Методи та засоби моделювання когнітивної поведінки користувача в адаптивних комп’ютерних системах

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНА АКАДЕМІЯ НАУК УКРАЇНИ

ІНСТИТУТ ПРОБЛЕМ МОДЕЛЮВАННЯ в ЕНЕРГЕТИці

УДК 007. 159. 955

МЕТОДИ ТА ЗАСОБИ МОДЕЛЮВАННЯ КОГНІТИВНОЇ ПОВЕДІНКИ КОРИСТУВАЧА В АДАПТИВНИХ КОМП'ЮТЕРНИХ СИСТЕМАХ

Спеціальність 05.13.06 “Автоматизовані системи керування та прогресивні інформаційні технології”

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня кандидата

технічних наук

Піскун Олександр Варфоломійович

Київ - 2000

Дисертацією є рукопис.

Робота виконана на кафедрі “Економічна кібернетика” Черкаського інституту управління Асоціації навчальних закладів України недержавної форми власності.

Науковий керівник: кандидат технічних наук, доцент Ус Михайло Федорович, Черкаський інститут управління, завідувач кафедрою “Економічна кібернетика”.

Офіційні опоненти: доктор технічних наук, старший науковий співробітник Мохор Володимир Володимирович, Інститут проблем моделю-вання в енергетиці НАН України, завідувач відділом;

кандидат технічних наук, старший науковий співробітник Олецький Олексій Віталійович, Національний університет “Києво - Могилянська академія”, доцент.

Провідна організація: Національний технічний університет України “Київський політехнічний інститут”, кафедра обчислювальної техніки, Міністерство освіти і науки України, Київ.

Захист відбудеться 05 жовтня 2000 року о 14-00 годині на засіданні спеціалізованої вченої ради К 26.185.02 Інституту проблем моделювання в енергетиці НАН України за адресою: 03164, м. Київ, вулиця Генерала Наумова, 15.

З дисертацією можна ознайомитися в бібліотеці Інституту проблем моделювання в енергетиці НАН України за адресою: 03164, м. Київ, вул. Генерала Наумова, 15.

Автореферат розісланий 04 вересня 2000 року.

Вчений секретар спеціалізованої вченої ради, к.т.н. Сємагіна Е.П.

Піскун Олександр Варфоломійович. Методи та засоби моделювання когнітивної поведінки користувача в адаптивних комп'ютерних системах - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за фахом 05.13.06 - “Автоматизовані системи керування і прогресивні інформаційні технології”. - Інститут проблем моделювання в енергетиці НАН України, Київ, 2000.

Дисертація присвячена питанням моделювання навчаючих і діагностуючих діалогових процесів і розробці комп'ютерних діалогових систем індивідуального навчання. На основі аналізу архітектури, дедуктивних і діалогових властивостей сучасних систем комунікації знань та когнітивної психології, а також класичних "некомп'ютерних" методів навчання, розроблений ряд формальних, структурних, програмних та інформаційних моделей навчання. Запропоновано архітектуру діалогового персоналізованого тьютора, що базується на розроблених моделях. Основні ідеї роботи підтверджені експериментально в ряді проектів.

Ключові слова: база знань, діалог, діагностика, штучний інтелект, когнітивні стилі, навчаюча система.

Piskun Oleksandr Varfolomiyovych. User's Cognitive Behavior Modeling Methods and Means in Adaptive Computer Systems - Manuscript.

Dissertation on competition of scientific degree of Ph.D. on speciality 05.13.06 -- “Automated control systems and progressive information technologies”. -- Institute of problems of modeling in energetics National Academy of Science of Ukraine, Kiev, 2000.

The dissertation is devoted to the problems of teaching and diagnostic dialogue processes and development of computer dialogue systems for individual tutoring. There were developed a number of formal, structural, program and informational teaching models basing on the architecture analysis, deductive and dialogue properties of modern communication knowledge systems analysis and cognitive psychology as well as the classic “non-computer” teaching methods. The dialogue personalized tutor architecture is suggested. It is based on the developed models. The main concepts of the thesis are experimentally proved in the number of projects.

Key words: database, dialogue, diagnosis, artificial intelligence, cognitive styles, teaching system.

Пискун Александр Варфоломеевич. Методы и средства моделирования когнитивного поведения пользователя в адаптивных компьютерных системах. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06. - “Автоматизированные системы управления и прогрессивные информационные технологии”. - Институт проблем моделирования в энергетике НАН Украины, Киев, 2000.

Работа посвящена проблеме управления обучением с помощью интеллектуального тьютора на базе ЭВМ. Основная часть исследований посвящена построению компонентов адаптивной персонализированной системы обучения для измерения когнитивных способностей пользователя (слушателя), созданию его когнитивной модели и управления обучением.

В традиционной педагогике индивидуальные особенности обучающихся обычно учитываются в начале обучения с целью дифференциации по возможностям обучаться. Персонализированные тьюторы могут оперативно учитывать свойства обучающихся и оперативно изменять тактику и стратегию учебного процесса. Особенно важна такая технология в условиях, когда бурно развивается дистанционное образование.

Анализ существующих интеллектуальных тьюторских систем и персонализированных систем обучения показал, что они обладают следующими недостатками.

Интеллектуальные обучающие системы, как правило, не учитывают индивидуальные когнитивные характеристики слушателя. Обычно такая система оценивает уровень знаний, и реже - делит обучающихся на несколько основных типов по успеваемости.

Отсутствует адаптация форм и методов представления знаний в зависимости от когнитивных предпочтений.

Обучающие стратегии реализуются как сценарий, содержащий изучаемый материал. Однако для повышения степени независимости программных средств от изучаемой предметной области необходимы альтернативные модели диалога.

Модели для представления знаний не содержат активных компонентов для инициации общения для реализации тестирования и обучения.

Поэтому целью диссертационного исследования явилось дальнейшее развитие и усовершенствование информационной технологии обучения человека с помощью интеллектуальной обучающей системы путем учета индивидуальных особенностей усвоения знаний на основе когнитивной модели пользователя. Достижение цели обеспечено благодаря решению таких задач:

Определение параметров системы “тьютор - обучаемый”, влияющих на эффективность обучения, для адаптивного управления этой системой.

Построение информационной модели пользователя (обучаемого), отображающей его особенности восприятия знаний, для реализации элементов системы управления обучением.

Построение архитектуры адаптивного персонализированного тьютора как системы управления обучением путем воздействия на эффективность восприятия знаний.

Разработка метода выбора альтернативного шага диалога на основе оценки неопределенности знаний, дополняющего модель диалогового взаимодействия интеллектуальных партнеров в процессе обмена знаниями.

Разработка инструментальных средств реализации информационной модели пользователя как компоненты базы знаний тьютора об обучаемом.

Решение этих задач позволило предложить архитектуру программных средств для построения компонентов адаптивного персонализированного тьютора и выполнить программную реализацию его компонентов на платформе универсальной ЭВМ.

Основные результаты нашли применение в ряде практических проектов.

Ключевые слова: база знаний, диалог, диагностика, искусственный интеллект, когнитивные стили, обучающая система.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Робота присвячена проблемі управління навчанням за допомогою інтелектуального тьютору на базі ЕОМ. Головна частина досліджень спрямована на побудову компонентів адаптивної персоналізованої навчаючої системи для виміру когнітивних властивостей користувача (учня), створенню його когнітивної моделі і керування навчанням.

Технічні засоби навчання на базі сучасних персональних комп'ютерів інтегрують можливості, що дозволяють здійснити найбільш ефективний метод навчання - індивідуалізоване навчання.

У традиційній педагогіці індивідуальні особливості тих, хто навчається, враховуються, як правило, на початковому етапі з метою їх диференціювання за можливостями навчатись. В умовах персоналізованого навчання, де тьютором є інтелектуальна навчаюча система, можна підвищити ефективність навчання. Для цього потрібно оперативно оцінювати когнітивний рівень користувача (учня) і враховувати його, регулюючи навчаючу систему (тьютор).

Персоналізовані навчаючі системи необхідні сьогодні як для навчання за допомогою локального комп'ютера, так і в комп'ютерних мережах. Особливо актуальні такі системи в умовах бурхливого розвитку дистанційної освіти за допомогою глобальних комп'ютерних мереж. Технологія навчання на відстані з використанням ресурсів Internet втягує в процес “електронного” навчання значне число як “традиційних”, так і “нетрадиційних” студентів. У США в системі дистанційної освіти навчається біля 1 мільйона чоловік. Так, Національний Технологічний Університет, що об'єднує консорціум із 40 інженерних шкіл, ще на початку 90-х років забезпечив підготування більш 1100 студентів за допомогою дистанційних методів на ступінь магістра. Дистанційне навчання як синтетична, інтегральна, гуманістична форма навчання упроваджується у всіх країнах світу практично на всіх рівнях освіти. Дисертаційна робота присвячена теоретичному та практичному розвитку персоналізованих навчаючих систем і робить акцент на розробці і використанні для цієї мети когнітивної моделі користувача (учня) та моделей діалогової поведінки партнерів, що обмінюються знаннями.

Зв'язок роботи з науковими програмами, планами, темами. Тема дисертаційної роботи відповідає науковому напрямку і планам Центру навчання і досліджень кафедри Економічної кібернетики Черкаського інституту управління. Результати роботи відбиті в звітах по науково-дослідній роботі інституту за 1997-1999 р. “Створення адаптивних діалогів засобами високорівневих мов програмування для переносу знань”, “Оболонка діалогових систем”, “Адаптація і персоналізація комп'ютерних навчаючих систем”. Робота виконувалася в рамках проектів, у яких знайшли відбиток результати, отримані в дисертаційній роботі:

Проект “Динамо” у рамках Державної науково - технічної програми 6.3 “Перспективні інформаційні технології, прилади комплексної автоматизації, системи зв'язку” за договором № 2/1294 - 97;

Проект Дистанційної освіти в університетах України в рамках діяльності Консорціуму удосконалення бізнес-освіти в Україні (CEUME).

Мета і задачі досліджень. Метою даної роботи є подальший розвиток та вдосконалення інформаційної технології навчання людини за допомогою інтелектуальної навчаючої системи шляхом врахування індивідуальних особливостей засвоєння знань на основі когнітивної моделі користувача. Досягнення мети забезпечено завдяки вирішенню таких задач:

Визначення параметрів навчальної системи “тьютор - користувач (учень)”, які впливають на навчання, для адаптивного управління цією системою.

Побудова інформаційної моделі того, хто навчається, яка є відображенням його особливостей сприймати знання для реалізації елементів системи управління навчанням.

Побудова архітектури адаптивного персоналізованого тьютору як системи управління навчанням шляхом впливу на ефективність сприйняття знань.

Розробка методу вибору альтернативного кроку діалогу на основі оцінювання невизначеності знань, який доповнює модель діалогової взаємодії інтелектуальних партнерів в процесі обміну знань.

Розробка інструментального засобу реалізації інформаційної моделі користувача як компоненти бази знань тьютору про того, хто навчається.

Методи дослідження. У роботі застосовано методи штучного інтелекту, теорії інформації, нечітких множин, теорії навчання, когнітивної психології, а також сучасні методи проектування та реалізації програмного забезпечення.

Наукова новизна отриманих результатів.

Виділено множину продуктивних та стилевих когнітивних характеристик користувача і запропоновано метод віднесення його до одного з когнітивних типів.

Запропоновано методику автоматизованого оцінювання когні-тивних властивостей користувача, що навчається, за допомогою машинного тьютору.

Запропоновано спосіб адаптації машинного тьютору до когнітивних властивостей користувача методом вибору сценарію навчання, що відповідає цим властивостям.

Розроблено елементи формального апарата теорії взаємодії інтелектуальних систем для обміну знаннями на основі еротематичної логіки.

Запропоновано абстрактну модель діалогової машини, що реалізує цикл взаємодій без попереднього опису сценарію.

Запропоновано модель поведінки партнерів, що реалізують сценарій діалогового обміну знань як покрокова взаємодія інтелектуальних агентів.

Запропоновано модель діалогової поведінки інтелектуальних партнерів, що містить механізм вибору альтернативного кроку діалогу на основі оцінювання ентропії інформації.

Практичне значення отриманих результатів.

Виділено продуктивні та стилеві характеристики індивіда як параметри, що впливають на ефективність навчання.

Запропоновано метод співвіднесення цих характеристик із головними когнітивними типами користувача.

Вибрана батарея тестів для виміру когнітивних характеристик індивіда, що впливають на навчання.

Реалізовано батарею тестів як програмний модуль адаптивного персоналізованого тьютору.

Реалізовано інформаційну модель когнітивних властивостей як компонент бази знань тьютору про того, хто навчається.

Побудовано програмні модулі інтелектуального інтерфейсу комп'ютерної системи математичного моделювання, що враховує когнітивні властивості користувача.

Результати роботи впроваджені в навчальний процес ЧІУ й ОГАХ для диференціації студентів і для тестування абітурієнтів.

Особистий вклад здобувача. В роботі [1] автору належать розробка методу побудови інтелектуального інтерфейсу на основі інтеррогативної логіки та його програмна реалізація; в роботі [2] автору належать концепція когнітивної моделі користувача (учня) та вибір когнітивних характеристик для її побудови; в роботі [3] автору належить архітектура пакету програм для тестування когнітивних здібностей користувача (учня); в роботі [4] автору належить концепція застосування методу оцінки неповноти інформації для аналізу ентропії баз даних; в роботі [5] автору належить концепція оцінки неповноти знань для побудови діалогів придбання знань; в роботі [6] автору належить модель поведінки партнерів в рамках персоналізованого адаптивного навчання.

Апробація результатів дисертації. Матеріали дисертації доповідались на:

Науково - практичній конференції “Системи і засоби передачі й обробки інформації”, Одеса, 1997.

4-ій Українській конференції з автоматичного управління “Автоматика - 97”, Черкаси, 1997.

Шостої міжнародної конференції “Advanced Computer Systems”, Щецін (Польща), 1999.

Науково - практичних семінарах Інституту проблем моделювання в енергетиці НАН України, Київ, 1997 - 2000.

Публікації. Основний зміст роботи опублікований в 3 - х статтях в збірниках наукових праць та в 3 - х статтях матеріалів конференцій.

Обсяг роботи. Дисертаційна робота складається із вступу, чотирьох розділів, висновків, списку літератури та 4 додатків. Матеріал викладено на 146 сторінках друкованого тексту, містить 31 малюнків, 7 таблиці, список літератури в кількості 121 найменувань.

ОСНОВНИЙ ЗМІСТ РОБОТИ

інформаційний навчання тьютор

У вступі викладена загальна характеристика роботи, актуальність проблеми, мета і задачі дослідження й основні положення, що виносяться на захист.

У першому розділі зроблено огляд інтелектуальних тьюторських систем. Дослідження результатів робіт, опублікованих за тематикою інтелектуальних тьюторських і персоналізованих навчаючих систем, дозволяє відзначити, що ці системи мають наступні недоліки.

Інтелектуальні навчаючі системи, як правило, не враховують індивідуальні когнітивні характеристики слухача. Звичайно така система оцінює рівень знань, і рідше - поділяє учнів на два основних типи.

Відсутня адаптація форм і методів подання знань у залежності від когнітивних особливостей.

Навчальні стратегії реалізуються як сценарії, що містять навчальний матеріал. Проте для підвищення ступеня незалежності програмних засобів від галузі, яка є предметом навчання, необхідні альтернативні моделі діалогу.

Відсутня інтегрована й уніфікована модель “предметна галузь - той, кого навчають, - стратегія навчання”.

Моделі для представлення знань не містять активні компоненти, які ініціюють спілкування для реалізації тестування і навчання.

Огляд та аналіз автоматизованих навчаючих систем дав змогу уявити класичну архітектуру систем комунікації знань так, як зображено на мал. 1. Центральна частина малюнку відтворює інформаційну модель навчального процесу. У першому розділі зроблено висновок, що така модель є неповною, бо не враховує поведінкові аспекти навчання. У цьому зв'язку запропоновано створити когнітивну модель того, хто навчається для подальшого ефективного управління навчанням.

Мал. 1. Інформаційна модель навчання

В другому розділі побудована інформаційна модель користувача комп'ютерної системи. Ця система розглядається як така, що вміщує активні компоненти, в тому числі користувача і його знання як об'єкт управління, і тьютора, який здійснює керування. Адаптація до можливостей користувача інтерпретується як управління системою шляхом зміни параметрів повідомлень, які адресовані користувачеві. Ці параметри обираються у відповідності з множиною характеристик користувача сприймати інформацію і які в даній роботі названі “когнітивний профіль”. Відображення когнітивного профілю засобами ЕОМ є когнітивна інформаційна модель користувача. Для побудови моделі автор вибрав характеристики та властивості людини, які дозволяють персоналізованому тьюторові впливати на ефективність навчання вибором оптимальної для даного учня структури та послідовності подачі навчального матеріалу. Для вимірювання значень когнітивних характеристик у роботі використовуються методи психодіагностики. З системної точки зору ці значення є значеннями параметрів для управління учнем як елементом системи для досягнення мети навчання. У загальному вигляді задача адаптації тьютора до того, хто навчається, вміщує такі підзадачі:

Визначення множини ознак, які дозволяють класифікувати тих, хто навчається, на внутрішньо однорідні групи.

Вибір значень діагностичних ознак, які забезпечують віднесення того, хто навчається, до деякого когнітивного типу.

Побудова правил, за якими здійснюється визначення когнітивного типу.

Презентація навчальних послідовностей у відповідності до когнітивного типу.

Вирішення перших трьох задач є завданням другого розділу.

Показано, що ознаками, які дають змогу розділити тих, хто навчається на групи, є:

форма подання навчального матеріалу;

темп подання матеріалу;

рівень складності матеріалу.

Для вибору діагностичних ознак когнітивні характеристики учня поділені на:

ті, що визначають стиль;

продуктивні ознаки.

Інтелектуальні здібності розглядаються у зв'язку з рівнем виконання, тобто результативністю інтелектуальної діяльності, і визначаються правильністю та швидкістю переробки інформації індивідом. Когнітивні стилі характеризують індивідуальні відмінності побудови ментального образу ситуації і ступінь зрілості механізмів метакогнітивної регуляції інтелектуальної діяльності. Таким чином, когнітивний стиль визначає бажану для того, хто навчається, форму подання навчального матеріалу, а інтелектуальні здібності визначають бажані темп та ступінь складності навчальних повідомлень - квантів. На мал. 2 зображено відношення людей, які мають різні когнітивні стилі до форми інформації, яка сприймається індивідуумом. В дужках показаний ступінь віддання переваги кожній формі інформації. інформаційний технологія навчання тьютор

В розділі 2 подано інформаційну модель учня, яка враховує комбінації бажаних темпу, модальностей та складності навчального матеріалу у залежності від когнітивних характеристик. Це визначило когнітивний профіль того, хто навчається.

Мал. 2. Бажані форми презентації інформації для користувача

На мал. 3 наведена загальна схема тестування користувача (того, хто навчається) для визначення когнітивного профілю.

У третьому розділі досліджуються методи взаємодії партнерів у процесі навчання. Партнерами є інтелектуальний тьютор та користувач комп'ютерної системи. В цьому розділі подається архітектура тьютору, яка забезпечує тестування, управління та побудову сценарію взаємодії партнерів.

Мал.3. Принципова схема визначення когнітивного профілю користувача

На мал. 4 зображена запропонована концептуальна схема для:

вимірювання характеристик учня,

побудови його когнітивного профілю,

визначення когнітивного типу,

адаптації навчальної інформації до когнітивного профілю користувача.

Мал. 4. Архітектура адаптивного тьютору

База знань про того, хто навчається, складається з когнітивної моделі учня та продукційних правил інтерпретації значень когнітивних характеристик і стилів, які зберігаються і актуалізуються когнітивною моделлю. Ці правила продукції мають узагальнений вигляд:

ЯКЩО antec_j ТО conseq_j , (1)

де j - індекс продукційного правила;

antec_j - посилка j - ого продукційного правила;

conseq_j - наслідок.

Посилка і наслідок правила (1) мають вигляд:

antec_j r_j1 І r_j2 І … І r_jq ,

conseq_{j j} ,

де r_ji (i = 1, … , q) - i - я елементарна посилка j - ого продукційного правила;

_j - j - ий наслідок.

Елементарна посилка r_ji має вигляд:

1) r_ji (i = 1, … , m) n_k N_i n_l ,

де N_i - результат тестування, отриманий в i - тому тесті;

m - кількість тестів для визначення продуктивних характеристик;

n_k, n_l - відповідно нижнє і верхнє граничні значення результату тестування для віднесення користувача до класу переваг по типі і складності представлення інформації.

2) r_ji (i = m +1, … , q) T_i R 1,

де T_i - результат тестування когнітивного стилю;

R - відношення або відношення .

Наслідок _j має вигляд:

_j С = с_j ,

де с_j - j - ий когнітивний тип.

Блок класифікації є механізмом умовиводу, який визначає когнітивний тип того, хто навчається. Необхідність запропонованої архітектури полягає в тому, що визначення когнітивних стилів та когнітивних властивостей людини не є усталеними. Психологи та когнітологи продовжують уточнювати ці когнітивні якості людини, і для забезпечення гнучкості адаптивного тьютору застосована архітектура, у якій знання відокремлені від процедури умовиводу, і які легко редагувати.

Та сама причина пояснює необхідність блоку менеджер тестів, призначення якого встановлювати перелік тестів, які треба пред'явити учневі для тестування його когнітивних здібностей. Тим самим забезпечується можливість редагувати тести і їх множину без змін програмних компонентів тьютору.

База знань предметної галузі (БЗ ПрГ) містить знання з предмету, який викладається учневі. Вона може бути, наприклад, множиною сценаріїв, кожен з яких відповідає когнітивному типові користувача.

Функція блоку адаптації полягає у виборі відповідного до когнітивного типу сценарію навчання.

Презентаційний блок є узагальненою назвою компонентів адаптивного тьютору, які виконують функції організації діалогового спілкування (комунікації) з користувачем. Запропоновано підхід до побудови сценарію діалогу шляхом аналізу “незнання” в базі знань інтелектуальної системи. Розроблено елементи ентропійної формальної моделі спілкування, які доповнюють еротематичну теорію діалогу.

Ця теорія припускає, що діалог утворюють множина альтернативних кроків діалогу. Крок інтепретується як запитання - відповідна ситуація, причому активним вважається партнер, якому необхідно поповнити свою систему знань. Формальним описом кроку є інтерогатив питання, що представляє перелік альтернатив, запропонованих партнеру для побудови відповіді. Одночасно в повідомленні - питанні явно або не явно пасивному партнеру (що відповідає на питання) передається інформація, що обмежує вибір альтернатив. Запитання і відповіді, мета яких - пошук необхідної інформації вважаються еротематичними. У випадку, коли сценарій відсутній, послідовність кроків діалогу (вибір чергового альтернативного кроку) інтелектуальна система повинна визначити динамічно. Для реалізації такої функції необхідна деяка процедура породження послідовності кроків. В роботі запропонований механізм визначення такої послідовності на основі оцінки ентропії інформації в базі знань і семантичної близькості категорій моделі знань.

Для оцінки ентропії баз даних і знань використані як аналог методи, що застосовуються для аналізу науково-технічної інформації. В роботі показано, що ці методи треба трансформувати залежно від типу предметної галузі. У випадку, якщо кількість інформації, що надходить в базу знань, визначається експоненціальною функцією, істинність категорій знань розподіляється за законом Ціпфа, а ентропійна функція має вигляд:

S = , (2)

де I - максимальне значення числа рівноістинних категорій у вибірці, що потенційно дорівнює кількості категорій N у заданій предметній галузі знань.

У результаті ентропію знань пропонується оцінювати як

E = f(R,S_W), (3)

де R - множина зв'язків категорій бази знань;

S_W - ентропія для предметної галузі W, розрахована аналогічно (2).

Партнери, що ведуть еротематичний діалог, як і в інших випадках спілкування, переслідують деяку узгоджену мету діалогу G_W для заданої предметної області W. Для формування чергового запитання партнер з'ясовує (“усвідомлює”), який рівень невизначеності має його база знань, і які категорії бази знань мають найбільший рівень ентропії. Можуть бути також два випадки, коли вимагаються інші критерії для вибору чергового кроку: більш однієї категорії мають той самий рівень “незнання” і бажання партнерів обговорювати у черговій запитання-відповідній ситуації “семантично” близький об'єкт-категорію. У результаті ідентифікатор чергового кроку діалогу (або запитання - відповідної ситуації) визначимо як

i = f (GW, max(SC), RN), (4)

де G_W - мета діалогу;

S_C - ентропія категорії;

R_N - параметр, що визначає семантичну близькість категорій.

Запропонована модель поведінки партнерів представлена як діяльність групи інтелектуальних агентів. Агент у даній роботі відповідає концепції М. Мінського, яка розглядає функції деякої системи зі штучним інтелектом як групу агентів. Агент виступає як складова частина моделі свідомості, і його структура реалізує прості елементи функціонування інтелекту. Агент сприймає середовище (perceiving), що його оточує, за посередництвом сенсорів (sensors), виконує переробку даних та знань, може робити логічний висновок, визначати відтак свою поведінку, і, нарешті, діє на середовище (acting) своїми ефекторами (effectors). Група, що реалізує поведінку партнерів, складається з таких агентів:

Step - Agent - агент кроку діалогу. Зовнішнє середовище агента - інший партнер, “ефекторами” та “рецепторами” є можливості презентаційного агента, знання цього агента знаходяться в базі знань предметної області. Ці знання є “сировиною” для побудови інтерогативів (формальних представників) питань.

Entropy - Agent - цей агент безупинно виконує оцінку рівня “незнань” інтелектуальної системи та визначає завдяки такій оцінці ім'я суб'єкту наступного запитання діалогу, яке він повідомляє Step - Agent - ові.

Press - Agent (презентаційний агент) виконує функції інтерпретатора кроків діалогу та відповідей пасивного партнера. Середовищем для нього є знання партнера діалогу, а функції бази знань для нього реалізують інші агенти.

Cognitive - Agent є центральним в тій версії архітектури тьютору, яка досліджується в даній роботі. Середовищем цього агента є когнітивна сфера того, хто навчається та відповідна когнітивна модель, яка є складовою тьютору. Засобами впливу Cognitive - Agent на учня є Press - Agent та Adaptive - Agent. Функціями цього агенту є тестування користувача та підтримка його когнітивної моделі.

Adaptive - Agent сприймає користувача як середовище, але через посередництво інших агентів, у тому числі - через когнітивну модель користувача. Цей агент аналізує його когнітивний профіль та продукує логічний умовивід про належність користувача до певного когнітивного типу (на основі когнітивних можливостей та когнітивного стилю).

Таким чином, агенти є виконавцями функції управління адаптивним навчальним процесом, який реалізує тьютор.

У четвертому розділі наводиться опис програмної реалізації компонентів адаптивного персоналізованого тьютору (прототипу) та інтелектуального інтерфейсу користувача системи моделювання.

Проведені аналіз та вибір інструментальних засобів програмування для реалізації такої технології навчання, коли кожному студентові пересилається екземпляр тьютору на його станцію.

Першою мовою програмування, яка розглянута для побудови компонентів тьютора, був Java компанії Sun Microsystems. Java створює апаратно-незалежний побайтовий формат готового до виконання коду додатка. Завдяки використанню такого нейтрального формату, відкомпільовані Java-програми можна переміщати в мережі, оскільки вони не залежать від операційної системи, у якій виконуються. Завдяки наявності JVM додатки, створені мовою Java, є мобільним. Однак мобільність таких додатків сполучена з небезпекою поширення в глобальних комп'ютерних мережах програм, що можуть виконувати деструктивні дії щодо клієнтських систем користувачів. Тому в стандарт мови і віртуальної машини були включені засоби безпеки, що не дозволяють аплетам Java вносити зміни в структуру файлової системи робочих станцій, а також приймати і посилати інформацію на сервери, крім тих, котрі є джерелами цих аплетов. Але ці засоби захисту унеможливлюють доступ до ресурсів комп'ютера користувача, що необхідний для проведення операцій з файловою системою. Тому для реалізації клієнтської частини системи виміру когнітивних здібностей того, кого навчають, було використане середовище розробки додатків Delphi 3 фірми Inprise. Delphi 3 - це система швидкої розробки розподілених додатків, заснована на компонентній архітектурі. До складу Delphi 3 входить набір компонентів, що підтримують интерфейсні елементи Windows 95. Створювані додатки цілком сумісні з Windows 95 і відповідають вимогам Windows 95 Logo. Delphi 3 має засоби для розробки як клієнтської, так і серверної частин систем.

На мал. 5 наведена структурна схема програмних компонентів, які є реалізацією деяких агентів адаптивного тьютору.

Мал. 5. Структурна схема програмної реалізації тестування користувача (учня)

“Менеджер тестів”, який показано на малюнку, є реалізацією Cognitive - Agent , функції якого наведені вище.

Іншою експериментальною частиною досліджень була побудова інтелектуального інтерфейсу системи моделювання, який виконує наступні функції:

пропонує користувачу формувати відеоповідомлення системі, що містять вхідні параметри для рішення задачі моделювання;

забезпечує вірогідність і безпомилковість вхідних даних;

на основі аналізу вхідних даних здійснює вибір методу моделювання;

формує метафайл для програм моделювання;

забезпечує діалогове середовище експерта з метою керування стратегією процесу моделювання;

виконує представлення результатів моделювання в графічній формі.

На мал. 6 наведена структурна схема реалізованого інтерфейсу системи моделювання.

Мал. 6. Структурна схема системи моделювання з інтелектуальним інтерфейсом

ВИСНОВКИ

Порівняльний аналіз відомих тьюторских систем для локального чи віддаленого навчання показав, що: 1) індивідуальним характеристикам в моделях користувача (учня) приділяється мало уваги і цей напрямок найменш досліджений. В той же час когнітивні можливості часто впливають на ефективність навчання вирішальним чином; 2) стратегії навчання, використовувані в інтелектуальних тьюторських системах часто не спираються на досягнення педагогічної науки і психології; 3) стратегії навчання, використовувані в інтелектуальних тьюторських системах, як правило, не адаптивні, не містять діагностуючий компонент і не можуть автоматично пристосовуватися до персональних характеристик того, хто навчається.

У роботі визначені параметри керування системою “тьютор - студент” для підвищення ефективності навчання. Ці параметри є когнітивними характеристиками користувача. Поставлені у відповідність особисті когнітивні характеристики того, хто навчається, до параметрів, які визначають стратегію навчання.

Побудована інформаційна модель того, хто навчається, яка відображає його когнітивні можливості і яка названа “когнітивний профіль користувача”. Когнітивний профіль складається з інтелектуальних здібностей та когнітивного стилю того, хто навчається. Інформаційна модель надалі використовується для реалізації елементів системи управління адаптивного тьютору.

Запропонована архітектура машинного тьютору для адаптації навчання в залежності від когнітивного профілю користувача (учня). Основними компонентами архітектури є: база знань користувача, яка складається з когнітивної моделі учня та продукційних правил; блок класифікації, який є механізмом умовиводу; блоки тестування та адаптації.

Досліджені методи оцінки невизначеності в системах знань та запропоновано критерій для її вимірювання.

Запропонована модель діалогової поведінки інтелектуальних партнерів, яка базується на механізмові вибору альтернативного кроку діалогу на основі оцінки ентропії інформації, що визначило теоретичні посилання до побудови інтелектуального інтерфейсу з кінцевим користувачем.

Виконана інтерпретація моделі взаємодії партнерів, що реалізують діалог, за допомогою агентних моделей. Поведінка партнерів (тьютора та користувача) в рамках навчального процесу подана як діяльність групи інтелектуальних агентів.

Розроблено інструментальний засіб для побудови інформаційної моделі користувача, який забезпечує можливість зміни технології тестування без змін інших програмних компонентів тьютору.

Основні положення дисертаційної роботи перевірені на практиці шляхом реалізації батареї тестів для вимірювання когнітивних характеристик особистості у вигляді програмного модулю адаптивного персоналізованого тьютору та програмних модулів інтелектуального інтерфейсу комп'ютерної системи математичного моделювання, який враховує особисті властивості користувача.

Результати роботи впроваджені в навчальний процес Черкаського інституту управління та Одеської державної академії холоду для диференціації студентів та для тестування абітурієнтів.

СПИСОК ОПУБЛІКОВАНИХ АВТОРОМ ПРАЦЬ ЗА ТЕМою ДИСЕРТАЦІЇ

Ус М.Ф., Пискун А.В. Применение вопрос - ответной логики для создания интеллектуального интерфейса объектно-ориентированными средствами// Зб. наук. праць Ін-ту проблем моделювання в енергетиці НАН України. Вип. 3. - Львів: “Світ”, 1998. - С. 99 - 103.

Ус М.Ф., Пискун А.В., Гадецкая З.М. Когнитивные свойства обучающегося для адаптации персонализированного тьютора// Зб. наук. праць Ін-ту проблем моделювання в енергетиці НАН України. Вип. 6. - Черкаси: Вид-во ІУБ, 1998. - С. 151 - 157.

Ус М.Ф., Пискун А.В., Гадецкая З.М. Моделирование когнитивного уровня учащегося в интеллектуальных обучающих системах// Моделювання та інформаційні технології: Зб. наук. праць/ Ін-т проблем моделювання в енергетиці НАН України.Вип. 3. - Київ, 1999. - С. 142 - 148.

Ус М.Ф., Пискун А.В. Методы измерения неполноты знаний для коммуникативных процессов// Системы и средства передачи и обработки информации. Материалы науч. - практ. конф. - Одесса: УГАС им. А.С. Попова, 1997. - С. 41.

Ус М.Ф., Пискун А.В. Механизм ввода знаний// 4 - а Українська конференція з автоматичного управління “Автоматика - 97”.- Том II. -Черкаси: ЧІТІ, 1997.- С.113.

M. Us, A. Piskun, O. Kertanov. Tutor behavior models and their program realization for intelligent teaching system// Proc. of Sixth International Conf. ACS-99. - Szczecin (Poland). - 1999. - P. 297 - 302.

Размещено на Allbest.ru

...