Інтелектуальне формування індивідуальної траєкторії навчання студента

Размещено на http://www.allbest.ru/

Одеський національний політехнічний університет

УДК 004.378

05.13.23 - Системи та засоби штучного інтелекту

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

Інтелектуальне формування індивідуальної траєкторії навчання студента

Носов Павло Сергійович

Одеса - 2007

Дисертацією є рукопис.

Робота виконана в Одеському національному політехнічному університеті Міністерства освіти і науки України на кафедрі технології комп'ютерного проектування.

Науковий керівник доктор технічних наук, професор Тонконогий Володимир Михайлович, Одеський національний політехнічний університет, завідувач кафедри технологій комп'ютерного проектування.

Офіційні опоненти:

- доктор технічних наук, професор Крилов Віктор Миколайович, Одеський національний політехнічний університет, професор кафедри прикладної математики та інформаційних технологій у бізнесі;

- доктор технічних наук, професор Соколов Олександр Юрійович, Національний аерокосмічний університет ім. М.Є. Жуковського "Харківський авіаційний інститут", завідувач кафедри інформатики.

Провідна установа: Харківський національний університет радіоелектроніки Міністерства освіти і науки України, м. Харків.

Захист відбудеться 19 червня 2007 р. о 1000 годині на засіданні спеціалізованої вченої ради К 41.052.08 Одеського національного політехнічного університету за адресою: 65044, м. Одеса, проспект Шевченка, 1, ауд. 400А.

З дисертацією можна ознайомитись у бібліотеці Одеського національного політехнічного університету за адресою: м. Одеса, проспект Шевченка, 1.

Автореферат розіслано "18" травня 2007 р.

Вчений секретар спеціалізованої вченої ради Савєльєва О.С.

Анотація

Носов П.С. Інтелектуальне формування індивідуальної траєкторії навчання студента. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за фахом 05.13.23 - Системи та засоби штучного інтелекту. - Одеський національний політехнічний університет, Одеса, 2007.

Метою дисертаційної роботи є підвищення рівня успішності та оперативності засвоєння матеріалу студентів шляхом розробки формалізованого методу і засобів формування індивідуальної траєкторії навчання студента (ІТНС) в умовах автоматизації.

У роботі з метою моделювання результативної інтелектуальної діяльності студента розроблена узагальнена модель індивідуалізації навчального процесу на базі циклу Шухарта-Демінга, та запропоновано метод формування ІТНС у вигляді послідовності розвивальних завдань.

Відповідно моделі та методу отримала подальший розвиток методика відображення ІТНС в перетвореному просторі оцінювання, що дає можливість ідентифікувати і класифікувати когнітивні якості МСС відносно моделей фахівців на базі методу Парето-оптимальних альтернатив нечіткого відношення переваги.

Виконана комп'ютерна реалізація ІСУ НП, впровадження якої в навчальний процес підвищило успішність на 11,68%, якість знань-умінь на 13,40%, та зберегло 2,50% від студентського контингенту.

Ключові слова: моделювання інтелектуальної діяльності студента, ідентифікація моделі світу студента, індивідуальна траєкторія навчання.

Annotation

Nosov P.S. The intellectual formation of the individual trajectory of student's teaching. - Manuscript.

Thesis for a candidate's degree by spatiality 05.13.23 - Systems and instruments of artificial intelligence. - Odessa national polytechnic university. Odessa, 2007.

The aim of the thesis is the increase of the progress level and operability of students' material acceptance via the development of the formalized method and means of formation the ITST (individual trajectory of student's teaching) in the conditions of automation.

In order to create the model of the student's effective intellectual activity the generalized model of the teaching process individualization based on the Shuhart - Deming cycle is developed as well as the method of ITST formation in the order of developing tasks is suggested.

According to the model and method the methodical line of representation of ITST in the converted space of estimation has got the further development, and that fact gives the possibility to identify and to classify the cognitive qualities of SWM (Student's world model) in accordance to the specialist models based on the Pareto method - proper alternative of the indistinct stand of advantage.

The executed computer realization of IMS EP (Intellectual management system of educational process), the introduction of which into the teaching process increased the progress for 11,68%, the quality of knowledge - skills for 13,40% and saved 2,50% of all the students staff.

Key words: the modeling of student's intellectual activity, identification of student's world model, individual teaching trajectory.

Аннотация

Носов П.С. Интеллектуальное формирование индивидуальной траектории обучения студента. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.23 - Системы и средства искусственного интеллекта. - Одесский национальный политехнический университет, Одесса, 2007.

В настоящее время моделирование интеллектуальной деятельности студентов в процессе обучения недостаточно формализовано. Сложившаяся ситуация свидетельствует о проблеме индивидуализации обучения, причинами которой являются отсутствие идентификации взаимосвязей между фрагментами знаний и умений в учебном процессе, о слабом отображении объектов изучения (ОИ) в учебных заданиях и предметных областях (ПО), в результате чего происходит запаздывание в принятии рационального решения. Большинство методов, направленных на решение задач идентификации информационной модели студента, дает возможность определить уровень достижений студента в обучении, только в виде статического образа его учебной деятельности, что не позволяет применить индивидуально-ориентированный подход, как основной способ решения обозначенной проблемы. Кроме того методы, применяемые для решения данной проблемы в условиях автоматизации, имеют селективный результат решения, где каждому студенту назначается прохождение предопределенного сценария, что не позволяет детально индивидуализировать процесс обучения. Данное обстоятельство указывает на необходимость разработки интеллектуальной системы управления учебным процессом (ИСУ УП) для формирования индивидуальной траектории обучения студента (ИТОС).

Целью диссертационной роботы является повышение уровня успеваемости и оперативности усвоения материала студентов путем разработки модели и метода формирования ИТОС в условиях автоматизации.

Согласно цели исследования разработана обобщенная модель индивидуализации обучения на базе спиралевидного цикла Шухарта - Деминга (Plan-Do-Check-Action), особенностью которой является наличие механизма переоценки предшествующих результатов взаимодействующих процессов индивидуализации обучения, что предполагает формирование рационального решения. Данная модель послужила основой создания ИСУ УП, в которой механизмы повышения показателей результативности учебного процесса основаны на анализе данных модели мира студента (ММС), сопровождающих процессов цикла модели и факторов влияния на процесс усвоения учебного материала.

На базе предложенной модели разработан метод формирования ИТОС в виде последовательности развивающих заданий, учитывающий текущее состояние ММС и оперирующий следующими элементами: текущим уровнем успеваемости студента, идентификаторами учебных заданий, и целью формирования ИТОС. При этом задача формирования ИТОС в виде списка заданий этапа контроля основана на решении М-задачи симплекс-методом.

Прохождение студентом ИТОС позволяет сформировать ее отображение по реальным результатам учебной деятельности, в целях чего получила последующее развитие методика отображения ИТОС в виде преобразованного пространства оценивания. Данная методика предполагает эрготехнический подход, где плоскость контроля успеваемости студента делится на четыре сектора, каждый из которых определяет особенности восприятия студента: 1 - теоретик-практик, 2 - прогрессирующий практик, 3 - прогрессирующий теоретик-практик, 4 - прогрессирующий теоретик, что позволяет зафиксировать уклон обучения на основе фактора времени при выполнении учебных заданий. При этом относительно результатов ММС по двум контрольным срезам формируется прогноз развития ИТОС в обучающем пространстве. В ходе принятия решения по изменению нагрузки учебной программы относительно когнитивных характеристик ММС, ИСУ УП учитывается наименьшее значение меры неопределенности Ягера.

Также, в ходе анализа ИТОС были выявлены факты, указывающие на то, что сформированные ММС по исследуемым ПО не соответствует параметрам моделей специалистов. Вследствие чего была предложена методика диагностики МСС на профпригодность. Данная методика основана на базе метода Парето оптимальных альтернатив нечеткого отношения предпочтения, что позволяет принимать рациональные решения по переводу студентов в альтернативные предметные области.

Также подсистемы ИСУ УП, функционирующие на основе модели индивидуализации обучения, позволяют выполнить моделирование интеллектуальной деятельности студента в ходе его учебной деятельности. Ввиду того, что в процессе обучения ММС расширяется, становится возможным сформировать ИТОС в тех ПОt+1, где еще не идентифицированные объекты изучения (ОИ) являются откликом предыдущей учебной деятельности студента или допускают свое последующее развитие. Таким образом, данные ММС, ИТОС, значения факторов влияния на процесс обучения студента и показатели профпригодности позволят существенно снизить процент неуспевающих студентов средствами искусственного интеллекта.

Анализ, проведенный для контрольной и экспериментальной групп на протяжении одного учебного семестра, показал, что успеваемость в результате внедрения ИСУ УП в учебный процесс выросла на 11,68%, а качество знаний-умений на 13,40%, что говорит о целесообразности применения данного индивидуально-ориентированного подхода. Применение подхода профдиагностики ММС позволило сохранить 2,50% от общего контингента студентов ХПТК ОНПУ на период 2005-2006 учебного года относительно периода 2004-2005 учебного года, в котором профдиагностика не выполнялась.

Ключевые слова: моделирование интеллектуальной деятельности студента, идентификация модели мира студента, индивидуальная траектория обучения.

1. Загальна характеристика роботи

Актуальність теми. На сучасному етапі розвитку інтелектуальних систем навчання (ІСН) одним з важливіших напрямків є розробка і впровадження таких біонічних засобів роботи штучного інтелекту, як експертні системи (expert systems) та візуалізація їх внутрішніх процесів у людино-машинних комплексах з метою підвищення успішності навчання. Проте відомі на сьогоднішній день засоби ІСН характеризуються апріорною обмеженістю на кількісні характеристики та їх параметри відносно моделі світу студента (МСС). Такий стан або не дозволяє виконати процес моделювання інтелектуальної діяльності студента, результатом якого є індивідуальна траєкторія навчання студента (ІТНС) у вигляді логічної ціле-орієнтованої структури, або робить цей процес нерезультативним. Також недостатньо виражена ідентифікація МСС у навчальному просторі ознак ІСН відносно когнітивних здібностей до теоретичного та практичного напрямку підготовки призводить до того, що студенти власноруч формують індивідуальний уклін навчання. Сформована таким чином МСС суттєво відрізняється від моделі фахівця відносно набору його професійних якостей, що зумовлює проблему невідповідності результату навчання його меті. Відомі методи, що застосовуються для моделювання інтелектуальної діяльності студента, використовують вже визначені траєкторії навчання на основі фрейм-сценарію, що не дозволяє значно підвищувати рівень успішності та оперативності студентів, а тому не вирішують цю проблему.

У зв'язку з зазначеним вочевидь, недостатньо виражені: індивідуалізація навчання, формування ІТНС без врахування параметрів МСС та відсутність засобів ідентифікації МСС відносно моделі фахівця не дозволяють досягти високого рівня результативності в навчальному процесі.

Таким чином, існуючі засоби ІСН не повністю вирішують позначену проблему, отже, розробка моделі індивідуалізації навчання і методу формування ІТНС, що забезпечує їх реалізацію, є актуальною.

Значний внесок у вирішення позначеної проблеми зробили такі відомі вчені, як Атанов Г.О., Беспалько В.П., Аванесов B.C., Мокін Б.І., Козлакова Г.О., Растригін Л.А., Еренштейн М.Х. та інші.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана відповідно до комплексу нормативних документів і стандартів вищої освіти. Наказ Міністерства освіти і науки України №48 від 23.01.2004 р. "Про затвердження програми дій щодо реалізації положень Болонської декларації в системі вищої освіти і науки України на 2004-2006 роки"; НДР ОНПУ №434-73 "Дослідження та проектування засобів інтелектуальної обробки даних"(держ. рег. №0103U000036).

Мета і завдання дослідження. Метою дисертаційної роботи є підвищення рівня успішності та оперативності засвоєння матеріалу студентами шляхом розробки моделі та методу формування ІТНС.

Згідно з метою дослідження в роботі необхідно розв'язати такі завдання:

– провести дослідження індивідуально-орієнтованих методів і засобів, що застосовуються в навчальних системах і направлені на аналіз діяльності студента для раціонального планування навчального процесу;

– розробити узагальнену модель індивідуалізації навчального процесу для моделювання інтелектуальної діяльності студента в ході навчання;

– узагальнити та уніфікувати підходи, що розглядають навчальні завдання, як вузли ІТНС та ідентифікатори предметних областей (ПО);

– розробити метод формування та методику просторового відображення ІТНС в умовах нечітких цілей і параметрів МСС;

– розробити методику ідентифікації та класифікації МСС відносно відповідних моделей фахівців ПО;

– виконати експериментальне підтвердження результативності застосування запропонованої інтелектуальної системи управління навчальним процесом, особливістю якої є формування ІТНС.

Об'єктом дослідження є інтелектуальна система управління навчальним процесом (ІСУ НП).

Предметом дослідження є модель і метод формування індивідуально-орієнтованої траєкторії навчання студента.

Методи досліджень. Для аналізу методів і засобів, застосованих в системах управління навчальним процесом, а також для визначення впливів рішень на об'єктивність результатів, були застосовані методи системного аналізу, теорії ймовірності, теорії інформації, теорії нечітких множин і нечіткої логіки.

Розробка узагальненої моделі індивідуалізації навчання була виконана на основі чисельних методів, методів дослідження операцій та теорії прийняття рішень.

Розробка програмного забезпечення інтелектуальної системи управління навчальним процесом базується на технології об'єктно-орієнтованого програмування.

Наукова новизна одержаних результатів:

- вперше розроблена узагальнена модель індивідуалізації навчального процесу на базі циклу Шухарта-Демінга, що дозволило скласти специфікацію інтелектуальних систем навчання за змістовними чинниками та параметрами;

- вперше запропонований метод формування ІТНС, фрагменти якої не носять селективний характер, що дозволило знайти індивідуальне рішення у вигляді послідовності розвиваючих тестових завдань для студента;

- отримала подальший розвиток методика просторового відображення ІТНС в умовах нечітких цілей і показників успішності, де траєкторія представлена у вигляді перетвореного простору оцінювання, що дозволяє виявити схильність до навчання студента на основі чинника часу;

- отримала подальший розвиток методика формування МСС та її ідентифікації і класифікації відносно існуючих моделей фахівців на базі методу Парето оптимальних альтернатив нечіткого відношення переваги, що дозволяє переводити студентів в альтернативні предметні області.

Практичне значення одержаних результатів полягає в тому, що дисертаційні дослідження завершені створенням математичного, алгоритмічного і програмного забезпечення ІСУ НП. Розроблена узагальнена модель індивідуалізації навчання за якою функціонує ІСУ НП на базі методу формування та просторового відображення ІТНС відносно МСС та чинника часу.

В результаті впровадження розробленої програмної реалізації ІСУ НП, успішність в експериментальних групах зросла на 11,68%, а якість знань-умінь студентів на 13,40%. На основі методики ідентифікації МСС відносно моделей фахівців та профвідбору ІСУ НП було збережено 2,50% загального контингенту.

Результати дисертаційної роботи впроваджені в навчальний процес Херсонського політехнічного коледжу Одеського національного політехнічного університету (ХПТК ОНПУ), на кафедрі "Технології комп'ютерного проектування" Одеського національного політехнічного університету, на кафедрі "Загальної інженерної підготовки" Херсонського державного університету (ХДУ).

Особистий внесок здобувача. Виконаний аналіз існуючих методів індивідуалізації навчального процесу [12, 15, 16, 17, 4]. Виконана формалізація завдань щодо мети дисертаційної роботи [1, 11, 2, 3, 5, 7].

Автором модифікована технологія прогнозу успішності студента із застосуванням лінгвістичних змінних і методів нечіткої логіки [6]. Авторові належить розробка узагальненої моделі індивідуалізації навчального процесу [13, 14, 8], на основі якої запропоновано метод формування і методику просторового відображення ІТНС відносно даних МСС, що дає можливість приймати рішення з удосконалення існуючих методик навчання [7,9,11,18].

Запропоновано методику оцінювання досягнень студента на профпридатність на основі даних МСС в ПО і методу Парето оптимальних альтернатив нечіткого відношення переваги [10]. Виконано комп'ютерну реалізацію ІСУ НП та узагальнено результати дослідження [18, 19].

Апробація результатів дисертації. Основні висновки, положення і результати дисертації докладалися і обговорювалися на Міжнародній НПК "Інформаційні технології в наукових дослідженнях і навчальному процесі" (Луганськ 2005); Всеукраїнській НМК "Сучасні педагогічні технології формування готовності молоді до соціально-виробничої адаптації в профільному та професійному навчанні" (Херсон 2005); Міжнародній НПК "Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій" (Херсон 2006); Міжнародній НПК "Сучасні напрями теоретичних і прикладних досліджень" (Одеса 2006); Міжнародній НПК "Наукові дослідження і їх практичне застосування. Сучасний стан і шляхи розвитку 2006" (Одеса 2006); НПС "Шляхи реалізації кредитно-модульної системи організації навчального процесу і тестових форм контролю знань студентів" (Одеса 2006); Міжнародній НПК "Сучасні проблеми і шляхи їх рішення в науці, транспорті, виробництві і освіті 2006" (Одеса 2006); НПС "Моделирование в прикладных научных исследованиях" (Одеса 2007); МНПК "Современные направления теоретических и прикладных исследований 2007" (Одеса 2007).

Публікації. Результати дисертації викладені в 19 публікаціях, 5 з яких опубліковані в спеціальних виданнях відповідно до списку ВАК України.

Структура дисертації. Дисертаційна робота складається зі вступу, 4 розділів, висновків, 2 додатків. Обсяг дисертації - 131 стор., додатків - 5 стор. Дисертація містить 43 рисунка, 27 таблиць та посилання на 157 літературних джерел.

2. Основний зміст роботи

У вступі обґрунтована важливість і актуальність теми дисертації, викладені мета і завдання дослідження. Сформульовані основні положення і практичні результати, досягнуті в роботі, їх наукова новизна.

У першому розділі з метою визначення рівня індивідуалізації існуючих ІСН, виконаний їх функціональний аналіз і тенденції розвитку. В першу чергу увага була приділена розгляду основних принципів індивідуалізації даних ІСН. В ході аналізу ІСН виявлено, що недостатньо виражена індивідуалізація навчання не дозволяє на якісному рівні формувати ІТНС відносно індивідуальних можливостей студента, що приводить до запізнення у часі прийняття рішень і зниження їх результативності. Загальне завдання дослідження формулюється як розробка моделі і методу формування ІТНС для ефективного впровадження ІСУ НП в навчальний процес.

У другому розділі розроблена узагальнена модель індивідуалізації навчання, на підставі якої складена специфікація змістовних компонентів ІСН за структурою, чинниками, параметрами і функціями, що дозволило якнайповніше оцінити існуючі індивідуально-орієнтовані засоби навчання.

Така модель в рамках індивідуально-орієнтованого підходу побудована на основі спіралевидного циклу Шухарта-Демінга (Plan-Do-Check-Action) і призначена для управління навчальним процесом на базі аналізу МСС.

Особливістю розробленої моделі є послідовність процесів і метод формування ІТНС, результативність використання якого визначається за допомогою механізму професійної ідентифікації МСС як завершального етапу циклу.

Запропоновано структуру МСС, параметри якої деталізують динамічний процес успішності студента відносно об'єктів вивчення (ОВ) у ПО. Особливістю даної МСС є відображення ОВ відносно їх значень в ПО на перетворену площину етапів ІТНС під час тестування.

При цьому у МСС відображається множина станів

ОВ* = (ОВ),

де - інтерпретатор процесу тестування студента, який не впливає на ідентифікатор ОВ, - назви та місця у перетвореній ПО.

Механізми підвищення успішності студента при індивідуалізації навчання за допомогою ІСУ НП базуються на результатах аналізу МСС та корегується на проміжних етапах особами які приймають рішення (ОПР):

- ініціалізація МСС;

- планування індивідуального контролю навчальної діяльності студента;

- тестування студента;

- контроль результатів тестування;

- підвищення результативності індивідуалізації навчання;

- профдіагностика.

Ініціалізація МСС. Враховуючи те, що аналіз діяльності студента погіршується якщо оперувати лише значенням його поточного рівня успішності, було запропоновано ідентифікувати ОВ, які складають ІТНС відносно відповідної когнітивної властивості інтелектуальної діяльності студента - компоненту мислення (КМ): понятійного, образного, практичного, мови предметної області і оперативного. При цьому рівень успішності студента при проходженні тесту характеризується відповідним рядом значень щодо знань і умінь , відносно КМ, де i - номер тестового завдання, j - номер модуля.

Тестування студента. З метою більш детальнішої ідентифікації МСС була прийнята структура тесту на основі індуктивного древа прийняття рішень. Така структура вимагає від студента виконання послідовності дій на вузлах, які ідентифікують значення КМ кожного ОВ. При цьому, не дивлячись на варіативність ІТНС, результатом проходження тесту буде послідовність значень і студента щодо кожного ОВ та КМ.

Планування (t). ІТНС передбачає стандартний набір завдань для кожного студента орієнтований на максимальний результат тесту.

Контроль результатів тестування студента. Враховуючи те, що ОВ має дві характеристики, то загальна оцінка ґрунтується на відношенні реальних результатів студента - та від максимально можливих (1):

, (1)

де М - коефіцієнт самостійності тестування студента на вузлах ОВ.

Отримані оцінки щодо кожного ОВ в тесті дозволяють виконати детальний аналіз інтелектуальної діяльності кожного студента, сформувати МСС, яка представляється як багатовимірний масив значень відносно всіх ОВ, що дозволяє сформувати розвиваючу ІТНС.

Закінчується розділ описом алгоритму переоцінки тестових завдань на основі результатів успішності інтелектуальної діяльності студента.

У третьому розділі описані індивідуально-орієнтовані механізми інтелектуального формування розвиваючої ІТНС.

Планування (t+1). З метою досягнення найбільшої результативності на етапі планування t+1, згідно узагальненої моделі індивідуалізації навчання, виконується прогноз досягнень студента в умовах нечітких множин чинників впливу на навчальний процес за допомогою лінгвістичних змінних. Прогноз заснований на інформаційній технології оцінки якості знань Мокіна Б.І. і принципах нечіткої логіки Заде Л.

Поновлений прогноз модифікований в рамках індивідуалізації навчання, де оцінка якості зовнішніх чинників F1 передбачає шість чинників F2-F7, що оцінюються за п'ятьма рівнями U={0,1;0,3;0,5;0,7;0,9}: "дуже низький" = 0,1; "низький" = 0,3; "середній" = 0,5; "високий" = 0,7 і "дуже високий" = 0,9. Дані про рівні чинників приймаються відносно даних про студента з бази знань ІСУ НП. Був прийнятий наступний перелік чинників впливу на навчальний процес:

F2 - Середній бал студента;

F3 - Коефіцієнт відвідування навчальних занять (консультацій);

F4 - Інтерес до даної ПО (участь у наукових конференціях та семінарах);

F5 - Ступінь відповідності приміщення навчальному матеріалу, наявність мультимедійних засобів навчання;

F6 - Відсутність відволікаючих чинників навчання;

F7 - Навчальна завантаженість студентів.

З огляду на те, що процес прогнозування рівня сприйняття навчального матеріалу не обмежений за часом проведення експерименту і характеризується достатньо великим числом адитивних незалежних чинників F2-F7, що впливають, то таке статистичне дослідження приводиться до нормальної кривої. Таким чином, для прогнозу обрана гауссівська функція приналежності , що дозволяє виконати апроксимацію розподілу частот при великій кількості дослідів та факторів Fx і є зручною для комп'ютерної обробки цих факторів. При цьому результат прогнозу буде дорівнювати:

.

Дисперсія D(x) для всіх складає 0,08, а середньоквадратичне відхилення від середнього значення mF, ,

де mF = (0,1+0,3+0,5+0,7+0,9) / 5 =0,5;

m2F = (0,01+0,09+0,25+0,49+0,81) / 5 = 0,33.

Логічна структура перетинів множин приймає наступний вигляд (2):

i = 2,3,..,n (2)

На основі значення максимуму отриманої функції формується управлінське рішення Res (3):

Res = (3)

Прийняття рішень Res залежить від величини PR та дозволяє попередити негативні прояви чинників, що впливають на навчальний процес.

Метод формування індивідуальної траєкторії навчання студента. На підставі результатів контролю визначений ряд значень і відносно максимального на даному етапі навчання. При цьому, результати вже на першому етапі контролю для кожного студента розрізняються за своїми значеннями. Відповідно до мети дослідження був розроблений метод формування ІТНС, що враховує поточний стан МСС і оперує наступними чинниками: рівнем успішності студента у вигляді поточного ряду значень КМ, наборами завдань і метою формування ІТНС у вигляді ряду бажаних значень КМ.

З огляду на це, задача формування ІТНС покладається на формування списку завдань , який характеризується не тільки складом КМ і їх значеннями, але і часом виконання завдань . Відповідно, метод формування індивідуального списку завдань у вигляді ІТНС повинен враховувати наступну умову (4):

навчальний індивідуалізація інтелектуальний управління

, (4)

де - обмеження в часі навчального заняття.

Крім того, треба враховувати, що мета формування ІТНС характеризується обмеженнями застосування КМ у вигляді нерівностей виду "" та "". Рішення цієї задачі методами лінійного програмування (ЛП), зокрема методом гілок і обмежень, при початковому допустимому базисному рішенні вже не гарантує, що всі подальші базисні рішення будуть допустимими. З огляду на це, найбільш раціональним засобом побудови початкового допустимого базисного рішення задачі ЛП є використання штучних змінних відповідно М-методу, де змінні лише на першій ітерації грають роль додаткових залишкових змінних.

Таким чином, задача формування ІТНС у вигляді списку завдань заснована на рішенні М-задачі симплекс-методом, де потрібно знайти набір завдань , що доставляє максимум лінійній формі , за умови де ; с1, с2,…, сm - час рішення відповідних завдань, Ti - число можливостей використовувати i-ю КМ, i - число застосування КМ. Даний метод дозволяє отримати індивідуальний список найбільш відповідних завдань відносно індивідуальних даних МСС.

Підвищення результативності індивідуалізації навчання. З метою підвищення результативності всіх процесів в ІСУ НП, необхідно враховувати ймовірність успіху студента при тестуванні . На основі залежностей коефіцієнта складності ІТНС від середньої успішності студента в даній ПО змоделюємо ймовірність успіху студентів різного рівня підготовки - 60, 75 і 90 балів (5).

, (5)

де ki - коефіцієнт складності траєкторії;

- середня успішність студента в даній ПО.

Аналізуючи отримані значення , можна зробити висновок, що студенти низького і середнього рівня підготовки мають більшу ймовірність успіху, ніж високого; це пов'язано зі зменшенням вимог до і , при цьому ІСУ НП вимушена працювати на більш високому якісному рівні, виконуючи підбір завдань для студентів з високими показниками МСС. Задача ІСУ НП полягає в постійному підвищенні вимог без значної втрати ймовірності успіху студента.

Методика просторового відображення ІТНС. У роботі запропонована методика вирішення проблеми відображення ІТНС в навчальному просторі. Проблема відображення ІТНС на площині контролю обумовлена відсутністю ерготехнічного підходу в контексті людино-машинних систем. Тому при ідентифікації навчальних можливостей студента під час використання ІСУ НП необхідно враховувати особливості цілеорієнтованого сприйняття людини - ОПР, що враховує наступні чинники: рівень знань студента , рівень умінь студента і час, витрачений на виконання завдань , . В області побудови точки результату студента на площині контролю розташовується коло (еліпс), через центр якого проходять осьові шкали і . Таким чином, площина контролю ділиться на чотири сектори, кожний з яких визначає особливості сприйняття студентом навчального матеріалу:

1 - теоретик-практик;

2 - прогресуючий практик;

3 - прогресуючий теоретик-практик;

4 - прогресуючий теоретик.

З метою діагностики та планування рівня навчальної завантаженості студента в ІСУ НП на площині контролю фіксується реальний результат контролю студента та можливий , з урахуванням отримання бонусу часу у разі дострокового виконання завдань, що дозволяє визначити вектор його успішності .

Позитивні або негативні параметри вектору дозволяють ІСУ НП приймати рішення щодо вдосконалення стратегії навчання та збільшення показників оперативності дій студента при проходженні ІТНС.

Координата точки результату студента (;) визначається на основі відстаней та , де ; (6):

, (6)

де .

Координата точки можливого результату студента , з урахуванням бонусу часу , відносно і : , та часу рішення зміститься до точки (7):

, (7)

де = 1.

Прийняття раціонального рішення ІСУ НП при формуванні ІТНС проводиться відносно найменшого значення міри невизначеності параметрів і прогнозу за методом Ягера:

,

де - знання (уміння), змінене в результаті прийняття рішення, на основі (рис. 3). При цьому функціонально залежить від , тобто виконується лінійна залежність , де - коефіцієнти, що визначають лінійну залежність, які визначаються за методом найменших квадратів.

Тоді відносно результатів за двома етапами контролю формується ряд прогнозу майбутніх результатів інтелектуальної діяльності студента. В ході прийняття рішення з ускладнення або спрощення навчальної програми відносно і враховується найменше значення міри невизначеності Ягера.

Таким чином, описаний комплекс засобів ІСУ НП дозволяє сформувати розвиваючу ІТНС в умовах інтелектуальної обробки результатів навчальної діяльності студентів відповідно принципам узагальненої моделі індивідуалізації навчання.

Оцінка МСС на профпридатність виконується на основі методики формування МСС та її ідентифікації і класифікації відносно існуючих моделей фахівців на базі методу Парето оптимальних альтернатив нечіткого відношення переваги.

В ході дослідження при аналізі ІТНС були виявлені факти, які вказують на те, що сформована МСС за ПО, що досліджуються не відповідає параметрам відносно моделі фахівця певної спеціальності. При цьому невідповідність значень МСС щодо пріоритетних і непріоритетних ПО перевищувала критичні пропорції - виникла проблема профпридатності майбутніх фахівців ПО.

З метою усунення даної проблеми було прийнято рішення щодо визначення схильності студентів до інших

ПО -,

де і - ідентифікатор спеціальності.

Методика ідентифікації МСС відносно ПО ґрунтується на оцінках ОПР і методі Парето оптимальних альтернатив нечіткого відношення переваги. При цьому встановлюються значення критеріїв : R1 - очікуваний рівень і ; R2 - можливий рівень успішності; R3 - час витрачений на адаптацію в новій ПО.

Матриці відносин для R1, R2, R3 дозволяють виконати згортку цих відносин, і знайти класифікуючи підмножини недомінуючих альтернатив , при цьому адитивна згортка відносин дорівнює . Перетин множин дозволяє обчислити функцію приналежності підмножини і визначити шукану альтернативу спеціальності і, що дозволяє знайти найбільш переважний вибір ПО в нечітких умовах відносно МСС та підвищити результативність формування ІТНС засобами ІСУ НП.

Описані процеси, що функціонують на основі спіралевидного циклу узагальненої моделі індивідуалізації навчання ІСУ НП, дозволяють виконати моделювання інтелектуальної діяльності студента у часі. Процес ідентифікації студентами ОВ відносно КМ у ІТНС призводить до розширення МСС. Такий стан дозволяє побудувати ІТНС в тих ПОt+1, де ще не ідентифіковані ОВ є відгуком попередньої інтелектуальної діяльності студента або припускають свій подальший розвиток.

Таким чином, застосування засобів штучного інтелекту для моделювання інтелектуальної діяльності студента у вигляді ІТНС засобами ІСУ НП дозволить значно підвищити успішність студентів у навчанні.

У четвертому розділі представлена експериментальна оцінка впровадження ІСУ НП в навчальний процес і узагальнені результати дослідження. ІСУ НП апробована в ХПТК ОНПУ, ОНПУ та ХДУ, загальна кількість студентів, залучених в експеримент, склала 2538 чоловік. Було проведено порівняльний аналіз успішності студентів експериментальної групи з використанням ІСУ НП та контрольної групи, де моделювання інтелектуальної діяльності студентів не відбувалося, а навчальні завдання відносно ПО обиралися завдяки випадковій генерації. Експериментальна перевірка ІСУ НП, в яку було залучено 26 студентів контрольної і 27 експериментальної групи ХПТК ОНПУ, проводилася протягом одного семестру. Результати впровадження ІСУ НП були апробовані на дисциплінах: "Комп'ютерна графіка", "Комп'ютерні мережі", "Обчислювальна техніка і програмування".

Отримані в ході експерименту дані було проаналізовано за допомогою методів математичної статистики:

1. Визначена результативність застосування ІСУ НП на основі значень експертної оцінки. Формалізація отриманих даних проводилася із застосуванням методу рангової кореляції. Коефіцієнт конкордації W=0,66 свідчить про невипадкову узгодженість експертів в прийнятті рішень.

2. Визначена достовірність результативності експериментальної групи під час використання ІСУ НП. Отримане значення критерію 2 більше відповідного табличного значення при допустимій помилці менше ніж 0,001. Відповідно, гіпотеза про зміни, які відбулися в оцінках студентів в результаті впровадження ІСУ НП, експериментально підтвердилася.

3. Отримані результати експериментальної оцінки валідності тестових завдань за допомогою кореляції на основі показників бісеріального коефіцієнту зв'язку . Оскільки значення > 0,3 за кожним завданням, вся послідовність значень тестової групи вважається валідною.

4. Визначений ступінь надійності вимірювання результатів тестування. У якості значущого критерію вимірювання була обрана кореляція двох паралельних завдань, обраних для вимірювання одного і того ж набору КМ. Був застосований розрахунок коефіцієнта кореляції Пірсона. Отриманий коефіцієнт кореляції свідчить про високу надійність вимірювання.

5. Була визначена успішність контрольної і експериментальної груп на початковому і завершальному етапі навчання 2005-2006 н.р. (табл. 1).

Таблиця 1

Оцінка успішності студентів контрольної і експериментальної груп в результаті впровадження ІСУ НП

Показники ефективності	Етапи проведення контрольних зрізів
	Контрольна група (КГ) 26 студентів	Експериментальна група (ЕГ) 27 студентів
	Початковий	Завершальний	Початковий	Завершальний
Рівень знань-умінь	К-ть студ.	%	К-ть студ.	%	К-ть студ.	%	К-ть студ.	%
Не пройшли тест	4	15,38	4	15,38	5	18,5	1	3,7
Низький 60-74 балів	15	57,69	12	46,11	13	48,1	12	44,4
Середній 75-89 балів	6	23,04	9	34,56	7	25,9	10	37
Високий 90-100 балів	1	3,84	1	3,84	2	7,4	4	14,8

Аналіз, проведений для контрольної та експериментальної груп впродовж одного навчального семестру, показав, що в результаті впровадження ІСУ НП в навчальний процес ХПТК ОНПУ на період 2005-2006, значно зросли показники успішності студентів. Також побільшали показники оперативності виконання тестових завдань студентами відносно їх когнітивних та розумових здібностей.

Застосування підходу профдіагностики МСС дозволило зберегти значну частину від загального контингенту студентів 2005-2006 навчального року при переведенні студентів на альтернативні спеціальності на відміну від 2004-2005 навчального року, в якому профдіагностика не виконувалася.

Таким чином, експериментальні дані щодо впровадження ІСУ НП вказують на доцільність застосування розробленої моделі та методу інтелектуального формування ІТНС.

Висновки

У роботі розроблено та обґрунтовано модель та метод інтелектуального формування ІТНС як засобу ІСУ НП. Отримані наукові і практичні результати, які в сукупності вирішують актуальну проблему дослідження та впровадження ІСУ НП в навчальний процес.

1. В ході аналізу комп'ютеризованих адаптивних систем навчання, було досліджено мультилінгвістичну (МЛ) технологію та методи експертної і формалізованої оцінки МСС, що дозволило зробити висновок про необхідність врахування параметрів ОВ та їх взаємозв'язків при ідентифікації МСС і формуванні ІТНС.

2. За допомогою розробленої узагальненої моделі індивідуалізації навчання на базі спіралевидного циклу Шухарта - Демінга (Plan-Do-Check-Action) визначено перелік підсистем ІСУ НП та складена відповідна специфікація за параметрами і функціями. В основу даної моделі покладена підсистема прийняття рішень відповідно значень прогнозу сприймання навчального матеріалу студентами та формування ІТНС згідно значень показників індивідуальних можливостей до навчання.

3. На основі принципів роботи моделі індивідуалізації навчання студента розроблено метод формування індивідуального списку розвивальних завдань на базі рішення М-задачі симплекс-методом відносно параметрів КМ студента, меті навчання та чинника часу. На базі сформованого списку завдань ІСУ НП формує ІТНС.

4. Розроблено методику відображення ІТНС у перетвореному тривимірному просторі ознак відповідно параметрам МСС, з урахуванням прогнозу рівня успішності студента та бонусу часу. Дана методика дозволяє ІСУ НП приймати рішення щодо зміни навчальної завантаженості студента на основі значення міри невизначеності Ягера та підвищує розвиток його професійних якостей.

5. З метою збереження студентського контингенту розроблено методику ідентифікації МСС відносно існуючих моделей фахівців ПО та стану ІТНС.

6. Виконана програмна реалізація ІСУ НП, що дозволило виконувати раціональне планування навчального процесу за допомогою аналізу результатів формування ІТНС, узагальнені підходи обробки параметрів МСС.

Список опублікованих праць за темою дисертації

1. Носов П.С., Нарожний О.В., Яковенко О.Є. Підвищення якості навчання при проектуванні автоматизованих систем ухвалення рішень // Нові технології навчання: Наук. - метод. зб. - К.: Наук. - метод. центр вищої освіти, 2005. - Вип. 41. - С. 89-99.

2. Носов П.С., Яковенко О.Є, Тонконогий В.М. Використання компонентів мислення експертними системами, як фактору адаптивного впливу в автоматизованих навчальних системах // Тр. Одес. политехн. ун-та. - Одесса: ОНПУ, 2005. - Спецвыпуск. - С. 101-105.

3. Носов П.С., Яковенко О.Є., Нарожний О.В. Особливості впровадження практичних завдань як вид контролю в автоматизованих навчальних системах // Информация в научно - исследовательском и учебном процессе: Сб. науч. тр. - Спецвып. - Алчевск: ДонГТУ, 2005. - С. 192-195.

4. Крутина С.А., Носов П.С. Проблема восстановления знаний обучаемого при проектировании автоматизированной обучающей системы // Информация в научно - исследовательском и учебном процессе: Сб. науч. тр. - Спецвып. - Алчевск: ДонГТУ, 2005. - С. 187-191.

5. Носов П.С., Процик В.В., Гогунский В.Д. Использование математической модели прогнозирования, как аппарата управления в автоматизированных обучающих системах // Високі технології в машинобудуванні: Збірник наукових праць НТУ "ХПІ".- Харків, 2006. - Вип.1(12). - С. 357-362.

6. Носов П.С., Тонконогий В.М., Яковенко А.Е. Прогноз как средство управления процессом обучения в условиях нечетких множеств влияющих факторов // Високі технології в машинобудуванні: Збірник наукових праць НТУ "ХПІ".- Харків, 2006. - Вип.1(12). - С. 363-374.

7. Носов П.С., Ускач А.Ф., Тонконогий В.М. Математическая модель подбора практических заданий в условиях адаптивного обучения студентов // Високі технології в машинобудуванні: Збірник наукових праць НТУ "ХПІ".- Харків, 2006. - Вип.1(12). - С. 375-386.

8. Носов П.С., Тонконогий В.М., Яковенко О.Є. Застосування адаптивних функцій для впливу на модель знань студента // Тр. Одес. политехн. ун-та. Одесса: ОНПУ. Вып.1(25). 2006.- С. 118-122.

9. Носов П.С., Ускач А.Ф., Тонконогий В.М. Применение метода ветвей и границ для оптимальной организации развивающего занятия // Тр. Одес. политехн. ун-та. Одесса: ОНПУ, 2006. - Спецвыпуск. - С. 11-15.

10. Носов П.С., Тонконогий В.М. Многокритериальный выбор Парето - оптимальных альтернатив специальности на основе нечетких отношений предпочтения // Шляхи реалізації кредитно-модульної системи організації навчального процесу і тестових форм контролю знань студентів: Матеріали наук.-метод. семінару / Під ред. Цабієва та ін. - О.: Наука і техніка, 2006. - С. 79-88.

11. Носов П.С. Нечеткие выводы и их роль в оценивании знаний-умений студентов средствами байесовской сети принятия решений // Сб. научных трудов по матер. МНПК "Научные исследования и их практическое применение. Современное состояние и пути развития 2006" Том 2. Технические науки. - Одесса: Черноморье, 2006. - С. 10-16.

12. Яковенко О.Є., Носов П.С., Процик В.В. Шляхи реалізації європейських критеріїв вищої освіти в АСУ навчальним процесом // Зб. наук. пр.: Матер. МНПК "Інтелектуальні системи прийняття рішень та прикладні аспекти інформаційних технологій" - Херсон-ХМI, 2006. - Т. 4. - С. 53-56.

13. Яковенко О.Є., Носов П.С., Процик В.В. Модель знань студента в автоматизованій системі управління навчальним процесом // Сб. науч. трудов по матер. НПК "Современные направления теоретических и прикладных исследований" Том 2. Технические науки. - Одесса: Черноморье. 2006. - С. 36-37.

14. Носов П.С. Тонконогий В.М. Обобщенная модель индивидуализации обучения // Моделирование в прикладных научных исследованиях: Матер. XIV семинара / Под ред. В.П. Малахова и др. - Одесса: ОНПУ, 2007. - С. 24-26.

15. Носов П.С. Особливості розробки комп'ютерних тестових методик у адаптивному навчанні // Збірник наукових праць. Педагогічні науки. Випуск 39. - Херсон: Видавництво ХДУ, 2005. - С. 359-363.

16. Носова І.О., Носов П.С. Організація пізнавально-творчої діяльності студентів ІПФ при викладанні технічних дисциплін. // Збірник наукових праць. Педагогічні науки. Випуск 6.- Херсон: Видавництво ХДПУ, 1998. - С. 17-20.

17. Носов П.С. Розвиток творчого мислення учнів 5-7 класів на уроках праці. // Збірник наукових праць. Педагогічні науки. Випуск 28. - Херсон: Видавництво ХДПУ, 2002. - С. 114-117.

18. Носов П.С., Сафонов М.С., Носов А.С. Моделирование и оценивание траекторий решения практических заданий на основе древа принятия решений // Сб. научных трудов по матер. МНПК "Современные проблемы и пути их решения в науке, транспорте, производстве и образовании 2006" Том 2. Технические науки. - Одесса: Черноморье, 2006. - С. 13-19.

19. Носов П.С., Носов А.С. Моделирование интеллектуальной деятельности целеориентированной группы специалистов // Сб. научных трудов по матер. МНПК "Современные направления теоретических и прикладных исследований 2007" Том 2. Технические науки. - Одесса: Черноморье, 2007. - С. 75-77.

Размещено на Allbest.ru

...