Онтологический подход в управлении адаптивной подготовкой групп специалистов Текст научной статьи по специальности «Науки об образовании»

ПРИКЛАДНЫЕ ОНТОЛОГИИ ПРОЕКТИРОВАНИЯ

УДК 378.14 Научная статья Э01: 10.18287/2223-9537-2024-14-2-205-216

Онтологический подход в управлении адаптивной подготовкой групп специалистов

© 2024, И.А. Фролов

Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации, Смоленск, Россия

Аннотация

Предлагается комплексный подход к решению задач управления процессом адаптивной подготовки групп специалистов, который позволит учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня подготовки специалистов и оперативно подстраивать сценарий обучения под текущую ситуацию. Реализация этого подхода основана на онтологическом и прогнозном моделировании процесса адаптивной подготовки специалистов. В статье описывается метаонтология адаптивной подготовки групп специалистов организационно-технических систем для автоматизированного решения задач управления процессом подготовки. Рассматривается подход к решению задач сбора, обобщения и анализа цикла интеллектуального управления адаптивной подготовкой групп специалистов на основе метаонтологии. Применение разработанной метаонтологии позволяет автоматически определять наличие знаний и умений обучаемых, которые хранятся в их профилях и обновляются по результатам пройденных этапов подготовки. Это позволяет повысить оперативность формирования управляющих воздействий (учебно -тренировочных задач) и качество подготовки.

Ключевые слова: адаптивная подготовка, метаонтология, группы специалистов, предметные онтологии, управляющие воздействия, учебно-тренировочные задачи.

Цитирование: Фролов И.А. Онтологический подход в управлении адаптивной подготовкой групп специалистов // Онтология проектирования. 2024. Т.14, №2. С.205-216. Б01:10.18287/2223-9537-2024-14-2-205-216.

Конфликт интересов: автор заявляет об отсутствии конфликта интересов.

Введение

В современном обществе существует проблема повышения эффективности процесса подготовки специалистов и его адаптации к динамично изменяющимся внешним и внутренним факторам, таким как изменение рынка труда, смена предпочтений потребителей, развитие перспективных технологий, индивидуальные особенности специалистов и др. Профессиональное образование нередко отстаёт от развития экономики, что приводит к дисбалансу подготовки специалистов и реальных потребностей общества [1].

На приобретение специалистами дополнительных компетенций, необходимых для решения поставленных работодателем задач, тратятся значительное время и материальные ресурсы. Для подготовки специалистов существует большое количество прикладных обучающих, в т.ч. интеллектуальных, систем (ИС) [2, 3], а также краткосрочных курсов переподготовки специалистов в соответствии с их устремлениями и возможностью вариации содержания [1].

Можно выделить проблему повышения эффективности подготовки специалистов организационно-технических систем (ОТС), выполняющих сложные задачи в составе групп в условиях, связанных с риском для здоровья и необходимостью адаптации процесса их подго-

товки к изменяющимся условиям деятельности. Осуществлять подготовку таких групп специалистов к выполнению задач в реальных условиях возможно только с использованием специальных тренажеров и технических средств.

Для повышения эффективности подготовки групп специалистов ОТС необходимо повышать качество и оперативность управления этим процессом, в т.ч. за счёт учёта индивидуальных психофизиологических особенностей (ПФО) каждого специалиста группы [4]. Учёт ПФО специалистов на этапах индивидуальной подготовки обусловливает необходимость гибкого изменения сценария подготовки специалистов непосредственно в процессе занятий.

Необходимость учёта имеющихся знаний, умений и индивидуальных особенностей каждого специалиста (различная скорость усвоения материала, потребность в различных подходах и методиках к обучению) при одновременной подготовке большого количества специалистов в составе групп обусловливает обработку руководителем занятия больших объёмов данных. С увеличением плотности потока поступающей информации, на основании которой необходимо принимать управляющее решение, психофизиологические возможности руководителя занятия снижаются [5]. Это определяет актуальность автоматизации процесса управления адаптивной подготовкой (АП) групп специалистов ОТС.

1 Автоматизация управления адаптивной подготовкой групп специалистов

Одним из путей повышения качества управления подготовкой групп специалистов является адекватный учёт индивидуальных ПФО каждого специалиста из состава группы в процессе адаптивного формирования для них управляющих воздействий [6-8].

В процессе проведения занятий наибольшие трудности возникают при адаптивном формировании учебно-тренировочных задач (УТЗ) для каждого специалиста группы с учётом их текущего уровня подготовленности и результатов выполнения предыдущих УТЗ (с учётом времени выполнения задачи, результатов её выполнения и совершённых ошибок).

Решение этих задач руководителем занятий занимает длительное время и обусловливает субъективизм оценки текущего уровня подготовленности обучаемых, на основе которой принимаются решения по формированию управляющих воздействий УТЗ, и анализа результатов их реализации и последующей корректировки.

Для обучаемых характерно забывание пройденного материала, что происходит индивидуально [7] и обусловливает неопределённость в достижении целей этапов подготовки. Изменение уровня подготовленности каждого специалиста в процессе обучения аппроксимируется соответствующей экспоненциальной функцией [8]. Руководителю занятия трудно учесть эти изменения при формировании индивидуальных управляющих воздействий в процессе занятия.

Поэтому на этапах групповой подготовки адаптивное индивидуальное управление приведёт к существенному увеличению времени на анализ, изменение и выработку управляющих воздействий в процессе подготовки обучаемых [4].

Эти факторы обусловливают необходимость автоматизации процесса управления АП групп специалистов за счёт разработки адаптивной системы управления (СУ) процессом подготовки, которая должна учитывать специфику предметной области (ПрО) и индивидуальные ПФО обучаемых специалистов (скорость приобретения и утраты знаний, умений и навыков).

Задача управления АП групп специалистов не может быть задана в числовой форме, её цели не могут быть выражены в терминах точно определённой целевой функции, не существует общего алгоритма её решения. Это позволяет отнести названную задачу к классу слабоструктурированных или неформализованных задач [2].

Автоматизация процесса управления подготовкой может быть осуществлена с помощью ИС управления, построенной на основе модели ПрО и включающей знания о стратегиях и методах подготовки, предметах обучения и обучаемых [8-10]. Для формализации знаний ПрО АП групп специалистов ОТС целесообразно применение онтологического инжиниринга [11].

Op =

P(b) ^

2 Метаонтология адаптивной подготовки групп специалистов

Метаонтология АП групп специалистов (MetOap) является моделью знаний и представляет собой онтологию верхнего уровня, включающую совокупность взаимосвязанных предметных онтологических моделей (ОМ): ОМ предметов АП (Op), ОМ объектов АП (Oop), ОМ ресурсов для АП (ORes), множество отношений между онтологиями (Rs), множество аксиом (Ax), позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами.

MetOap = (Stage, Goal, Op, Oop, ORes, Rs, Ax),

где Stage - множество этапов АП (одиночная подготовка, подготовка в составе групп специалистов); Goal - цели этапов АП групп специалистов. Op представлена в виде (см. также рисунок 1)

P(b) ={p(b),...,pb),...,PQb)}, q = 1,...,Q, b = 1,..,B;

'Apqb) ={ Apqb),..., Apqbc,..., Ap^}, c = 1,..., C; CL(qb) ={<?,..,ciqb),...,ciqbP}, p = 1,...,P;

Rcqb) ={rc£),..., Rc£,..., RcqbL}, l = 1,..., L; Rsqb={Rsq;?,..., Rsqs,..., Rsq%}, m=1,..., m •

rrpV={Rpqb1),.., Rpq$,..., Rp%}, s=1,..., s

Apfc ^ Fpqbc=^,..., FpfCj,..., Fpqbj}, j=1,..., j ,

где P(b) ={Px(b),..., Pq(b),..., PQb)} - множество элементов АП (предметов, тем, занятий, изучаемых понятий и отрабатываемых умений);

P(1) ={P(1),..., if,..., PQ1};

Pqd) 0 P(2 ={P(2),..., PCJ,..., у* } , f = 1,..., F ;

P2f ^ f={fU f,.. f}, '=i;

pf =(nq,gzg>,gu<u\wq) ,

где Nq - имя q-го элемента АП;

GZ(kf ={gziq\,..,,...,gz{ZzN}, kz = 1,...,KZ, n = 1,...,N - множество обобщённых гранул знаний, содержащихся в q-м элементе АП;

gzk(zq,)n - атомарная гранула знаний, представляющая собой семантически неделимое понятие ПрО (например, определение);

ои^ = |,...,,...,}, ки = 1,...,Ки, V = 1,...,V - множество обобщённых гранул умений, содержащихся в q-м элементе АП;

gu(U>V - атомарная гранула умений, представляющая собой элементарную операцию, яв-

ляющуюся составной частью денствии, выполняемых специалистом при решении задач.

рд

р™

/ / 1

Рисунок 1 - Онтологическая модель предметов адаптивной подготовки

Множество обобщённых гранул знаний и умений формируется в результате процесса информационной грануляции содержания АП и группирования атомарных гранул знаний и умений на различных О1 -уровнях по семантической близости [12, 13]. Полученная таким

образом иерархическая структура является основой при построении дерева целей АП.

wq - степень влияния элемента АП на достижение частной цели подготовки, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

gz{£n ={ я.е^]п, wkq]n), gukuq>vv =( нк^ ,гк£,, ^, ,

где Ык£>„ / - имя п-й гранулы знаний / v-й гранулы умений;

ТъП / - время, необходимое для изучения п-й гранулы знаний / v-й гранулы умений; Кеэ^П / Кезки^ - ресурсы, необходимые для изучения (отработки) п-й гранулы знаний / v-й гранулы умений;

^ъп =[0...1] / =[0...1] - степень влияния п-й гранулы знаний / у-й гранулы умений на достижение частной цели подготовки нижнего уровня иерархии;

Ар(ь =|Ар^1,...,Лр^С.,...,Ар(с} - множество атрибутов элементов АП (имя элемента

АП, множество атомарных гранул знаний и атомарных гранул умений, степень влияния элемента АП на достижение частной цели подготовки, время, необходимое для овладения элементом АП);

С^Ь = |с/®,...,с/®,...,с/(Р| - множество частных целей, соответствующих элементам

АП, образующих дерево целей (например, занятию, входящему в определённую тему, соответствует частная цель, а предмету подготовки может соответствовать конечная цель подготовки).

с1(Ь) =( ЫС , ¥С , Ц'С \

(, р \ р? р' р 1

где Ыср - имя р-й частной цели;

¥ср : Р((Ь) ^ с/(ьр - функция отображения элементов АП частным целям;

wcp - степень значимости р-й частной цели нижнего уровня иерархии цели более верхнего уровня иерархии, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

Яс(ь . = |Яс(г,1),..., Яс(],..., Яс(11 - множество иерархических отношений (отношение «часть-

целое») между элементами АП на различных уровнях;

. = |я^(ь1),..., Я(т,..., } - множество отношений причинно-следственной зависимости между элементами АП на -м уровне иерархии (последовательное изучение и отработка тем, занятий, понятий и умений);

Яр^Ь = |Яр(61),..., Яр(ь),..., ЯрЬ | - множество отношений влияния элементов АП нижнего уровня на элементы более высокого уровня;

Яр(1 ={гр(}, грт(Ь), },

где гр/(Ь - отношение слабого взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины, но не является обязательным), степень влияния элемента АП на достижение частной цели подготовки wq < 0.4;

грт(Ь - отношение среднего взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.4 < wq < 0.7 ;

гр^] - отношение сильного взаимовлияния между элементами АП (означает, что для

достижения родительской вершины необходимо владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.7 < wq < 1.

Критерии взаимовлияния между элементами АП определены на основе метода экспертных оценок и не противоречат программам подготовки и накопленному опыту подготовки групп специалистов.

Oop =

OP}d}

^р(Ьс> = {^р(Ь,>,...,^р(Ьс>,...,| - множество ограничений атрибутов элементов АП.

0ор представлена в следующем виде (см. также рисунок 2).

0Р(й> ={0р№,..., 0Р^й >,..., 0Р^>|, V = 1,...,^ й = 1,.., Д

'Лор^> ={ Аор(д>,..., Лор?,..., АорЩ, г = 1,..., Я;

Яое^> ={ЯocV;\>,...,Яое^и),...,Яое^}, и = 1,...,и;

Ло^> ^ЯvpVd> = {Лр£>,...,ЯvpVfg),...,Яр^}, g = 1,...,о,

где 0Р(й > ={0Р(й >,..., 0Рг(й >,..., 0Р(й >} - множество объектов АП (отдельные специалисты, группы специалистов>;

Аор[й > ={ Лор^,..., Аор^?,..., Лор^Я } - множество атрибутов объектов АП;

Яое[с1 > ^Яос^,...,Яое^и),...,Яое^и} - множество иерархических отношений (отношение «часть-целое») между объектами АП;

ЯvpVd> ^Яур^,...,ЯvpV'g),...,Я^р^О} - множество отношений соответствия между атрибутами объектов АП и элементами АП онтологии предметов подготовки.

ORes =

Res —

Ar —

Рисунок 2 - Онтологическая модель объектов адаптивной подготовки

ORes имеет следующий вид (см. также рисунок 3).

Res = jRes^..., Resi,..., Res1 j, i = 1,..., 1;

Ar ={AriД,..., Ar,krAr,KR j, kr=KR;

Rori = {Rori,i,..., Rori,qnRoriQN j, qn=^ - QN;

Rvr ={Rvra,..., Rvrhgt,..., RvrhGT j, gt = 1,..., GT;

Fr, = {Frгд,..., Ffhe ,FfhE j, e = E,

где Res = {Resl,..., Rest,..., Res1 j - множество ресурсов, необходимых для отработки элементов АП;

Rest = {lresirs,Mresire j, rs = 1,...,RS, re = 1,...,RE,

где ¡ее],га ={/га]га1,..., ¡ее]е]пт,..., ¡ее]]ЫМ},пт = 1,...,ЫМ - множество информационных ресурсов (литература, видеоматериалы и т.п.);

Мге8иее = {Мее5геД,...,Мее]ее],...,Мее]ге18},= 1,..., - множество материальных ресурсов (реальная техника, технические средства обучения и т.п.);

Ае ={Леи,... , Апке,..., Ае.,КЯ | - множество атрибутов ресурсов для АП;

Яоег = {Яое. 1,...,Яое.(П,...,Яое.дЫ| - множество иерархических отношений (отношение

«часть-целое») между ресурсами для АП;

ЯУе ={ЯУе 1,...,ЯУе ^,...,ЯУггОТ| - множество отношений соответствия между атрибутами ресурсов для АП и элементами АП онтологии предметов подготовки;

Ре. ={Ггп,..,¥ге,...,¥ге| - множество ограничений атрибутов ресурсов для АП.

1res \ / MreslA Mresrezs

И )

Рисунок 3 - Онтологическая модель ресурсов для адаптивной подготовки R = ÎR ... R ... R 1 in = 1 ... JN - множество отношений соответствия между предмет-

s ( S1 ' ' sjn' ' SJN J ' j ' '

ными онтологиями;

Ax = |Ax1,..., Axh] - множество аксиом, позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами метаонто-логии.

3 Практическое применение

Для практического решения задач управления АП групп специалистов разработанная ме-таонтология реализована в среде Protégé. С помощью запросов на языке SPARQL осуществляется процесс получения необходимой для руководителя занятий информации об обучаемых специалистах для планирования мероприятий их АП.

Пример запроса о составе группы и выполняемых функциях специалистов в группе представлен на рисунке 4. Результаты запроса выводятся в виде таблицы, что позволяет руководителю занятия оперативно планировать мероприятия АП независимо от специфики задач, выполняемых группой обучаемых. Для руководителя занятия имеется возможность с использованием запросов к метаонтологии уточнять информацию о наличии определённых знаний и умений у обучаемых.

На рисунке 5 приведён пример запроса к метаонтологии о специалистах, изучивших требования безопасности. По результатам запроса руководителю занятия выводится информация о членах группы, изучивших этот вопрос.

Для автоматического обновления информации о пройденных этапах АП в разработанной метаонтологии сформированы правила на языке Правила позволяют автоматически

обновлять информацию о полученных каждым обучаемым знаниях и умениях в процессе АП и представлять информацию (перечень атомарных гранул знаний и умений) руководителю занятия об оставшихся этапах для каждого обучаемого группы.

На рисунке 6 представлен пример правила, которое определяет требуемые знания для продолжения подготовки согласно сформированному дереву целей.

Щ Edit Name

gj Edit X

Name

Comment (Состав группы Status

Prefix not registeredfor prefix name: autogeril:

аи1одеп1:ФИО(?с)лаи1одеп1:Догжность[?Ь)паи1одеп1:Звание[?а)лаи1одег11: И м e ет^огжн ость{?с, ?b)л auto g e n 1 : И м e ет_зван и e [?c, ?a)л auto g e n 1 : вхсдит_в_состав[?с, aulogenlтруппы! 11)-=- sqwrl:select[?c, ?b, ?a)

S4

Comment

Кто знает требование безопасгности

Status

|ok

autogen 1 :ФИ Ортре б о ван ия_б езоп асн о сти_сог11 асн о j н струкци и_п о_э ксплуатаци)" autogenic ает{7Тре б о ва н ия_безоп асн ости_сот асн о_и н струкци и_по_э ксплуатаци, autogen 1 Треб о вания_б езоп асн ости_согл асн о_и н струкци и_п о_э ксплуатаци и) -> sqwrl:select{7Tpe6oBaHnn безопасности согласно инструкции по эксплуатаци)

Рисунок 4 - Пример запроса к метаонтологии Рисунок 5 - Пример запроса к метаонтологии о специ-

о составе группы алистах, изучивших требования безопасности

Property assertions: Жарков_А_П

Object property assertions ^^

■ Освоил Занятие_1_ТБ_согпасно_ннструкцнн_по_эксплуатации

■ Дал ее_н еобходимо_изуч нть

3 а няги е_1 _Н азна чен и е_соста в_ТТХ_и_общее_у строй ство_ра кеты

■ Знает ИХ ПЗРК

Data property assertions ^^

■ Время_обучення О

■ ФИО "Жарков Антон Павлович"

Negative object property assertions ^ Negative data property assertions ^^

0000 o@oo

0000

0@00 0000

Рисунок 6 - Пример правила, которое определяет требуемые знания для продолжения подготовки

На рисунке 7 представлены результаты АП специалиста (оценки атомарных гранул знаний и умений в соответствии с деревом целей).

Документирование полученных результатов позволяет руководителю занятия делать выводы о процессе АП, динамике овладения знаниями и умениями каждым обучаемым группы и дифференцированно формировать для них управляющие воздействия с учётом текущих результатов.

Все данные об обучаемом, получаемые из метаонтологии, хранятся в цифровом двойнике объекта подготовки

SPq =( IDSPq, LKSPq

YS. (t), CS&

где /05Р - идентификатор д-го специалиста;

- индивидуальные ПФО специалиста, определяемые моделями приобретения и

LK

SP„

утраты навыков [15];

ЗР

Уеек" (7) - текущий уровень подготовленности д-го специалиста на т-м этапе подготовки,

оцениваемый в соответствии с руководящими документами об организации подготовки групп специалистов и методиками оценки;

С8ЗР - цифровой

след д-того специалиста (результаты прохождения этапов подготовки по различным дисциплинам);

Property assertions: Иванов_И_И

Object property assertions ^^

■ Хорош о_з н а ет И сточ н и к_ош и бкн_п оздн и й_пуск

■ Отлнчно_знает Требовання_безопасностн_согласно_инструкции_по_эксплуатацнн

■ Отл н ч н о_у м еет Изм ерять_д а л ьность_до_цел н_с_п ом ощью_би н окл я

ш Уд ов л етворнтел ь н о_у меет Изм ерять_д а л ьн ость_д о_цел н_с_п о м ощью_л и н ей т ш Ум еет Изм е рять_j\a л ьн ость^до_цел и_с_п ом ощь ю_л и н е й ки

■ Имеет_должность Командир_отделення

■ Хорош о_з н а ет 3 an ретн ы н_у гол_в_сторону_сол н ца

■ входнт_в_состав зро_21

Data property assertions ^^ Negative object property assertions ^^ Negative data property assertions ^^

oooo

OOOO

oooo o©oo

ООО'

oooo oooo oooo

TR

■SP„

- эталонный

Рисунок 7 - Результаты адаптивной подготовки специалиста

сценарий подготовки д-того специалиста.

Эталонный сценарий подготовки формируется на основе дерева целей, где каждой частной цели соответствуют обобщённые гранулы знаний и

обобщённые гранулы умений. Выбор цели и эталонного сценария зависит от заданного времени на подготовку групп специалистов. Поэтому целью АП может быть цель не самого верхнего уровня а„, а частная цель уровня а„-1). В этом случае содержание подготовки определяется в соответствии с отношением влияния элементов АП нижнего уровня на элементы более высокого уровня.

Получаемый с помощью метаонтологии в соответствии с деревом целей перечень необходимых знаний и умений используется при формировании сценарно-информационной модели процесса АП в виде упорядоченной последовательности элементов для прогнозного моделирования достижимости цели АП. Сценарно-информационная модель представляет собой множество возможных сценариев АП для каждого специалиста и группы в целом путём объединения индивидуальных сценариев отдельных специалистов группы. В результате моделирования выбирается рациональный сценарий и осуществляется процесс подготовки специалистов. Сценарий представляет собой структуру процесса АП групп специалистов в виде последовательности атомарных гранул знаний и атомарных гранул умений с учётом уже имеющихся у специалиста знаний и умений в усовершенствованной нотации ЛШ8, предназначенной для моделирования бизнес-процессов.

При отработке сценария АП групп специалистов фиксируются полученные результаты в виде оценок по четырёхбалльной шкале и ошибки, допускаемые специалистами группы при выполнении алгоритма деятельности, которые учитываются при адаптации сценария к текущим результатам.

Заключение

Предложен подход к решению задач управления процессом АП групп специалистов, который позволяет учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня качества подготовки специалистов и изменять сценарий обучения с учётом текущей ситуации. Для реализации предложенного подхода разработана мета-онтология - модель знаний ПрО, отражающая взаимосвязи между предметами, объектами АП и ресурсами, необходимыми для проведения АП.

Разработанная метаонтология позволяет повысить качество решения задач поиска, сбора, агрегирования и анализа исходной информации для процесса интеллектуального управления АП групп специалистов ОТС за счёт сформированных БШЯЬ-правил и SPAЯQL-запросов.

Список источников

[1] Соловов А.В., Меньшикова А.А. Трансформация онтологии образования: от классно-урочной системы к смарт-инновациям // Онтология проектирования. 2022. Т.12, №4(46). С.470-480. DOI: 10.18287/22239537-2022-12-4-470-480.

[2] Рыбина Г.В. Интеллектуальные обучающие системы на основе интегрированных экспертных систем. М.: Директ-Медиа, 2023. 132 с.

[3] Рыгбина Г.В. Интеллектуальные системы: от А до Я. Серия монографий в трёх книгах. Книга 1. Системы, основанные на знаниях. Интегрированные экспертные системы. М.: ООО «Научтехлитиздат», 2014. 224 с.

[4] Фролов И.А., Борисов В.В. Сценарно-информационный анализ и моделирование адаптивной подготовки групп специалистов на основе нечёткого онтологического подхода // Прикладная информатика. 2023. Т.18. № 6. С.54-66. DOI: 10.37791/2687-0649-2023-18-6-54-66.

[5] Фролов И.А. Метод сценарно-информационного анализа для интеллектуального управления адаптивной подготовкой групп специалистов // XXI национальная конференция по искусственному интеллекту с международным участием, КИИ-2023 (Смоленск, 16-20 октября 2023 г.). Труды конференции. В 2-х томах. Т.1. Смоленск: Принт-Экспресс, 2023. С.304-314.

[6] Соловов А.В. Электронное обучение: проблематика, дидактика, технология. - Самара: «Новая техника», 2006. - 462 с

[7] Майер Р.В. Исследование математических моделей дидактических систем на компьютере. [Электронный ресурс]: Глазов: Глазов. гос. пед. ин-т, 2018. http://maier-rv.glazov.net/Mayer_monograph2018.pdf.

[8] Рыгбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика; ИНФРА-М, 2014. 432 с.

[9] Петрушин В.А. Экспертно-обучающие системы. Киев: Наукова. Думка, 1992. - 196 с.

[10] Брусиловский П.Л. Интеллектуальные обучающие системы // Информатика. Информационные технологии. Средства и системы. 1990. № 2. С.3-22.

[11] Gruber T.R. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993. №5(2). P.199-220.

[12] Тарасов В.Б., Калуцкая А.П., Святкина М.Н. Гранулярные, нечёткие и лингвистические онтологии для обеспечения взаимопонимания между когнитивными агентами // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2012): материалы II Международной научно-технической конференции (Минск, 16-18 февраля 2012) / В. В. Голенков (отв. ред.). Минск: БГУИР, 2012. C.267-278.

[13] Алтунин А.В. Теоретическое и практическое применение методов принятия решений в условиях неопределённости: Том 1. Общие принципы принятия решений в условиях различных видов неопределённости. [б.м.]: Издательские решения, 2019. 484 с.

[14] Харитонов Е.В. Метод согласования субъективных измерений в иерархиях матриц отношений предпочтения // Математическая морфология: электронный математический и медико-биологический журнал, 1999. Т.3. №2. С.52-57.

[15] Шибанов Г.П. Количественная оценка деятельности человека в системах человек-техника. - М.: Машиностроение. 1983. 263 с.

Сведения об авторе

Фролов Игорь Анатольевич, 1981 г. рождения. Окончил Военную академию войсковой противовоздушной обороны Вооруженных Сил Российской Федерации (ВА ВПВО ВС РФ) в 2003 г., к.т.н. (2020). Преподаватель кафедры ВА ВПВО ВС РФ. В списке научных трудов около 20 работ в области ИИ. igoе-fеo/ov-81@mai/.еu.

Поступила в редакцию 11.04.2024, после рецензирования 16.05.2024. Принята к публикации 24.05.2024.

Scientific article DOI: 10.18287/2223-9537-2024-14-2-205-216

Ontological approach to managing adaptive training for specialist groups

© 2024, I.A. Frolov

Military Academy of Military Air Defense of the Armed Forces of the Russian Federation, Smolensk, Russia Abstract

An integrated approach to solving the problems of managing the adaptive training process for groups of specialists is proposed, allowing for the consideration of changing external and internal factors, as well as the dynamics of changes in the specialists' training levels. This approach enables rapid adjustment of the training scenario to current situations. The implementation is based on ontological and predictive modeling of the adaptive training process. The article describes the meta-ontology for adaptive training of specialist groups in organizational and technical systems for automated training process management. It discusses an approach to solving problems of collecting, summarizing, and analyzing the cycle of intelligent management of adaptive training for specialist groups using meta-ontology. The developed meta-ontology enables automatic determination of trainees' knowledge and skills, stored in their profiles and updated based on completed training stages. This increases the efficiency of forming control actions (educational and training tasks) and improves the quality of training.

Keywords: adaptive training, meta-ontology, specialists group, subject ontologies, control actions, educational and training tasks.

For citation: Frolov I.A. Ontological approach to managing adaptive training for specialist groups [In Russian]. Ontology of designing. 2024; 14(2): 205-216. DOI:10.18287/2223-9537-2024-14-2-205-216.

Conflict of interest: The author declares no conflict of interest.

List of figures

Figure 1 - Ontological model of adaptive training subjects

Figure 2 - Ontological model of adaptive training objects

Figure 3 - Resource ontological model for adaptive training

Figure 4 - An example of a meta-ontology query about the composition of a group

Figure 5 - An example of a meta-ontology query about specialists who have studied security requirements

Figure 6 - An example of a rule that defines the required knowledge to continue training

Figure 7 - The results of adaptive training of a specialist

References

[1] Solovov AV, Menshikova AA. Transformation of the ontology of education: from a classroom lesson system to smart innovations [In Russian]. Ontology of design. 2022; 12(4): 470-480. DOI: 10.18287/2223-9537-2022-12-4470-480.

[2] Rybina GV. Intelligent learning systems based on integrated expert systems [In Russian]. Textbook. Moscow: Direct-Media, 2023. 132 p.

[3] Rybina GV. Intelligent systems: from A to Z. A series of monographs in three books [In Russian]. Book 1. Knowledge-based systems. Integrated expert systems. Moscow: LLC "Nauchtehlitizdat", 2014. 224 p.

[4] Frolov IA, Borisov VV. Scenario-information analysis and modeling of adaptive training of groups of specialists based on a fuzzy ontological approach [In Russian]. Applied Informatics. 2023; 18(6): 54-66. DOI: 10.37791/2687-0649-2023-18-6-54-66.

[5] Frolov IA. Method of scenario-information analysis for intelligent management of adaptive training of groups of specialists [In Russian]. XXI National Conference on Artificial intelligence with international participation, KII-2023 (Smolensk, October 16-20, 2023). Proceedings of the conference. In 2 volumes. Vol.1. Smolensk: PrintExpress, 2023. P.304-314.

[6] Solovov AV. Electronic learning: problems, didactics, technology [In Russian]. Samara: "New Technique", 2006. 462 p.

[7] Mayer RV. Research of mathematical models of didactic systems on a computer. [Electronic resource]: monograph [In Russian]. Glazov: Glazov. state Pedagogical Institute, 2018.

[8] Rybina GV. Fundamentals of building intelligent systems [In Russian]. Moscow: Finance and statistics; INFRA-M, 2014. 432 p.

[9] Petrushin VA. Expert training systems [In Russian]. Kiev: Naukova Dumka, 1992. 196 p.

[10] Brusilovsky PL. Intelligent learning systems [In Russian]. Informatics. Information technologies. Tools and systems. 1990; 2: 3-22.

[11] Gruber TR. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993; 5(2): 199-220.

[12] Tarasov VB, Kalutskaya AP, Svyatkina MN. Granular, fuzzy and linguistic ontologies for ensuring mutual understanding between cognitive agents [In Russian]. Open Semantic Technologies for Intelligent Systems. 2012. P.267-278.

[13] Altunin AV. Theoretical and practical application of decision-making methods in conditions of uncertainty: Volume 1 [In Russian]. Vol.1. General principles of decision-making in conditions of various types of uncertainty. Publishing solutions, 2019. 484 p.

[14] Kharitonov EV. The method of matching subjective measurements in the hierarchies of the relationship matrices of the pre-reading [In Russian]. Mathematical Morphology: Electronic Mathematical and Biomedical Journal, 1999; 3(2): 52-57.

[15] Shibanov GP. Quantitative assessment of human activity in human-engineering systems [In Russian]. Moscow: Mechanical engineering. 1983. 263 p.

About the author

Igor Anatolyevich Frolov (b. 1981) graduated from the Military Academy of Military Air Defense of the Armed Forces of the Russian Federation in 2003, Candidate of Technical Sciences (2020). Lecturer of the department of the Military Academy of the Armed Forces of the Russian Federation. The list of scientific papers includes about 20 works in the field of AI. igor-frolov-81@mail.ru .

Received April 11, 2024. Revised May 16, 2024. Accepted May 24, 2024.