OWL-модель мультиагентной Smart-системы дистанционного обучения людей с ограниченными возможностями зрения

Целю исследования является разработка онтологической модели мультиагентной smart-системы дистанционного обучения для людей с ограниченными возможностями зрения на основе платформы Java Agent Development Framework, с целью получения качественного инженерного образования в лабораториях коллективного пользования на современном оборудовании.

Материалы и методы исследования. При разработке мультиагентной smart-системы дистанционного обучения актуально использование различных агентов на основе применения когнитивного, онтологического, статистического и интеллектуального методов. Наиболее удобно реализовывать данную задачу в виде программного обеспечения с помощью мультиагентного подхода и платформы Java Agent Development Framework. Основными преимуществами платформы являются такие факторы как: стабильность работы, понятный интерфейс, простота создания агентов и обширная база пользователей. В мультиагентных системах решение получается автоматически в результате взаимодействия множества самостоятельных целенаправленных агентов. Каждый агент может выполнять определенные задачи и преследует заданные цели. Рассмотрены интеллектуальные мультиагентные системы и созданные на их основе практические приложения в дистанционном обучении.

Результаты. Разработана структурная схема функционирования smart-системы дистанционного обучения для людей с ограниченными возможностями зрения с использованием различных агентов, реализованная на основе системного подхода и мультиагентной платформы Java Agent Development Framework. Предложен комплексный подход дистанционного обучения лиц с ограниченными возможностями зрения для получения качественного инженерного образования в лабораториях коллективного пользования на современном оборудовании.

Создана онтологическая модель мультиагентной smart-системы с подробным описанием функций следующих агентов: персонального, менеджера, онтологического, когнитивного, статистического, интеллектуального, агента лаборатории коллективного пользования, агента здоровья, агента помощника и государственного агента. Данные агенты выполняют свои индивидуальные функции и обеспечивают качественную среду обучения.

Заключение. Таким образом, предлагаемая smart-система дистанционного обучения людей с ограниченными возможностями зрения позволяет существенно повысить эффективность и качество получаемого образования данной категорией людей. Особенностью применения разработанной онтологической модели smart-системы дистанционного обучения для людей с ограниченными возможностями зрения на основе многофункциональных агентов является: комплексный подход на основе использования различных интеллектуальных, когнитивных и статистических методов; возможность разработки индивидуальной траектории обучения людей с ограниченными возможностями зрения с учетом психофизиологических особенностей восприятия информации; дистанционный доступ к новейшему технологическому оборудованию для выполнения лабораторных, практических работ людей с ограниченными возможностями зрения в лабораториях коллективного пользования в режиме реального времени. Онтологическая модель позволяет глубже проанализировать многочисленные связи между агентами и учитывать их при разработке программного обеспечения smartсистемы дистанционного обучения людей с ограниченными возможностями зрения. Мультиагентный подход обеспечивает многофункциональность системы, устойчивость к системным ошибкам, а также оптимизацию вычислительных ресурсов. 

1. Olaf Zawacki-Richter Distance Education. Encyclopedia of Educational Philosophy and Theory. Springer Science. 2015. P. 1–7.

2. Tikhomirov V., Dneprovskaya N., Yankovskaya E. Three Dimensions of Smart Education. Smart Education and Smart e-Learning. Switzerland: Springer International Publishing, 2015. Vol. 41. P. 47–56.

3. Vytautas Štuikys. Smart Education in CS: A Case Study. Smart Learning Objects for Smart Education in Computer Science. Switzerland: Springer International Publishing, 2015. P. 287–310.

4. Samigulina G., Samigulina Z. Intelligent System of Distance Education of Engineers, based on Modern innovative Technologies. Proce. 2nd Intern. Conf. Higher Education Advances, Valencia, Spain, Elsevier, 2016. Vol. 228. P. 229–236.

5. Bakken J., Uskov V., Penumatsa A., Doddapaneni A. Smart Universities, Smart Classrooms and Students with Disabilities. Smart Education and Smart e-Learning. Switzerland: Springer International Publishing, 2016. Vol. 59. P. 15–27.

6. Nikashina N. Particular of development people with confined eyesight. Vector of science. 2012. Vol. 2. P. 223–226.

7. Samigulina G., Shayakhmetova A. The information system of distance learning for people with impaired vision on the basis of artificial intelligence approaches. Proc. 2nd Intern. Conf. Smart Education and E-learning. Italy: Springer, 2015. P. 255–265.

8. Stamatis P., Panagiotopoulos I., Goumopoulos C., Kameas A. APLe: Agents for Personalized Learning in Distance Learning. Computer Supported Education. Switzerland: Springer International Publishing, 2016. Vol. 583. P. 37–56.

9. Punnarumol Temdee. Ubiquitous Learning Environment: Smart Learning Platform with MultiAgent Architecture. Wireless Personal Communications. US:Springer International Publishing, 2014. Vol. 76. P. 627–641.

10. Roger A., Jason H., Gregory T., Melissa D., Reza F., François B., Ronald L. Using Trace Data to Examine the Complex Roles of Cognitive, Metacognitive, and Emotional Self-Regulatory Processes During Learning with Multi-agent Systems. Handbook. Metacognition and Learning Technologies. New York: Springer Science, 2013.

11. Samigulina G., Shayakhmetova A. Development of the Smart – system of distance learning visually impaired people on the basis of the combined OWL model. Proc. 3rd Intern. Conf. Smart Education and E-learning. Spain: Springer, 2016. P. 109–118.

12. Primo T., Andrе B., Rosa M. Vicari. A Semantic Web Approach to Recommend Learning Objects. Highlights on Practical Applications of Agents and Multi-Agent Systems. Berlin: Springer, 2013. Vol. 365. P. 340–350.

13. Paula R., Nеstor D., Demetrio A. Ovalle Multi-agent System for Knowledge-Based Recommendation of Learning Objects Using Metadata Clustering. Highlights of Practical Applications of Agents, Multi-Agent Systems, and Sustainability. Switzerland: Springer International Publishing, 2015. Vol. 524. P. 356–364.

14. Keleberda I., Lesnaya N., Repka V. Ispolzovanie multiagentnogo ontologicheskogo podhoda k sozdaniyu raspredelennih system. Educational Technology & Society. 2004. Vol. 7. P. 190–205.

15. Lo W. A. Value-Adding Process Using the Ontological Engineering Approach for an e-Learning System Design. Proc. 3rd Intern. Conf. Singapore. 2011. P. 412–416.

16. Rong S. Application of Multi-agent in Personalized Education System. Advances in Computer Science, Environment, Ecoinformatics, and Education. Berlin: Springer, 2011. Vol. 5. P. 518–522.

17. Usef F., Philippe F., Roger N. A. Cognitive Tutoring Agent with Human-Like Learning Capabilities and Emotions. Intelligent and Adaptive Educational-Learning Systems. Berlin: Springer, 2013. Vol. 17. P 339–365.

18. Chatzarа K., Karagiannidis C., Stamatis D. Cognitive support embedded in self-regulated elearning systems for students with special learning needs. Education and Information Technologies. New York: Springer Science, 2014. P. 283–299.

19. Shuhua H., Xuemei S. The Study on University Library Information Service for Regional Characterized Economy Construction Based on Integrated Agent. Computer Supported Education. Berlin: Springer, 2013. P. 289–294.

20. JADE Architecture Overview. URL: http:// www.jade.tilab.com/ (accessed: 3.06.2017).