CC BY
44
УДК 303.732.4
РЕАЛИЗАЦИЯ ПСИХОЛОГИЧЕСКИХ, ПЕДАГОГИЧЕСКИХ И ПРОФОРИЕНТАЦИОННЫХ ТЕСТОВ И СУПЕРТЕСТОВ БЕЗ ПРОГРАММИРОВАНИЯ В СРЕДЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ «ЭЙДОС-Х++» (На примере теста: «Анализ особенностей индивидуального стиля педагогической деятельности»)
Луценко Евгений Вениаминович д.э.н., к.т.н., профессор
Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, prof.lutsenko@gmail. com
Коржаков Валерий Евгеньевич к.т.н., доцент
Адыгейский государственный университет Адыгея, Россия, korve@yandex. т
В статье рассмотрено применение интеллектуальной технологи «Эйдос» для реализации уже разработанных психологических, педагогических и профориентационных тестов и супертестов без программирования в форме, удобной для массового тестирования, анализа его результатов и выработки индивидуальных рекомендаций
Ключевые слова: АВТОМАТИЗИРОВАННЫЙ СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС», ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ, МАТРИЧНАЯ ПЕРЕДАТОЧНАЯ ФУНКЦИЯ, КОЭФФИЦИЕНТ ПЕРЕДАЧИ, НЕЛИНЕЙНЫЕ СИСТЕМЫ
UDC 303.732.4
IMPLEMENTATION OF PSYCHOLOGICAL, PEDAGOGICAL AND PROFESSION ORIENTED TESTS AND SUPER TESTS WITHOUT PROGRAMMING IN THE ENVIRONMENT OF THE EIDOS-X++ INTELLECTUAL SYSTEM (On the example of the test: Analysis of the individual style of pedagogical activity)
Lutsenko Evgeny Veniaminovich Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Korzhakov Valery Evgenievich Cand.Tech.Sci., assistant professor
Adygh State University, Adygheya, Russia
The article describes the application of the Eidos intellectual technologies for the implementation of already developed psychological, pedagogical and profession oriented tests and super tests without programming in the form, convenient for mass testing, for the analysis of the results and the formulation of individual recommendations
Keywords: COMPUTERIZED SYSTEM-COGNITIVE ANALYSIS, EIDOS INTELLECTUAL SYSTEM, INTELLIGENT CONTROL, TRANSFER FUNCTION MATRIX, TRANSFER RATE, NONLINEAR SYSTEMS
В последнее время особую актуальность приобретает повышение качества образования, в частности высшего образования. Одним из направлений работы, направленных на достижение этой цели, является повышение уровня педагогического мастерства профессорско-преподавательского состава (ППС). Однако чтобы дать каждому преподавателю конкретные научно обоснованные рекомендации по совершенствованию его стиля педагогической деятельности необходимо предварительно идентифицировать его индивидуального стиль и определить особенности этого стиля [1]. Недостатка в самих тестах, предназначенных для подобных целей, не ощущается. Для того чтобы убедиться в этом достаточно обратиться к сай-
ту: http://vsetesti.ru/. В частности для этой цели предназначен тест: «Анализ особенностей индивидуального стиля педагогической деятельности»1. Однако, ощущается дефицит в программном инструментарии, обеспечивающем массовое тестирование ППС с сохранением его исходных данных и результатов. В данной статье предлагается подробно рассмотреть и решить эту проблему с помощью интеллектуальной системы «Эйдос-Х++», являющейся программным инструментарием автоматизированного системно-когнитивного анализа [2]. Отметим, что впервые применить систему Эйдос для реализации тестов без программирования предложено в монографии [3] в 1996 году.
На примере теста: «Анализ особенностей индивидуального стиля педагогической деятельности» рассмотрим технологию и методику, не требующую программирования, обеспечивающую реализацию в среде системы «Эйдос-Х++» тестов различного назначения. Данный тест выбран в качестве примера потому, что он является достаточно актуальным и в тоже время очень простым, т.к. тестовый материал и ключи представляет собой дихотомические текстовые шкалы (лингвистические переменные).
Эта методика включает следующие этапы (рисунок 1):
1. Подготовка Ехсе1-файла исходных данных на основе стимульного материала и ключей (шкал) теста.
2. Автоматизированный ввод данных в систему Эйдос-Х++ из Ехсе1-файла исходных данных с помощью стандартного программного интерфейса системы (формализация предметной области, т.е. разработка классификационных и описательных шкал и градаций и обучающее выборки).
3. Синтез и верификация 3-х статистических и 7 интеллектуальных моделей.
1 На сайте http ://vsetesti.ru/ говорится о том, что "В основу методики положен подход, разработанный А.М.Марковой совместно с А.Я.Никоновой. В основу различения стиля в труде учителя авторами были положены следующие признаки». За более подробным педагогическим и психологическим описанием теста отсылаем к этому сайту.
4. Определение наиболее достоверной модели и назначение ее теку-
щей.
5. Решение задач тестирования и выработки рекомендаций.
Последовательность обработки данных, информации и знаний в системе Эйдос-Х++
¡Когнитивная
структуризация предметной о оплети I
=Е
Формализация предметной области
Class_Sc, Gr_CI5c Классификационные шкалы и градации
Opis_Sc, Gr_OpSc Описательные шкалы и градации
Обучаются выборка
Obi_Zag
Заголовки объектов обучающей выборки
Obl_Kcl
Коды классов объектов обучающей выборки
Obl_Kpr
Коды признаков объектов обучающей выборки
г Исходные БД Ргс1 АЬэ Ргс2
для расчета БЗ Вероятность того, что если у объекта Матрица абсолютных частот встреч Вероятность того, что если предъявлен
]-го класса обнаружен признак, 1— сочетании: класс х признак 1 объект ]-го класса, то у него будет
то это 1-й признак (матрица сопряженности) обнаружен ¡-й признак.
Решение задач идентифкациии прогнозирования
Решение задач поддержки принятия решений
Решение задач исследования предметной области,путем исследования ее модели_
Рисунок 1. Последовательность обработки данных, информации и знаний в системе Эйдос-Х++
На первом этапе подготовим Excel-файл, который может быть непосредственно введен в систему Эйдос-Х++ с помощью одного из ее стандартных программных интерфейсов с внешними базами данных (режим 2.3.2.2). Для этого используем методику из 7 шагов.
На рисунке 2 приведен Help данного режима, в котором приведены требования к этому Excel-файлу, из которых вытекает данная методика.
Помощь по режиму 2.3,2,2 для случая Excel-файлов исходных данных
режим г. з. г. г универсальный программный интерфейс импорта дднньгх из внешней базы данньк "мр_оата. xlsx" в
СИСТЕМУ "ЗЙД0С-Х++" И ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ.
- Данный программный интерфейс обеспечивает автоматическое формирование классификационных и описательных шкал и градаций, а также обучадщей и распознаваемой выборки, т. е. формализацию предметной области, на основе XLS или XLSX-файла с исходными данньши приведенного ниже стандарта.
- Файл исходных данных должен иметь имя: inp_qata.xl5 или inp_data.xlsx и может быть получен в Excel-2003(2007-2010) , а файл распознаваемой выборки имя: inp_rasp.xls или inp_rasp.xlsx. Файлы inp_data.xls (inp_data.xlsx) и imr_rasp.xls или inp_rasp. xlsx) должны находиться в папке /А1DO s-x/aid_data/in p_d at а/ и имеют совершенно одинаковую структуру.
- 1-я строка этого файла должна содержать наименования колонок на любом языке, в т. ч. и русском:. Эти наименования должны быть во всех колонках, при этой объединение ячеек и переносы слов не допускаются, желательно, чтобы эти наименования были не очень длинными, т.к. к ним еще будут добавляться интервальные числовые или текстовые значения.
- каждая строка этого файла, начиная со 2-й, содержит данные об одном объекте обучакщей выборки. Если Excel-2003, в листе может быть до 65536 строк и до 25 6 колонок, в листе Excel-2007(20103 возможно до 1 04 3 5 7 6 строк и 16 384 колонок.
- Столбцы, начиная со 2-го, являются классификационными и описательными шкалами и могут быть текстового (номинального) или числового типа (с десятичными знаками после запятой).
- столбцу присваивается числовой тип, если все значения его^ячеек числового типа. Если хотя бы одно значение является текстовым (не числом, в т.ч. пробелок), то столбцу присваивается текстовый тип. Это означает, что нули должны быть указаны нулями, а не пробелами.
- 1-й столбец содержит наименование источника данных длиной до 130 символов, но желательно, чтобы эти наименования были не очень длинными.
- Столбцы со 2-го по N-й являются классификационными шкалами (выходными параметрами) и содержат данные о классах (будущих состояниях объекта управления), к который принадлежат объекты обучанщей выборки.
- Столбцы с 4+1 по последний являются описательными шкалами (факторами) и содержат данные о признаках (значениях факторов), характеризующих объекты обучающей выборки.
- в результате работы режима формируется файл inp_nane.txt стандарта MS ms (кириллица), в котором наименования классификационных и описательных шкал являются СТРОКАМИ. Система формирует классификационные и описательные шкалы и градации. Для этого в каждом числовом столбце система находит минимальное и максимальное числовые значения и формирует заданное количество числовых интервалов, после чего числовые значения заменяются их интервальными значениями, в текстовых столбцах система находит уникальные текстовые значения. Каждое УНИКАЛЬНОЕ интервальное числовое или текстовое значение считается градацией классификационнои или описательной шкалыг характернзуищей объект. С их использованием генерируется обучаящая выборка, каждый объект которой соответствует одной строке файла исходных данных np_data и содержит коды классов, соответствудщие фактам совпадения числовых или уникальных текстовых значении классов с градациями классификационных шкал и коды признаков, соответствуйте фактам совпадения числовых или уникальных текстовых значений признаков с градациями описательных шкал,
- Распознаваемая выборка формируется на основе файла inp_rasp аналогично, за исключением того, что классификационные и описательные шкалы и градации не создаются, а используются ранее созданные в модели, и базы распознаваемой выборки могут не включать коды классов, если столбцы классов в файле inp_rasp были пустыми, структура файла inpjiasp должна быть такая же, как inp_data, т.е. они должны ПОЛНОСТЬЮ совпадать по столбцам, но могут иметь разное количество строк.
□; (3 к-гь-1
Рисунок 2. Help программного интерфейса системы Эйдос-Х++ с вешними базами данных 2.3.2.2.
Шаг 1-й. Сначала необходимо зарегистрироваться на сайте http://vsetesti.ru/ чтобы получить полный доступ к информации о тестах.
Шаг 2-й. Затем на этом сайте http://vsetesti.ru/) выходим на тест «.Анализ особенностей индивидуального стиля педагогической деятельности.»2 и выделяем блоком тестовый (т.е. стимульный) материал, т.е. вопросы опросника и копируем его в буфер обмена и вставляем в лист MS Excel-2007(2010)3 начиная с ячейки A1. Этот тестовый материал приведен ниже.
Тестовый материал
1. Вы составляете подробный план урока?
2. Вы планируете урок лишь в общих чертах?
3. Часто ли Вы отклоняетесь от плана урока?
4. Отклоняетесь ли Вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?
5. Вы отводите большую часть урока объяснению нового материала?
6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?
7. Часто ли Вы обращаетесь к учащимся с вопросами в процессе объяснения?
8. В процессе опроса много ли времени Вы отводите ответу каждого ученика?
9. Вы всегда добиваетесь абсолютно правильных ответов?
10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?
2 См.: http://vsetesti.ru/805/
3 Более ранние версии MS Excel для наших целей малопригодны.
11. Вы часто используете дополнительный учебный материал при объяснении?
12. Вы часто меняете темы работы на уроке?
13. Допускаете ли Вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?
14. Вы сразу отвечаете на неожиданные вопросы учащихся?
15. Вы постоянно следите за активностью всех учащихся во время опроса?
16. Может ли неподготовленность или настроение учащихся во время урока вывести Вас из равновесия?
17. Вы всегда сами исправляете ошибки учащихся?
18. Вы всегда укладываетесь в рамки урока?
19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?
20. Вы всегда подробно оцениваете каждый ответ?
21. Резко ли различаются ваши требования к сильным и слабым ученикам?
22. Часто ли Вы поощряете за хорошие ответы?
23. Часто ли Вы порицаете учащихся за плохие ответы?
24. Часто ли Вы контролируете знания учащихся?
25. Часто ли Вы повторяете пройденный материал?
26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?
27. Как Вы думаете, учащимся обычно интересно у Вас на уроках?
28. Как Вы думаете, учащимся обычно приятно у Вас на уроках?
29. Вы постоянно поддерживаете высокий темп урока?
30. Вы сильно переживаете невыполнение учащимися домашнего задания?
31. Вы всегда требуете четкого соблюдения дисциплины на уроке?
32. Вас отвлекает «рабочий шум» на уроке?
33. Вы часто анализируете свою деятельность на уроке?
Шаг 3-й. После этого копируем тестовый материал в буфер обмена, ставим курсор на ячейке F1, разворачиваем список на кнопке «Вставить», выбираем опцию «Транспонирование» и кликаем на кнопке OK. В результате у нас в 1-й строке начиная с ячейки F1 появляется список вопросов в качестве наименований колонок Excel-листа. После этого удаляем сам список вопросов в диапазоне A1:A33. Это проще всего сделать, просто выделив блоком колонку A и нажав кнопку Delete.
Шаг 4-й. Потом выделяем блоком всю 1-ю строку (с вопросами), кликаем на правой кнопке мыши, выбираем «Формат ячеек», «Ориентация надписей 90 градусов», разворачиваем список «Формат» на главной ленте и выбираем «Автоподбор ширины столбца», «Высота строки 170».
Шаг 5-й. На сайте http://vsetesti.ru/805/ и выделяем блоком ключ к тесту, т.е. шкалы теста, копируем его в буфер обмена и вставляем в лист MS Excel-2007(2010), начиная с ячейки A2, а затем удаляем пустые строки между наименованиями шкал. Этот ключ теста приведен ниже.
Ключ к тесту
ЭИС (15 вопросов): 2,3,5,11,12,13,14,16,17,21,22,26,27,28,29
ЭМС (25): 1,3,4,5,6,7,9,11,12,15,16,17,19,20,22,23,24,25,27,28,29,30,31,32,33.
РИС (17): 2,3,4,6,7,8,9,10,11,13,18,20,22,25,26,27,28.
РМС (16): 1,4,6,7,8,9,10,18,19,20,23,24,25,31,32,33.
На совпадение с ключами проверяются коды только тех вопросов из тестового материала, на которые тестируемый ответил «Да». Таким образом, данные вопросы представляют собой текстовые шкалы с двумя градациями (дихотомические), из которых градацию «Нет» вообще можно игнорировать.
Шаг 6-й. С сайта http://vsetesti.ru/805/ копируем полные наименования шкал:
- Эмоционально-импровизационный стиль (ЭИС);
- Эмоционально-методический стиль (ЭМС);
- Рассуждающе-импровизационный стиль (РИС);
- Рассуждающе-методичный стиль (РМС);
и вставляем их последовательно в ячейки B1, C1, D1 и E1 Excel-листа, а затем поворачиваем надписи на 90 градусов и подбираем ширину столбцов 1-й строки точно также, как на шаге 4.
Шаг 7-й. На последнем шаге в соответствии с ключами отмечаем звездочкой вопросы, которые учитываются в каждом ключе и удаляем 10 колонок, расположенных правее 33 вопроса. В результате получим Excel-файл вида:
Таблица 1 - ГОТОВАЯ ТАБЛИЦА ИСХОДНЫХ ДАННЫХ ДЛЯ ВВОДА ТЕСТА В СИСТЕМУ ЭЙДОС-Х++
Информационный источник тг я л I I 0 5 J (II m s СО 0 a с S s 0 i л с; га I 0 s J 0 (T) л <; s h u is s X и m j s 4 0 h Ш s 0 I л t; ra i 0 s 0 5 m и )S J I 1 0 s J ra ro s Ш 0 a с $ s Ф ? 2 ra cl * > и и га 0. CL Л 4 I f и )S Z 1 j s 5 h (U £ Ф ? 2 ra cl i > и и га и |l. Вы составляете подробный план ур| X S i ю 0 03 л 3 S ^ * 0 a > О) h Ф > о. s i га с л со IN ra I ra ^ с h 0 л и ш н ш к I 0 t; х ь 0 Z со S ; 0 н и га J ГО тг го m га I га ^ с & Z ей S л и ш t ее I 0 § I- 0 « га х 0 й > л 1- и га j 2 > 3 л i 0 ю 1) н S ш н 0 Z ей 1Л X га * i ф н га П) Ш 1-S ч и к и 0 I I к 0 ь 0 с Z со 10 S ? га т > х л и ш ь 41 га ? га a ю 0 Z со S с; 0 h 0 га J К Л £ Ф a га s с; 0 L 0 I га и 0 a с 0 ф и и (1) J 0 й с со 00 0 1 ь 2 q 0 и ю га л и Ф S га щ s ю 0 ч га г а) и ID Z ей oi с 0 Z ю 0 I-Т Л и Ф I- ф га в S ю 0 Ч га г ш и щ Z со 0 н QJ Ь S I q 0 с 0 4 ф ь ф > П) л с; 0 с и 5 0 Ь и га 7 Z ей Н И тг I л 0 ю га a л ф н Ф н ф к I ф 0 и га 7 Z аз N н —Г > и 0 й с 0 л ю 0 17 Z аз s с; ф I- ш га 5£ и > с 0 Ч РО И I га Ч s i 0 ф I га I Ф & га 7 ф m ь 0 > го га a a Z ей н 0 I m S ь X га га п Ф h S 4 Ф 5 0 I I к 0 ь и 0 с Z аз 1Л н S л н и 0 I I ф ч со 0 h 0 L 4 0 с ф I 5 с; I- ф i 0 из н S 3 0 ф н ф к с; CD га a с и S S 1 га и га S ф и и л аз К н S X га й га л и и I-ф га га л Ч га ^ X > га ? ф и га Z со 00 н Z ш 0 н 7 i ф I- га т Ф ь S S s и 0 0 a h и Z аз oi н Ф I- ф га ш s i ф J 0 0 I ю 0 й ч 0 с га ? ф и со Z со 0 гм лг ю ф a Is 3 га со ос и 12 га т s ^ ГО га й s с; 0 X т Ф 0. ri (N1 3 0 Q. 0 X га га Ф н ф к Q. ? 0 0 с Z со S t; 0 Ь га Т N IS К и X S ? га т > Ф h Ф га J s Q. 0 С Z со S с; 0 ь и га J СП (N S I га I m Ф I- ш > й S q 0 а н X 0 X Z CQ S t; 0 h и га 7 <t (N -Г I ф 4 is 0 a с ф ь Щ к й 0 I-10 0 с Z со 5 с; 0 h и га Т 1Л N и 2 s i ф т > га s X S 1- >s ф a Ф с Ф h Ф i 0 Z ей ш гм I J л ю 0 ос и £ S i га 7 > Ф I-Ф га л CD X га 1С IV СМ I 7 Л ю 0 к и § S ? га т > ф к ф га > Ч л со X га ¥ 00 (N Z CD Ф h Ф га со s S й ф 0 с 0 I I ос 0 ь и 0 с Z аз ai N с; 0 с л II ф I ф I- ф га со S Si ф a ф с 0 I л с; s и Z аз о m X ю 0 и 0 L 0 X h Ф т ф ф > ю ф й I- га S ф и га Z ей ri m га I а 1 > 3 )S S 7 0 ID га a h Ш га X ф ^ ш h 0 и га аз n го 1-к Ф Ч 2 0 ш и ф h Ф > a s т s с; га I га 0 Ь га 7 Z со гп СП
ЭИС (15 вопросов): 2,3,5,11,12,13,14,16,17,21,22,26,27,28,2! * * * * * * * * * * ♦ * *
ЭМС(25): 1,3,4,5,6,7,9,11,12,15,16,17,19,20,22,23,24,25,27,28,29,30,31,32,3: * * * * * i * * * * * * * * * * * * *
РИС (17): 2,3,4,6,7,8,9,10,11,13,18,20,22,25,26,27,28 * * * * * * * * * * * * * * * * * *
РМС (16): 1,4,6,7,8,9,10,18,19,20,23,24,25,31,32,33 * * * * * * * * * * * * * * * *
На первый взгляд данная методика может выглядеть несколько усложненной, однако реализация на компьютере этих шагов занимает буквально считанные минуты и фактически осуществляется очень просто.
На втором этапе вводим Excel-файл исходных данных в систему «Эйдос-Х++» с помощью программного интерфейса 2.3.2.2 (рисунок 3):
(*) 2.3,2.2, Универсальный программный интерфейс импорта данных в систему "ЭЙДОС-Х++'г
) | [ЁР
Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "Inp data"
Стандарт XLS-Файла
—Задайте тип Файла исходных данный: "lnp_data": Г XLS - MS Ексе1-2003 f* iKLSX- MS Excel-2007[2010j С DBF - DBASE IV (DBF/NTX) Стандарт DBF-Файла
С CSV - Comma-Separated Values
Стандарт CSV-Файла
—Считать нули и пробелы отсутствием данных?
(* Да Нули и пробелы считаются отсутствием данных
Г Нет С Не знаю
Пояснения по работе конвертера исходных данных
Задайте диапазон столбцов классификационных шкал: Начальный столбец классификационных шкал: Конечный столбец классификационных шкал:
Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:
—Задайте режим:-
Г* Формализации предметной области (на основе "lnp_data") С Генерации распознаваемой выборки (на основе "lnp_tasp"]
Задайте способ выбора размера интервалов: С* Равные интервалы с разным числом наблюдений С Разные интервалы с равным числом наблюдений
Задание параметров Формирования сценариев:
Г" Применить сценарный метод прогнозирования СК-анализа? _ Описание сценарного метода прогнозирования СК-анализа |
Рисунок 3. Вид первого окна программного интерфейса системы Эйдос-Х++
с вешними базами данных 2.3.2.2.
Для этого используем методику, приведенную ниже и основанную, как и предыдущая, на требованиях, приведенных в Help режима 2.3.2.2 (рисунок 2). Эта методика включает следующие 4 шага.
Шаг 1-й. Копируем приведенный выше Excel-файл в папку: «Место расположения системы на диске»\AID_DATA\Inp_data\ с именем "Inp_data.xlsx".
Шаг 2-й. Запускаем режим 2.3.2.2 системы Эйдос-Х++ и задаем в окне, представленном на рисунке 3, следующие параметры:
- тип файла исходных данных: XLSX-MS Excel-2007(2010);
- нули и пробелы считаются отсутствием данных;
- диапазон колонок классификационных шкал: 2-5;
- диапазон колонок описательных шкал: 6-38;
- формализация предметной области (файл исходных данных Inp_data.sxlx);
- равные интервалы с разным числом наблюдений;
- сценарный метод прогнозирования СК-анализа не применять.
Шаг 3-й. После нажатия кнопки ОК появляется отображение процесса открытия и загрузки Excel-файла, а затем появляется второе окно режима 2.3.2.2, представляющее собой специальный калькулятор, позволяющий при наличии числовых классификационных и/или описательных шкал подбирать количество интервалов (градаций) в числовых шкалах (рисунок 4):
2.3.2,2. Задание размерности модели системы "ЭИДОС-Х++"
ИНФОРМАЦИЯ 0 РАЗМЕРНОСТИ МОДЕЛИ
Суммарное количество градаций классификационных и описательных шкал: [8 х 66]
Тип шкалы Количество Количество Среднее Количество Количество Среднее
классифи- градаций количество описательных градаций количество
кационных классифи- градаций шкал описательных градаций]
шкал кационных на класс.шкалу шкал на опис.шкалу
Числовые 0 0 0,00 0 0 0,00
Текстовые 4 8 2,00 33 66 2,00
ВСЕГО: 4 8 2,00 33 66 2,00
Задайте число интервалов (градаций] в шкале:
Пересчитать шкалы и градации Выйти на создание модели
Рисунок 4. Вид второго окна программного интерфейса системы Эйдос-Х++
с вешними базами данных 2.3.2.2.
В данном случае числовые шкалы отсутствуют, и число градаций задавать нет необходимости и возможности.
Шаг 4-й. При клике на кнопке «Выйти на создание модели» появляется отображение стадии процесса формализации предметной области (рисунок 5):
1. Администрирование 2. Формализация
гема "ЭИДОС-Х+Л ЬеЬ-уегаюп, геЬ 23.04.2013 и решение не
4. Решение задач е применением м!
5. Сервис 8. 0 <я
С) 2.3.2.2. Процесс импорта данных из внешней БД "1пр_с1.
-Стадии V
1/3: Формирование классификационных ^ 2/3: Генерация обучающей выборки и баз 3/3: Пере индексация все* баз данных ное
т и градаций на основе БД "1пр_с1&1&" - Готово "Ь/вгйбКО" на основе БД "1пр_с1а1а"- Готово
ачало: 23:23:16
Прошло: 0:00:01
Рисунок 5. Вид третьего окна программного интерфейса системы Эйдос-Х++
с вешними базами данных 2.3.2.2.
Таким образом, на втором этапе на основе Ехсе1-файла исходных данных создаются классификационные и описательные шкалы и градации, а потом с их использованием и обучающая выборка, т.е. осуществляется формализация предметной области (рисунки 6, 7, 8):
2.1. Классификационные шкалы и градации. Тек^ща^модель: "Ш^" ^ . ш Ш « Ж 1 а Е] |иийи|
11- , ,-.-
■Г"--
2 ЭМОЦИОНАЛЬНО-МЕТ ОДИЧЕСКИЙ СТИЛЬ...
3 РАССУЖДАЮЩЕ-ИМПРОВИЗАЦИОННЫЙ С...
4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (Р...
1
Помощь | Доб.шкалу | Дой.град.шкалы | Копир.шкалу | Копир.град.шкалы | Копир.шкалу с град. | Удал.шкалу с град. | Удал.град.шкалы | Перекодировать | Очистить
Рисунок 6. Экранная форма режима 2.1 просмотра и корректировки классификационных шкал и градаций системы Эйдос-Х++
С) 2.2. Описательные шкалы и градации. Текущая модель а
1. ВЫ СОСТАВЛЯЕТЕ ПОДРОБНЫЙ ПЛАН У...
2 2. ВЫ ПЛАНИРУЕТЕ УРОК ЛИШЬ В ОБЩИХ...
3 3. ЧАСТО ЛИВЫ ОТКЛОНЯЕТЕСЬ ОТ ПЛАН...
4 4. ОТКЛОНЯЕТЕСЬ ЛИ ВЫ ОТ ПЛАНА. ЗАМ...
5 5. ВЫ ОТВОДИТЕ БОЛЬШУЮ ЧАСТЬ УРОКА...
6 6. ВЫ ПОСТОЯННО СЛЕДИТЕ ЗА ТЕМ. КАК...
7 7. ЧАСТО ЛИВЫ ОБРАЩАЕТЕСЬ К У ЧАШИ...
8 8. В ПРОЦЕССЕ ОПРОСА МНОГО ЛИ ВРЕМЕ...
9 8. ВЫ ВСЕГДА ДОБИВАЕТЕСЬ АБСОЛЮТНО...
10 10. ВЫ ВСЕГДА ДОБИВАЕТЕСЬ. ЧТОБЫ ОП...
11 11. ВЫ ЧАСТО ИСПОЛЬЗУЕТЕ ДОПОЛНИТ...
12 12. ВЫ ЧАСТО МЕНЯЕТЕ ТЕМЫ РАБОТЫ Н...
13 13. ДОПУСКАЕТЕ ЛИ ВЫ. ЧТОБЫ ОПРОС У...
14 14. ВЫ СРАЗУ ОТВЕЧАЕТЕ НА НЕОЖИДАН...
15 15. ВЫ ПОСТОЯННО СЛЕДИТЕ ЗА АКТИВ Н...
16 16. МОЖЕТ ЛИ НЕПОДГОТОВЛЕННОСТЬ И...
17 17. ВЫ ВСЕГДА САМИ ИСПРАВЛЯЕТЕ ОШИ...
18 18. ВЫ ВСЕГДА УКЛАДЫВАЕТЕСЬ В РАМКИ...
18 18. ВЫ СТРОГО СЛЕДИТЕ ЗА ТЕМ. ЧТОБЫ ...
20 20. ВЫ ВСЕГДА ПОДРОБНО ОЦЕНИВАЕТЕ ...
21 21. РЕЗКО ЛИ РАЗЛИЧАЮТСЯ ВАШИ ТРЕБО...
22 22. ЧАСТО ЛИ ВЫ ПООЩРЯЕТЕ ЗА ХОРОШ... ■ ■
<1
|ВД ■Доб.шкалу | Доб.град.шкалы | Копир.шкалу | Коп
Рисунок 7. Экранная форма режима 2.2 просмотра и корректировки описательных шкал и градаций системы Эйдос-Х++
С
Л.
ЭИС (15 вопросов]: 2,3,5,11.12.13,14,16,17,21,22,26,27,28 29
2 Э М С (25]: 1,3.4.5.6.7.9.11.12.15.16.17.18.20.22.23.24.25.27.28.28.30.31.32.33.
3 РИ С (17): 2.3.4.6.7.9.9.10.11.13.18.20.22.25.26.27.28.
4 РМ С (16]: 1.4.6.7.8.9.10.18.19.20,23.24.25.31.32.33.
<1 I-
■
■1 0 0 0 2 3 5 11 12 13 14 -
16 17 21 22 26 27 28
29 0 0 0 0 0 0
41 \>Г игь <1 р.г
Рисунок 8. Экранная форма режима 2.3.1 просмотра и корректировки обучающей выборки системы Эйдос-Х++
На третьем этапе запускается режим 3.5 системы Эйдос-Х++, который обеспечивает синтез и верификацию 3 статистических и 7 интеллектуальных моделей. Окно задания параметров данного режима приведено на рисунке 9 (вид по умолчанию)._
Ф 3,5. Выбор моделей для синтеза и верификации
Задайте стат. модели и модели знаний для синтеза и верификации--
Статистические базы:
П. ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч. выборка
2. PRC1 - частный критерий: усл. вероятность 1-го признака среди признаков о&ьектов j-го класса
3. PRC2 - частный критерий: условная вероятность ¡-го признака у объектов j-го класса Базы знаний:
F7 4. INF1 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1
5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2 К? 6. INF3 - частный критерий: Хи-квадрат, разности между фактическими и ожидаемыми абс.частсгами р" 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1 [¡7 8. INF5 - частный критерий: ROI [Return On Investment); вероятности из PRC2 ¡^ 9. INFG - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC1 F7 10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC2 i* Синтез и верификация заданных моделей С Только верификация заданных моделей
-Параметры копирования обуч. выборки в распознаваемую: Какие объекты обуч. выборки копировать: (* Копировать всю обучающую выборку С Копировать только текущий о&ьект С Копировать каждый М-й объект С" Копировать N случайных о&ьектов С Копировать все объекты, начиная с И-го
Пояснение по алгоритму верификации |—
Удалять из обуч. выборки скопированные о&ьекты: (♦ Не удалять
Подробнее]
Измеряется внутренняя достоверн. модели
Cancel |
Рисунок 9. Вид окна задания параметров режима 3.5 системы Эйдос-Х++ На рисунке 10 приведено окно отображения стадии процесса исполнения данного режима (на рисунке вид по окончании работы режима).
{£) 3.5. Синтез и верификация задат
11
—Стадии исполнения процесса-
Шаг 1-й из 10: Копирование обучающей выборки в распознаваемую-Готово Шаг 2-й из 10: Синтез стат.модели "ABS" (расчет матрицы абсолютных частот) - Готово Шог 3-й из 1 0: Синтез стат.моделей "PRC1" и "PRC2" (усл.безусл.% распр.) - Готово Шаг 4-й из 10: Синтез моделей знаний: INF1-INF7 - Готово
НАЧАЛО ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ-ИСПОЛНЕНИЕ:-...
Шаг 5-й из 10: Задание модели "INF7" в качестве текущей - Готово Шаг 6-й из 10: Пакетное распознавание в модели "INF7" - Готово
Шаг 7-й из 10: Измерение достоверности модели: "Inf?" - Интегральный критерий: "Сумма знаний" - Готово
КОНЕЦ ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ-ГОТОВО:-...
Шог 8-й из 1 0: Объединение БД DostFtspl 0 из 10 в БД DostRasp. - Готово
Шаг 9-й из 10: Печать сводной формы по результатам верификации моделей. - Готово
Шаг 10-й из 10: Создание формы: "Достоверность идент.классов в различных моделях" - Готово
Верификация заданных стат.моделей и моделей знаний упешно завершена !!!
—Прогноз времени исполнения
100% □к |
Прошло: 0:00:04 Остал ось: 0:00:00
Рисунок 10. Окна отображения стадии исполнения режима 3.5 системы Эйдос-Х++
(вид по окончании работы режима)
В результате работы режима 3.5 формируются 3 статистических модели и 7 моделей знаний, некоторые из которых приведены в таблицах 2-6.
Таблица 2 - МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ (ЛБ8)
Код Вопрос Абс. частота Сумма
1 2 3 4
1 1. Вы составляете подробный план урока?-* 1 1 2
2 2. Вы планируете урок лишь в общих чертах?-* 1 1 2
3 3. Часто ли вы отклоняетесь от плана урока?-* 1 1 1 3
4 4. Отклоняетесь ли вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?-* 1 1 1 3
5 5. Вы отводите большую часть урока объяснению нового материала?-* 1 1 2
6 6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?-* 1 1 1 3
7 7. Часто ли вы обращаетесь к учащимся с вопросами в процессе объяснения?-* 1 1 1 3
8 8. В процессе опроса много ли времени вы отводите ответу каждого ученика?-* 1 1 2
9 9. Вы всегда добиваетесь абсолютно правильных ответов?-* 1 1 1 3
10 10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?-* 1 1 2
11 11. Вы часто используете дополнительный учебный материал при объяснении?-* 1 1 1 3
12 12. Вы часто меняете темы работы на уроке?-* 1 1 2
13 13. Допускаете ли вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?-* 1 1 2
14 14. Вы сразу отвечаете на неожиданные вопросы учащихся?-* 1 1
15 15. Вы постоянно следите за активностью всех учащихся во время опроса?-* 1 1
16 16. Может ли неподготовленность или настроение учащихся во время урока вывести вас из равновесия?-* 1 1 2
17 17. Вы всегда сами исправляете ошибки учащихся?-* 1 1 2
18 18. Вы всегда укладываетесь в рамки урока?-* 1 1 2
19 19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?-* 1 1 2
20 20. Вы всегда подробно оцениваете каждый ответ?-* 1 1 1 3
21 21. Резко ли различаются ваши требования к сильным и слабым ученикам?-* 1 1
22 22. Часто ли вы поощряете за хорошие ответы?-* 1 1 1 3
23 23. Часто ли вы порицаете учащихся за плохие ответы?-* 1 1 2
24 24. Часто ли вы контролируете знания учащихся?-* 1 1 2
25 25. Часто ли вы повторяете пройденный материал?-* 1 1 1 3
26 26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?-* 1 1 2
27 27. Как вы думаете, учащимся обычно интересно у вас на уроках?-* 1 1 1 3
28 28. Как вы думаете, учащимся обычно приятно у вас на уроках?-* 1 1 1 3
29 29. Вы постоянно поддерживаете высокий темп урока?-* 1 1 2
30 30. Вы сильно переживаете невыполнение учащимися домашнего задания?-* 1 1
31 31. Вы всегда требуете четкого соблюдения дисциплины на уроке?-* 1 1 2
32 32. Вас отвлекает <рабочий шум> на уроке?-* 1 1 2
33 33. Вы часто анализируете свою деятельность на уроке?-* 1 1 2
Сумма числа признаков 15 25 17 16 73
Сумма числа объектов обуч.выборки 1 1 1 1 4
На сайте http://vsetesti.ru/805/ дается рекомендация: «Для определения доминирующего стиля педагогической деятельности рекомендуется использовать выраженность того или иного стиля в процентах. Для этого количество баллов, набранное респондентом, по данному стилю, необходимо разделить на общее количество вопросов, входящих в данную шкалу». Этой рекомендации полностью удовлетворяет матрица условных и безусловных процентных распределений 1-го типа, автоматически формируемая системой Эйдос-Х++ в режиме 3.5 и представленная в таблице 3.
Таблица 3 - МАТРИЦА УСЛОВНЫХ И БЕЗУСЛОВНЫХ ПРОЦЕНТНЫХ РАСПРЕДЕЛЕНИЙ 1-ГО ТИПА (100% - СУММАРНОЕ КОЛИЧЕСТВО _ПРИЗНАКОВ ПО КЛАССУ, РЯС!)__
Код Наименование Условные процентные распределение по ключам Безусловное процентное распределение по всей выборке
1 2 3 4
1 1. Вы составляете подробный план урока?-* 4,000 6,250 2,740
2 2. Вы планируете урок лишь в общих чертах?-* 6,667 5,882 2,740
3 3. Часто ли вы отклоняетесь от плана урока?-* 6,667 4,000 5,882 4,110
4 4. Отклоняетесь ли вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?-* 4,000 5,882 6,250 4,110
5 5. Вы отводите большую часть урока объяснению нового материала?-* 6,667 4,000 2,740
6 6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?-* 4,000 5,882 6,250 4,110
7 7. Часто ли вы обращаетесь к учащимся с вопросами в процессе объяснения?-* 4,000 5,882 6,250 4,110
8 8. В процессе опроса много ли времени вы отводите ответу каждого ученика?-* 5,882 6,250 2,740
9 9. Вы всегда добиваетесь абсолютно правильных ответов?-* 4,000 5,882 6,250 4,110
10 10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?-* 5,882 6,250 2,740
11 11. Вы часто используете дополнительный учебный материал при объяснении?-* 6,667 4,000 5,882 4,110
12 12. Вы часто меняете темы работы на уроке?-* 6,667 4,000 2,740
13 13. Допускаете ли вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?-* 6,667 5,882 2,740
14 14. Вы сразу отвечаете на неожиданные вопросы учащихся?-* 6,667 1,370
15 15. Вы постоянно следите за активностью всех учащихся во время опроса?-* 4,000 1,370
16 16. Может ли неподготовленность или настроение учащихся во время урока вывести вас из равновесия?-* 6,667 4,000 2,740
17 17. Вы всегда сами исправляете ошибки учащихся?-* 6,667 4,000 2,740
18 18. Вы всегда укладываетесь в рамки урока?-* 5,882 6,250 2,740
19 19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?-* 4,000 6,250 2,740
20 20. Вы всегда подробно оцениваете каждый ответ?-* 4,000 5,882 6,250 4,110
21 21. Резко ли различаются ваши требования к сильным и слабым ученикам?-* 6,667 1,370
22 22. Часто ли вы поощряете за хорошие ответы?-* 6,667 4,000 5,882 4,110
23 23. Часто ли вы порицаете учащихся за плохие ответы?-* 4,000 6,250 2,740
24 24. Часто ли вы контролируете знания учащихся?-* 4,000 6,250 2,740
25 25. Часто ли вы повторяете пройденный материал?-* 4,000 5,882 6,250 4,110
26 26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?-* 6,667 5,882 2,740
27 27. Как вы думаете, учащимся обычно интересно у вас на уроках?-* 6,667 4,000 5,882 4,110
28 28. Как вы думаете, учащимся обычно приятно у вас на уроках?-* 6,667 4,000 5,882 4,110
29 29. Вы постоянно поддерживаете высокий темп урока?-* 6,667 4,000 2,740
30 30. Вы сильно переживаете невыполнение учащимися домашнего задания?-* 4,000 1,370
31 31. Вы всегда требуете четкого соблюдения дисциплины на уроке?-* 4,000 6,250 2,740
32 32. Вас отвлекает <рабочий шум> на уроке?-* 4,000 6,250 2,740
33 33. Вы часто анализируете свою деятельность на уроке?-* 4,000 6,250 2,740
Таблица 4 - МАТРИЦА ЗНАНИЙ INF1 (частный критерий: количество знаний по А.Харкевичу в миллибитах, 1-й вариант расчета вероятностей: Nj - суммарное количество признаков по j-му классу. Вероятность того, что если у объекта j-го
Код Наименование Количество информации Сумма Сре днее Значимость
1 2 3 4
1 1. Вы составляете подробный план урока?-* 176 384 561 140 183
2 2. Вы планируете урок лишь в общих чертах?-* 415 356 771 193 224
3 3. Часто ли вы отклоняетесь от плана урока?-* 226 -13 167 380 95 120
4 4. Отклоняетесь ли вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?-* -13 167 195 350 88 109
5 5. Вы отводите большую часть урока объяснению нового материала?-* 415 176 591 148 196
6 6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?-* -13 167 195 350 88 109
7 7. Часто ли вы обращаетесь к учащимся с вопросами в процессе объяснения?-* -13 167 195 350 88 109
8 8. В процессе опроса много ли времени вы отводите ответу каждого ученика?-* 356 384 741 185 214
9 9. Вы всегда добиваетесь абсолютно правильных ответов?-* -13 167 195 350 88 109
10 10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?-* 356 384 741 185 214
11 11. Вы часто используете дополнительный учебный материал при объяснении?-* 226 -13 167 380 95 120
12 12. Вы часто меняете темы работы на уроке?-* 415 176 591 148 196
13 13. Допускаете ли вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?-* 415 356 771 193 224
14 14. Вы сразу отвечаете на неожиданные вопросы учащихся?-* 738 738 184 369
15 15. Вы постоянно следите за активностью всех учащихся во время опроса?-* 500 500 125 250
16 16. Может ли неподготовленность или настроение учащихся во время урока вывести вас из равновесия?-* 415 176 591 148 196
17 17. Вы всегда сами исправляете ошибки учащихся?-* 415 176 591 148 196
18 18. Вы всегда укладываетесь в рамки урока?-* 356 384 741 185 214
19 19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?-* 176 384 561 140 183
20 20. Вы всегда подробно оцениваете каждый ответ?-* -13 167 195 350 88 109
21 21. Резко ли различаются ваши требования к сильным и слабым ученикам?-* 738 738 184 369
22 22. Часто ли вы поощряете за хорошие ответы?-* 226 -13 167 380 95 120
23 23. Часто ли вы порицаете учащихся за плохие ответы?-* 176 384 561 140 183
24 24. Часто ли вы контролируете знания учащихся?-* 176 384 561 140 183
25 25. Часто ли вы повторяете пройденный материал?-* -13 167 195 350 88 109
26 26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?-* 415 356 771 193 224
27 27. Как вы думаете, учащимся обычно интересно у вас на уроках?-* 226 -13 167 380 95 120
28 28. Как вы думаете, учащимся обычно приятно у вас на уроках?-* 226 -13 167 380 95 120
29 29. Вы постоянно поддерживаете высокий темп урока?-* 415 176 591 148 196
30 30. Вы сильно переживаете невыполнение учащимися домашнего задания?-* 500 500 125 250
31 31. Вы всегда требуете четкого соблюдения дисциплины на уроке?-* 176 384 561 140 183
32 32. Вас отвлекает <рабочий шум> на уроке?-* 176 384 561 140 183
33 33. Вы часто анализируете свою деятельность на уроке?-* 176 384 561 140 183
Сумма 5919 2977 3976 5017 17890
Среднее 179 90 120 152 136
Среднеквадратичное отклонение 227 138 136 172 173
Таблица 5 - МАТРИЦА ЗНАНИЙ (частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами)
Код Наименование Хи-квадрат С у м м а С р е д н Сред.. квадр. откл.
1 2 3 4
1 1. Вы составляете подробный план урока?-* -0,411 0,315 -0,466 0,562 0,517
2 2. Вы планируете урок лишь в общих чертах?-* 0,589 -0,685 0,534 -0,438 0,657
3 3. Часто ли вы отклоняетесь от плана урока?-* 0,384 -0,027 0,301 -0,658 0,473
4 4. Отклоняетесь ли вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?-* -0,616 -0,027 0,301 0,342 0,443
5 5. Вы отводите большую часть урока объяснению нового материала?-* 0,589 0,315 -0,466 -0,438 0,534
6 6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?-* -0,616 -0,027 0,301 0,342 0,443
7 7. Часто ли вы обращаетесь к учащимся с вопросами в процессе объяснения?-* -0,616 -0,027 0,301 0,342 0,443
8 8. В процессе опроса много ли времени вы отводите ответу каждого ученика?-* -0,411 -0,685 0,534 0,562 0,643
9 9. Вы всегда добиваетесь абсолютно правильных ответов?-* -0,616 -0,027 0,301 0,342 0,443
10 10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?-* -0,411 -0,685 0,534 0,562 0,643
11 11. Вы часто используете дополнительный учебный материал при объяснении?-* 0,384 -0,027 0,301 -0,658 0,473
12 12. Вы часто меняете темы работы на уроке?-* 0,589 0,315 -0,466 -0,438 0,534
13 13. Допускаете ли вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?-* 0,589 -0,685 0,534 -0,438 0,657
14 14. Вы сразу отвечаете на неожиданные вопросы учащихся?-* 0,795 -0,342 -0,233 -0,219 0,533
15 15. Вы постоянно следите за активностью всех учащихся во время опроса?-* -0,205 0,658 -0,233 -0,219 0,438
16 16. Может ли неподготовленность или настроение учащихся во время урока вывести вас из равновесия?-* 0,589 0,315 -0,466 -0,438 0,534
17 17. Вы всегда сами исправляете ошибки учащихся?-* 0,589 0,315 -0,466 -0,438 0,534
18 18. Вы всегда укладываетесь в рамки урока?-* -0,411 -0,685 0,534 0,562 0,643
19 19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?-* -0,411 0,315 -0,466 0,562 0,517
20 20. Вы всегда подробно оцениваете каждый ответ?-* -0,616 -0,027 0,301 0,342 0,443
21 21. Резко ли различаются ваши требования к сильным и слабым ученикам?-* 0,795 -0,342 -0,233 -0,219 0,533
22 22. Часто ли вы поощряете за хорошие ответы?-* 0,384 -0,027 0,301 -0,658 0,473
23 23. Часто ли вы порицаете учащихся за плохие ответы?-* -0,411 0,315 -0,466 0,562 0,517
24 24. Часто ли вы контролируете знания учащихся?-* -0,411 0,315 -0,466 0,562 0,517
25 25. Часто ли вы повторяете пройденный материал?-* -0,616 -0,027 0,301 0,342 0,443
26 26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?-* 0,589 -0,685 0,534 -0,438 0,657
27 27. Как вы думаете, учащимся обычно интересно у вас на уроках?-* 0,384 -0,027 0,301 -0,658 0,473
28 28. Как вы думаете, учащимся обычно приятно у вас на уроках?-* 0,384 -0,027 0,301 -0,658 0,473
29 29. Вы постоянно поддерживаете высокий темп урока?-* 0,589 0,315 -0,466 -0,438 0,534
30 30. Вы сильно переживаете невыполнение учащимися домашнего задания?-* -0,205 0,658 -0,233 -0,219 0,438
31 31. Вы всегда требуете четкого соблюдения дисциплины на уроке?-* -0,411 0,315 -0,466 0,562 0,517
32 32. Вас отвлекает <рабочий шум> на уроке?-* -0,411 0,315 -0,466 0,562 0,517
33 33. Вы часто анализируете свою деятельность на уроке?-* -0,411 0,315 -0,466 0,562 0,517
Сумма
Среднее
Среднеквадратичное отклонение 0,525 0,400 0,416 0,492 0,456
Таблица 6 - МАТРИЦА ЗНАНИЙ INF5 (частный критерий: ROI - Return On Investment, 2-й вариант расчета вероятностей: Nj - суммарное количество объек-_тов по j'-му классу)___
Код Наименование ROI Сум ма Сред нее Ср. квад. откл.
1 2 3 4
1 1. Вы составляете подробный план урока?-* 1,00 1,00 2,00 0,50 0,58
2 2. Вы планируете урок лишь в общих чертах?-* 1,00 1,00 2,00 0,50 0,58
3 3. Часто ли вы отклоняетесь от плана урока?-* 0,33 0,33 0,33 1,00 0,25 0,17
4 4. Отклоняетесь ли вы от плана, заметив пробел в знаниях учащихся или трудности в усвоении материала?-* 0,33 0,33 0,33 1,00 0,25 0,17
5 5. Вы отводите большую часть урока объяснению нового материала?-* 1,00 1,00 2,00 0,50 0,58
6 6. Вы постоянно следите за тем, как усваивается новый материал в процессе объяснения?-* 0,33 0,33 0,33 1,00 0,25 0,17
7 7. Часто ли вы обращаетесь к учащимся с вопросами в процессе объяснения?-* 0,33 0,33 0,33 1,00 0,25 0,17
8 8. В процессе опроса много ли времени вы отводите ответу каждого ученика?-* 1,00 1,00 2,00 0,50 0,58
9 9. Вы всегда добиваетесь абсолютно правильных ответов?-* 0,33 0,33 0,33 1,00 0,25 0,17
10 10. Вы всегда добиваетесь, чтобы опрашиваемый самостоятельно исправил свой ответ?-* 1,00 1,00 2,00 0,50 0,58
11 11. Вы часто используете дополнительный учебный материал при объяснении?-* 0,33 0,33 0,33 1,00 0,25 0,17
12 12. Вы часто меняете темы работы на уроке?-* 1,00 1,00 2,00 0,50 0,58
13 13. Допускаете ли вы, чтобы опрос учащихся спонтанно перешел в коллективное обсуждение или объяснение нового учебного материала?-* 1,00 1,00 2,00 0,50 0,58
14 14. Вы сразу отвечаете на неожиданные вопросы учащихся?-* 3,00 3,00 0,75 1,50
15 15. Вы постоянно следите за активностью всех учащихся во время опроса?-* 3,00 3,00 0,75 1,50
16 16. Может ли неподготовленность или настроение учащихся во время урока вывести вас из равновесия?-* 1,00 1,00 2,00 0,50 0,58
17 17. Вы всегда сами исправляете ошибки учащихся?-* 1,00 1,00 2,00 0,50 0,58
18 18. Вы всегда укладываетесь в рамки урока?-* 1,00 1,00 2,00 0,50 0,58
19 19. Вы строго следите за тем, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно: без подсказок, не подглядывая в учебник?-* 1,00 1,00 2,00 0,50 0,58
20 20. Вы всегда подробно оцениваете каждый ответ?-* 0,33 0,33 0,33 1,00 0,25 0,17
21 21. Резко ли различаются ваши требования к сильным и слабым ученикам?-* 3,00 3,00 0,75 1,50
22 22. Часто ли вы поощряете за хорошие ответы?-* 0,33 0,33 0,33 1,00 0,25 0,17
23 23. Часто ли вы порицаете учащихся за плохие ответы?-* 1,00 1,00 2,00 0,50 0,58
24 24. Часто ли вы контролируете знания учащихся?-* 1,00 1,00 2,00 0,50 0,58
25 25. Часто ли вы повторяете пройденный материал?-* 0,33 0,33 0,33 1,00 0,25 0,17
26 26. Вы можете перейти к изучению следующей темы, не будучи уверенным, что предыдущий материал усвоен всеми учащимися?-* 1,00 1,00 2,00 0,50 0,58
27 27. Как вы думаете, учащимся обычно интересно у вас на уроках?-* 0,33 0,33 0,33 1,00 0,25 0,17
28 28. Как вы думаете, учащимся обычно приятно у вас на уроках?-* 0,33 0,33 0,33 1,00 0,25 0,17
29 29. Вы постоянно поддерживаете высокий темп урока?-* 1,00 1,00 2,00 0,50 0,58
30 30. Вы сильно переживаете невыполнение учащимися домашнего задания?-* 3,00 3,00 0,75 1,50
31 31. Вы всегда требуете четкого соблюдения дисциплины на уроке?-* 1,00 1,00 2,00 0,50 0,58
32 32. Вас отвлекает <рабочий шум> на уроке?-* 1,00 1,00 2,00 0,50 0,58
33 33. Вы часто анализируете свою деятельность на уроке?-* 1,00 1,00 2,00 0,50 0,58
Сумма 15,67 21,67 9,67 12,00 59,00
Среднее 0,47 0,66 0,29 0,36 0,45
Среднеквадратичное отклонение 0,77 0,73 0,37 0,44 0,61
Необходимо обратить внимание на то, что весовые коэффициенты в ключах в моделях системы Эйдос-Х++, созданные на основе ключей оригинального теста, отличаются друг от друга (за исключением модели ABS), а в интеллектуальных моделях в общем случае отличаются не только веса, но и знаки весовых коэффициентов (например, в приведенных моделях INF1- количество знаний по А.Харкевичу и INF3 - Хи-квадрат).
На четвертом этапе определяется наиболее достоверная модель и назначается текущей для дальнейшего применения.
Шаг 1-й. Из режима 4.1.3.6 видно (см. рисунок 11), что наивысшей достоверностью идентификации и не идентификации обладает модель Inf5 с частными критериями, приведенными в таблице 7 и интегральным критерием, описанным ниже.
4.1.3.6. Обобщ.формэ по достов.моделей при разн.инт.крит.. Текущая модель: 1NF7"
Наименование модели и частного критерия Интегральный критерий Вероятность правильной идентифка. Вероятность правильной не кценгиф. Средняя вероятно... правильн. результата Дата получения результата Время получения результ..
100.000 50.000 75.000 25.04.2013 12:28:27
1. ABS ■ частный критерий: количество встреч сочетаний: "клас... Сумма абс.частот по признак... 100.000 16.667 58.333 25.04.2013 12:28:27
2. PRC1 - частный критерий: усл. вероятность ¡-го признака сред.. Корреляция усл. отн. частот со... 100.000 50.000 75.000 25.04.2013 12:28:27
2. PRC1 - частный критерий: усл. вероятность ¡-го признака сред... Сумма усл. отн. частот по приз. . 100.000 16.667 58.333 25.04.2013 12:28:27
3. PRG2 - частный критерий: условная вероятность i-го признака.. Корреляция усл. отн. частот со... 100.000 50.000 75.000 25.04.2013 12:28:28
i3.-..PRC2 - частный критерий: условная вероятность ¡-го признака... Сумма усл. отн. частот по приз. . 100.000 16.667 58.333 25.04.2013 12:28:28
4. INF1 - частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна.:. 100.000 75.000 87.500 25.04.2013 12:28:28
4. INF1 - частный критерий: количество знаний по А.Харкевичу; в. . Сумма знаний 100,000 25.000 62.500 25.04.2013 12:28:23
5. INF2 - частный критерий: количество знаний по А.Харкевичу; в... Семантический резонанс зна... 100.000 75.000 87.500 25.04.2013 12:28:28
5. ¡NF2 - частный критерий: количество знаний по А.Харкевичу; в... Сумма знаний 100.000 16.667 58.333 25.04.2013 12:28:28
6. INF3 - частный критерий: Хи-кьацраг. разности между Фактич... Семантический резонанс зна.:. 100.000 75.000 87.500 25.04.2013 12:28:28
6. INF3 - частный критерий: Хи-квадрат. разности между Фактич... Сумма знаний 100.000 75.000 87.500 25.04.2013 12:28:23
7. INF4 ■ частный критерий: RCI (Return On Investment); eepcsTTHO.. Семантический резонанс зна... 100.000 75.000 87.500 25.04.2013 12:28:29
7 ¡NF4 - частный критерий: RDI (Return On Investment); вероятно.. Сумма знаний 100.000 25.000 62.500 25.04.2013 12:28:29
В. INF5 - частный критерий: ROI (Fieturn On Investment); вероятно.. Семантический резонанс зна... 100.000 33.333 91.667 25.04.2013 12:28:29
.8.. INF5 ■ частный критерий: ROI (Return Ori Investment); вероятно Сумма знаний 100,000 16.667 58.333 25.04.2013 12:28:29
3. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер. . Семантический резонанс зна... 100.000 75.000 87.500 25.04.2013 12:28:29
3. INF6 - частный критерий: разн.усл.и оезусл. вероятностей; вер. . Сумма знаний 100.000 25.000 62.500 25.04.2013 12:28:29
1U IMF7 - частный критерий: разн.уеД^Г¡5esy РЛ:вероятностей: ье.. Семантический резонанс зна!:. 100.000 66.667 83.333 25.04.2013 12:23:29
10.INF7 - частный критерий: pia3H. усл. й^ез^оЛ: вероятностей; ве Сумма знаний 100.000 16.667 58.333 25.04.2013 12:28:29
Помощь
Рисунок 11. Данные о достоверности статистических моделей и моделей знаний системы Эйдос-Х++ в созданном интеллектуальном приложении
Таблица 7 - РАЗЛИЧНЫЕ АНАЛИТИЧЕСКИЕ ФОРМЫ ЧАСТНЫХ _КРИТЕРИЕВ ЗНАНИЙ В СИСТЕМЕ «ЭЙДОС-Х++»_
Наименование модели знаний и частный критерий Выражение для частного критерия
через относительные частоты через абсолютные частоты
INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета вероятностей: Nj - суммарное количество признаков по j-му классу. Вероятность того, что если у объекта j-го класса обнаружен признак, то это i-й признак P I . =Yx Log2 p N i ,N I, = Yx Log 2 v J 2 NN, i J
INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета вероятностей: Nj - суммарное количество объектов по j-му классу. Вероятность того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. P.. I. = Yx Log, P i N„N I, =Yx Log 2 v J 2 NtN, i 1
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами --- NN, I.. = N.. 1 1 11 11 N
INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета вероятностей: Nj - суммарное количество признаков по j-му классу p. p. - p I.= . 1 = . ' . p p N.N I,, = 1 1 11 NNj
INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета вероятностей: Nj - суммарное количество объектов по j-му классу p. p. - p I = * 1 = . ' . p p N.N Il = 1 1 11 N1N1
INF6, частный критерий: разность условной и безусловной вероятностей, 1-й вариант расчета вероятностей: Nj - суммарное количество признаков по j-му классу p.=p. - p I = Nl _ N II N} N
INF7, частный критерий: разность условной и безусловной вероятностей, 2-й вариант расчета вероятностей: Nj - суммарное количество объектов по j-му классу p.=p. - p I = Nl _ N II N, N
Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:
= (Iv. L).
В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:
M
1j = Х1 ,
i=1
где: M - количество градаций описательных шкал (признаков);
Ту = (1у)- вектор состояния j-го класса;
L =
Li = (Li} - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
1, если 1 _ й фактор действует;
n, где: n > 0, если 1 _ й фактор действует с истинностью n; 0, если 1 _ й фактор не действует.
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3 и имеет вид:
IJ = —Ц£(Ij _Ij)(L _L),
a, alA7=1
где:
M - количество градаций описательных шкал (признаков);
Ij - средняя информативность по вектору класса;
L - среднее по вектору объекта;
s j - среднеквадратичное отклонение частных критериев знаний вектора класса;
sl - среднеквадратичное отклонение по вектору распознаваемого объекта.
Iij = (Iij} - вектор состояния j-го класса;
Li = (Li} - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
г 1, если г - й фактор действует;
Ь1 = \п, где: п > 0, если г - й фактор действует с истинностью п;
0, если г - й фактор не действует.
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или п, если он присутствует у объекта с интенсивностью п, т.е. представлен п раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:
1 -1
I, ®
il - IJ a,
L ®
a,
]
Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния _]-го класса и состояния распознаваемого объекта.
Шаг 2-й. Модель, показавшая наивысшую достоверность принимается текущей, для чего применяется режим 5.6 (рисунки 12 и 13):
ф 5.6, Выбрать модель и сделать ее текущей
—Задайте текущую стат.модель или модель знаний Статистические базы:
Г ;1. ABS • Г 2. PRC1 Г 3. PRC2 Базы знаний: Г 4. INF1
С 5 Г
С 7
частный критерий, количество встреч сочетаний: 'класс-признак' ч объектов обчч.выборк^
- частный критерий: усл. вероятность ¡-го признака среди признаков объектов ¡-го класса
- частный критерий: условная вероятность i-го признака у объектов ¡-го класса
частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1
частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2
частный критерий: Хи-квадрат, разности между Фактическими и ожидаемыми абс. частотами
частный критерий: R0I (Return On Investment]; вероятности из PRC1
частный критерий: R0I [Return On Investment]; вероятности из PRC2
частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC1
частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC2
—Как задавать параметры синтеза моделей
В качестве текущей можно задать любую из ранее расчитанных в режимах 3.1.3.2, 3.3 или 3.4 стат. моделей и моделей знаний, но до исследования достоверности моделей в режиме 3.5 рекомендуется выбрать в качестве текущей базу знаний 1НП. Смысл моделей знаний, применяемых в системе 'Эйдос-Х++" раскрыт в публикациям, размещенных по адресам: 1"|Мр:/71с.киЬадго.1и/а1с1о5Лпс1ех.Ыт, НКр^имл.Ынрх.сотЛНе/^ЭЗЗП/
J
J
Рисунок 12. Окно режима 5.6 задания в качестве текущей модели, показавшей наивысшую достоверность
(У 5.6. Выбрать модель и сделать ее текущей
I g 1 пя.раЫ]
-Стааии исполнения процесса
ОПЕРАЦИЯ: ПРИСВОЕНИЕ МОДЕЛИ 'ЧИН" СТАТУСА ТЕ КУЩЕЙ МОДЕЛИ: 1/7: Копирование модели ЧЫРГ в 1ЫР.ОВР-Дорасчет - Готово 2/7: Перенос информации из ИЧР в базу классов: Оаггег - Готово
3/7: Перенос информации из ИЧРвбазу признаков (градаций описательных шкал): □МЭрБс- Готово
4/7: Расчет значимости описательных шкал - Сброс сумматоров - Готово
5/7: Расчет значимости описательных шкал-Накопление данных-Готово
6/7: Расчет значимости описательных шкал-Дорасчет - Готово
7/7: Запись информации о текущей модели - Готово
Выбор модели знаний "1МГ4" в качестве текущей прошел успешно!!!
—Прогноз времени исполнения-
Начало: 23:54:21
тх
Прошло: 0:00:03 Осталось: 0:00:00
Рисунок 13. Окно отображения стадии исполнения режима 5.6, задания в качестве текущей модели, показавшей наивысшую достоверность
Шаг 3-й. Контрольное распознавание в наиболее достоверной модели проводится в режиме 4.1.2 (рисунок 14)
t) 4.1.2. Пакетное распознавание, Текущая модель: "INF4"
ОПЕРАЦИЯ: ПАКЕТНОЕ РАСПОЗНАВАНИЕ В ТЕКУЩЕЙ МОДЕЛИ "INF4": 1/11: Распознавание (идентификация) 4-го объекта обучающей выборки из 4-Готово 2/11: Исследование распределений уровней сходства верно и ошиб.идент.объектов - Готово 3/11: Создание сжатых полных форм результатов распознавания по 2-м интегр.крит. - Готово 4/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-корреляция - Готово 5/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-сумма инф - Готово Б/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-корреляция - Готово 7/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-сумма инф. - Готово В/11: Создание подробной наглядной формы: "Клас^объекты". Инт.крит.-корреляция - Готово 9/11: Создание подробной наглядной формы: "Класообъекты". Инт.крит.-сумма инф. - Готово 10/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-корреляция - Готово 11/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-сумма инф.-Готово
ПАКЕТНОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ РАСПОЗНАВАЕМОЙ ВЫБОРКИ ЗАВЕРШЕНО УСПЕШНО !
—Прогноз времени исполнения-
Начало: 00:00:07 Окончание: 0:00:10
100%
Прошло: 0:00:03
Осталось: 0:00:00
Рисунок 14. Окно отображения стадии исполнения режима 5.6, задания в качестве текущей модели, показавшей наивысшую достоверность
Результаты контрольного распознавания отображаются в режиме 4.1.3.1 (рисунки 15-18), а также в других режимах:
О 4.1.в,1, Визуализация результатов распознава ия в отношении; "О&ьект-классы", Текущая модель; ™5"М" I ■=> I ®
Распознаваемые объекты Интегральный критерий сиодетва: "Семантический резонанс знаний"
г
2 ЭМС (25): 1,3,4,5,6.7,8,11.12,... 3 РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ CT ИЛЬ (Р... 5,30 Ulli
3 РИС (17]: 2,3.4,6,7,8,9,10,11 .... 2 ЭМ0ЦИ0НАЛЬНО-МЕТ0ДИЧЕСКИЙ СТИЛЬ0мер ... -31,4 lllllllllllllllllllllllllllllll
4 РМС (16): 1,4,6,7,9.9,10,19.1... 4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС)-" -88,5 llllllllllllllllllllllllllllllllllllllllll ...
<1 1
-
2 ЭМ 0Ц И0НАЛ ЬНО -МЕТ □ ДИЧЕ СКИ Й СТИ ЛЬ [3 MC]-* ... 30,76... IIIIII —
3 РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ CT И ЛЬ (Р... 21,53... lllllllllllllllllllll
4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС)-" 0,000...
> <1 1
Помощь | Показать 9 затеей оказаг
1 --
Рисунок 15. Окно результатов идентификации 1-го ключа с остальными
(¿1 4.13.1. Визуализация результатов распознава ия в отношении: -Объект-классы". Текущая модель! ■ 1 = 1 ® ■!
Интегральный критерий схсиства: "Семантический резонанс знаний"
г
2 « РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС)-" ■1.714...
РМС [1 Б): 1.4.6.7.8.9.10.18.1... 3 РАССУЖДАЮ Ш Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ И ЛЬ (Р... •82.64... 1111111111111111111111111111111111111111111111Ш
Н| 1
г
ЭМ ОЦ ИОНАЛ ЬНО -МЕТ 0 ДИЧЕ СКИ Й СТИ ЛЬ 0мер ... 100.00... V ..................
4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС]-' 41.53... II III II 1
1 ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ СТИЛЬ (Э... 30.76... II ДИМЫ
3 РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ И ЛЬ (Р... 16.92... II 1
•1 <\ 1
оказггь
-
Рисунок 16. Окно результатов идентификации 2-го ключа с остальными
О 4.1.в,1, Визуализация результатов распознава ия в отношении; "О&ьект-классы", Текущая модель; ™5"М" 1 <=> 1 ®
Распознаваемые объекты Интегральный критерий сиодства: "Семантический резонанс знаний"
-
2 ЭМС(25]: 1,3,4,5,6.7,9,11.12,... РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС]-" -19,1 II II
3 ттшшташш 1 ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ СТИЛЬ (Э... -31,6 ......
<1 I
РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ ИЛЬ (Р... 44,61... V 11111111111111111111111111111111111111111
4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС]-* 23,07... 11111
1 ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ СТИЛЬ (Э... 21,53... ппинпшп
2 ЭМ ОЦ ИОНАЛ ЬНО -МЕТ □ ДИЧЕ СКИ Й СТИ ЛЬ (Э МСр ... 16,92... 1111111111
> -1 1
Помощь | Показать 9 записей оказат
1 -
Рисунок 17. Окно результатов идентификации 3-го ключа с остальными
(1) 4.1.5,1, Визуализация результатов распознава ия в отношении; "Объект-классы", Текущая модель; "1МР5'^Ж 1 а 1 ®
Распознаваемые объекты Интегральный критерий сиодства: "Семантический резонанс знаний"
-
2 ЭМС(25]: 1,3,4,5,6.7,9,11.12,... РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ ИЛЬ (Р... 6,06 III
3 РИС (17]; 2,3.4,6,7,8,9,10,11,... ЭМОЦИОНАЛЬНО-МЕТ ОДИЧЕСКИЙ СТИЛЬ (3 МСр ... ■ив ПИШИ
ВИЕШШШШ
—.
-
РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМСр 55,38... V ||||||||||||||||||||||||||||||||||||||||||||||||||||||| г
ЭМ ОЦ ИОНАЛ ЬНО -МЕТ □ ДИЧЕ СКИ Й СТИ ЛЬ (3 МСр ... „я. |||||||||||||||||||||||||||||||||||||||||
РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ ИЛЬ (Р... 23,07... 11111
ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ СТИЛЬ (3... 0,000...
-1 1
Помощь | Показать 9 записей оказат
1 --
Рисунок 18. Окно результатов идентификации 4-го ключа с остальными
Из рисунков 15-18 видно, что все ключи однозначно идентифицируются своими описаниями, но с разной степенью обусловленности.
На пятом этапе решаются задачи тестирования, т.е. распознавания стиля педагогической деятельности и выработки рекомендаций.
Шаг 1-й. Подготовка и ввод данных для тестирования.
Есть два варианта подготовки и ввода в систему исходных данных для тестирования:
1. Ввод в Excel-файл с абсолютно такой же структурой, как представленный в таблице 1, но с именем Inp_гasp.xlsx и информацией не о ключах, а о тестируемых. В этом случае для ввода данных в систему используется тот же самый программный интерфейс, что и для ввода обучающей выборки: режима 2.3.2.2, со всеми теми же самыми опциями, кроме одной: надо задать: «Генерация распознаваемой выборки (на основе Inp_гasp)».
2. Ввод данных непосредственно в систему в режиме 4.1.1 (рисунок 19)._
1111-т -1
Ф 4.1.1. Ручной ввод-корректировка распознаваемой выборки (режим сисадмина). Текущая модель:
Код объекта Наименование объекта Дата Время
1 Э И С (15 вопросов): 2,3,5,11 ,ТЙ 3,14.16,17,21,223637,28:29!
й Э ИС125): 1,3,45,6,7,9,11,12,15,1В,Ю 9,20.22,23,24.25,27.28,29.30.31 ,32,33.
Ш РИС 2,3,4:6,7,8,9,10,11,13,18,20,22,25^6,27,28.
4 РМ С (16): 1,4,6,7;9,9,10,19,19;20,23,24,25,31,32,33.
5 проф. Луценко Е Р. '26.04.2013 00:06:24
6 доц. .Коржаков 8.1:. 26^04.20ТЗ/. 07:58:06
г
Код объекта Класс 1 Класс 2 Класс 3 Класс 4 о
5
Код объекта Признак 1 Признак 2 Признак 3 Признак 4 \ !ризнак 5 Признак 6 Признак 7
5 щ 4 5 й 7 11
5 1.2 13 14 15 17 22 25
В 24 26 27 29 31 93
I
Помощь Скопировать расп.выб.в ибчч Добавить объект Добавить признаки Удалить объект Удалить классы Удалить признаки Очистить ЕД
Рисунок 19. Экранная форма ручного ввода-корректировки распознаваемой выборки
Шаг 2-й. Тестирование.
По окончании ввода распознаваемой выборки в режиме 4.1.2 системы Эйдос-Х++ проводится само тестирование (распознавание, идентификация) респондентов. На рисунке 20 приведена экранная форма отображения стадии процесса тестирования после его окончания:
С) 4.1.2. Па«
е распознавание, Текущая модель: "1^5"
IИ и^Г
ОПЕРАЦИЯ: ПАКЕТНОЕ РАСПОЗНАВАНИЕ В ТЕКУЩЕЙ МОДЕЛИ "1ЫР5": 1/11: Распознавание (идентификация) 6-го объекта обучающей выборки из 6-Готово 2/11: Исследование распределений уровней сходства верно и ошиб.идент.объектов - Готово 3/11: Создание сжатых полных форм результатов распознавания по 2-м интегр.крит. - Готово 4/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-корреляция - Готово 5/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-сумма инф - Готово Б/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-корреляция - Готово 7/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-сумма инф. - Готово В/11: Создание подробной наглядной формы: "Клас^объекты". Инт.крит.-корреляция - Готово 9/11: Создание подробной наглядной формы: "Клас^объекты". Инт.крит.-сумма инф. - Готово 10/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-корреляция - Готово 11/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-сумма инф.-Готово
ПАКЕТНОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ РАСПОЗНАВАЕМОЙ ВЫБОРКИ ЗАВЕРШЕНО УСПЕШНО !
—Прогноз времени исполнения-
чало: 08:33:48 Окончание: 8:33:50
100%
Прошло: 0:00:04
Осталось: 0:00:00
Рисунок 20. Экранная форма ручного ввода-корректировки распознаваемой выборки
Шаг 3-й. Отображение результатов тестирования и выработка рекомендаций по совершенствованию стиля преподавания.
Как видно из рисунка 20 в результате тестирования создается большое количество различных выходных форм, всесторонне с различной степенью детализации отражающих его результаты и позволяющих провести глубокий анализ этих результатов. В данной статье мы не ставим перед собой это задачи и ограничимся двумя формами:
- отображающей сходство педагогического стиля конкретного преподавателя с ключами (рисунок 21);
- отображающей сходство педагогических стилей различных преподавателей с заданным педагогическим стилем (рисунок 22).
(¿1 4.1.3.1. Визуализация результатов распознава ия в отношении: ■Объект-классы*. Текущая модель! Ж I = I ® ■!
Распознаваемые объекты Интегральный критерий схсиства: "Семантический резонанс знаний"
1 ЭИС (15вопросов): 2.3.5.11.... ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ СТИЛЬ р... 16.37... 1111111111111111
2 Э МС (25): 1,3.4,5,6.7,3.11.12.... 2 ЭМ 0Ц И0НАЛ ЬНО -МЕТ □ ДИЧЕ СКИ Й СТИ ЛЬ (3 МС)-" ... ■1,240...
3 РИС (17): 2.3.4.6.7.8.9.10.11.... 3 РАССУЖДАЮ Щ Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ ИЛЬ (Р... ■9.763... 111111111
4 РМС [16): 1.4.6.7.5.9.10.15.1... 4 РАССУЖДАЮЩЕ-МЕТ0ДИЧНЫЙ СТИЛЬ (РМС)-" •44.30... 11111111111111111111111111111111111
5
6
Н| I
-
ЭМ 0Ц И0НАЛ ЬНО -МЕТ 0ДИЧЕ СКИ Й СТИ ЛЬ 0мер ... 63.0 ............
1 ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫЙ стиль р... 53.5 II ■■!—
3 РАССУЖДАЮ Ш Е-ИМ ПРО ВИЗАЦИ ОН НЫЙ СТ ИЛЬ (Р... 26.1 II пт
4 РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (РМС)-' 23.0 II 111
«I I <\ 1
оказ^ь
-
Рисунок 21. Экранная форма, отображающая сходство педагогического стиля проф. Луценко Е.В. с ключами (реальные результаты)
о щх ,„„„ р^™ чв-а- в объекты'. Текущая МоДе7ы „ I - I Р ЬСЪ
ЭМОЦИОНАЛЬНО-ИМПРОВИЗАЦИОННЫ... ЭИС (15 вопросов): 2.3.5.11.12.13.14.16... 79.66.. -
ЭМОЦИОНАЛЬНО-МЕТОДИЧЕСКИЙ СТИ... РАССУЖДАЮЩЕ-ИМПРОВИЗАЦИОННЫЙ... РАССУЖДАЮЩЕ-МЕТОДИЧНЫЙ СТИЛЬ (... 6 5 3 РИС [17): 2,3,4,6,7.8,9,10.11,13,18,20,22... 49.31.. 16,37.. -31,61.. ||||||||||||||||||||||||||||||||||||||||||||||||| II11111111111111111111111111
< РМ С [16): 1,4,6,7,8.9,10,18.18,20,23,24.2... -70,55.. |||||||||||||||||||||||||||||||||||||||||||||||||||||
^НэИСпЁГвопросов! 2.3.5.11.12.13.14.16... 72.30.. ............. -
проф. Луценко Е.В. II III II II .1 II ШЕ II
ЭМ С (251:1,3,4,5,6,7,9,11,12,15,16,17.18... 30,76.. и пила
РИС (17): 2,3.4,6,7,8,9.10,11,13,18.20,22... 21,53.. И И
РМ С [16): 1,4,6,7,8.9,10,18.19,20,23,24.2...
1-1 1 ► Н
и 1 .......ШШ ВШрй! Ш1КД11
Рисунок 22. Экранная форма, отображающая сходство педагогических
стилей различных преподавателей с заданным педагогическим стилем: «Эмоционально-импровизационный стиль (ЭИС)»
Данные, приведенные на рисунке 21 необходимы для индивидуальной консультации преподавателя по совершенствованию его педагогического стиля. Однако если преподавателей много, то имеет смысл сделать их группировку по стилю преподавания и провести консультации по группам, для которых характерны различные стили, т.к. для преподавателей каждой из групп рекомендации будут сходными.
Шаг 4-й. Выработка рекомендаций по совершенствованию стиля преподавания.
На сайте http://vsetesti.ru/805/ приведены описание стилей педагогической деятельности, способ интерпретации результатов теста и рекомендации по совершенствованию преподавателем индивидуального стиля своей педагогической деятельности. Поэтому в данной статье мы не будем на них подробно останавливаться, а ниже приведем с данного сайта лишь один большой фрагмент рекомендаций для одного из авторов (проф. Лу-ценко Е.В.).
«Эмоционально-импровизационный стиль (ЭИС)
Вы обладаете многими достоинствами: высоким уровнем знаний, артистизмом, контактностью, проницательностью, умением интересно преподать учебный материал, увлечь учеников преподаваемым предметом, руководить коллективной работой, варьировать разнообразные формы и методы обучения. Ваши уроки отличает благоприятный психологический климат.
Однако Вашу деятельность характеризуют и определенные недостатки: отсутствие методичности (недостаточная представленность в Вашей деятельности закрепления и повторения учебного материала, контроля знаний учащихся). Возможно недостаточное внимание к уровню знаний слабых учеников, недостаточная требовательность, завышенная самооценка, демонстративность, повышенная чувствительность, что обусловливает Вашу чрезмерную зависимость от ситуации на уроке.
В результате у Ваших учеников стойкий интерес к изучаемому предмету и высокая познавательная активность сочетаются с непрочными знаниями, недостаточно сформированными навыками учения.
Попробуйте
1. Несколько уменьшить количество времени, отводимого объяснению нового материала;
2. В процессе объяснения тщательно контролировать, как усваивается материал (для этого через определенные промежутки времени можно обращаться к учащимся с просьбой повторить сказанное или ответить на вопросы).
3. Никогда не переходите к изучению нового материала, не будучи уверенным, что предыдущий усвоен всеми учениками.
4. Внимательно относитесь к уровню знаний слабых учеников.
5. Тщательно отрабатывайте весь учебный материал, уделяя большое внимание закреплению и повторению. Не бойтесь и не избегайте «скучных» видов работы - отработки правил, повторения.
6. Старайтесь активизировать учащихся не внешней развлекательностью, а вызвать у них интерес к особенностям самого предмета.
7. Во время опроса больше времени отводите ответу каждого ученика, добивайтесь правильного ответа, никогда не исправляйте сразу ошибки: пусть ошибившийся сам четко сформулирует и исправит свой ответ, а Вы помогайте ему уточнениями и дополнениями. Всегда давайте подробную и объективную оценку каждому ответу.
8. Повышайте требовательность. Следите, чтобы учащиеся отвечали и выполняли проверочные работы самостоятельно, без подсказок и подглядывания.
9. Старайтесь подробно планировать урок, выполнять намеченный план и анализировать свою деятельность на уроке».
Выводы
Таким образом, можно сделать обоснованный вывод о том, что применение интеллектуальной системы «Эйдос-Х++» обеспечивает реализацию уже разработанных психологических, педагогических и профориента-ционных тестов без программирования в форме, удобной для массового тестирования, анализа его результатов и выработки индивидуальных рекомендаций.
Материалы данной статьи могут быть использованы в учебном процессе при преподавании дисциплин: «Интеллектуальные информационные системы», «представление знаний в информационных системах», «Современные технологии в образовании (магистратура)», «Управление знаниями (магистратура)», «Введение в искусственный интеллект», «Функционально-стоимостной анализ системы и технологии управления персоналом (магистратура)», «Интеллектуальные и нейросетевые технологии в образовании (магистратура)», «Основы искусственного интеллекта» и других.
Перспективы продолжения исследований и разработок
Планируется продолжить направление исследований и разработок, представленное в данной статье, по следующим направлениям:
1. Реализация в среде интеллектуальной системы Эйдос-Х++ без программирования тестов с числовыми исходными данными и ключами.
2. Интеграция в среде интеллектуальной системы Эйдос-Х++ без программирования нескольких тестов в батарею тестов или супертест с одной общей моделью.
Список литературы
1. Рогов Е.И. Настольная книга практического психолога. Книга 2. М., 1999.
2. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Луценко Е.В., Коржаков В.Е. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №04(88). - IDA [article ID]: 0881304022. - Режим доступа: http://ej .kubagro.ru/2013/04/pdf/22.pdf, 1,250 у.п.л., импакт-фактор РИНЦ=0,577
3. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с.
4. Луценко Е.В. Когнитивная аналитическая система "ЭЙД0С-6.0" и система "ЭЙДОС-Y" - адекватный инструментарий для психологических служб МВД, В сб.: "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования ОВД". Материалы межвузовской научно-практической конференции (16-18.05.1997). Часть 1. -Краснодар: КЮИ МВД РФ, 1997. - С. 65-69, С. 136-141.
5. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). - Краснодар: КубГАУ. 2002. -605 с.
6. Луценко Е.В. Типовая методика и инструментарий когнитивной структуризации и формализации задач в АСК-анализе // Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - № 01(3). - Режим доступа: http://ej .kubagro.ru/2004/01/16/p16.asp.
7. Луценко Е.В., Лаптев В.Н., Третьяк В.Г. Прогнозирование качества специальной деятельности методом подсознательного (подпорогового) тестирования на основе семантического резонанса, В сб.: "Проблемы совершенствования систем защиты информации, энергоснабжения военных объектов и образовательных технологий подготовки специалистов". Материалы II межвузовской научно-технической конференции. -Краснодар: КВИ, 2001. - С. 127-128.
8. Луценко Е.В., Лебедев А.Н. Диагностика и прогнозирование профессиональных и творческих способностей методом АСК-анализа электроэнцефалограмм в системе "Эйдос", Межвузовский сборник научных трудов, том 1. - Краснодар: КВИ, 2003. -С. 227-229.
9. Луценко Е.В., Наприев И.Л. Синтез многоуровневых семантических информационных моделей активных объектов управления в системно-когнитивном анализе // Научный журнал КубГАУ, №28(4), апрель 2007 г. - Режим доступа: http://ej .kubagro.ru/2007/04/pdf/11.pdf
10. Луценко Е.В., Рябикина З.М., Некрасов С.Д. Личность и профессия: проблема самоактуализации, В сб.: "Психологические проблемы самореализации личности" / Под ред. О.Г.Кукосяна. - Краснодар: КубГУ, 1997. - С. 127-140.
11. Луценко Е.В. Селиверстов В.В. Разработка профессиональных оптимальных адаптивных тестов на основе интеллектуальной технологии "ЭЙДОС", В сб.: "Современные компьютерные технологии обучения". Материалы 2-й межвузовской научно-методической конференции. - Краснодар: КВВАУ, 1998. - С. 32-34.
12. Луценко Е.В., Третьяк В.Г. Анализ профессиональных траекторий специалистов с применением системы "Эйдос", Личность и ее бытие (социально-психологические аспекты бытия личности в местном сообществе): сборник научных работ / Под.ред. З.И.Рябикиной. - Краснодар: КубГУ, 2002. -С. 43-49.
13. Наприев И. Л., Луценко Е.В. Структурное моделирование изменений образа-Я сотрудников органов внутренних дел под влиянием экстремальных условий // Научный журнал КубГАУ, №30(6), июнь 2007 г. - Режим доступа: http://ei.kubagro.ru/2007/06/pdf/06.pdf
14. Наприев И.Л., Луценко Е.В. Структурное моделирование изменения стилевых особенностей деятельности сотрудников органов внутренних дел под влиянием экстремальных условий // Научный журнал КубГАУ, №30(6), июнь 2007 г. - Режим доступа: http://ei.kubagro.ru/2007/06/pdf/07.pdf
15. Пат. № 2003610986 РФ. Универсальная когнитивная аналитическая система "ЭЙДОС" / Е.В.Луценко (Россия); Заяв. № 2003610510 РФ. Опубл. от 22.04.2003. - 50 с.
16. Пат. № 2003610987 РФ. Автоматизированная система комплексной обработки данных психологического тестирования "ЭЙДОС-Y" / Е.В. Луценко (Россия), С.Д. Некрасов (Россия); Заяв. № 2003610511 РФ. Опубл. от 22.04.2003. - 50с.
17. Симанков В. С., Луценко Е. В. Адаптивное управление сложными системами на основе теории распознавания образов: Монография (научное издание) /Техн. ун-т Кубан. гос. технол. ун-та. - Краснодар, 1999. - 318 с.
18. Третьяк В.Г., Александров С.Г., Луценко Е.В. Модель профессионально-значимых качеств личности сотрудников ОВД, Вестник учебного отдела КЮИ МВД РФ. -2001. - №1. - С. 37-40.
19. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения психомоторного теста при снижении уровня бодрствования: постановка задачи, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №04(6). - Режим доступа: http://ei.kubagro.ru/2004/04/20/p20.asp
20. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения психомоторного теста при снижении уровня бодрствования: описание эксперимента, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №04(6). - Режим доступа: http://ei .kubagro.ru/2004/04/21/p21.asp
21. Щукин Т.Н., Дорохов В. Б., Лебедев А.Н., Луценко Е.В. ЭЭГ прогноз успешности выполнения психомоторного теста при снижении уровня бодрствования: анализ результатов исследования, Научный журнал КубГАУ [Электронный ресурс]. - Краснодар: КубГАУ, 2004. - №04(6). - Режим доступа: http://ei.kubagro.ru/2004/04/22/p22.asp
22. Наприев И.Л., Луценко Е.В., Чистилин А.Н. Образ-Я и стилевые особенности деятельности сотрудников органов внутренних дел в экстремальных условиях. Монография (научное издание). - Краснодар: КубГАУ. 2008. - 262 с.
References
1. E.I. Rogov Handbook of Practical Psychology. Book 2. Moscow, 1999.
2. Lutsenko E.V. Theoretical foundations of the technology and tools of automated system-cognitive analysis and its application for comparability assessment of the effectiveness of schools / E.V. Lutsenko, Korzhakov V.E. / / Politematic Network electronic scientific Journal of the Kuban State Agrarian University (Journal KubGAU) [electronic resource]. - Krasnodar:
2013. - № 04 (88). - IDA [article ID]: 0881304022. - Mode of access: http://ej .kubagro.ru/2013/04/pdf/22.pdf, 1,250 upl, impact factor = 0.577 author
3. Lutsenko E.V. The theoretical basis and technology of adaptive semantic-analysis in support of decision-making (for example, universal automated pattern recognition system bath "EIDOS-5.1"). - Krasnodar QUY Ministry of Internal Affairs of the Russian Federation,
1996. - 280p.
4. Lutsenko E.V. Cognitive analytic system "EID0S-6.0" system and the "EIDOS" - an adequate tool for psychological services MVD In Sat: "Actual problems of socio-legal training and prospects for improving the recruitment system of ATS." Proceedings of Inter-University Scientific Conference (16-18.05.1997). Part 1. -Krasnodar: QUY Interior Ministry,
1997. - S. 65-69, pp. 136-141.
5. Lutsenko E.V. Automated system-cognitive analysis in the management of active objects (system information theory and its application in the study of economic, social, psychological, technological, organizational, and technical systems) Monograph (scientific publication). - Krasnodar KubGAU. 2002. - 605.
6. Lutsenko E.V. Typical methods and tools of cognitive structurization and formalization of tasks in the ASK-analysis / / Journal KubGAU [electronic resource]. - Krasnodar KubGAU, 2004. - № 01 (3). - Mode of access: http://ej .kubagro.ru/2004/01/16/p16.asp.
7. Lutsenko E.V., Laptev V.N., V.G. Tretiak Predicting the quality of special activities by the subconscious (subliminal) test based on the semantic resonance in the Sun. "Problems of improving the security systems of information, supply of military facilities and educational technology preparation of specialists." Materials II Interuniversity Scientific Conference. -Krasnodar: KVI, 2001. - S. 127-128.
8. Lutsenko E.V., Lebedev A.N. Diagnosis and prediction of professional and creative abilities by ASK-analysis of electroencephalograms in the system of "Eidos", Interuniversity collection of scientific papers, Volume 1. - Krasnodar: KVI, 2003. - S. 227-229.
9. Lutsenko E.V. Synthesis of multi-level semantic information models for the active management of objects in a system-cognitive analysis / / Journal KubGAU, № 28 (4), April 2007 - Mode of access: http://ej .kubagro.ru/2007/04/pdf / 11.pdf
10. Lutsenko E.V., Ryabikina Z.M., Nekrasov, S.D. Personality and profession: the problem of self-actualization in the Sun. "Psychological problems of self-identity" / Ed. O.G.Kukosyana. - Krasnodar Kuban State University, 1997. - pp. 127-140.
11. Lutsenko E.V. Seliverstov V.V. Developing Professional optimal adaptive tests based on smart technology "EIDOS" In Sat: "An up-recurrent computer technology training." Proceedings of the 2nd Inter-University Scientific Conference. - Krasnodar KVVAU, 1998. -pp. 32-34.
12. Lutsenko E.V., Tretiak V.G. The analysis of the trajectories of professional specialists using a system of "Eidos" personality and her being (social and psychological aspects of being a person in the local community): a collection of research papers / psychology. Z.I.Ryabikinoy. - Krasnodar Kuban State University, 2002. -pp. 43-49.
13. Napriev, I.L., Lutsenko E.V. Structural modeling style changes of internal affairs under the influence of extreme conditions / / Journal KubGAU, № 30 (6), June 2007 - Mode of access: http://ej.kubagro.ru/2007/06/pdf/ 06.pdf
14. Napriev, I.L., Lutsenko E.V. Structural modeling of changes stylistic peculiarities of police officers under the influence of extreme conditions / / Journal KubGAU, № 30 (6), June 2007 - Mode of access: http://ej .kubagro.ru/2007/06/ pdf/07.pdf
15. Pat. Number 2003610986 Russia. Universal cognitive analytic system "EIDOS" / E.V.Lutsenko (Russia) stated. Number 2003610510 Russia. Publ. from 22.04.2003. - 50.
16. Pat. Number 2003610987 Russia. Automated system for data integration of psychological testing "EIDOS-Y" / E.V. Lutsenko (Russia), Number 2003610511 Russia. Publ. from 22.04.2003. - 50p.
17. Simankov V.S., Lutsenko E.V. Adaptive control of complex systems based on the theory of pattern recognition: Monograph (scientific publication) - Krasnodar, 1999. - 318 p.
18. Tretiak V.G., Aleksandrov S.G., Lutsenko E.V. Modeling professional and important personal qualities of Police Officers, Journal of Educational Department of the Interior Ministry QUY. -2001. - № 1. - 37-40.
19. Shchukin, T.N., Dorokhov V. Lebedev, A., E. Lutsenko EEG prediction completely successful performance of the psychomotor test at lower levels of wakefulness: the formulation of the problem, Journal KubGAU [electronic resource]. - Krasnodar KubGAU, 2004. - № 04 (6). - Mode of access: http://ej.kubagro.ru/2004/04/20/p20.asp
20. Shchukin, T.N., Dorohov V. Lebedev, A., E. Lutsenko EEG prediction completely successful performance of the psychomotor test at lower levels of wakefulness: description of the experiment, the Journal KubGAU [electronic resource]. - Krasnodar, 2004. - № 04 (6). -Mode of access: http://ej .kubagro.ru/2004/04/21/p21.asp
21. Shchukin, T.N., Dorohov V. Lebedev, A., E. Lutsenko EEG prediction completely successful performance of the psychomotor test while reducing the level of consciousness: an analysis of the survey results, Journal KubGAU [electronic resource]. - Krasnodar: KubGAU, 2004. - № 04 (6). - Mode of access: http://ej.kubagro.ru/2004/04/22/p22.asp
22. Napriev, I.L., Lutsenko E.V., Chistilin A.N. The image and stylistic features of the police officers in extreme conditions. Monograph (scientific publication). - Krasnodar KubGAU. 2008. - 262 p.
