Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Технология обучения понятиям в интеллектуальных обучающих системах

Таран Т.А. Сирота С.В.

Abstract

The technology of creation of intelligent tutoring systems which are oriented to teach knowledge is suggested. It is supposed the acquisition of expert's knowledge by using of the Formal Concept Analysis method, then construction by these concepts the test questions which are used for verification of the pupil's knowledge with the expert's knowledge. Then the further tutoring strategy is generated by the results of this verification.

Попытки автоматизировать процесс обучения начались более 30 лет назад и в настоящее время продолжаются, порождая большое количество компьютеризированных курсов по различным предметам. В последнее время основные усилия разработчиков направлены на создание интеллектуальных обучающих систем (ИОС). Успехи в этой области, однако, ограничены тем, что создаваемые ИОС в очень незначительной степени используют то многообразие методов и средств искусственного интеллекта, которое наработано к настоящему времени [1]. Другой причиной недостаточной «интеллектуальности» ИОС является слабая проработка возможностей формализации самого педагогического процесса и механизмов взаимодействия ученика с компьютером. В настоящее время основные направления использования компьютерной технологии обучения в учебном процессе подчинены следующим целям:

- индивидуализация обучения;

- выработка практических навыков и тренировка;

- контроль и оценка знаний.

Выделяют две основные направленности процесса обучения [2, 3]: обучение понятиям и формирование умений (навыков).

При формировании умений и навыков создаются проблемные ситуации, в которых обучаемый должен выполнить некоторую последовательность действий, основываясь на своих знаниях. Чаще всего обучаемому предлагается последовательность все более усложняющихся задач. В современных ИОС именно этому этапу обучения уделяется основное внимание.

При обучении понятиям выделяются следующие этапы:

- описание свойств объектов предметной области, качественных и количественных характеристик объектов и процессов;

- выявление понятий;

- определение связей между понятиями;

- определение зависимостей на множествах свойств и характеристик объектов и процессов.

При обучении понятиям в современных автоматизированных системах основное внимание уделяется представлению фактического материала, описанию свойств и отношений, строгому определению понятий, которые ученик должен понять и запомнить. При этом широко используются средства мультимедиа, различные способы визуализации, игровые формы представления материала. Однако основной процедурой, выполнение которой требуется от обучаемого, остается запоминание. Автоматизированные системы обучения лишь облегчают процесс запоминания материала курса и мало используют творческую компоненту обучения, когда ученик самостоятельно формирует понятия и «открывает» связи между ними.

В связи с этим, актуальной проблемой автоматизированного обучения является разработка технологии обучения понятиям и создание интеллектуальных обучающих систем, активизирующих творческую компоненту обучения.

В данной работе предлагается технология для создания ИОС, основной целью которых является обучение понятиям предметной области в интерактивном режиме, включая тестирование знаний обучаемого. Эта технология реализована в виде инструментальной среды, основными функциями которой являются: извлечение знаний эксперта, формализация понятий предметной области, создание базы знаний, генерация тестовых вопросов, формирование когнитивной модели обучаемого, оценка знаний обучаемого, формирование стратегии обучения [5].

Основной задачей первичного обучения является знакомство с понятиями предметной области. Для формализации понятий предлагается использовать метод анализа формальных понятий (Formal Concept Analysis) [5]. Формальное понятие (концепт) представляется как двойка <объем, содержание>, где объем некоторое множество объектов предметной области, содержание множество свойств, которыми обладают все эти объекты. Для выявления понятий составляется формальный контекст для соответствующего фрагмента предметной области, который представляется как бинарная таблица <объект, свойство>. Множество формальных понятий упорядочено отношением частичного порядка и образует полную решетку концептов.

Для тестирования знаний обучаемого автоматически генерируется набор тестов по решетке концептов. Тесты генерируются как в открытой, так и в закрытой форме. Основной проблемой составления закрытых вопросов является выбор дистракторов. Для выбора дистракторов предлагается использовать элементы концептуальной решетки, наиболее близкие к тестируемому понятию. По ответам ученика составляется концептуальная решетка, отражающая систему понятий предметной области в представлении ученика. Эта решетка сравнивается с эталонной моделью предметной области. Различия между эталонной моделью и когнитивной моделью обучаемого используются для выработки стратегии дальнейшего обучения.

Представление понятий в ИОС. Для формализации предметной области используется метод анализа формальных понятий. Этот метод был предложен R. Wille [5, 6] и успешно применяется в настоящее время в задачах анализа данных и машинного обучения. Он заключается в следующем. На множестве объектов V и признаков A определено отношение I V A, такое, что pIa, где pV, aA, тогда и только тогда, когда a есть признак объекта p. Тройка K = (V, A, I) называется формальным контекстом. Формальный контекст представим в виде бинарной матрицы, строки которой помечены именами объектов, а столбцы значениями признаков. Определим соответствие [7]:

P := {yA | xIy для всех xP}, где P V,

G := {xV | xIy для всех yG}, где G A.

Тогда пара (P, G), удовлетворяющая условиям: P V, G A, P = G, G = P, называется формальным понятием (концептом) контекста K = (V, A, I). Множество объектов P составляет объем понятия, а множество всех свойств G, которыми они обладают, - его содержание. Каждый объект pP обладает всеми признаками из подмножества G. Таким образом, формальное понятие это множество объектов из данной предметной области, каждый из которых обладает всеми признаками из некоторого подмножества свойств, присущих этим объектам.

Множество формальных понятий (P, G), где P V, G A, частично упорядочено отношением (P₁, G₁) (P₂, G₂), если P₁ P₂ и G₂ G₁, и образует полную решетку L(K), которая называется концептуальной решеткой контекста K [5]. Пара (P₁, G₁) называется подконцептом концепта (P₂, G₂), а пара (P₂, G₂) надконцептом концепта (P₁, G₁).

Решетка концептов представима в виде линейной диаграммы, в которой каждому узлу соответствует концепт из данного контекста. Дуальный изоморфизм на решетке концептов отображает обратное соотношение между объемом и содержанием концептов: чем больше объем, тем меньше содержание.

Пример. В таблице 1 представлен формальный контекст «Строение автомобиля». Каждому понятию соответствует максимальная по вложению полная единичная подматрица контекста. Например, в таблице 1 формальному понятию {(ГРМ, клапан), (часть двигателя, часть ГРМ)} соответствует полная единичная подматрица, образованная соответствующими двумя строками и двумя столбцами. Диаграмма концептуальной решетки данного контекста представлена на рис. 1.

Таблица 1.Контекст «Строение автомобиля»

Такой интеррогатив представляет вопрос, требующий ответа «да»-«нет», где «да» выбирает альтернативу X₁&…&X_kY₁&…&Y_m, а «нет» альтернативу

(X₁&…& X_kY₁&…&Y_m))

2. Альтернативная проверка импликации. Интеррогатив имеет вид:

?(<1, 1>) (X₁&…&X_kY₁&…&Y_m, X₁&…&X_kZ₁&…&Z_m))

Одна из этих импликаций истинна, другая ложна. Необходимо выбрать правильную импликацию. Требование максимальной полноты ответа означает, что не допускается выбор одновременно двух альтернатив и хотя бы одна из них должна быть выбрана.

3. Альтернативная проверка свойства объекта. Интеррогатив имеет вид:

? (<1, 1>) (X&A, X&A)

Вопрос имеет вид: «Обладает ли объект X свойством A?». Он также требует ответа «да» или «нет».

Концепты дают возможность проверить знание свойств и объектов, принадлежащих данным понятиям. По каждому концепту C_j = (P_j, G_j) можно составить вопросы двух типов:

- указать множество свойств G, которыми обладают объекты из P;

- указать множество объектов P, которые обладают свойствами из G.

4. Проверка свойств объектов. Ли-вопросы для проверки свойств объекта составляются по концептам C_j = (P_j, G_j) и имеют вид: «обладают ли объекты X₁,…, X_k P_j свойствами A₁,…, , B₁, …, B_l», где A₁,…, A_т G_j, B₁,…,B_l свойства-дистракторы. В этих вопросах требование максимальной полноты может быть включено, если нужно выбрать все правильные альтернативы. Отсутствие этого требования позволяет считать правильными также те ответы, в которых выбраны некоторые из правильных альтернатив. Интеррогатив в общем виде имеет вид:

? (<m, m+l>) (X₁&…&X_k&A₁&…&A_т&B₁&…&B_l)

Например: «Является ли клапан частью ГРМ, частью двигателя, частью трансмиссии?».

Интеррогатив этого вопроса:

? (<2, 3>) (клапан & часть ГРМ & часть двигателя & часть трансмиссии).

5. Проверка объектов, обладающих указанными свойствами. Интеррогатив вопроса:

? (<k, k+g>) (X₁&…&X_k&Y₁&…&Y_g &A₁&…&A_n)

где X₁, …, X_k V объекты, Y₁,…,Y_g объекты - дистракторы, A₁,…,A_nG_j свойства.

Например, интеррогатив вопроса «Являются ли объекты: колеса, рулевое управление, шасси, клапан, частями трансмиссии?» имеет интеррогатив:

?(<2, 4>) (колеса & рулевое управление & клапан &шасси & части трансмиссии).

Какой-вопросы задают альтернативы косвенным путем, с помощью вычисления некоторого предиката и проверки одного или нескольких категорных условий. Под категорным условием понимается условие принадлежности переменных, от которых зависит предикат, их областям определения. Например, предикат Q(x, y): «объект x обладает свойством y» сопровождается парой категорных условий: x есть объект, т.е. xV, V множество объектов, y есть свойство, т.е. yG, G множество свойств контекста K. Вопрос может быть поставлен так: «какие объекты какими свойствами обладают?». Такой вопрос может быть поставлен для заполнения формального контекста. Он требует указания всех пар <объект-свойство>.

В нашей работе используются какой-вопросы, описываемые интеррогативом:

?(<k, k+m>) (x₁, …, x_n V//A(x₁ … x_n))

где V - множество объектов контекста K, x₁, …, x_n V - категорное условие, A(x₁ … x_n) - формула логики предикатов вида:

x₁…x_n(P₁(x₁, …, x_n)&… &P_k(x₁, …, x_n) &P_k+1 &…&P_k+m(x₁, …, x_n))

Предикаты P₁,…, P_k задают список альтернатив, которые должны содержатся в ответе, P_k+1, …P_k+m - дистракторы.

Такой вопрос требует указать свойства, которыми заданные объекты обладают или не обладают. Иными словами, интеррогатив имеет вид:

?(<k, k+m>)(x₁, …, x_n V//

объекты x₁, …, x_n обладают свойствами P₁&… &P_k&P_k+1 &…&P_k+m).

Выбор дистракторов. При автоматической генерации вопросно-ответных соответствий возникает проблема выбора дистракторов, т.е. наиболее правдоподобных (но неправильных!) альтернативных вариантов ответа. Основой для выбора дистракторов служит концептуальная решетка. Предположим, что тестируется знание формального понятия ?a. Вопрос направлен на выяснение того, какие объекты обладают заданными свойствами. Список предлагаемых ответов должен содержать объекты-дистракторы. Тогда находятся идеал J(a) и двойственный идеал D(a), порожденные концептом a. Затем выбираются концепты xD(a), покрывающие концепт a. Для выбора дистракторов строятся идеалы J(x) для каждого x. Дистракторы выбираются из множества объектов J(x)\J(a). Если требуется найти множество свойств, которыми обладают заданные объекты, то в каждом из множеств J(x)\J(a) выбирается объект cx, являющийся верхней гранью этого множества. Для него строится двойственный идеал D(cx). Дистракторы выбираются из множества свойств, входящих в D(cx)\D(a).

Например, на рис. 2 показаны идеал J и двойственный идеал D, образованные концептом ({задние колеса}, {часть задних колес, часть колес, часть трансмиссии}). Вопрос может иметь вид: «Задние колеса есть часть: колес, трансмиссии». В предлагаемые варианты ответов, помимо правильных, следует включить дистракторы. Непосредственно выше данного концепта лежит узел, помеченный меткой «колеса». Построим для него идеал и двойственный идеал. В разность между исходным идеалом и новым попадает узел, помеченный меткой «передние колеса». Построим для него двойственный идеал (рис. 3). Дополнительный признак-дистрактор «есть часть рулевого управления» можно найти как разность между множеством свойств, вошедших в этот двойственный идеал, и множеством свойств из исходного идеала D.

Рис. 2. Идеалы, построенные по узлу «колеса»

Рис. 3. Идеалы, построенные по узлу «передние колеса»

Более сложные вопросы предлагают упорядочить элементы по заданному критерию упорядочения, проверить правильность упорядочения по заданному критерию, обобщить элементы, т.е. объединить в группы по некоторому признаку, проверить правильность группировки по данному признаку, указать значения атрибутов (объем, вес и т.п. значения) перечисленных объектов. Для генерации вопросов этого типа используются многозначные контексты. Количественные характеристики атрибутов объектов содержатся непосредственно к концепте, поэтому генерация подобных вопросов не вызывает проблем.

Заключение

Широкое развитие информационных технологий позволяют создать психологически приемлемую техническую среду для автоматизированного обучения. Попытки создания адекватной программной среды для обучения связаны с разработкой интеллектуальных обучающих систем, в которых явно представлены знания об изучаемом предмете и метазнания о процессе управления учением и состоянием знаний обучаемого. Предлагаемая технология создания ИОС с использованием методов анализа формальных понятий позволяют не только визуализировать систему понятий предметной области, но и автоматизировать генерацию тестовых заданий для проверки знаний обучаемых.

Литература

1. Стефанюк В.Л. Введение в интеллектуальные обучающие системы. / Учебно-методическое пособие. М.: Изд-во РУДН, 2002.

2. Зарецкий Д.В.,. Зарецкая З.Я,. Первин Ю.А Педагогические и технологические основы создания открытых программно-методических систем // Информатика и образование, М., 1998, №1, с. 75-81.

3. Петрушин В.А. Экспертно - обучающие системы / Под.ред.А.М.Довгяло. АН УССР. Ин-т кибернетики.- Киев.: Наукова думка, 1992.

4. Таран Т. А., Сирота С.В. Обучение понятиям в интеллектуальных обучающих системах на основе формального концептуального анализа // Искусственный интеллект. 2000. №3. с. 340-347.

5. Wille R. Ganter D. Formal Concept Analysis. Springer -Verlag. Berlin. - 1999.

6. Wille R. Knowledge Acquisition by methods of Formal Concept Analysis // Preprint № 1238. Technische Hochschule Darmstadt. ? 1989.

7. Биркгоф Г. Теория решеток. M.: Наука. - 1984.

8. Белнап Н., Стил Т. Логика вопросов и ответов. М.: Прогресс, 1981.

Размещено на Allbest.ru