Аннотації

НАВЧАЛЬНО-ІГРОВА СИСТЕМА ДЛЯ РОЗВИТКУ ЛОГІКИ З ІНТЕЛЕКТУАЛЬНИМ ІНТЕРФЕЙСОМ

Автор(и):
Федусенко О.В., Доманецька І.М., Лященко Т.О, Семенюк Д.Ю.
Автор(и) (англ)
Fedusenko Olena, Domanetska Iryna, Lyashchenko Tamara, Semeniuk Daria
Дата публікації:

05.02.2020

Анотація (укр):

У сучасній освіті наявні проблеми, пов‘язані з розвитком уваги у дітей дошкільного та молодшого шкільного віку. Дітям складно зосередитися на поставленому завданні, а особливо, якщо воно не дуже цікаве і одноманітне, їхню увагу привертає усе нове та яскраве. Саме тому одним з найпопулярніших сучасних напрямів розвитку інформаційних систем є гейміфікація освітніх процесів. За допомогою гри діти у цікавій і простій формі можуть розвивати навички логічного мислення, виконувати певні завдання логіко-математичних ігор, наприклад, судоку. Більшість відомих на сьогодні інформаційних навчально-ігрових систем мають стандартний інтерфейс і орієнтовані на певну вікову категорію. Авторами пропонується сучасна навчально-ігрова система з інтелектуальним інтерфейсом, яка дасть змогу підвищити ефективність навчання дітей дошкільного і молодшого шкільного віку основам логічного мислення, завдяки адаптації під кожну конкретну дитину. Проведено порівняльний аналіз наявних систем для розвитку логіки, розроблено основні вимоги до такої системи, проведено аналіз методів розпізнавання жестів і запропоновано алгоритм роботи інтелектуального інтерфейсу, який базується на використанні нейронних мереж, а саме згорткової нейронної мережі, яка є логічним розвитком ідей таких архітектур нейронних мереж, як когнітрон і неокогнітрон. Після цього розроблено концептуальну модель навчально-ігрової системи, яка складається з ігрової підсистеми, що за допомогою бази даних та бази знань певним чином взаємодіє з інтелектуальним інтерфейсом. Також авторами розроблено загальну схему роботи ігрової підсистеми. Запропонована авторами інноваційна навчально-ігрова система дає змогу не лише використовувати для управління інтелектуальний інтерфейс, але і адаптується під кожного конкретного гравця, відповідно до попередніх результатів гри, що призводить до збільшення якості та ефективності навчання дітей дошкільного і молодшого шкільного віку. Навчання через гру – це цікаве та просте навчання, яке приводить не лише до розвитку логіки, але і до розвитку стійкої уваги у дітей.

Анотація (рус):

В современном образовании существуют проблемы, связанные с развитием внимания у детей дошкольного и младшего школьного возраста. Детям сложно сосредоточиться на поставленном задании, особенно, если оно не очень интересное и однообразное, их внимание привлекает все новое и яркое. Именно поэтому одним из самых популярных современных направлений развития информационных систем является геймификация образовательных процессов. С помощью игры дети в интересной и простой форме могут развивать навыки логического мышления, решая определенные задачи логико-математических игр, например, судоку. Большинство существующих на данный момент информационных учебно-игровых систем имеют стандартный интерфейс и ориентированы на определенную возрастную категорию. Авторами предлагается современная учебно-игровая система с интеллектуальным интерфейсом, которая позволит повысить эффективность обучения детей дошкольного и младшего школьного возраста основам логического мышления за счет адаптации под каждого конкретного ребенка. Проведен сравнительный анализ существующих систем для развития логики, разработаны основные требования к таким системам, проведен анализ методов распознавания жестов и предложен алгоритм работы интеллектуального интерфейса, который базируется на использовании нейронных сетей, а именно сверхточной нейронной сети. Разработана концептуальная модель учебно-игровой системы, состоящая из игровой подсистемы, которая с помощью базы данных и базы знаний определенным образом взаимодействует с интеллектуальным интерфейсом. Также разработана общая схема работы игровой подсистемы. Предложенная инновационная учебная-игровая система позволяет не только использовать для управления интеллектуальный интерфейс, но и адаптируется под каждого конкретного игрока в зависимости от предыдущих результатов игры, что приводит к увеличению качества и эффективности обучения детей дошкольного и младшего школьного возраста. Обучение через игру – это интересное и простое обучение, которое приводит не только к развитию логики, но и к развитию устойчивого внимания у детей.

Анотація (англ):

In today's education, there are problems associated with the development of attention in preschool and primary school children. It is difficult for children to focus on a given task, especially if it is not very interesting and monotonous, their attention is attracted by everything new and bright. For this reason, the gamification of educational processes is one of the most popular modern trends in the development of information systems. Using the game, children in an interesting and simple way can develop the skills of logical thinking, solving certain problems of logic-mathematical games, such as sudoku. Most of the current informational training and gaming systems have a standard interface and are age-specific. The authors propose a modern training and gaming system with an intellectual interface, which will increase the efficiency of teaching children of preschool and primary school age the basics of logical thinking by adapting to each specific child. The article provides a comparative analysis of existing systems for the development of logic, the basic requirements for such a system, the analysis of methods of gesture recognition and the algorithm of work of the intellectual interface based on the use of neural networks, namely the convolutional neural network, which is the logical development of ideas of such architectures neural networks such as cognitron and neocognitron. After that, a conceptual model of training and gaming system was developed, which consists of a game subsystem that interacts with the intellectual interface with the help of a database and a knowledge base. The authors also developed a general scheme of the game subsystem. The innovative training-gaming system offered by the authors not only allows to use the intelligent interface but also adapts to each individual player, depending on the previous results of the game, which leads to an increase in the quality and effectiveness of teaching children of preschool and primary school age. Learning through play is an interesting and simple learning that leads not only to the development of logic but also to the development of sustained attention in children.

Література:

  1. Yuliia Riabchun, Tetyana Honcharenko, Victoria Honta, Khrystyna Chupryna, Olena Fedusenko “Methods and Means of Evaluation and Development for Prospective Students’ Spatial Awareness”// International Journal of Innovative Technology and Exploring Engineering (IJITEE), Volume-8 Issue-11, pp.4050-4058, September 2019
  2. Дубровина И.В., Андреева А.Д., Данилова Е.Е., Кравцова Е.М., Москвина О.А., Прихожан А.М., Толстых Н.Н. Младший школьник: развитие познавательных способностей: Пособие для учителя / Под ред. И.В. Дубровиной. – М.: Просвещение. – 148 с.
  3. Крак Ю.В., Шкільнюк Д.В. Технологія розпізнавання елементів дактильно-жестової мови // Штучний інтелект. – 2009. — № 3. – С. 564-572.
  4. Stenger B. (2001) Model-based 3D tracking of an articulated hand / B. Stenger, P.R.S. Mendonca, R. Cipolla // In: The 20th IEEE International Conference on Computer Vision and Pattern Recognition (CVPR'01). – December 2001. – Kauai, HI, US.
  5. Utsumi A. Multi-Camera Hand Pose Recognition System Using Skeleton Image / A. Utsumi, T. Miyasato and F. Kishino // IEEE International Workshop on Robot and Human Communication. – 1995. – P. 219-224.
  6. Kato M. Articulated Hand Tracking by PCA-ICA approach / M. Kato, Y.W. Chen, and G. Xu // Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition. – Southampton, 2006. – P. 329-333.
  7. Manresa C. Hand tracking and gesture recognition for human-computer interaction / C. Manresa // Electronic Letters on Computer Vision and Image Analysis. – 2005. – № 5(3). – Р. 96 – 104.
  8. Goodfellow I. Deep learning / I. Goodfellow, Y. Bengio, A. Courville: –The MIT Press, 2016. – 800 p.
  9. Graves, Alex; and Schmidhuber, Jürgen; Offline Handwriting Recognition with Multidimensional Recurrent Neural Networks, in Bengio, Yoshua; Schuurmans, Dale; Lafferty, John; Williams, Chris K. I.; and Culotta, Aron (eds.), Advances in Neural Information Processing Systems 22 (NIPS'22), December 7th–10th, 2009, Vancouver, BC, Neural Information Processing Systems (NIPS) Foundation, 2009, pp. 545–552.
  10. LeCun Y. LeNet-5, convolutional neural networks [Електронний ресурс] / Yann LeCun – Режим доступу до ресурсу: http://yann.lecun.com/exdb/lenet/
  11. Федусенко О.В., Єрукаєв А.В. Застосування продукційних правил для реалізації генетичного алгоритму // Science and Education a New Dimension. Natural and Technical Sciences, IV(12), Issue: 110, pp.31-34, 2016
  12. Михайлова З. А. Теории и технологии математического развития детей дошкольного возраста. – СПб. : Детство – Пресс, 2008. – 262 с
  13. Носов Е. А. Логика и математика для дошкольников / Е. А. Носов, Р. Л. Непомнящая. – М. : Детство-Пресс, 2007. – 79 с.

References:

  1. Riabchun, Yuliia, Honcharenko, Tetyana, Honta, Victoria, Chupryna, Khrystyna, Fedusenko, Olena. (2019). Methods and Means of Evaluation and Development for Prospective Students’ Spatial Awareness. International Journal of Innovative Technology and Exploring Engineering (IJITEE), 8, 11, 4050 – 4058.
  2. Dubrovina. I.V., Andreeva. A.D., Danilova. E.E., Kravtsova. E.M., Moskvina. O.A., Prizhozhan. A.M., Tolstykh. N.N. 920160. The younger schoolboy: development of cognitive abilities: A tool for the teacher. Edited by I.V. Dubrovina. M.: Enlightenment, 148.
  3. Krak, Yu.V., Shkolnyuk, D.V. (2009). Technology of recognition of elements of tactile and gesture language. Artificial Intelligence, 3, 564 – 572.
  4. Stenger, B., Mendonca, P.R.S., Cipolla, R. (2001). Model-based 3D tracking of an articulated hand. The 20th IEEE International Conference on Computer Vision and Pattern Recognition (CVPR'01), December 2001, Kauai, HI, US.
  5. Utsumi, A. Miyasato, T., Kishino, F. (1995). Multi-Camera Hand Pose Recognition System Using Skeleton Image. IEEE International Workshop on Robot and Human Communication, 219 – 224.
  6. Kato, M., Chen, Y.W., Xu, G. (2006). Articulated Hand Tracking by PCA-ICA approach. Proceedings of the IEEE International Conference on Automatic Face and Gesture Recognition, Southampton, 2006, pp. 329 – 333.
  7. Manresa, C. (2005). Hand tracking and gesture recognition for human-computer interaction. Electronic Letters on Computer Vision and Image Analysis, 5(3), 96 – 104.
  8. Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep learning.The MIT Press, 800.
  9. Graves, Alex; Schmidhuber, Jürgen. (2009). Offline Handwriting Recognition with Multidimensional Recurrent Neural Networks, in Bengio, Yoshua; Schuurmans, Dale; Lafferty, John; Williams, Chris K. I.; and Culotta, Aron (eds.), Advances in Neural Information Processing Systems 22 (NIPS'22), December 7th–10th, 2009, Vancouver, BC, Neural Information Processing Systems (NIPS) Foundation, 2009, pp. 545 – 552.
  10. LeCun, Y. (N/d). LeNet-5, convolutional neural networks [electronic source] – http://yann.lecun.com/exdb/lenet/
  11. Fedusenko, O.V., Yerukaev A.V. (20016). Application of production rules for the implementation of the genetic algorithm. Science and Education a New Dimension. Natural and Technical Sciences, IV (12), 110, 31 – 34.
  12. Mikhailova, Z.A. (2008). Theories and technologies of mathematical development of preschool children. SPb.: Childhood – Press, 262.
  13. Nosov, E.A., Nepomnyaschaya, R.L. (2007). Logic and mathematics for preschoolers. M.: Childhood-Press, 79.