CC BY
99
УДК 004.896
ИНТЕЛЛЕКТУАЛЬНАЯ ОБУЧАЮЩАЯ СИСТЕМА КОНЦЕПТУАЛЬНОМУ ПРОЕКТИРОВАНИЮ АВТОМАТИЗИРОВАННЫХ СИСТЕМ
© 2010 А.Н.Афанасьев, Н.Н.Войт
Ульяновский государственный технический университет
Поступила в редакцию 14.05.2010
В статье рассмотрены архитектура, модели и реализация интеллектуальной обучающей системы концептуального проектирования сложных автоматизированных систем, активно использующих программное обеспечение.
Ключевые слова: интеллектуальная обучающая система, концептуальное проектирование, автоматизированные системы.
Вклад в теорию интеллектуальных автоматизированных обучающих систем внесли российские ученые Рыбина Г.В., Стефанюк В.Л., Тарасов В.Б., Петрушин В.А., Брусиловский П.Л., Башмаков А.И., Башмаков И.А. и др., а также зарубежные Kabassi K., Tang T.Y., Dorca F.A., Giannotti E., Rada R. и др. Выделяется несколько основных парадигм организации и реализации систем данного класса:
1. Основанная на концепции специализированных экспертных систем.
2. Основанная на гипертексте и гипермедиа.
3. Основанная на интеграции экспертных систем и гипертекста/гипермедиа.
4. Использующая концепцию интеллектуальных обучающих инструментов, представляющих собой системы со смешанной инициативой и оверлейным типом модели обучаемого.
5. На основе интеграции экспертных систем с системами обучения.
Однако эти подходы слабо учитывают оценку знаний обучаемых, носящих нечеткий характер, не обеспечивают эффективную адаптацию обучаемого к учебно-практическому наполнению в ходе процесса обучения в условиях различной степени первичной подготовки обучаемых, ориентированны на узкую предметную область, что снижает степень их универсальности. Таким образом, для устранения указанных недостатков необходим новый подход к организации и реализации интеллектуальных адаптивных автоматизированных обучающих систем, включающий комплекс моделей и методов, повышающий эффективность и качество обучения и позволяющий сократить сроки обучения.
Афанасьев Александр Николаевич, кандидат технических наук, профессор кафедры «Вычислительная техника". E-mail: [email protected].
Войт Николай Николаевич, кандидат технических наук, доцент кафедры "Вычислительная техника". E-mail: [email protected]
На основе модельного подхода, к построению архитектуры интеллектуальной обучающей системы, разработаны следующие основные компоненты: предметная область проектирования, обучаемый проектировщик, сценарий процесса обучения. С целью обеспечения доступности и автономности компонентов, выбрана Сервисно-компонентная организация системы обучения. Интернет-ориентированные сервисные службы позволяют поддерживать доступ к системе в любое время и с любого подключенного к сети Интернет клиентского компьютера. Интерфейсное взаимодействие компонентов обеспечивает возможность замены их на другие компоненты без перекомпилирования всей системы. Взаимодействие компонентов архитектуры показано на рис. 1.
Математическое описание моделей в предметной области автоматизированного проектирования представлена в виде дерева онтологий,
Мебель
Предметная Модель
область Обучаемый
А ? ¿ ?
Мидель Сценарий Модель Протокол
Рис. 1. Сервисно-компонентная архитектура интеллектуальной обучающей системы
которая динамически использует иерархические, порядковые и ассоциативные связи онтологий объектов и процессов проектирования. Каждой онтологии соответствует учебный элемент.
Иерархические связи используются для описания объекта и процесса проектирования с разной степенью детализации. Порядковые связи упорядочивают описание на одном иерархическом уровне и определяют цепочки онтологий. Ассоциативные связи соединяют иерархические и порядковые онтологии разных уровней.
Таким образом, модель предметной области позволяет адекватно представить учебный материал и является базой знаний промышленного проектирования.
Модель предметной области имеет вид CADModel={ApxumeKmypa, Функции, Процессы, Данные, Паттерн, MetaData\ ortree, <, view}, где Архитектура={архитектура,, i=1...E} - множество архитектур проектирования;
Функции={функция-, i=1...Z} - множество проектных функций;
Процессы={процесс,, i=1...P} — множество проектных процессов;
Паттерн = {Операция, Команда, Способ} -множество проектных шаблонов,
Операция={операция,, i=1...O} - множество проектных операций,
Команда={команда1, i=1...C} - множество проектных команд,
Способ={способ,, i=1...S} - множество проектных способов выполнения команды,
А^ш={понятие,, действие,, i=1...A} - множество «атомов» знаний, состоящее из элементарных понятий и простейших действий,
Atom е Этап, Atom е Процедура, Atom Операция, Atom Команда, Atom Способ;
MetaData={key,, hash-function, i=1...H} - метаданные модели,
где <key> - кортеж ассоциативных ключей, hash-function - хэш-функция поиска элемента; ortree - иерархическое отношение; < - отношение порядка; view - ассоциативная функция. Структура паттернов PatternOperaion проектных операций, PatternComand проектных команд, PatternSposob проектных способов одинакова [1]. Например, структура PatternOperation имеет вид: PatternOperation = {название, назначение, мотивация, применимость, структура, участники, отношения, результаты, реализация, пример, применения, родственные паттерны}; название - название;
назначение - назначение, лаконично характеризует функции и дает обоснование, какие конкретные задачи проектирования можно решить с помощью паттерна;
мотивация - мотивация, помогает понять абстрактные описания паттерна;
применимость - применимость, описывает ситуацию, в которой можно применить паттерн и распознавание таких ситуаций;
структура - структура, представляется графическими диаграммами классов программы с использованием нотации, основанной на методике Object Modeling Technique и диаграммами взаимодействий;
участники - участники, представляются классами и объектами, задействованными в данном паттерне проектирования, и их функциями;
отношения - отношения, описывают взаимодействие участников для выполнения своих функций;
результаты - результаты, состоят из результатов применения, компромиссов, на которые приходится идти;
реализация - реализация, описывает сложность при реализации паттерна;
пример - пример, представляется фрагментом кода, схемы, сборки и т.п.;
применения - известные применения в реальных системах;
родственные паттерны - родственные паттерны, имеют описания связи, важных различий, композиции других паттернов с данным.
Графовое представление модели CADModel показано на рис. 2, числа 1, 2, 3, ..., 12 на рисунке обозначают параметры структуры паттерна (1 -название, 2 - назначение и т.д.).
Разработана модель обучаемого инженера, отражающая динамический уровень его подготовленности к решению проектных задач. Уровень описан нечеткими лингвистическими критериальными параметрами (знания, умения, навык и компетентность). Описание модели обучаемого инженера имеет вид
UserModel = {OcenkaZnaniei, OcenkaUmeniei, OcenkaNaviki, OcenkaKompetentnost, haracteristika | calcZ, calcU, calcN, calcK, i=1...N}, где OcenkaZnanie, OcenkaUmenie, OcenkaNavik- и
r r i
OcenkaKompetentnosti - массивы оценок знаний, умений, навыков и компетентности соответственно, N - число контрольных точек Кг сценария. Областью значений функций расчета указанных оценок являются пары (D,): calcZ, calcU, calcN, calcK (D,), где D - значение функции евклидово расстояние, - значение функции принадлежности к классу проектной характеристики [1],
haracteristika={оценкаl, оценка2, оценка3, ..., оценка5} - множество лингвистических характеристик. calcZmarkTeor. оценка, calcU: mark.
^ i > г ,
оценка, calcN:t. оценка, calcKcalcZ, calcU, calcN
' , , 7 77
оценка,, где markTeor, mark,, tt определены в модели протокола ниже.
Рис. 2. Графовое представление модели CADModel
Реализация функций calcZ, calcU, calcN, calcK выполнена с помощью нечетких карт Кохонена [1].
Разработана модель сценария обучения. В основу модели сценария положена система, состоящая из ориентированного графа, отображений вершин и альтернативного выбора траектории обучения. Модель сценария имеет вид:
Scenariy = {G(vertex,edge), Reflaction, Alternativ},
где G(vertex,edge) - ориентированный граф сценария, vertex ={v,, i=1...V} - множество атрибутивных вершин,
edge = {e,, i=1...E} - множество дуг; Reflaction = {Rf1, Rf2, Rf, Rf4} - множество гетерогенных отображений вершин в объекты проектирования (Rf1 - архитектура, функции, процессы, данные, паттерны (см. модель CADModel), Rf2 - тестовые вопросы, Rf3 - практические проектные задачи, Rf4 - контрольные точки K, содержащие требуемые (целевые) значения лингвистических критериальных параметров (проектных характеристик) обучаемого инженера);
Alternativ={vj, если vt инциндентна v. и vt K,, vi< v} - выбор обучаемым инженером траектории обучения из v. неконтрольной вершины.
Ориентированный граф сценария обладает свойствами антирефлексивности, симметричности и транзитивности.
С помощью сценария учитывается механизм ролей обучаемого.
Модель протокола protocol представлена вектором параметрических критериев, сформированных из квалиметрии процесса обучения, и имеет вид кортежа protocol = <name, ttype, type.,
test , t.., markTeor.., mark., povtoreniy.., countTest..,
if if. if if ^ uif if
cognDif,, i=1...N,j=1...M>, где name - идентификатор обучаемого инженера, ttype={teor, pract} - тип проектной задачи (teor - теория,pract - практика),
ttypeif - массив типов проектных задач, test. - массив ключей проектных задач, tif - массив затраченного времени на выполнение проектных действий,
markTeor.j - массив баллов за ответы на вопросы,
mark.. - массив баллов за выполненные прак-
if
тические проектные задачи,
cognDifj - массив когнитивной сложности проектных задач,
povtoreniy.. - массив числа повторов решения проектных задач,
countTest.. - массив числа решенных проектных задач,
N - число контрольных точек K, M - размерность массива. Накопленная и обработанная информация в процессе обучения хранится в протоколе.
Реализация интеллектуальной обучающей системы представлено линейкой программ: графический конструктор разработки гипертекстовых электронных учебно-методических комп-
лексов, графический конструктор модели предметной области САПР, транслятор SCORM-спе-цификации проектных решений САПР, система контроля знаний ТЕСКО [2, 3, 4].
Компонентные модели разработаны по технологии JavaBeans с целью обеспечения многократного использования компонентов и взаимодействие с похожими компонентными структурами. Например, Windows-программа при наличии соответствующего моста или объекта-обертки может использовать компонент JavaBeans как компонент COM или ActiveX.
Таким образом, разработанная система обладает рядом преимуществ по сравнению с известными системами обучения проектной деятельности и характеризуется следующими показателями:
1. использована компонентная архитектура системы, что повышает ее гибкость, универсальность и масштабируемость;
2. предложена формализация предметной области САПР с разными типовыми связями;
3. применение нечетких карт Кохонена в качестве средств адаптации позволяет эффектив-
но учитывать динамические индивидуальные характеристики проектировщика, что повышает качество обучения;
4. реализована динамическая структура сценария обучения проектировщика с поддержкой параметризации его шаблонных решений.
СПИСОК ЛИТЕРАТУРЫ
1. Афанасьев А.Н., Войт Н.Н. Разработка компонентной автоматизированной обучающей системы САПР на основе гибридной нейронной сети // Автоматизация и современные технологии. 2009. № 3. С. 14 - 18.
2. Графический конструктор разработки гипертекстовых электронных учебно-методических комплексов / Войт Н.Н., Афанасьев А.Н. Свидетельство об официальной регистрации программы для ЭВМ № 2006612714, Роспатент, Москва. 2006.
3. Транслятор 8СОЯМ-спецификации проектных решений САПР КОМПАС / Войт Н.Н., Афанасьев А.Н. Свидетельство об официальной регистрации программы для ЭВМ № 2008611429, Роспатент, Москва. 2008.
4. Система контроля знаний ТЕСКО / Афанасьев А.Н., Афанасьева Т.В., Войт Н.Н., Романов А.А. Свидетельство об официальной регистрации программы для ЭВМ. № 2008615364, Роспатент, Москва. 2008.
INTELLIGENT TRAINING SYSTEM TO STUDY DESIGN OF COMPUTER-AIDED SYSTEMS
© 2010 A.N. Afanasev, N.N. Voit
Ulyanovsk State Technical University
In this article we described architecture, mathematic models, realization of intelligent training system to study concept design of difficult computer-aided systems which actively use software. Key words: intelligent training system, concept design, computer-aided systems.
Alexander Afanasyev, Candidate of Technics, Professor at the Computers Department. E-mail: [email protected] Nicolay Voit, Candidate of Technics, Associate Professor at the Computers Department. E-mail: [email protected]
