СИСТЕМА ВЗАИМОДЕЙСТВИЯ УЧИТЕЛЯ И УЧЕНИКА В ВИРТУАЛЬНОЙ СИСТЕМЕ ОБУЧЕНИЯ

Дунаев А.А.¹, Зайцева Н.В.²

¹Магистрант, Белорусский государственный университет информатики и радиоэлектроники; ²Магистрант, Белорусский государственный университет информатики и радиоэлектроники

СИСТЕМА ВЗАИМОДЕЙСТВИЯ УЧИТЕЛЯ И УЧЕНИКА В ВИРТУАЛЬНОЙ СИСТЕМЕ ОБУЧЕНИЯ

Аннотация

В статье рассмотрен прототип системы моделирования взаимодействия учителя и ученика для создания виртуальной системы обучения, учитывающей эмоциональное состояние ученика в ходе учебного процесса.

Ключевые слова: обучение, моделирование, эмоции.

Dunayeu A.A.¹, Zaitsava N.V.²

¹Postgraduate student, Belarusian State University of Informatics and Radioelectronics; ²Postgraduate student, Belarusian State University of Informatics and Radioelectronics

SYSTEM OF TEACHER AND STUDENT ITERACTION IN VIRTUAL TRAINING SYSTEM

Abstract The article considers the prototype of system of modeling interaction between teacher and student for creating a virtual learning system that takes into account the student emotional state in the learning process. Keywords: education, modeling, emotions. Введение

Сложность современных технологических процессов, возрастающая роль и удельный вес информационных технологий в различных сферах человеческой деятельности предъявляет повышенные требования к образовательным технологиям, и требуют адекватных изменений в сфере образования.

В этой связи все более актуальными становятся технологии дистанционного обучения. Однако последним присущ традиционный недостаток: оторванность студента от преподавателя, что не может не сказываться на качестве образования.

Логическим выходом из данной ситуации является применение в основном технологичном процессе дистанционного обучения современных средств интерактивного взаимодействия студента и преподавателя, таких как мультимедийные каналы связи. Важной задачей в данном случае является правильный подход к каждому студенту, а также оценка степени понимания материала, заинтересованности в обсуждаемом вопросе студента. Для этого необходимо использование систем позволяющих моделировать поведение преподавателя в зависимости от текущего состояния учебного процесса и эмоционального состояния ученика.

Распознавание лица и эмоционального состояния человека является важной задачей для многих сфер жизни. Решение данной задачи может использоваться в криминалистике, системах безопасности, а также в системах «умного дома».

Техническое задание системы взаимодействия учителя и ученика должно включать информацию о различных методиках и языках позволяющих описывать и моделировать процесс взаимодействия параллельных систем: учитель и ученик. Техническое задание модуля распознавания состояния ученика на основе нейронной сети должно включать информацию о различных эмоциональных и психологических состояний человека, их особенности, а также анализ систем и нейронной сети для распознавания образов и изображений. Успешность проекта зависит от глубины проработки предметной области и используемых критериев.

Использование нейронной сети для решения задачи распознавания эмоций  оправдано при наличии на изображении искажений или его частичной деструктуризации.

Постановка задачи

Исходя из результатов анализа существующих методов описания и моделирования параллельных систем, а также методов распознавания лиц и обработки изображений на основе нейронной сети, систему взаимодействия учителя и ученика необходимо реализовать следующим образом.

Основные требования к разрабатываемой системе:

 система должна уметь определять текущее состояние учебного процесса;

 система должна уметь определять эмоциональное состояние студента;

эмоциональное состояние студента должно определяться с помощью отдельного модуля распознавания состояния ученика на основе нейронной сети;

должна быть реализована возможность обучения системы;

система должна давать пользователю советы по ведению учебного процесса в текущей обстановке, в зависимости от текущего состояния учебного процесса.

Алгоритм решения

Были рассмотрены различные существующие средства для описания взаимодействующих процессов:

UML;

автоматное программирование;

лестничные диаграммы;

сети Петри;

графы переходов;

таблицы принятия решений.

На основе произведенного анализа для решения задачи взаимодействия учителя и ученика было решено использовать таблицу принятия решений. Данный метод описания процессов обладает преимуществами:

компактная, обозримая форма анализа задачи;

интегрированное представление задачи;

ясность;

возможность сравнительно просто выяснить, каких данных недостает в описании задачи;

простота контроля полноты и содержательной корректности;

возможность внесения изменений и добавлений в базу знаний специалистами предметной области без привлечения программистов.

Созданная таблица принятия решений для описания взаимодействия учителя и ученика содержит следующие условия (таблица 1).

Таблица 1 – Условия таблицы решений

Название условия	Возможные значения
Был ли задан вопрос/задача?	Да	Нет
Была ли дана подсказка?	Да	Нет
Была ли дана теория?	Да	Нет
Был ли дан верный ответ?	Да	Нет
Эмоция ученика	Радость	Грусть	Безразличие	Злость

Ниже приведена таблица, содержащая несколько описанных действий, необходимые условия для выполнения действия, а также устанавливаемые зна­чения переменных после выполнения действий (таблица 2). Таблица 2 – Действия таблицы решений

Название действия	Необходимые условия	Изменяемые переменные
Задать во­прос/задачу	Был ли задан вопрос/задача? = Нет	Был ли задан вопрос/задача? = Да Была ли дана подсказка? = Нет
Сделать замечание	Был ли задан вопрос/задача? = Да Был ли дан верный ответ? = Нет Эмоция ученика = Радость

Дополнительные действия и условия могут быть добавлены в ходе обучения системы.

Описанная таблица принятия решений, включая условия и действия, была описана с помощью файла формата XML:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<config> <variable name="vopros" title="Был ли задан вопрос/задача?" defaultValue="no" values="yes,no" input="false"/> <variable name="podskazka" title="Была ли дана подсказка?" defaultValue="no" values="yes,no" input="false"/> <variable name="teoria" title="Была ли рассказана/дана теория студенту?" defaultValue="no" values="yes,no" input="false"/> <variable name="emocia" title="Эмоция студента?" defaultValue="unknown" values="radost,grust,bezrazlichie,zlost,unknown" input="true"/> <variable name="vernii otvet" title="Был ли дан верный ответ на вопрос?" defaultValue="no" values="yes,no" input="false"/> <decision name="Задать вопрос/задачу"> <condition variable="vopros" value="no"/> <set variable="vopros" newValue="yes"/> <set variable="podskazka" newValue="no"/> <read variable="vernii otvet"/> </decision> <decision name="Сделать замечание"> <condition variable="emocia" value="radost"/> <condition variable="vernii otvet" value="no"/> <condition variable="vopros" value="yes"/> </decision> </config>

Такое описание является простым для редактирования, понятным пользователю и удобным при программировании.

Была создана программа с удобным интерфейсом, позволяющим пользователю видеть все значения условий таблицы решений (рисунок 1).

Рис. 1 - Главное окно программы

На основе произведенного анализа существующих методов считывания и обнаружения лиц с помощью нейронной сети было решено разбить модуль считывания «эмоций» на две части:

На вход первому подмодулю подается фотография лица ученика в виде файла изображения. После загрузки изображение обрабатывается, используя методы обнаружения лиц и методы обнаружения контуров, чтобы получить схематичное изображение лица. Данное схематичное изображение состоит только из линий и точек (рисунок 2).

Рис. 2 - Схематичное изображение лица

На вход второму подмодулю подается схематичное изображение лица ученика, полученное после обработки первым подмодулем. По форме линий считывается мимика человека: форма бровей, губ. Анализ мимики должен производиться обученной однослойной нейронной сетью, после которого делается вывод об эмоции ученика. Нейронная сеть обучается на основе эталонных изображений каждого вида эмоции.

Алгоритм подготовки изображения для обработки нейронной сетью:

1. Загрузка файла изображения;
2. Поиск контуров на изображении;
3. Поиск крайних точек контуров и отсечение пустых областей изображения;
4. Нормирование размеров изображения;
5. Разбиение изображения на сектора (NxM);
6. Составление матрицы размера NxM на основе разбитого изображения по следующему правилу: если через сектор изображения проходит контур, то в соответствующую ячейку матрицы записывается единица, иначе записывается ноль.

Созданная матрица подается на вход нейронной сети используемой в модуле считывания эмоции (рисунок 3). В результате анализа нейронной сетью модуль возвращает программе название эмоции (рисунок 4).

Рис. 3 - Окно модуля считывания эмоции

Рис. 4 - Окно результата считывания эмоции

Результат считывания эмоции используется для выбора подходящих действий на основе таблицы решений (рисунок 5).

Рис. 5 - Окно выбора действия

Если под текущие условия подходит несколько действий, то все они будут предложены пользователю для выбора. После выбора действия эмоция ученика будет считываться снова.

Заключение

В ходе работы был произведен анализ существующих методов описания и моделирования взаимодействующих систем, а также методов распознавания лиц на основе нейронной сети и средств обработки изображений. Также был произведен анализ основных мимических реакций человека.

Для реализации поставленной задачи было решено описывать взаимодействие учителя и ученика с помощью таблицы решений, была создана начальная таблица решений, а также реализована возможность её дальнейшего обучения.

Была реализована предварительная обработка изображения лица ученика для получения контурного изображения, готового для обработки нейронной сетью.

Разработанная система позволяет моделировать поведение реального учителя в «электронном» обучении. Использование подобной системы позволяет улучшить качество учебного процесса, найти подход к каждому ученику, а также улучшить усвоение материала.

Также созданный модуль считывания эмоций может использоваться и в других сферах жизни: криминалистике, охранных системах.