Preview

Вестник Кемеровского государственного университета

Расширенный поиск

Технологические задачи психологического обеспечения мониторинга действий пользователей в электронной образовательной среде современного вуза

https://doi.org/10.21603/2078-8975-2021-23-1-156-165

Полный текст:

Аннотация

Представлен краткий анализ существующих подходов к использованию возможностей мониторинга цифрового следа пользователя в электронной образовательной среде для решения задач проектирования интеллектуальных сред обучения и прогнозирования моделей взаимодействия с информационной средой. Описаны основные методические приемы анализа содержания результатов мониторинга действий пользователей в электронной информационнообразовательной среде (модели действий пользователей в LMS Moodle), в том числе и возможности использования образовательных датасетов как удобного ресурса для дистанционного образования студентов. Показаны технические приемы аутентификации не на основе знания, которым обладает человек, а на основе подтверждения индивидуального цифрового портрета пользователя. Представлены обобщенные результаты исследования, отражающие стилевые особенности поведения и наиболее типичные сценарии работы студентов в электронной информационно-образовательной среде и позволяющие выделить наиболее характерные типологические признаки когнитивного поведения. Полученные аналитические данные обсуждаются в контексте привлечения технологических подходов к психологическому обеспечению мониторинга действий пользователей в электронной образовательной среде современного вуза для решения задач создания более эффективных когнитивных интерфейсов, которые могут адаптироваться к пользователю учебной среды, персонализируя среду под конкретного пользователя.

Об авторах

Е. В. Бредун
Национальный исследовательский Томский государственный университет
Россия

Екатерина Валерьевна Бредун

Томск



Т. А. Ваулина
Национальный исследовательский Томский государственный университет
Россия

Татьяна Анатольевна Ваулина

Томск



В. А. Шамаков
Национальный исследовательский Томский государственный университет
Россия

Виктор Анатольевич Шамаков

Томск



Э. А. Щеглова
Национальный исследовательский Томский государственный университет
Россия

Элеонора Анатольевна Щеглова

Томск



Список литературы

1. Kukula E. P., Elliott S. J., Duffy V. G. The effects of human interaction on biometric system performance // Digital Human Modeling. ICDHM 2007. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg, 2007. Vol. 4561. P. 904–914. DOI: 10.1007/978-3-540-73321-8_102

2. Чуйков А. В., Вульфин А. М., Васильев В. И. Нейросетевая система преобразования биометрических признаков пользователя в криптографический ключ // Доклады Томского государственного университета систем управления и радиоэлектроники. 2018. Т. 21. № 3. C. 35–41. DOI: 10.21293/1818-0442-2018-21-3-35-41

3. Гришко А. К., Лукин В. С., Юрков Н. К. Синтез тестовых образов для оценки стойкости нейросетевых преобразователей в системах биометрической идентификации // Надежность и качество сложных систем. 2017. № 2. C. 32–40. DOI: 10.21685/2307-4205-2017-2-5

4. Morales A., Fierrez J., Ortega-Garcia J. Towards predicting good users for biometric recognition based on keystroke dynamics // Computer Vision – ECCV 2014 Workshops. ECCV 2014. Lecture Notes in Computer Science. Springer, Cham, 2014. Vol. 8926. P. 711–724. DOI: 10.1007/978-3-319-16181-5_54

5. Saevanee H., Clarke N. L., Furnell S. M. Multi-modal behavioural biometric authentication for mobile devices // Information Security and Privacy Research. SEC 2012. IFIP Advances in Information and Communication Technology. Springer, Berlin, Heidelberg, 2012. Vol. 376. P. 465–474. DOI: 10.1007/978-3-642-30436-1_38

6. Maple C., Norrington P. The usability and practicality of biometric authentication in the workplace // First International Conference on Availability, Reliability and Security (ARES06), Vienna University of Technology. 2006. P. 958–964. DOI: 10.1109/ARES.2006.133

7. Elbahi A., Omri M. N., Mahjoub M. A., Garrouch K. Mouse movement and probabilistic graphical models based e-learning activity recognition improvement possibilistic model // Arab. J. Sci. Eng. 2016. Vol. 41. № 8. P. 2847–2862. DOI: 10.1007/s13369-016-2025-6

8. Panasiuk P., Szymkowski M., Dąbrowski M., Saeed K. A multimodal biometric user identification system based on keystroke dynamics and mouse movements // 15th IFIP International Conference on Computer Information Systems and Industrial Management (CISIM), Sep 2016, Vilnius, Lithuania. 2016. P. 672–681. DOI: 10.1007/978-3-319-45378-1_58

9. Pentel A. Patterns of confusion: using mouse logs to predict user’s emotional state // 5th International Workshop on Personalization Approaches in Learning Environments (PALE 2015) in conjunction with 23rd Conference on User Modelling, Adaptation and Personalization (UMAP 2015). Dublin, 2015. Vol. 1388. P. 40–45.

10. Eltahir W. E., Salami M. J. E., Ismail A. F. Lai W. K. Design and evaluation of a pressure-based typing biometric authentication system // EURASIP Journal on Information Security. 2008. DOI: 10.1155/2008/345047

11. Стародубов К. В., Громов Ю. Ю. Усовершенствование идентификации пользователей по клавиатурному почерку // Вестник Волгоградского государственного университета. Серия 10: Инновационная деятельность. 2017. Т. 11. № 4. C. 6–10. DOI: 10.15688/jvolsu10.2017.4.1

12. Motwani A., Jain R., Sondhi J. A multimodal behavioral biometric technique for user identification using mouse and keystroke dynamics // International Journal of Computer Applications. 2015. Vol. 111. № 8. P. 15–20. DOI: 10.5120/19558-1307

13. Carrillo I., Meza-Kubo V., Moran A., Galindo-Aldana G., García-Canseco E. Emotions identification to measure user experience using brain biometric signals // Human Aspects of IT for the Aged Population. Design for Aging. ITAP 2015. Lecture Notes in Computer Science. Springer, Cham, 2015. Vol. 9193. P. 15–25. DOI: 10.1007/978-3-319-20892-3_2

14. Yin Y., Alqahtani Y., Feng J. H., Chakraborty J., McGuire M. P. Classification of eye tracking data in visual information processing tasks using convolutional neural networks and feature engineering // SN Computer Science. 2021. № 2. DOI: 10.1007/s42979-020-00444-0

15. Chen X., Zou D., Xie H., Wang F. L. Past, present, and future of smart learning: a topic-based bibliometric analysis // International Journal of Educational Technology in Higher Education. 2021. № 18. DOI: 10.1186/s41239-020-00239-6

16. Slade S., Prinsloo P. Learning analytics: Ethical issues and dilemmas // American Behavioral Scientist. 2013. Vol. 57. № 10. P. 1510–1529. DOI: 10.1177/0002764213479366

17. Zhang S., Chang H.-H. A multilevel logistic hidden Markov model for learning under cognitive diagnosis // Behavior research methods. 2020. Vol. 52. № 1. P. 408–421. DOI: 10.3758/s13428-019-01238-w

18. Mampadi F., Chen S. Y., Ghinea G., Chen M.-P. Design of adaptive hypermedia learning systems: A cognitive style approach // Computers & Education. 2011. Vol. 56. № 4. P. 1003–1011. DOI: 10.1016/j.compedu.2010.11.018

19. Wang K. Y., Thongpapanl N., Wu H.-J., Ting I-H. Identifying structural heterogeneities between online social networks for effective word-of-mouth marketing // International Conference on Advances in Social Networks Analysis and Mining. Kaohsiung, Taiwan, 2011. P. 418–422. DOI: 10.1109/ASONAM.2011.24

20. Laamanen M., Ladonlahti T., Uotinen S., Okada A., Bañeres D., Koçdar S. Acceptability of the e-authentication in higher education studies: views of students with special educational needs and disabilities // International Journal of Educational Technology in Higher Education. 2021. № 18. DOI: 10.1186/s41239-020-00236-9

21. Karim N. A., Shukur Z. Review of user authentication methods in online examination // Asian Journal of Information Technology. 2015. Vol. 14. № 5. P. 166–175. DOI: 10.3923/ajit.2015.166-175

22. Traore I., Nakkabi Y., Saad S., Sayed B., Ardigo J., de Faria Quinan P. M., Quinan P. Ensuring online exam integrity through continuous biometric authentication // Information Security Practices. 2017. P. 73–81. DOI: 10.1007/978-3-319-48947-6_6

23. Curum B., Khedo K. K. Cognitive load management in mobile learning systems: principles and theories // Journal of Computers in Education. 2021. № 8. P. 109–136. DOI: 10.1007/s40692-020-00173-6


Для цитирования:


Бредун Е.В., Ваулина Т.А., Шамаков В.А., Щеглова Э.А. Технологические задачи психологического обеспечения мониторинга действий пользователей в электронной образовательной среде современного вуза. Вестник Кемеровского государственного университета. 2021;23(1):156-165. https://doi.org/10.21603/2078-8975-2021-23-1-156-165

For citation:


Bredun E.V., Vaulina Т.A., Shamakov V.A., Shcheglova E.A. Activity Monitoring in the Digital Learning Environment of a Modern University: Technological Tasks of Psychological Support. Bulletin of Kemerovo State University. 2021;23(1):156-165. (In Russ.) https://doi.org/10.21603/2078-8975-2021-23-1-156-165

Просмотров: 39


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2078-8975 (Print)
ISSN 2078-8983 (Online)