CC BY
242
ПЕДАГОГИКА И ПСИХОЛОГИЯ
УДК QQ4.891.2
ПРОБЛЕМЫ ИСПОЛЬЗОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ В ОБРАЗОВАНИИ1
© Марина Сергеевна ЧВАНОВА
Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, доктор педагогических наук, профессор, проректор по инновациям и информационным технологиям, e-mail: ms@tsu.tmb.ru © Ирина Александровна КИСЕЛЕВА Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, кандидат педагогических наук, доцент кафедры информатики и информационных технологий, e-mail: irinakiselyo@yandex.ru © Анатолий Анатольевич МОЛЧАНОВ Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, аспирант, кафедрa информатики и информационных технологий, e-mail: ykdosto@gmail.com
Рассматриваются проблемы применения и разработки экспертных систем в образовании, а также конкретные примеры использования таких систем. Считается необходимым применение аппарата нечеткой логики для проектирования и разработки интеллектуальной подсистемы.
Ключевые слова: экспертные системы; нечеткая логика; интеллектуальные системы.
В начале 1980-х гг. в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы» (ЭС). Исследователи для названия дисциплины часто используют также термин «инженерия знаний», введенный Е. Фейгенбаумом (см.: [1]). Экспертные системы - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. Название обусловлено тем, что они как бы имитируют людей, являющихся экспертами.
Каждая экспертная система состоит из трех частей: во-первых, из очень большой базы современных данных, во-вторых, подсистемы формирования вопросов и, в-третьих, совокупности правил, позволяющих делать выводы. Некоторые экспертные системы могут рассказать о методе, который они используют при выработке своего заключения.
1 Тема поддержана в рамках Программы Минобрнауки РФ «Проведение научных исследований молодыми учеными - кандидатами наук» № 14.В37.21.1141, 2012-2013 гг.
В нашей стране современное состояние разработок в области экспертных систем можно охарактеризовать как стадию всевозрастающего интереса среди широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет недостаточное материальное подкрепление - явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное финансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем и высокая стоимость имеющихся делает их применение и анализ эффективности применения практически недоступным. Общеизвестно, что процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.
Современные исследования в области применения и разработки экспертных систем в образовании, по нашему мнению, условно можно разделить на три группы.
К первой группе представляется возможным отнести авторов, исследующих теоретико-педагогические аспекты применения экспертных систем в образовании. Ко второй группе - авторов, которые разработали конкретные экспертные системы для обучения совместно с преподавателями на основе известных технологий. К третьей группе - авторов, которые исследуют новые подходы к созданию экспертных систем для системы образования.
Рассмотрим первую группу публикаций, анализирующих теоретико-педагогические аспекты применения экспертных систем.
В исследовании Н.Л. Юговой сконструировано содержание профильного обучения с применением экспертной системы. Автор рассматривает экспертную систему для проведения диагностики по уровням обученности и профессиональным предпочтениям, которая реализована на основе построения фреймовой модели профильной учебной информации, установления субъект-субъект-ных взаимоотношений участников образовательного процесса: обучающихся, учителя, педагога-когнитолога [2].
Н.М. Антипиной разработана технология формирования профессиональных методических умений в ходе самостоятельной работы студентов педагогических вузов с применением экспертной системы. Специализированная обучающая экспертная система, разработанная автором, способна в ходе самостоятельной работы студентов за компьютером выдавать индивидуальные задания различных уровней трудности, вырабатывать рекомендации по способам их выполнения, оказывать помощь в виде консультаций, осуществлять контроль знаний и умений студентов на различных стадиях выполнения ими методических заданий и т. п. [3].
Н.Л. Кирюхиной разработана модель экспертной системы диагностики знаний студентов по психологии. Автор рассматривает экспертную систему для решения задачи диагностики психологических знаний студентов, проверки гипотез о правильности ответов студента, степени усвоения материала по разным темам курса [4].
И.В. Гречиным реализуется новый подход к использованию экспертной системы в технологии обучения. Он предлагает систему, которая при использовании обратной связи в интерактивном режиме генерирует и отслеживает последовательность цепочки рассуждений при обучении [5].
Н.А. Барановой рассматривается вопрос применения экспертных систем в непрерывном педагогическом образовании. Экспертная система структурирует учебную информацию и создает индивидуальные учебные планы для каждого студента при сокращенных сроках обучения, что повышает эффективность процессов обучения, преподавания и самообразования [6].
A.Б. Андреев, В.Б. Моисеев, Ю.Е. Усачев используют экспертные системы для анализа знаний обучающихся в среде открытого образования. Анализ качества знаний проводится с помощью экспертной системы анализа знаний. Для реализации такой системы авторами рассматривается структурный подход к созданию интеллектуальных обучающих и контролирующих компьютерных систем. Подход, по мнению авторов, позволяет разрабатывать эффективные средства анализа знаний обучающихся на основе использования структурной модели учебного материала. Структурной единицей совокупности знаний в предложенной модели является понятие, обладающее содержанием и объемом [7].
Е.В. Мягковой рассматривается возможность применения экспертных систем как информационных технологий в сфере высшего образования. По мнению автора, эксперт-ность заключается в наличии в экспертной обучающей системе знаний по методике обучения, благодаря которым она помогает преподавателям обучать, а учащимся - учиться. Главной целью ее реализации, по мнению автора, является обучение и оценка текущего уровня знаний студента относительно уровня знаний преподавателя. Таким образом, сравнение двух решеток (эталонной, отражающей представления преподавателя, и решетки, заполненной обучаемым в ходе диалога) позволяет оценить различия в представлениях преподавателя и обучаемого [8].
B.М. Московкиным построена имитационная экспертная система выбора университетов для обучения. Автором проведен
краткий обзор зарубежных исследований в области моделирования процессов принятия решения о выборе колледжей и университетов для дальнейшего обучения. На концептуальном уровне построена соответствующая имитационная экспертная система [9].
Мы не ставили своей целью осуществлять критический анализ рассмотренных примеров, а лишь представили весьма немногочисленные примеры работ по обозначенному направлению. Веер попыток описать применение экспертных систем для решения проблем дидактики (теории обучения) свидетельствует о поиске новых путей и технологий в принятии решений для оптимизации образовательного процесса и свидетельствуют о намерениях и попытках реализовать идеи с помощью программных средств.
Рассмотрим вторую группу публикаций, в которых рассматриваются разработанные совместно с преподавателями экспертные системы для образования на основе известных технологий.
Е.Ю. Левиной разработана внутривузов-ская диагностика качества обучения на основе автоматизированной экспертной системы, применение которой сводится, по сути, к диагностике качества учебного процесса в вузе, позволяющей на основе информационных средств и математических методов управлять базами данных для осуществления процедур исследования и анализа статистики результатов учебного процесса, выработке рекомендаций для принятия управленческих решений по обеспечению качества образования [10].
М.А. Смирновой разработана экспертная система для оценки качества педагогической подготовки будущего учителя, которая сводится к оценке качества подготовки учителя в школе, позволяющей исследовать уровень подготовленности будущего учителя [11].
Л.С. Болотовой на основе технологии экспертных систем ситуационного управления реализуется адаптивное дистанционное обучение принятию решений. В качестве инструментальных программных средств разработаны экспериментальные образцы инструментальных проблемно- и предметноориентированных экспертных систем ситуационного управления муниципальными образованиями и малым бизнесом на основе разработанного ситуационного тренажера -имитатора [12].
Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования, разработанная О.Г. Берестневой и О.В. Марухи-ной позволяет выделить наиболее обоснованные утверждения специалистов-экспер-тов и использовать их, в конечном счете, для подготовки различных решений. Разработанный авторами и описанный в статье универсальный программный продукт позволяет наиболее оптимально решать задачу оценки качества образовательного процесса по результатам экспертного оценивания [13].
Е.А. Снижко рассмотрена методика применения экспертных систем для корректировки процесса обучения и оценки эффективности педагогических программных средств. В ходе исследования автором разработан экспериментальный фрагмент педагогического программного средства по изучению языка Пролог для учащихся 9 класса средней школы с целью демонстрации основных моментов разрабатываемой методики и ее экспериментальной проверки. Встроенная в педагогическое программное средство экспертная система была доведена до уровня демонстрационного прототипа [14].
Заметное сужение направлений и без того немногочисленных примеров в области конкретных программных разработок свидетельствует о сложности доведения задумок до их программной реализации. Возможно, что такая ситуация связана, по крайней мере, с двумя проблемами. Первая состоит в постановке самой задачи, опирающейся на базу знаний эксперта-педагога. Ведь хорошо известно, что есть профессии, которые связаны с относительно четкой ежедневной экспертной деятельностью, такие как врач, криминалист, инженер. Для этих профессий создать базу знаний эксперта вполне возможно. Что касается преподавателя - его труд содержит значительную долю творчества, интуиции, актерского мастерства и, кроме известных технологий оценивания результатов деятельности обучаемого, во многом слабо формализуется.
Рассмотрим третью группу публикаций авторов, которые исследуют новые подходы к созданию самих экспертных систем для образования.
Анализ литературы по данному направлению позволил прийти к выводу о том, что
одним из обсуждаемых подходов к созданию экспертных систем являются попытки предложить использовать методы нечеткой логики, основанные на теории нечетких множеств. Рассмотрим ряд примеров.
В.С. Тоискин выделяет несколько причин, на основании которых предпочтение отдается применению систем именно с нечеткой логикой:
- она концептуально легче для понимания;
- это гибкая система и устойчива к неточным входным данным;
- она может моделировать нелинейные функции произвольной сложности;
- в ней учитывается опыт специали-стов-экспертов;
- она основана на естественном языке человеческого общения [15].
И.В. Солодовников, О.В. Рогозин, О.В. Шу-руев рассматривают общие принципы построения программного комплекса, способного производить комплексную успеваемость студентов в семестре с помощью экспертной системы, с использованием элементов аппарата нечеткой логики [16].
В ходе анализа предметной области авторами были сформулированы следующие критерии (на основе расчета статистических оценок):
- посещение лекций. Оценка посещаемости рассчитывалась по среднему арифметическому всех имеющихся оценок;
- работа на семинаре. Оценка работы проводилась аналогичным образом;
- выполнение контрольных работ. Оценка выполнения контрольных работ проводилась с учетом коэффициента сложности;
- выполнение домашнего задания. Оценка выполнения проводилась аналогичным образом.
Для оценки успеваемости авторы использовали лингвистические переменные: «посещал лекции», «работал на семинаре», «выполнял контрольные работы», «выполнял домашнее задание». Характеристиками данных переменных являлись понятия «активность», «эффективность», «оценка». Такой подход дает возможность проанализировать работу студента и на основе сформулированных критериев оценить эффективность качества знаний студента.
На основе моделей нечеткой логики И.В. Самойло, Д.О. Жуков рассматривают проблему создания экспертных систем, позволяющих давать рекомендации по профессиональной ориентации конкретному абитуриенту [17].
Авторы в качестве логических переменных, описывающих состояние обучаемого рассматривают следующие группы переменных:
Группа переменных (О) - оценки. В общем случае для группы переменных О можно записать О = {О1, О2, О3, ..., Оп}.
Группа переменных (С) - психологические тесты, направленные на выявление способностей, связанных с обучением и интеллектом.
Группа переменных (Ь) - характеристики личности обучаемого.
Группа переменных (М) - результаты диагностики сферы интересов обучаемого: М = {т1, т2, .. ,,тк}.
Таким образом, прототип такой системы позволил сформировать механизм управления кафедральным выбором:
- абитуриент заходит на стартовую страницу системы, заносит школьные оценки и (или) вносит результаты единого государственного экзамена, результаты текущей успеваемости, система проводит оценку достоверности результата с помощью нечеткой логики;
- пользователь проходит тестирование психологических особенностей личности и способности к обучению, сферы интересов с оценкой достоверности результата с помощью нечеткой логики;
- автоматизированная экспертная система (АЭС) проверяет, соответствует ли данный абитуриент требованиям кафедры (учебного заведения). Если «да», то с помощью управляющей образовательной среды корректируются знания пользователя, создаются оптимальные условия преодоления кафедрального «барьера», кроме этого у пользователя есть возможность отказаться от борьбы за интересующую его кафедру и продолжить образование на кафедре, соответствующей его достижениям;
- последующие тестирования проходят раз в полгода. Результаты тестирования помогают отследить динамику развития студента, выбрать оптимальную стратегию формирования будущего профессионала.
О.А. Мелиховой рассматривается вопрос о возможности реализации экспертной системы мониторинга образовательного процесса вуза на основе нечеткого подхода к моделированию интеллектуальных систем. В данном подходе используются «лингвистические» переменные, отношения между которыми описываются с помощью нечетких высказываний и нечетких алгоритмов [18].
Построение системы мониторинга учебного процесса включает следующие этапы:
- формулировка целей обучения, определение уровня требований каждого преподавателя (высший, средний, низший);
- построение системы мониторинга, определение степени обученности по каждой дисциплине. Показатели: различение, запоминание, понимание, элементарные умения и навыки, перенос знаний;
- определение фактической эффективности деятельности преподавателя на основании показателей степени обученности учащихся. Основными показателями эффективности деятельности преподавателя являются прочность, глубина и осознанность знаний обучаемых. Эти же показатели определяют качество образования.
Д.И. Попов в своей работе рассматривает интеллектуальную систему дистанционного обучения (ИСДО) «KnowledgeCT» на базе интернет-технологий, которую планируется использовать в учебных целях Центра дистанционного образования. Она позволяет производить не только оценку знаний, но и осуществлять сбор данных о студентах, что необходимо для создания математических моделей обучаемого, сбора статистики [19].
Оценка знаний производится с помощью системы адаптивного тестирования, базирующейся на методах и алгоритмах нечеткой логики: для каждого уровня сложности эксперту по дисциплине (преподавателю) необходимо разработать соответствующий набор вопросов. Подобная система позволяет сделать процесс обучения более гибким, учесть индивидуальные особенности обучаемого и повысить точность оценки знаний студента.
С.В. Астанин, В.М. Курейчик, Д.И. Попов в своей работе исследуют подход к проектированию интеллектуальных систем дистанционного обучения на основе правил и технологий вывода, основанных на прецедентах [20].
Экспертные системы моделируют процесс принятия экспертом решения как дедуктивный процесс с использованием вывода, основанного на правилах. В систему закладывается совокупность правил, согласно которым на основании входных данных генерируется заключение по адекватности предложенной модели. Есть недостаток - дедуктивная модель эмулирует один из наиболее редких подходов, которому следует эксперт при решении проблемы.
Вывод, основанный на прецедентах, делает заключения по результатам поиска аналогий, хранящихся в базе прецедентов. Данный метод эффективен в ситуациях, когда основным источником знаний о проблеме или ситуации является опыт, а не теория, решения не уникальны для конкретной ситуации и могут быть использованы в других для решения аналогичных задач, целью вывода является не гарантированное верное решение, а лучшее из возможных. Реализация данной технологии вывода может быть осуществлена с применением нейросетевых алгоритмов
Е.В. Нурматова в своей работе исследует модели гибридной сети, как один из подходов к решению задач использования нечетких множеств для моделирования итоговых рейтинговых бальных оценок [21]. Этот подход применяется разработчиками многомодельных, интегрированных и гибридных интеллектуальных систем с мягкими вычислениями. Автор построил гибридную модель итоговой рейтинговой оценки обучающихся, которая позволяет повысить мотивацию студентов к освоению образовательных программ путем более высокой дифференциации оценки их учебной работы. Эта модель была реализована в системе математического моделирования MatLAB с использованием в качестве нейронного эмулятора объекта гибридной технологии адаптивной нейро-нечет-кой системы заключений ANFIS. Е.В. Нур-матова рассматривает нечеткие модели адаптивных систем нейро-нечеткого вывода, которые являются конструктивным инструментом технического анализа знаний и могут быть использованы для решения широкого круга задач в области интеллектуального анализа данных. Для вывода значений промежуточных оценок использовался редактор систем нечеткого вывода FIS типа Сугено.
Полученные результирующие значения вместе с третьей входной переменной и являлись входными значениями гибридной сети. На основании построенной модели гибридной сети автор делает вывод о возможности ее практического использования для вычисления итогового значения рейтинговой оценки знаний и деятельности обучаемых.
Л.Г. Зартенова рассматривает вопросы использования нечеткой математики при моделировании систем искусственного интеллекта. Автором разработана система мониторинга образовательного процесса, использующая аппарат нечеткой математики, который позволяет формализовать и преобразовывать количественно качественные (нечеткие) понятия на основе использования «лингвистических» переменных, нечетких высказываний, нечетких алгоритмов [22].
Е.В. Казаченко и А.М. Фонотов разработали систему проверки знаний по результатам тестирования с применением аппарата нечеткой логики для реализации экспертной системы оценки знаний. Целью разрабатываемой системы является снижение трудоемкости составления адаптивных тестов за счет внедрения системы автоматической генерации тестов; повышение качества оценивания; снижение трудоемкости за счет автоматизации процесса проверки результатов тестирования и выставления оценки [23].
Анализ литературы по проблеме использования экспертных систем в системе дистанционного обучения показал, что данное направление мало изучено и только развивается, о чем свидетельствует небольшое количество публикаций исследователей-педагогов, работающих в указанном проблемном поле. Публикации по данному направлению носят, в основном, прогнозный характер.
Отмечается интерес к распределенным интеллектуальным системам в системе дистанционного обучения, однако не совсем ясно, как можно эффективно организовать образовательный процесс, чтобы он приводил к желаемому качеству образования. Видимо, речь должна идти, прежде всего, о построении педагогических образовательных моделей в системе открытого образования.
По нашему мнению, проблема обусловлена тем, что значительная часть исследователей в области технологий дистанционного
обучения переносят известные в практике методы и приемы, наполняя ими дистанционное обучение. Вместе с тем совершенно очевидно, что новые технологии в образовании должны опираться на принцип «новых задач». Передовые технологии несут в себе новое решение, новые методы, новые подходы, новые возможности - еще неизвестные системе образования. Сейчас стало очевидным, что «традиционная лекция» и «традиционный учебник» - малоэффективны при дистанционном обучении. Нужен организованный и направленный доступ к динамичным системам актуальной информации, нужны доступные в любое время «автоматизированные консультации», нужны новые способы и приемы организации совместной проектной деятельности и мн. др.
К настоящему времени накоплен определенный опыт в передаче части интеллектуальных функций по организации и проведению образовательного процесса в системе открытого образования средствам информатизации.
Так, Г.А. Самигулиной приводится пример интеллектуальной экспертной системы дистанционного обучения на основе искусственных иммунных систем, которая позволяет в зависимости от принадлежности обучаемого к определенной группе оценить его интеллектуальный потенциал и в соответствии с ним оперативно предоставить индивидуальную программу обучения [24]. На выходе - комплексная оценка знаний, дифференциация студентов и прогноз качества полученного образования. Группы определяются экспертами и соответствуют определенным знаниям, практическим навыкам, творческим способностям, логическому мышлению и т. д. Разработанная экспертная система подразумевает реализацию следующих подсистем:
- «Информационные подсистемы» -разработка методов и средств хранения информации, разработка баз данных, баз знаний. Включает электронные учебники, справочники, каталоги, библиотеки и т. д.;
- «Интеллектуальные подсистемы» -обучение иммунной сети, обработка многомерных данных в режиме реального времени. Применение алгоритма оценок энергий связи на основе свойств гомологичных пептидов позволяет уменьшить ошибки при прогнозировании интеллектуальной системы, что по-
зволяет производить обучение студентов в соответствии с их индивидуальными особенностями;
- «Обучающая подсистема» - осуществляет разработку методов, средств и форм подачи обучающей информации адаптированной на конкретного пользователя с учетом его индивидуальных характеристик. Составляется график выполнения объема требуемых работ и сроки реализации;
- «Контролирующая подсистема» -предназначена для комплексной оценки знаний обучающегося с целью оперативной корректировки программы и процесса обучения.
Таким образом, в результате оперативного анализа знаний огромного числа обучающихся можно быстро корректировать процесс обучения, т. к. экспертная система предлагает индивидуальную программу обучения.
Анализ исследований экспертных систем в области дистанционного образования показал, что это новое и актуальное направление в науке, которое мало изучено. Зачастую под экспертной системой педагогами понимается тестирование студентов в той или иной системе дистанционного образования и экспертиза их знаний.
Так, А.В. Зубовым и Т.С. Денисовой разработаны комплексные экспертные интернет-системы для дистанционного обучения на основе системы дистанционного обучения «Finport Training System». В системе имеется возможность разрабатывать учебные курсы, проводить обучение и аттестацию, и, одновременно, анализировать результаты и эффективность обучения на основе тестов, разработанных высококвалифицированными специалистами [25].
В.Г. Никитаевым и Е.Ю. Бердниковичем разработаны мультимедийные курсы дистанционного обучения врачей по гистологической и цитологической диагностике с применением экспертных систем на базе системы управления контентом Moodle. Система позволяет добавлять курсы в контент и на основе тестирования проверять уровень усвоение материала в зависимости от ответа студентов [26].
Таким образом, в системах дистанционного обучения имеется возможность произвести экспертную оценку знаний на основе
разработанных специалистами тестовых заданий.
Вместе с тем, по нашему мнению, технологии дистанционного обучения требуют использования множества подсистем для снятия рутинной нагрузки с организаторов и преподавателей-тьюторов. Эта нагрузка увеличивается в связи с тем, что человек выбирает для себя свой ритм, темп и время обучения. Индивидуализация требует развитой автоматизированной системы «интеллектуальных» подсказок, помощи, консультаций в течение всего периода дистанционного обучения и при использовании разных образовательных методов и приемов: лекции, практики, проектной деятельности, конференции и др. Только уникальные вопросы адресуются преподавателю - эксперту. На основе анализа публикаций и личной практики организации дистанционного обучения мы пришли к выводу о том, что указанные выше интеллектуальные подсистемы могут быть организованы на разной теоретической и программной основе в виде подключаемых к системе отдельных модулей. Это связано с тем, что подсистемы несут разную интеллектуальную «нагрузку»: где-то достаточно использовать традиционную логику при проектировании конкретной подсистемы, а в другом случае - удобно создавать подсистему с использованием аппарата нечеткой логики.
1. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. М., 2006.
2. Югова Н.Л. Конструирование содержания профильного обучения с применением экспертной системы: автореф. дис. ... канд. пед. наук. Ижевск, 2006.
3. Антипина Н.М. Технология формирования профессиональных методических умений в ходе самостоятельной работы студентов педагогических вузов с применением экспертной системы: автореф. дис. ... канд. пед. наук. М., 2000.
4. Кирюхина Н.Л. Модель экспертной системы диагностики знаний студентов по психологии: автореф. дис. ... канд. психол. наук. М., 1998.
5. Гречин И.В. Новый подход к экспертной системе в технологии обучения // Известия Таганрогского государственного радиотехнического университета. Таганрог, 2001. № 4.
С. 343-344.
6. Баранова Н.А. К вопросу о применении экспертных систем в непрерывном педагогическом образовании // Образование и наука.
2008. № 4. С. 24-28.
7. Моисеев В.Б., Андреев А.Б., Усачев Ю.Е. Внутривузовская система обеспечения качества подготовки специалистов // Инженерное образование. 2005. № 3. С. 62-74.
8. Мягкова Е.В. Роль и возможность применения экспертных систем как информационных технологий в сфере высшего образования // Информационные технологии в проектировании и производстве. 2008. № 1. С. 13-15.
9. Московкин В.М. Имитационная экспертная система выбора университетов для обучения // Научно-техническая информация. Серия 2.
2009. № 10. С. 19-21.
10. Левина Е.Ю. Внутривузовская диагностика качества обучения на основе автоматизированной экспертной системы: автореф. дис. ... канд. пед. наук. Казань, 2008.
11. Смирнова М.А. Применение экспертной сис-
темы для оценки качества педагогической подготовки будущего учителя: автореф.
дис. ... канд. пед. наук. Тула, 1997.
12. Болотова Л. С. [и др.]. Адаптивное дистанционное обучение принятию решений на основе технологии экспертных систем ситуационного управления муниципальными образованиями и малым бизнесом // Научные исследования. Вып. 5. Ежегодный отчет об основных результатах научно-исследовательских работ. М., 2004.
13. Берестнева О.Г., Марухина О.В. Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования // Современное образование: системы и практика обеспечения качества: материалы региональной научно-методической конференции. Томск, 29-30 января 2002 г. Томск, 2002. С. 29-30.
14. Снижко Е.А. Методика применения экспертных систем для корректировки процесса обучения и оценки эффективности ППС: автореф. дис. ... канд. пед. наук. СПб., 1997.
15. Тоискин В.С. Интеллектуальные информационные системы. Ставрополь, 2010. Ч. 2.
16. Солодовников И.В., Рогозин О.В., Шуруев О.В. Экспертная система оценки эффективности обучения на основе математического аппарата нечеткой логики // Качество. Инновации. Образование. 2006. № 1. С. 19-22.
17. Самойло И.В., Жуков Д.О. Информационные технологии в обеспечении нового качества высшего образования // Информационные технологии в обеспечении нового качества
высшего образования: труды Всероссийской научно-практической конференции с международным участием 14-15 апреля 2010 г., Москва. М., 2010. С. 89-95.
18. Мелихова О.А., Мелихова З.А. Использование нечеткой математики при моделировании систем искусственного интеллекта // Тематический выпуск «Интеллектуальные САПР»: в 2 т. Таганрог, 2007.
19. Попов Д.И. Проектирование интеллектуальных систем дистанционного образования // Известия Южного федерального университета. Технические науки. 2001. Т. 22. № 4.
С. 325-332.
20. Астанин С.В., Курейчик М.В., Попов Д.И. Интеллектуальная образовательная среда дистанционного обучения // Новости искусственного интеллекта. М., 2003. № 1.
21. Нурматова Е.В. Применение адаптивной нейро-нечеткой системы для моделирования рейтинговой оценки знаний // Интегрированные модели и мягкие вычисления в искусственном интеллекте: материалы 5 Международной научно-практической конференции 28-30 мая 2009 г. Коломна, 2009.
22. Зартенова Л.Г., Даненова Г.Т., Шунгултае-ва А.С., Савицкая М.В. Использование нечеткой логики при построении экспертной системы // Publishing house Education and Science s.r.o. URL: http://www.rusnauka.com/16_NPRT _2009/Informatica/47500.doc.htm. Загл. с экрана.
23. Казаченко Е.В., Фонотов А.М. Структура экспертной системы проверки знаний по результатам тестирования. URL: http://www. masters.donntu.edu.ua/2010/fknt/kazachenko/lib rary/article_kazach.pdf. Загл. с экрана.
24. Самигулина Г. А. Интеллектуальная экспертная система дистанционного обучения на основе искусственных иммунных систем // Информационные технологии моделирования и управления. 2007. Вып. 9 (43). С. 1019-1024.
25. Зубов А.В., Денисова Т.С. Создание комплексных экспертных интернет-систем для дистанционного обучения // Информатизация образования и науки. М., 2010.
26. Никитаев В.Г., Бердникович Е.Ю. Разработка мультимедийных курсов дистанционного обучения врачей по гистологической и цитологической диагностике с применением экспертных систем // Фундаментальные исследования. 2007. № 12. С. 334-334.
Поступила в редакцию 26.11.2Q12 г.
UDC 004.891.2
PROBLEMS OF EXPERT SYSTEMS IN EDUCATION
Marina Sergeyevna CHVANOVA, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Doctor of Education, Professor, Pro-rector for Innovations and Information Technologies, e-mail: ms@tsu.tmb.ru
Irina Aleksandrovna KISELEVA, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Candidate of Education, Associate Professor of Informatics and Information Technologies Department, e-mail: irinakiselyo @yandex. ru
Anatoly Anatolyevich MOLCHANOV, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Candidate of Education, Post-graduate Student, Informatics and Information Technologies Department, e-mail: ykdosto@gmail.com
The questions on the application and development of expert systems in education, as well as specific examples of such systems. The authors find it necessary to use fuzzy logic to design and develop intelligent subsystems.
Key words: expert systems; fuzzy logic; intelligent systems.
