МОДЕЛЮВАННЯ СЦЕНАРІЇВ АДАПТИВНОГО НАВЧАННЯ З ВИКОРИСТАННЯМ МЕРЕЖ ПЕТРІ : МОДЕЛИРОВАНИЕ СЦЕНАРИЕВ АДАПТИВНОГО ОБУЧЕНИЯ С ИСПОЛЬЗОВАНИЕМ СЕТЕЙ ПЕТРИ

Краткое описание

МІНІСТЕРСТВО ОСВІТИ І НАУКИ, МОЛОДІ ТА СПОРТУ УКРАЇНИ

НАЦІОНАЛЬНИЙ ТРАНСПОРТНИЙ УНІВЕРСИТЕТ

На правах рукопису

Погребнюк Ірина Мирославівна

УДК 004.942

МОДЕЛЮВАННЯ СЦЕНАРІЇВ АДАПТИВНОГО НАВЧАННЯ З ВИКОРИСТАННЯМ МЕРЕЖ ПЕТРІ

Спеціальність 05.13.06 – Інформаційні технології

Дисертація на здобуття наукового ступеня
кандидата технічних наук

Науковий керівник
д.ф.-м.н, проф. Гавриленко В.В.

Київ – 2013
ЗМІСТ
ВСТУП.. 4
Розділ 1  СИСТЕМНИЙ АНАЛІЗ ПРОЦЕСУ ДИСТАНЦІЙНОГО АДАПТИВНОГО НАВЧАННЯ.. 9
1.1  Аналіз математичних моделей навчання. 9
1.2 Аналіз сучасних систем дистанційного навчання та контролю знань. 19
1.3  Аналіз використання моделей студента в адаптивних і індивідуалізованих комп’ютерних навчальних системах. 27
1.4 Аналіз технологій у інтелектуальних навчальних системах. 34
Висновки до розділу 1. 37
Розділ 2  РОЗРОБКА АЛГОРИТМІВ І МЕТОДІВ ПРОЦЕСУ АДАПТИВНОГО НАВЧАННЯ.. 39
2.1 Алгоритм побудови сценарію адаптивного теоретичного навчання. 39
2.2 Алгоритми побудови сценаріїв адаптивного тестування. 48
2.3 Методи оцінювання знань студентів при адаптивному тестуванні 54
Висновки до розділу 2. 69
Розділ 3  МОДЕЛЮВАННЯ ПРОЦЕСУ ДИСТАНЦІЙНОГО АДАПТИВНОГО НАВЧАННЯ ЗА ДОПОМОГОЮ МЕРЕЖ ПЕТРІ 71
3.1 Мережі Петрі та їх модифікації 71
3.2 Аналіз систем моделювання за допомогою мереж Петрі 74
3.3 Моделювання процесу вивчення класичного дистанційного навчального курсу з використанням мереж Петрі та середовища CPN Tools. 79
3.4 Моделювання процесу вивчення адаптивного дистанційного навчального курсу з використанням мереж Петрі та середовища CPN Tools. 89
3.5 Побудова індивідуального сценарію тестування на основі моделі Раша в системі CPN Tools. 101
3.6 Модель користувача. 107
Висновки до розділу 3. 108
Розділ 4  ПРОЕКТУВАННЯ ДИСТАНЦІЙНОЇ АДАПТИВНОЇ НАВЧАЛЬНОЇ СИСТЕМИ MYOSOTIZ. 110
4.1. Принципи проектування системи. 110
4.2 Економічна оцінка розробки системи. 114
4.3 Бібліотека класів системи. 117
4.4 Технологія побудови модуля завантаження навчального контенту. 121
4.5 Технологія побудови модуля генерації навчального контенту. 132
4.6 Технологія побудови модуля тестування. 136
Висновки до розділу 4. 139
ВИСНОВКИ.. 140
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ.. 142
ДОДАТКИ.. 154

Актуальність теми. Сучасні тенденції розвитку освіти вимагають гнучкості, динамічності й індивідуалізації навчального процесу. Закономірно, що ці зміни впливають і на технології дистанційного навчання. Інтеграція моделей, методів, технологій експертних систем з навчальними дистанційними системами в рамках єдиної архітектури інтегрованої експертної системи, що поєднує в собі взаємодіючі логіко-лінгвістичні, математичні, імітаційні й деякі інші види моделей, сприяє виникненню нових адаптивних та інтелектуальних навчальних середовищ. Модель користувача є центральним поняттям у адаптивній навчальній системі, яка здатна допомогти кожному користувачу в досягненні оптимального рівня інтелектуального розвитку відповідно до його природних задатків і здібностей.
Значний внесок у розвиток інформаційних технологій для навчання й освіти зробили вітчизняні вчені В.М. Глушков, В.І. Скуріхін, В.І. Гриценко, О.М. Довгялло, М.З. Згуровський, О.П. Мінцер, Г.С. Теслер, Є.І. Машбіц, Г.А. Атанов, С.П. Кудрявцева, Н.Д. Панкратова, П.І. Федорук та багато інших.
У традиційній педагогіці індивідуальні особливості тих, хто навчається, враховуються, як правило, на початковому етапі з метою їх диференціювання за можливостями навчатись. В умовах персоналізованого навчання, де тьютором є адаптивна навчальна система, можна підвищити ефективність навчання. Для цього потрібно оперативно оцінювати когнітивний рівень користувача і на його основі динамічно модифікувати стратегії і сценарії навчання та генерувати сукупності навчальних впливів, найбільш ефективних на даному етапі. Принципи А. Дістервега: «Викладай відповідно до природи... Вчи без прогалин... Починай викладання з того, на чому зупинився учень... Без знання того, на чому зупинився учень, неможливо добре навчити його», що є засадами адаптивного навчання, актуальні й до сьогодні. Саме тому великого значення набуває розробка та реалізація нових освітніх концепцій і технологій. Подібні ідеї зараз втілюються в адаптивних автоматизованих навчальних системах.
На сьогодні створено досить багато адаптивних (AHA!, MONAP-II, ELM-ART, CALAT, WITS, MLTutor, WebCOBALT, Belvedere та ін.) та інтелектуальних систем навчання (Miracle, FLINT, SQL Tutor, ELM ART та ін.). Ці системи враховують модель студента та здійснюють адаптацію до користувачів, використовуючи різні технології: побудову послідовності навчального курсу, інтелектуальний аналіз рішень, інтерактивну підтримку у розв’язку задач, технології адаптивної гіпермедіа тощо. Проте більшість цих систем не використовуються на практиці в дистанційних курсах або використовуються дуже мало (AHA!, ELM-ART). У той же час системи підтримки дистанційного навчання (Blackboard, WebCt, MOODLE, IBM Learningspace тощо), що здобули найбільшу популярність, не використовують адаптивні та інтелектуальні технології. Спроба поєднати систему управління навчальним контентом і адаптивні технології здійснена у вітчизняній CMS FreshKnowledge (CMS – Content Managment System). Ідея системи полягає в спеціальній структурі збереженні контенту, яка з одного боку є ієрархічною, а з іншого – має риси семантичної мережі. На основі такої моделі система керує відображенням, анотуванням і навігацією, інформаційним наповненням сайту.
У зв’язку з цим перспективними й актуальними  є розробки адаптивних навчальних систем, які б поєднували риси систем управління навчанням, систем управління контентом і використовували адаптивні технології.
Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана відповідно до планів науково-дослідних робіт у рамках держбюджетної теми «Розробка інформаційного забезпечення функціонування системи дистанційного навчання з використанням MOODLE» (№ ДР 0103U0105A2).
Мета і завдання дослідження. Метою дисертаційного дослідження є розробка інформаційної технології дистанційного адаптивного навчання з врахуванням когнітивних особливостей студентів.
Для досягнення мети необхідно вирішити наступні завдання:
1. Проаналізувати адаптивні та інтелектуальні системи та параметри моделей користувачів, які враховуються в процесі навчання.
2. Розробити функціональну модель процесу адаптивного дистанційного навчання, яка враховуватиме криві забування та карти прогалин знань користувачів, на основі багаторівневої мережі Петрі.
3. Розробити технологію адаптивного тестування на базі моделі Г. Раша.
4. На основі Інтернет технологій і розроблених моделей побудувати дистанційну адаптивну навчальну систему та впровадити її в навчальний процес.
Об’єкт дослідження – процеси навчання з врахуванням когнітивних особливостей студентів, що впливають на якість засвоєння навчального матеріалу та застосовуються в Інтернет технологіях.
Предмет дослідження – методи, моделі, технології та інструментальні засоби дистанційних адаптивних навчальних систем.
Методи дослідження. Використовувалися методи системного аналізу, теорії графів та автоматів, інженерії знань, математичного моделювання, теорії алгоритмів і об’єктно-орієнтованого проектування, математичний апарат мереж Петрі.  
Наукова новизна одержаних результатів дисертаційної роботи:
1.      Вперше для моделювання процесу адаптивного дистанційного навчання та тестування запропоновано багаторівневу мережу Петрі як функціональну модель, що формує індивідуальні сценарії навчання, враховуючи когнітивні характеристики пам’яті користувачів.
2.      Вперше запропоновано технологію  побудови унікального адаптивного сценарію навчання для кожного студента в залежності від певних характеристик моделі користувача (рівень підготовки, результати тестування, карта прогалин знань, крива забування), за допомогою якої реалізується механізм адаптації в дистанційній навчальній системі.
3.      Отримала подальший розвиток методологія моделювання на базі мереж Петрі навчальних курсів і навчального процесу, яка дозволяє визначити індивідуальну траєкторію навчання.
4.      Отримала подальший розвиток технологія адаптивного контролю знань на базі однопараметричної моделі Г. Раша, яка базується на імовірнісній моделі й дозволяє підбирати в процесі тестування наступне тестове завдання в залежності від оцінки ймовірності правильної відповіді на попереднє.
Практичне значення одержаних результатів. Розроблені методи, моделі та технології управління навчальним процесом, а також алгоритмічне і інформаційне забезпечення покладено в основу програмної реалізації дистанційної адаптивної навчальної системи.
Результати дослідження надають наступні можливості:
1. Використання моделі студента з параметром часу забування вивченого матеріалу дозволяє формувати індивідуальний сценарій вивчення навчального курсу, враховуючи когнітивні особливості користувача.
2. Модифікована модель Г. Раша дозволяє реалізовувати комп’ютеризоване тестування, прогнозувати результати те

Список литературы

 
У роботі сформульовано й вирішено актуальну науково-прикладну проблему впровадження адаптивних технологій в системи підтримки дистанційного навчання задля підвищення якості передачі та контролю знань.
Головним результатом дисертації є розробка інформаційної технології дистанційного адаптивного навчання, що дозволяє організувати дистанційний навчальний процес за індивідуальними сценаріями з врахуванням когнітивних особливостей студентів.
Отримано наступні результати:
1. Проаналізовано адаптивні та інтелектуальні навчальні системи, які використовують моделі студента. Найпоширенішими параметрами, які використовуються в них для відображення  інформації про студента і враховуються в моделях студента, є наступні: рівень знань, психологічні характеристики (тип особистості, орієнтація й ін.), швидкість/стиль навчання (засвоєння, вивчення), виконання завдань, здатність до навчання (дуже уважний, середньо, мало), рівень умінь і навичок, метод/стратегія навчання, структура курсу. Показано доцільність додавання до параметрів моделі студента часу забування вивченого матеріалу, оскільки пам'ять відіграє ключову роль в процесі навчання.
2.  Розроблено модель адаптивного дистанційного навчального курсу у вигляді багаторівневої мережі Петрі, що враховує когнітивні особливості (індивідуальний час забування) та рівень підготовки користувача. За результатами моделювання класичного та адаптивного дистанційного навчального курсів визначено, що модель адаптивного навчального курсу, що враховує параметр часу забування, дозволяє підвищити рівень підготовки студента (на 9 %), при цьому незначно збільшивши час на вивчення курсу (4 %) за рахунок повторення навчальних теоретичних фреймів. Наведені моделі реалізовані за допомогою ієрархічних часових розфарбованих мереж Петрі у середовищі CPN Tools і імітують механізми адаптації сценаріїв навчання для кожного студента в залежності від його індивідуальних характеристик засвоєння навчального матеріалу, формуючи на основі визначеного часу забування студента та за результатами тестування перелік навчальних фреймів для повторення навчального матеріалу.
3.                Розвинуто технологію адаптивного тестування на базі  однопараметричної моделі Раша. Модифікація моделі дозволяє автоматизувати процес зведення рівнів складності завдань тесту до інтервальної шкали та побудову run-time сценаріїв тестування з вибором наступного тестового завдання в залежності від відповідей на попередні.
4. На основі Інтернет-технологій і розроблених моделей побудовано дистанційну адаптивну навчальну систему, яка використовує  технологію побудови індивідуального сценарію навчання на основі карт прогалин знань і індивідуального часу забування користувачів і технологію адаптивного тестування.

1.                Ebbinghaus H. Uber das Gedachtnis; Untersuchungen zur experimentellen – Psychologie. – Leipzig: Duncker u. Humblot, 1885. – 169 s.
2.                Торндайк Э. Принципы обучения, основанные на психологии Текст.: монография/ Э.Торндайк; Пер. с англ. Е. В. Герье; Авт. вступит, ст. JI. С. Выготский. – М.: Работник просвещения, 1926.-240 с.
3.                Томашевський В.М. Аналіз моделей навчання та контролю знань / В.М. Томашевський, І.М. Дмитрик // Вісник НТУУ «КПІ». Інформатика, управління та обчислювальна техніка: Зб. наук. пр. – Век+, 2008. – № 49. – С. 146-151.
4.                Карпенко Л.А. История психологии в лицах. Персоналии / Л.А. Карпенко, М.Г. Ярошевский / Под общ. ред. А.В. Петровского. – М.: ПЕРСЭ, 2005. – Т. 6. – 784 с. – (Психологический лексикон. Энциклопедический словарь в шести томах)
5.                Растригин Л.А. Адаптивное обучение с моделью обучаемого / Л.А. Растригин, М.Х. Эренштейн. – Рига: Зинатне, 1988. – 160 c.
6.                Экспериментальная психология: Сб. статей / Под ред. П. Фресса и Ж. Пиаже. – М.: Прогресс. – Вып. 4, 1973. – 342 с.
7.                Schukarew A. Uber die energetischen Grundlagen des Gesetzes von Weber Fechner und der Dynamik des Gedachtnisses // Ann. Naturphilos, 1907. – № 6. – P. 139-149.
8.                Krueger W.C. F. The effect of overlearning on retention // J. Experimental Psychol., 1929. № 12. – P. 71-78.
9.                Thurstone L. L. The learning curve equation // Psychol. Bull., 1917. – № 14. – P. 64-65.
10.           Hull C. L. Principles of behavior. An introduction to behavior theory. – New York: Appleton-Century-Crofts, 1943. – 284 p.
11.           Буш Р. Стохастические модели обучаемости  / Р. Буш, Ф. Мостеллер // Пер. с англ. – М.: Физматгиз, 1962. – 484 с.
12.           Эстес В. К. Статические модели способностей человека-наблюдателя вспоминать и опознавать возбуждающие ответы // Самоорганизующиеся системы. – М., 1964. – С. 50-64.
13.           Растригин Л.А. Адаптивное обучение с моделью обучаемого / Л.А. Растригин, М.Х. Эренштейн. – Рига: Зинатне, 1988. – 160 c.
14.           Thurstone L. L. The learning curve equation // Psychol. Bull., 1917. – № 14. – P. 64-65.
15.           Буш Р. Сравнение восьми моделей / Р. Буш, Ф. Мостеллер // Математические методы в социальных науках. – М., 1973. – С. 295-315.
16.           Аткинсон Р., Бауэр Г., Кротерс Э. Введение в математическую теорию обучения. – М.: Мир, 1969. – 486 с.
17.           Аткинсон Р. Введение в математическую теорию обучения: Пер. с англ./ Р.Аткинсон, Г.Бауэр, З.Кротерс. – М.: Мир, 1969. – 486 c.
18.           Аткинсон Р. Человеческая память и процесс обучения. – М.: Прогресс, 1980. – 542 c.
19.           Свиридов А. П. Введение в статическую теорию обучения и контроля знаний. – М., 1974. – Ч.2 – 152 с.
20.           Свиридов А.П. Введение в статистическую теорию обучения и контроля знаний. Ч. 2. Элементы статистической динамики знаний. – М., 1974. – 152 c.
21.           Балл Г.А. Результаты экспериментального исследования регулирующих воздействий в адаптивных обучающих системах / Г.А. Балл, А.М. Довгялло, Е.И. Машбиц // Технические средства в программированном обучении. – Киев, 1970. – С. 57-86.
22.           Зайцева Л.В. Управление диалогом в автоматизированной обучающей системе / Л.В. Зайцева, Л.П. Новицкий // Диалоговые системы. – 1980. – Вып. 3. – С. 78-84.
23.           Растригин Л.А. Адаптивное обучение с моделью обучаемого/ Л.А. Растригин, М.Х. Эренштейн. – Рига: Зинатне, 1988. – 160 с.
24.           Лобанов Ю.И. Экспертно-обучающие системы / Ю.И. Лобанов, П.Л. Брусиловский, В.В. Съедин. – М.: НИИ ВШ, 1991. – 71 с.
25.           Шрейдер Ю.А. Экспертные системы: их возможности в обучении // Вестник высшей школы, 1987. – № 2. – С. 14-19.
26.           Brusilovsky P. Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz. - Pittsburgh: Carnegie Mellon University, Carnegie Technology Education and Human-Computer Interaction Institute, 1999. – V. 4. – P. 19-25. [Електронний ресурс]. – Режим доступу: http://ifets.ieee.org/russian/depository/ BrusKaz_1999IST.doc
27.           Brand L. Van–Den Flexible and Distance Learning. ORT Administration Technology Department. – London, 1992. – 345 p.
28.           Інноваційні інформаційно-комунікаційні технології навчання математики: Навчальний посібник / В.В. Корольський, Т.Г. Крамаренко, С.О. Семеріков, С.В. Шокалюк; науковий редактор академік АПН України, д.пед.н., проф. М.І. Жалдак. – Кривий Ріг: Книжкове видавництво Кирєєвського, 2009. – 324 с.
29.           Общее описание cистемы дистанционного обучения «Прометей 4.0». – М., 2003.
30.           Система дистанционного обучения «Прометей 4» [Електронний  ресурс]. – Режим доступу: http://www.znannya.org/?view=elearning-tools-5-5-3
31.           Система Lotus Learning Space [Електронний  ресурс]. – Режим доступу: http://www.znannya.org/?view=elearning-tools-5-5-1
32.           E-Learning платформы поддержки дистанционного обучения (анализ и сравнительная оценка) [Електронний ресурс]. – Режим доступу: http://udec.ntu-kpi.kiev.ua/udec.nsf/platforms_ru?OpenPage
33.           Алтайцев А.М. Учебно-методический комплекс и самостоятельная работа студентов [Електронний ресурс]. – Режим доступу: http://charko.narod.ru/tekst/an5/3.html
34.           Электронные средства обучения. Западный рынок – часть 6 [Електронний ресурс]. – Режим доступу: http://distancionnoeobuchenie.com/ elektronnye-sredstva-obucheniya-zapadnyj-rynok-%E2%80%93-chast-6/
35.           Готская И.Б. Аналитическая записка «Выбор системы дистанционного обучения»/ И.Б. Готская, В.М. Жучков, А.В.Кораблев  [Електронний ресурс]. – Режим доступу: http://ra-kurs.spb.ru/2/0/2/1/?id=13
36.           Система дистанционного обучения Moodle [Електронний ресурс]. – Режим доступу: http://www.chuvsu.ru/~startmoodle/index.php/2011-06-24-12-22-05/19.html
37.           Про систему дистанційного навчання «Віртуальний Університет» [Електронний ресурс]. – Режим доступу: http://vu.net.ua/
38.           Томашевський В.М. Огляд сучасного стану систем дистанційного навчання / В.М. Томашевський, Ю.Л. Новіков, П. А. Камінська / Наукові праці: Науково-методичний журнал. Т. 1605. Вип. 122. Комп’ютерні технології. Миколаїв: Вид. ЧДУ ім. Петра Могили. – 2011. – С. 146-157.
39.           Thomas R. Benefits and costs of computer conferencing in adult education. Intelligent Tutoring Media,Vol1, № 2, P. 65-72.
40.           Гавриленко В.В. Побудова індивідуального сценарію навчання за допомогою інструментального засобу моделювання систем на основі мереж Петрі – Poses++ / В.В. Гавриленко, І.М. Погребнюк // LXVI наукова конференція професорсько- викладацького складу, аспірантів, студентів та працівників відокремлених структурних підрозділів університету. Тези доповідей – К.: НТУ, 2010. – С.307.
41.           Brusilovsky P.Methods and Techniques of Adaptive Hypermedia. Uses Modeling and User–Adapted Interaction // Education &Technology. – 1996. – № 5. – P. 87-129.
42.           Distant higher education and the adult learner / Ed by Van Enkernort– Heerlen: Dutchopen univ, 1986. – 169 p.
43.           Принципы построения адаптивных аналоговых систем обучения и контроля знаний / А.И. Бобков, С.Б.Далматов, Г.В.Преснякова, Г.В.Шашин Учеб. пособие. – Л.: Лен. инст. авиац. приборостроения, 1987. – 80 с.
44.           Томашевський В.М. Моделі процесів адаптивного навчання / В.М. Томашевський, Ю.Л. Новіков, П.А.Камiнська // Наукові праці: Науково-методичний журнал. – Т. 134. Вип. 121. Комп’ютерні технології. – Миколаїв: Вид. ЧДУ ім. Петра Могили, 2010. – С. 36-50.
45.           Атанов Г. А. Обучение и искусственный интеллект, или Основы современной дидактики высшей школы / Г.А. Атанов, И.Н. Пустынникова. – Донецк: Изд-во ДОУ, 2002.
46.           Гавриленко В.В. “Модель студента” як складова адаптивних комп’ютерних навчальних систем / В.В. Гавриленко, І.М. Дмитрик // 65 науково-практична конференція науково-педагогічних працівників, аспірантів, студентів та структурних підрозділів університету. – К:НТУ, 2009. – С. 313.
47.           Гавриленко В.В. Моделювання процесу навчання студентів з використанням мереж Петрі / В.В. Гавриленко, І.М. Дмитрик // Вісник Національного транспортного університету: В 2-х частинах: Ч.2. – К.: НТУ, 2009. – Випуск 19. – С. 306-311.
48.           Nykanen O. A Design for Hypermedia-Based   Learning   Environment / O.Nykanen, M.Ala-Rantala, 1997. [Електронний ресурс]. – Режим доступу: http://butler.cc.tut.fi/~onykane/papers/hci-et/hble.html#Heading2
49.           Stauffer K. Applications of Student Modeling, 1996. [Електронний ресурс]. – Режим доступу:  http://ccism.pc.athabascau.ca/html/students/stupage/Project/sm_ app. htm# introduction
50.           Murray     T.     Authoring     Knowledge     Based     Tutors: Tools for Content, Instructional Strategy, Student Model, and Interface Design. Journal of the Learning Sciences. – Vol 7. – No 1, 1998. – p. 5-64.
51.           Devedzic V. Teaching Formal Languages by an Intelligent Tutoring System / V.Devedzic, J. Debenham, D.Popovic // Educational Technology & Society. – 3(2), 2000.
52.           Shute V.J. SMART: Student Modeling Approach for Responsive Tutoring, 1995.
53.           Henze N., Nejdl W. Student Modeling in an Active Learning Environment using Bayesian Networks, 1999. [Електронний ресурс]. – Режим доступу: http://www.kbs.uni-hannover.de/Arbeiten/Publikationen/1999/um/um.html#fro97i
54.           Yi Shang, Hongchi Shi, and Su-Shing Chen. An Intelligent Distributed Environment for Active  Learning, 2001. [Електронний ресурс]. – Режим доступу:  http://www.lO.org/cdrom/papers/207/node4.html
55.           Хайкин С.  Нейронные сети: полный курс. 2-е изд. – М.: «Вильямс», 2006. – 1104c.
56.           Гавриленко В.В.  Моделі студента в адаптивних і індивідуалізованих комп’ютерних навчальних системах / В.В. Гавриленко, І.М. Дмитрик // Вісник Національного транспортного університету: В 2-х частинах: Ч.2. – К.: НТУ, 2008. – Випуск 17. – С. 309-313.
57.           Brusilovsky P. Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.) // Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz. – 4. – P. 19-25.
58.           Интеллектуальные системы в дистанционном обучении [Електронний ресурс]. – Режим доступу:  http://sumschool.sumdu.edu.ua/is-02/ rus/lectures/sobaeva/sobaeva.htm
59.           Ebbinghaus H. Uber das Gedachtnis; Untersuchungen zur experimentellen – Psychologie. – Leipzig: Duncker u. Humblot, 1885. – 169 p.
60.           Васильева Е.Е. Суперпамять или как запомнить, чтобы вспомнить? / Е.Е.Васильева, В.Ю.Васильев. – Изд-во "Советская Кубань", 2003. – 326 с.
61.           Зинченко Т.П. Память в экспериментальной и когнитивной психологии. – СПб.: «Питер», 2001. – 320 с.
62.           Бьюзен Т. Научите себя думать! / Пер.  с англ.; Худ. обл. М.В. Драко. – 2-е изд. – Мн.: ООО «Попурри», 2004. – 192 с.: ил. + 8 с. цв. вкл. – (Серия «Живите с умом»)
63.           Бьюзен Т.и Б. «Супермышление» / Пер. с англ. Е. А. Самсонов; Худ. обл. М. В. Драко. – 2-е изд. – Мн.: ООО «Попурри», 2003. – 304 с.:ил. + 16 с. вкл. – (Серия «Живите с умом»)
64.           Погребнюк І.М. Побудова індивідуальних сценаріїв адаптивного навчання в адаптивній гіпер-медіа системі // Збірник наукових праць Дніпродзержинського державного технічного університету (технічні науки). – Дніпродзержинськ: ДДТУ, 2012. – Вип. № 2 (19). – С. 119-125.
65.           Гавриленко В.В. Моделювання сценаріїв адаптивного тестування з використанням мереж Петрі / В.В. Гавриленко, І.М. Погребнюк // Вісник Національного транспортного університету: В 2-х частинах: Ч.2. – К.: НТУ, 2010. – Випуск 21. – С. 391-395.
66.           Ефремова Н.Ф. Тестовый контроль в образовании. Учебное пособие. – М.: Университетская книга; Логос, 2007. – 386 с. (24 п.л.).
67.           Ronald K.Hambleton. Fundamentals of Item Response Theory/ Ronald K.Hambleton, H.Swaminathan, H.Jane Rogers. SAGE Publications, 1991. – 174 с.
68.           Сайт корпорації Assessment Systems Corporation. [Електронний ресурс]. – Режим доступу:  http://www.assess.com/
69.           Звонников В.И. Современные средства оценивания результатов обучения/ В.И.Звонников, М.Б.Челышкова. – М.: Издательский центр «Академия», 2007. – 224 с.
70.           Гавриленко В.В. Дослідження проблем адаптивного тестування / В.В. Гавриленко, І.М. Дмитрик // 65 науково-практична конференція науково-педагогічних працівників, аспірантів, студентів та структурних підрозділів університету. – К:НТУ, 2009. – С. 313.
71.           Мельник А. М. Інформаційна технологія автоматичної генерації тестових завдань з керованою складністю / А. М. Мельник, Р. М. Пасічник, Р. П. Шевчук // Системи обробки інформації. – Харків, 2011.  – № 3 (93). – С. 57-61.
72.           Мельник А.М. Автоматична генерація тестових завдань різних типів / А.М. Мельник // Вісник Хмельницького національного університету. – 2010. –  № 4. – С. 124-129.
73.           Сергеев В.В. Адаптивное тестирование в системах дистанционного обучения // Электронное научно-техническое издание «Наука и образование». [Електронний ресурс]. – Режим доступу: http://technomag.edu.ru/doc/65577.html
74.           Сметанюк Л.В. К теории и практике использования адаптивных тестов / Л.В.Сметанюк, Г.М. Кравцов // Інформаційні технології в освіті. – Випуск 3. – Херсон. – 2009. – С. 148 -155.
75.           Федорук П.І. Модель адаптивного тестування з нечіткою логікою / П.І.Федорук, С.М. Масловський // Математичні машини і системи. – 2009. – № 1. – С. 131-137.
76.           Адаптивное тестирование как метод контроля знаний студентов. [Електронний ресурс]. – Режим доступу: http://psysoft.su/articles/72-adaptive-tests-as-method-of-control
77.           Kingsbury G. G. A comparison of procedures for content-sensitive item selection in computerized adaptive tests / G. G.Kingsbury, A. R. Zara // Applied Measurement in Education. – 1991. – 4. – P. 241-261.
78.           Revuelta J. A comparison of item exposure control methods in computerized adaptive testing / J. Revuelta, V. Ponsada // Journal of Educational Measurement. – 1998. – P. 311-327.
79.           Зайцева Л.В. Модели и методы адаптивного контроля знаний / Л.В. Зайцева, Н.О.  Прокофьева // Образовательные Технологии и Общество. – 2004. – Том 7. – [Електронний ресурс]. – Режим доступу: http://ifets.ieee.org/russian/depository/v7_i4/pdf/1.pdf
80.           Соловов А.В. Проектирование компьютерных систем учебного назначения: Учебное пособие. – Самара: СГАУ, 1995. – 138 с.
81.           Соловов А.В. Дидактика и технология электронного обучения в системе КАДИС // "Индустрия образования", №6. – М.: МГИУ, 2002. – С. 54-64.
82.           Zaitseva L. Student models in Computer-based Education / L.Zaitseva, C.Boule // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. ICALT 2003. – Athens, Greece, 2003. – Р. 451.
83.           Челышкова М.Б. Теория и практика конструирования педагогических тестов: Учебное пособие. – М.: Логос, 2002. – 432 с.
84.           Сорокина О.Л. Современная теория сложности заданий в психологии / О.Л.Сорокина, Э.И.Романюк, В.В.Тимохин. – М., 2004. [Електронний ресурс]. – Режим доступу: http://www.matlab.mgppu.ru/work/index.html
85.           Погребнюк І.М. Модель оцінки знань при адаптивному тестуванні // Шоста науково-практична конференція з міжнародною участю „Математичне та імітаційне моделювання систем. МОДС 2011. Тези доповідей. – Чернігів. – 2011. – С. 378-382.
86.           Погребнюк І.М. Методи оцінювання знань студентів при адаптивному тестуванні // Вісник Національного університету водного господарства та природокористування. Збірник наукових праць. – Випуск 4(60). – Рівне: НУВГП, 2012. – Серія «Технічні науки». – С. 202-210.
87.           Погребнюк І.М. Модель індивідуального сценарію адаптивного тестування студента // Програма і матеріали 77-ї наукової конференції молодих учених, аспірантів і студентів «Наукові здобутки молоді - вирішенню проблем харчування людства у ХХІ столітті», 11-12 квіт. 2011 р. – К.: НУХТ, 2011. – Ч.2. – С. 236-237.
88.           Белоус Н. В. Модель адаптивного контроля знаний / Н.В. Белоус, И.В. Куцевич  // Радіоелектроніка, інформатика, управління. – 2010. – № 1. – С. 39-45.
89.           Оценивание тестовых заданий разных типов и определение их уровня сложности / М.Ф. Бондаренко, В.В. Семенец, Н.В. Белоус, И.В. Куцевич, И.А. Белоус // “Искусственный интеллект” 4’2009. – С. 322-329.
90.           Томашевський В.М. Моделювання систем. – К.: Видавнича група ВНV, 2005. – 352 с.: іл.
91.           "Термiнологiчний словник" // Укладач: В.М. Томашевський. [Електронний ресурс]. – Режим доступу: http://simulation.org.ua/show.php?mode=met&file=method002.html&id=3
92.           Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. – М.: Наука, 1974. – 832 с.
93.           Зайцев Д.А. Инварианты временных сетей Петри / Д.А. Зайцев // Кибернетика и системный анализ. – 2004. – № 2. – С. 92 – 106.
94.           Jensen K. Coloured Petri nets: A high level language for system design and analysis // Lect. Notes Comput. Sci., 1991 - Vol. 483.
95.           Jensen K. Coloured Petri nets: Basic concepts, analysis methods and practical use. Vol. 2. Analysis methods. Berlin a. o.: Springer-Verlag, 1996.
96.           Jensen K. Coloured Petri nets: Basic concepts, analysis methods and practical use. Vol. 1. Basic concepts. Berlin a. o.: Springer-Verlag, 1996.
97.           Котов В.Е. Сети Петри. – М.: Наука. Главная редакция физико-математической литературы, 1984. – 160 с.
98.           Ломазова И.А. Вложенные сети Петри: моделирование и анализ распределенных систем с объектной структурой. – M.: Науч. мир, 2004. – 207 с.
99.           Zaitsev D.A. Simulating Telecommunication Systems with CPN Tools: Students' book / D.A. Zaitsev, T.R. Shmeleva. – Odessa: ONAT, 2006. – 60 p.
100.      Зайцев Д.А. Мережі Петрі і моделювання систем: Навчальний посібник. – Одеса: ОНАТ, 2006. – 60 с.
101.      Коротиков С.В. Применение сетей Петри в разработке программного обеспечения  центров  дистанционного  контроля  и  управления:  дис.  канд.техн. наук. – Новосибирск: Изд-во НГТУ, 2007.
102.      Воевода  А.А.  Моделирование  сетей  Петри  в  CPN Tools / А.А. Воевода,  Д.О. Романников  // Сб. науч. тр. НГТУ. – № 3(53). – 2008.
103.      Гавриленко В.В. Аналіз систем, моделюючих мережі Петрі / В.В. Гавриленко, І.М. Погребнюк // Сучасні напрями розвитку інформаційно-комунікаційних технологій та засобів управління. Матеріали другої міжнародної науково-технічної конференції. К.: ДП «ЦНДІ НіУ», Х.: ДП «ХНДІ ТМ»; К.: КДАВТ, 2011. – С. 20.
104.      Воробкалов П.Н. Управление качеством электронных обучающих систем / Автореф. дис. канд. техн. наук / Астраханский государственный университет. – Волгоград, 2008.
105.      Дорофеев А.С. Структура обучающего курса и моделирование процесса обучения с использованием сетей Петри. [Електронний ресурс]. – Режим доступу: http://nit2004.baikal.ru/trud/27.htm
106.      Погребнюк І.М. Побудова послідовності навчального курсу з використанням мереж Петрі // Интеллектуальные системы принятия решений и проблемы вычислительного интеллекта: Материалы Международной научной конференции. – Херсон: ХНТУ, 2012. – С. 154-157.
107.      Погребнюк І.М. Застосування мереж Петрі для моделювання сценаріїв адаптивного навчання / І.М. Погребнюк, В.М. Томашевський // Сьома міжнародна науково-практична конференція „Математичне та імітаційне моделювання систем. МОДС 2012. Тези доповідей. – Чернігів-Жукін. – 2012. – С. 267-271.
108.      Федорук  П.И.  Организация  процесса  индивидуализированного обучения на базе адаптивной системы дистанционного обучения и контроля знаний EduPro // Information models of knowledge – ITHEA, Kiev – Sofia, 2010. – С. 335-341.
109.      Доррер А.Г. Динамическое моделирование процесса интерактивного обучения. / А.Г. Доррер // Материалы Всероссийской научно-практической конференции «Лесной и химический комплексы: проблемы и решения». – Красноярск: СибГТУ. – 2005. – C.253-258.
110.      Растригин Л.А. Адаптивное обучение с моделью обучаемого. [Текст] / Л.А. Растригин, М.Х. Эренштейн. – Рига: Зинатне, 1988. – 160 с.
111.      Погребнюк І.М. Моделювання сценаріїв адаптивного навчання / І.М. Погребнюк, В.М. Томашевський // Матеріали міжнародної науково-технічної конференції «Автоматизація: проблеми, ідеї, рішення». – Севастополь. – 2012. – С. 109-111.
112.      Погребнюк І.М. Реалізація моделі адаптивного тестування в CPN TOOLS // Проблеми транспорту: Збірник наукових праць:  Випуск 9. – Київ: НТУ, 2012. – C. 259-265.
113.      COCOMO II. Model Definition Manual. Version 2.1. 1995 – 2000 Center for Software Engineering, USC (University of Southern California) [Електронний ресурс]. – Режим доступу:  http://csse.usc.edu/csse/research/COCOMOII/ cocomo2000.0/CII_modelman2000.0.pdf
114.      OpenID // Матеріал з Вікіпедії – вільної енциклопедії [Електронний ресурс]. – Режим доступу: http://uk.wikipedia.org/wiki/OpenID
115.       Гагарин А.А. Организация дистанционного обучения как информационный фактор реализации научно-технологической составляющей экономической безопасности государства // Экономическая безопасность государства и информационные технологии в ее обеспечении / А.А.Гагарин, А.Н.Луценко, С.В.Титенко / под общ. ред. Г.К. Вороновского, И.В. Недина. – К.:Знания Украины, 2005. – C. 608-619.
116.      Програмний продукт EduManager. [Електронний ресурс]. – Режим доступу:  http://www.setlab.net/ctm/
117.      Программы для образования и бизнеса. [Електронний ресурс]. – Режим доступу:  http://www.sunrav.ru/
118.      Погребнюк І.М. Моделювання сценаріїв адаптивного навчання з використанням мереж Петрі / І.М. Погребнюк, В.М. Томашевський // Вісник  НТУУ «КПІ».  Інформатика, управління  та  обчислювальна  техніка:  Зб.  наук.  пр. – К.: Век+, – 2012. – № 55. – 212 с.

119.      Погребнюк І.М. Моделювання сценаріїв адаптивного навчання / І.М. Погребнюк, В.М. Томашевський // Матеріали міжнародної науково-технічної конференції «Автоматизація: проблеми, ідеї, рішення». – Севастополь. – 2012. – С. 109-111.