CC BY
7
УДК 004.5:004.048
DOI: 10.15587/2312-8372.2018.149680
ВПРОВАДЖЕННЯ ШТЕЛЕКТУАЛЬНО СИСТЕМИ ОЦ1НКИ ПРОФЕС1ЙНИХ ЗД1БНОСТЕЙ АЕГТУРКШТВ У Д1ЯЛЬН1СТЬ НАВЧАЛЬНИХ ЗАКЛАД1В
Сременко Б. М., Рябчун Ю. В., Плоска Г. В.
1. Вступ
У сучасному cycninbCTBi юнуе велика кшьюсть спецiальностей, здобуття яких передбачае наявнють певних здiбностей, якi бажано виявити ще на eTani вибору напрямку навчання. Для цього освггш заклади обробляють рiзноплaно-вий потж iнформaцiï навчальних yспiхiв осiб, як навчаються за рiзними спеща-льностями. Анaлiз цiеï iнформaцiï надае можливють робити висновки стосовно eфeктивностi профорiентaцiйноï дiяльностi зaклaдiв освiти та удосконалювати ïï оргaнiзaцiю. Пiдтримкy прийняття ршень aбiтyрiентaм щодо вибору спеща-льност вищий навчальний заклад може н адавати на пiдстaвi:
- оцiнювaння результат навчання на пiдготовчих курсах;
- тестування пiд час днiв вщкритих дверей, олiмпiaд i подaннi докуменпв;
- додаткових фахових випробувань або творчих конкуршв.
Актуальним напрямком удосконалення профорiентaцiйноï дiяльностi е впро-
вадження систем пiдтримки прийняття рiшeнь, як отримуються при спiлкyвaннi з aбiтyрiентaми. При цьому зростае попит на системи, що здaтнi не тшьки узагаль-нювати висновки тeстiв знань i навичок, що набуваються на еташ довyзiвськоï ш-дготовки, a i видшяти природнi здiбностi aбiтyрiентiв iз сyмiшi даних.
2. Об'ект досл1дження та його технолог1чний аудит
Об 'ектом дослгдження е методи i засоби професшно!' iдeнтифiкaцiï aбiтyрiентiв.
Для оцiнки здiбностeй та досягнень aбiтyрiентiв при встyпi до навчальних зaклaдiв використовуються рiзноплaновi тести здiбностeй i досягнень aбiтyрiе-нтiв. Результати теспв здiбностeй i тeстiв досягнень вщображаються на конти-нyyмi, з одного боку якого - тести шкшьних досягнень, а з шшого - тести ште-лекту, психолопчно1' готовностi або тести спeцiaльних здiбностeй для прогно-зування yспiшностi в конкретних галузях. Тести шкiльних досягнень розробля-ються шкiльними вчителями для оцшювання знань, а тести спещальних здiбно-стей розробляються спeцiaлiстaми довyзiвськоï пiдготовки з урахуванням дос-вщу виклaдaчiв вищих навчальних зaклaдiв, кадрових вимог до профшю фаив-ця та вимог потенцшних роботодaвцiв.
Для вщбору aбiтyрiентiв використовують: «Тест aкaдeмiчних здiбностeй» (SAT) [1];
«Тестову батарею Програми тестування американських коледжш» (ACT) [2] ;
- «Письмовi юпити для астранпв» (GRE) [3].
Результати такого тестування, як правило, знаходяться в середин континууму здiбностeй i досягнень. Це призводить до того, що результати тестування являють собою множину нечггких даних, яю потребують класифшацп [4].
До багатофакторних теслв здiбностей належать [2, 3]:
- «Комплексна батарея зд1бностей»;
- «Батарея здiбностей Гiлфорда-Циммермана»;
- «Мiжнародна батарея тестiв первинних чинниюв»;
- «Нацiональнi тести готовностi» (MRT);
- «Тест базисних понять Бозна».
1снують також рiзнi тести спещальних здiбностей, якi вiдображають вимо-ги до спещашслв певно1 галузi i використовуються для прогнозування усшш-ност в конкретних галузях. До таких теспв вiдносяться [5, 6]:
- «Тест для вступниюв до юридично! школи» (LSAT);
- «Тест для вступниюв до медичного коледжу» (МСАТ);
- рiзнi тести, що оцшюють канцелярськi i стенографiчнi здiбностi, зiр i вмiння навчатися, слух, мехашчш здiбностi, музичнi й артистичнi здiбностi, креативнiсть.
В iнформацiйному середовищi Укра!ни функцюнуе «Комплексна профорiента-цiйна диагностика «Абiтурiент». Ця iнформацiйна система мютить довщникову шфо-рмацiю про професшш категорй' навчання та тести для визначення структури особи-стостi, схвалена Мiнiстерством освiти i науки Укра!ни та не мае альтернатив [7].
Проте, жоден з цих теспв не враховуе вимоги до спещалюпв будiвельноl га-лузi та попит будiвельних навчальних закладiв. Окрiм будiвельних, iснуе достатня кiлькiсть iнших спещальностей, для здобуття яких необхiднi певш здiбностi, якi бажано виявити в процес спiлкування на етапi вибору напрямку навчання.
3. Мета та задачi дослiдження
Метою дослгдження е надання абiтурiентам науково-обгрунтовано! тдт-римки прийняття ршення щодо вибору напряму навчання шляхом впрова-дження в процес самоактуаизацп штелектуально1 системи ощнки професiйних здiбностей абiтурiентiв.
Для досягнення дано! мети були сформульоваш таю задача
1. Дослiдити сучаснi методи ощнки здiбностей та досягнень абiтурiентiв.
2. Дослiдити iснуючi засоби обробки нечггко! шформацп.
3. Запропонувати до впровадження в дiяльнiсть будiвельних навчальних закладiв iнтелектуальну систему оцiнки професшних здiбностей абiтурiентiв.
4. Досл1дження кнуючих р1шень проблеми
Оцiнка природних здiбностей особистостi вимагае застосування засобiв, в основу яких, о^м тестiв досягнень i навичок, покладено iнтелектуальнi та психодiагностичнi тести. Проведенi дослiдження сучасних методiв i засобiв щентифжацп здiбностей i досягнень особистостi показали, що не юнуе единого пiдходу до визначення змюту професшно1 щентифжацп. сучасних методiв i за-собiв щентифшацп здiбностей i досягнень особистостi показали, що не юнуе единого тдходу до визначення змюту професшно1 щентифшацп [8, 9]. Важли-вий внесок у вивчення цього феномену зробили вчеш робгг [10, 11], як започа-ткували дослiдження проблеми щентифжацп та iдентичностi.
. обот [3] професшна iдентифiкацiя розглядаеться як мехашзм прийняття провiдних професiйних ролей i цiнностей, що спонукають фаивця до ефек-
тивно1 дiяльностi. Авторами робгг [12, 13] показано, що тдтримка прийняття ршень ускладнюеться тим, що результати теспв мають нечiткий висновок. Особливо багатовимiрними i нечiткими е результати теспв, що вiдображають структуру особистостi на етат переходу з одного рiвня освiти на iнший.
Для виршення подiбних проблем використовуються штучнi нейронн ме-режi рiзноï архiтектури [14]. В роботах [15, 16] описано нечггку мережу Такаги-Сугено-Канга. Дана мережа здатна анаизувати та узагальнювати нечiткi данi. Теоретичнi питання проектування i дослщження алгоритмiв навчання систем на основi мережi Такаги-Сугено-Канга детально описан в [14, 17]. Однак iснуючi моделi засобiв iдентифiкацiï, робота яких грунтуеться на застосуваннi штучних нейронних мереж, не адаптованi до розв'язання задачi оцiнки професiйних здiбностей особистостi. Таким чином, i проблема навчання систем ощнки професшних здiбностей абiтурiентiв лишаеться невирiшеною.
Оскiльки основною метою дослщження е пiдтримка ршення щодо вибору напряму навчання в процес самоактуалiзацiï, то в першу чергу до^джувались найбiльш доступнi користувачевi засоби i методи самоiдентифiкацiï.
Авторами даноï роботи були прове дет online-дослiдження iснуючих шфор-мацiйних систем щентифшаци здiбностей абiтурiентiв. При цьому, на запит «профор1ентацшна дiагностика абпур1ента» пошукова система Google рекомендуе звернутися до автоматизовано!' системи «Комплексна профорiентацiйна дiагнос-тика «Абiтурiент» [7]. Дана шформацшна система е iнновацiйною розробкою, що схвалена Мiнiстерством освiти i науки Украши та не мае альтернатив. Система мь стить довщникову шформащю про професiйнi категорп навчання, яка грунтуеться на вимiрюванi професшних штерешв та схильностей у шдприемницькш, сощаль-нiй, артистичнiй, iнтелектуальнiй, природничо-реалютичнш, технiко-реалiстичнiй, конвенцiональнiй галузях навчання. Однак ця система не вщображае здiбностi абiтурiентiв, що необхiднi для устшного здобуття будiвельних професiй.
5. Методи дослщжень
Детермiнованi та стохастичнi моделi потребують точной розподiленоï ш-формацп. Проте, оцiнювання професiйних здiбностей особистост часто пов'язана з обробкою нечггко1' текстово1' iнформацiï. В подiбних випадках, для нечiткоï оцiнки професiйних штерешв найбiльш вдалими е нечiткi моделi [11].
Для вирiшення проблем шдвищення ефективностi прийняття рiшень в умовах невизначеност розробляються iнтелектуальнi системи, що здатш аналь зувати та узагальнювати нечггю висновки результатiв тестування. I, таким чином, тдвищити рiвень автоматизацiï процесу пiдтримки прийняття ршення щодо вибору спецiальностi [13].
В робот передбачаеться, що вихiднi дат вузiвського тестування мiстять iнформацiю, яка представлена в текстовому виглядi i потребуе формаизацп. На даному етат результати тестування оцшюються експертами вщ 0 до 100 балiв. Шсля цього на вiдрiзу [0;100] задаеться лшгвютична змiнна, що приймае зна-чення «високий рiвень», «середнiй рiвень», «низький рiвень», «рiвень вище се-реднього», «рiвень нижче середнього», з вщомими мiрами належностi. Шкалою належност за результатами може бути система такого вигляду:
- вщ 0 до 25 бaлiв - не тдходить;
- вщ 26 до 50 бaлiв - бшьше не пiдходить, нiж тдходить;
- вщ 51 до 75 бaлiв - бiльше пiдходить, шж не пiдходить;
- вiд 76 до 100 бaлiв - тдходить.
Вибip методy отpимaння мipи нaлежностi оцiнки здiбностей aбiтypieнтa лишaeться зa фaхiвцями, що вiдповiдaють зa оцiнювaння.
6. Результати доcлiдження
Пpи pозpобцi i впpовaдженнi iнтелектyaльних систем щдфимки пpийняття piшень щодо вибоpy спещельносп виникae низкa пpоблем. Основнi пpоблеми пов'язaнi з:
- обpобкою нечто' тестово!' iнфоpмaцiï;
- видiленням ^^одних здiбностей з сyмiшi дaних, як вiдобpaжaють не тiльки здiбностi, a i зтання тa нaвички, що нaбyвaються особистiстю нa piзних етaпaх життевого циклу.
Пpийняття piшень щодо вибоpy aбо змiни спецiaльностi може вiдбyвaтися:
- пpи встyпi до вищих нaвчaльних зaклaдiв;
- ^и пеpеходi з одного piвня нaвчaння нa iнший;
- пpи змш спецiaльностi пiд чaс нaвчaння;
- ^и бaжaнi змiнити спецiaльнiсть тсля зaкiнчення нaвчaння.
У piзних витадтах пiдтpимкa piшень пеpедбaчae зaстосyвaння вщповщних систем, pоботa яких бaзyeться та piзних бaзaх знaнь [13].
^облеми виникaють якщо aбiтypieнт не може сaмостiйно чiтко визнaчити чим вш хоче зaймaтися в мaйбyтньомy, a цешри пpофоpieнтaцiï не нaдaють йому достaтньо iнфоpмaцiï. До того ж пiдтpимкa piшення щодо вибоpy спецia-льностi пеpедбaчae нaявнiсть здiбностей, як бaжaно виявити нa етaпi вибоpy нaпpямy нaвчaння. Це ознaчae, що випускники зaгaльноосвiтнiх шкiл нaйбiльше потpебyють пiдтpимки пpи вибоpi спецiaльностi чеpез вiдсyтнiсть досвiдy тa високий piвень невизнaченостi нaмipiв. Hевизнaченiсть нaмipiв вiдобpaжaeться нa pезyльтaтaх тестyвaння, якi отpимaнi нa етaпi вступу до нaвчaльного зaклaдy, нечiткiстю вхiдноï iнфоpмaцiï. Сaме тому, в pоботi pозглядaeться пpоцес сaмоо-тотожнення тa соцiaлiзaцiï aбiтypieнтa нa стaдiï <Œ^ip нaпpямкy нaвчaння» пpи встyпi до нaвчaльного зaклaдy.
Схемa зaбезпечення пiдтpимки пpийняття piшень aбiтypieнтa нaвчaльним зaклaдом покaзaнa та p^. 1.
Пpи пеpеходi вiд довyзiвського нaвчaння до нaвчaння y вищому нaвчaль-ному зaклaдi пpоводиться aнaлiз досягнень зa pезyльтaтaми зовнiшнього незa-лежного тестyвaння тa довyзiвського нaвчaння. Пpоте pезyльтaти aнaлiзy цих pезyльтaтiв не достaтньо ч^ко вiдобpaжaють спецiaльнi здiбностi aбiтypieнтa.
Для зaбезпечення оpieнтaцiï aбiтypieнтa y свт пpофесiй освiтнi зaклaди pi-зних piвнiв генеpyють тa aнaлiзyють piзноплaновi потоки iнфоpмaцiï, що вщо-бpaжaють yспiхи осiб, якi нaвчaються. Ha основi спiвстaвлення цieï iнфоpмaцiï з iнфоpмaцieю, що бyлa отpимaнa ^и встyпi, будуються пpaвилa, якi фоpмyють нечiткy бaзy знaнь системи оцшки пpофесiйних здiбностей aбiтypieнтiв.
£
<
Тестування досяг-нень
Навчання в ЗОШ
Навчання на ПК
-$—
Тестування здгбностей
Вибiр на-прямку навчання
I
Удосконалення вмть, навичок
Навчання за напрямком
Реалiзацiя знань
Робота в галузi
Пiдтримка прийняття ршення абпур^нтЧ
Рис. 1. Схема забезпечення тдтримки прийняття рiшень абiтурifflта навчальним закладом: ЗОШ - загальноосвпня школа; ПК - пiдготовчi курси; ^ - взаемод1я абгту-рieнта з системою пiдгримки прийняття ршень; -0- - зворотнш зв'язок - шформащя, на основi яко1 формуються моделi для iдентифiкацii професшних здiбностей абгтурь ентш; Е - символ, що характеризуе сумiш показникiв здiбностей та досягнень
Набутi знання навчальний заклад може використовувати для оцшювання вщ-повiдностi здiбностей абiтурieнта тд час днiв вщкритих дверей, олiмпiад, ствбе-сiд i додаткових фахових випробувань та при поданнi докуменпв. Таким чином, прогнозування наслiдкiв професшного вибору абiтурieнта та можливоi' реашзацп власного потенцiалу в обранiй професшнш дiяльностi здшснюеться на основi ана-лiзу узагальнених результатiв навчання за вщповщними напрямками.
За результатами спшкування з системою абiтурieнти отримують детальний висновок та рекомендацii з поясненнями щодо перелiку професiй, у яких кожен абiтурieнт зможе максимально розкрити свш потенцiал [7].
Органiзацiю оцшювання у вщповщнш галузi на пiдставi спiлкування з системою показано на рис. 2.
Рис. 2. Схема впровадження системи оцшки професшних здiбностей абiтурieнтiв в роботу навчальних закладiв
Яюсть функцiонування iнтелектуальноi системи тдтримки прийняття рь шень з професiйноi iдентифiкацii, в першу чергу, залежить вiд надiйностi робо-
ти 11 тдсистем. Надiйнiсть роботи тдсистем, в свою чергу, залежить вщ адек-ватностi правил, що складають базу знань системи.
Дану роботу присвячено моделюванню штелектуально! системи оцшки професiйних здiбностей абiтурiентiв. Основне призначення системи полягае в наданнi тдтримки прийняття рiшень щодо вибору сиешальност при вступi абiтурiентiв до вищих навчальних закладiв. На рис. 3 показано фрагмент схеми формування нечггко! бази знань рiзних пiдсистем системи оцшки професiйних здiбностей до навчання за рiзними спецiальностями деяких факультет Кшвсь-кого нацiонального унiверситету будiвництва i архiтектури (Укра1на).
Дисциплiна ЗНО (Х) Спецiальнiсть (%,-)
Творчий конкурс
Фiзика
Математика
Укра1нська мова, лiтерату■ ра
Iсторiя Укра-1ни
1ноземна мова
Географiя
Бiологiя
I Додатко"( I фахое1 еипро- ^
I
буеання
Факультет (У|)
архггектурний
урбанiстики та просторового планування
будiвельний
будЬеельно-технологЬчний
геошформацшних систем i уиравлшня територiями
шженерних систем та екологП
У
Рис. 3. Фрагмент схеми формування нечпко! бази знань системи оцшки професшних здб-ностей абiтурiентiв: ДН - дизайн; ОМ - образотворче мистецтво, декоративне мистецтво, реставрация; А - арх1текгура та мюгобудування; МБГ - мiське буддвництво та господарст-во; АДА - автомобтьт дороги та аеродроми; ЕП - економжа щдприемства; О1А - облк i аудит; МО - менеджмент оргатзацш i адмiнiсIрування; ПЦБ - промислове та цивтьне бу-д1вництво; ТБКВМ - техиологтя будвельних конструкцiй, виробiв i матерiалiв; ТКД - пд-приемство, торгтвля та бiржова дiяльнiсть; Г1СТ - геошформацшш системи i технологи; ТУЗ - туризм; ЕМ - енергетичний менеджмент; ЕК - екологтя та охорона навколишнього середовища; ВВ - водопостачання та водовiдведеиня; ТВ - теплогазопостачання i вентиляция I та] - щентифжатори дисципл1ни та факультету, вщповщно
Для вступу на pi3Hi спещальност рiзних факультетiв aôÏTypieHTaM необ-хiдно прийняти участь в загальному KOHKypci результат зовнiшнього незалежного тестування. Фрагменту на рис. 3 досить, щоб пересвщчитись в тому, що щ результати в недостатнiй мiрi вщображають природнi здiбностi абiтyрiентiв до набуття знань i навичок кожно!' з спещальностей. Тiльки на архiтектyрномy факультет розподiл абiтyрiентiв за спещальностями вщбуваеться на основi твор-чих конкyрсiв i на факyльтетi шженерних систем та екологiï зарахування за на-прямом «енергетичний менеджмент» i шшими напрямами здшснюеться за конкурсом оцшювання рiзних дисциплiн.
В основу системи, що пропонуеться до впровадження, покладено нечiткy нейронну мережу Такаги-Сугено-Канга [16], топологiя якоï детально описана в [17]. Алгоритм навчання штyчноï нейромережi Такаги-Сугено-Канга в загальному виглядi описано в [15].
Для адаптацп алгоритму навчання мереж1 Такаги-Сугено-Канга до задачi оцш-ки профорiентацiйних здiбностей абiтyрiентiв в робот вибрано варiант, при якому вихщний параметр мереж1 приймае значення, що виражае здатшсть до навчання за спещальшстю. При цьому передбачаеться, що система оцшки складаеться з шдсис-тем, кожна з яких являе собою нечггку ней ронну мережу Такаги-Сугено-Канга, що навчена для оцшки здатност до навчання за окремою спещальшстю.
В якост вхiдних даних iнформацiйноï системи пiдтримки прийняття рь шень при встyпi до Кшвського нацiонального yнiверситетy бyдiвництва i архь тектури запропоновано використовувати комплекс результалв зовнiшнього незалежного оцiнювання, дiагностyвання «Абiтyрiент» та додаткових фахових випробувань. Вихщний параметр приймае два значення: «ш» або «так».
Додатковi фаховi випробування мiстять в собi питання i завдання, вщповщ на як вiдображають здiбностi до здобуття спещальних навичок. Наприклад, рь знi завдання з математики можуть вiдображати: рiвень логiчного, асоцiативного чи абстрактного мислення; здатшсть до просторовоï уяви чи «паралельного ми-слення». Творчi завдання з украшсько!' мови та лггератури, iноземноï мови та iсторiï вщображають такi характеристики особистостi, як сощальна небайду-жiсть, ставлення до навколишнього середовища та iн. Саме тому, до розробки додаткових фахових випробувань, що вщображають спещальш кадровi кваль фiкацiйнi вимоги для профiлю фахiвця та вимоги замовникiв-роботодавцiв до випускниюв залучаються спецiалiсти, що працюють у вщповщнш галyзi.
Дослiдження та анаиз нагальних вимог до молодих спещалюпв здшсню-еться фахiвцями Бyдiвельного Кадрового Порталу (м. Кшв, Украша).
7. SWOT-аналiз результатiв досл1джень
Strengths. В данш роботi вибiр спецiальностi пропонуеться здшснювати на основi рекомендацiй шформацшно!' системи дiагностики «Абiтyрiент», з ураху-ванням резyльтатiв зовнiшнього незалежного оцшювання та додаткових фахових випробувань або творчих конкуршв. Рекомендацп грунтуються на до^дженш структури особистостi, ступеню вираженост iнтересy до професп та прогнозах усшшностг Тести та завдання додаткових фахових випробувань або творчих кон-куршв вищого навчального закладу розробляються з урахуванням спецiальних
вимог замовниюв-роботодавщв до випускниюв. Це значно шдвищуе конкуренто-спроможнiсть i яюсть життя спецiалiстiв, якi здiйснили правильний B^ip напрям-ку свое!' майбутньо! дiяльностi. Це, в свою чергу, сприяе розширенню pe3epBiB бу-дiвельноi галузi за рахунок pеалiзацii штелектуального потенцiалу молодi. При цьому покрашуеться ефективнiсть пpофоpiентацiйноi роботи закладу.
Для оцшки професшних здiбностей особистостi, шдвищення ефективностi прийняття piшень на основi неповних i нечiтких даних, що накопичуються в ре-зультатi стлкування з абiтуpiентами, найбiльш вдалими е неч^ю моделi. Осно-вним недолшом системи «Абiтуpiент» можна вважати неспроможнють надава-ти чiткi висновки на основi нечiтких даних. Для подолання зазначеного недоль ка в робот запропоновано шдхщ, який грунтуеться на застосуванш нечiтких моделей i методiв нечiткоi логiки.
Урахування природних здiбностей при засвоеннi спецiальних знань i нави-чок надають можливiсть значно покращити якiсть освiти.
Weaknesses. Задача ощнки передбачае навчання окремо! меpежi Такаги-Сугено-Канга для кожно! спещальносп, що потребуе дуже велико! юльюсть вхiдних паpаметpiв для навчання штучних нейронних мереж.
Opportunities. Напрямком подальших дослiджень формування навчально! вибipки i навчання меpежi Такаги-Сугено-Канга для ощнки професшних здiб-ностей абiтуpiентiв Кшвського нацiонального унiвеpситету будiвництва i архь тектури. Iнфоpмацiйною базою вибipки е «ютор1я» pезультатiв досягнень сту-денлв, що навчаються за piзними спещальностями кожного з факультетiв. Ап-робащя системи в найближчому майбутньому плануеться на факультет шже-нерних систем та екологп та будiвельному факультет^
Модель iнтелектуальноi системи, що пропонуеться для впровадження, та алгоритм ii навчання адаптованi до задачi ощнки професшних здiбностей абпу-piентiв. Вщмшносп полягають в базi нечiтких правил. Це означае, що система здатна функщонувати в будь-якш системi освгги при умовi, що база правил роз-роблена з урахуванням вимог до випускниюв i досвщу фахiвцiв певно! галузi.
Threats. Додатковi витрати закладу при впровадженш системи пов'язаш з розробкою вiдповiдного програмного забезпечення.
1снують piзнi тести спецiальних здiбностей для вiдбоpу абiтуpiентiв, якi вь дображають вимоги до спецiалiстiв певно! галузi:
- «Тест академiчних здiбностей» (SAT);
- «Тестова батарея Програми тестування американських коледжiв» (ACT);
- «Тест для вступниюв до юридично! школи» (LSAT);
- «Тест для вступниюв до медичного коледжу» (МСАТ).
«Комплексна пpофоpiентацiйна дiагностика «Абiтуpiент» мiстить довщнико-
ву iнфоpмацiю про професшш категорп навчання та тести для визначення струк-тури особистостi, надае рекомендацп щодо можливостей абiтуpiента в наявних ка-тегоpiях пpофесiй. I, таким чином, допомагае здiйснити вибip профтю навчання з урахуванням структури особистостi. Ця iнфоpмацiйна система схвалена Мшютер-ством освiти i науки Украши та не мае альтернатив. До переваг системи слiд вщ-нести введення таких категоpiй, як ризик i природа, а також можливiсть аналiзу pезультатiв iз урахуванням вшу та стат особи, що проходить тестування.
Жоден з тестш не враховуе вимоги до спещашстш буддвельно!' галyзi та попит бу-двельних навчальних закладв, тому оцшка ïx переваг в данш робот! не формалзована
8. Висновки
1. Дослiдження сучасних методiв оцшки професiйних здiбностей особисто-стД показали, що оцiнка природних здiбностей вимагае застосування засобiв, в основу яких, окрдм тестiв досягнень i навичок, покладено iнтелектyальнi та психодь агностичнi тести. Розробка подД6них засобiв пов'язана з обробкою нечггко1' тесто-во1' iнформацiï та видшенням природних здiбностей Дз масиву даних, якД вщобра-жають зддбностд, знання та навички, що набутД на етапД довузДвсько1' пддготовки.
2. ДослДдження Дснуючих засобдв обробки нечДтко1' шформацп виявили доцД-льндсть адаптацп до розв'язання задачД оцшки професшних зддбностей абдтурден-тдв нечДтко1' нейронно1' мереж Такаги-Сугено-Канга. Використання нечдтких фун-кцдй на входД/виходД системи надае можливють роздшяти лiнiйно-нероздiльнi данi та класифжувати дуже велику кшьюсть даних мережею меншо1' розмдрностд.
3. До впровадження в профорiентацiйнy ддяльндсть бyдiвельних навчальних закладiв запропоновано штелекг ^льну систему оцшки професiйних здД6-ностей. Система складаеться з iнтелектyальних тдсистем, основним призна-ченням яких е тдтримка рiшення при ви6орД напрямку навчання. Базу знань кожно1' тдсистеми пропонуеться формувати на основД рекомендацш шформа-цшно1' системи «Абiтyрiент» з урахуванням результалв зовшшнього незалежного оцшювання (ЗНО) та спещального (вуздвського) тестування.
Лiтература
1. SAT Program. URL: http://www.collegeboard.com/student/testing/sat
2. Субботш С. О. Подання й обробка знань у системах штучного штелекту та тдтримки прийняття ршень: навчальний пошбник. ЗапорДжжя: ЗНТУ, 2008. 341 с.
3. Assessing the Reliability of Skills Measured by the SAT. Research Notes. Office of Research and Analysis / Ewing M. et. al. New York: The College Board, 2005.
4. Delaso Principles and Practice of Language Testing: Materials of training in the Principles and Practice of Language Testing. UK Ltd., 2006.
5. Toward a Script Theory of Guidance in Computer-Supported Collaborative Learning / Fischer F. et. al. // Educational Psychologist. 2013. Vol. 48, Issue 1. P. 56-66. doi: http://doi.org/10.1080/00461520.2012.748005
6. Анастази А., Урбина С. Психологическое тестирование. 7-е изд. СПб.: Питер, 2006. 688 с.
7. Комплексна профорiентацiйна дiагностика «Абiтyрiент». URL: http : //cleverdia. com/index. php?lang=uk
8. Bassina E. Identification: reality or a theoretic construct? // Dynamische Psychiatrie. Dynamic Psychiatry. West Berlin, 1990. P. 31-48.
9. Coleman M. R. The Identification of Students Who Are Gifted. ERIC EC Digest No. E644. 2003. P. 4.
10. Identification. National Association for gifted children. URL: http://www.nagc.org/resources-publications/gifted-education-practices/identification
11. Shandruk S. K. Theoretical-methodological foundtions of organization of training-productive activity of students-psychologists // Naukovyi ohliad. 2015. Issue 7 (17). P. 134-144.
12. Zaitseva E. N., Levashenko V. G. Importance analysis by logical differential calculus // Automation and Remote Control. 2013. Vol. 74, Issue 2. P. 171-182. doi: http://doi.org/10.1134/s000511791302001x
13. Литвин В. В. Бази знань штелектуальних систем тдтримки прийняття ршень: монограф1я. ^bïb: Видавництво Львiвськоï полпехшки, 2011. 240 с.
14. Hybrid metaheuristics in combinatorial optimization: A survey / Blum C. et. al. // Applied Soft Computing. 2011. Vol. 11, Issue 6. P. 4135-4151. doi: http://doi.org/10.1016/j.asoc.2011.02.032
15. Osowski S. Sieci neuronowe do przetwarzania informacji. Warszawa, 2000. 342 p.
16. A Sum-of-Squares Approach to Modeling and Control of Nonlinear Dynamical Systems With Polynomial Fuzzy Systems / Tanaka K. et. al. // IEEE Transactions on Fuzzy Systems. 2009. Vol. 17, Issue 4. P. 911-922. doi: http://doi.org/10.1109/tfuzz.2008.924341
17. Modeling an intelligent system for the estimation of technical state of construction structures / Terenchuk S. et. al. // Eastern-European Journal of Enterprise Technologies. 2018. Vol. 3, Issue 2 (93). P. 47-53. doi: http://doi.org/10.15587/1729-4061.2018.132587
