11

Размещено на http://www.allbest.ru/

Институт проблем управления им. В.А. Трапезникова РАН

Синтаксический подход к автоматизации процесса оценки знаний сотрудника

УДК (004)

И.С. Наумов E-mail: naigsa@gmail.com

Россия, 117997, Москва, Профсоюзная ул., 65

Введение

Роль человека в промышленных автоматизированных системах сводится к минимуму. Человеку остается только контролировать автоматизируемые процессы и принимать решения по управлению ими. Все эти действия играют решающую роль в производстве, т.к. любая ошибка может привести к необратимым последствиям.

За технологическим процессом наблюдают несколько человек - операторов. И в случае нештатной ситуации, для устранения проблемы им необходимо знать, как устроен весь технологический процесс, для этого они должны обладать необходимым объемом знаний.

На сегодняшний момент в большинстве случаев знания человека вынуждены проверять специалисты-эксперты предметной области. Примерами таких проверок знаний являются различного рода экзамены, собеседования, которые предполагают решение учебных (тестовых) задач.

Добиться полной автоматизации в этой области довольно сложно, т.к. оценка знаний является сложным интеллектуальным процессом.

Основным средством получения процедурных знаний и средством проверки декларативных знаний являются учебные задачи. Учебная задача - задача, разрешение которой связано с открытием и освоением нового познавательного метода, относящегося к более широкому классу задач, чем исходные.

В процессе усвоения знаний (обучения) условно можно выделить источник знаний - теория предметной области и приемник знаний - человек. Знания предметно области являются эталонными знаниями, которые остаются неизменными в течение всего процесса обучения, а знания человека являются пополняемыми. Таким образом, цель обучения заключается в том, чтобы максимально точно передать знания предметной области человеку.

Учебная задача, так же как и описание предметной области, представляют собой знания, которые приобретает человек в результате ее решения. Знания, содержащиеся в учебной задаче, являются частью знаний предметной области.

При сравнении знаний учебной задачи со знаниями предметной области и знаниями человека мы можем говорить о сложности и трудности учебной задачи, которые характеризуют данные сравнения.

Большинство систем оценки трудности задач, которые существуют, на сегодняшний день не производят комплексную оценку. Зачастую трудность задач оценивается по какому-то одному критерию, например, число шагов решения, время решения, вероятность решения. Поэтому, проблема оценки трудности задач остается актуальной до сих пор.

В данной работе будет рассмотрен подход автоматизированной оценки сложности учебной задачи, основанный на синтаксическом анализе текстов. Под текстами в данном случае понимаются описание предметной области и учебной задачи. В результате анализа текстов строится семантическая сеть, которая представляет собой набор вершин (понятий предметной области) и набор связей (отношения между понятиями предметной области). Таким образом, знания предметной области, знания человека и знания, которые содержит оцениваемая задача, представляются в виде семантических сетей. Оценка трудности задачи осуществляется путем сравнения этих сетей между собой.

1. Трудность и сложность учебной задачи

Задача, в самом общем виде - это система, обязательными компонентами которой являются: предмет задачи, находящийся в исходном состоянии; модель требуемого состояния предмета задачи (требование задачи) [1].

К понятиям, которые открывают возможность для количественной оценки задач, относят понятия трудности и сложности задач. В научной литературе термины «трудность» и «сложность» используются при описании задач почти как синонимы. Между тем в рассматриваемой постановке, они имеют разный смысл.

Существует два вида трудности задач: интегральная и дифференциальная [1]. Интегральная трудность задачи характеризуется объемом расходования ресурсов решателя, а дифференциальная трудность - интенсивностью расходования ресурсов решателя.

Для оценки трудности решаемых задач используют различные количественные показатели - субъективные и объективные. Субъективные показатели отражают мнения людей о трудности задачи, это могут быть как эксперты, так и сами субъекты, решаемые задачу.

Объективные показатели делятся на две группы. К первой группе относятся показатели, которые характеризуют расходование ресурсов субъектом. Показатели второй группы характеризуют степень успешности процесса решения задачи или качество достигаемого результата.

Можно выделить два вида сложности задач: сложность формулировки задачи и сложность предполагаемого процесса решения задачи.

Понимая сложность задачи как сложность процесса ее решения, можно выделить два вида сложности: реальную (реальный процесс решения на данный момент), и нормативную (процесс решения нормативным способом).

Обычно, если уж различают понятия о трудности и сложности задач, то трактуют сложность задачи как объективную категорию и трудность как субъективную категорию. Трудность характеризует возможность субъекта преодолеть объективную сложность задачи [1].

Для оценки сложности и трудности задачи необходимо иметь модель знаний, с помощью которой будут представлена информация, которую несет в себе задача. Также модель знаний необходима для представления знаний предметной области и знаний обучающегося.

2. Представление знаний

Для того чтобы произвести оценку знаний субъекта необходимо как-то эти знания представлять. Знания - закономерность предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой предметной области [2].

Формально знания можно представлять, как особо структурированную информацию. Информация особо структурированная, потому что в процессе усвоения знаний у субъекта формируется свое представление знаний, отличное от всех других. Это связано с тем, что его представления могут не соответствовать представлениям автора, передающего знания, могут появляться дополнительные факты и утверждения, которые он получил в результате своих умозаключений.

На сегодняшний день разработано большое количество моделей представления знаний. К наиболее популярным и наиболее используемым моделям можно отнести продукционную модель, семантические сети и фреймовые модели.

Выделим особенности представления знаний субъекта, на которых мы будем основываться:

· основа знаний субъекта представлена в виде декларативных знаний Декларативные знания представляют собой утверждения об объектах предметной области, их свойствах и отношениях между ними.;

· процесс получения знаний непрерывен, следовательно, модель знаний должна быть легко расширяемой;

· полученные знания не изменяются (категорические знания) На самом деле знания могут изменяться, но отследить эти изменения не представляется возможным. Как правило, такие изменение не имеют масштабный характер, поэтому мы можем предположить, что знания являются неизменными..

Наиболее подходящей под эти условия моделью являются семантические сети. Семантические сети изначально разрабатывались для представления знаний, поэтому данный способ представления знаний удовлетворяет условиям, приведенным выше.

Под семантической сетью подразумевается граф, описывающий определенную ситуацию или некоторый объект предметной области. Узлы графа представляют собой понятия, а дуги - отношения между понятиями Понятие - мысль, которая выделяет из некоторой предметной области и собирает в класс (обобщает) объекты посредством указания на их общий и отличительный признак..

3. Оценка трудности учебных задач

Рассмотрим один из способов оценки трудности формулировки задачи, т.е. оценки сложности формулировки задачи относительно субъекта, решаемого задачу.

Постановка задачи представляет собой текст Другие варианты представления задач (рисунки, чертежи) рассматриваться не будут., сформулированный в терминах предметной области. Формально текст задачи описывает объекты (понятия) предметной области и их отношения между собой. Такое представление удобнее всего описывать в виде семантической сети. Но, построить семантическую сеть задачи, которая состоит из объектов предметной области возможно только путем привлечения эксперта предметной области. Это связано с тем, что для построения такой сети необходимо понимание текста задачи, т.е. необходимо уметь работать с текстом на семантическом уровне. Автоматизировать такой процесс не представляется возможным, т.к. задача семантического анализа текста, на сегодняшний день, не решена на должном уровне [3].

Таким образом, если мы не можем автоматизировать оценку задачи на семантическом уровне, то мы вынуждены «опуститься» до синтаксического уровня. Задача обработки текста на синтаксическом уровне имеет решение [3, 4].

Оценка знаний предполагает сопоставление имеющихся знаний с эталонными. В нашем случае эталонными знаниями будут являться знания о предметной области.

Мы имеем систему, состоящую из трех семантических сетей: сеть текущей задачи (задачу, трудность которой мы оцениваем), «сеть предметной области» и сеть обучающегося.

Для сопоставления сетей будем использовать понятие семантической близости. Семантическая близость сетей характеризует, то, насколько, отличаются сети друг от друга, т.е. для определения семантической близости осуществляется сопоставление вершин и дуг сетей.

Семантическая близость сетей определяется исходя из двух сопоставлений: сопоставление вершин и сопоставление связей между вершинами.

Результатом оценки семантической близости сети предметной области и сети текущей задачи будет являться сложность задачи, сети текущей задачи и сети обучающегося - трудность задачи. Семантическая близость сети предметной области и сети обучающегося будет говорить об объеме усвоенных знаний.

Таким образом, с помощью оценки семантической близости сетей можно решить задачу по подбору задач для обучающегося Подбор задач для обучающегося необходим для организации индивидуального процесса обучения. От правильного подбора задача будет зависеть скорость обучения, последовательность подачи учебного материала. и задачу по оценке знаний обучающегося.

Текст задачи представляет собой набор предложений, состоящих из слов. Главными словами являются существительные, они олицетворяют объекты, например, «треугольник», «сторона», «точка» В дальнейшем все примеры будут рассматриваться в рамках предметной области планиметрия. Такой выбор связан с тем, что данная предметная область является простой и широко известной.. Существуют слова играющие роль связующих между существительными (отношения объектов), это могут быть глаголы и предлоги. Также связи могут образовываться за счет выявления падежа в словосочетаниях. Прилагательные в сочетании с существительными образуют новые объекты, происходит образование нового объекта из существующего за счет приписывания новых свойств объекту. Например, из объекта «треугольник» образуется объект «равнобедренный треугольник».

Таким образом, исходя из этих правил, по имеющемуся тексту можно построить простейшую семантическую сеть. Эта сеть позволит судить о том, как часто связываются друг с другом те или иные понятия Имеются в виду объекты семантической сети, но не все объекты семантической сети являются понятиями предметной области..

Рассмотрим пример семантической сети задачи. Текст задачи - докажите, что если луч исходит из вершины угла и образует с его сторонами равные острые углы, то он является биссектрисой угла [5]. На рисунке 1 изображена семантическая сеть этой задачи.

Рис. 1. Семантическая сеть задачи

Дуги семантической сети имеют вес, измеряющийся числом отношений между объектами, встретившихся в тексте. Как правило, в тексте одной задачи вес между объектами не бывает больше одного.

Рассмотрим, как и в какой последовательности происходит построение семантических сетей в процессе всего цикла обучения. Как правило, курс обучения разбивается на части. После каждой части происходит проверка знаний, которая выражается в виде решения задач обучающимся. Таким образом, процесс обучения представляет собой цикл, изображенный на рисунке 2. Первый этап - построение семантической сети предметной области по разделу учебного материала. Второй этап - решение задач обучающимся до тех пор, пока он не усвоит материал. Формально усвоение материала означает, что сеть предметной области является либо частью сети обучающегося, либо полностью совпадает, т.е. в сети обучающегося будут существовать все вершины и дуги, которые существуют в сети предметной области, при этом вес дуг сети обучающегося должен быть больше или равен весу дуг сети предметной области.

После того, как материал обучающимся усвоен, происходит построение семантической сети предметной области для нового раздела учебного материала. При этом сеть не строится заново, а достраивается уже существующая сеть, т.е. с каждым циклом обучения сеть предметной области модифицируется. Модификация подразумевает следующие действия с семантической сетью: изменение весов дуг, добавление новых дуг, добавление новых вершин.

Рис. 2. Цикл обучения

Сеть обучающегося строиться подобным образом. Цикл построения на рисунке 2 обозначен синим цветом. В случае каждого успешного решения задачи обучающимся, происходит расширение сети обучающегося за счет добавления сети решенной задачи.

Заключение

В данной работе был рассмотрен новый метод оценки знаний, который позволяет производить индивидуальную автоматизированную оценку знаний по предметной области на основе синтаксического анализа текстов.

Предложенный метод оценки знаний применим в различных областях деятельности человека. В частности, данный способ оценки знаний применим для оценки знаний сотрудников на автоматизированных производствах, позволяющий повысить надежность процесса производства.

Задача оценки знаний сводится к задаче оценки трудности учебных задач. Основная сложность задачи автоматизации оценки трудности учебных задач заключается в том, что текст, в виде которого представлены задачи, невозможно преобразовать в структуру объектов предметной области автоматически. Это связано с тем, что технологии, которые существуют на сегодняшний день, не решают эту задачу на должном уровне.

Методы, который была предложена в данной работе, заключалась в том, чтобы отказаться от семантического разбора текста, и остановится на синтаксическом разборе. Таким образом, используя данный подход, мы можем повысить эффективность проверки знаний людей по предметной области. автоматизированный сотрудник синтаксический

Преимуществом предложенного подхода является тот факт, что метод не «привязываемся» к конкретной предметной области, что делает его более универсальным.

Список литературы

Балл Г. А. Теория учебных задач: психолого-педагогический аспект // М.: Педагогика. 1990. С. 59-64.

Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем // СПб.: Питер. 2000. С 384.

Белоногов Г.Г. Компьютерная лингвистика и перспективные информационные технологии // М.: Русский мир. 2004. С 248.

Попов Э.В. Общение с ЭВМ на естественном языке // М.: Наука. 1982. С 360.

Погорелов А.В. Геометрия, учебник для 7-11 классов общеобразовательных учреждений // М.: Просвещение. 1995. С 383.

Размещено на Allbest.ru