CC BY
36
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
УДК 004.94
И.В. Вешнева, Л.А. Мельников СТРАТЕГИЯ РАЗВОРАЧИВАНИЯ СПИРАЛИ ЖИЗНЕННОГО ЦИКЛА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ МОНИТОРИНГА ПРОЦЕССА ФОРМИРОВАНИЯ КОМПЕТЕНЦИЙ СТУДЕНТОВ ВУЗА НА ОСНОВЕ СТАТУСНЫХ ФУНКЦИЙ
Представлены этапы спирального жизненного цикла интеллектуализации системы мониторинга процесса формирования компетенций студентов вуза с использованием метода комплекснозначных статусных функций.
Нечеткие множества, статусные функции, компетенции, качество, качество образования, информационная система мониторинга, интеллектуальная
информационная система
I.V. Veshneva, L.A. Melnikov
STRATEGY UNFOLDING SPIRAL LIFE CYCLE OF INTELLECTUAL MONITORING THE PROCESS OF COMPETENCE STUDENTS BASED STATUS FUNCTIONS
Stages spiral lifecycle intellectualization monitoring system formation process competencies of university students using the complex status functions.
Fuzzy sets, status functions, competence, quality, quality of education, information monitoring system, intellectual information system
Смена образовательной парадигмы на компетентностную представлена переходом образовательных учреждений на работу по государственным образовательным стандартам начального общего и высшего образования нового поколения, заявленным в Концепции долгосрочного социальноэкономического развития Российской Федерации на период до 2020 года [1]. Ключевым понятием ФГОС является «компетенция».
Понятие категории «компетенция» было введено в научные исследования в 60-70-е гг. XX века. Считается, что истоки компетентностной парадигмы в образовании связаны с работами R.W. White, который в 1959 ввел термин «компетенция» для описания тех способностей выпускника учебного заведения, которые наиболее тесно связаны с его хорошей работой на основе полученной подготовки и сформированной в процессе обучения высокой мотивацией к ее выполнению [2]. Постулируя взаимосвязь между когнитивными компетенциями и мотивационными тенденциями, R. W. White утверждал, что в числе личностных характеристик выпускника в дополнение к компетенции, которую можно трактовать как сформированную способность, должна быть «компетентност-ная мотивация». В последовавшие 2-3 десятка лет категория «компетенция» все активнее используется в различных образовательных программах, как, например, в теории и практике обучения языку, профессионализму в управлении, руководстве, менеджменте, в обучении общению. В настоящее время компетентностный подход обрел целостную структуру, изначально характерную для многомерной и деятельностной моделей. Традиционно оцениваемая в процессе обучения триада знания, умения и навыки (ЗУН) вместе с поведенческими и мотивационными аспектами вошла как составной элемент общей кластерной структуры компетенций [3, 4].
Введение системы формирования оценок компетенций требует использования большого числа оцениваемых характеристик и оценок и оказывается трудоемкой и дорогостоящей процедурой. Многообразие компетенций и их качественная природа не позволяют применять к ним обычные арифметические действия. Одним из наиболее перспективных методов является инструментарий теории нечетких множеств [4].
138
Развитие методов теории нечетких множеств позволило ввести статусные функции, используемые в качестве функций принадлежности для введенных оценок [5]. Статусные функции (СФ) являются операционным представлением данных, которое может быть положено в основу создания интеллектуальной информационной системы мониторинга процесса формирования компетенций, поскольку применение средств оценки приближенных к естественному языку дает возможность развития интеллектуальных коммуникативных возможностей информационной системы. Кроме того, адаптация к решению сложных, слабо формализуемых задач и формирование способностей к самообучению и развитию также выступают в качестве направлений интеллектуализации.
Развитие метода СФ в данной статье представлено описанием стратегии разворачивания спирали жизненного цикла интеллектуальной системы мониторинга процесса формирования компетенций студентов вуза на основе статусных функций.
1 этап. Формирование лингвистических входных и выходных переменных. Лингвистической переменной в нашем случае могут выступать традиционные оценки «плохо», «посредственно», «хорошо», «отлично», как это было использовано, например, в [5]. Для оценки компетенций вводится двойная лингвистическая оценка для действительной, явно оцениваемой части и для скрытой личностной составляющей. Личностная оценка представляется подобной фазе колебания и вносится в показатель экспоненты, задающей комплексную функцию. В результате на этом этапе получены комплекснозначные функции, названные статусными (СФ). Квадрат модуля СФ полностью соответствует классической терминологии теории нечетких множеств. Из этой возможности двойственной трактовки СФ следуют два основные из возможных аспектов настройки системы. Во-первых, это традиционная для систем нечеткой логики настройка с использованием квадрата модуля СФ. Во-вторых, это непосредственно перспективы использования глубокого смысла, заключенного в наборе комплекснозначных СФ.
Для учебного процесса формируются списки компетенций, которые являются перекрестными как в рамках одной дисциплины, так и в междисциплинарном контексте. Оценки по перекрестным компетенциям, полученные в рамках изучения одной дисциплины, влияют на оценки по определенной компетенции, оценивание которой происходит при изучении другой дисциплины. Наборы компетенций могут быть оценены не только преподавателем (экспертом, руководителем практики и т.п.), но и самим участником процесса обучения (студентом, учеником, практикантом), а также сторонними заинтересованными участниками. Эти группы оценок задают измерения в пространстве состояний исследуемого субъекта. Оценка измеряемых путем тестов общих знаний, соответствующих данной компетенции и личностной (мотивационной части), позволяет сформировать комплекснозначную статусную функцию, описывающую состояние исследуемого субъекта.
Данные вводятся в систему через специальный интерфейс информационной технологии сбора данных, где на основе имеющейся базы моделей наборов элементарных статусных функций формируются статусные функции для проведения оценки текущего состояния. Этапы проектирования ИС и аспекты интеллектуализации схематично представлены рис. 1.
2 этап. Формирование иерархичных взаимосвязанных структур. Поскольку количество оцениваемых в ИС показателей может оказаться очень большим, закономерно система придет к неразличимости характеристик возникающей на выходе СФ. Чтобы избежать «проклятия размерности», необходимо структурировать входные данные в иерархические структуры. Форма иерархических групп может быть задана первоначальными условиями. В случае оценок компетенций задача формирования иерархичности структур не всегда обязательна, но на этапе настройки должно быть выявлено наличие чувствительности к оценкам и при ее отсутствии может быть использована иерархическая структура. Кроме того, при проведении комплексных многоаспектных оценок по предметам иерархичность может быть сформирована на основе учебного плана дисциплин.
3 этап. Формирование структуры зависимости «вход-выход» в виде системы продукционных правил. В эти правила вкладывается опыт эксперта на первом этапе, затем в процессе отладки и настройки системы эти правила должны быть подвергнуты корректировке. В эти правила заключается понимание причинно-следственных связей, которые используются для формирования правил управления, которые предоставляются на выходе в качестве рекомендаций ЛПР. Эти правила не меняются при малом изменении условий на входах ИС. В действительности, такие правила являются первичной настройкой экспертной системы. В данном случае возможны изменение СФ на входе системы и лингвистическая интерпретация характеристик СФ на выходе. На данном этапе также следует выделить два аспекта по СФ и по квадрату модуля СФ, интерпретируемой как ФП.
4 этап. Формирование итерационной настройки ИС. После проведенной настройки экспертной системы наступают циклическое самодиагностирование и «тонкая» настройка ИС, что обеспечивает ее интеллектуализацию. В вычислительном блоке экспертной части интеллектуальной системы
проводится вычисление характеристик модели объекта. Использование комплекснозначных статусных функций, положенных в основу предлагаемого метода, позволяет проводить исследование как с применением классических алгоритмов теории нечетких множеств, так и на основе исследования пространственно-временной динамики модели.
В первом случае вычисляется квадрат модуля амплитуды статусной функции, при этом полученная плотность вероятности статусной функции используется как обычная функция принадлежности, применяемая для решения управленческих задач на основе теории нечетких множеств. В этом случае возможна тонкая настройка системы с использованием традиционной коррекция весовых коэффициентов элементарных СФ и самих продукционных правил. Кроме того, возможен пересмотр способов группировки групп компетенций и систематизации входных данных.
Во втором случае возможно проведение интеллектуализации системы по нетривиальным направлениям как трансформация базы моделей (на основе вычисления пространственно-временных корреляций в форме мод Карунена - Лова) и переключения ИС на использование данных мод в качестве функций принадлежности.
Этапы разворачивания спирали жизненного цикла интеллектуальной системы мониторинга процесса формирования компетенций студентов вуза на основе статусных функций
Так же как и выстраивание иерархически связанных структур, такая система позволит избежать «проклятия размерности». Вычисления показывают, что при большом числе оценок только несколько мод Карунена - Лова определяют динамику системы. Кроме того, расчеты, проведенные для изучения процесса формирования профессиональных компетенций менеджеров коммерческой компании, показали существование 1-2 мод Карунена - Лова у опытных менеджеров компании, и 3-5 у 140
начинающих менеджеров компании. Данные результаты соответствуют, например, результатам применения качественной оценки состояний мозговой деятельности в медицинских исследованиях. Можно интерпретировать, что у формирующейся личности существует большее число состояний, вблизи которых происходит переключение динамики системы.
Следующим витком спирали жизненного цикла ИИС является возможность углубленного анализа с применением дифференциальных уравнений для исследования временной динамики объекта на основе уравнения непрерывности и формирования системы уравнений, подобных модели мировой динамики Форрестера, но на базе комплекснозначных статусных функций. Данные модели позволяют сформировать динамические уравнения подобные применяемым в естественно научных исследованиях для сложных социально-экономических систем. Данный аспект интеллектуализации находится полностью в соответствии с современными научными работами международного уровня в области синергетики, эконофизики и социофизики. Возможны формирование уравнений в частных производных и их анализ с помощью методов нелинейной динамики, например с помощью теории особенностей Уитни.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (проект РФФИ 12-07-00598-a).
ЛИТЕРАТУРА
1. Концепция долгосрочного социально-экономического развития Российской Федерации на период до 2020 года http://www.ifap.ru/ofdocs/rus/rus006.pdf.
2. White R. W. Motivation reconsidered: The concept of competence / R. W. White // Psychological review. 1959. № 66.
3. Ackerman P.L. Intelligence, Personality, and Interests in the Career Choice Process / P.L. Ackerman, M.E. Beier // Career choice. May 2003. P. 205-218.
4. Берестнева О.Г. Моделирование интеллектуальной компетентности студентов / О.Г. Бе-рестнева // Известия Томского политехнического университета. 2005. Т. 308. № 2. С. 152-156.
5. Veshneva I. The method of the students’ competence rating: knowledge, abilities, skills and personal characteristics / I. Veshneva, L. Melnikov // Social and Natural Sciences Journal. 2012. Vol. 5. P.1-6. http://general.journals.cz/documents/Vol5/veshneva.pdf
Вешнева Ирина Владимировна -
кандидат физико-математических наук, доцент кафедры «Приборостроение»
Саратовского государственного технического университета имени Гагарина Ю.А.
Мельников Леонид Аркадьевич -
доктор физико-математических наук, профессор, заведующий кафедрой «Приборостроение» Саратовского государственного технического университета имени Гагарина Ю.А.
Irina V. Veshneva -
Ph. D., Associated Professor
Department of Instrumentation Engineering
Yuri Gagarin State Technical University of Saratov
Leonid A. Melnikov -
Dr. Sc., Professor
Chair of Instrumentation Engineering
Yuri Gagarin State Technical University of Saratov
Статья поступила в редакцию 17.08.13, принята к опубликованию 15.09.13
