РАЗРАБОТКА СИСТЕМЫ ПО ОЦЕНКЕ УДОБСТВА ИСПОЛЬЗОВАНИЯ ЭЛЕКТРОННОЙ ЛАБОРАТОРНОЙ РАБОТЫ

РАЗРАБОТКА СИСТЕМЫ ПО ОЦЕНКЕ УДОБСТВА ИСПОЛЬЗОВАНИЯ ЭЛЕКТРОННОЙ ЛАБОРАТОРНОЙ РАБОТЫ

Ашимов Дамир Изимжанулы

магистрант, Международный университет информационных технологий,

Казахстан, г. Алматы

АННОТАЦИЯ

В настоящее время все большее количество услуг мы получаем через электронные или веб ресурсы, включая образовательные услуги. Пандемия коронавируса стала одним из основных триггеров в этом направлении. Огромное количество образовательных учреждений различных уровней перешли, либо переходят на дистанционное обучение. В связи с этим во всех типах учебных заведений наблюдается интенсивный рост в разработке и применении электронных обучающих систем, например, таких как виртуальные лаборатории. Оценка юзабилити является неотъемлемой частью процесса разработки любого программного обеспечения. В данной статье показывается практическая реализация системы по оценке удобства использования электронных лабораторных работ.

Ключевые слова: методологии оценки интерфейса, пользовательский интерфейс, электронная лабораторная работа, качество интерфейса, юзабилити.

Введение

В современном мире все большую важность получает электронное или дистанционное обучение. Оба этих понятия связывает одно, а именно получение и закрепление новых знаний за счет использования современных информационных технологий: интернета, компьютерных телекоммуникаций, национального и кабельного телевидения, мультимедиа, обучающих систем, компьютерных программ и т.д. Сейчас данные виды обучения актуальны как никогда за счет глобализации открытого доступа к знаниям, а также на фоне продолжительной пандемии коронавирусной инфекции. На основе данных, приведенных в концептуальной записке официального сайта “Организации Объединённых Наций” [1]. Пандемия COVID-19 привела к крупнейшему за всю историю сбою в функционировании систем образования, который затронул почти 1,6 миллиарда учащихся в более чем 190 странах и на всех континентах. Закрытие школ и других образовательных учреждений коснулось 94 процента мирового контингента учащихся, причем в странах с низким уровнем дохода и с уровнем дохода ниже среднего этот показатель составляет 99 процентов. Поэтому сейчас, когда большинство обучающихся получают знания, не выходя из дома, и разрабатывается все больше новых электронных систем для предоставления образования разного уровня в электронном формате, как никогда стоит вопрос о качестве используемого программного обеспечения в целом и о качестве интерфейса данного программного обеспечения, в частности.

1 РАЗРАБОТКА СИСТЕМЫ

Для того чтобы реализовать систему по оценке удобства использования электронных лабораторных работ было принято решение написать модель машинного обучения (в частности, нейронную сеть), которая анализировала бы результаты созданного опросника и проводила мульти классификацию данных по 10 основным классам, которые представляют из себя возможные проблемы лабораторной работы. Данные 10 классов можно увидеть на картинке ниже.

Рисунок 1. Классы проблем

В качестве веб-Апи на котором будут происходить вычисления был выбран веб фреймворк Flask. В качестве графического интерфейса для отображения результатов был выбран Blazor.

Общую работу всей системы можно описать следующим образом:

1. Одновременно запускаются 2 проекта – 1 на Blazor в качестве клиента, 1 на Flask в качестве сервера.
2. С клиента отправляется запрос на сервер
3. Сервер, используя готовую модель машинного обучения получает результат анализа анкетирования
4. Сервер отправляет полученный ответ на клиент
5. Клиент отображает результаты на графическом веб интерфейсе

Все вышеуказанное можно увидеть на диаграмме последовательностей.

Рисунок 2. Диаграмма последовательностей

Сама нейронная сеть была создана с использованием библиотеки Keras. В качестве функции активации была выбрана Сигмоида, в качестве функции потерь была выбрана Binary Cross Entropy, в качестве оптимизатора был выбран Adam. Общий состав нейронной сети можно увидеть ниже.

Рисунок 3. Состав нейронной сети

2 ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Созданный опросник, по которому и строилось все исследование состоит по итогу из 50 вопросов. Каждый вопрос имеется серия ответов, которые представляют как буквенный, так и цифровой эквивалент для дальнейшей обработки.

Вопросы были подобраны на основе существующих опросников Sumi, UseLearn, PUTQ, PSSUQ и др. Многие моменты и идеи были взяты из них. В целом все вопросы разбиты на 8 основных категорий:

1. Компетенция пользователя в пользовании электронными средствами обучения.
2. Удобство установки и запуска лабораторной работы.
3. Визуально - графическая составляющая
4. Аудио составляющая
5. Качество заданий
6. Удобство пользования
7. Стабильность и быстродействие
8. Будущее использование

Сам процесс тренировки модели машинного обучения на основе результатов опросника проходил эффективно на всем этапе. Это подтверждает следующий график.

Рисунок 4. Процесс тренировки

Данный график показывает результаты функции потерь на протяжении всех 3000 итераций. И как видно из графика, значении функции потерь уменьшалось на протяжении всех итерация и стремилось к 0. Это подтверждает тот факт, что веса модели эффективно изменялись к наиболее правильным значениям.

Также эффективность подтверждает следующий рисунок.

Рисунок 5. Точность модели

На данном рисунке видно, что точность классификации у модели очень высока. Самое низкое значение здесь это 0,87. Что является хорошим показателем.

Итоговый вывод результатов анализа можно увидеть на графическом веб интерфейсе.

Рисунок 6. Начало веб интерфейса

На этом изображении также можно увидеть параметр Альфы Кронбаха. Результат в 90 процентов говорит о том, что у вопросов высокая согласованность данных. Что означает, что вопросы для опросника были подобраны довольно качественно.

Также по пяти наиболее явным проблемам выдаются советы по реагированию и улучшению слабых мест лабораторной работы.

Рисунок 7. Конец веб интерфейса

ЗАКЛЮЧЕНИЕ

Целью данной работы является расширение знаний в области разработки программного обеспечения и машинного обучения для применения этих навыков, полученных в процессе исследования, путем разработки системы для оценки удобства использования лабораторных работ.

Цель системы - предоставить людям проект, позволяющий с помощью опросника и нейронной сети получить сведения о слабых сторонах лабораторных работ для их дальнейшего улучшения. Пандемия коронавируса заставило огромное количество людей перейти на дистанционное обучение и активно использовать электронно-образовательные ресурсы. Поэтому вопрос о качестве такого рода используемых средств обучения сейчас актуален как никогда.

Можно сделать вывод, что цель работы была успешно достигнута путем выполнения задач, которые были поставлены при разработке проекта.

Список литературы:

1. Лишманова Н. А., Пимичева М. А. Дистанционное обучение и его роль в современном мире // Научно-методический электронный журнал «Концепт». – 2016. – Т. 11. – С. 2216–2220