CC BY
62
УДК [378 :004]-047.44
НЕЧЕТКОЕ ЭКСПЕРТНОЕ ОЦЕНИВАНИЕ ПРИМЕНЕНИЯ ИКТ В ВУЗЕ
© 2016
Гордиенко Татьяна Петровна, доктор педагогических наук, профессор, директор Центра ДПО Крымский инженерно-педагогический университет, Симферополь (Россия) Гапонов Андрей Иванович, кандидат физико-математических наук, доцент кафедры «Бизнес-информатики и математического моделирования» Смирнова Оксана Юрьевна, ассистент кафедры «Бизнес-информатики и математического моделирования» Крымский федеральный университет имени В.И.Вернадского, Симферополь (Россия)
Аннотация. Цель: провести нечеткое экспертное оценивание на примере использования информационно-коммуникационных технологий в высшей школе. Методы: нечеткое экспертное оценивание осуществляется с помощью применения алгоритма теории нечетких множеств используя пакет Fuzzy Logic Toolbox в среде MATLAB. Результаты на основе применения пакета Fuzzy Logic Toolbox определена комплексная оценка эффективности применения средств информационно-коммуникационных технологий в ВУЗе. Эксперты, в количестве 10 человек, оценили по четырем критериям (лингвистическим переменным) эффективности применения средств информационно-коммуникационных технологий: методика проведения занятий, уровень информационно-коммуникационных технологий, педагогическая ИКТ-компетентность преподавателей, ИКТ-компетентность студентов. Поскольку в реальности из-за некоторой нечеткости («размытости») оценок «хорошо», «отлично» и т.д. сложно с абсолютной уверенностью оценить ту или иную характеристику, то применение аппарата нечеткой логики позволяет преодолеть такую неопределенность. Научная новизна: в статье впервые на основе использования пакета Fuzzy Logic Toolbox в среде MATLAB проведено нечеткое экспертное оценивание информационно-коммуникационных технологий в высшей школе. Практическая значимость: основные положения и выводы статьи могут быть использованы в научной и педагогической деятельности при рассмотрении вопросов об использовании информационно-коммуникационных технологий в высшем учебном заведении.
Ключевые слова: образование в высшей школе, информационно-коммуникационные технологии, конкурентоспособность вуза, нечеткое экспертное оценивание, теория нечетких множеств, пакет Fuzzy Logic Toolbox, среда MATLAB.
FUZZY EXPERT EVALUATION OF ICT IN HIGH SCHOOL
© 2016
Gordienko, Tatyana Petrovna, doctor of pedagogical sciences, professor, the Director of the Center
of Additional Professional Education Crimean Engineering Pedagogical University, Simferopol (Russia) Gaponov, Andrey Ivanovich, candidate of physical and mathematical sciences, associate professor of the chair "Business Informatics and Mathematical Modelling" Smirnova, Oksana Yurievna, assistant of the chair «Business-Informatics and Mathematical Modelling» Crimean Federal V. I. Vernadsky University, Simferopol (Russia)
Abstract. Objective: To carry out a fuzzy expert evaluation of the application use of information and communication technologies in higher education. Methods: fuzzy expert evaluation is carried out using the algorithm of fuzzy set theory using Fuzzy Logic Toolbox in the MATLAB package. The results: complex efficiency of ICT in higher education was determined based on Fuzzy Logic Toolbox use. Experts were interviewed by four criteria (linguistic variables) effective use of information and communication technologies: the method of employment, the level of information and communication technology, ICT-pedagogical competence of teachers, ICT competence of students. In real life, due to some "blurring", "good", "excellent", etc. evaluations are difficult to distinguish with ultimate certainty, though the use of fuzzy logic device allows to overcome this uncertainty. Scientific novelty: for the first time in an article based on the use of Fuzzy Logic Toolbox package MATLAB the fuzzy expert evaluation of information and communication technologies in higher education was conducted. Practical value: the main principles and conclusions of the article can be used in research and teaching devoted to information and communication technologies in higher education.
Keywords: information and communication technologies, university competitiveness, fuzzy expert evaluation, education in high school, the theory of fuzzy sets, the package Fuzzy Logic Toolbox, MATLAB.
Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами. Одной из интересных и перспективных областей современных высоких технологий является нечеткое моделирование [1-7]. Актуальность этой технологии обусловлена тенденцией увеличения сложности математических и формальных моделей реальных систем и процессов управления, связанной с желанием повысить их адекватность и учесть все большее число различных факторов, оказывающих влияние на процессы принятия решений. Традиционные методы построения моделей не приводят к удовлетворительным результатам, когда исходное описание подлежащей решению проблемы заведомо является неточным или неполным, а стремление получить всю исчерпывающую информацию для построения точной математической модели сложной реальной ситуации может привести к потере времени и средств, поскольку это может быть в принципе невозможно.
Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы и на которых основываются авторы; выделение неразрешенных раньше частей общей проблемы. В настоящее время деятельность вуза строится на информационно-комму-
никационных технологиях (ИКТ). Влияние ИКТ на деятельность вуза увеличилось настолько, что автоматизация во многом определяет конечный результат деятельности как вуза так, и преподавателя. [8] Для того чтобы вуз оставался конкурентоспособным необходимо предлагать новые формы обучения, постепенно приближая их разнообразие и качество к общепринятым в мировой практике стандартам. Конкуренция заставляет бороться за абитуриентов. На первый план наряду с ценовой политикой выходят так называемые профессиональные качества вуза — профессионализм профессорско-преподавательского состава, разнообразие форм обучения (очная, заочная, дистанционная) и т. д. Сейчас для студента представляет ценность не только классический процесс обучения, но и современный, учитывающий потребности студента. Информационно-коммуникационные технологии способствуют таким качествам вуза. Проблема повышения качества информационных технологий актуальна для любого вуза. Поэтому необходимо детально изучить эффективности использования информационно-коммуникационных технологий в деятельности высшего учебного заведения.
Формирование целей статьи (постановка задания).
Провести нечеткое экспертное оценивание применения информационно-коммуникационных технологий в высшем учебном заведении с использованием прикладного пакета Fuzzy Logic Toolbox в среде MATLAB [9, 10, 11].
Изложение основного материала исследования с полным обоснованием полученных научных результатов. Проанализируем комплексную оценку (КО) эффективности использования ИКТ в вузе [12]. В работе [13] значений критериев комплексной оценки определялись одним экспертом в балльной шкале. Теперь уровень критериев, формирующих комплексную оценку, будет определяться на основании мнения 10 экспертов. Причем каждому из этих критериев эксперты дают качественную оценку: «Н» - неудовлетворительно, «Y» -удовлетворительно, «X» - хорошо, «O» - отлично. При этом для окончательного вывода, как и в предыдущей работе [12], применяем алгоритм теории нечетких множеств с использованием пакета Fuzzy Logic Toolbox в среде MATLAB. В данном случае входные критерии имеют не определенные количественные значения, а определяются указанными лингвистическими термами с треугольными функциями принадлежности [14, 15, 16].
ju(x, a, b, c) =
0, x < a,
x - a
b-c c-x
c-b 0, x > c,
a < x < b, b < x < c,
(1)
где параметры а и c являются абсциссами основания треугольника, Ь - абсцисса его вершины (рисунок 1).
Рисунок 1 - График треугольной функции принадлежности
Результаты опроса экспертов по четырем критериям (лингвистическим переменным) эффективности применения средств информационно-коммуникационных технологий в ВУЗе приведены в таблице 1.
Таблица 1 - Критерии эффективности ИКТ (входные лингвистические переменные)
№ Эксперты Методика пр сведения (М) Уровень информационно-коммуникационных технологий (LT) ь е 11! ш ? § ¡11 lis С И ft с И КТ-ко мл етентн о сть студентов (CS)
1. Эксперт 1 У н О О
2. Эксперт 2 У н X X
3. Эксперт 3 X X У У
4. Эксперт 4 Л; н О У
5. Эксперт 5 0 У X X
6. Эксперт 6 Л; У У У
7. Эксперт 7 У Л; О о
8. Эксперт 8 X н X X
9. Эксперт 9 У н У о
10. Эксперт 10 X н 0 X
Параметры функций принадлежности лингвистиче-
ских термов ^м;ут;пк;кс(Н; У; X; О) следующие: «Н» (0; 0;
3), «У» (0; 3; 6), «Х» (3; 6; 9), «О» (6; 9; 9).
Значение функции принадлежности для лингвистической переменной определяем, как отношение числа ответов «Н», «У», «Х», «О» к общему числу опрошенных [4, 17]. Аргументы функций принадлежности находим из уравнений соответствующих сторон треугольников. Полученные результаты приведены в таблице 2.
Таблица 2 - Значение функции принадлежности для лингвистической переменной
Нечеткий вывод выполняем на основании алгоритма Мамдани [9, 12, 13].
Составляем базу знаний из правил вида: Если М есть «У» («X», «О»), и ЬТ есть «Н» («У», «X»), и PC есть «У» («X», «0»), и CS есть «У» («X», «в»), то КО есть «Н» («У», «X», «О»). Полученная база содержит 81 правило - по три терма для каждого из четырех критериев. Например,
1. Если М есть «У», и ЬТ есть «Н», и РС есть «У», и CS есть «Х», то КО есть «Н».
2. Если М есть «X», и ЬТ есть «X», и РС есть «У», и CS есть «У», то КО есть «У».
3. Если М есть «О», и ЬТ есть «X», и РС есть «О», и CS есть «X», то КО есть «X».
4. Если М есть «О», и ЬТ есть «X», и РС есть «О», и CS есть «О», то КО есть «О» и т.д.
Степень истинности (значение функции принадлежности /%о(Н; У; X; О) каждого из правил определяется
как результат нечеткой конъюнкции [9, 12, 13]:
Итоговое значение функции принадлежности выходной ™чгвистичсской переменной - «Комплексная оценка»/! (У - номер комбинации значений аргументов х
функций принадлежности входных переменных М, ЬТ, РС, CS) (см. табл.2) находится объединением, т.е. аккумуляцией всех степеней истинности каждого правила из базы знаний и является результатом нечеткой дизъюнкции. Дизъюнкция - это логическая операция, по своему применению максимально приближённая к союзу «или» в смысле «или то, или это, или оба сразу»:
Мяо = max
(6)
На основании результатов аккумуляции определяется количественное значение выходной переменной. Проведем дефаззификацию - т.е. преобразование нечёткого множества в чёткое число по методу «центра тяжести» [9, 12, 131.
КО. =
jx/i(x]dx
j_
Е
juUliiT
(7)
где комплексная оценка КО; - результат дефаззифи-кации ;-й комбинации;
х - переменная, соответствующая выходной лингвистической переменной КО и принимающая значения от
0< х <9;
¡л(х) - функция принадлежности нечёткого множества, выходной переменной КО после этапа аккумуляции.
Полученное число будет определять КО, для введенных значений (соответствующей комбинации) входных переменных. Итоговое значение КО находим как среднее арифметическое для всех комбинаций входных переменных
(8)
Графические интерфейсы результатов соответствующих элементов алгоритма нечеткого вывода проиллюстрированы на рисунках 2. 3. _ _ ____
■---------
-
-
-
—-
Рисунок 2 - Графический интерфейс редактора выходной функции принадлежности КО
Рисунок 3 - Окно программы просмотра правил после выполнения нечеткого вывода
В итоге получаем:
КО=4,64 (для = 4,2). т.е. «хорошо» с «уверенности» 55% или «удовлетворительно» с «уверенностью»
45%;
либо КО = 4,71 (для = что на 57% соответствует «хорошо» или на 43% - «удовлетворительно».
Полученный результат достаточно адекватно согласуется с данными, приведенными в табл. 2 (см. табл.2.).
Выводы исследования и перспективы дальнейших изысканий данного направления. Для оценивания эффективности использования ИКТ-технологий в ВУЗе применен алгоритм нечеткого вывода на основании субъективных оценок критериев, выставленные несколькими экспертами в порядковой шкале: «неудовлетворительно, «хорошо», «удовлетворительно», «отлично». При этом на этапе фаззификации - введения нечеткости, первоначально найдены значения функций принадлежности лингвистических термов, как их относительные частоты, в экспертной оценке соответствующего критерия. После этого определены численные значения аргументов, исходя из значений соответствующих функций
принадлежности. В результате получена комплексная оценка эффективности использования ИКТ-технологий, адекватно отражающая экспертную информацию.
СПИСОК ЛИТЕРАТУРЫ:
1. Пегат А. Нечеткое моделирование и управление / А. Пегат; пер. с англ. — М.: БИНОМ. Лаборатория знаний, 2009. — 798 с.
2. Дилигенский Н.В., Дымова Л.Г., Севастьянов П.В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: технология, экономика, экология М.: «Издательство Машиностроение - 1», 2004. - 397 с.
3. Зак Ю.А. Принятие решений в условиях нечетких и размытых данных. Fuzzy-технологии. М:ЛЕНАД, 2016.- 352 с.
4. Копытин К.В. Моделирование проектной деятельности в условиях неопределенности // Аудит и финансовый анализ. М: ДСМ Пресс, 5'2007-3.9.
5. Матвеев М.Г. Методы решения задач управления предприятием в условиях расплывчатой неопределенности / М.Г. Матвеев, Г.Н. Лебедев, М.Е. Семенов, О.И. Канищева. Вестник ВГУ. Серия: Системный анализ и информационные технологии, 2012. № 1, С.102-106.
6. Чернов В. Г. Модели поддержки принятия решений в инвестиционной деятельности на основе аппарата нечетких множеств / В. Г. Чернов. —М.: Горячая линия — Телеком, 2007. — 312 с.
7. Попов А.В., Белоконь Ю.А., Бибиков М.И. Методы многокритериального выбора поставщика с применением нечетких чисел/. - Харьков, 2015.-№3 (73), С.112-117.
8. Гордиенко Т.П., Смирнова О.Ю. Информационно-коммуникационные технологии в образовании / Сборник научных трудов по материалам Международной научно-практической конференции Наука и образование в CCI веке, Тамбов, 31 октября 2014 г., Часть 8., Тамбов, 2014, С.54-57.
9. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику проекта [Электронный ресурс]: http://matlab.exponenta.ru/fuzzylogic/book1/
10. Леоненков А. В. Нечеткое моделирование среде MATLAB и fuzzyTECH. / СПб.: БХВ. Петербург, 2005. -736 с.
11. Тарасян В.С. Пакет Fuzzy Logic Toolbox for Matlab: учеб. пособие.-Екатеринбург, Изд-во УрГУПС, 2013.-112 с.
12. Гордиенко Т.П., Гапонов А.И., Смирнова О.Ю. Расчет эффективности ИКТ в среде MATLAB прикладным пакетом Fuzzy Logic Toolbox// Проблемы современного педагогического образования. - Ялта, 2016.-50-2. С.26-35.
13. Гордиенко Т.П., Смирнова О.Ю. Критерии оценки эффективности применения ИКТ в учебном процессе / Научные исследования и разработки 2016. IX Международная научно-практическая конференция. [Электронный ресурс]. - М.: Издательство «Олимп», 2016. - С. 242-245.
14. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений: пер. с англ./Л.А.Заде. -М.: Мир, 1976. - 165 с.
15. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. В кн.: Вопросы анализа и процедуры принятия решений. М.: Мир - 1976. - С.172-215.
16. Воронцов Я.А., Матвеев М.Г. Методы параме-тризированного сравнения нечетких треугольных и трапециевидных чисел//Вестник ВГУ, серия «Системный анализ и информационные технологии». -2014.-№2.-С.90-97.
17. Орлов А.И. Организационно-экономическое моделирование. В 3 частях. Часть 2. Экспертные оценки. М.: МГТУ им. Н. Э. Баумана -2011. - 488 с.
