Особенности разработки и использования обучающих интегрированных экспертных систем

Размещено на http://www.allbest.ru/

ОСОБЕННОСТИ РАЗРАБОТКИ И ИСПОЛЬЗОВАНИЯ ОБУЧАЮЩИХ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ

Г.В. Рыбина

Введение

В работе [Рыбина, 2008a] автором была описана концепция создания обучающих интегрированных экспертных систем (ИЭС) как достаточно значительного подкласса интеллектуальных обучающих систем (ИОС) [Брусиловский, 2002], [Голенков и др., 2001], теория и технология построения которого полностью определяется задачно-ориентированной методологией построения ИЭС и поддерживающим эту методологию инструментальным комплексом АТ-ТЕХНОЛОГИЯ. Дальнейшему развитию этой концепции в контексте применения в интеллектуальном компьютерном обучении был посвящен целый ряд работ [Рыбина, 2008b], [Рыбина, 2008c], [Рыбина, 2010a], [Рыбина, 2010c], [Рыбина и др., 2010].

Задачно-ориентированная методология (ЗОМ) построения ИЭС, предложенная в середине 90-х годов [Рыбина, 2008a], и поддерживающий ее инструментарий нового поколения - комплекс АТ-ТЕХНОЛОГИЯ позволяют осуществлять разработку в том числе широкого класса обучающих ИЭС [Рыбина, 2008a], [Рыбина, 2008b], обладающих развитыми интеллектуальными средствами обучения, мониторинга и тестирования обучаемых. Веб-ориентированная версия (веб-версия) комплекса может выступать в качестве автоматизированного рабочего места, например, для преподавателей-предметников по инженерным и специальным дисциплинам, т.е. тем дисциплинам, для которых целесообразно создавать обучающие веб-ИЭС по типу тренажеров наставнического типа с целью сохранения уникальных неформализованных методик (НФ-методик) и опыта преподавания конкретных курсов или дисциплин [Рыбина, 2005], [Рыбина, 2008a], [Рыбина, 2008b].

Анализ опыта применения ЗОМ и комплекса АТ-ТЕХНОЛОГИЯ для разработки и использования обучающих веб-ИЭС в учебном процессе НИЯУ МИФИ для целей интеллектуального обучения [Рыбина, 2010a], [Рыбина, 2010c] показал, что, с одной стороны, полностью реализуется мощная функциональность самых современных интеллектуальных обучающих систем (построение модели обучаемого, адаптивной модели обучения, модели проблемной области (ПрО), модели объяснения, модели преподавателя [Рыбина, 2008a]), а с другой - приобретаются все основные черты современной клиент-серверной архитектуры, такие как независимость систем от платформы, простота обновления информации, удобство в администрировании и технической поддержке, что, в частности, значительно упрощает процессы аккумулирования знаний преподавателей-предметников.

В настоящее время накоплен трехлетний опыт разработки и использования в учебном процессе НИЯУ МИФИ совокупности обучающих ИЭС и веб_ИЭС для автоматизированной поддержки всех базовых дисциплин в рамках специализации «Интеллектуальные системы и технологии» специальности «Прикладная математика и информатика», а именно [Рыбина, 2010b]: «Базы данных и экспертные системы (введение в интеллектуальные системы)», «Интеллектуальные диалоговые системы», «Динамические интеллектуальные системы», «Проектирование кибернетических систем, основанных на знаниях», «Экспертные системы», «Интеллектуальные информационные системы». Накоплен значительный методологический и технологический опыт (ведётся около 600 моделей обучаемых по вышеперечисленным дисциплинам), позволяющий использовать самые смелые новации в дальнейшем развитии и совершенствовании интеллектуального обучения на основе обучающих ИЭС и веб_ИЭС.

Важно отметить, что в текущих версиях обучающих ИЭС и веб-ИЭС реализован, практически, полный набор функциональных задач, характерных для интеллектуальной технологии обучения, а именно [Рыбина, 2010a], [Рыбина, 2010c], [Рыбина и др., 2010]:

индивидуальное планирование методики изучения учебного курса (конкретизация для каждого студента последовательности тем/разделов курса, индивидуальный контроль и выявление "проблемных зон" обучаемых, оптимизация индивидуального обучения);

интеллектуальный анализ решений учебных задач (моделирование рассуждений студентов, решающих учебные задачи; выявление типов ошибок, пробелов в знаниях и т.д. вместо их констатации; обратная связь через динамическое обновление знаний обучаемых);

интеллектуальная поддержка принятия решений (интеллектуальная помощь на каждом этапе решения учебных задач, объяснения типа "как?" и "почему?", подсказка следующего этапа решения).

Именно эти возможности обучающих ИЭС и веб-ИЭС уже сегодня соответствуют мировому уровню ИОС, а в дальнейшем значительно превысят функциональность зарубежных ИОС, особенно в части дальнейшего развития интеллектуального обучения, а также создадут предпосылки для интеллектуального мониторинга и интеллектуального коллективного обучения. [Рыбина, 2010a], [Рыбина, 2010c].

1. Мониторинг и реинжиниринг процессов функционирования обучающих ИЭС

Важной особенностью разработки и использования обучающих ИЭС и веб-ИЭС является то, что обеспечивается автоматизация практически всех процессов, которые возникают в ходе обучения и контроля знаний/умений обучаемых. При этом вся информация об обучаемых, темах курсов/дисциплин, результатах прохождения обучения, результатах контроля обучаемых, индивидуальных рекомендациях на основании полученных результатов обучения и т.д. находится в единой среде и в любое время доступна обучаемому и/или контролирующему процесс обучения, что обеспечивается за счет специальных средств мониторинга процесса функционирования обучающих ИЭС. Это удовлетворяет всем требованиям образовательного мониторинга, представляющего собой систему сбора, хранения, анализа и представления информации о состоянии наблюдаемых объектов, явлений, процессов с целью их оценки, контроля или прогноза.

В целом функционирование любой обучающей ИЭС может рассматриваться с позиций двух аспектов. Первый из них связан с местом и ролью обучающих ИЭС с точки зрения собственно организации обучения в высшей школе, т.е. использования обучающих ИЭС для поддержки типовых стадий обучения: проведение занятий (лекции, семинары, лабораторные работы), проведение периодических контролирующих мероприятий, как в ходе обучения, так и в контрольных точках обучения, предусмотренных учебным планом конкретного курса/дисциплины, а также проведение контрольных мероприятий в рамках зачетных и экзаменационных сессий.

Второй аспект - это рассмотрение набора функциональных задач, характерных для интеллектуального обучения, реализация которых обеспечивается обучающими ИЭС и веб-ИЭС, разработанными на основе ЗОМ и инструментального комплекса АТ-ТЕХНОЛОГИЯ. В этом случае мониторинг функционирования обучающих ИЭС и веб-ИЭС связан прежде всего с «отслеживанием» и анализом всех процессов построения для каждого студента индивидуальной модели обучаемого по соответствующей дисциплине путем выявления текущего уровня знаний/умений с помощью веб-тестирования, а также формированием психологического портрета личности обучаемого как важного компонента модели обучаемого.

Следует отметить, что динамическое построение сетевой модели обучаемого на основе ЗОМ осуществляется путем сравнения текущей модели обучаемого с предварительно построенной преподавателем эталонной моделью курса/дисциплины, в результате чего выявляются так называемые «проблемные зоны» по отдельным разделам/подразделам [Рыбина, 2008a], [Рыбина, 2008b]. Необходимо также постоянно формировать списки студентов (контингенты) с высокими и/или низкими показателями уровня знаний/умений, проводить систематическую статистическую обработку данных, а также обеспечивать генерацию текущих и итоговых отчетов для кафедр и деканатов.

С мониторингом процесса функционирования обучающих ИЭС тесно связаны вопросы реинжиниринга отдельных программных средств комплекса АТ-ТЕХНОЛОГИЯ, в частности, подсистемы поддержки построения обучающих веб-ИЭС, поскольку регулярно возникают задачи множественной параллельной модификации ключевых программных средств подсистемы, что объясняется переосмыслением функциональных и технических показателей модифицируемых средств в масштабах всей подсистемы. Необходимо системно осуществлять динамическую модификацию программных средств с помощью набора унифицированных процедур, учитывая при этом: текущую работающую версию модифицируемых программных средств, включая реализуемые алгоритмы, модели и методы, а также исходный код и сценарии работы; взаимосвязь модифицируемого компонента с другими программными средствами.

Поэтому важное место уделяется соблюдению конкретной методологии реинжиниринга, что позволяет решить задачу системного и комплексного развития программных средств подсистемы поддержки построения обучающих веб-ИЭС, в соответствии с чем процесс реинжиниринга включает следующие этапы: обратный инжиниринг, реструктуризация, редокументирование, прямой инжиниринг (проектирование и реализация). В настоящее время наиболее сложным и наименее проработанным этапом решения задачи реинжиниринга является обратный инжиниринг, включающий представление компонента на уровне исходного кода; представление на уровне структуры кода; представление на уровне функций и процедур; представление на уровне классов; архитектурный уровень.

2. Способы реализации базовых задач интеллектуального обучения

Рассмотрим способы реализации базовых задач интеллектуального обучения, определенных в [Рыбина, 2010a], на примере обобщенного анализа использования обучающих ИЭС и веб-ИЭС в учебном процессе НИЯУ МИФИ.

2.1 Индивидуальное планирование методики изучения учебного курса

Построение индивидуальных моделей обучения по конкретному курсу/дисциплине для каждого студента, т.е. управление обучением, осуществляется на основе автоматической генерации конкретных планов (стратегий), причем каждая стратегия обучения включает определенную последовательность учебных воздействий. В качестве основных учебных воздействий в настоящее время используются: чтение гипертекстового учебника; решение учебно-тренировочных задач; «Тренинг с экспертной системой»; объяснения полученных результатов; подсказки; локализация ошибочных действий; контроль правильности решения и др. Каждая стратегия обучения характеризуется своим набором и порядком применения учебных воздействий, содержание которых определяется степенью конкретизации поставленной задачи, зависящей от уровня знаний/ умений обучаемого и его психологического портрета.

2.2 Интеллектуальный анализ решений учебных задач

Поскольку в настоящее время практически отсутствуют какие-либо подходы и конкретные методики для интеллектуального анализа решений НФ-задач, то в качестве основного методического приема для выявления навыков/умений обучаемых решать учебные задачи из курсов/дисциплин по отдельным направлениям искусственного интеллекта использовалось моделирование рассуждений студентов, решающих три типа учебных задач [Рыбина, 2010a]: моделирование стратегий прямого/обратного вывода в экспертных системах (ЭС) и моделирование простейших ситуаций ПрО с использованием фреймов (веб-ИЭС по курсам «Базы данных и экспертные системы (введение в интеллектуальные системы)»; «Экспертные системы»; «Интеллектуальные информационные системы»); построение компонентов лингвистической модели подъязыка деловой прозы (веб-ИЭС по курсу «Интеллектуальные диалоговые системы»).

Приведем пример функционирования специального компонента выявления умений обучаемых моделировать простейшие ситуации ПрО с помощью фреймов. Используются два стандартных для всех обучающих ИЭС и веб-ИЭС режима - режим работы преподавателя (DesignTime) и режим работы обучаемого (RunTime), снабженных адаптивным пользовательским интерфейсом, позволяющим как преподавателю, так и обучаемому быстро освоить и использовать все возможности компонента. Обеспечивается поддержка процессов построения и редактирования фреймов-прототипов любой сложности, а также сопровождение библиотеки настраиваемых методик оценивания, что в совокупности позволяет достаточно эффективно определять реальный уровень умений студента моделировать простейшие ситуации ПрО в виде фреймов-прототипов.

В режиме DesignTime преподаватель осуществляет ввод информации об эталонных фреймах-прототипах, а в режиме RunTime обеспечивается анализ введенных студентами контрольных фреймов-прототипов путем сравнения типов и значений слотов контрольного фрейма с эталоном, хранящимся в базе данных, а также выявление ошибок. Методики оценивания умений обучаемого включают в себя около двух десятков типов ошибок, максимально возможных при моделировании студентом ПрО с помощью фреймов, а итоговая оценка включает соответствующие комментарии.

2.3 Интеллектуальная поддержка принятия решений

Новый взгляд на возможности применения технологии веб?ИЭС и традиционных ЭС для поддержки НФ-методик в учебном процессе представляет опыт реализации модели обучения в части использования обучающих воздействий типа «Тренинг с ЭС» [Рыбина, 2008a], [Рыбина, 2008b]. В работе [Рыбина, 2008b] были приведены «за» и «против», связанные с использованием ЭС в чистом виде для целей обучения, и показано, что концепция ЭС и особенно ИЭС включает в себя значительно больше, чем просто представление и обработка знаний о ПрО - здесь обеспечивается возможность проверки действий обучаемого с динамической обратной связью в процессе обучения для избежания ошибочных выводов, а также использование отложенной обратной связи для периодической оценки знаний обучаемого, причем оба процесса можно проводить неоднократно.

Поэтому в рамках разработки обучающих воздействий типа «Тренинг с ЭС» для различных курсов/дисциплин, содержащих НФ-методики, наиболее актуальной является задача построения моделей ПрО (в том числе на основе знаний, содержащих отдельные виды НЕ-факторов знаний [Рыбина, 2008a]), а также реализация режима консультации путем построения сценария диалога с обучаемым, в котором значительное внимание уделяется объяснениям, подсказкам и/или проверке следующего этапа решения задачи и т.д.

учебный интегрированный экспертный инструментальный

3. Особенности интеллектуальной технологии разработки обучающих ИЭС

Характерной особенностью использования задачно-ориентированной методологии и комплекса АТ-ТЕХНОЛОГИЯ (интегрированная инструментальная среда, поддерживающая полный жизненный цикл создания и сопровождения прикладных ИЭС) является «интеллектуализация» процессов построения ИЭС [Рыбина, 2008a], в частности, обучающих ИЭС и веб-ИЭС. Это связано с тем, что процессы разработки полнофункциональных прототипов ИЭС осуществляются на основе знаний о технологии построения ИЭС, типовых проектных процедурах (ТПП), повторно используемых компонентах (ПИК) и др. средств, представляющих в совокупности интеллектуальную технологию построения ИЭС [Рыбина, 2005], [Рыбина и др., 2006], [Рыбина, 2008a].

Интеллектуальная поддержка разработки прототипов обучающих ИЭС включает в себя:

· построение плана разработки прототипа ИЭС на всех этапах жизненного цикла на основе знаний о моделях и методах решения типовых задач;

· динамическое ассистирование инженеру по знаниям (системному аналитику) при построении текущего прототипа ИЭС на основе знаний о ТПП и ПИК;

· синтез архитектуры прототипа ИЭС и его компонентов на основе расширенной информационно-логической модели;

· анализ прототипа за счет использования знаний о моделях и методах решения типовых задач;

· выдача рекомендаций и объяснений инженеру по знаниям.

Интеллектуальный планировщик «знает», сколько и каких ТПП и ПИКов имеется в комплексе, и для чего они предназначены, а также используемый алгоритм планирования, в соответствии с чем формируется набор задач для разработки любого прототипа ИЭС. Далее, исходя из требований к прототипу, сформированных на этапе анализа системных требований, планировщик декомпозирует план разработки на более мелкие задачи, в том числе посредством ТПП и механизмов взаимодействия с ПИКами комплекса.

Детальное описание архитектуры, состава и структуры базовой и веб-версии комплекса АТ-ТЕХНОЛОГИЯ приводится в [Рыбина, 2008a].

Кроме традиционного использования интеллектуальной технологии построения обучающих ИЭС и веб-ИЭС в профессиональном вузовском и поствузовском образовании большие перспективы для разработки и использования систем данного класса открываются на стыке с медициной, психологией, спортом и др. слабоструктурированными проблемными областями, которые до настоящего времени были не столь привлекательны для интеллектуального обучения. Это в значительной степени связано с вопросами построения личностно-ориентированных моделей обучаемых, отражающих, кроме профессиональных знаний и умений обучаемых, «психологические портреты личности», а также эффективные способы индивидуального учета личностных характеристик обучаемых при построении моделей обучаемых и моделей обучения. [Рыбина, 2010a]

В настоящее время в НИЯУ МИФИ проводятся исследования, связанные с разработкой прототипа обучающей ИЭС для поддержки процесса обучения спортивным единоборствам [Рыбина и др., 2009], [Рыбина и др., 2010]. Здесь в качестве сетевой модели обучаемого выступает модель спортсмена-единоборца, включающая, кроме начального и конечного уровня знаний и умений, сведения об индивидуальных особенностях спортсмена (уровень развития специальных физических качеств, морфофункциональные особенности и др.), а также его психологический портрет и процедуры выбора оптимальной стратегии тренировочного процесса в зависимости от особенностей его индивидуальных характеристик.

Другой цикл исследований связан с разработкой прототипа обучающей ИЭС по профилактике наркомании [Рыбина, 2010a], [Рыбина и др., 2010]. Основной целью в данном случае является моделирование с помощью обучающей ИЭС условий, формирующих у представителей группы риска «установки» на неприятие наркотических веществ с учетом индивидуальных особенностей личности (возрастных, психологических и др.). Клиент-серверная архитектура обучающих ИЭС позволяет динамически формировать модели обучаемых специального контингента (подростки группы риска, состоящие на учете в Комиссии по делам несовершеннолетних и защите их прав в возрасте от 10 до 17 лет) и строить индивидуальные модели обучения (первичной и вторичной профилактики) с учетом психологических портретов и историй болезней.

Заключение

Таким образом, интеллектуальная технология обучения на основе разработки и использовании обучающих ИЭС и веб-ИЭС открывает широкие возможности для индивидуализации, интеллектуализации и веб-ориентации компьютерного обучения, однако, сложность конечного программного продукта существенно возрастает с учетом интегрированности и распределенности системы в целом. Поэтому выбор технологии для реализации той или иной системы, основанной на знаниях, должен приниматься только после тщательного анализа конкретной задачи и проблемной области. Кроме того, необходимо учитывать такие факторы как требования к надежности и безопасности обучающих ИЭС и веб-ИЭС, а также обеспечивать контроль авторских прав экспертов (преподавателей-предметников) на знания, формализованные в ходе разработки каждой конкретной системы.

Список литературы

[Брусиловский, 2002] Брусиловский П.Л. Адаптивные и интеллектуальные технологии в сетевом обучении // Новости искусственного интеллекта. 2002. №5.

[Голенков и др., 2001] Голенков В.В., Емельянов В.В., Тарасов В.Б. Виртуальные кафедры и интеллектуальные обучающие системы // Новости искусственного интеллекта. 2001. № 4.

[Рыбина, 2005] Рыбина Г.В. Автоматизированное рабочее место для построения интегрированных экспертных систем: комплекс АТ-ТЕХНОЛОГИЯ // Новости искусственного интеллекта. 2005. №3.

[Рыбина и др., 2006] Рыбина Г.В., Иващенко М.Г. Методы и программные средства интеллектуальной поддержки разработки интегрированных экспертных систем // Программные продукты и системы. 2006. №6.

[Рыбина, 2008a] Рыбина Г.В. Теория и технология построения интегрированных экспертных систем. М.: «Научтехлитиздат», 2008.

[Рыбина, 2008b] Рыбина Г.В. Обучающие интегрированные экспертные системы: некоторые итоги и перспективы// Искусственный интеллект и принятие решений. 2008. №1.

[Рыбина, 2008c] Рыбина Г.В. Обучающие интегрированные экспертные системы: опыт и перспективы использования в современном компьютерном обучении // Одиннадцатая национальная конференция по искусственному интеллекту с международным участием. (КИИ-2008). Труды конференции. - М.: ЛЕНАНД, 2008. T.2.

[Рыбина, 2010a] Рыбина Г.В. Современные подходы к реализации интеллектуального компьютерного обучения на основе разработки и использования обучающих интегрированных экспертных систем // Приборы и системы. Управление, контроль, диагностика. 2010. №5.

[Рыбина, 2010b] Рыбина Г.В. Основы построения интеллектуальных систем. Учебное пособие. - М.: Финансы и статистика; ИНФРА_М, 2010.

[Рыбина, 2010c] Рыбина Г.В. Интеллектуальная технология обучения на основе разработки и использования интегрированных экспертных систем // Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления процессами и знаниями (РБП-СУЗ-2010). Сборник научных трудов. - М.: МЭСИ, 2010.

[Рыбина и др., 2009] Рыбина Г.В., Семенов А.В. Особенности извлечения и структурирования недостоверных знаний в интегрированной экспертной системе для поддержки процесса обучения спортивным единоборствам // Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте. Научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов. Научные доклады. В 2-х т. - М.: Физматлит, 2009. Т.1.

[Рыбина и др., 2010] Рыбина Г.В., Семенов А.В., Степанов Л.С., Нистратов О.В. Интеллектуальное обучение на основе разработки и использования обучающих интегрированных экспертных систем // Программные продукты и системы. 2010. №2.

Размещено на Allbest.ru