Функциональная архитектура платформы представляет собой три модуля: модуль дистанционного обучения, LMS-модуль и ERP-модуль.

В основе базовой технологии модуля дистанционного обучения лежит концепция адаптивного обучения, в рамках которой образовательная траектория строится непосредственно в процессе обучения при помощи методов machine learning.

Технология построения процесса обучения не требует составления предписанных деревьев решений от авторов курса, а использует максимум информации о том, как студент изучает материал и как этот материал изучали до него. Адаптивный подход на платформе реализуется на базе рекомендательной системы, которая использует в свою очередь методики Item Response Theory для предложения пользователю наиболее адекватных заданий, соответствующих текущему уровню знаний пользователя, при этом сокращая число неинформативных данных и вопросов для данного пользователя.

Мы используем прозрачные финальные метрики оценки уровня освоения материала (основная метрика — вероятность сдачи экзамена на сертификат с первого раза). У пользователей появляется возможность самоконтроля знаний и понимания достаточности имеющихся знаний для прохождения экзамена на профессиональное соответствие.

Самоподготовку и самоконтроль знаний в нашем случае предполагается осуществлять методом подачи материала не в виде лекционных курсов, а в виде тестовых заданий с указанием на верный ответ и ссылками на соответствующую профессиональную литературу.

Все курсы, размещенные на платформе, проходят проверку качества высшими регулирующими органами.

LMS-модуль представляет собой систему для организации процесса подготовки к экзамену. Функционал модуля берет на себя задачи по организации обучения. В частности, модуль подготавливает аналитические отчеты о процессах подготовки сотрудников, помогает составлять расписания занятий самостоятельной подготовки в виде pop-up уведомлений на мобильных устройства с набором вопросов, дайджестов по материалам обучения, инфографика и т.д.

ERP-модуль является инструментом финансового менеджмента платформы. Система управления денежными потоками на платформе включает в себя учет поступлений средств, учет списаний средств, подготовку актов выполненных работ, взаиморасчеты.

С точки зрения интерфейса, доступ к платформе осуществляется как через портал, так и через мобильное приложения пользователей.

На платформе предусмотрены несколько типов пользователей: пользователи-студенты, пользователи-менеджеры образовательных программ, пользователи-авторы.

Пользователи-студенты представляют собой пользователей, заинтересованных в прохождении обучения для получения набора знаний, необходимых для сдачи экзаменов на сертификат.

Пользователи-менеджеры получают личный кабинет на портале для реализации корпоративной программы обучения в компании. В личном кабинете отражаются детали оплаченных образовательных продуктов (число курсов, как активных, так и архивных, число пользователей на каждом курсе, детализация активности пользователя по прохождению обучения).

Пользователи-авторы могут создавать свои курсы для подготовки к экзаменам на получение сертификата, не представленного на платформе. Авторы наполняют контентом разрабатываемые курсы в рамках фреймворка платформы и в результате получают сформированную систему подготовки к экзамену на базе технологий адаптивного обучения.

После того как пользователь регистрируется на платформе, он выбирает направление, по которому будет происходить подготовка к сдаче на сертификат соответствия. После этого пользователю предлагается пройти ассессмент тестирование. Этот шаг необходим для того, чтобы решить задачу холодного старта.

Результаты прохождения ассессмент теста позволяют нам сделать первичный скоринг и перейти к процессу подготовки к экзамену. В процессе обучения на платформе, предложенной в проекте, пользователь оставляет большое количество различных логов. Помимо данных о его прогрессе в обучении сохраняются также сведения о том, как пользователь потребляет контент, как часто он переходит по ссылкам, которые дополняют материал платформы, насколько тщательно он изучает дайджесты на основе контента, необходимого для сдачи экзамена, когда и как часто пытается решать задачи и с каким результатом, и даже как он смотрел образовательные видео, которые сопровождают часть контента.

Учебные материалы или учебные курсы, предназначенные для подготовки к сдаче на сертификат соответствия, обычно имеют иерархическую структуру, и адаптивность может быть внедрена на разных уровнях этой иерархии. Основной строительный блок иерархии в нашей системе представляет собой тестовое задание.

Каждое тестовое задание сопровождается различным контентом как внутренним, разработанным специально для курса на нашей платформе, так и внешним — ссылки на профессиональную литературу, обучающее видео, инфографику и другие мультимедийные ресурсы.

Тестовые задания бывают нескольких типов: основные и промежуточные. Набор основных заданий по сути и представляет собой полный курс подготовки к сдаче на сертификат соответствия. И процент правильных ответов на данные задания представляет главную метрику эффективности прохождения курса.

Набор же дополнительных заданий позволяет адаптировать динамику обучения. Для того, чтобы узнать как пользователи изучают контент, какие ошибки они допускают при ответах на вопросы, какие материалы изучают тщательно, а какие пропускают, на какие возвращаются, в каком порядке их смотрят мы используем для этого граф переходов (process map).

Ориентированный граф, в котором вершинами будут единицы контента, которые соответствуют какому-то определенному вопросу (базовому или дополнительному), ребра отражают базовую иерархию курса, а веса ребер будут показывать метрики перехода между этими единицами контента.

У каждого пользовательского действия в логе есть временна́я метка. Действия также бывают разных типов, например, «открыл шаг», «решил квиз», «допустил ошибку»или «оставил комментарий». Нас интересуют действия пользователей по отношению к шагам, которые затем легко обобщить на курс в целом.

Для того, чтобы сгенерировать рекомендацию по изучению курса, т.е. фактически предложить иерархическую единицу (тестовое задание), а также действия, связанные с этой иерархической единицей (изучить инфографику, посмотреть видео и прорешать квиз на основе контента), мы используем несколько функций, каждая из которых реализует свой способ рекомендации.

Среди таких функций-рекомендаций могут быть функция, которая обеспечивает повторение материала, функция выдачи нового контента, функция незаконченного урока, функция-дайджест, функция-квиз и т.д.

После того, как несколько функций сформировали вектор выдачи контента мы оцениваем результат этой выдачи как на основе пользовательского поведения, так и на основе результатов прохождения тестов. Основные метрики для оценки качества адаптивных рекомендаций — это, во-первых, доля решенных заданий от числа рекомендованных, и во-вторых, разница между предсказанным результатом решения и реальным.

В зависимости от результатов этой оценки рекомендация получает коэффициент полезности. Механизм выдачи рекомендации происходит следующим образом, если на основе кластеризации пользователей удалось найти близкого “соседа” с полезным списком рекомендаций, то пользователь получает выдачу контента на основе этого списка.

Если же оказалось, что все ближайшие “соседи” недостаточно близко, то пользователь получает рекомендацию на основе регрессионных моделей. Такое разделение выдачи рекомендаций позволяет нам достичь глубокой адаптивности обучения даже для тех случаев, когда логи прохождения того или иного курса, или элемента курса, еще не сформированы. Например, при добавлении нового курса, или обновлении контента.

Для того чтобы курс подготовки к сдаче на сертификат соответствия попал на платформу, необходимо подготовить его в специально разработанном фреймворке, который включает в себя наполнение базы данных иерархическими единицами (базовыми и промежуточными вопросами), создание внутреннего образовательного контента, соответствующего иерархическим единицам, добавление внешних источников. Д

Добавление курса на платформу в разрабатываемом фреймворке позволяет использовать систему выдачи рекомендаций наиболее эффективно.

Разрабатываемый фреймворк основывается на множестве определенных и хорошо апробированных моделей и процессов. Определенный формат данных об учебном курсе в системах адаптивного обучения необходим для представления знаний о предметной области и для моделирования поведения студентов в процессе обучения.

Эту информацию можно разделить на три основные модели: модель предметной области, модель студента (или группы студентов) и модель адаптации.

Модель предметной области содержит информацию об изучаемом предмете и используется для поддержки адаптивного изучения курса. Модель предметной области выступает в качестве хранилища данных, которое содержит название разделов, тем, их содержание и навигационные ссылки, связанные со структурой представленных данных. Модель предметной области может также содержать информацию о студентах, имеющую непосредственное отношение к их учебной деятельности (например, необходимое время работы с мультимедийным контентом, допустимое время ответа на вопрос и т.д.)

Модель предметной области состоит из двух основных частей: содержания курса и системы предоставления знаний. Последняя должна быть в состоянии поддерживать любое содержание курса, а также легко адаптироваться к новым требованиям, которые могут быть предъявлены к содержанию курса.

Крайне важным аспектом модели предметной области является взаимосвязь между элементами курса и базовой навигацией по иерархическим единицам, которая и позволяет реализовать идею адаптации при изучении материала. Зачастую это информация уже проработана в промышленных стандартах. Грамотно разработанный курс имплементирует эту базовую навигацию при подаче контента.

Платформа же в свою очередь осуществляет надстройку механизмами рекомендательных систем на базе машинного обучения. Именно поэтому у автора курса нет необходимости прописывать все допустимые сценарии прохождения, а лишь обозначить базовые взаимосвязи иерархических единиц следуя фреймворку.

Модель предметной области предназначена для разработки структуры взаимосвязей между отдельными элементами курса и переходов между ними с учетом способностей и потребностей пользователей. Структура этих взаимосвязей должна обеспечивать возможность студентам перехода на требуемый элемент курса в рамках адаптивного обучения.

Платформа находится в процессе непрерывного развития.