CC BY
91
УДК 004.94
И.В. Вешнева АРХИТЕКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ МОНИТОРИНГА ПРОЦЕССА ФОРМИРОВАНИЯ КОМПЕТЕНЦИЙ СТУДЕНТОВ ВУЗА
Представлено краткое описание архитектуры интеллектуальной системы мониторинга процесса формирования компетенций студентов вуза с использованием метода комплексно-значных статусных функций. Описаны возможные аспекты интеллектуализации системы мониторинга.
Нечеткие множества, статусные функции, компетенции, качество, качество образования, информационная система мониторинга, интеллектуальная информационная система
I.V. Veshneva
THE INTELLECTUAL MONITORING SYSTEM ARCHITECTURE OF UNIVERSITY STUDENTS COMPETENCES FORMATION PROCESS
The brief description of intellectual monitoring system of university students competences formation process with the use of the complex-valued status function method is suggested. Possible aspects of monitoring system intellectualization are described.
Fuzzy sets, status functions, competence, quality, quality of education, information monitoring system, intellectual information system
Введение
Федеральный закон «Об информации, информационных технологиях и о защите информации» определяет информационную систему (ИС) как «совокупность содержащейся в базе данных (БД) информации и обеспечивающих ее обработку информационных технологий (ИТ) и технических средств» [1]. Данное определение является достаточно широким, но подчеркивает базовую роль накопленных в ИС данных. Представление данных может быть условно разделено на два основных типа: фактуальное и операционное. Первое широко используется в фактографических ИС и обуславливает их главные недостатки, такие как слабая адаптируемость к информационным потребностям пользователя, а также невозможность решать плохо формализуемые задачи. Операционное представление данных включает общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них новую информацию. Такое представление данных лежит в основе возможностей интеллектуализации ИС, возможное по следующим направлениям:
- развитие интеллектуальных коммуникативных возможностей ИС, включающих средства приближения к естественному языку (ЕЯ);
- адаптация к решению сложных, слабо формализуемых задач, подразумевающих способность структурировать операционное представление данных, которые в этом случае характеризуются не только количественным, но и качественным отображением.
- формирование способностей к самообучению и развитию, как, например, системы, основанные на прецедентах.
Введенные в [1] статусные функции (СФ) являются операционным представлением данных, которое может быть положено в основу создания интеллектуальных ИС (ИИС) по всем трем перечисленным аспектам. Во-первых, лингвистический ввод и вывод подразумевает возможности приближения к ЕЯ и проведение лингвистического моделирования процесса формирования компетенций. Во-вторых, включение латентной характеристики обучаемого в виде мнимой части СФ дает большие возможности для понимания и моделирования качественной природы мониторинга процесса формирования профессиональных и общекультурных компетенций. В-третьих, в основу идеи формирования СФ заложены данные, полученные в результате некоторого прецедента. Система включает также возможности формирования внутренних прецедентов, в которых может быть принято решение об изменении самого способа представления данных.
Решение задачи синтеза архитектуры интеллектуальной системы мониторинга процесса формирования профессиональных и общекультурных компетенций студентов вузов, требует использования большого числа оцениваемых характеристик и оценок. При этом возникает необходимость введения полей оценок, подобных социально-психологическим моделям типа Томаса-Килмена [1]. В результате такого представления данных формируются сигналы, несущие большую информацию о сложном социальном объекте [2, 3]. Для их обработки могут быть использованы современные алгоритмы обработки сигналов, основанные на применении ортогональных преобразований (быстрые преобразования Фурье, Хартли, Уолша, Адамара, Карунена-Лова и др.
Система мониторинга и аспекты интеллектуализации
Для учебного процесса формируются списки компетенций, которые являются перекрестными, как в рамках одной дисциплины, так и междисциплинарном контексте. Оценки по перекрестным компетенциям, полученные в рамках изучения одной дисциплины, влияют на оценки по определенной компетенции, оценивание которой происходит при изучении другой дисциплины. Наборы компетенций могут быть оценены не только преподавателем (экспертом, руководителем практики и т.п.), но и самим участником процесса обучения (студентом, учеником, практикантом), а также сторонними заинтересованными участниками. Эти группы оценок задают измерения в пространстве состояний исследуемого субъекта. Оценка измеряемых путем тестов общих знаний, соответствующих данной компетенции и личностной (мотивационной части) позволяет сформировать комплексно-значную статусную функцию, описывающую состояние исследуемого субъекта.
Данные вводятся в систему через специальный интерфейс информационной технологии сбора данных, где на основе имеющейся базы моделей наборов элементарных статусных функций формируются статусные функции для проведения оценки текущего состояния.
В вычислительном блоке экспертной части интеллектуальной системы проводится вычисление характеристик модели объекта. Использование комплексно-значных статусных функций, положенных в основу предлагаемого метода, позволяет проводить исследование как с применением классических алгоритмов теории нечетких множеств, так и на основе исследования пространственно-временной динамики модели. В первом случае вычисляется квадрат модуля амплитуды статусной функции, при этом полученная плотность вероятности статусной функции используется как обычная функция принадлежности, применяемая для решения управленческих задач на основе теории нечетких множеств. В этом случае возможно тонкая настройка системы по направлениям:
- коррекция весовых коэффициентов элементарных статусных функций, по которым проводится оценка отдельных компетенций;
- коррекция продукционных правил, предлагаемых лицу, принимающему решения при мониторинге процесса обучения;
- возможности пересмотра способов группировки групп компетенций и систематизации входных данных.
Во втором случае возможно проведение интеллектуализации системы по нетривиальным направлениям:
- трансформация базы моделей (на основе вычисления пространственно-временных корреляций в форме мод Карунена-Лова (КЛ)) и переключения ИС на использование данных мод в качестве функций принадлежности;
- исследование временной динамики объекта на основе уравнения непрерывности и формирования системы уравнений, подобных модели мировой динамики Форрестера, но на базе комплексно-значных статусных функций, позволяющих углубить анализ;
- формирование уравнений в частных производных и их анализ с помощью методов нелинейной динамики;
- анализ пространственно-распределенных структур с помощью теории особенностей Уитни.
Экспертный блок состоит из следующих модулей:
1. Интерфейс пользователя, в котором используется меню, естественный язык или любые другие методы взаимодействия. На данном этапе предполагается, что используется система диалоговых окон, с лингвистическими вопросами и широко используются возможности предкоординируемых систем. При наличии соответствующего права доступа к системе (рисунок 6.1) возможно расширение ее возможностей. Все участники системы образования получают право доступа к системе для внесения описания новых прецедентов и выставления оценок по наборам компетенций, выбранным из списка ранее зарегистрированных в системе. Преподаватели, выступающие в роли экспертов, получают право доступа к системе на уровне формирования списков компетенций и их семантической сети. Кроме того, преподаватели участвуют в способах формирования амплитудной и фазовой части СФ.
2. ИТ сбора и хранения данных (анкеты, тесты, наборы оцениваемых компетенций, фреймы оценок). Кроме непосредственных оценок и описаний в системе хранятся возможные наборы компетенций, используемые при их оценивании тесты, а также допускается возможность ввода новых наборов и тестов.
3. Систематизатор данных содержит первичные данные, полученные от пользователя и специфические данные, включающие данные промежуточных вычислений и логические заключения на основе промежуточных данных.
4. База моделей (рисунок 6.2) содержит возможные наборы ортонормированных знакопеременных амплитудных частей СФ, наборы возможных оценок по латентной части оценки - мотивации, личностных характеристиках и т.п. В БМ проводится формирование элементарных СФ для выбранной используемой схемы оценки. Возможные уровни оценки, включенные в БМ описаны в главе 3. действительная измеряемая в реальных прецедентах амплитудная часть СФ может быть основана на следующих лингвистических наборах оценки проявленной компетенции: 1) 3 уровня {низкий, средний, высокий}; 2) 4 уровня {плохо, посредственно, хорошо, отлично}; 3) 5 уровней {познавательный, практический, репродуктивный, продуктивный, исследовательский}; 4) 6 уровней { формирование знания, формирование понимания, способность применения, способность осуществлять анализ, способность осуществлять синтез, способность оценивать}; 5) 7 уровней {стереотипное повторение, устойчивые навыки, самостоятельные умения, стандартизированная деятельность, способность структурировать новые знания, формированы системные знания и возможность работы со знаниями, созидательный уровень постановки новых исследовательских задач}.
Соответствующие установленному пользователем в результате диалога с ИС количеству используемых оценок уровней определяется базовый набор элементарных СФ используемых для составления СФ.
Если формируется многомерная оценка состояния компетенций субъекта, то для них формируется дополнительные наборы оценок по другой базовой координате и в результате импликации получается двумерное поле оценок. Многомерные оценки предполагается собирать по следующим возможным измерениям самооценка ^ оценка эксперта (преподавателя, ответственного за данный набор компетенций), следует отметить что эти оценки могут быть использованы как при образовании 2Э выводов, оценивающих состояние отношений обучающийся ^ обучающий, так и при Ш выводах вносить вклад в общий набор оценок. В этом отношении особенно интересной следует считать возможность внесения с ИС оценок независимыми сторонними наблюдателями при создании полей оценок типа самооценка ^ оценка окружения и оценка эксперта ^ оценка окружения. Часто проявление декларативного типа поведения выражается в умении выглядеть в определенных ситуациях так, как этого ожидают. При этом в свободной обстановке человек проявляет низкий уровень коммуникативных и общекультурных компетенций, являющихся определенным гарантом своевременного проявления профессиональных компетенций. Если подобные прецеденты отмечаются окружающими то, во-первых, они должны иметь доступ к системе и вносить в нее описание прецедента и оценки проявленных компетенций, во-вторых, эти отметки должны вносить вклад в результирующие лингвистические формулировки оценок.
Кроме того, в БМ содержатся выражения для латентных характеристик участника. Они используются для формирования мнимой части СФ, играющей роль подобно фазе колебания. В схемах 1:1 используются 3 уровня оценки личностной составляющей - пассивный, декларативный, активный. В схемах 1 :М личностная компонента на первом этапе получается в итоге проведения тестирования, а последующие оценки характеризуют направленность изменения данной оценки.
Оценки, наборы ^ компетенций,
тесты
2. ИТ сбора и Оценки, наборы 3. Систематизатор
хранения компетенций, тесты данных
данных
Результаты промежуточных вычислений
Элементарные
СФ
5. Вычислительный блок
моделей
Результаты вычислений
моментов, передаточной
функции,
корреляций
на модель СФ
Рекомендации
ЛПР
Взаимосвязь частей экспертного блока
5. В вычислительном блоке проводится вычисление весовых коэффициентов, формирование СФ результирующих оценок, вычисление интегральных моментов, передаточных функций и всех введенных в главе 4 характеристик.
6. Логический блок на основе опытных знаний (извлеченных из наборов введенных в систему прецедентов и оценок и предварительных оценок эксперта) и промежуточных данных вырабатывает наборы предварительных промежуточных выводов, и передают в систематизатор данных.
7. Подсистема объяснения, которая позволяет программе объяснять свои рассуждения пользователю. Проект системы также включает редактор базы знаний обладающий различной глубиной доступа к системе и позволяет эксперту, инженеру по знаниям, или другим участникам итерационного процесса развития системы модифицировать и проверять базу знаний. Из подсистемы объяснения данные передаются на интерфейс пользователя, а также в систему интеллектуализации системы. Взаимосвязь перечисленных модулей экспертного блока представлена на рисунке.
Выводы
Работа посвящена обсуждению аспектов интеллектуализации ИС мониторинга процесса формирования профессиональных и общекультурных компетенций студентов вузов, включая лингвистические возможности системы и ее адаптация к средствам ЕЯ.
Осмысление главных характерных составляющих компетенции в российской и зарубежной литературе при проведении квантово-механической аналогии позволило разработать метод СФ для описания сложного социального объекта обладающего большим количеством параметров и переменных, распределенных во времени и пространстве. Предложена идея интеллектуализации ЭС мониторинга процесса формирования компетенций студентов вуза, основанная на применении адаптивного выбора базисных функций разрабатываемой ИИС. Предложена база моделей, в которой хранится информация о возможных базисных функциях (элементарные СФ). Развитие идеи преобразования информации о социальном объекте заключается во введении некоторого оператора выбора, переключающего базу моделей на применение мод КЛ в случае избыточности информации об исследуемом объекте на основе СФ.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (проект РФФИ 12-07-00598-а).
ЛИТЕРАТУРА
1. Магун В., Руднев М. Базовые ценности россиян и других европейцев // Вопросы экономики. №12. 2010. С.107-130.
2. Вешнева И.В., Большаков А.А., Мельников Л.А., Перова Л.Г. Применение математического аппарата теории нечетких множеств к задачам управления вузом на основе сбалансированной системы показателей // Системы управления и информационные технологии. 1.1(43). 2011. С.117-121.
3. Вешнева И.В. Оценка Качества социального объекта, основанная на построении многомерного «поля качества» сбалансированной системы показателей с использованием теории нечетких множеств // Вестник СГТУ № 3 (57). Вып. 1. 2011. С.227-234.
Вешнева Ирина Владимировна -
кандидат физико-математических наук, доцент, докторант кафедры «Приборостроение» Саратовского государственного технического университета имени Г агарина Ю. А.
Статья поступила в редакцию 3.02.12, принята к опубликованию 12.03.12
