Интеллектуальная автоматизированная обучающая система AESU и лежащие в её основе концепции, механизмы и методы

Abstract

Проблема системного и научно-обоснованного подхода к организации электронного обучения повышает свою актуальность в условиях массового применения больших языковых моделей. В статье рассматривается проблема концептуального методического обоснования работы интеллектуальных автоматизированных обучающих систем (ИАОС). Показана проблема описания и раскрытия в научных источниках внутренних механизмов их работы, позволяющих верифицировать и автоматически объяснять принимаемые ими решения. В качестве примера рассмотрена авторская экспериментальная обучающая система AESU. Для неё рассматриваются базовые концепции, механизмы и методические решения. В качестве основных концепций приведены теория функциональных систем П.К. Анохина (модель афферентного синтеза), прикладная семиотика Д.А. Поспелова и теория рефлексивного управления В.А. Лефевра. Показана роль когнитивной визуализации (картирования) при синтезе решений. Для этого объединяется логика продукционных экспертных систем, нечёткой логики и проверки гипотеза по Шортлиффу – интеллектуальных механизмов решателя обучающей системы. Эмерджентный эффект, возникающий от использования приведённых концепций и механизмов, позволяет предложить авторский подход к реализации модульной концентрации данных и сквозного анализа учебной ситуации. Системообразующим элементом в синтезе решений ИАОС становятся структурная и функциональная нотация карт: метод когнитивных карт диагностики знаний и метод унифицированного графического воплощения активности. Показана возможность взаимного перехода параметрического и визуального отображения учебной ситуации между этими типами карт и их использование при выработке решений как решателем обучающей системы, так и учащимся в процессе работы в электронной обучающей среде. В заключении отмечены архитектурные особенности ИАОС AESU. Кроме типовых функций систем управления обучением, предложенная ИАОС реализует диалоговый механизм взаимодействия с учащимся в естественно-языковой форме без привлечения возможностей больших языковых моделей: гибкий механизм обратной связи позволяет поддерживать интерактивный диалог, опираясь на методически обоснованные выводы. Это позволяет повысить уровень доверия человека-учащегося к рекомендациям обучающей системы и способствует вовлечению в образовательный процесс на базе ИАОС. The problem of a systematic and scientifically-based approach to the organization of e-learning is becoming increasingly relevant in the context of the widespread use of large language models. This article explores the issue of conceptual and methodological support for the operation of Intelligent Tutoring Systems (ITS). It highlights the challenge of describing and explaining the internal mechanisms of these systems in scientific publications, allowing for the verification and automatic explanation of their decisions. As an example, the author's experimental learning system, AESU, is examined. The article focuses on the fundamental concepts, mechanisms, and methodological solutions employed in this system. The main concepts include P.K. Anokhin's theory of functional systems (the model of afferent synthesis), D.A. Pospelov's applied semiotics and V.A. Lefebvre's theory of reflexive control. The role of cognitive visualization (mapping) in the synthesis of solutions is demonstrated. This involves combining the logic of production expert systems, fuzzy logic, and Shortliffe's hypothesis testing, which are the intellectual mechanisms of the learning system's solver. The emergent effect arising from the use of the above-mentioned concepts and mechanisms allows us to propose an author's approach to the implementation of modular data concentration and cross-cutting approach of the learning situation. The structural and functional notation of maps becomes the system-forming element in the synthesis of ITS solutions: the method of Cognitive Maps of Knowledge Diagnosis and the method of Unified Graphic Visualization of Activity. The article demonstrates the possibility of mutual transition between the parametric and visual representation of the learning situation between these types of maps and their use in the development of solutions by both the solver of the learning system and the student during their work in the electronic learning environment. In conclusion, the architectural features of the AESU ITS are noted. In addition to the typical functions of learning management systems, the proposed ITS implements a dialogic mechanism for interacting with students in a natural language form without using the capabilities of large language models. The flexible feedback mechanism allows for interactive dialogue based on methodologically sound conclusions, which increases the level of trust between the student and the learning system and promotes engagement in the educational process based on the ITS.