CC BY
134
Шихнабиева Тамара Шихгасановна,
Федеральное государственное бюджетное научное учреждение «Институт управления образованием Российской академии образования», главный научный сотрудник, доктор педагогических наук, доцент, 8И&ота@таП. ги
КОМПЛЕКС МОДЕЛЕЙ И ВЗАИМОСВЯЗАННЫХ АЛГОРИТМОВ УНИФИЦИРОВАННОГО ПРОТОТИПА ИНТЕЛЛЕКТУАЛЬНОЙ
ОБУЧАЮЩЕЙ СИСТЕМЫ*
Аннотация
В статье описан прототип интеллектуальной обучающей системы, основанной на адаптивных семантических моделях. Отличительной особенностью систем обучения, использующих в качестве модели представления знаний семантические сети, является глубокая структуризация изучаемых понятий предметной области, их представление в виде иерархической модели, адаптация процесса обучения к индивидуальным особенностям обучаемого, что позволяет индивидуализировать и повысить качество обучения. Ключевые слова:
интеллектуальная обучающая система; представление знаний; структуризация знаний; адаптивные семантические модели.
Отличительной особенностью современного этапа развития образовательных систем является использование формальных методов представления знаний и организации процесса обучения на основе использования достижений кибернетики, синергетики, теории искусственного интеллекта в аспектах развития и расширения понятий, принципов и методов дидактики.
Современная дидактика рассматривает вопросы изучения научных дисциплин как преподавание педагогически адаптированных основ соответствующих научных знаний. Применительно к слабоструктурированным и стремительно развивающимся предметным областям (к примеру, информатика), которым посвящена данная статья, это обстоятельство требует первоначальной систематизации для текущего временного периода. На основании общего представления о текущем состоянии предметной области можно строить дидактическую систему обучения. Для решения указанных задач нами разработана методика структуризации и адаптации имеющихся знаний с учетом требований специальности и социального заказа.
Традиционная система обучения на разных ступенях стремится дать обучаемым как можно больше фактического материала. При таком подходе оценка качества знаний производится посредством учета количества фактов
Статья подготовлена в рамках выполнения государственного задания по теме «Интеллектуализация информационных систем и технологических процессов в сфере образования»
(понятий, элементов знаний), которыми оперируют обучаемые и точностью их воспроизведения. Поскольку изучаемые понятия предметной области взаимосвязаны, следует одно из другого, в стороне остаются связи, отношения между понятиями и правила логического вывода конкретных понятий из более обобщенных категорий предметной области. Такого рода обучение приводит к формализму знаний и решением данной проблемы является семантический подход к разработке обучающих систем.
Также при разработке систем, основанных на знаниях, возникает ряд проблем, основными из которых являются - что представлять (состав знаний) и как представлять знания (модель представления знаний). В свою очередь, указанные проблемы подразделяются на конкретные подпроблемы, связанные с архитектурой обучающей системы, формализацией и структуризацией знаний (рис. 1).
Рис. 1. Проблемы, возникающие при разработке систем знаний
Эффективное решение указанных проблем возможно при разработке систем обучения на основе интеллектуальных адаптивных семантических моделей.
Следует отметить, что создание первичной семантической информации об объекте является сложным процессом. Ему предшествует познание объекта, его свойств и отношений.
Для описания семантических моделей существует семантический язык, с помощью которого выделяются объекты {А1} и отношения {ЯЛ}. Здесь
{А1} и {R1} входят во множество компонент {SOk}. В данном случае под компонентами понимают не только объекты и отношения, но и составленные из них комплексные объекты и различные ситуации. Компонентами могут быть и логические составляющие: истинность и ложь. Компонентам сопоставляются элементы одного и того же набора - вершины. Обозначим все множество вершин-понятий через SOk. Следует отметить, что деление компонент на объекты и отношения является условным. Отношения могут рассматриваться как объекты, связанные своими отношениями. Объекты могут указывать на тип отношения. Будем считать существенной роль вершин, которые заданы с помощью кортежей [1].
<aol,....................,аок>,
где: aol,........,аок е SOk.
Кортежи называются элементарными фрагментами. В каждом элементарном фрагменте имеется множество вершин соответствующих объектам и одна вершина - отношению.
В вершинах учебной семантической модели находятся объект познания, личность познающего и основные компоненты процесса обучения, а связи между вершинами означают отношения между ними.
Известно, что для описания информационно-семантических систем существует большое разнообразие структур, например, дуальная, веерная, пирамидальная [3]. С их помощью, воспользовавшись таблицами связи вершин, можно создать элементарный фрагмент семантической сети для процесса обучения. Очень удобен аппарат семантических сетей также для изучения обобщающих тем по информатике, математике, физике, биологии.
Остановимся конкретно на некоторых понятиях о семантической сети, которую мы выбрали в качестве модели логической структуры учебного материала интеллектуальной обучающей системы.
Неформально под семантической сетью понимается сеть с помеченными вершинами и дугами. На более строгом уровне семантическая сеть состоит из множества символов [2]:
A = { Ai,.....Ar},
которые называют атрибутами. Схемой или интенсионалом некоторого отношения Ri в атрибутивном формате будем называть набор пар вида:
INT (Ri) = { ...<Aj е DOM (Aj) >...} , где: Ri - имя некоторого отношения; Aj е A, j = 1, . . .ni - атрибуты отношения Ri; домен DOM (Aj) = {aij} - область значений атрибута Aj.
Объединение всех доменов W - базовое множество модели - набор объектов, на которых задаются отношения Ri, n - число различных отношений.
Экстенсионалом (EXT) отношения Ri называется выражение:
EXT (Ri) = {Fi, F2, ...Fk...Fn}, где: Fk= (Ri.. . Aj, aijk е DOM (Aj) ...), т.е. Fk - есть факт, описывающий j-й атрибут отношения Ri атрибутивной парой, ар - значения j-го атрибута i-го отношения. Последовательность из двух элементов вида «атрибут -значение» называется атрибутивной парой.
Порядок записи атрибутивных пар и фактов роли не играет. Все факты и атрибутивные пары внутри каждого факта попарно различны. Тогда семантическая сеть - это совокупность пар вида:
{...<INT (Ri), EXT (Ri) >...} для i =1, 2 ...n, записываемая в виде ассоциативной структуры данных.
В семантических сетях используются самые разнообразные типы структур, но требование ассоциативности является характерным.
Из выше изложенного следует, что понятие семантической сети распадается на понятие экстенсиональной семантической сети, или базы данных: { . . .EXT (Ri) . . .} и интенсиональной семантической сети: { . . .INT (Ri). . .}, которое обычно кладется в основу базы знаний. Для представления знаний и данных предметной области их объединяют в систему. На практике встречаются различные разновидности семантических сетей, в зависимости от смысла вершин и дуг. В вершинах учебной семантической сети находятся объект познания, личность познающего и основные компоненты процесса обучения, а связи между вершинами означают отношения между ними. Среди объектов семантической сети устанавливается иерархия в отношениях «быть подмножеством» и «быть элементом», которые определяются дугами с метками SUB и E, соответственно.
В основе таких моделей лежит идея о том, что любые знания можно представить в виде совокупности объектов (понятий) и связей (отношений) между ними. Семантическая сеть подразумевает смысловую обработку информации компьютером, которая необходима при обработке ответов обучаемых.
Отличительной особенностью систем обучения, использующих в качестве модели представления знаний семантические сети, является глубокая структуризация изучаемых понятий предметной области и их представление в виде иерархической модели, наличие таких интеллектуальных качеств как идентификация знаний обучаемого, его личностных характеристик и способностей, адаптация процесса обучения к индивидуальным особенностям обучаемого, что позволяет индивидуализировать и повысить качество обучения.
Предлагаемый нами подход основан на структуре человеческих знаний, принципах разработки систем искусственного интеллекта и информационных семантических систем каковым является процесс обучения. Он объединяет процедурный и декларативный подход к представлению знаний, базируется на теории семантических сетей и продукционных правил.
С учетом специфики слабоструктурированных и стремительно развивающихся предметных областей (например, «Информатика») и их составляющих в качестве критериев структуризации изучаемых понятий мы предлагаем классификацию типов объектов (обобщенный, конкретный и агрегатный), выделение некоторых фундаментальных видов связей между объектами.
При построении модели предметной области в виде семантической сети предлагаем следующий алгоритм:
1. Классификация всех понятий рассматриваемой предметной области на макропонятия (класс понятий), метапонятия (обобщенные понятия) и микропонятия (элементарные понятия).
2. Выделение общих свойств, признаков, присущих каждому уровню понятий.
3. Выделение отличительных признаков каждого уровня понятий.
4. Установление связей между понятиями, относящимися к одному уровню.
5. Выделение межуровневых связей.
Итак, на основе анализа существующих подходов инженерии знаний в качестве основного способа структуризации знаний в системах обучения выбрана адаптивная семантическая модель (АСМ).
Под адаптивной семантической моделью учебного материала понимается иерархическая структура в виде семантической сети, представленной ориентированным графом, в вершинах которого находятся понятия изучаемой предметной области, а ребра обозначают отношения между ними. Преимуществом семантических сетей как модели представления знаний и непосредственно самого процесса обучения является наглядность описания предметной области, гибкость, адаптивность к цели обучаемого.
Однако, свойство наглядности с увеличением размеров и усложнением связей базы знаний предметной области теряется. Кроме того, возникают значительные сложности по обработке различного рода исключений. Указанные проблемы решены путем использования метода иерархического описания сетей - выделение на них локальных подсетей, расположенных на разных уровнях. Причем, на самом верхнем уровне иерархической модели располагаем классы понятий, далее на уровень ниже размещаем обобщенные понятия и на самом нижнем уровне - конкретные (элементарные) понятия. Число уровней иерархической модели знаний предметной области зависит от степени детализации понятий. Для обозначения связей между понятиями логической структуры учебного материала используются родовидовые отношения, в частности, IS - A (это есть), PART - OF (является частью), MEMBER - OF (является элементом). Следует отметить, что понятия учебной дисциплины расположенные на «нижнем» уровне иерархической структуры знаний наследуют свойства соответствующих объектов более высокого уровня, т.е. в данном случае элементарные понятия наследуют свойства соответствующих обобщенных понятий и соответствующего класса понятий.
Необходимо отметить, что процесс подобной структуризации знаний достаточно трудоемкий. Однако, это наглядная и более выразительная модель, отображающая логическую структуру учебного материала, которая позволяет одномоментно видеть все понятия и их взаимосвязи изучаемой темы, что имеет немаловажное значение для систем обучения на основе информационных и коммуникационных технологий.
Основной проблемой при работе с большой базой знаний является проблема поиска знаний, релевантных решаемой задаче [4]. В связи с тем, что в обрабатываемых данных может не содержаться явных знаний, классификация и структуризация знаний значительно ускоряет процесс поиска, тем самым, осуществляя интенсификацию процесса обучения.
При создании АСМ учебного материала обучаемые используют персональный компьютер в качестве инструмента представления своих знаний, что вовлекает обучаемых в процесс формирования знаний, который способствует их пониманию и усвоению, а не только воспроизведению в памяти того, что получено от преподавателя. В процессе создания компьютерных семантических сетей, обучаемые анализируют структуры своих собственных знаний, что помогает им включать новые знания в структуры уже имеющихся знаний. Результатом этого является эффективное использование приобретенных знаний [5].
Такой подход к организации знаний при разработке обучающих систем показывает взаимосвязь элементов учебного материала, позволяет значительно сократить время обучения, уменьшить объем памяти, занимаемой базой знаний и данных.
Модель в виде иерархической семантической сети, являясь логической структурой изучаемой предметной области, показывает также последовательность изложения учебного материала.
На рис. 2-5 представлены адаптивные семантические модели по некоторым учебным дисциплинам («Программирование», «Компьютерное моделирование», «Математическая логика»).
Рис. 2. Фрагмент семантической модели по теме «Подпрограммы - процедуры языка Паскаль» (учебная дисциплина «Программирование»)
На рис. 2 представлен фрагмент семантической модели по учебной дисциплине «Программирование» по теме «Подпрограммы - процедуры языка Паскаль». В рамках данной темы студенты изучают принципы модульного построения программ, назначение подпрограмм, структуру и свойства процедур. Разработанная семантическая модель несет в себе следующую информацию о процедуре: процедура является подпрограммой, частью программы, которую используют многократно, получает данные из основной программы, возвращает результат в программу и т.д.
В языке Паскаль есть и другая форма подпрограммы - функция, которая имеет общие свойства с процедурой и отличительные признаки.
При традиционном изучении данной темы указанные подпрограммы языка Паскаль, присущие им общие свойства и их особенности рассматривают отдельно. Семантическая модель учебного материала по изучению подпрограмм языка Паскаль (Procedure, Function) представлена на рис. 3. Например, если в базу данных о подпрограммах добавить новую запись «Функция - это подпрограмма», то узнаем о функции только данный факт. Но если добавить этот факт в семантическую модель (рис. 4), ясно, что функция является программным блоком, имеет определенную структуру, которую включает заголовок подпрограммы, раздел описаний, раздел операторов и т.д.
Рис. 3. Фрагмент семантической модели по теме «Процедуры и функции языка Паскаль» (учебная дисциплина «Программирование»)
Подпрограмма типа функция имеет и отличительный от процедуры признак: результат имеет скалярное значение.
На рис. 4. представлена семантическая модель по учебной дисциплине «Компьютерное моделирование». Семантическая модель описывает свойства моделируемого объекта и модели, показывает ее назначение.
Следует подчеркнуть, что семантическая модель, изображая логическую структуру учебного материала в соответствии с существующими связями между его понятиями, одномоментно показывает все основные понятия изучаемой темы и связи между ними, что облегчает ее восприятие.
Рис. 4. Семантическая модель по теме «Свойства модели» (учебная дисциплина «Компьютерное моделирование»)
На рис. 6 представлена семантическая модель по учебной дисциплине «Математическая логика». Данная учебная дисциплина является абстрактной. Если при изучении составных компонентов персонального компьютера можно пользоваться схемами, рисунками, иллюстрациями, то при изучении абстрактных дисциплин у преподавателя такая возможность отсутствует.
Отсутствие наглядных пособий затрудняет усвоение студентами содержание учебного предмета. Приведенная на рис. 5 модель учебного материала по теме «Алгебра высказываний» представляет основные понятия и показывает причинно-следственные отношения между ними.
Представление учебного материала по абстрактным дисциплинам на основе адаптивных семантических моделей позволяет создать структурированный учебник, показывающий связи между понятиями предметной области, что важно при организации обучения на основе информационных и коммуникационных технологий.
Как показывает опыт разработки семантических моделей по учебной дисциплине «Математическая логика», сам процесс построения моделей
способствует эффективному приобретению знаний. Поэтому обучение студентов можно вести не только по разработанным преподавателем АСМ, но и давать студентам задания по их разработке, что способствует лучшему усвоению учебного материала.
Рис. 5. Семантическая модель по теме «Алгебра высказываний» (Учебная дисциплина «Математическая логика»)
Преимущества предлагаемой нами модели процесса обучения особенно значимы при контроле знаний обучаемых. Адаптивная семантическая модель подразумевает смысловую обработку информации компьютером, которая необходима при обработке ответов обучаемых. При контроле знаний необходимо по заранее известным понятиям предметной области построить с помощью инструментальных программных средств на экране компьютера семантическую модель знаний обучаемого, которая сравнивается с моделью знаний по заданной теме и тем самым осуществляется контроль знаний обучаемых.
На основе предложенной выше методики представления и контроля знаний разработан прототип интеллектуальной обучающей системы (рис. 6), которая используется в ряде вузов.
Структура, принципы построения и пользовательский интерфейс информационной образовательной системы предусматривает ее использование в процессе обучения в следующих режимах: «Редактирование», «Обучение», «Проверка знаний». На этапе режима» Редактирование» формируются проблемно-ориентированные базы знаний учебных дисциплин на основе адаптивных семантических моделей.
Рис. 6. Структурная схема интеллектуальной обучающей системы
Кроме того, по мере пополнения новыми понятиями содержание учебных дисциплин методика использования интеллектуальной обучающей системы в учебном процессе предусматривает редактирование АСМ учебного материала.
Режим «Обучение» предъявляет пользователю учебный материал с учетом уровня его знаний, т.е. предлагаемая интеллектуальная обучающая система является адаптивной.
Режим «Проверка знании» предполагает генерацию контрольных заданий различной сложности с последующей проверкой АСМ, построенных обучаемыми путем сравнения их с находящимися в базе знаний системы моделями и выдачу соответствующего результата (оценки). В данной обучающей системе предусмотрена панель истории навигации, предназначенной для отображения пути, пройденного пользователем в структуре базы знаний и документирование результатов знаний.
Следует отметить, что предусмотрена как автономная, так и сетевая версия данной системы, и она инвариантная по отношению к конкретным учебным дисциплинам.
Как следует из структурной схемы обучающей системы, все операции выполняются посредством модуля управления базой данных. Модуль базы данных содержит множество процедур и функций, обеспечивающих взаимодействие с базой данных без использования инструкций языка SQL и без непосредственного обращения к базе данных. Модуль управления базой данных является одним из основных модулей данной системы.
Отличительной особенностью разработанной системы также является идентификация базового уровня знаний обучаемого с целью дальнейшего предоставления ему соответствующего учебного материала.
Два других основных модуля системы (рис. 6) - это модуль управления редактором сети и модуль управления объектами сети.
Модуль управления редактором сети содержит в себе полный набор функций для управления сетью. Модули «Обучение», «Редактор сети» и «Контроль знаний» используют только свою часть данного набора функций.
На рис. 7 приведена схема связи таблиц базы данных интеллектуальной обучающей системы. База данных состоит из 16-ти таблиц, схема связи которых показана на рисунке. Как видно из схемы, основной таблицей базы данных является таблица «Сети». Она объединяет в единую структуру все остальные таблицы базы данных.
- связь «один-к-одному»
- связь «один-ко-многим»
Рис. 7. Схема связи таблиц базы данных интеллектуальной обучающей системы
В качестве связей таблиц применяются два вида связей: «один-к-одному» и «один-ко-многим».
Исходя из приведенных схем на рис. 7, можно отметить сложность структуры базы данных обучающей системы. Подобная организация структуры базы данных ИОС позволяет автоматизировать процесс обучения и контроля знаний обучающихся.
Итак, использование адаптивных семантических моделей при разработке интеллектуальных обучающих систем позволяет обеспечивать: индивидуальный темп обучения при реализации обратной связи; деятельностный подход при выборе решения задачи с учетом учебных ситуаций; связь новых понятий с существующими понятиями и представлениями, что улучшает понимание; осуществление глубокой обработки знаний, что повышает способность применять знания в новых ситуациях. Предложенная модель логической структуры учебного материала показывает последовательность изложения учебного материала, что очень важно для начинающих преподавателей. Кроме того, последовательность изложения учебного материала может варьироваться. С помощью АСМ можно выбрать ту или иную последовательность изложения учебного материала, по усмотрению педагога. Причем, можно выбрать наиболее короткий путь достижения учебной цели, что позволяет сократить время обучения.
Преимущества предлагаемой нами модели процесса обучения особенно значимы при контроле знаний обучаемых. Адаптивная семантическая модель подразумевает смысловую обработку информации компьютером, которая необходима при обработке ответов обучаемых. При контроле знаний необходимо по заранее известным понятиям предметной области построить с помощью инструментальных программных средств на экране компьютера семантическую модель знаний обучаемого, которая сравнивается с моделью знаний по заданной теме и тем самым осуществляется контроль знаний обучаемых.
Литература
1. Кузнецов И.П. Семантические представления. М.: Наука, 1986. 296 с.
2. Лозовский В.С. Сетевые модели // Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: справочник / под ред. Д.А. Поспелова. М.: Радио и связь, 1990. С. 28-49.
3. Соломатин Н.М. Информационные семантические системы. М.: Высшая школа, 1989. 179 с.
4. Шихнабиева Т.Ш. Интеллектуальная система обучения и контроля знаний, основанная на адаптивных семантических моделях // Материалы VI Международной научно-технической конференции «Открытые семантические технологии проектирования интеллектуальных систем». Минск БГУИР, 2016. С. 503-506.
5. Шихнабиева Т.Ш. Семантический подход к системам обучения и контроля знаний // Сборник трудов по материалам III Международной научно-практической Интернет-конференции «Инновационные технологии в современном образовании». Королев, 2016. С. 756-761.
6У
Shixnabieva Tamara Shixgasanovna,
The Federal State Budget Scientific Institution
«Institute of Management of Education of The Russian Academy of Education», The Chief scientific researcher ,Doctor of Pedagogics, Assistant professor, [email protected]
COMPLEX OF MODELS AND THE INTERCONNECTED ALGORITHMS OF THE UNIFIED PROTOTYPE OF THE INTELLECTUAL
TRAINING SYSTEM
Annotation
In article the prototype of the intellectual training system based on adaptive semantic models is described. Distinctive feature of the systems of training using semantic networks as model of representation of knowledge is deep structurization of the studied concepts of subject domain, their representation in the form of hierarchical model, adaptation of process of training to specific features of the trainee that allows to individualize and increase quality of training. Keywords:
intellectual training system; representation of knowledge; structurization of knowledge; adaptive semantic models.
