7.1. ПРОБЛЕМЫ  КОМПЬЮТЕРНОЙ ПЕДАГОГИКИ

Современные автоматизированные обучающие системы (АОС) позволяют накапливать и отображать студентам априорный опыт решения задач различных типов. Учитывая широкое варьирование задач, реально возникающих в дальнейшем перед специалистами, наиболее ценно накопление и отображение в ходе обуче-

иия не конкретных алгоритмов (их число необозримо), а обобщенных приемов или стратегий решения задач различных типов.

Для качественной и количественной характеристики процессов решения интеллектуальных задач весьма удобным оказалось использование ограниченного числа координат концептуальной модели и преобразований над ней в ходе принятия решения, которые были названы психологическими факторами сложности (ПФС) 1161. Ориентированная на выявление и оптимизацию состава и количественных значений ПФС структурно-психологическая концепция применительно к анализу и моделированию информационного взаимодействия студента с А ОС основана на следующих исходных посылках.

\. Структуры и программы работы ЭВМ, а также любые передаваемые с ее помощью сообщения являются отражением определенных априорных стратегий принятия решений.

Реальная стратегия есть обобщение некоторого однородного по составу ПФС набора реальных решений, результат взаимодействия в мыслительной деятельности человека актуализированных априорных (заученных) стратегий и потока новых данных о ситуации, поступающего из внешней среды (объектов) и от других участников решения в ходе практической деятельности.

Любая стратегия может быть качественно или количественно смоделирована посредством набора координат, рассматриваемых применительно к деятельности и общению людей как психологические факторы сложности решения. Для разных стратегий характерны различные представительные наборы психологических факторов сложности и их связи с критериями сложности н эффективности деятельности.

Одна и та же стратегия может реализоваться с разными количественными значениями психологических факторов сложности, что обусловит различия в значениях выбранного критерия сложности решения (например, вероятности успешного решения, времени решения, числа попыток или допущенных ошибок и т. п.).

Для каждой стратегии имеются свои теоретически оптимальные значения психологических факторов сложности решения, соответствующие минимальному значению математического ожидания критерия сложности.

В некоторых случаях могут определяться значения психологических факторов сложности, характеризующие априорные стратегии решения задач профессорами, преподавателями, проектировщиками н программистами, положенные ими в основу структуры н функционирования АОС. Для каждого студента характерны особые реальные и субъективно-оптимальные значения психологических факторов сложности, зависящие от его психологических особенностей, характера и уровня обученностн, конкретного психофизиологического состояния, мотивации деятельности н др.

4.         Оптимальный уровень значений психологических факторовсложности достигается многоуровневой взаимной адаптацией (приспособлением) студентов и учебных информационных средств. Адаптация может осуществляться иа тотальном уровне, контингентном, групповом (типологическом) индивидуальном и индивидуально-оперативном.

В процессе взаимодействия студента с АОС между априорными стратегиями решения задач, материализованными в структуре и программах системы, и реальными стратегиями решения задач) студентом возникает связь, статистические характеристики которой могут быть установлены сопоставлением составов и количественных значений психологических факторов сложности, характеризующих оба ряда стратегий.

Оптимальными для конкретной стратегии деятельности значениями психологических факторов сложности считаются те, которые обеспечивают достижение заданной цели (решение задач) при минимальном значении выбранного критерия сложности (времени решения, числа ошибок, показателей психофизиологической напряженности и др.). Основной целью проектирования и адаптации АОС является организация взаимодействия априорных и реальных стратегий принятия решений, обеспечивающая оптимальные значения психологических факторов сложности,

Взаимодействие студента и АОС рассматриаается как скрытый, опосредованный диалог между студентом и преподавателями (а также между проектировщиками и программистами АОС). Причем и процесс, и результат диалога представляются как взаимодействие человека и машины (точнее, представляемых ими стратеги) с применением одного языка, одной системы координат, т. е. как психологические факторы сложности решения.

Использование единой еистемы координат позволяет количественно определить статистические связи между априорными и реальными стратегиями. Например, с помощью коэффициента множественной корреляции rs s можно оценить жесткость навязывания структурой АОС и программами ЭВМ априорных стратегий 5а студентам в их реальной деятельности (5Р).

Таким образом, rs s может рассматриваться как мера воздей-

ft р

ствия авторитета преподавателей посредством АОС на мышление студента Этот аспект психологического анализа взаимодействия студента и ЭВМ должен быть особо исследован с точки зрения методики преподавания, поскольку причины многих ошибок, допускаемых студентами, закладываются еще на стадии проектирования АОС.

Одновременно с мерой ответственности преподавателей н проектировщиков АОС значение rs s   отражает и уровень их

полезности — степень влияния на выбор студентами наиболее передовых стратегий решения. Обратная величина 1 — г- - отра-

а р

жает сстепень бесполезности» проектировщиков АОС, т. е. диапазон

свободы студентов в выборе решений, нх независимость от априорного опыта, воплощенного проектировщиками в структуре АОС. Прн rs s      1  активная роль студента в принятии решения

убывает. Максимальна она при rs s      —1, особенно если отра-

а" р

жает стратегию решения в виде отображения общепризнанных теоретически оптимальных значений психологических факторов сложности К jt В случае успеха решения должен происходить пересмотр теории решения этой задачи, а может быть, и целого класса подобных задач. Прн этом возможен н пересмотр состава К}? — переход к новой стратегии. Такие творческие успехи среди студентов,   конечно, редки.

Неравенство г~ ~  < 0 возможно именно потому, что взаимо-

действие человека с ЭВМ мы рассматриваем не просто как взаимодействие с машиной, а как скрытый диалог с преподавателями и проектировщиками, и сравниваем стратегию оператора ие со структурой АОС, а со стратегиями предшественников. Становится возможным конкретный психологический анализ роли специалиста в историческом процессе опровержения, уточнения, дополнения прежнего опыта, накопления более точных приемов и методов управления, подготовки их к формализации и передаче автоматам.

Априорная стратегия — это стратегия, которую воспроизвел бы в данных условиях «средний» специалист илн теоретический автомат, в программах которого ассимилирован весь опыт по решению задач данного класса, имевшийся в наличии у проектировщиков АОС.

Структурно-психологическая концепция синтеза и адаптации АОС, конечно, не перекрывает все стороны исследования проблемы взаимодействия студента с ЭВМ, однако оиа особо выделяет терявшийся ранее аспект взаимодействия в системе студент—ЭВМ— проектировщики АОС—преподаватели.

Если при сравнении соотношений априорных и реальных стратегий в деятельности двух индивидов (I и И) оказалось, что

то это означает, что индивид Iвнес больше самостоятельности, новизны, «творчества» в решение учебной задачи. Однако новизна должна рассматриваться в разных аспектах, в том числе с учетом полезности, эффективности и т. д.

Варьирование величины rs s   указывает   па большее или

а р

меньшее отличие реальной стратегии (реального решения) от ранее известных н заложенных в АОС (включая учебные инструкции по управлению, программы ЭВМ, структуру информации на дисплее и др.).

Величина rs s , полученная иа индивидуальном уровне, — это показатель новизны решения для самого индивида («домаш-

нее открытие»). Новизна решения для группы, контингента, всего человечества может анализироваться только прн переходе на каждый из этих уровней. В этом случае анализ соотношения априорных и реальных стратегии укажет на степень новизны решения для определенной группы («рационализаторское предложение»), контингента операторов, специалистов, ученых в определенной области наукн нлн техники (такая новизна расценивается как изобретение). Наконец, новизна на тотальном (общечеловеческом) уровне может оказаться открытием.

Величина r8 s (ЗУ) обозначает среднее значение детерминации различных стратегий априорными на заданном уровне (ЗУ) усреднения.

Для г   „ , как и для всех видов экспериментальных пснхо-

■^а^р

логических   данных,   можно   рекомендовать  четыре основных уровня новизны как уровни анализа, усреднения и адаптации. Уменьшение значения rs s  за счет предоставления субъекту

бол ыпей свободы действий, приз нання приоритета акту ал ьных тенденций в решении задач (в частности, психологического состояния людей, обшення между ними, условий труда, реального состояния объекта и т. п.) перед априорными стратегиями способствует развитию у студентов самостоятельности и творческих способностей.

Решение задач в СЧМ. Если признать, что ЭВМ материализует знания,опыт и личную ответственность нроектнровщиковАОС, то следует согласиться со скрытой двойственностью антропоцентрического подхода: прн проектировании и работе системы необходимо учитывать два активных мыслящих центра — людей, реально действующих в системе, и людей, заложивших свои знания в систему заранее. Поэтому нельзя говорить о полном приоритете человека перед машиной, особенно в компьютеризованных обучающих системах. Необходимо осуществлять взаимную адаптацию человека и машины. В зависимости от специфики системы и ее функционирования может выбираться «центризм» либо студентов, либо нх предшественников— преподавателей и проектировщиков. Гуманистический подход осуществляется прн этом путем индивидуальной адаптации средств и структуры труда к студенту.

Организация адаптивного взаимодействия априорных и реальных стратегий — это путь к более эффективному использованию возможностей современной информационно-вычислительной техники и определению перспектив ее развития для создания более совершенных обучающих систем. При таком подходе легче решаются вопросы индивидуальной адаптации информационной системы к человеку: во-первых, взаимодействие стратегий предоставляет машине больше данных о человеке, причем эти данные релевантны для совместного решения задач и оптимизации психологических факторов нх сложности; во-вторых, реальные стратегни, вырабатываемые человеком, влияют на структуру априор ных стратегий, совершенствуя, расширяя н уточняя нх Студент становится активным участником коллектива, осуществляющего проектирование, исследование н рационализацию системы Прн этом могут быть Достигнуты непрерывность и высокий темп процесса развития систем и когнитивного прогресса — накопления знаний, методов, стратегий, конкретных способов и технических средств решения задач определенного класса.

С точки зрения ускорения прогресса обучающих систем, исследование стратегий представляет собой наиболее совершенный вид обратной связи — получения и учета информации о преимуществах я недостатках систем.

Метод взаимной адаптации студента н АОС направлен на достижение заданной эффективности системы при оптимальных затратах энергии человека. Затраты энергии предполагается регулировать извне как на подсознательном уровне (например, управляя вниманием студента изменением психофизических параметров и структуры АОС), так и на уровне сознательных реакций, вырабатываемых в ходе специальной тренировки. При этом вводится понятие излишне эффективной (быстрой, точной) работы студента. В целях стабилизации показателей его деятельности либо изменяются внешние условия деятельности, либо подается команда «снизить эффективность».

Адаптивные человеко-машинные системы должны обеспечить стабильность показателей нх работы прн условии достаточно свободного проявления индивидуальностей людей и вариации внешних условий в процессах обучения н практического труда.

Исходя нз принципов организации адаптивного взаимодействия комплексов априорных н реальных стратегий, представленных информационно-вычислительной техникой и активными участниками решения, можно в дальнейшем сформировать основу синтеза обучающих систем гибридного интеллекта.

Из принципа взаимной адаптации элементов системы, естественно, следует принцип гибкой иерархической структуры системы, при которой лидерство может переходить от одних элементов к другим. Предлагаемый принцип заменяет более ограниченный, на наш взгляд, принцип «рангового порядка и ведущих частей», предложенный одинм нз основателей общей теории систем Л. Берталаифи

В связи с этим нам представляется необходимым дополнить системный подход двумя общими принципами: принципом (законом) взаимной адаптации элементов систем и принципом гибкой иерархической структуры,

С точки зрения анализа корреляций стратегий, понятие системы может быть определено как совокупность взаимодействующих активных элементов — носителей стратегий, между которыми имеется ненулевая статистическая связь (r8^s Ф 0).

С учетом этого случай, когда rs s = О, означает, что между

человеком н приданным ему средством отображения информации прерывается связь и, следовательно, в этой части система человек— машина перестает быть системой (это происходит, например, если студент не понимает язык АОС).

В тех случаях, когда характер связей между взаимодействующими элементами установить трудно, но связь между их стратегиями расценивается как ненулевая, можно гонорить ие о системе, объединяющей элементы, а об информационном поле. Таким образом, неравенство rs s, Ф 0 может служить индикатором наличия информационного поля, которым объединены элементы £ и /.

Следовательно, анализ соотношения между стратегиями путем сопоставления обусловливающих их ПФС (с необходимым расширением набора ПФС) может служить методическим приемом обнаружения информационного поля (например, при изучении разного рода явлений телепатии, утечки информации). Для обучающих систем человек—машина значение имеют четкие связи между стратегиями элементов

Важной задачей инженерно-психологического проектирования АОС является разработка методов быстрого овладения студентами навыками по решению заданного круга задач с помощью разрабатываемых технических средств. Таким образом, оценка этих технических средств должна учитывать следующие показатели освоения системы:

среднюю скорость решения наиболее частых задач и математическое ожидание эффективности обучения;

среднюю скорость решения экстремальных задач и математическое ожидание эффективности системы прн этой скорости решения;

длительность освоения АОС, возможность параллельного развития АОС и обучения студентов;

математическое ожидание ущерба от задержки в освоении АОС при обучении в реальных условиях;

стоимость АОС и обучения на ней;

полноту обучении, информационную обеспеченность студентов на случай нестандартных ситуаций, вероятность высокой напряженности труда, возникновения нервно-психологических заболеваний в результате недостоверности априорных стратегий, возможный отсев студентов.

Одним нз центральных вопросов в психологии компьютерного обучения является вопрос о показателях и критериях сложности Деятельности по решению учебных задач. Условимся считать одну задачу сложнее другой для определенной группы студентов, если математическое ожидание (или другой заданный статистический параметр) величины некоторого выбранного критерия эффективности или напряженности деятельности для данной группы студентов при решении первой задачи хуже, чем при решении второй задачи. В числе критериев эффективности целесообразно использовать те количественные показатели успешной деятельности, оптимизации которых произвольно или по заданию добиваются студенты.

В качестве критерия У в зависимости от специфики задач обучения может использоваться время решения Yx = t или число допущенных ошибок Уг — £ и т. п. Например, для таких критериев, как время решения и число ошибок, из двух сравниваемых значений критерия «хуже» то, которое больше.

С помощью критерия среднего значения можно сравнивать уровни сложности решения разных задач одними и теми же студентами на одной и той же АОС. В этом случае неравенство К, Ф Ф У2 обусловлено различиями значений факторов сложности первого и второго типа задач.

В другом случае различие значений критерия может использоваться для сравнения уровня сложности процессов решения одних и тех же задач одними и теми же студентами, но по разным вариантам структуры информационной модели задачи. При этом неравенство YА Ф Yв отражает относительную приспособленность вариантов А и В структуры АОС для решения выбранного круга оперативных задач данным контингентом студентов, входящих в одну парадигму, т. е. пользующихся одним типом стратегии решения задач.

Между психологическими критериями и факторами во многих случаях невозможно провести четкой границы: одни и те же параметры могут выступать то в качестве психологических факторов, то в качестве критериев сложности. В частности, время решения задачи—одни из наиболее универсальных критериев оценки сложности решения — нередко может играть роль важного психологического фактора сложности, если, например, изучается зависимость вероятности успешного или ошибочного решения от условий работы, в том числе от времени, отводимого на решения. Такую же двоякую роль играет и уровень эмоциональной напряженности: с одной стороны, он яиляетея критерием сложности деятельности, с другой, — психологическим фактором сложности, обусловливающим значения таких критериев сложности, как вероятность успешного решения, число ошибок, время решения, психофизиологические затраты человека на достижение цели (решения задачи). Хотя эмоциональная напряженность является необходимым условием преодоления трудности решения, тем не менее многие авторы подтверждают, что существует некоторый порог эмоциональной напряженности, превышение которого приводит к дезорганизации процесса решения. Известны правило Фримеиа и закон Иеркса -Додсона, постулирующие связь между силой мотивации и качеством деятельности в виде куполообразной кривой.