учет времени, затраченного на изучение темы, практики;
возможность прогнозирования успешности деятельности.
Предложенная С.В. Тарховым формализованная модель адаптивного обучения должна быть расширена возможностью продолжения обучения с момента остановки обучения. Такой подход имеет ряд преимуществ: во-первых, обучающийся не начинает изучение материала с начала темы или раздела, что экономит время; во-вторых, в базе данных модели обучаемого хранятся его предыдущие действия, что дает возможность в дальнейшем использовать их для анализа.
Недостатки: в большинстве рассмотренных платформ при первоначальном запуске и тестировании отсутствует учет психологического типа ученика, а это могло бы позволить более точно адаптировать манеру представления теоретического и практического материала;
нет единой модели построения адаптивной платформы обучения с учетом общих требований (не везде есть возможность прогнозирования успешности учебной деятельности и т.д.).
Таким образом, можно констатировать, что все существующие модели и платформы адаптивного образования не лишены недостатков. Автор предлагает теоретико-множественное описание первостепенной разработки адаптивной интеллектуальной платформы – I={Z, U, M, T, N, D}, которое должно учитывать следующие моменты:
Z – множество знаний, умений и навыков, цель обучения (уровень изучения дисциплины), требования к знаниям;
U – модель обучаемого, которая должна состоять из психологических характеристик (психологический тип должен определяться на первоначальном этапе работы с платформой), начального уровня знаний;
M – теоретический и практический материал, тесты;
T – множество вариантов построения образовательной траектории, которая должна учитывать и такие параметры, как: а) время, затраченное на изучение темы, выполнение практического задания; б) количество предоставляемых подсказок;
N – множество вариантов организации топологии нейросети для анализа и прогнозирования;
D – база хранения личных данных, теоретического и практического материалов.
Российская образовательная платформа Стэпик выступает в роли виртуального учителя по подбору материала для успешного освоения курса.
Несмотря на очевидные преимущества применения ИИ для обработки большого объема данных, необходимо с особой осторожностью относиться к адаптации процесса обучения на его основе.
Во-вторых, для предсказательной аналитики (прогнозирования успешности) определения вероятности успеха студента в высшем образовании должно применяться множество моделей, так как применение одной очень контекстно. Нет единой модели, которая будет работать по всем направлениям.
В-третьих, при работе с большим объемом данных должны быть использованы единые стандарты спецификации данных, а также уделено внимание проблеме конфиденциальности данных.
Создание и применение интеллектуальной адаптивной платформы позволит решить проблемы, связанные с индивидуализацией процесса образования.
За рубежом этому уделяется огромное внимание не только на уровне экспериментальных школ, но и на уровне государства. Среди зарубежных интеллектуальных адаптивных платформ известны Loud Cloud, Blackboard, Knewton, RealizeIT, Geekie, Smart Sparrow и другие.
В России полностью интеллектуальной адаптивной платформы не существует, однако есть отдельные попытки ее реализации: Стэпик, комплекс «Интегра-С», АОС «Безопасность».