Формалізація опису економічних і навчальних процесів в е-освіті за математичними залежностями типу Парето

Abstract

Розглядаються підходи до формалізації опису процесів в е-освіті. Визначаються можливості використання математичних залежностей типу Парето для цих цілей. Побудовано подібні залежності для прогнозу попиту на навчання і для порівняння якості фрагментів при онтологічному підході в е-освіті.

Проанализированы подходы к формализации описания процессов в э-образовании. Э-образование относится к социально-педагогическим системам, которые тяжело формализуются по сравнению с физическими процессами. Это снижает возможности построения математических моделей. В работе рассматривается использование математических зависимостей типа Парето для этих целей. Построены подобные зависимости для прогноза спроса на обучение и для сравнения качества фрагментов электронных курсов при онтологическом подходе в э-образовании. Онтологический подход с использованием ветвистости онтографа дает возможность получить распределение баллов по ветвям онтографа электронного курса. Усредненная по ветвям зависимость типа Парето для распределения баллов позволяет найти фрагмент электронного курса с наибольшим отклонением распределения баллов от среднего, т.е. требующий модификации.

Approaches to the formalization of the description of processes in e-education are analyzed. E-learning refers to socio-pedagogical systems that are heavily formalized in comparison with physical processes. This reduces the ability to build mathematical models. The paper considers the use of mathematical Pareto-type dependencies for these purposes. Such dependencies are constructed for forecasting the demand for learning and for comparing the quality of fragments of e-courses with the ontological approach in e-education. The ontological approach with the use of the branchiness of the ontograph makes it possible to obtain the distribution of scores on the branches of the ontograph of the electronic course. Averaged over Verviers Pareto-type relationship for the distribution of scores allows you to find a fragment of E-course with the highest score distribution deviation from the mean, i.e., requiring modification.