Knowledge space: концепция и применение¶

Knowledge space (с англ. — «пространство знаний») — теоретическая модель представления структуры знаний в какой-либо предметной области, используемая в когнитивной науке, педагогике и системах искусственного интеллекта. Модель описывает не просто перечень фактов, а связи между ними, позволяя формализовать процесс обучения и оценивать уровень освоения материала.

¶Основная идея

Традиционные системы оценивания знаний фиксируют лишь бинарный результат — знает ученик тему или нет. Knowledge space исходит из того, что знания структурированы: освоение одних понятий опирается на владение другими. Модель представляет область знаний как множество элементов (понятий, навыков, задач), между которыми существуют отношения предшествования. Если для решения задачи B необходимо владение навыком A, то в пространстве знаний существует направленная связь A → B.

Формально knowledge space определяется как пара (Q, K), где Q — конечное множество проблем или заданий, а K — семейство подмножеств Q, называемых состояниями знаний. Каждое состояние отражает набор задач, которые конкретный обучаемый способен решить в данный момент. Совокупность всех возможных состояний образует структуру, которая не обязательно включает все подмножества Q — она ограничена логикой предметной области.

¶История возникновения

Концепция была предложена в 1985 году бельгийским математиком Жаном-Полем Дуаньоном и его коллегами в рамках исследовательской программы, направленной на создание строгой математической теории обучения. Работа Дуаньона опиралась на более ранние идеи структурализма в психологии Жана Пиаже и теорию концептуальных зависимостей Роджера Шанка. Первоначально модель применялась для анализа процесса освоения математики в начальной школе, однако вскоре сфера использования расширилась.

Значительный импульс развитию теории дали работы немецкого исследователя Дитмара Альберта и его группы в университете Граца, которые в 1990-е годы разработали алгоритмы автоматического построения пространств знаний на основе эмпирических данных. Параллельно развивалось прикладное направление — системы адаптивного тестирования, наиболее известной из которых стала ALEKS (Assessment and Learning in Knowledge Spaces), запущенная в 1994 году.

¶Применение в образовании

¶Адаптивное тестирование

Главное практическое применение knowledge space — компьютерные системы адаптивного тестирования. В отличие от классических тестов с фиксированным набором вопросов, такие системы динамически подбирают задания: если обучаемый решает задачу верно, система предлагает более сложную; при ошибке — переходит к более простым. Это позволяет за 15–20 вопросов точно определить состояние знаний человека, тогда как традиционному тесту потребовалось бы 60–100 заданий.

¶Диагностика пробелов

Модель позволяет выявлять не только то, что обучаемый знает, но и то, чего он не знает, — причём на уровне конкретных навыков. Поскольку состояния знаний структурированы, система может определить, какие базовые понятия не освоены и мешают дальнейшему продвижению. Это делает knowledge space инструментом персонализированного обучения: учебная программа формируется индивидуально, исходя из выявленных пробелов.

¶Проектирование учебных курсов

На этапе разработки учебных материалов модель помогает выстроить логическую последовательность изучения тем. Анализ пространства знаний позволяет определить минимально необходимый набор понятий для каждой темы и оптимальный порядок их введения. Это особенно актуально для электронных курсов и массовых открытых онлайн-курсов, где отсутствует живое взаимодействие с преподавателем.

¶Математический аппарат

В основе теории лежат несколько ключевых математических понятий:

• Состояние знаний — подмножество задач, которые обучаемый может решить.
• Структура знаний — семейство состояний, замкнутое относительно объединения (если два состояния возможны, то возможно и их объединение).
• Функция пробела — отображение, которое каждому состоянию сопоставляет множество задач, находящихся «на границе» освоения.
• Семейство подсказок — набор эвристик, позволяющих обучаемому перейти из одного состояния в другое.

Для построения пространства знаний используются два подхода. Первый — экспертный: специалисты вручную задают логические связи между понятиями. Второй — эмпирический: на основе статистического анализа ответов большой группы обучаемых автоматически выявляются зависимости между задачами. На практике часто применяется комбинированный метод.

¶Критика и ограничения

Концепция knowledge space подвергается критике по нескольким направлениям. Во-первых, модель предполагает, что знания дискретны и могут быть однозначно разложены на элементы, тогда как в реальности многие навыки носят континуальный характер. Во-вторых, модель не учитывает забывание: состояние знаний рассматривается как монотонно расширяющееся множество, что не соответствует реальному процессу обучения. В-третьих, построение точного пространства знаний для сложной предметной области требует больших вычислительных ресурсов и значительного объёма эмпирических данных.

¶Смежные концепции

Knowledge space тесно связано с другими моделями представления знаний: онтологиями, семантическими сетями, графами знаний. Отличие состоит в том, что knowledge space ориентировано не на описание мира, а на описание познающего субъекта — его текущих возможностей и потенциальных траекторий развития. В этом смысле модель ближе к психометрике, чем к инженерии знаний.

¶Перспективы развития

Современные исследования в области knowledge space связаны с интеграцией модели в системы искусственного интеллекта. Развитие больших языковых моделей открывает возможности для автоматического построения пространств знаний на основе анализа учебных текстов. Кроме того, ведутся работы по расширению модели на неформальное обучение и оценку мягких навыков, где традиционные тестовые методы малоэффективны.

Источники: Doignon J.-P., Falmagne J.-C. Spaces for the Assessment of Knowledge (1985); Albert D., Lukas J. Knowledge Spaces: Theories, Empirical Research, and Applications (1999); Falmagne J.-C., Cosyn E., Doignon J.-P., Thiery N. The Assessment of Knowledge, in Theory and in Practice (2004).