ВИКОРИСТАННЯ ЕЛЕМЕНТІВ ГЕЙМІФІКАЦІЇ В ІНТЕЛЕКТУАЛЬНИХ НАВЧАЛЬНИХ СИСТЕМАХ: ОНТОЛОГІЧНИЙ АСПЕКТ

Костянтин Ткаченко; Ольга Ткаченко; Олександр Ткаченко

doi:10.28925/2663-4023.2023.21.3247

Автор(и)

Костянтин Ткаченко Державний університет інфраструктури та технологій https://orcid.org/0000-0003-0549-3396
Ольга Ткаченко Державний університет інфраструктури та технологій https://orcid.org/0000-0003-1800-618X
Олександр Ткаченко Державний університет інфраструктури та технологій https://orcid.org/0000-0001-6911-2770

DOI:

https://doi.org/10.28925/2663-4023.2023.21.3247

Ключові слова:

онтологія; онтологічна модель; багаторівнева онтологічна модель, інтелектуальна система навчання, інформаційні технології; зміст навчання; гейміфікація; знання

Анотація

У статті розглянуто онтологічний підхід до створення та використання інтелектуальних навчальних систем з елементами гейміфікації. Розроблену багаторівневу онтологічну модель доцільно використовувати при реалізації процесів навчання у закладах вищої освіти. Запропоновано онтологічне моделювання інтелектуальних навчальних систем на основі багатовимірних моделей. Запропонований підхід дає можливість розробити багаторівневу онтологічну модель будь-якої інтелектуальної навчальної системи, яка повністю відображає прагматику досліджуваної предметної області. Запропонована багаторівнева онтологічна модель інтелектуальної навчальної системи з елементами гейміфікації фіксує та структурує знання, загальні для предметної галузі, що вивчається. Це дозволяє повторно використовувати її як основу єдиної моделі знань, що забезпечує логічну узгодженість між окремими онтологіями при об’єднанні для створення навчального контенту (наприклад, онлайн-курсу) із ширшим переліком тем і завдань. Застосування онтологічного підходу є ефективним способом проєктування та розробки інтелектуальних навчальних систем. Побудовані індивідуальні онтологічні моделі (навчального контенту, тестів, онтології результатів і дій студентів, оцінювання знань студентів, компонентів гейміфікації) сприяють проєктуванню єдиного інформаційного навчального середовища (навчального контенту), в рамках якого реалізуються інтелектуальні навчальні системи, що використовують елементи гейміфікації. Запропонована в роботі багаторівнева онтологічна модель сприяє підвищенню ефективності процесів навчання, збереженню інтересу та мотивації до вивчення запропонованого навчального контенту, що містить елементи гейміфікації. Результатом використання елементів гейміфікації та онтологічного моделювання в інтелектуальних навчальних системах є можливість внесення необхідних коректив щодо цілей і завдань навчального процесу, процессів навчання, вимог до рівня та компетентності студентів.

Завантаження

Дані завантаження ще не доступні.

Посилання

Petasis, G., Karkaletsis, V., Paliouras, G., Krithara, A., Zavitsanos, E. (2011). Ontology Population and Enrichment: State of the Art. In Knowledge-driven multimedia information extraction and ontology evolution. LNAI 6050. Springer-Verlag Berlin.

Zhou, L. (2007). Ontology Learning: State of the Art and Open Issues. Information Technology and Management, 8(3), 241-252.

Scherer, Matthew U. (2016). Regulating artificial intelligence systems: risks, challenges, competencies, and strategies. Harvard Journal of Law & Technology, 29(2).

Liu, G.Z. (2017). A Key Step to Understanding Paradigm Shifts in E-learning: Towards Context-Aware Ubiquitous Learning. British Journal of Educational Technology, 41(2), E1-E9.

Werbach, К. (2012). Gamification. Coursera. https://class.coursera.org/gamification-2012-001__.

What is SCORM? (2021). https://scorm.com/?utm_source=google&utm_ medium=natural_search.

Horrocks, I., Patel-schneide, Peter F., Van Harmelen, F. (2002). Reviewing the design of DAML+OIL: An ontology language for the Semantic Web. https://www.researchgate.net/publication/2477217_Reviewing_the_design_of_DAMLOIL_ An_ontology_language_for_the_Semantic_Web.

Ontolingua. (2005). http://www.ksl. stanford.edu/software/ontolingua/

Munir, K., Sheraz Anjum, M. (2018). The use of ontologies for effective knowledge modelling and information retrieval. Applied Computing and Informatics, 14(2), 116–126. https://doi.org/10.1016/j.aci.2017.07.003.

Тkachenko, К.O. (2022). Using Ontological Modeling by Intellectualization of Learning Processes. Digital platform: information technology in the sociocultural area, 5(2), 261-270. DOI: 10.31866/2617-796X.5.2.2022.270130

Veale, T., Hao, Y., (2007). A context-sensitive framework for lexical ontologies. Knowledge Engineering Review, 23(1), 101-115.

Nirenburg, S., Wilks, Y. (2001). What’s in a symbol: Ontology, representation, and language. Journal of Experimental and Theoretical Artificial Intelligence,13(1). 9-23.

Loshin, P. (2022). Resource Description Framework (RDF). https://www. techtarget.com/searchapparchitecture/definition/Resource-Description-Framework-RDF.

Pan, J. Z., Horrocks, I. (2007). RDFS(FA): Connecting RDF(S) and OWL DL. IEEE Transactions on Knowledge and Data Engineering, 19(2), 192-206. DOI:10.1109/TKDE.2007.37.

Web Ontology Language (OWL). (2013). https://www.w3.org/OWL/

Champin, P.-A. (2013). RDF-REST: A Unifying Framework for Web APIs and Linked Data. Services and Applications over Linked APIs and Data (SALAD), workshop at ESWC (p.10-19). https://hal.science/hal-00921662.

List, C. (2018). Levels: descriptive, explanatory, and ontological http://eprints. lse.ac.uk/87591/1/List_Levels%20descriptive_2018.pdf

Sowa, J.F. (2009). Building, Sharing and Merging Ontologies. http://www.jfsowa.com/ontology/ ontoshar.htm

Gelfert, A. (2017). The Ontology of Models, In: Magnani L., Bertolotti T. (eds) Springer Handbook of Model-Based Science, Springer Handbooks.

Sanfilippo, E.M. (2018). Feature-based product modelling: an ontological approach. International Journal of Computer Integrated Manufacturing, 31(11), 1097-1110.

SPARQL Tutorial. (2021). https://jena.apache.org/tutorials/sparql.html.