CC BY
24
УДК 004.942
ГИБРИДНАЯ НЕЙРОНЕЧЕТКАЯ СЕТЬ ДЛЯ ОПРЕДЕЛЕНИЯ ИНТЕГРИРОВАННЫХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ДОПОЛНИТЕЛЬНОГО ОБРАЗОВАНИЯ
И. А. Штырова, Н. М. Виштак
HYBRID NEURO-FUZZY NETWORK TO DETERMINE THE INTEGRATED INDICATORS OF THE QUALITY OF FURTHER EDUCATION
I. A. Shtyrova, N. M. Vishtak
Аннотация. Актуальность и цели. Дополнительное образование является одним из наиболее перспективных направлений деятельности вузов, так как обеспечивает непрерывность и преемственность результатов на всех этапах обучения, реализуя принцип «Образование через всю жизнь». Дополнительное профессиональное образование позволяет специалисту совершенствовать свои знания, является основой для карьерного роста, обеспечивает профессиональную мобильность. Соответственно, подразделения вузов, занимающиеся дополнительным образованием, должны обеспечивать высокое качество образовательного процесса. Поэтому в настоящее время проблема оценки качества дополнительного образования является очень актуальной. Цель данного исследования - определение интегрированных показателей качества дополнительного образования с использованием гибридной нейронечеткой сети. Материалы и методы. С учетом многокритериальности и сложности формализации решаемой задачи, неоднородности показателей качества дополнительного образования было принято решение использовать математические модели на основе нечетких множеств. Для определения весовых коэффициентов показателей качества в иерархической системе применяются экспертные методы. Моделирование нейронной сети реализовано в пакете MatLab. Результаты. Построена модель определения интегрированных показателей качества дополнительного профессионального образования, основанная на использовании нечетких множеств, что позволяет обеспечить наиболее гибкий способ формализации знаний и представлений экспертов. Для верификации полученной модели разработана гибридная нейронечеткая сеть. Выводы. Разработанная модель обеспечивает получение адекватных оценок деятельности подразделения вуза, реализующего дополнительные образовательные программы, которые являются информационной основой для процесса принятия решений при управлении дополнительным образованием.
Ключевые слова: дополнительное образование, качество образования, интегрированный показатель, гибридная нейронечеткая сеть.
Abstract. Background. Additional education is one of the most promising areas of universities, as it provides continuity and continuity of results at all stages of learning, implementing the principle of "Lifelong Education". Additional professional education allows to improve their knowledge, becomes the basis for career development, provides professional mobility. Accordingly, the division of universities engaged in additional education should be to provide high quality educational process. So now the problem of assessing the quality of supplementary education is very important. The purpose of this study - the definition of integrated indicators of the quality of supplementary education with the use of a hybrid neuro-fuzzy network. Materials and methods. Given the complexity of multicriteri-
ality and formalization of the problem, the heterogeneity parameters of quality of supplementary education, it was decided to use a mathematical model based on fuzzy sets. To determine the weight of the quality indices of the coefficients in the hierarchical system of expert methods applied. Simulation of the neural network is implemented in MatLab package. Results. A model of determination of integrated indicators of quality of additional vocational training based on the use of fuzzy sets, which allows for the most flexible way of formalization of knowledge and expert views. To verify the resulting model developed hybrid neuro-fuzzy network. Conclusions. The developed model provides an adequate assessment of the university departments activity, implementing additional educational programs, which are the information basis for decision-making in the management of an additional education.
Key words: further education, quality of education, integrated indicator, hybrid neuro-fuzzy network.
Введение
Одним из основных положений, содержащихся в Федеральном законе «Об образовании в Российской Федерации», является необходимость непрерывного образования. В связи с этим в системе образования происходит перераспределение ролей между высшим и дополнительным профессиональным образованием. При этом системе дополнительного профессионального образования отводится особая роль связующего звена между вузовской подготовкой бакалавров и их дальнейшей профессиональной деятельностью. Дополнительное профессиональное образование должно ориентироваться на интересы работодателей, приобретение знаний в соответствии с профессиональными стандартами и с учетом имеющегося уровня подготовленности слушателей. Соответственно, повышаются требования к качеству и результату образовательного процесса.
Одной из проблем оценки качества дополнительного профессионального образования является отсутствие стандартов: образовательные программы формируются вузами самостоятельно в соответствии с требованиями рынка труда. Оценка качества освоения дополнительных профессиональных программ проводится в форме внутреннего мониторинга и внешней независимой оценки [1].
Поэтому актуальной задачей становится развитие системы общественной аккредитации образовательных организаций, реализующих дополнительные образовательные программы оценки качества образования и востребованности образовательных услуг, в том числе определение комплекса критериев, процедур и технологий оценки, а также методик проведения мониторинга и его использование как неотъемлемого инструмента управления качеством образования.
1. Показатели и методы определения качества дополнительного образования
Исследование качества образовательного процесса является достаточно сложным, трудно поддается формализации и описанию с помощью математических моделей. В настоящее время при разработке моделей оценки качества образовательной деятельности применяются требования и системы показателей, которые регламентируются нормативными актами Российской
Федерации, международными стандартами в области качества, а также методическими рекомендациями, разработанными специалистами в области качества образования. При оценке качества деятельности вузов в настоящее время используются методы статистических исследований и моделирования: методы первичной обработки данных, корреляционно-регрессионного анализа, кластерного анализа, дисперсионного анализа, математического программирования, диаграммы рассеивания, графические модели и др. [2, 3].
Перечисленные методы позволяют точно фиксировать структурные изменения любой системы и отражать их в количественной форме. Однако любая математическая модель образовательного процесса является приблизительной и условной из-за необходимости учета субъективных факторов, которые представляют собой слабоформализуемую информацию.
Недостаточность или полное отсутствие методов и средств измерения, незнание закономерностей протекания процессов ввиду их сложности и ма-лоизученности приводят к невозможности аналитического описания и построения формальных моделей, учитывающих специфику сложных социо-технических систем, что в свою очередь значительно снижает эффективность управления подобными системами и даже часто делает его в принципе невозможным.
Учитывая, что система дополнительного образования является сложной социальной системой, при проведении мониторинга качества дополнительного образования используется метод групповых экспертных оценок. При этом оценки экспертов носят нечеткий характер и могут содержать такие виды нечеткости, как:
- нечеткость оценки эксперта, выражающаяся в субъективности критериев перехода внутри оценочной шкалы;
- психофизиологическая нечеткость, обусловленная психическим состоянием, усталостью, невнимательностью эксперта и т.п. в момент экспертизы;
- нечеткость элементов результирующей матрицы оценок (объекты экспертизы могут быть мало различимыми, т.е. иметь одинаковые оценки).
При проведении мониторинга качества дополнительного образования предлагается использовать качественные экспертные оценки, так как, во-первых, для экспертов в большинстве случаев бывает затруднительно дать непосредственные численные характеристики; во-вторых, качественные измерения более надежны, чем назначение субъективных вероятностей.
На первом этапе мониторинга качества дополнительного образования определяется структура показателей качества дополнительного образования. При большом числе показателей их влияние удобно представить в виде иерархического дерева (рис. 1).
Рис. 1. Иерархическая система показателей качества дополнительного образования
Качественные и количественные показатели обобщаются в агрегированные группы, характеризующие основные направления деятельности подразделения и образовательного процесса [4]:
- показатели конечных результатов образовательного процесса;
- показатели качества реализации образовательного процесса;
- показатели качества управления деятельностью подразделения дополнительного образования;
- показатели ресурсного обеспечения подразделения дополнительного образования.
Для определения интегрированного показателя строится математическая модель, основанная на использовании нечетких множеств, что позволяет обеспечить наиболее гибкий способ формализации знаний и представлений экспертов [5].
Задается лингвистическая переменная «Уровень показателя» с терм-множеством значений «низкий уровень показателя», «уровень показателя ниже среднего», «средний уровень показателя», «уровень показателя выше среднего», «высокий уровень показателя». В качестве семейства функций принадлежности используется пятиуровневый классификатор на 01-носителе, для которого определяется набор узловых точек а,| .
| =
=
1, 0 < х < 0,15 10(0,25 - х), 0,15 < х < 0,25, |3 = 0, 0,25 < х < 1
0, 0 < х < 0,15 10(х - 0,25),015,< х < 0,25
1, 0,25 < х < 0,35 , |4 = 10(0,45 - х), 0,35 < х < 0,45 0, 0,45 < х < 1
0, 0 < х < 0,35 10(х -0,35), 0,35 < х < 0,45 1, 0,45 < х < 0,55 , 10(0,65 - х), 0,55 < х < 0,65 0, 0,65 < х < 1 0, 0 < х < 0,55 10(х - 0,55), 0,55 < х < 0,65 1, 0,65 < х < 0,75 , 10(0,85 - х),0,75 < х < 0,85 0, 0,85 < х < 1
| =
0.0 < х < 0,75
10(х - 0,75), 0,75 < х < 0,85.
1, 0,85 < х < 1
Для определения интегрального показателя качества дополнительного образования используется матричная схема агрегирования, основанная на применении формулы двойной свертки:
N
M
K = & ■I] (х/ ),
i=1 ]=1
где аг- - вес /-го показателя в свертке; о] - узловые точки классификатора; |у(хг) - значение функции принадлежности текущего значения /-го показателя.
Влияние показателя качества нижнего уровня на показатель качества верхнего уровня обусловлено не только значением показателя качества, но и
весомостью данного показателя в оценке показателя качества верхнего уровня. Для определения весовых коэффициентов показателей качества предлагается воспользоваться экспертными методами. Учитывая, что в условиях неполной информации, во-первых, для экспертов бывает затруднительно дать непосредственные численные характеристики; во-вторых, качественные измерения более надежны, чем назначение субъективных вероятностей, степень влияния каждого показателя на результат определяется с помощью метода нестрогого ранжирования.
2. Реализация модели определения интегрированных показателей качества дополнительного образования
Для верификации полученной модели разработана гибридная нейро-нечеткая сеть, в которой значения для агрегированных показателей качества дополнительного образования определяются по алгоритму нечеткого логического вывода Сугено. В качестве входных переменных использовались составляющие характеристики базовых показателей качества дополнительного образования.
Набор нечетких предикатных правил, описывающих функционирование системы оценки качества дополнительного образования, определяется следующим образом:
if (xx is 1 and X2 is A and X3 is A1 and... and Xn is A) then K is K1;
Л • • •
if (Xx is Ax5 and X2 is A2 and X3 is A35 and .and Xn is A,)then K is K5.
В качестве нейронного эмулятора модели была выбрана гибридная технология адаптивной нейронечеткой системы заключений ANFIS, которая по сравнению с другими методами обладает высокой скоростью обучения, простотой алгоритма и оптимальной проработанностью программного обеспечения в системе математического моделирования MatLab.
На рис. 2 приведена полученная система нечеткого вывода.
Рис. 2. Структура нейронной сети
Далее определяются терм-множества и функции принадлежности для входных переменных, а также линейная зависимость для выходной переменой.
На рис. 3 приведены трапециевидные функции принадлежности для переменной Хц.
Рис. 3. Функции принадлежности для входной переменной Хи
Обучение сети проводится с использованием гибридного метода, объединяющего метод обратного распространения ошибки с методом наименьших квадратов. Для обучения сети используются показатели деятельности центра дополнительного образования Балаковского инженерно-технологического института за пятилетний период. В результате на 12-м цикле обучения получен уровень ошибки обучения, равный нулю.
Сопоставление полученного значения с рассчитанным по модели показывает, что отклонение составляет не более 2 %, что подтверждает возможность мониторинга качества дополнительного образования на основании разработанной модели.
Заключение
Верификация построенной модели гибридной нейронечеткой сети подтверждает достаточно высокую степень ее адекватности реальным исходным данным, что позволяет сделать вывод о возможности практического использования модели для определения интегрированных показателей качества дополнительного образования.
Список литературы
1. Аниськина, Н. Н. Качество ДПО - центральная проблема реформы профессионального образования / Н. Н. Аниськина // Инновации. - 2013. - № 4. - С. 49-55.
2. Большаков, А. А. Создание системы управления качеством образования вуза с использованием сбалансированной системы показателей и интеллектуальных методов / А. А. Большаков, К. Н. Золотько // Вестник Саратовского государственного технического университета. - 2008. - № 2 (33), вып. 2. - С. 234-344.
3. Захаров, А. А. Использование различных шкал в оценке деятельности образовательного учреждения / А. А. Захаров, И. К. Гевлич, Т. Г. Сенокосова // Актуальные задачи управления социально-экономическими и техническими системами : материалы Всерос. науч. конф. - Саратов : Научная книга, 2008. - С. 6-13.
4. Виштак, О. В. Критерии оценки деятельности вузовского центра дополнительного образования / О. В. Виштак, И. А. Штырова // Фундаментальные исследования. -2013. - № 4 (ч. 3). - С. 555-559.
5. Штырова, И. А. Модель оценки деятельности подразделения вуза, осуществляющего реализацию дополнительных образовательных программ / И. А. Штырова // Вестник Саратовского государственного технического университета. - 2013. -№ 1 (69). - С. 200-204.
Штырова Ирина Анатольевна
кандидат технических наук, доцент, кафедра информатики и управления в технических системах, Балаковский инженерно-технологический институт
E-mail: [email protected]
Виштак Наталья Михайловна
кандидат педагогических наук, доцент, кафедра информатики и управления в технических системах, Балаковский инженерно-технологический институт
E-mail: [email protected]
Shtyrova Irina Anatoljevna candidate of technical sciences, associate professor, sub-department of informatics and management in technical systems, Balakovo Institute of Engineering and Technology
Vishtak Natalia Mihailovna
candidate of pedagogical sciences, associate professor, sub-department of informatics and management in technical systems, Balakovo Institute of Engineering and Technology
УДК 004.942 Штырова, И. А.
Гибридная нейронечеткая сеть для определения интегрированных показателей качества дополнительного образования / И. А. Штырова, Н. М. Виштак // Модели, системы, сети в экономике, технике, природе и обществе. - 2016. - № 2 (18). -С. 314-320.
