CC BY
19
7. Howard R. A. Dynamic Probabilistic Systems. Vol. 1: Markov Models. Vol. II: Semi-Markov and Decision Processes. Courier Corporation, 2012.
8. Janssen J., Manca R. Applied Semi-Markov processes. Springer US, 2006. 310 p.
9. Larkin E.V., Malikov A.A., Ivutin A.N. Petri-Markov model of fault-tolerant computer systems // 4th International Conference on Control, Decision and Information Technologies (CoDlT). - 5-7 April 2017, Barcelona, Spain - IEEE, 2017. P. 416-420.
10. Heymann M. Concurrency and Discrete Event Control // IEEE Control Syst. Mag. 1990. Vol. 10. P. 103 - 112.
11. Valk R. Concurrency in Communicating Object Petri Nets // Concurr. object-oriented Program. Petri nets. 2001. P. 164 - 195.
12. Ivutin A.N, Larkin E.V. Simulation of Concurrent Games // Bulletin of the South Ural State University. Series: Mathematical Modeling, Programming and Computer Software. - Chelyabinsk, 2015. Vol. 8, № 2. P. 43 - 54.
13. Larkin E.V., Ivutin A.N., Kotov V.V., Privalov A.N. Simulation of Relay-races // Bulletin of the South Ural State University. Mathematical Modelling, Programming & Computer Software.
2016. Vol. 9. No 4. P. 117 - 128.
14. Larkin E.V., Ivutin A.N., Troshina A. Model of interruptions in Swarm unit // Advances in swarm intelligence. Proceedings of 8-th Internati0onal conference ICSI 2017. Fukuoka, Japan.
2017. Part 1. P. 50 - 59.
Шаров Вадим Арнольдович, аспирант, vs@aqs.ru, Россия, Шуя, Шуйский филиал Ивановского государственного университета
EVALUATING THE INTERPRETATION TIME OF THE BACKGROUND PROGRAM AND DETERMINING THE INTERRUPT PROCESSING TIME
V.A. Sharov
It is shown that when the processing of resources introduced by the interrupt is accel-erated, the work of the background program slows down, a dependence is obtained for calcu-lating the distribution of walks along the selected route.
Key words: Interruption, algorithm, runtime, interruption handling.
Sharov Vadim Arnoldovich, postgraduate, vs@aqs.ru, Russia, Shuya, Shuya Branch of Ivanovo State University
УДК 004.412.23
DOI: 10.24412/2071-6168-2022-2-126-133
МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ ПО ТЕХНИЧЕСКИМ ДИСЦИПЛИНАМ
О.В. Белянская, А.Н. Привалов
Целью статьи является анализ моделей интеллектуальной обучающей системы (ИОС) по техническим дисциплинам (ИОС ТД), решения задач исследование ИОС с точки зрения разных типов моделей; обзор набора подмоделей, входящих в ИОС; выбор вида модели ИОС ТД.
Ключевые слова: интеллектуальные обучающие системы, модели интеллектуальной обучающей системы, вспомогательное средство преподавателя.
В настоящее время процесс образования в основном осуществляется дистанционно. Использование специальных программ существенно поднимает уровень усвоения материала и облегчает работу преподавателя. Например, технические дисциплины требуют обеспечения компьютерной визуализации учебного материала, математического моделирования объектов, процессов, явлений, имитации работы различных устройств [1].
В [2] отмечается, что обучающие программы считаются интеллектуальными, если они способны:
- генерировать учебные задачи;
- решать задачи, которые предназначены для обучаемых, используя представление знаний об изучаемой дисциплине;
- определять стратегию и тактику ведения диалога;
- моделировать состояние знаний обучаемых;
- самообучаться на основе анализа результатов взаимодействия с обучаемыми.
Можно выделить следующие виды ИОС:
- вспомогательное средство преподавателя;
- технический помощник преподавателя типа секретаря.
Рассмотрим вышеуказанные виды ИОС с точки зрения следующих типов моделей [2] в таблице.
Виды модели ИОС и их функции
Вид модели ИОС Процессы, происходящие в ИОС
Когнитивные модели Процесс обеспечения обратной связи с учащимися, при работе над ошибками.
Содержательные модели Представляет собой техническую постановку проблемы. По функциональному признаку и цели содержательные модели подразделяются на описательные, объяснительные, прогностические. Описательная модель - это любое описание объекта. Объяснительная модель позволяет отвечать на вопросы типа «почему что-либо происходит». Прогностическая модель описывает будущее поведение объекта.
Концептуальные модели Содержательная модель, базирующаяся на определенной концепции или точке зрения. Выделяют три вида концептуальных моделей: - логико-семантические; - структурно-функциональные; - причинно-следственные. Логико-семантическая модель является описанием объекта в терминах и определениях соответствующих предметных областей знаний. Причинно-следственная модель используется для объяснения и прогнозирования поведения объекта. Эти модели позволяют: - выявлять главные взаимосвязи между составными элементами изучаемого объекта; - определять, как изменение одних факторов влияет на состояние компонентов модели; - понимать, как в целом будет функционировать модель и будет ли она адекватно описывать динамику интересующих исследователя параметров
Формальные модели Является представлением концептуальной модели с помощью одного или нескольких формальных языков (языков математических теорий, специальных языков моделирования, алгоритмических языков и т.д.).
Рассмотрим ИОС как вспомогательное средство преподавателя (ИОС ВсСрПр) с точки зрения указанных выше типов моделей, что позволит взглянуть на ИОС постепенно, пытаясь все глубже и детальнее взглянуть на ИОС ТПО.
Рассмотрим содержательную модель ИОС ТП как вспомогательное средство преподавателя в виде описательной модели.
Описательная модель - это любое описание объекта. Чтобы ответить на вопросы, связанные с когнитивной моделью объект ИОС ТД должен содержать модель знаний дисциплины, модель типовых задач, модель процесса проверки результатов решения задач, модель тестов, модель процесса проверки результатов решения тестов, модель отчетов, модель
ИОС ВсСрПр может проверять тесты, программные коды по первым двум лабораторным работам: модульное и интеграционное тестирование. Чтобы проверять правильность текстов отчетов лабораторных работ, нужно, чтобы ИОС ВсСрПр умело работать со смыслом текстов на естественном языке, что является дальнейшей перспективой.
ИОС ВсСрПр может составлять тесты по заданному шаблону при наличии достаточной базы знаний (БЗ). Рассмотрим два примера, которые являются двумя видами тестов. Первый вид - это пример типичного теста с вариантами ответов, второй вид - это пример задания теста в виде задачи. Сама задача может быть сформулирована в разной форме: словесное описание, текст с формулами, текст с таблицами, текст с графическим представлением и т.д. Первый вид теста: «Качество системы - это
a) соответствие характеристик системы требованиям к ней;
b) совокупность характеристик системы отвечающим требованиям к ней;
^ степень, с которой совокупность характеристик системы отвечает требованиям к
ней;
d) целевые характеристики системы (ответ);
e) числовые показатели, показывающие уровень разработки системы».
Второй вид теста:«Составить ограничивающее множество для выражения «(A<BлC>D)v(E=F)»
Как видно в первом тесте для выбора правильного определения понятия «качество системы» используется ряд правдоподобных формулировок и истинное определение. Возникает вопрос, как составлять правдоподобные формулировки. В данном случае требуется использовать теорию нечетких множеств с целью составлять тексты с истинностью близкой к исходной.
Для второго вида тип шаблона очевиден и не составляет труда подбирать несложные логические формулы, содержащие операции отношения.
ИОС ВсСрПр может проверять тесты, которые имеют либо шаблоны ответов, либо модели процесса проверки теста.
ИОС ВсСрПр может составлять отчеты о процессе обучения, о текущей успеваемости как группы, так и отдельного обучаемого, тенденционные и прогностические отчеты.
Рассмотрим содержательную модель ИОС ТД как вспомогательное средство преподавателя в виде объяснительной модели.
Модели процессов руководствуются моделью объекта. Для модели ИОС ВсСрПр должна быть указана модель процесса функционирования ИОС ВсСрПр. Модель ИОС ВсСрПр содержит следующие модели: модель знаний дисциплины ТПО; модели типовых задач; модель тестов; модель учебы;
Модель процесса функционирования ИОС ВсСрПр содержит следующие модели:
модель процесса составления знаний;
модели процесса проверки результатов решения задач;
модель процесса проверки результатов решения тестов;
модель процесса составления отчетов;
модель процесса проведения учебы.
Модели процессов всегда используют информацию, содержащуюся в моделях объектов, а также информацию, поступающую из других моделей процессов.
Модель процесса функционирования ИОС ВсСрПр как взаимодействие входящих в нее моделей представлена на рис. 1.
Как видно из рис. 1 процессы составления знаний, проверки результатов решения задач, проверки результатов решения тестов, составления отчетов по времени не зависят друг от друга и не взаимосвязаны, поэтому они могут выполняться независимо друг от друга. Также, независимо друг от друга, они могут завершаться. Принятие решения об окончании завершения приложения принимает модель процесса организации учебы.
Рис. 1 дает представление о том, как взаимосвязаны модели, входящие в модель ИОС
ВсСрПр.
Чтобы определить направление развития создаваемого приложения ИОС ВсСрПр необходимо рассмотреть ИОС ТД как вспомогательное средство преподавателя в виде прогностической модели.
Прогностическая модель описывает будущее поведение объекта, т. е. может ответить на вопрос, как будет себя вести ИОС ВсСрПр спустя какой-то промежуток времени.
Чтобы ответить на этот вопрос, надо знать, какие параметры, данные, характеристики могут измениться за это время и по какой причине. Следовательно, надо более подробно рассмотреть состав информации, входящей в указанные выше модели.
Рассмотрим ИОС ТД с точки зрения логико-семантической модели. Логико-семантическая модель является описанием объекта в терминах и определениях соответствующих предметных областей знаний.
В модели ИОС ТД ВсСрПр содержатся термины и определения из трех областей:
- предметная область дисциплины;
- предметная область обучения;
- предметная область информатики.
Термины и определения из предметной области дисциплины и предметной области информатики содержат модель знаний дисциплины, модель типовых задач, модель тестов по дисциплине и соответствующие им модели процессов.
Термины и определения из предметной области дисциплины и предметной области обучения содержат модель отчетов, модель учебы и соответствующие им модели процессов.
Логико-семантическая модель ИОС ТД ВсСрПр в виде диаграмм состояний представлена на рис. 2 - 4.
программного обеспечения ВсСрПр
бЬп Распознавание ОО ^
/Распознавание объектов обучения Лабораторная
^ Проверка ^ решения задачи
Рис. 4. Диаграмма состояний объектов обучения
На основе множества созданных логически увязанных диаграмм состояний можно построить модель ИОС ТД ВсСрПр в виде диаграмм, позволяющих построить UML-диаграммы, таких как диаграммы классов, диаграммы последовательностей и т.д., представляющих формальные модели для создания на их основе кодов приложений на алгоритмических языках.
Рассмотрим структурно-функциональную модель ИОС ТД ВсСрПр. Эта точка зрения рассматривает различные разбиения целого на части и различные отношения, описывающие подчиненность, логическую и временную последовательность решения отдельных задач.
На рис. 7 представлена система ИОС ТД ВсСрПр в виде подсистем, где ИОСТД - это система ИОС ТД ВсСрПр, БД_БЗ - информационная подсистема, Обучение - подсистема обучения, Раб_со_н - подсистема работы со знаниями, Обеспечение - обеспечивающая подсистема.
Информационная подсистема предназначена для работы с базой данных (БД) и базой знаний (БЗ).
Подсистема обучения предназначена для облегчения труда преподавателя в ходе проведения занятий со студентами.
Подсистема работы со знаниями предназначена для использования имеющихся знаний в БЗ в подсистеме обучения и обеспечивающей подсистеме.
Обеспечивающая подсистема предназначена для формирования новых знаний, получения новых шаблонов задач, тестов и отчетов.
Рис. 7. Структура системы ИОС ТПО ВсСрПр
Основные отношения между подсистемами, показаны на рис. 8.
На рис. 8 сплошная линия со стрелкой показывает отношение использования, прерывистая линия со стрелкой означает отношение реализации. Подсистемы работы со знаниями, обучения, обеспечения используют информационную подсистему. Подсистема работы со знаниями и обеспечивающая подсистема связаны отношениями реализации с информационной подсистемой. Подсистемы работы со знаниями и обеспечивающая с одной стороны используют информацию, находящуюся в базе данных и в базе знаний, с другой стороны дополняют информационную подсистему новыми данными и знаниями.
130
Рис.8. Основные отношения между подсистемами
Далее можно разбивать подсистемы на более мелкие части, выявлять между ними отношения и процесс остановится тогда, когда станет ясно, что далее разбиение на части не имеет смысла или ясно как представить в виде формальной модели. При таком подходе можно применять различные технологии, в частности технологию проектирования RUP.
Для выявления главных взаимосвязей между составными элементами объекта ИОС ТД ВсСрПр определим основные параметры, это: успеваемость обучаемого; успеваемость группы; уровень знания; сложность задачи; сложность теста;
зависимость успеваемости обучаемого от уровня знания, сложности задачи и сложности теста;
зависимость успеваемости группы от уровня знания, сложности задачи и сложности
теста.
Все перечисленные параметры могут измеряться в некоторых заданных временных интервалах: вычисленное значение за неделю, за месяц, за семестр и т.д.
Для измерения успеваемости в базе данных должны быть такие данные как:
ФИО обучаемого;
(задача, сложность, дата, оценка);
(тест, сложность, дата, оценка).
Уровень знания связан с многослойным расположением одного и того же знания в базе данных. Аналогично сложности задач и тестов связаны с многослойным расположением одних и тех же задач и тестов в базе данных. Для некоторых задач и тестов достаточно хранить шаблоны и правила создания задач и тестов заданной сложности в базе знаний.
Зависимость успеваемости обучаемого от уровня знания, сложности решения и задачи - это некоторое функциональное представление вида:
У=Ка,Ь,с), (1)
где у - успеваемость обучаемого, а - уровень знания, Ь - сложность решения, с - сложность задачи. Параметры а, Ь, с должны быть или вычислены или измерены. Вычисления в данном случае осуществляется по формуле (2)
/ аг >Х( (¡. = 1,...,к1)
у: ] Ь,-=г,- 0 = 1.....к2) , (2)
(сд ^ехЬг (д = 1,..., к3) где а!, Ь Cg - критерии функционалы, определяемые у обучаемого. Неравенства определяют минимум знаний и навыков, нарушение которого недопустимо. Равенства - наличие знаний и навыков в решении задач, отсутствие которых недопустимо. Экстремальные значения являются качеством процесса обучения [4]. Данная форма вычислений определяет не только уровень знаний в начале обучения, но и дает возможность сформировать аналитические данные о степени формирования знаний, умений и навыков обучаемого после каждого пройденного упражнения (урока).
Аналогично определяется успеваемость группы. Данный анализ показывает, что применение формальной модели ИОС ТД облегчает работу преподавателя, включая, возможность работы в дистанционной форме, позволяет повысить эффективность обучения. При этом учитывает уровень знаний обучаемого в начале и конце обучения на ИОС ТД.
Статья написана при поддержке РФФИ по проекту 19-47-710004 р_а.
Список литературы
1. Панюкова С.В. Использование интеллектуальных обучающих систем в высшем образовании [Электронный ресурс]. URL: https://cyberieninka.ru/artide/n/ispolzovame-intellektualnyh-obuchayuschih-sistem-v-vysshem-obrazovanii/viewer (дата обращения: 20.02.2022).
2. Петрушин В.А. Интеллектуальные обучающие системы: архитектура и методы реализации (обзор) // Известия академии наук. Техническая кибернетика. 1993, №2. С.164 - 189.
3. Процесс моделирования [Электронный ресурс]. URL: https://systems-analysis.ru/modeling process.html (дата обращения: 20.02.2022).
4. Галеев И.Х. Интеллектуальные обучающие системы теоретические основы // Учебное пособие КНИТУ-КАИ, 2018. С. 16 - 17.
Белянская Ольга Викторовна, аспирант, belyanskay1990@mail.ru, Россия, Ивановская область, Шуя, Шуйский филиал Ивановского государственного университета,
Привалов Александр Николаевич, д-р техн. наук, профессор, privalov. 61 @mail. ru, Россия, Тула, Тульский государственный педагогический университет им. Л.Н. Толстого
MODELS OF INTELLIGENT LEARNING SYSTEM FOR TECHNICAL DISCIPLINES
O.V. Belyanskaya, A.N. Privalov
The purpose of the article is to analyze models of an intelligent learning system (ILS) in technical disciplines (ILS TD), solve problems, study ILS from the point of view of different types of models; review of the set of submodels included in the ILS; selection of the type of ILS TD model.
Key words: intelligent learning systems, models of an intelligent learning system, teaching
aids.
Belyanskaya Olga Viktorovna, postgraduate, belyanskay1990@mail.ru, Russia, Ivanovo region, Shuya, Shuya branch of Ivanovo State University,
Privalov Alexander Nikolaevich, doctor of technical sciences, professor, privalov. 61 @mail. ru, Russia, Tula, Tula State Pedagogical University named after L.N. Tolstoy
