CC BY
53
УДК 681.3
Ю.А. Кравченко
КОНЦЕПЦИЯ ПОСТРОЕНИЯ АВТОМАТИЗИРОВАННОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИМУЛИРУЮЩЕЙ ПОДСИСТЕМЫ КОНТРОЛЯ
КАЧЕСТВА ЗНАНИЙ
.
породило новый вид деятельности, а именно: создание программно-методических средств (ЯМС) учебного назначения, которые включают в себя: машинные программы; методические и учебные материалы;
и предназначаются для интеллектуальной поддержки различных видов учебной работы (от демонстрации материала, до экспериментов на моделях).
Построение обучающих систем традиционно базируется на моделировании диалога и составлено из цепочки опросно-ответных структур. Каждый шаг диалога определен заранее сформированной им динамически генерируемой системой на. , пользователю относится пассивная роль.
В целях упрощения контроля знаний, ответ чаще всего заключается в выборе правильного ответа из списка правил-меню. Основным недостатком таких систем является возможность случайного угадывания ответа.
, « - » -
нию, т.е. испытуемый представляется в виде объекта управления без учета его лич-
ных особенностей (нечеткость, забывчивость, способность творчества и т.д.).
Основным направлением повышения эффективности автоматизированных систем обучения и контроля качества знаний является использование для их построения технологий искусственного интеллекта. Схема испытания должна быть: , . является выявление скрытых знаний.
1. Концепция построения симулирующей системы контроля качества
. ,
чтобы пользователь задавал вопросы, а компьютер отвечал.
На основании полученных ответов пользователь строит гипотезы и задает , , являться результатом обучающей системы.
В связи с тем, что разнообразие вопросов, которые пользователь может задать, очень велико, то возникает проблема поддержания диалога компьютера, генерации адекватных ответов на возможное большое количество вопросов.
Данная проблема решается в процессе постановки задачи экспертом путем формирования базы знаний (БЗ) и набора элементов диалога. При этом, помимо бинарной оценки верности принятой гипотезы, оценка качества знаний может базироваться как на простом подсчете числа задаваемых вопросов, так и на составлении вопросов, укладывающихся в заданную гипотезу (релевантных), и вопросов вне контекста заданной области (нерелевантных). Для этого используется матрица , -лируемой ситуации [1].
При предъявлении вопросов система соотносит их содержание с содержанием БЗ и, на основе этого соотношения, присваивает ему степень релевантности.
При этом возможно также, учитывать логическую последовательность вопросов, . . .
Применение в учебном процессе обучающих систем, построенных по предлагаемому принципу, позволяет находить пути решения ситуационных задач. Важным преимуществом данного подхода является передача обучаемому инициативы .
Недостаток системы ведения диалога - возможность неадекватной интерпретации машиной вопросов пользователя. Основной причиной возникновения данного недостатка является применение «субъект-объектного» подхода к процессу обу.
учета его личной системы приоритетов.
2. Необходимость построения процедурных систем поддержки процесса
. -
на неоднородность научного знания, предложено различать явные и неявные знания. В дальнейшем, в связи с активизацией исследований проблем искусственного интеллекта, эти вариации знания были названы артикулируемыми и неартикули-.
Артикулируемая часть знания относительно легко поддается превращению в информацию, которая является удобным средством передачи знаний. Неартикули-руемая часть знания представляет собой тот неявный, но очень важный личностный компонент знания, называемый опытом или интуицией. Эта часть знания охватывает те формы личностного опыта, которые не могут быть формализованы и переданы непосредственно от учителя к ученику. Они могут быть постигнуты учеником только в ходе самостоятельной учебной деятельности по решению практи-.
Электронные учебники, базы данных и другие компьютерные системы, по, , причем не только в виде текстов, но и в форме графических, аудио и видеоиллюст-
, .
Компьютерные системы для поддержки процесса освоения неартикулируе-мой части знания называют процедурными. Они построены на основе математиче-, -лучать знания о свойствах изучаемых объектов или процессов [2].
Успешная реализация таких систем может быть осуществлена только на основе «субъект-субъектного» подхода к процессу обучения. При таком подходе обучаемый воспринимается как субъект со всеми характерными его личности особенностями, т.е. учитываются забывчивость, нечеткость, творческое мышление, система приоритетов и т.д.
3. Архитектура системы (рис.1).
Принципы структурной организации системы:
1) ;
2) ;
3) ;
4) многоуровневость семантических типов элементов;
5) субъект - агентность;
6) ;
7) извлечение развивающих знаний;
8) .
Рис.1. Архитектура системы экспертов и обучаемых
Для формирования модели когнитивных структур экспертов и испытуемых целесообразно использовать ассоциативные и семантические сети.
Для построения ассоциативных сетей используется метод оценки попарной близости и его модификация, использующая не два, а три понятия (триады), в которой необходимо выделить понятие, наиболее слабо связанное с двумя другими.
Для построения семантических сетей используется методика, сущность которой состоит в предъявлении испытуемому (эксперту) триад - понятий для извлечения из него информации об отношениях между ними.
Причем, одна триада может содержать не одно, а несколько различных отношений, т.е. связи могут быть и двунаправленными.
Использование трех понятий позволяет выявить иерархические отношения, и построить элементарные бинарные деревья, объединением которых, можно организовать сложные многоуровневые, иерархические семантические структуры (рис.2).
Рис.2. Пример объединения бинарных поддеревьев в семантическую сеть [3]
Саморазвиваемость и самоорганизованность основана на идеи автоматического развития искусственных, когнитивных структур модели и знаний по результатам взаимодействия программных средств (агентов) с экспертами и испытуемы.
(«эксперт» и «обучаемый»), так и «усредненных» агентов и интегрированных
« »,
единое когнитивное поле [3].
В состав системы входит особый агент - интерфейс, который ведет учет, координацию и наставничество, знакомит обучаемых с их индивидуальны траекториями обучения (см. рис.1).
4. Заключение. Для создания интеллектуальн ых систем диагностики качества знаний и понимания, необходимо решить проблемы следующих видов:
1).
« ».
2). « - » обучения.
3). : , , -
, , , .
4). Решить проблему наполнения системы и содержания ее в актуальном состоянии длительное время.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Евгенев Г.Б. Принципы построения мультиагентных систем автоматизации проектирования и управления. В кн. Интеллектуальное управление: новые интеллектуальные технологии. 1999.
2. Зенкин А.А. Когнитивная компьютерная графика. М.: Наука, 1991.
3. Тушканов Н.Б. Интеллектуальная самообучающаяся система контроля и диагностики знаний и понимания/ Сб. «Информационные технологии и управление»/ ЮРГТУ (НПИ), Новочеркасск, 2001.
УДК 681.31
О.В. Кошкин, ИХ. Сидоркина
ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ СОЗДАНИЯ И ПРОЕКТИРОВАНИЯ ОТКРЫТЫХ ОБРАЗОВАТЕЛЬНЫХ СИСТЕМ
.
быстрого анализа разделяемой информации (РА8М1) [Корнеев и др., 2000], что определяет ее как аналитическую. Назначение систем аналитической обработки информации: работа с данными, распределенными в глобальных вычислительных сетях, извлечение и обработка слабоструктурированной информации, знаний.
Эффективность применения САПР для решения когнитивных задач в распределенной среде зависит от многих факторов. В первую очередь следует отметить существование категорий пользователей, которые могут обращаться к автоматизированной системе для интерактивного проектирования распределенного ин-. : -го описания дисциплинарного курса и задание его отдельных параметров таких,
