Далее выделяются стратегии поведения наиболее соответствующие индивидуальному стилю обучаемого, а также стратегии, ориентированные на достижение цели обучения. На основании полученных данных осуществляется прогноз деятельности обучаемого. В случаях, когда выбранная обучаемым исходная стратегия перестает быть эффективной по отношению к заданной цели, подсистема генерирует рекомендации по трансформации индивидуальной стратегии обучаемого.

Обучающие экспертные системы ориентированы на проверку умений студента решению задач по конкретному учебному курсу. Они строятся на основе инструментальных средств, позволяющих преподавателю создавать базы знаний альтернативного принятия решений. Экспертная система оценивает логику принятия решений и результаты вычислений и в случае выбора неоптимальной или неправильной альтернативы отсылает обучаемого к соответствующим разделам учебного гипертекстового материала.

Рис. 3. Информационная структура модуля интеллектуальной поддержки системы ИОС «Knowledge CT»

В игровых обучающих программах тестирование знаний и умений студента осуществляется в ходе активной мультимедийной игры. Построение игры осуществляется преподавателем посредством создания сценария из набора отдельных заранее разработанных мультимедийных фрагментов и привязкой к препятствиям игры тестовых заданий, ранжированных по уровням сложности. Игровая программа может иметь как обучающий, так и аттестационный характер. В первом случае, при неправильном решении тестового задания обучаемому объясняется соответствующий учебный материал и дается возможность повторения попытки. Во-втором случае, дается комплексная оценка прохождения всех препятствий игры, в зависимости от стратегии выбора тестовых заданий.

Модули промежуточного тестирования предназначены для текущего контроля знаний и построены на алгоритмах нечеткой логики. Методика оценки уровня знаний включает два основных этапа: оценку результатов выполнения каждой выделенной группы тестовых заданий и интегральную оценку уровня знаний. Первый этап реализуется на основе экспертной системы, база знаний которой содержит утверждения, отражающие мнение преподавателя учебного курса, относительно оценки результатов выполнения каждой группы заданий, а также схем рассуждений, позволяющих автоматически оценивать уровни знаний, в зависимости от конкретных измерений. Интегральная оценка знаний основана на использовании операторов свертки оценок, полученных на предыдущем этапе. Особенность данных операторов состоит в том, что они позволяют учитывать различную важность каждого типа тестовых заданий и, в зависимости от этого, относить полученные оценки к одному из четырех классов: "отлично", "хорошо", "удовлетворительно" и "неудовлетворительно".

В результате функционирования данных модулей, на момент аттестационного тестирования, все студенты классифицируются по уровням (группам) знаний. Это позволяет на этапе адаптивного тестирования даже первый вопрос задавать неслучайным образом, а выбирать из группы тестовых заданий, соответствующих выявленному раннее уровню знаний. Подсистема адаптивного тестирования позволяет задавать каждый следующий вопрос в зависимости от ответов на все предыдущие вопросы. Вопросы, задаваемые подсистемой по каждому предмету, разбиваются на несколько уровней по мере возрастания сложности вопросов. Вопросы задаются целенаправленно, за счет предварительной оценки каждого студента, полученной на этапе промежуточного (рейтингового) тестирования. Проводя опрос, система адаптивного тестирования накапливает сведения о студенте и выставляет ему комплексную оценку, учитывая такие параметры, как количество правильных ответов, время прохождения теста, а также количество попыток прохождения каждого уровня.

Рассмотрим реализацию методов нечеткой оценки знаний в системе дистанционного обучения.

Определим следующие возможные оценки для испытуемого на основе нечётких множеств [1,10]: “неудовлетворительно”, “ниже среднего”, “удовлетворительно”, “хорошо”, “отлично”. Для каждой положительной оценки - уровня сложности - эксперту по дисциплине (преподавателю) необходимо разработать соответствующий набор вопросов. Итак, имеем 4 уровня сложности вопросов: уровень начинающего, средний уровень сложности, уровень повышенной сложности, уровень эксперта. Эти уровни будут меняться в зависимости от успеха отвечающего. Введем нечёткую характеристику «правильности» ответа на вопрос. Эта величина показывает, насколько успешно студент ответил на текущий вопрос - правильно, немного спорно, неточно (ошибочно) и неправильно. По мере увеличения правильных ответов увеличивается и уровень сложности задаваемых вопросов, и наоборот. В результате, итоговая оценка зависит от следующих факторов: пропорционального количества вопросов разной сложности, текущей оценки, правильности ответов на вопросы (рис.4), времени ответа на вопросы. Важной особенностью системы является ее интеллектуальность, что выражается в моделировании поведения экзаменатора в случае уверенности или неуверенности в знаниях студента, то есть тестирование может быть прервано, если экзаменатор уверен в уровне знаний студента или задаёт ряд дополнительных вопросов для уточнения этого уровня.

Рис.4. Результаты тестирования на основе нечетких отношений

В настоящее время в области образования намечается тенденция перехода от письменных экзаменов к тестированию на специфических печатных бланках, которые впоследствии проверяются при помощи компьютерных систем. Данных подход помогает ускорить процесс проверки работ и облегчить работу преподавателей.

Примером уже существующей системы тестирования может служить система «FineReader Рукопись» фирмы ABBYY Software House на основе которой проводилось централизованное тестирование в 1997 году. Система предназначена специально для ввода в компьютер большого объема бумажных форм, заполненных от руки. Использование системы «ABBYY FineReader Рукопись» позволило значительно сократить время на обработку бланков. Так, на обработку более, чем миллиона бланков в 2001 году было потрачено 20 дней. На обработку этих же бланков вручную ушло бы 13 с половиной месяцев. Централизованное тестирование стало тем базисом, на основе которого была задумана схема проведения Единого Государственного Экзамена.

С этой точки зрения любая интеллектуальная система дистанционного обучения должна иметь средство для поддержки тестирования на бумажных формах с последующей автоматизированной проверкой этих бланков на основе методов распознавания. Для организации процесса тестирования необходимо разработать методы и программные средства, выполняющие следующие функции:

подготовки тестов к печати;

печать бланков с тестами.

сканирование бланков, на которых было проведено тестирование;

распознавание.

оценка результатов.

Именно эти задачи решают модуль создания тестов и шаблонов ответов для бумажного тестирования и модуль распознавания результатов бумажного тестирования. Одна из особенностей задачи, решаемой данными модулями, заключается в том, что форма для ответов на вопросы не выносится на отдельный бланк, т.е. места под ответы находятся в непосредственной близости от самих вопросов. На одном бланке может быть произвольное число вопросов, зависящее только от длины вопросов, вследствие чего для решения поставленной задачи не подойдёт существующая система FormReader [2]. Модуль позволит подготавливать тесты, где тексты вопросов будут совмещены с пространством для ответов. Для ввода вопросов можно воспользоваться специальным редактором. Бланки для печати подготавливаются автоматически, при этом они имеют специальную конструкцию, предназначенную для последующего распознавания. Модуль позволяет взаимодействовать с TWAIN-совместимым сканером, для сканирования бланков после проведения тестирования. После сканирования бланка его можно распознать, т.е. получить идентификатор студента, прошедшего тест, узнать номера вопросов, содержащихся на странице, а так же проверить как студент ответил на поставленные вопросы. После этого в зависимости от ответов будет выставлена оценка за работу.

Модуль верификации и проверки валидности тестов является важнейшим компонентом интеллектуальной системы дистанционного обучения в обеспечении контроля качества разрабатываемых и предъявляемых тестов. Проблема заключается в том, что большинство преподавателей, создающих тесты не осознают всерьёз, какая это ответственная и сложная задача - корректно составить большой многоуровневый тест, тестовые задания которого будут сформулированы ясно, чётко, без возможностей неоднозначного трактования. Более того, многие создатели тестов даже не задумываются над подобными проблемами. Такая же ситуация и в большинстве существующих систем тестирования: тесты воспринимаются такими, какие они есть, без проверки их корректности. Между тем, пренебрежение к этим вопросам влечёт к большим проблемам и значительному снижению качества образования. Модуль решает задачи анализа корректности тестов, которая включает в себя два аспекта. Во-первых, - это непосредственный анализ тестовых заданий и обнаружение ошибок, а, во-вторых, формирование адекватных рекомендаций для их устранения. Основной особенностью задачи является ее неформализованность и отсутствие завершенной теории для ее решения. Поэтому одним из направлений при постановке задачи является возможность модификации принципов и способов построения системы [3]. Решение задачи анализа корректности тестов может быть разбито на несколько этапов: построение лексического анализатора; формирование статистики о прохождении тестовых заданий и предъявлении вопросов; разбор статистики и предъявление ее пользователю, а также формирование методических рекомендаций по составлению тестов. Результаты статистики прохождения тестовых заданий помогают выявить сложные и простые вопросы, рекомендовать изменить уровень сложности тех или иных вопросов, рекомендовать скорректировать или исключить слишком сложные или слишком простые вопросы, поскольку они не позволяют корректно оценить уровень знаний студентов. Действительно, как оценивать уровень знаний по вопросу, на который ответили все 100% опрошенных или наоборот, на который не ответил никто? Наконец, принципы и алгоритмы построения рассматриваемого модуля могут быть применены не только при проверке корректности тестов, но также и при категориальном анализе тестов, тематическом разбиении материала[4].

Система дистанционного обучения KnowledgeCT является открытой системой и это обеспечивается наличием модуля конвертации и обработки тестов на основе стандарта IMS QTI. Этот модуль позволяет связываться с другими системами тестирования и обмениваться тестами. Большое количество индивидуальных особенностей систем дистанционного образования, множество различных подходов к реализациям типовых функций, специфика предметных областей вынуждает разработчиков создавать свои форматы хранения данных о тестах, или же дополнять существующие необходимыми элементами для работоспособности своих систем. Это делает систему узконаправленной, локализованной. Процесс импорта тестов из других систем тестирования становится затруднительным: необходимо привлекать специалистов, которые изучат формат хранения и, возможно, напишут утилиту конвертирования. Но систем дистанционного обучения очень много, поэтому эта задача становится непосильной.

Решением проблемы является создание некоторого универсального формата хранения тестов и инструкций по их обработке. Причем важным условием для этого формата должна быть независимость от платформы. Во всем мире ведется работа по стандартизации обучающих технологий и, в частности, по форматам хранения тестовых данных. Существует ряд международных организаций, работающих в области стандартизации, консорциумов и национальных программ, министерств отдельных стран, тесно сотрудничающих в сфере разработки элементов системного подхода к построению систем дистанционного обучения или любых других обучающих систем, функционирующих на базе информационных технологий.

Среди этих организаций ведущая роль принадлежит:

· аккредитованному IEEE комитету P1484 LTSC по стандартизации обучающих технологий (Institute of Electrical and Electronic Engineers, Project 1484, Learning Technology Standards Committee);

· проекту Европейского союза ARIADNE (Alliance of Remote Instructional Authoring and Distribution Networks for Europe), имеющему целью разработку инструментов и методологий для производства, управления и многократного использования педагогических элементов, разработанных на основе компьютерных технологий;

· американскому проекту IMS (Educom's Instructional Management Systems), занимающемуся разработкой технологических спецификаций для развития рынка образования;

· организации американского Департамента Обороны ADL (Department of Defense Advanced Distributed Learning), занимающейся определением требований к обучающим технологиям.

Рис.5. Подсистема обучения

В подсистеме тестирования KnowledgeCT в качестве хранилища информации выступают базы данных MS Access. Это позволяет максимально упростить процедуры поиска, обновления и добавления информации, но неизбежно приводит к трудностям экспорта и импорта тестов из других систем. Поэтому возникла задача перевода тестовых данных из системы KnowledgeCT в некий общепринятый стандарт и обратно для обмена тестами. Изучив характеристики и возможности форматов, предоставляемые выше описанными организациями, было принято решение использовать спецификацию Question & Test Interoperability (QTI) консорциума IMS для создания формата обмена тестовыми материалами и системы перевода.

В дальнейшем, под словосочетанием «формат QTI» необходимо понимать формат, разработанный согласно спецификациям IMS QTI для хранения тестов и инструкций по их обработке.

Спецификации IMS QTI написаны и реализуются на языке XML (eXtensible Markup Language) - расширяемый язык разметки. Основная цель языков разметки - выделить логическую структуру документа, отделив ее от содержания[5]. XML определяет синтаксические и семантические правила для создания новых языков разметки. HTML является наглядным примером практической реализации XML.

Можно сказать, что QTI - это новый язык для формирования, хранения и обработки тестов на основе XML. Достоинства XML полностью характерны и для формата хранения тестовых данных QTI:

· независимость формата данных;

· улучшенные возможности поиска;

· возможность отображения данных на любых устройствах;

· увеличение доступности данных.

Модуль поддержки стандартов IMS QTI (далее - QTI Communication) был реализован в качестве отдельного программного продукта. Основой модуля являются три компонента: обработка тестов в формате QTI, обработка тестов в формате системы KnowledgeCT и главный компонент, организующий управление двумя предыдущими.

Как и большинство приложений Windows, модуль QTI Communication имеет интуитивно понятный интерфейс, обладает широкими возможностями по настройке, как параметров функционирования, так и внешнего вида. Функционирование системы гарантируется при установленной библиотеке классов для работы с XML документами и доступе к базам данных системы KnowledgeCT.

2. Подсистема обучения

Структура подсистемы приведена на рис.5. В нее входят такие части как: модули создания учебных курсов (локально и через Интернет), модуль локального обучения, модуль создания мультимедийных курсов. Вся электронная учебная информация находится в хранилище курсов в системе дистанционного обучения.

Проблему сопровождения процесса обучения можно решить с помощью мониторинга как это было рассмотрено ранее[8]. При личных контактах со студентом преподаватель имеет большую возможность в определении личностных качеств и индивидуальных особенностей обучаемого, что позволяет ему адекватно корректировать процесс обучения. Для этого преподаватель использует концептуальную модель обучаемого. В случае дистанционного обучения такой возможности у преподавателя практически нет. Подобную форму обучения вполне логично рассматривать как человеко-машинную систему, в которой обучаемый и преподаватель выступают в роли человека-оператора. Следовательно, как и при проектировании человеко-машинной системы, при создании системы дистанционного обучения следует решать вопросы перераспределения функций между человеком и вычислительными средствами.

Передачу знаний и навыков можно условно разделить на две части: интеллектуальную (творческую) и технологическую. Интеллектуальная часть включает: сбор знаний, их систематизацию (структурирование), генерализацию (вычленение главных аспектов знаний в предметной области), передачу знаний в форме живого общения преподавателя с обучаемым (лекции, семинары, консультации). Технологическая часть включает: тестирование, проверки объема усвоенных знаний и приобретенных навыков, тренировки по закреплению знаний и навыков, а также самоконтроля глубины и прочности усвоенного. В процессе накопления знаний и совершенствования методики обучения происходит смещение границы с расширением технологической области при одновременном расширении внешней границы предметной области за счет включения в нее новых знаний (навыков) или глубины их представления.

3. Подсистема администрирования

Рассмотрим кратко важнейшие функции по администрированию системы дистанционного обучения. Общая структура подсистемы администрирования приведена на рис.6. В соответствии с этой схемой в основные функции системы администрирования должны входить:

· возможность регистрации пользователей;

· возможность редактирования БД пользователей;

· работа с хранилищами учебных курсов и тестов по выделению прав доступа.

Рис.6. Подсистема администрирования

Подсистема администрирования тесно связана с подсистемой обеспечения безопасности и защиты информации, которая подробно рассматривается далее.

4. Подсистема безопасности и защиты информации

Следует учесть, что системы дистанционного обучения активно взаимодействуют с пользователями - учителями, учениками, гостями, случайными посетителями. И нельзя делать исключения или упрощения при проектировании систем безопасности для систем дистанционного обучения. В этом разделе рассматриваются модели и методы обеспечения информационной безопасности, используемые при реализации интеллектуальной системы дистанционного обучения KnowledgeCT [6].

Модель безопасности системы дистанционного обучения основывается на ролевой политике [7]. Управление доступом в такой модели осуществляется как на основе матрицы прав доступа, так и с помощью правил, регламентирующих назначение пользователям определенных ролей. Таким образом, данная модель представляет собой особый тип политики, основанной на компромиссе между гибкостью управления доступом, характерной для дискреционных моделей, и жесткостью правил контроля доступа, присущей мандатным моделям.

Понятие субъекта заменяется понятиями пользователь и группа. Пользователь - это человек, работающий с системой и выполняющий определенные служебные обязанности. Группа - это активно действующая в системе абстрактная сущность, с которой связан ограниченный, логически связанный набор полномочий, необходимых для осуществления определенной деятельности.

Такая политика более предпочтительна, потому что она, в отличие от других более строгих и формальных политик, очень близка к реальной жизни. Ведь на самом деле работающие в системе пользователи действуют не от своего имени - они всегда осуществляют определенные служебные обязанности, то есть относятся к группам, выполняющим определенные роли, которые никак не связаны с их личностью.

Поэтому управление доступом и назначение полномочий осуществляется не по отношению к реальным пользователям, а абстрактным (не персонифицированным) группам, представляющих участников определенного процесса обработки информации. Такой подход к политике безопасности позволяет учесть разделение обязанностей и полномочий между участниками процесса дистанционного обучения, так как имеет значение не личность пользователя, осуществляющего доступ к информации, а то, какие полномочия ему необходимы для выполнения его служебных обязанностей.

В системе дистанционного обучения работают администратор, учитель, ученик. В такой ситуации данная политика позволяет распределить полномочия между этими ролями в соответствии с их обязанностями: администратору назначаются специальные полномочия, позволяющие ему контролировать работу системы и управлять ее конфигурацией; роль учителя позволяет осуществлять создание курсов и изменение содержания материалов курсов; а права ученика ограничиваются минимумом, необходимым для ознакомления с содержанием материалов курсов. Кроме того, количество групп в системе дистанционного обучения может не соответствовать количеству реальных пользователей - один пользователь, если на нем лежат различные обязанности, требующие различных полномочий, может выполнять (одновременно или последовательно) несколько ролей, а несколько пользователей могут пользоваться одной и той же ролью, если они выполняют одинаковые действия.

При использовании такой политики, основанной на группах пользователей, управление доступом осуществляется в две стадии: во-первых, для каждой группы указывается набор полномочий, представляющих собой набор прав доступа к объектам, и, во-вторых, каждому пользователю назначается список доступных ему групп. Полномочия назначаются в соответствии с принципом наименьших привилегий.

Модель безопасности описывает систему дистанционного обучения в виде следующих множеств:

· U - множество пользователей;

· G - множество групп;

· P - множество полномочий на доступ к объектам, представленное в виде матрицы прав доступа;

· S - множество сеансов работы пользователей с системой.

Множество групп G в системе дистанционного образования состоит из следующих элементов: G={администратор, учитель, ученик, гость}.

Для перечисленных множеств определяются следующие отношения:

PAPxG - отображает множество полномочий на множество групп, устанавливая для каждой группы набор присвоенных ей полномочий;

UAUxG - отображает множество пользователей на множество групп, определяя для каждого пользователя набор доступных ему групп.

Правила управления доступом политики безопасности определяются следующими функциями:

user: SU - для каждого сеанса s функция определяет пользователя, который осуществляет этот сеанс работы с системой:

user(s)=u;

group: SP(G) - для каждого сеанса s функция определяет набор групп из множества G, которые могут быть одновременно доступны пользователю в этом сеансе:

group(s)={gi, | (user(s),gi)UA};

permissions: SP - для каждого сеанса s эта функция задает набор доступных в нем полномочий, которые определяются как совокупность полномочий всех групп, задействованных в этом сеансе: permissions(s)=Uggroup(s){pi | (pi,g)PA}.

В качестве критерия безопасности такой модели используется следующее правило:

где operationi(s) - функция, которая задает полномочие для i-го действия.

Таким образом, система считается безопасной, если любой пользователь системы, работающий в сеансе s, может осуществлять действия, требующие полномочия p только в том случае, если ppermissions(s) [7].

Система безопасности Web-сервера системы дистанционного образования представляет собой комплекс, состоящий из нескольких подсистем, реализующих функции защиты материалов электронных курсов от несанкционированного доступа, копирования и распространения, функции анализа конфигурации Web-сервера, анализа журналов Web-севера и функции поиска атак (рис.7).

Публикация данных в Internet и реализация функций разделения и управления этими данными - вот неполный перечень задач, с которыми сталкиваются сегодня разработчики коммерческих курсов в системах дистанционного обучения. При этом необходим эффективный метод защиты от несанкционированного доступа к учебным материалам в рамках Web-сервера системы ДО.

Размещение данных в каталоге Web-сервера, доступ к которым пользователь может получить только после прохождения специальных процедур идентификации, не решает данную задачу поскольку, зная точный адрес ресурса, можно обойти процедуры регистрации.

Одним из решений данной проблемы является размещение материалов курсов на другом системном разделе Web-сервера, не доступном извне ни под каким из алиасов.

Выполнив процедуру аутентификации пользователя, подсистема защиты материалов, с помощью встроенного объекта файловой системы, выполняет доступ к данным и возвращает пользователю отображение этих материалов в окне Web-браузера.

Системы, которые защищены шаблонами безопасности Microsoft, предлагается дополнить модулями ASP (Active Server Pages), которые выполняют функции анализа журналов Web-сервера, поиска атак, анализа конфигурации Web-сервера на основе свойств метабазы IIS.

Анализ журналов ведется с учетом параметров, заданных администратором, с целью сокращения времени работы. Например, анализ может выполняться в каком-либо определенном интервале времени, а не по всем файлам журналов. Так же, администратор может явно указать, сигнатуру какой атаки необходимо найти, вместо поиска по всем сигнатурам. Используя гибкий интерфейс имеется возможность редактирования и дополнения базы данных сигнатур атак.

Конфигурация Web-сервера включает в себя множество параметров, хранящихся в метабазе Web-сервера, развернутого на платформе IIS. Функции анализа конфигурации выполняют чтение этих параметров и дают рекомендации, на основании которых следует изменить соответствующие настройки в IIS или в политике безопасности Web-сервера. В частности, подсистема анализа конфигурации выполняет проверку угрозы выполнения DoS-атак на сервер, проверку корректности учетных записей с точки зрения информационной безопасности и целостности, проверку прав доступа к каталогам Web-сервера. Рассмотренные меры позволят укрепить политику безопасности Web-сервера дистанционного обучения.

Рис.7. Подсистема безопасности

В рамках данной статьи не рассматриваются структура и содержание подсистемы интерактивного взаимодействия, поддержки аудио-видео-конференций, и подсистемы электронной библиотеки, поскольку данный вопрос является очень серьезным и может «вылиться» в еще одну такую же объемную статью. Заметим только, что эти подсистемы обеспечивают средство интерактивного общения преподавателя со студентами и студентов между собой. Преподаватель назначает время и тему для дискуссии (по электронной почте или на доске объявлений системы), в назначенное время все участники дискуссии находятся в режиме on-line и проводят обсуждение заданной темы, получая таким образом советы и рекомендации по изучению дисциплины. Оперативная обратная связь с преподавателем значительно усовершенствует процесс образования. Электронная библиотека содержит методические материалы, учебники, книги и CD-ROMы по различным областям знаний. Необходимый источник знаний можно найти по автору, теме, издательству, году издания и другим критериям.

Заключение

Многообразие создаваемых средств дистанционного обучения и тестирования ставит вопрос о систематизации и постановке универсальных требований к возможностям таких систем. На первый план встает задача обеспечения интеллектуальных средств и методов поддержки процесса обучения. Только комплексный подход к решению этих проблем может быть использован при рассмотрении таких сложных задач. В данной работе были рассмотрены основные проблемы создания интеллектуальных систем дистанционного обучения, предложены типовая структура интеллектуальной системы дистанционного обучения, разработаны методы поддержки процесса обучения и все это нашло отражение в реализации действующей ИОС дистанционного обучения «KnowledgeCT», которая доступна в Интернет по адресу http://www.cdo.tsure.ru. В настоящее время система успешно используется в учебном процессе в Таганрогском государственном радиотехническом университете, Донском государственном техническом университете, Московском институте языков и культур имени Л.Н. Толстого и других учебных заведениях. Разработка рассмотренных методов, технологий и реализация системы осуществлялась в рамках программы Минобразования Российской Федерации «Создание системы открытого образования».

Литература

1. Попов Д.И. Способ оценки знаний в дистанционном образовании на основе нечетких отношений//Дистанционное образование № 6, Москва, 2000, с.26-29.

2. Дюк В.А. Компьютерная психодиагностика. С.-Пб. Изд-во: Братство, 1994.

3. Васильев В.И., Демидов А.Н., Малышев Н.Г., Тягунова Т.Н. Методологические правила конструирования компьютерных педагогических тестов. - М.:ВТУ, 2000.

4. Даконта М., Саганич А. Язык XML и Java2., С.-Пб: «Питер», 2001.

5. Попов Д.И. Возможности интеллектуальной системы дистанционного обучения в Интернет - KnowledgeCT// Перспективные информационные технологии и интеллектуальные системы». №1, 2001. - С.247-254.

6. Зегжда Д.П., Ивашко А.М. “Основы безопасности информационных систем” - М.: Горячая линия - Телеком, 2000. - 452с.:ил.

7. Астанин С.В., Калашникова Т.Г. Разработка индивидуальной модели поведения обучаемого в системе дистанционного образования// “Перспективные информационные технологии и интеллектуальные системы”. Таганрог: ТРТУ, 2001, № 5

8. Астанин С.В. Мониторинг процесса обучения в системе открытого образования/ Интеллектуальные САПР.-Таганрог, №4. 2001.

9. Астанин С.В. Оценка знаний на основе нечеткой логики.//Научно-методический сборник "Открытое образование в России XXI века".- М.: МЭСИ, 2001.

Размещено на Allbest.ur