CC BY
25
и менее сильных, например из 6 и 8 кластеров. При этом ликвидация мелких банков не повлечет за собой глобальных проблем для банковской системы в целом. Это один из возможных сценариев развития банковского сектора российской экономики. Другой путь развития предполагает, что банки 7 и, например, 12 кластера могут начать процесс слияний между собой, создавая конкуренцию сегодняшним «гигантам» банковской системы. Для того чтобы посмотреть, что из этого может получиться были проведены повторные кластерные анализы, где на первом этапе банки из первых 5-ти кластеров поглотили более слабые банки, а на втором уже средние и мелкие банки объединили свои силы и образовали конкурентоспособные банки нашим Гулливерам. Конечно же, последнее принятие управленческого решения остается за экспертами и банкирами.
Заключение. В рамках проведенного исследования была построена модель кластеризации банковского сектора. Описаны общие принципы и последовательность построения модели с помощью факторного и кластерного анализа. Сделан выбор в пользу метода главных компонент факторного анализа и кластерного анализа с использованием алгоритма k-средних в сочетании с иерархическим методом «ближайшего соседа» для получения оптимального количества кластеров, используя Евклидову метрику для расчета расстояний.
Сформирована база данных по показателям банковской деятельности по 600 финансовым учреждениям, необходимым для построения комплексной модели слияний и поглощений банковских структур. Рассмотрено и выбрано программное обеспечение для автоматизации расчетов. Проведен анализ состояния российского банковского сектора по данным 2006 г., с помощью разработанной модели выявлены банки, которые подвержены формированию крупных банковских групп и рассмотрены возможные комбинации приобретения более крупными банками более мелких.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Орехов Н.А. Математические методы и модели в экономике: Учеб. пособие для студ. вузов. М.: ЮНИТИ, 2004. 302 с.
2. Энслейн К. Статистические методы для ЭВМ. М.: Наука, 1986. 464 с.
3. Афанасьев М. Мировая конкуренция и кластеризация экономики // Вопросы экономики. 2005. № 4. С. 75-86.
В.М. Глушань, В.В. Марков, Р.М. Романов
ПОСТРОЕНИЕ КОМПЬЮТЕРНЫХ ОБУЧАЮЩИХ СИСТЕМ С АДАПТАЦИЕЙ К ПСИХО-ЭМОЦИОНАЛЬНОМУ СОСТОЯНИЮ ОБУЧАЕМОГО
Введение. Сегодня, в рамках перехода образовательного процесса на инновационную программу развития, достаточно большое внимание уделяется разработке современных, эффективных учебно-методических ресурсов (УМР). К таким ресурсам в полной мере относятся различные виды электронных образовательных ресурсов (ЭОР), включающие в свой состав электронные учебники, системы контроля знаний и т.д., и интеллектуальных обучающих систем (ИОС). Подобные средства обучения позволяют реализовать концепцию удаленного обучения и повысить эффективность учебной деятельности за счет индивидуализации обучения.
Важнейшей частью любого ЭОР или ИОС является модель обучаемого, которая, по сути, представляет собой образ пользователя в контуре обучения, и данные о которой используются для построения как стратегии обучения в целом, так и при формировании структуры и образовательного контента электронных средств обучения, в частности.
Существующие сегодня электронные учебные материалы решают те или иные задачи обучения с большей или меньшей эффективностью, которая определяется, прежде всего, степенью управляемости обучаемым в процессе обучения. Именно поэтому одной из задач, определяющих образовательный результат и качество обучения с применением ЭОР, является разработка такой
модели ЭОР, которая позволяет индивидуализировать образовательную траекторию под конкретного обучаемого на основе учета его опыта, интеллекта и психофизиологических характеристик. Работы, проводимые в этой области в последнее десятилетие как в России (Е.Н.Балыкина, А.И. Башмаков, И.А. Башмаков, Ю.С. Брановский, В.А. Вуль, Б.М. Владимирский, А.А.Гречихин, Ю.Г. Древс, А.Н. Дахин, Л.Х. Зайнутдинова, В.М. Монахов, А.С. Лакаев, А.В. Осин и др.), так и за рубежом (Visscher-Voerman I, Gustafson K., O. Peters, J. Baath, B. Holmberg, etc.) позволили получить ряд интересных результатов. Однако, ряд проблем и, в частности, вопросы построения ЭОР на базе адекватной и эффективной модели обучаемого с учетом его психофизиологических характеристик, пока далеки от завершения.
1. О принципах и возможностях индивидуализации обучения в среде ЭОР
Как показывает опыт создания и применения электронных средств обучения, основными механизмами, используемым разработчиками таких средств для реализации концепции индивидуального обучения, являются механизмы адаптации. Адаптация, как процесс приспособления объекта управления к изменяющимся воздействиям на основе анализа откликов объекта, имеет несколько иерархических уровней, соответствующие различным принципам изменения состояния и управления объекта управления:
■ Параметрическая адаптация реализуется путем подстройки значений параметров объекта под его текущее состояние.
■ Структурная адаптация реализуется путем перехода от одной структуры объекта к другой; при этом сменяемые структуры должны быть родственными между собой, но отличаться набором параметров и связей между ними. Различают структурную адаптацию по статической и функциональной структуре.
■ Адаптация на основе развития объекта управления. Данный принцип основан на том, что всякий объект, в общем случае, представляется некой ограниченной моделью, а все не включенные в модель параметры и структурные элементы считаются внешней средой. Поэтому такая адаптация реализуется путем расширения модели за счет добавления в модель новых параметров или структур из внешней среды.
■ Адаптация целей реализуется за счет выбора нового множества целей из множества возможных целей, определенных априори в системе. Все предыдущие уровни адаптации направлены на достижение целей, поставленных перед системой.
Как правило, существующие на сегодня базовые адаптивные модели включают в свой состав блок обучения и контроля и блок анализа и изменения (коррекции) модели. Ряд моделей дополняется блоками, служащими для первоначального наполнения базы знаний в зависимости от данных, полученных при обучении других пользователей, что тем самым расширяет модель до эволюционной.
Для реализации всех рассмотренных уровней адаптации в модели ЭОР с разветвленной схемой обучения (когда для каждого типа обучаемого могла быть определена соответствующая модель, отличающаяся структурой и, в ряде случаев, ее параметрами) не хватало "знаний" об обучаемом. Это привело к созданию моделей ЭОР, в которых для управления результатом обучения используется модель обучаемого, наряду с использованием экспертных знаний о предмете изучения и используемых методах и приемах обучения. Реализацией данного подхода стало появление в начале восьмидесятых годов новых структур обучающих систем на базе метода экспертных систем (ЭС). Главным отличием данной модели обучения от предыдущих, является возможность не закладывать априори последовательность шагов обучения, т. к. она строится самой системой в процессе ее функционирования, что и позволяет строить для каждого обучаемого индивидуальный план обучения. Обучающие системы, построенные на основе такого подхода, способны выполнять параметрическую и структурную адаптацию. Однако, в случае возникновения задачи, для решения которой у системы не хватает знаний об обучаемом, задача может остаться не ре-
шенной. Таким образом, важным становится определение достаточности параметров в структуре моделей обучаемого и соответствия целей, преследуемых и разрешаемых системой, целям объекта обучения.
2. Технологии индивидуализации обучения
Приведенный ниже краткий обзор текущих исследований по обучающим адаптивным системам позволяет продемонстрировать возможности использования при создании ЭОР различных технологий адаптации (табл. 1), направленных на индивидуализацию среды обучения. В настоящее время все технологии адаптации, применяемые в ЭОР, заимствованы либо из области ИОС (адаптивное планирование - curriculum sequencing, интеллектуальный анализ решений обучаемого, поддержка интерактивного решения задач, поддержка решения задач на примерах и поддержка совместной работы), либо из области адаптивной гипермедиа (поддержка адаптивного представления и адаптивной навигации).
Целью технологии адаптивного планирования является предоставление обучаемому самой подходящей, индивидуально спланированной, последовательности модулей знаний для обучения и работы с определенным порядком следования обучающих заданий (примеров, вопросов, задач и т.п.). Другими словами, она помогает обучаемому найти "оптимальный путь" сквозь обучающий материал. Классический пример из области обучения программированию система BIP, новые примеры ITEM-IP и SCENT-3 [3]. Это придает смысл различению двух техник адаптивного планирования. Высокоуровневое упорядочение или упорядочение знаний определяет следующую концепцию или тему, которая будет заучена. Низкоуровневое упорядочение или упорядочение заданий определяет следующее обучающее задание (задачу, пример, тест) в текущей теме. В контексте обучения технология адаптивного планирования становится очень важной для управления обучаемым в гиперпространстве доступной информации. Адаптивное планирование реализовано в различных формах в таких ЭОР, как ELM-ART, CALAT [4], InterBook AST (Specht et al., 1997), MANIC и DCG.
Интеллектуальный анализ решений обучаемого имеет дело с окончательными ответами студента на обучающие задания (которые могут колебаться от простых вопросов до сложных задач программирования) без разъяснения причин, по которым ответ был получен. В отличие от не интеллектуальных проверяющих программ, которые не могут сказать ничего более чем ответ правильный или нет, интеллектуальные анализаторы могут сказать, что именно неправильно или неполно и какие отсутствующие или неверные знания ответственны за ошибку. Интеллектуальные анализаторы могут предоставлять обучаемому интенсивную обратную связь об ошибках и корректировать модель обучаемого. Примерами таких ЭОР (из области обучения программированию) являются обучающие модули PROUST, CAMUS-II , ELM-PE и ELM-ART.
Целью поддержки интерактивного решения задач является предоставление обучаемому интеллектуальной помощи на каждом шаге решения - от предоставления намеков до исполнения следующего шага за обучаемого. Системы, которые реализуют эту технологию, могут наблюдать за действиями обучаемого, понимать их и использовать это понимание для предоставления помощи и корректирования модели обучаемого. Поддержка интерактивного решения задач весьма распространена в локальных системах.
В контексте решения задач, на примерах обучаемые решают новые задачи, используя в качестве помощи примеры из своего ранее полученного опыта. В этом плане ИОС помогает обучаемым, предлагая им самые подходящие варианты (примеры, объясненные им или задачи, решенные ими ранее).
Целью технологии адаптивного представления является адаптация содержания гипермедиа страницы под задачи пользователя; при этом знания и другая информация хранятся в модели пользователя. В системе с адаптивным представлением страницы не статичны. Они адаптивно генерируются или монтируются из частей для каждого пользователя. Например, при применении
техники адаптивного представления хорошо подготовленный пользователь будет получать более детализированную и углубленную информацию, а новичок получит больше дополнительных пояснений. Примером таких средств обучения могут быть признаны обучающие ресурсы ITEM, C-Book и адаптивный курс De Bras.
Таблица 1
Используемые технологии и возможности адаптивных ЭОР
Система Гипертекстовый компонент Адаптивное планирование curriculum sequencing Поддержка Адаптивной навигации Поддержка решения задач Интеллектуальный анализ решений Адаптивное представление
CALAT Некоторый Да
ELMART Да Курс, тесты Аннотация Да Некоторый
AST Да Да Аннотация Некоторый
InterBook Да Да Аннотация Некоторый
Medtec Да Задания Некоторый (резюме)
C-Book Да Да
PAT-InterBook Да Да Аннотация Сервер Да Некоторый
DCG Да Да
De Bra's Да Блокирующий Да
WEST-KBNS Да Аннотация
PAT Да
WITS Нет Да
Belvedere Java
ADIS Java
Anjanejul u's Да Блокирующий
D3- WWW-Trainer Да Java
Manic Да Некоторый
В последнее время развитие получила парадигма обучения, построенного вокруг студента (learner-centred paradigm). Персонализация среды обучения в соответствии с этим подходом базируется на обеспечении следующих параметров:
- предпочтения обучаемого по способу доставки учебных материалов;
- образовательный результат, или успеваемость обучаемого;
- последовательность обучения (предъявления учебного материала); возможность контролировать процесс обучения через заданный сценарий обучения; гарантия наличия необходимых для персонализации данных.
Таким образом, проведенный анализ показывает, что используемые сегодня принципы и подходы к построению адаптивных ЭОР позволяют индивидуализировать процесс обучения на базе следующих типовых сценариев электронного обучения (рис. 1-6):
вход
вход
1
Глава 1
181
да
Вход
Пост-тест
учебник
1
да
1
нет
1
нет
1
да
Вход
выход
Рис. 3. Пост-тест и повторное изучение
1
да
т
выход
Рис. 4. Выбор траектории обучения
да
да
Рис. 6. Области знаний Knowledge spaces.
3. Построение адаптивных ЭОР на основе модели обучаемого
Основной проблемой при создании адаптивных обучающих систем является сложность в построении такой программной среды, которая могла бы «понять» человека. Поэтому большинство разработок в данной области строятся на создании моделей обучаемых с последующим описанием и построением всевозможных гипотез (работы В.П. Беспалько, А.Г. Гейна, Б.С. Гершун-ского, В.П. Зинченко, М.П. Лапчика, А.В. Осина, С.В. Панюковой, И.В. Роберт, Э.Г. Скибицкого, О.К. Тихомирова, Г.А.Атанова (Украина) и др.). Моделям присваивается определенный набор характеристик, которые в последствии влияют непосредственно на построение самой обучающей системы. Известно достаточно большое количество существующих моделей обучаемого - нормативная, предметная, тематическая, функциональная, процедурная, операционная, семантическая модели обучаемого. Однако, представленные модели слабо учитывают психофизиологические особенности и характеристики обучаемого, и, как правило, не используются при формировании структуры образовательных ресурсов и их содержания, что снижает ( в некоторых случаях - существенно) эффективность применения ЭОР.
С этой точки зрения, модель обучаемого и, соответственно, реализуемая на базе применения технологий адаптации структура ЭОР, должны учитывать: модальность обучаемого; тип его темперамента;
текущее психо-эмоциональное состояние обучаемого.
Модальность обучаемого - специфический индивидуальный способ получения информации и взаимодействия с ней. Выделяют такие модальные типы, как кинестетик, аудиал и визуал. Ведущая модальность - предпочтение субъектом одного из информационных каналов (зрительного, звукового или тактильного). Типы темперамента достаточно хорошо известны и необходимость в описании особенностей восприятия ими информации отсутствует.
Особый интерес представляет определение текущего психо-эмоционального состояния обучаемого. В качестве реальных инструментов, определяющих психо-эмоциональное состояние можно выделить две большие группы:
1. Тесты и тестирующие программы.
2. Специальные аппараты или системы.
Среди тестов можно в первую очередь выделить тесты Леонгарда, Айзека, Люшера, методику Горской и целый ряд других. Интерес представляет тест Люшера, как один из прожективных тестов, дающий достаточно глубокую и обширную, свободную от сознательного контроля испытуемого характеристику его внутренних диспозиций за весьма короткое время.
В качестве примеров аппаратов и диагностических систем на их основе, определяющих психо-эмоциональное состояние можно выделить диагностическую систему "Адаптолог - Эксперт" фирмы «Сотек» при Государственном научно-исследовательском испытательном институте военной медицины МО РФ. Система позволяет провести оценку психо-эмоционального состояния, основываясь на определении адаптационного потенциала (адаптационного уровня и коэффициента реакции). Система определяет показатели: общее состояние, степень адаптивности, силу воздействующих факторов, мотивацию к успеху, уровень невротизации. Наряду с этим, программа оценивает направленность и степень влияния факторов, формирующих психо-эмоциональное состояние человека. Диагностическая система позволяет в совокупности оценивать физиологический и пси-хо-эмоциональный адаптационный потенциал человека по локализации состояний на адаптационных шкалах [6]. Продукт «ГРВ -психолог» компании "МедЭО" позволяет определить физическое и психо-эмоциональное состояние пациентов, их уровень эмоциональной восприимчивости [7].
Очевидно, что использование адаптационных технологий при построении ЭОР может быть реализовано с использованием тестовых методик определения психо-эмоционального состояния обучаемого. В этом случае структура ЭОР может иметь вид (рис. 7.).
Рис. 7. Адаптивная модель ЭОР с учетом психофизиологических параметров обучаемого
Основная идея функционирования ЭОР с использованием предлагаемой методики построения модели обучаемого основана на предварительной оценке психофизиологических характеристик обучаемого и формировании, с учетом этой информации образовательного контента ЭОР. Следует отметить, что при формировании содержания обучения учитывается также интеллектуальный уровень обучаемого, а также уровень и качество ранее приобретенных знаний. Изначально сформированное содержание обучения при этом позволяет персонифицировать как состав, так и логическую схему изучения материала. Последнее замечание в полной мере касается и механизма построения блока контроля и оценивания. Блок анализ и коррекции параметров и структуры ЭОР позволяет, при получении из блока контроля типа ошибки ответа, выявить тип этой ошибки (тип ошибки определяется в зависимости от типа различия значений истинности предикатов - задающего ответ и выведенного из модели) и выработать необходимые параметры перестройки модели ЭОР.
Предлагаемая методика построения ЭОР, учитывающая специфичные характеристики модели обучаемого, позволяет эффективно реализовать известные механизмы адаптации и выстроить индивидуальную среду обучения, что, как ожидается, приведет к росту образовательных результатов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Brusilovsky, P. (1995) Intelligent tutoring systems for World-Wide Web. In: R. Holzapfel (ed.) Proceedings of Third International WWW Conference, Darmstadt, Darmstadt, April 10-14, 1995, Fraunhofer Institute for Computer Graphics. РР. 42-45.
2. Brusilovsky, P. (1996) Methods and techniques of adaptive hypermedia. In P. Brusilovsky and J. Vassileva (eds.), Spec. Iss. on Adaptive Hypertext and Hypermedia, User Modeling and User-Adapted Interaction 6 (2-3), 87-129.
3. Brecht, B. J., McCalla, G. I., and Greer, J. E. (1989) Planning the content of instruction. In: D. Bierman, J. Breuker and J. Sandberg (eds.) Proceedings of 4-th International Conference on AI and Education, Amsterdam, 24-26 May 1989, Amsterdam, IOS. РР. 32-41.
4. Nakabayashi, K., Maruyama, M., Kato, Y., Touhei, H., and Fukuhara, Y. (1997) Architecture of an intelligent tutoring system on the WWW. In: B. d. Boulay and R. Mizoguchi (eds.) Artificial Intelligence in Education: Knowledge and Media in Learning Systems. (Proceedings of AI-ED'97, World Conference on Artificial Intelligence in Education, Kobe, Japan, 18-22 August 1997) Amsterdam: IOS. РР. 39-46.
5. www.competentum.ru.
6. www.adaptolog.org.ru.
7. www.medeo.ru.
8. Атанов Г.А. Моделирование учебной предметной области, или предметная модель обучаемого. -Educational Technology & Society 4(1) 2001. Р. 111-124.
9. Савинов Н.А Построение динамической немонотонной индуктивной модели обучаемого / Материалы IX Международной школы-семинара. М.: МГИЭМ, 2001, 461 с.
10. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и обучающих систем. М.:
Инфор.-издат. дом «Филинъ», 2003. 616 с.
Я.Е. Ромм, С.А. Катрич
КОМПЬЮТЕРНЫЙ АНАЛИЗ УСТОЙЧИВОСТИ НЕЛИНЕЙНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ВРАЩЕНИЕМ СПУТНИКА
Описание общей схемы компьютерного анализа устойчивости. Пусть требуется исследовать устойчивость в смысле Ляпунова решения задачи Коши для нелинейной системы обыкновенных дифференциальных уравнений (ОДУ) в нормальной форме
^I=F{tjyY(t0) = Y0, (1)
d t
где Y = Y(t), Y = {y1(t),y2( t ),-■■, У „(0„ " искомое решение, ~ С' 1 (t (I X У 2 (' (I )>■■■> У n (' (I ) ~ вектор начальных данных,
F(t,Y)= (t,Y), f2 (t,Y ),..., fn(t,Y) - заданная вектор-функция от П + 1 переменных: независимой переменной t и П зависимых переменных y j ( t), y 2 (t) , •••, У n (t) .
Предполагается, что для системы (1) выполнены все условия существования и единственности решения Y — Y (t) на всей полупрямой |п, со . Предполагается, что эти же условия выполнены для всех решений Y = Y ( ? ) с начальными условиями К ( / (| ) = Y (], если только
0<
Y -Y
'о 'о
< Ь , (2)
где Ь - некоторое постоянное число.
Здесь и в дальнейшем под нормой вектора || • || понимается каноническая норма вектора, определенная как сумма модулей его координат.
