Содержание к диссертации
Введение
1 Современное состояние проблемы автоматизированного обучения 11
1.1 Анализ эффективности внедрения компьютерных технологий в профессиональное образование 17
1.2 Анализ методов адаптации в ИКОС 27
1.3 Сравнительный анализ методов моделирования систем обучения 44
1.4 Анализ существующих моделей обучаемого 46
Выводы 50
2 Моделирование системы компьютерного обучения 53
2.1 Моделирование знаний в ИКОС 53
2.2 Разработка концептуальной модели интеллектуальной компьютерной обучающей системы 61
2.3 Синтез рекуррентного алгоритма параметрического синтеза математической модели ИКОС 68
2.4 Разработка понятийной модели предметной области 83
Выводы 100
3 Синтез системы управления компьютерным обучением 104
3.1 Разработка методов адаптивного управления системой обучения 104
3.2 Целеполагание в системах управления 113
3.3 Интеллектуализация управления слабо формализованными процессами обучения 121
3.4 Разработка архитектуры ИКОС 137
Выводы 141
4. Разработка интеллектуальной компьютерной обучающей системы 143
4.1 Структура и алгоритмы функционирования ИКОС 143
4.2 Алгоритм взаимодействия преподавателя с ИКОС 146
4.3 Алгоритм взаимодействия обучаемого с ИКОС 153
4.4 Программная реализация ИКОС 160
Выводы 166
Заключение 167
Литература 171
Приложение 1 список принятых сокращений 180
- Сравнительный анализ методов моделирования систем обучения
- Разработка концептуальной модели интеллектуальной компьютерной обучающей системы
- Интеллектуализация управления слабо формализованными процессами обучения
- Алгоритм взаимодействия преподавателя с ИКОС
Введение к работе
Для высшего образования первостепенную актуальность приобретает задача использования возможностей компьютера в моделировании исследовательской и профессиональной деятельности, а также подготовке будущих специалистов. Процесс реформирования образования рассматривается в контексте создания таких педагогических технологий, которые обеспечивали бы переход от формально-дисциплинарного к проблемно-активному методу обучения.
В основе системного подхода к реформированию содержания и методов обучения лежит использование обучающей среды (Learning Environment) в образовательном процессе (работы Б. Л. Агранович, Б. Н. Богатыря, Ю. С. Брановского, Я. А. Ваграменко, Э. Г. Скибицкого, А. В. Хуторского, а также Т. Reeves, С. Resnick, J. Self, J. Underwood и др.).
Информационная обучающая среда, созданная средствами новых информационных технологий, рассматривается как составная часть среды обучения и выступает как «сложное, многоаспектное образование, своеобразная результирующая всех информационно-знаниевых и коммуникационных потоков, на пересечении которых находится человек».
Значение компьютерного обучения возрастает по мере развития информатизации общества, но по своей эффективности оно отстает от индивидуального обучения с учителем. Этот недостаток порождается малым уровнем интеллектуальности систем обучения в плане выработки эффективных стратегий представления учебного материала. Компьютерные обучающие системы (КОС) направлены не на индивидуальные психофизиологические особенности ученика, а на некоторую усредненную личность. В них отсутствуют подсистемы выработки эффективных управлений всем процессом обучения. В существующих программных средах обучения затруднена возможность их частичной или полной интеграции, обеспечивающей преемственность вновь разрабатываемых систем, что ведет к увеличению трудовых и временных затрат на их разработку.
При комплексном проектировании компьютерных обучающих систем количество локальных подзадач может быть весьма значительным, а локальные критерии (точность, быстродействие, стоимость, экономическая эффективность, усвояемость и др.) противоречат друг другу. Таким образом, актуальность данной работы определяется необходимостью повышения эффективности образовательного процесса на основе разработки адаптивных систем управления интеллектуальными компьютерными обучающими системами (ИКОС), что позволяет сблизить эффективность их функционирования с эффективностью процессов индивидуального обучения с учителем.
Цель работы - повышение эффективности управления интеллектуальными компьютерными обучающими системами в слабо формализованных предметных областях путем разработки методов и алгоритмов решения задач ситуационного управления процессом обучения.
Для реализации этой цели необходимо решить следующие задачи:
-на основе анализа научно-методических источников выявить современные концепции построения компьютерных обучающих систем в целом, методы и алгоритмы решения задач управления их работой; определить требования к системам управления интеллектуальными компьютерными обучающими системами со стороны предметной области;
- разработать методы решения задач управления и принятия решений в условиях неопределенности, обеспечивающие повышение эффективности функционирования интеллектуальных компьютерных обучающих систем в слабо формализованных предметных областях;
-разработать алгоритмы решения задач управления и принятия решений по выработке стратегий обучения в условиях конкретной предметной области;
- осуществить программно-алгоритмическую реализацию системы обучения.
Методы исследования. Для решения поставленных в работе задач используются методы теории управления (в частности, ситуационного управления); методы построения и анализа сложных систем, в том числе систем управления, экспертных и интеллектуальных систем; методы формализованного представления знаний; методы математического моделирования; методы дискретной математики (элементы теории множеств, теории графов) и математической логики.
Научная новизна работы состоит в том, что с единых позиций ситуационного подхода сформулирована и решена научно-практическая задача разработки методов и алгоритмов управления компьютерными системами обучения, основанная на функционально-целевом подходе. К наиболее существенным научным результатам, отличным от ранее известных, относятся:
1. Метод принятия решений по обучению на основе семантической модели предметной области, состоящей из учебных разделов, тем и т.д., вплоть до квантов учебной информации, как элементарных порций информации, который позволяет выбирать адаптивную стратегию обучения на основе сопоставления модели предметной области семантическому содержанию знаний конкретного обучаемого.
2. Метод формирования алгоритмов управления обучением, основанный на алгебраическом отображении множества моделей слабо формализованных процессов в пространство состояний, изоморфном лингвистическим продукционным отображениям.
3. Алгоритм решения задачи управления процессом обучения в конкретной предметной области, позволяющий выработать рекуррентную последовательность управляющих воздействий, отличающийся возможностью учета текущей ситуации процесса обучения.
4. Архитектура интеллектуальной компьютерной обучающей системы, отличающаяся наличием двух цепей обратной связи, формируемых за счет наличия общей базы знаний и множеств пользовательских баз знаний, что обеспечивает адаптивную подстройку системы под конкретного пользователя в конкретной предметной области.
Положения, выносимые на защиту:
1. Метод выбора обучающей стратегии на основе сравнения семантической модели предметной области, формируемой из экспертных знаний, с моделью пользователя, как гомоморфного отображения предметной области, что позволяет обеспечить гибкую смену обучающих стратегий в зависимости от изменения ситуации обучения.
2. Метод формирования алгоритмов управления обучением, основанный на алгебраическом представлении множества моделей в пространстве состояний, изоморфных лингвистическим продукционным отображениям.
3. Рекуррентный алгоритм управления процессом обучения, представляющий собой совокупность множества объектов предметной области, отношений между ними и двух алгебраических операций, обеспечивающих последовательное или параллельное выполнение двух элементарных действий по обучению, что позволяет создавать структуру автоматизированной системы обучения, адекватную предметной области.
4. Алгоритмическая и программная реализация интеллектуальной компьютерной обучающей системы, обеспечивающая адаптивную подстройку под конкретного пользователя и позволяющая сблизить эффективность функционирования с эффективностью процессов индивидуального обучения с учителем.
Практическая ценность работы состоит в повышении эффективности процесса обучения за счет адаптивной подстройки под интеллектуальные возможности конкретных пользователей, а также в упрощении процедуры заполнения баз знаний учителями (экспертами).
Реализация и внедрение результатов работы осуществлялись в виде интеллектуальной компьютерной обучающей системы в учебном процессе Пензенского артиллерийского инженерного института, Пензенской техноло гической академии, кафедр КиПРА и ВК ФВО Пензенского государственного университета.
Работа состоит из введения, четырех глав, заключения и приложений.
Во введении формулируются цели и задачи исследования.
В первом разделе проводится анализ особенностей современных методов обработки информации, находящих применение в задачах создания систем автоматизированного обучения, и основные направления их развития. Показано, что основными проблемами развития образовательных технологий являются:
• переход от изучения конкретного знания к освоению методик изучения и овладения конкретным знанием;
• переход от изучения всех законов и закономерностей в данной предметной области к изучению наиболее общих, общесистемных, межотраслевых законов и закономерностей;
• переход от изучения всех применений конкретного знания к решению стоящих задач к изучению общих, наиболее характерных методик применений конкретного знания;
• внедрение интеллектуализированных технологий поддержки образовательного процесса и процесса проектирования;
• переход к открытому образованию, включающему в себя применение единых международных стандартов, включая образовательные, открытых информационных технологий, единых принципов, подходов и методик образования.
Для решения указанных задач необходимы новые более совершенные средства подготовки кадров, усиление интеллектуальной составляющей в компьютерных обучающих системах. Показано, что обучение не может преследовать цель - формирование знаний.
В работе проведен анализ эффективности внедрения компьютерных технологий в профессиональное образование с учетом психологических особенностей человека. В результате экспериментов психологов были получены различные коэффициенты и зависимости, на основе которых были созданы первые модели обучения. Данные модели используются разработчиками систем автоматизированного обучения на последующих этапах развития моделей обучения.
Во втором разделе изучаемую систему обучения представляем как фрагмент среды через некоторую абстрагируемую модель и, естественно, состояние системы, причем состояние меняется, то есть система движется. Изменение состояния системы определяется целью движения, т.е. критерием как мерой удовлетворения поставленных перед системой обучения задач. Согласование движения с целью производится путем организации воздействия на систему, то есть управления. Путь познания движения системы обучения базируется на шести понятиях: модель, состояние, движение, цель, критерий, управления. Назначением процесса управления является обеспечение решения задачи, т.е. максимально эффективного обучения.
Третий раздел посвящен моделированию систем компьютерного обучения. При этом для реализации событийного управления на графе состояний G введено множество предикативных функций Р = {Р{,Р2,...,Pt) . Под предикатом понимается логическая функция / (D) , которая в зависимости от значений данных D принимает значение равное 0 или 1. Дугам графа G соответствуют предикативные функции. Событие, реализующее переход 5,.-»5уна графе состояний G, инициируется, если модель объекта ° на текущем шаге с1 работы алгоритма находится в состоянии и соответствующий предикат (помечающий данный переход) истинен.
В четвертом разделе показано, что стратегия управления обучением оформлена как внешняя база знаний, замена которой позволяет менять поведение системы. Такая организация ИКОС дает возможность вложить в обучающую систему свои знания и представления о методике преподавания. Правила базы знаний определяют последовательность работы системы на основании модели предметной области и модели обучаемого.
Модель предметной области отражает взаимосвязи понятий (тем) предметной области и используется для определения последовательности изучения тем и для получения целостного образа знаний, относящихся к данной предметной области. Реализованная в виде иерархического дерева знаний (графа). Она представляет сложную структуру интегрированных взаимно пересекающихся деревьев. Такая структура позволяет проследить взаимосвязь знаний различных предметных областей и определять оптимальную последовательности изучения тем.
Модель обучаемого включает в себя сведения о цели обучения; о знаниях обучаемого в рамках изучаемого курса (текущее состояние процесса обучения); об особенностях подачи учебных материалов и выбора контрольных заданий и вопросов.
Сравнительный анализ методов моделирования систем обучения
Рассмотрим возможные пути синтеза моделей обучаемого, педагога, знаний и системы обучения в целом. Проектирование учебного курса включает в себя следующие составляющие: определение целей обучения; формирование содержания курса; назначение технологий преподавания и освоения содержания; назначение технологий контроля (включая технологии самоконтроля) усвоения обучающимися учебного материала. Неправильно спроектированный курс не сможет обеспечить должное качество учебного процесса при самой блестящей его реализации. При моделировании процесса обучения следует, на наш взгляд, подразделить модель обучаемого на следующие иерархические уровни: модель специалиста, модель выпускника вуза и модель выпускника курса [33]. Модель специалиста представляет собой: перечень умений специалиста как элементов его профессиональной деятельности, структурированных до уровня отдельных операций; перечень элементов знаний, т.е. модулей информации, которую специалист должен помнить, понимать и уметь преобразовывать для реализации профессиональных умений; перечень и характеристику личностных, в том числе моральных качеств, которыми должен обладать специалист для успешной профессиональной деятельности. На основе модели специалиста формируется модель выпускника вуза, представляющая собой совокупность умений и поддерживающих их знаний, которые должны быть сформированы у обучающихся в результате освоения ими конкретной образовательной программы в вузе. Модель выпускника вуза отличается от модели специалиста меньшим составом умений, знаний и личных качеств, поскольку часть их формируется у специалиста непосредственно в ходе профессиональной деятельности, а также иным уровнем их сформированности. Для обеспечения диагностично-сти степени достижения целей обучения модель выпускника вуза должна содержать цели как количественно определенные уровни сформированности умений и знаний.
На основе модели выпускника вуза должны формироваться содержание и технология изучения образовательной программы. Модель выпускника вуза декомпозируется на модели выпускников отдельных учебных курсов (обучающихся, завершивших обучение по данной учебной дисциплине). Модель выпускника учебного курса представляет собой: перечень умений, структурированных до уровня отдельных операций, с указанием уровней их сформированности; перечень элементов знаний, необходимых для реализации умений, с указанием уровней их сформированности; перечень и характеристику личностных, в том числе моральных качеств, которыми должен обладать выпускник курса для успешной реализации профессиональных умений и успешного продолжения обучения. Модель выпускника курса отличается от моделей специалиста и выпускника вуза меньшим набором умений, знаний и личных качеств, а также тем, что часть перечисленных характеристик может непосредственно не использоваться в профессиональной деятельности специалиста, но необходима выпускнику курса для успешного продолжения процесса обучения (в том числе возможности освоения знаний, являющихся логическими последователями знаний, сформированных у обучающегося в результате изучения им данного курса). На основе модели выпускника курса назначаются технологии обучения соответствующим дисциплинам, включая и типы средств контроля достигаемых в ходе и достигнутых в результате обучения уровней сформированное знаний и умений. Изложенный системный подход позволяет оптимизировать образовательную программу, исключив необоснованное дублирование и нарушение логической взаимосвязи содержания составляющих ее дисциплин, а также судить о достигнутом качестве обучения как о количественно выражаемой степени приближения результатов обучения к эталонам, заданным моделями выпускника вуза и выпускника учебного курса по каждой изученной дисциплине. Другой, не менее сложной задачей, является создание моделей обучаемого. Рассмотрим оценку возможностей различных существующих типологий. Модель обучаемого должна служить для оперативного определения средств воздействия на эффективность процесса усвоения знаний, а в общем виде - и процесса формирований личности. Эта модель используется в ЭВМ в качестве первого компонента. Создание модели педагога (решения проблем исследования обучающих стратегий педагога) является вторым компонентом.
В модели обучаемого должны быть представлены данные, используемые блоком обучения для выбора оптимальной обучающей стратегии с учетом индивидуальных особенностей пользователя. Модель должна отражать текущий уровень знаний, содержать информацию о количестве и типах допущенных ошибок, включать в соответствующей форме протокол процесса обучения. Простейшие модели обучаемого в КОС с элементами искусственного интеллекта представлены разметкой базы знаний системы вида «известно-неизвестно». Начальная разметка создается исходя из некоторых предположений об уровне знании обучаемого и корректируется в процессе его работы в КОС. Модели такого типа называются оверлейными. По результатам наблюдений за игрой, система строит предположение о том, какой прием игры пользователю неизвестен и поясняет его применение. Наличие связанного с моделью блока обучения позволяет демонстрировать прием в той ситуации, где его использование дает наибольший выигрыш, а также генерировать ситуации для закрепления соответствующего приема.
В других системах [16] исходя из предположения о том, что ошибка есть результат правильного выполнения неправильного действия (процедуры), работу пользователя можно характеризовать ошибочными действиями. Разработан каталог ошибок при выполнении элементарных операций. Одна из систем предназначена для имитации действий обучаемого: пользователь— преподаватель должен распознать причину ошибки при выполнении арифметических действий. ИКОС случайным образом выбирает ошибки и систематически допускает их при выполнении заданий, предлагаемых пользователю. Другая система предназначена для автоматического процесса диагностирования ошибок, при неправильном ответе она подбирает комбинацию «элементарных ошибок», которые, будучи включены в процедуру решения, дадут тот же результат.
Разработка концептуальной модели интеллектуальной компьютерной обучающей системы
В качестве методологической основы для представления алгоритмов в работе ИКОС используется модель объекта с дискретными состояниями. Основу такой модели составляет идея, что для любого субъекта обучения тем или иным способом можно выделить конечное число состояний, в которых он может пребывать в каждый момент времени. Тогда развитие процесса обучения связано с переходами объекта из одного состояния в другое. В математике такая концепция в качестве способа абстрагирования плодотворно используется достаточно давно: марковские цепи, теория массового обслуживания, теория формальных грамматик и автоматов и т.д.
Работа по созданию ИКОС основана на технологии графосимвольно-го программирования (ГСП), как наиболее подходящей для реализации событийного программирования. Для уточнения понятия состояния, используемого в работе, определимся с принятой в технологии графосимволического программирования [26] концепцией модели алгоритма. Будем выделять следующие три основных типа универсальных алгоритмических моделей:
Первый - связывает понятие алгоритма с наиболее традиционными понятиями математики - вычислениями и числовыми функциями. Наиболее известная и изученная модель такого типа -рекурсивные функции. Второй - основан на представлении об алгоритме как о некотором детерминированном устройстве, способном выполнять в каждый отдельный момент лишь примитивные операции. Одним из многочисленных представителей этого типа является машина Тьюринга.
Третий - тип алгоритмических моделей - это преобразование слов в произвольных алфавитах, в которых элементарными операциями являются подстановки. Среди моделей этого типа наиболее известны канонические системы Поста, нормальные алгорифмы Маркова и т.д. Для технологии графосимволического программирования наиболее подходит первый тип формализации понятия алгоритма, когда произвольная программа интерпретируется некоторой вычислимой функцией где in(D) - множество входных данных программного модуля A, out(D) -множество выходных (вычисляемых) данных программного модуля А.
Определим граф состояний G как ориентированный помеченный граф, вершины которого - суть состояния, а дугами отмечаются переходы системы из одного состояния в другое. Каждая вершина графа помечается соответствующей локальной вычислимой функцией fk. Одна из вершин графа, соответствующая начальному состоянию, объявляется начальной вершиной и, таким образом, граф оказывается инициальным. Дуги графа проще всего интерпретировать как события. С позиций данной работы событие -это изменение состояния объекта О , которое влияет на развитие процесса обучения.
На каждом конкретном шаге работы алгоритма в случае возникновения коллизии, когда из одной вершины исходят несколько дуг, соответствующее событие определяет дальнейшей ход развития вычислительного процесса алгоритма. Активизация того или иного события так или иначе зависит от состояния объекта, которое в свою очередь определяется достигнутой конкретизацией структур данных D объекта О.
Для реализации событийного управления на графе состояний G введем множество предикативных функций P={P],P2l ...,Pi). Под предикатом будем понимать логическую функцию Pj(D), которая в зависимости от значе ний данных D принимает значение равное 0 или 1. Дугам графа G поставим в соответствие предикативные функции. Событие, реализующее переход St -» Sj на графе состояний G, инициируется, если модель объекта О на текущем шаге работы алгоритма находится в состоянии S, и соответствующий предикат Sy(D) (помечающий данный переход) истинен.
В общем случае предложенная концепция (без принятия дополнительных соглашений) допускает одновременное наступление нескольких событий, в том случае когда несколько предикатов, помечающих дуги (исходящих из одной вершины), приняли значение истинности. Возникает вопрос: на какое из наступивших событий объект программирования должен отреагировать в первую очередь?
Традиционное решение этой проблемы связано с использованием механизма приоритетов. В связи с чем все дуги, исходящие из одной вершины, помечаются различными натуральными числами, определяющие их приоритеты.
Определим универсальную алгоритмическую модель технологии графосимволического программирования четверкой Д 3, Р, G , где D -множество данных (ансамбль структур данных) некоторой предметной области (для конкретного объекта программирования О структуры его данных DeD ); 3- множество вычислимых функций некоторой предметной области; Р - множество предикатов, действующих над структурами данных предметной области D; G - граф состояний объекта О.
Таким образом, в технологии графосимволического программирования в качестве универсальной алгоритмической модели предлагается использовать абстрактную модель Д З, Р, G , основанную на графе состояний. Граф в данном случае заменяет текстовую (вербальную) форму описания алгоритма программы, при этом: 1) Реализуется главная цель - представление алгоритма в визуальной (графосимволической) форме. 2) Происходит декомпозиционное расслоение основных компонент описания алгоритма программного продукта. Так структура алгоритма представляется графом G, элементы управления собраны во множестве предикатов Р и, как правило, значимы не только для объекта О, но и для всей предметной области. Спецификация структур данных, а также установка межмодульного информационного интерфейса по данным «пространственно» отделена от описания структуры алгоритма и элементов управления. Предложенная алгоритмическая модель Д 3, Р, G , в конечном счете, описывает некоторую вычислимую функцию /G(D) И В ЭТОМ смысле может служить «исходным материалом» для построения алгоритмических моделей других программ. Последнее означает, что технология ГСП допускает построение иерархических алгоритмических моделей. Уровень вложенности граф-моделей в ГСП не ограничен. Структура алгоритмической модели Д 3, Р, G во многом зависит от выбранного способа декомпозиционного расслоения объекта обучения на множество состояний S и множество событий, определяемых предикативными функциями Р. В каждой конкретной предметной области эта задача решается индивидуально и, как правило, не вызывает затруднений.
Интеллектуализация управления слабо формализованными процессами обучения
Развитие теории управления происходит в направлении исследования разных сфер человеческой деятельности - от устройств автоматики до систем управления общественными, социальными, экономическими и другими сложными динамическими объектами [1]. Неизменным остается набор исследуемых характеристик. Это объект, устройство, цель и критерии качества управления.
Значительный прогресс в области математических методов, появление новых математических моделей, широкое внедрение компьютерных технологий, позволило существенно расширить классы исследуемых систем управления. Одним из революционных этапов можно назвать вовлечение в теорию управления моделей и методов искусственного интеллекта (ИИ) и инженерии знаний [48,49].
Исследование свойств естественного интеллекта обусловило формулировку принципов организации интеллектуальных компьютерных обучающих систем [50]: 1. Наличие взаимодействия управляющих систем с реальным внешним миром с использованием информационных каналов связи; 2. Открытость систем с целью повышения интеллектуальности и совершенствования собственного поведения; 3. Наличие механизмов прогноза изменений внешнего мира и собственного поведения системы в динамически меняющемся внешнем мире; 4. Наличие у управляющей системы многоуровневой иерархической структуры, построенной в соответствии с правилом: повышение интеллектуальности и снижение требований к точности моделей по мере повышения ранга иерархии в системе; 5. Сохраняемость функционирования (возможно, с некоторой потерей качества или эффективности) при разрыве связей или потере управляющих воздействий от высших уровней иерархии управляющей структуры.
Развитие методов интеллектуального управления СФП основано на привлечении различного рода моделей, отражающих реальные процессы с требуемой в исследованиях точностью. Очевидно, что данные модели должны быть приспособлены к естественному языку для лица, принимающего решения (ЛПР), а также иметь возможность моделировать субъективные методы преобразования информации в СФП. На рисунке 3.7 представлена обобщенная модель систем управления СФП.
Здесь X - внутреннее состояние объекта управления, Y - выходные параметры, Ws, Wo - возмущающие воздействия системы управления и объекта, G - целевые воздействия, U- управляющие воздействия, J- показатели качества, Т - возможный учет времени, ИСУ - интеллектуальная система управления.
Управление СФП предполагает решение двух взаимосвязанных задач - задачи анализа СФП с целью построения его модели, и задачу синтеза системы управления (СУ). Поскольку СФП является динамическим процессом, то модели СФП и СУ должны отражать динамическое поведение. Ввиду того, что классы исследуемых в ИКОС задач управления относятся, как правило, к дискретным процессам, определим задачи анализа СФП и синтеза СУ в дискретном представлении.
Преимущества использования нечетких множеств в моделировании СФП заключается в их простоте и общности [51, 52]. С помощью нечеткого представления довольно несложно описать переходы в пространстве состоя ний, исходя из желаемых свойств функционирования системы. Следует подчеркнуть существенную разницу между классическими методами приближенного анализа сложных систем и подходом, основанным на использовании более абстрактных моделей, к которым можно отнести и модели, основанные на нечетком представлении. В первом случае для упрощения используется та же самая математическая структура, что и сложной модели, а упрощение достигается за счет отбрасывания той части модели, которая признается наименее важной. При втором подходе происходит переход к использованию других математических структур, которые более абстрактны, но, тем не менее, позволяют рассматривать систему в целом, но на менее детализированном уровне. Упрощение в последнем случае достигается за счет отказа от несущественных деталей, а не за счет желания уменьшить количество исследуемых переменных.
Нечеткие модели являются мостом между двумя подходами - количественным и качественным моделированием, и являются наиболее приемлемыми для описания СФП. С помощью нечетких логических систем имеется возможность имитации мыслительных способностей человека при описании управления процессами, используя сравнительно небольшое количество правил.
В настоящее время наибольший прогресс в проектировании ИКОС достигнут для систем со свойством «интеллектуальности в малом». Это означает, что управляющие системы, структурно не организованные в соответствии с приведенными выше принципами ИКОС, используют при своем функционировании знания (например, в виде правил) как средство преодоления неопределенности входной информации, модели управляемого объекта или его поведения. Известные направления в данном классе ИКОС - нечеткие регуляторы и нейронные сети. Выбор нечетких дифференциальных или разностных уравнений очевиден ввиду их наибольшего соответствия ИКОС «в малом». При этом использование нечетких моделей обеспечивает относительно простой способ управления сложными системами, которые обладают существенным нелинейным поведением. Обычно, нечеткие правила, из которых состоит нечеткий контроллер, представляют собой знания или опыт педагога. На рисунке 3.8 представлена общая схема нечеткого регулятора.
Алгоритм взаимодействия преподавателя с ИКОС
Функция преподавателя, при работе ИКОС, состоит: - в обеспечении содержания электронного курса учебным материалом; - заполнении последовательности программных форм массива вопросов для создания ИКОС гибкой системы тестов, позволяющей наиболее полно выявить слабые и сильные стороны обучаемого; - задании требуемого уровня усвоения материала по каждому из разделов предмета и по предмету в целом. Для этого в ЖОС предусмотрена режим накопления знаний, структура которого представлена на рисунке 4.3. В ходе работы, от преподавателя требуется заполнение всех баз данных знаний УМ. Алгоритм, обеспечивающий возможность включать в базу знаний новые предметы, создавать информационную систему (электронную библиоте ку), надежно сохраняющую и эффективно использующую разнообразные массивы электронных документов (тексты, видео, аудио информация, статичные изображения), локализованных в самой системе, представлен на рисунке 4.4. Алгоритм взаимодействия педагога с ИКОС Работа с программой начинается с анализа содержимого имеющихся баз данных знаний УМ (блок 2). Их обзор показывает педагогу структуру предметной области, позволяя вводить новую УИ, гармонично встраивая ее в уже имеющуюся сложную систему взаимно пересекающихся иерархических деревьев. Ввод УИ (блоки 3-6) продолжается до тех пор, пока не будут заполнены все разделы курса. Текстовая УИ вводится с использованием текстового процессора Microsoft Word 2003 (рис. 4.5). Использование этого текстового процессора обусловлено его широкой популярностью в среде компьютер ных пользователей. Возможность предоставления УИ не только в текстовом, но и графическом виде, делает его применение актуальным. Текстовая УИ вводится с использованием текстового процессора Microsoft Word 2003 (рис. 4.5). Использование этого текстового процессора обусловлено его широкой популярностью в среде компьютерных пользователей.
Возможность предоставления УИ не только в текстовом, но и графическом виде, делает его применение актуальным. Рис. 4.5 Обработка учебного материала в Microsoft Word 2003 Добавление аудио и видео фрагментов УИ в БД УМ происходит указанием пути к этим файлам, с помощью кнопки "добавить" на панели мультимедиа информации (рис. 4.6). связей, что дает обучаемому возможность получения целостного образа знаний, относящихся к данной предметной области Ввод вопросов (рис. 4.7) осуществляется блоком 8. В блоке 7 происходит формирование дерева знаний, оно подразумевает создание совокупности понятий (тем) предметной области и их взаимосвязей, что дает обучаемому возможность получения целостного образа знаний, относящихся к данной предметной области Ввод вопросов (рис. 4.7) осуществляется блоком 8. -задание должно быть настолько просто, насколько это возможно для его точного понимания. Нежелательно, чтобы на результаты оказывали влияние уровень словарного запаса испытуемого или его общие способности. В формулировках вопроса не следует использовать отрицание, а также такие слова, как «все», «каждый», «всегда», «никогда», «иногда», «часто», которые обычно содержат двусмысленность или противоречие. -все дистракторы (неверные варианты ответа) должны быть такими, чтобы привлечь внимание отвечающего. Чем больше будет неэффективных дистракторов, тем проще становится сам тест. -ответ на один вопрос не должен давать ключа к остальным (т.е. не рекомендуется использовать одни и те же варианты ответов в различных заданиях, если они могут навести отвечающего на правильный ответ). -следует избегать тестирование тривиального ввиду простоты его обнаружения. -следует иметь в виду, что систематическое использование большого количества вариантов ответа утомляет тестируемого и к тому же усложняет задачу разработчика тестовых заданий. Согласно классической теории тестирования в закрытом задании должен быть только один правильный ответ.
Однако при компьютерном тестировании допускается такая формулировка задания, когда необходимо отметить несколько вариантов ответа. Здесь необходимо только, чтобы правильным решением считалось именно конкретная комбинация вариантов ответов. Недопустимо наличие в вариантах ответа двух и более ответов, которые могут быть признаны исчерпывающе правильными в отдельности. Недопустима также такая формулировка задания, когда все варианты ответов правильны или наоборот, когда все варианты ответов неправильны. В завершении программа предлагает ввести еще один учебный курс, либо сохранить введенную УМ курса (блок 9). Эффективная организация электронного учебного курса достигается за счет реализации программной универсальной оболочки, позволяющей создавать электронный учебник, содержащий текстовую, графическую, аудио и видео информацию. Таким образом, создается иерархическая структура курса, позволяющая выработать алгоритмы управления, обеспечивающие повышение эффективности функционирования всей системы.
