CC BY
162
УКД 004.891.2
ВЫБОР ПРОЕКТА И ОЦЕНКА ЕГО ЭФФЕКТИВНОСТИ НА ОСНОВЕ НЕЧЕТКИХ ЗАПРОСОВ И МЕТОДА ЭКСПЕРТНЫХ ОЦЕНОК
© Марина Сергеевна ЧВАНОВА
Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, доктор педагогических наук, профессор, проректор по образовательной политике и инновациям, e-mail: [email protected] © Ирина Александровна КИСЕЛЕВА Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, кандидат педагогических наук, доцент кафедры информатики и информационных технологий, e-mail: [email protected] © Анатолий Анатольевич МОЛЧАНОВ Тамбовский государственный университет им. Г.Р. Державина, г. Тамбов, Российская Федерация, аспирант, кафедра информатики и информационных технологий, e-mail: [email protected]
Рассматриваются проблемы применения и разработки экспертных систем на основе аппарата теории нечетких множеств в задачах поиска информации. Приводятся конкретные примеры использования экспертных систем для выбора проекта и оценки его эффективности на основе нечетких запросов и метода экспертных оценок. На основе теории нечетких множеств описаны лингвистические переменные, являющиеся критериями при выборе проекта, формализованы нечеткие понятия и построены типовые кусочно-линейные функции принадлежности переменных к соответствующим множествам. Для выбора проекта предлагается применять нечеткие запросы для формирования данных по всем проектам с целью выявления проектов с высоким показателем прибыльности, уровнем представления и патентно-лицензионной проработкой, большим количеством квалифицированных специалистов, высокой оценкой уникальности и актуальности проекта и т. д. Сделан вывод о том, что применение нечетких запросов к формализованным нечетким понятиям позволит выявить наиболее привлекательные по выбранным показателям проекты.
Рассмотрен метод экспертных оценок для выявления эффективных проектов. Учитываются их актуальность, инновационность, уникальность, показатель прибыльности (рентабельности), масштабность, опыт внедрения, наличие действующего образца, уровень представления проекта, уровень патентно-лицензионной проработки. Таким образом, метод экспертных оценок позволит оценить проекты по выбранным показателям и определить наиболее эффективные проекты.
Математический аппарат нечеткой логики, нечеткие запросы и метод экспертных оценок необходимы для проектирования и разработки интеллектуальной подсистемы. На основе представленных исследований построен прототип экспертной системы для дистанционного обучения, внедренный в систему дистанционного обучения «MOODLE», разработанный на основе четкой модели представления знаний с использованием скриптового языка PHP среды разработки Moodle.
Ключевые слова: экспертные системы; интеллектуальные системы; нечеткие множества; математический аппарат нечеткой логики; нечеткие запросы; экспертные оценки; метод экспертных оценок; проект; инновационный проект; система дистанционного обучения; прототип экспертной системы; среда Moodle.
Для подготовки специалистов наукоемких специальностей в системе дистанционного обучения важно создать интеллектуальную систему его сопровождения [1-10]. В эту систему может быть включено множест-
1 Тема поддержана в рамках Программы Минобр-науки РФ «Проведение научных исследований молодыми учеными - кандидатами наук» № 14.В37.21.1141, 2012-2013 гг.
во помощников-экспертных систем, каждая из которых решает определенную задачу для консультирования студентов. Такие экспертные системы были разработаны коллективом авторов. В качестве сопровождения дистанционного обучения специалистов наукоемких специальностей предложены прототипы экспертной системы, которые включены в качестве модулей в систему дистанционного
обучения (ДО) «MOODLE» Тамбовского государственного университета им. Г.Р. Державина. Прототип экспертной системы для дистанционного обучения позволяет получить консультацию по таким проблемным областям знаний, как подсистема «Проектная деятельность», подсистема «Бизнес», подсистема «Коммуникации», предоставляет возможность задавать вопрос специалисту и выбирать из вопросов, представленных в разделах системы. Прототип экспертной системы для ДО, внедренный в систему дистанционного обучения «MOODLE», разрабатывался на основе четкой модели представления знаний с использованием скриптового языка PHP среды разработки Moodle [11-13].
Еще одна из важных задач при подготовке специалистов наукоемких специальностей в системе ДО - это помощь студенту в выборе проекта и оценки его эффективности. Для решения этой задачи выбран аппарат теории нечетких множеств. Вообще большая часть данных, обрабатываемых в современных информационных системах, носят четкий, числовой характер. Однако в запросах к реляционным базам данных, которые пытается формулировать человек, часто присутствуют неточности и неопределенности. Поэтому нечеткие запросы к базам данных - это перспективное направление в современных системах обработки информации.
Применение аппарата теории нечетких систем в задачах поиска информации переживает в настоящее время период бурного роста. Проблемы поиска информации в нечетких базах данных долгое время оставалась на периферии проводимых исследований. И только в начале 1990-х гг. они вновь привлекли значительный интерес как теоретиков, так и прикладников.
Нечеткие запросы - перспективное направление в современных системах обработки информации, они появились в связи с необходимостью смягчить булеву логику в реляционных базах данных. Данный инструмент дает возможность формулировать запросы на естественном языке, например, в нашем исследовании можно сформировать список всех проектов с высоким показателем прибыльности проекта, уровнем представления и патентно-лицензионной проработкой проекта, что невозможно при использовании стандартного механизма запросов.
Нечеткие запросы целесообразно использовать в областях, где осуществляется выбор информации из базы данных с использованием качественных критериев и нечетко сформулированных условий на основе теории нечетких множеств.
Механизмы нечетких запросов (fuzzy queries, flexible queries) к реляционным базам данных, базирующиеся на теории нечетких множеств и нечеткой логики Заде, были впервые предложены в 1984 г. и впоследствии получили развитие в работах Д. Дюбуа и Г. Прада. В настоящее время появляются пакеты программ для построения нечетких экспертных систем, а области применения нечетких множеств и нечеткой логики заметно расширяются. Она применяется в автомобильной, аэрокосмической и транспортной промышленности, в области изделий бытовой техники, в сфере финансов, анализа и принятия управленческих решений и мн. др.
[14, 15].
МАТЕМАТИЧЕСКИЙ АППАРАТ
Характеристикой нечеткого множества выступает функция принадлежности (Membership Function). Обозначим через MFc(x) - степень принадлежности к нечеткому множеству C, представляющую собой обобщение понятия характеристической функции обычного множества. Тогда нечетким множеством С называется множество упорядоченных пар вида C = {MFc(x)/x}, MFc(x) [0,1]. Значение MFc(x) = 0 означает отсутствие принадлежности к множеству, 1 -полную принадлежность.
Существует свыше десятка типовых форм кривых для задания функций принадлежности [16-20].
Треугольная функция принадлежности определяется тройкой чисел (a, b, c), и ее значение в точке x вычисляется согласно вы-
ражению:
MF(X) = <
b — х
1 — --, а « х «b
b — а
х — b
1---,b « x « с
с — b
0, в остальных случаях
При (Ь - а) = (с - Ь) имеем случай симметричной треугольной функции принад-
лежности, которая может быть однозначно задана двумя параметрами из тройки (а, Ь, с).
Аналогично для задания трапецеидальной функции принадлежности необходима четверка чисел (а, Ь, с, й):
■ х
м^х^) = <
1 — --, а << х << Ь
Ь — а
1,Ь«х «с х — с
1 ---,Ь «х«с
а — с
0, в остальных случаях
При (Ь - а) = (й - с) трапецеидальная функция принадлежности принимает симметричный вид.
Основное требование при построении функций принадлежности - значение функций принадлежности должно быть больше нуля хотя бы для одного лингвистического терма.
Для описания нечетких множеств вводятся понятия нечеткой и лингвистической переменных.
Нечеткая переменная описывается набором (Ы, X, А), где N - это название переменной, X - универсальное множество (область рассуждений), А - нечеткое множество на X.
Значениями лингвистической переменной могут быть нечеткие переменные, т. е. лингвистическая переменная находится на более высоком уровне, чем нечеткая переменная. Каждая лингвистическая переменная состоит из:
- названия;
- множества своих значений, которое также называется базовым терм-множеством Т. Элементы базового терм-множества представляют собой названия нечетких переменных;
- универсального множества X;
- синтаксического правила О, по которому генерируются новые термы с применением слов естественного или формального языка;
- семантического правила Р, которое каждому значению лингвистической переменной ставит в соответствие нечеткое подмножество множества X.
НЕЧЕТКИЕ ЗАПРОСЫ ПРИ ВЫБОРЕ ПРОЕКТА
На основе теории нечетких множеств нами описаны лингвистические переменные, являющиеся критериями при выборе проекта, формализованы нечеткие понятия и построены типовые кусочно-линейные функции принадлежности переменных к соответствующим множествам.
1. Формализуем нечеткое понятие «Актуальность проекта».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Не актуально», «Актуально», «Очень актуально». Построим треугольную функцию принадлежности со следующими координатами:
"Не актуально" = [0, 2, 4];
"Актуально" = [3, 5, 7];
"Очень актуально" = [6, 8, 10].
2. Формализуем нечеткое понятие «Ин-новационность, уникальность проекта».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Низкая», «Средняя», «Высокая». Построим треугольную функцию принадлежности со следующими координатами:
"Низкая" = [0, 2, 4];
"Средняя" = [3, 5, 7];
"Высокая" = [6, 8, 10].
Ш
ш
Рис. 1. Типовые кусочно-линейные функции принадлежности
1
1
X
0
0
Таблица 1
Описание лингвистических переменный для выбора проекта
№ п/п Название лингвистической переменной Лингвистические термы (терм-множество) Универсальное множество X
1 Актуальность проекта (оценить по 10-бал- не актуально [0, 2, 4]
льной системе оценки) актуально [3, 5, 7]
очень актуально [6, 8, 10]
2 Инновационность, уникальность проекта низкая [0, 2, 4]
(уровень новизны проекта оценить по 10-бал- средняя [3, 5,7]
льной системе оценки) высокая [6, 8, 10]
3 Четкость изложения замысла проекта, цели и методов исследования (оценить по 10-бал- не четко (замысел проекта не понятен, цели и методы плохо прописаны) [0, 2, 4]
льной системе оценки) четко (замысел проекта не совсем понятен, цели и методы прописаны не достаточно четко) [3, 5, 7]
очень четко (замысел проекта понятен, цели и методы четко прописаны) [6, 8, 10]
4 Общая численность сотрудников проекта небольшая (до 10 человек) [0, 0, 7, 10]
большая (от 7 до 25 человек) [7, 14, 20, 25]
очень большая (свыше 20 человек) [20, 23, 35, 70]
5 Квалификация специалистов % невысокая [0, 0, 10, 15]
(оценить в процентном соотношении средняя [10, 25, 35, 40]
Ч к = учзв*100%, Ч где К - квалификация специалистов, очень высокая [30, 45, 75, 100]
Чучзв - численность специалистов, имею-
щих ученые степень)
6 Показатель прибыльности (рентабельности) низкий (до 15 тыс. руб.) [0, 0, 10, 15]
собственного капитала средний (от 10 до 40 тыс. руб.) [10, 25, 35, 40]
(Кр = ЧП/СК, где ЧП- чистая прибыль, руб.; СК - собственный капитал, руб.) высокий (свыше 30 тыс. руб.) [30, 45, 75, 100]
7 Показатель прибыльности (рентабельности) низкий (до 15 тыс. руб.) [0, 0, 10, 15]
инновации реализованного проекта средний (от 10 до 40 тыс. руб.) [10, 25, 35, 40]
(Кр = ПИ/СИ, где ПИ - прибыль от инновации, руб.; СИ - стоимость инновации, руб.) высокий (свыше 30 тыс. руб.) [30, 45, 75, 100]
8 Длительность производственного цикла про- небольшая (до 24 месяцев) [0, 0, 10, 24]
екта (от разработки до реализации) средняя (от 18 до 60 месяцев) [18, 30, 42, 60]
большая (свыше 48 месяцев) [40, 72, 96, 120]
9 Масштабность проекта (уровень значимости низкая (на уровне университета) [0, 2, 4]
проекта оценить по 10-балльной системе средняя (на уровне региона) [3, 5, 7]
оценки) высокая (на уровне федерации) [6, 8, 10]
10 Опыт внедрения, наличие действующего об- небольшой [0, 2, 4]
разца (наличие положительного опыта в средний [3, 5, 7]
практической реализации проекта, прототипа или образца конечного продукта с подтверждением достижения планируемых свойств оценить по 10-балльной системе оценки) большой [6, 8, 10]
11 Уровень представления проекта (наличие низкий [0, 2, 4]
публикаций по теме исследования, доклады средний [3, 5, 7]
и участие в конференциях оценить по 10-балльной системе оценки) высокий [6, 8, 10]
12 Уровень патентно-лицензионной проработки низкий [0, 2, 4]
(уровень проведения патентных исследова- средний [3, 5, 7]
ний, наличие патентов оценить по 10-балльной системе оценки) высокий [6, 8, 10]
Актуальность проекта
Рис. 2. Треугольная функция принадлежности к нечеткому множеству «Актуальность проекта»
Инновационность, уникальность проекта
Рис. 3. Треугольная функция принадлежности к нечеткому множеству «Инновационность, уникальность проекта»
Четкость изложения замысла проекта, цели и методов исследования
Рис. 4. Треугольная функция принадлежности к нечеткому множеству «Четкость изложения замысла проекта, цели и методов исследования»
3. Формализуем нечеткое понятие «Четкость изложения замысла проекта, цели и методов исследования».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Не четко», «Четко», «Очень четко». Построим треугольную функцию принадлежности со следующими координатами:
"Не четко" = [0, 2, 4];
"Четко" = [3, 5, 7];
"Очень четко" = [б, 8, 10].
4. Формализуем нечеткое понятие «Общая численность сотрудников проекта».
Зададим для нее область определения Х = [0, 70] и три лингвистических терма -«Небольшая», «Большая», «Очень большая».
Построим трапецеидальную функцию принадлежности со следующими координатами: "Небольшая" = [0, 0, 7, 10]; "Большая" = [7, 14, 20, 25]; "Очень большая" = [20, 23, 35, 70]. 5. Формализуем нечеткое понятие «Квалификация специалистов».
Зададим для нее область определения Х = [0, 100] и три лингвистических терма -«Невысокая», «Средняя», «Очень высокая». Построим трапецеидальную функцию принадлежности со следующими координатами: "Невысокая" = [0, 0, 10, 15]; "Средняя" = [10, 25, 35, 40]; "Очень высокая" = [30, 45, 75, 100].
Общая численность сотрудников проекта
Рис. 5. Трапецеидальная функция принадлежности к нечеткому множеству «Общая численность сотрудников проекта»
Квалификация специалистов
0 10 15 25 30 35 40 45 100
Рис. 6. Трапецеидальная функция принадлежности к нечеткому множеству «Квалификация специалистов»
6. Формализуем нечеткое понятие «Показатель прибыльности (рентабельности) собственного капитала».
Зададим для нее область определения Х = [0, 100] и три лингвистических терма -«Низкий», «Средний», «Высокий». Построим трапецеидальную функцию принадлежности со следующими координатами:
"Низкий" = [0, 0, 10, 15];
"Средний" = [10, 25, 35, 40];
"Высокий" = [30, 45, 100, 100].
7. Формализуем нечеткое понятие «Показатель прибыльности (рентабельности) инновации реализованного проекта».
Зададим для нее область определения Х = [0, 100] и три лингвистических терма -«Низкий», «Средний», «Высокий». Построим
трапецеидальную функцию принадлежности со следующими координатами:
"Низкий" = [0, 0, 10, 15];
"Средний" = [10, 25, 35, 40];
"Высокий" = [30, 45, 100, 100].
8. Формализуем нечеткое понятие «Длительность производственного цикла проекта».
Зададим для нее область определения Х = [0, 120] и три лингвистических терма-«Небольшая», «Средняя», «Большая». Построим трапецеидальную функцию принадлежности со следующими координатами:
"Небольшая" = [0, 0, 10, 24];
"Средняя" = [18, 30, 42, 60];
"Большая" = [40, 72, 120, 120].
Рис. 7. Трапецеидальная функция принадлежности к нечеткому множеству «Показатель прибыльности собственного капитала»
Рис. 8. Трапецеидальная функция принадлеж сти инновации реализованного проекта»
9. Формализуем нечеткое понятие «Масштабность проекта».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Низкий», «Средний», «Высокий». Построим треугольную функцию принадлежности со следующими координатами:
"Низкий" = [0, 2, 4];
"Средний" = [3, 5, 7];
"Высокий" = [6, 8, 10].
10. Формализуем нечеткое понятие «Опыт внедрения, наличие действующего образца».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Небольшой», «Средний», «Большой». По-
и к нечеткому множеству «Показатель прибыльно-
строим треугольную функцию принадлежности со следующими координатами: "Небольшой" = [0, 2, 4]; "Средний" = [3, 5, 7]; "Большой" = [6, 8, 10]. 11. Формализуем нечеткое понятие «Уровень представления проекта».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Низкая», «Средняя», «Высокая». Построим треугольную функцию принадлежности со следующими координатами: "Низкая" = [0, 2, 4]; "Средняя" = [3, 5, 7]; "Высокая" = [6, 8, 10].
Рис. 9. Трапецеидальная функция принадлежности к нечеткому множеству «Длительность производственного цикла проекта»
Масштабность проекта
Рис. 10. Треугольная функция принадлежности к нечеткому множеству «Масштабность проекта»
12. Формализуем нечеткое понятие «Уровень патентно-лицензионной проработки».
Зададим для нее область определения Х = [0, 10] и три лингвистических терма -«Низкий», «Средний», «Высокий». Построим треугольную функцию принадлежности со следующими координатами:
"Низкий" = [0, 2, 4];
"Средний" = [3, 5, 7];
"Высокий" = [6, 8, 10].
Таким образом, данные вносятся в табл. 2, из которой можно получать нечеткие запросы с помощью операции нечеткое "И".
К такой таблице можно делать нечеткие запросы. Например, получить список всех проектов с высоким показателем прибыльности проекта, уровнем представления и патентно-лицензионной проработкой проекта, большим количеством квалифицированных специалистов и высокой оценкой уникальности и актуальности проекта.
ОЦЕНКА ЭФФЕКТИВНОСТИ ПРОЕКТА
Для оценки эффективности проекта используем метод экспертных оценок для сравнения каких-то параметров объектов, находящихся в одном «классе», одинаковой категории. Сущность метода экспертных оценок заключается в проведении экспертами интуитивно-логического анализа проблемы с количественной оценкой суждений и
формальной обработкой результатов. Получаемое в результате обработки обобщенное мнение экспертов принимается как решение проблемы. Комплексное использование интуиции (неосознанного мышления), логического мышления и количественных оценок с их формальной обработкой позволяет получить эффективное решение проблемы [21, 22].
Построим табл. 3 с входными данными по проекту, в которой:
проект 1, проект 2, проект 3, проект 4, проект 5 - это сравниваемые объекты;
столбец «Параметр» - это, непосредственно, параметры, которые мы будем сравнивать для объектов;
столбец «Вес» - вес параметра от 0,15 до 0,3 в зависимости от степени важности для нас.
Для реализации Метода экспертных оценок необходимо выполнить следующие этапы:
1) выбираем объект для экспертной оценки;
2) выбираем параметры для сравнения;
3) определяем вес каждого параметра;
4) задаем сравнительную шкалу;
5) сравниваем.
Рассмотрим пример метода экспертных оценок для выбора проекта:
1. Сравниваем проект 1, проект 2, проект 3, проект 4, проект 5.
2. Выбираем параметры сравнения.
Опыт внедрения, наличие действующего образца
Рис. 11. Треугольная функция принадлежности к нечеткому множеству «Опыт внедрения, наличие действующего образца»
Уровень представления проекта
Рис. 12. Треугольная функция принадлежности к нечеткому множеству «Уровень представления проекта»
Уровень патентно-лицензионной проработки
Рис. 13. Треугольная функция принадлежности к нечеткому множеству «Уровень патентно-лицензионной проработки»
Таблица 2
Степень принадлежности к универсальному множеству
Проект Актуальность проекта Инновационность, уникальность проекта Четкость изложения замысла проекта Общая численность сотрудников проекта Квалификация специалистов Показатель прибыльности проекта Показатель прибыльности инновации проекта Длительность производственного цикла проекта Масштабность проекта Опыт внедрения, наличие действующего образца Уровень представления проекта Уровень патентно-лицензионной проработки МР
1 Х11 Х12 Х13 Х14 Х15 Х16 Х17 Х18 Х19 Х110 Х111 Х112 Ш
2 Х21 Х22 Х23 Х24 Х25 Х26 Х27 Х28 Х29 Х210 Х211 Х212 Ш
п Хп1 Хп2 Хп3 Хп4 Хп5 Хп6 Хп7 Хп8 Хп9 Хп10 Хп11 Хп12 Ш
Параметров желательно выбирать не менее 4 и не более 7, т. к. большее количество параметров влечет расфокусировку и отсутствие четкого понимания результата. То же самое и с количеством сравниваемых объектов - от 4 до 7.
В нашем примере, исходя из вышеописанных критериев выбора проекта, мы определили 7 основополагающих параметров.
3. Далее распределяем «Вес» между параметрами таким образом, чтобы в сумме он был равен 1. Наиболее приоритетным параметрам мы выделяем большее значение, причем каждый параметр варьируется в диапазоне от 0,015 до 0,3.
4. Задаем описательную сравнительную часть для объектов (проектов):
1) инновационность, уникальность проекта (уровень новизны проекта оценить по 10-балльной системе оценки);
2) показатель прибыльности (рентабельности) инновации реализованного проекта (оценить по 10-балльной шкале);
3) длительность производственного цикла проекта (от разработки до реализации) (оценить по 10-балльной шкале);
4) масштабность проекта (уровень значимости проекта оценить по 10-балльной системе оценки);
5) опыт внедрения, наличие действующего образца (наличие положительного опыта в практической реализации проекта, прототипа или образца конечного продукта с подтверждением достижения планируемых
свойств оценить по 10-балльной системе оценки);
6) уровень представления проекта (наличие публикаций по теме исследования, доклады и участие в конференциях оценить по 10-балльной системе оценки);
7) уровень патентно-лицензионной проработки (уровень проведения патентных исследований, наличие патентов оценить по 10-балльной системе оценки).
Далее необходимо наши баллы умножить на вес данного параметра. В последний столбец «Е» ставится максимальное значение получившихся чисел. В строке «Сумма» складываем сумму «весов» параметров для каждого проекта (табл. 3).
5. Таким образом, в нашем примере проект 5 оказался самым эффективным.
Точки экспертности следующие:
1) какие выбираем параметры;
2) как взвешиваем;
3) как задаем характеристики описания.
Обычно метод экспертных оценок используется экспертной группой, состоящей из нескольких человек. Первый эксперт независимо от других сравнивает проект 1 по всем 5 критериям. Второй эксперт оценивает объект проект 2 и т. д. Либо возможен вариант, когда один эксперт оценивает все проекты по одному критерию, второй эксперт оценивает все проекты по второму параметру и т. д. Затем данные сводят в единую таблицу и подводят итоги.
Таблица 3
Экспертные данные оценки проектов
№ Параметр Вес Проект 1 Проект 2 Проект 3 Проект 4 Проект 5 Е
1 Инновационность, уникальность проекта 0,15 9*0,15=1,35 6*0,15=0,9 10*0,15=1,5 8*0,15=1,2 7*0,15=1,05 1,5
2 Показатель прибыльности 0,15 7*0,15=1,05 10*0,15=1,5 10*0,15=1,5 6*0,15=0,9 8*0,15=1,2 1,5
3 Длительность производственного цикла проекта 0,1 8*0,1=0,8 7*0,1=0,7 9*0,1=0,9 9*0,1=0,9 8*0,1=0,8 0,9
4 Масштабность проекта 0,1 10*0,1=1 8*0,1=0,8 9*0,1=0,9 8*0,1=0,8 7*0,1=0,7 1
5 Опыт внедрения, наличие действующего образца 0,15 6*0,15=0,9 8*0,15=1,2 9*0,15=1,35 10*0,15=1,5 8*0,15=1,2 1,5
6 Уровень представления проекта 0,15 10*0,15=1,5 8*0,15=1,2 9*0,15=1,35 8*0,15=1,2 7*0,15=1,05 1,5
7 Уровень патентно-лицензионной проработки 0,2 6*0,2=1,2 8*0,2=1,6 9*0,2=1,8 10*0,2=2 8*0,2=1,6 2
Сумма 1 7,8 7,9 9,3 8,5 7,6
Таким образом, рассмотренная экспертная система выбора проекта и оценки его эффективности для студентов наукоемких специальностей позволит снять рутинную нагрузку с преподавателя при выборе проекта и позволит на более качественном уровне оценить эффективность предлагаемых проектов, учитывая их актуальность, инноваци-онность, уникальность, показатель прибыльности (рентабельности), масштабность и т. д.
1. Чванова М.С., Храмова М.В., Самохвалов А.В., Молчанов А.А., Скворцов А.А. Особенности и выбор инструментария реализации системы дистанционного обучения для наукоемких специальностей // Психолого-педагогический журнал Гаудеамус. Тамбов, 2012. № 2 (20). С. 51-59.
2. Храмова М.В. Основные этапы и тенденции формирования системы открытого образования подготовки специалистов // Вестник Тамбовского университета. Серия Гуманитарные науки. Тамбов, 2012. Вып. 4 (108). С. 118-130.
3. Чванова М.С., Самохвалов А.В., Передков В.М. Разработка инновационной информационно -телекоммуникационной технологии дистанционного обучения для наукоемких специальностей // Психолого-педагогический журнал Гаудеамус. Тамбов, 2010. № 2 (16).
4. Чванова М.С., Храмова М.В. Психолого-педагогические особенности общения в сети: десять лет спустя... // Открытое образование. М., 2010. № 3. С. 82-91.
5. Чванова М. С., Храмова М. В. Исследование особенностей общения пользователей в сети // Психолого-педагогический журнал Гаудеа-мус. Тамбов, 2012. № 2 (20). С. 47-51.
6. Чванова М.С., Храмова М.В., Самохвалов А.В., Скворцов А.А., Молчанов А.А. Особенности и выбор инструментария реализации системы дистанционного обучения для наукоемких специальностей // Психолого-педагогический журнал Гаудеамус. Тамбов, 2012. № 2 (20). С. 51-59.
7. Чванова М.С., Храмова М.В. Факторы модернизации сетевых образовательных технологий // Психолого-педагогический журнал Гаудеамус. Тамбов, 2012. № 2 (20). С. 85-88.
8. Чванова М.С., Храмова М.В. Дистанционные технологии подготовки специалистов наукоемких специальностей: некоторые аспекты внутреннего фактора перехода на новый этап развития // Вестник Тамбовского университета. Серия Естественные и технические науки. Тамбов, 2010. Т. 15. Вып. 6. С. 1943-1950.
9. Чванова М.С., Храмова М.В. Факторы перехода дистанционных технологий подготовки специалистов на новый уровень развития // Вестник Томского государственного университета. Томск, 2010. № 5. С. 222.
10. Чванова М.С., Храмова М.В. Проблемы организации коммуникаций студентов наукоемких специальностей в системе открытого образования // Образовательные технологии и общество. Казань, 2011. Т. 14. № 2. С. 482501.
11. Чванова М.С., Киселева И.А., Молчанов А.А. Проблемы использования экспертных систем в образовании // Вестник Тамбовского университета. Серия Гуманитарные науки. Тамбов, 2013. Вып. 3 (119). С. 39-47.
12. Чванова М.С., Киселева И.А., Молчанов А.А., Храмова М.В. Использование аппарата теории нечетких множеств при проектировании современных технологий дистанционного обучения // Образовательные технологии и общество. Казань, 2013. Т. 16. № 2. С. 447468.
13. Чванова М.С., Киселева И.А., Молчанов А.А., Бозюкова А.Н. Использование экспертных систем в образовании // Психолого-педагогический журнал Гаудеамус. Тамбов, 2013. № 1 (21). С. 47-54.
14. URL: http://bourabai.kz/tpoi/fuzzy.htm (дата обращения: 2.10.2013).
15. URL:http://www.basegroup.ru/library/analysis/f uzzylogic/queries/ (дата обращения: 2.10.2013).
16. Dubois D., Prade H. Using Fuzzy Sets in Database Systems: Why and How? // Proc. of 1996 Workshop on Flexible Query-Answering systems (FQAS'96). May 22-24, Denmark, 1996. P. 89-103.
17. Ribeiro R.A., Moreira A.M. Fuzzy Query Interface for a Business Database // International Journal of Human-Computers Studies. 2003. Vol. 58. P. 363-391.
18. Дюбуа Д., Прад Г. Теория возможностей. Приложения к представлению знаний в информатике. М., 1990.
19. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М., 1976.
20. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М., 2002.
21. ОрловА.И. Теория принятия решений. М., 2004.
22. Орлов А.И. Экспертные оценки. М., 2002.
Поступила в редакцию 4.10.2013 г.
UDC 004.891.2
PROJECT SELECTION AND EVALUATION OF ITS EFFECTIVENESS BASED ON FUZZY REQUEST AND METHOD OF EXPERT EVALUATIONS
Marina Sergeyevna CHVANOVA, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Doctor of Education, Professor, Pro-rector for Educational Policy and Innovations, e-mail: [email protected]
Irina Aleksandrovna KISELEVA, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Candidate of Education, Associate Professor of Informatics and Information Technologies Department, e-mail: irinaki-selyo@yandex. ru
Anatoly Anatolyevich MOLCHANOV, Tambov State University named after G.R. Derzhavin, Tambov, Russian Federation, Post-graduate Student, Informatics and Information Technologies Department, e-mail: [email protected]
The problems of application and development of expert systems on the basis of the apparatus of the theory of fuzzy sets in problems of information search are considered. The examples of the use of expert systems for project selection and evaluation of its efficiency on the basis of fuzzy queries and the method of expert estimates are given. On the basis of the fuzzy sets theory the linguistic variables, which are the criteria when choosing a project, formalized fuzzy concepts and built a model of a piecewise linear function facilities variables to certain sets are described. For the choice of the project the authors put fuzzy queries to generate the data on all the projects in order to identify projects with high profitability, presentation and patent-license study, large number of skilled professionals, high estimation of uniqueness and relevance of the project etc. It is concluded that the use of fuzzy queries to formalized fuzzy concepts will identify the most attractive on the selected indices projects.
The method of expert assessments to identify effective projects, given their relevance, innovation, uniqueness, the profitability (profitability), the scale, the experience of implementation, the availability of existing sample, the level of performance of the project, the level of patent-license work are considered. Thus, the method of expert evaluations will assess the projects on the selected indicators and determine the most effective projects.
The mathematical apparatus of fuzzy logic, fuzzy queries and method of expert estimation is necessary for the design and development of intellectual subsystem. Based on these studies, a prototype expert system for distance learning, embedded in a system of distance learning "MOODLE" developed on the basis of a clear model of knowledge representation using the scripting language PHP development environment Moodle, is built.
Key words: expert systems; intelligent systems; fuzzy sets; fuzzy logic math; fuzzy searches; expert evaluation; method of expert assessments project; innovative project; system of distance learning; prototype expert system; Moodle environment.
