Электронная библиотека Веда
Цели библиотеки
Скачать бесплатно
Доставка литературы
Доставка диссертаций
Размещение литературы
Контактные данные
Я ищу:
Библиотечный каталог российских и украинских диссертаций

Вы находитесь:
Диссертационные работы России
Технические науки
Управление в социальных и экономических системах

Диссертационная работа:

Жуков Дмитрий Олегович. Математические модели управления знаниями в информационных обучающих системах : дис. ... д-ра техн. наук : 05.13.10 Москва, 2006 344 с. РГБ ОД, 71:07-5/140

смотреть содержание
смотреть введение
Содержание к работе:

Введение 5

Глава 1. Основные задачи управления в системах автоматизированного
обучения
23

/./. Цель управления знаниями - обеспечение качества образования 23

  1. Роль знаний в современном обществе 23

  2. Дерево целей управления, качество и мера качества знаний 24

  3. Детализация (постановка) задач управления знаниями в АИОС....40

1.2. Объектно-ориентированное описание знаний 44

  1. Шкалы измерений знаний 44

  2. Знание как нечеткое множество 59

  3. Выводы 65

  1. Модели представления и управления знаниями в АИОС 66

  2. Управление диагностикой знаний. 75

  1. Методы контроля знаний 76

  2. Модели оценки знаний 87

  3. Выводы 92

1.5. Управление человеко-машинным общением в АИОС 92

  1. Роль человеко-машинного интерфейса в АИОС 94

  2. Графический интерфейс пользователя (GUI) в АИОС 97

  1. Взаимодействие различных групп пользователей с АИОС 106

  2. Выводы 117

Глава 2. Математические модели управления знаниями 121

  1. Эффективность и управление обучением 121

  2. Модель бинарного информационного потока при управлении представлением знаний 124

  1. Формализация модели представления знаний 124

  2. Краевые задачи и дифференциальные уравнения П-го порядка... 129

  3. Постановка и решение краевых задач при управлении обучением 130

  4. Количество информации в процессе представления знаний 137

  5. Определение числа шагов обучения 141

  6. Математическая модель коллективного обучения 145

  1. Модель многопоточного процесса представления знании 163

  2. Выводы 192

Глава 3. Алгоритмы эффективного управления диагностикой знаний 194

3.1. Алгоритмы диагностики знаний близкие к адаптивному
тестированию
194

  1. Контроль знаний по методике уточняющих вопросов 194

  2. Алгоритм анализа результатов при оценке «зачет-незачет» 196

  3. Алгоритм анализа результатов при оценке «неудовлетворительно— удовлетворительно—хорошо—отлично» 200

3.2. Классическая модель адаптивного тестирования 202

3.2.1. Расчет трудности заданий 204

3.3. Оптимизированная модель адаптивного тестирования 217

  1. Экспериментальная проверка оптимизированной модели адаптивного тестирования 222

  2. Выводы 233

Глава 4. Роль человеко-машинного интерфейса при управлении

обучением 236

  1. Создание графического интерфейса пользователем 236

  2. Создание графического интерфейса с учетом характеристик пользователя 239

з
4.3 Адаптация графического интерфейса 248

4.4. Выводы 258

Глава 5. Управление информационными процессами в АИОС 261

  1. Модель данных и структура баз данных обучающих систем 262

  2. Выбор СУБД для автоматизированной обучающей системы 270

  3. Передача и обработка информации в обучающих системах 275

  4. Экспериментальная проверка эффективности обработки информации в АИОС 279

Глава 6. Программная реализация АИОС и проверка разработанных

моделей управления 285

  1. Архитектура автоматизированных обучающих систем 285

  2. Подготовка материалов курса для использования в АИОС 290

  3. Реализация процесса обучения 294

  4. Программная реализация разработанных АИОС. 296

  5. Экспериментальная проверка эффективности разработанных обучающих систем 299

6.6. Выводы 305

Основные результаты диссертационной работы 306

Приложение 310

Акты о внедрении результатов диссертации 310

Свидетельства, выданные РОСПАТЕНТ на программы, разработанные по
результатам диссертации
316

Свидетельства, выданные РОСПАТЕНТ на базы данных, разработанные
по результатам диссертации
319

Свидетельства, выданные ОФАП на компьютерные программы,
разработанные по результатам диссертации
320

Дипломы и медали, полученные за разработки, выполненные по
результатам диссертации
322

Литература 325

Введение к работе:

Актуальность разработки математических и информационных моделей управления знаниями обусловлена как научными целями расширения теоретических представлений о процессах передачи знаний и обучения, так и практическими целями создания более эффективных обучающих систем, внедрение которых должно способствовать обеспечению необходимого качества образования, что напрямую связано с поддержкой Российской национальной образовательной доктрины.

В работе [1] авторами А.И. Субетто, Н.А. Селезневой, Л.А. Майборода, Ю.А. Кудрявцевым было четко обозначено, что «образование — один из ключевых моментов в стратегии выживания России в начале XXI века, реализации концепции ее устойчивого развития, обеспечения всей системы национальной безопасности. Россия сможет выжить только как «образованная, просвещенная Россия», в которой государство вместе с обществом постоянно несет ответственность за темпы повышения среднего образовательного ценза населения. Образовательная политика является ядром всей системы внутренней политики российского государства».

Одним из элементов доктрины образования [1] является его доступность вне зависимости от внешних обстоятельств и различных факторов.

Значительная протяженность территории и сосредоточенность ведущих педагогических кадров в крупных городах делает ограниченным доступ широкой аудитории пользователей к традиционным образовательным ресурсам, что вызывает необходимость разработки и использование автоматизированных информационно-обучающих систем (АИОС) и их размещение в сети Интернет. Построение и проектирование АИОС в значительной степени должно ориентироваться на Internet-технологии. В настоящее время число Internet-пользователей в России около 11 млн. человек и составляет от 7% до 15% в зависимости от региона, и по

6 прогнозам специалистов может увеличиться в течение ближайших 5 лет до 25%, что связано с наметившимся экономическим ростом и уменьшением стоимости подключения (за счет увеличения числа пользователей).

Разработка АИОС для сети Интернет должна учитывать необходимость интеграции сетевых ресурсов, которая способна вывести управление развитием образования и его качество на новый уровень. В работе П.И. Дзегелёнок, [2], являющегося учеником Н.А.Селезневой, была осуществлена разработка принципов управления развитием образовательной среды и создания инструментальных средств динамической интеграции сетевых информационных ресурсов. К основным достижениям данного исследования можно отнести разработку апостериорной схемы построения базы данных учебных ресурсов, позволяющую поддерживать растущее информационное поле в актуальном состоянии, что особенно важно для слабоструктурированных ресурсов, извлекаемых из сети Интернет.

Стоит выделить три основных направления использования информационных технологий в образовании:

обеспечение качества управления образованием;

общая компьютеризация вузов и развитие информационно-вычислительных сетей;

обеспечение качества обучения.

К сожалению, направленность данной работы не позволяет подробно обсудить все аспекты использования информационных технологий в образовании и обеспечении его необходимого качества. Компьютеризация вузов и развитие информационно-вычислительных сетей являются очень важным фактором обеспечения качества образования, но выходят за рамки обсуждения в данной работе.

Задачи управления и обеспечения качества образования по своей природе и в силу сложности систем, для которых они должны быть решены очень близки к задачам нечеткой оптимизации и принятия решений при нечетких состояниях среды и условиях некоторой неопределенности.

Решение подобных задач хорошо описано в работах профессора А.С.Рыкова [3,4].

Использование информационных технологий в обеспечении качества управления является хорошо проработанной сферой научной и технической деятельности и в этой связи можно упомянуть ряд работ профессоров А.Г. Дьячко и И.И. Дзегелёнок [например, 5 и 6], которые много сделали для использования информационных технологий в планировании и управлении учебным процессом, и обеспечении качества образования.

Нельзя не отметить, что одним из первых, кто начал развитие в России использования АИОС в обучении является директор научно-исследовательского института высшего образования, профессор Савельев А.Я.

Проблема обеспечения и управления качеством обучения в значительной степени может быть решена путем использования компьютерных обучающих программ и АИОС, что нашло свое отражение в работе профессора Елисова Л.Н. [7], работе [8] проводимой под руководством сотрудника Исследовательского центра проблем качества подготовки специалистов Ж.Н.Зайцевой и многих других работах.

Одним из мощных стимулов дальнейшего развития АИОС является рост рынка информатизации, составляющий 20% в год, и смещение приоритетов развития в постиндустриальном обществе в сторону информационных технологий.

Поскольку обучение и передача знаний затрагивают различные социальные группы, то процесс управления знаниями необходимо рассматривать, используя методы и модели теории управления и принятия решений в социальных системах. При решении задач управления обучением необходимо учесть, что в данном случае объектом управления является не физический объект, а система человек-компьютер, что является гораздо более трудной для формализации задачей. Представление знаний в данном случае имеет более широкий смысл, чем просто формализация предметной

области, т.е. совокупность декларативных методов, семантических сетей, формальных грамматик и т.д. Его необходимо рассматривать как совокупность процессов, включающих формализацию знаний, передачу их пользователю (обучение), усвоение и диагностику (для организации обратных связей).

Прежде чем приступить к формулировке задач управления знаниями и описанию их математических моделей необходимо дать определения следующим понятиям и категориям: что такое знание, как можно измерить знание, что такое представление знаний, зачем нужно управлять знаниями и каковы основные задачи управления этим процессом. Определение смыслового значения категории «знание» позволяет ввести измерение знания и, соответственно, после этого определить, в какой форме должно осуществляться представление знаний. Однако управление знаниями является более сложным вопросом, чем просто представление знаний, поскольку природа и математические модели процессов трансформации представления знаний в образ знаний (или знания) у объекта, которому они были представлены, остаются малоизученными. Любой процесс обучения и управления обучением должен быть направлен не на представление знаний, а на то, чтобы эти знания были усвоены, что невозможно без исследования и разработки математических моделей обучения, чему и посвящена настоящая работа. Естественно, математические модели должны опираться на ту или иную форму представления знаний и их измерения, поэтому построение моделей обучения невозможно без их обсуждения.

Знание как философская категория имеет очень глубокий и многогранный смысл, подробное описание которого просто не представляется возможным. Для этой философской категории можно дать следующее весьма упрощенное определение: знание - это форма существования и систематизации результатов познавательной деятельности человека. Выделяют различные виды знания: обыденное («здравый смысл»), личностное, неявное и т.д. Научному знанию присущи

логическая обоснованность, доказательность, воспроизводимость познавательных результатов. Всякая интеллектуальная деятельность, в том числе и обучение, опирается на знания, в которые следует включать характеристику текущей ситуации, оценку возможности выполнения тех или иных действий, законы того мира, в котором выполняются действия и т.д. Даже такой краткий обзор показывает необъятность и многогранность феномена «знание». Формулировка задачи управления знаниями должна начинаться с формализации описания модели, а условия управления и характеристики управляющих воздействий должны быть основаны на диагностике знаний и ее объективных критериях. Целенаправленная система управления должна обеспечивать достижение поставленных задач, относящихся к некоторым классам состояний обучаемых (связанных с оценкой уровня их знаний и возможностью достижения других состояний). Для каждого класса состояний в системе должна быть реализована последовательность управляющих воздействий, приводящих к желаемому результату. Причем именно это является первоочередной задачей при разработке управления автоматизированных информационно-обучающих систем, поскольку задачи управления базами данных, базами знаний и потоками учебной информации в значительной степени определяются именно моделями, на основе которых работает система, а не существующими аппаратными средствами и сетевыми технологиями. При построении математических моделей управления знаниями возникает необходимость большей детализации и сужения понятия знания. Пусть имеется некоторая предметная область знаний, например, определенная учебная дисциплина (философия, астрономия, биология, математика, химия, физика и т.д.). Каждая предметная область имеет свой набор взаимосвязанных по определенным законам элементов, которые составляют содержание учебной дисциплины. В множество этих элементов могут входить тезаурус, определения, законы, правила, теоремы, аксиомы, леммы, формулы, основные понятия и т.д. Сами эти элементы могут быть

представлены в различных формах: декларативной, процедурной или какой-либо иной.

Процедурные знания описывают последовательность действий, которые могут использоваться при решении каких-либо задач, декларативные знания, как правило, носят характер некоторых утверждений. Однако в любом случае необходимо каким-либо образом представлять эти знания, и, кроме того, контролировать, насколько хорошо были усвоены представленные знания.

Управление знаниями должно опираться на их диагностику, которая способна: во-первых, оптимизировать процесс индивидуального обучения, во-вторых, обеспечить правильное определение результатов обучения и, руководствуясь выработанными критериями, свести к минимуму ошибки при выборе стратегии действий обучающей системы. Диагностика должна быть направлена на решение двух основных задач:

управление обучением; -повышение эффективности обучения; и ориентироваться на следующие цели:

внутренняя и внешняя коррекция в случае неверной оценки результатов;

определение пробелов и подтверждение успешных результатов обучения;

планирование последующих этапов (итераций) учебного процесса.

Для того чтобы формировать управляющее воздействие при обучении и работать со знаниями, необходим, измеритель (инструмент) с помощью которого можно определять уровень знаний (их величину) или их соответствие некоторой экспертной оценке.

В настоящее время существует множество различных измерительных шкал и подходов к описанию измерений. В классическом понимании [9] измерение - это алгоритмическая операция, которая данному наблюдаемому состоянию объекта, процесса и т.д. ставит в соответствие определенное обозначение: число, номер, символ, определение и т.д. Данное соответствие обеспечивает то, что результаты измерений содержат информацию об

II объекте или его состоянии, а количество информации зависит от степени полноты этого соответствия.

Среди применяющихся шкал можно выделить:

Шкалы наименований (номинальные шкалы);

Порядковую шкала;

Шкалы интервалов;

Шкалы отношений и другие.

С точки зрения управления знаниями использование для измерений шкал наименований и порядковых шкал более подходит для качественных характеристик обучения, т.к. они имеют описательный характер и часто не позволяют корректно определять количественную величину управляющего воздействия. Использование абсолютной шкалы невозможно, поскольку в шкале знаний нельзя указать абсолютный нуль и единицу. Однако возможно использование шкалы интервалов с условными нулем и единицей и, при определенных условиях, шкалы отношений.

Представление знаний можно определить как представление элементов, составляющих предметную область, и их взаимосвязей друг с другом. Все более возрастающие информационные потоки, с которыми сталкивается человек, привели к необходимости использования компьютерных автоматизированных обучающих систем и, как следствие, к необходимости формализации представления знаний.

Можно выделить три типа формальных моделей представления знаний: логическую, сетевую и продукционную. Логическая модель представляет собой, как правило, некоторую формальную систему исчислений, обычно это бывает исчисление предикатов первого порядка. Все знания о предметной области описываются в виде формул этого исчисления или так называемых правил вывода.

Более наглядной оказывается сетевая модель представления знаний, согласно которой любые знания можно представить в виде совокупности конечного числа объектов (понятий) и связей (отношений) между ними.

Простейшие отношения между объектами называются базовыми, а все остальные могут быть выражены через них, как некоторые комбинации. Данный подход лежит в основе так называемых семантических сетей. Все понятия, входящие в сеть, описываются в виде фреймов — минимально возможного описания сущности какого-либо явления, события, ситуации и т.д. Каждый фрейм состоит из элементарных единиц — слотов (причем в качестве слотов могут выступать новые фреймы и т.д.). Для того чтобы представить семантическую сеть в виде совокупности фреймов необходимо представлять отношения между вершинами сети.

Основу продукционной модели составляют системы продукций. Каждая продукция в наиболее общем виде записывается как стандартное выражение следующего вида:

Имя продукции

Имя сферы

Предусловие

Условие для ядра

Если «А» то «В» (А и В имеют разные значения)

Постусловие

Каждая из форм представления знаний послужила в свое время основой для создания языка программирования, ориентированного на работу со знаниями (например, язык Frame Representation Language, основанный на фреймовых представлениях, и язык Пролог, опирающийся на модель представления в виде продукции).

Машинные формы обучения подразумевают создание баз знаний большого размера, что является очень сложным. Поскольку необходимо не только накапливать знания и представлять их выбранным способом, но и проверять их полноту и непротиворечивость.

Измерение и представление знаний является в настоящее время достаточно хорошо изученным вопросом [10]. Однако в управление знаниями необходимо включить и процессы преобразования

представления знаний в знания, которые формируются у объекта обучения, что является еще мало изученной научной областью. При работе со знаниями, в силу их специфических свойств, возникают существенные трудности. Несмотря на то, что любые знания являются моделью объективной реальности, сами знания также можно рассматривать как реально существующий объект. Однако любое представление знаний всегда основывается на определенной модели, и уже в силу этого является ограниченным и неполным по сравнению с самим знанием. Объект (например, учащийся), получает представление знаний, которые он трансформирует в собственное представление знаний. Априори неизвестно, какие процессы происходят при такой трансформации, т.е. объект представляет собой «черный ящик», на вход в который передаются некоторые входные данные и оказывается управляющие воздействие, основанное на информации, полученной на выходе. В результате представления знаний объекту и их усвоения, у объекта формируется свой образ представления знаний. При контроле усвоения знаний, строго говоря, объект возвращает не знания, как таковые, не представление знаний, и даже не образ представления знаний, а свое представление образа представления знаний (см. рис.1). Задачей контроля является сопоставление образа представления знаний сформировавшегося у объекта с экспертной оценкой знаний (например, знаниями преподавателя в данной предметной области), которую мы принимаем за основу измерений.

предст явление

ШПИНЯ

обьект, для которого пропсходігг представление знании

представление образа представления знаний

/фОрШЦїОВ АН 1С

V. представления

Рис.1. Упрощенная схема превращения знаний в образ знаний у объекта

обучения

На основании отличия отклика объекта от эталона необходимо сформировать управляющее воздействие и таким образом управлять представлением знаний, чтобы после цикла обучающих воздействий величина отличия соответствовала бы заранее установленному значению.

С научной и теоретической точки зрения разработка математических и информационных моделей управления знаниями в автоматизированных информационно-обучающих системах представляет существенный интерес:

Человеко-машинное общение и обучение является одним из наиболее сложных и малоизученных информационных процессов (в существующих автоматизированных информационных обучающих системах АИОС нет адекватных математических моделей описывающих процесс обучения человека компьютерной системой).

Наличие человеческого фактора делает процесс взаимодействия человек-компьютер в некоторой степени непредсказуемым (вероятностным). Кроме того, необходимо учитывать психофизиологические особенности конкретного пользователя и особенности его индивидуальной работы с обучающей системой. Автоматизированные информационно-обучающие системы (АИОС), в силу присутствия человеческого фактора, действие которого имеет психофизическую природу, можно отнести к классу стохастических систем управления [11-15]. Процессы в которых (при определенных условиях), можно рассматривать как полумарковские процессы (вероятность перехода при которых из одного состояния в другое зависит как от этого состояния, так и от состояния, в которое будет осуществлен следующий переход [11-13,16]). Подобный подход получил фундаментальное обоснование и развитие в работах профессора А.П.Свиридова [11-13]. В любых стохастических системах, в том числе и в АИОС стратегией управления, обеспечивающей необходимые уровень и точность управления (мера возможности достижения системой управления заданной цели) является прогнозирование событий. В данном случае прогнозирование это вероятностная оценка достижения

будущего состояния системы на основе минимальной и достаточной информации о прошлых и настоящих входных сигналах, прошлом управлении и его результатах) и упреждающая реализация управления на объект управления,

Имеющиеся возможности информационных технологий по обработке и
передаче данных уже существенно превосходят возможности человека по
их усвоению, что определяет необходимость адаптации человеко-
машинного взаимодействия и разработки новых подходов к созданию
человеко-машинных интерфейсов.

Цель исследования. Разработка математических моделей эффективного управления знаниями, позволяющих достигнуть заданного уровня обученности индивидуальных и коллективных пользователей за наименьшее время и число шагов обучения.

Задачи исследования

разработка методов формализации задач управления процессами усвоения знаний в обучающих системах;

разработка математических и информационных моделей управления процессами усвоения знаний с учетом диагностики знаний;

разработка методов и алгоритмов управления процессами восприятия знаний и процессами машинного обучения с учетом информационных потребностей коллективных и индивидуальных пользователей;

разработка эффективных алгоритмов, позволяющих при сохранении надежности полученных результатов уменьшить затраты труда и времени на диагностику знаний, которая необходима для установления обратных связей при управлении процессами усвоения знаний;

разработка методов и правил построения наиболее эргономичных для данного пользователя графических человеко-машинных интерфейсов, повышающих эффективность управления за счет того, что использование системы становится более удобным;

разработка программного обеспечения АИОС, и экспериментальная
проверка на их базе предлагаемых в данной работе математических и
информационных моделей процессов управления восприятием знаний,
методов работы со знаниями, методов машинного обучения, методов
построения наиболее эргономичных для данного пользователя
графических интерфейсов и эффективных алгоритмов диагностики
знаний.

Объект и предмет исследования. Объектом исследования являются процессы управления восприятием знаний, а предметом исследований разработка эффективных математических и информационных моделей управления процессами восприятия знаний на дисциплинарном уровне для отдельных пользователей и их групп, с целью повышения качества образования.

Методы исследования. Для реализации намеченных целей и решения задач были использованы следующие методы и технологии:

математическая статистика;

операционное исчисление;

теория принятия решений;

методы системного анализа;

методы оптимизации. Научная новизна

Разработаны методы формализации задач управления процессами восприятия знаний, при которых процессы обучения, рассматриваются как совокупность случайных переходов между соседними состояниями, описывающими изучаемую информационную систему.

Разработаны математические модели управления знаниями, в которых для процессов обучения были получены как гиперболические, так и параболические дифференциальные уравнения П-го порядка, на основе которых были сформулированы и решены краевые задачи (с различными граничными условиями), учитывающие как личностные характеристики

пользователей, так и особенности информационных процессов обучения в группе.

Определено количество учебной информации, передаваемой на одном шаге обучения пользователю или группе (в зависимости от индивидуальных характеристик), для того чтобы работа системы была наиболее эффективной.

На основе созданных моделей разработаны новые алгоритмы и методы машинного обучения и диагностики знаний, позволяющие при сохранении надежности полученных результатов уменьшить затраты труда и времени на диагностику знаний, которая необходима для установления обратных связей при управлении процессами усвоения знаний и обучение.

Исследованы некоторые модели человеко-машинного общения. На основе полученных результатов разработаны новые теоретические и практические принципы построения наиболее эргономичных, для данного пользователя графических интерфейсов (созданных с учетом его психофизиологических особенностей), что должно способствовать более эффективному управлению процессом предоставления знаний.

Практическая значимость. Практическая значимость диссертации состоит в том, что использование в учебном процессе АИОС, созданных на основании результатов полученных в работе, приводит к увеличению среднего балл на экзамене по сравнению с контрольными группами примерно на 0,4-0,2 балла и уменьшению количества необходимого для обучения времени примерно в 1,5-2,0 раза. Автоматизированные компьютерные системы диагностики знаний, работающие по адаптивным алгоритмам, разработанным в диссертации позволяют при сохранении надежности полученных результатов уменьшить затраты труда и времени на диагностику знаний.

Достоверность полученных в диссертации результатов, выводов и рекомендаций подтверждается результатами практического использования.

На основании математических и информационных моделей, полученных в диссертационной работе было создано несколько прикладных компьютерных программ, внедренных в ряде вузов. В частности было внедрено:

сетевая система тестирования знаний, с элементами искусственного интеллекта;

сетевой мультимедийный лабораторный практикум по курсу общей физики;

сетевой мультимедийный лабораторный практикум по аналитической химии «Основы количественного химического анализа»;

Интернет система обучения, диагностики знаний и психологического тестирования.

В Российском университете дружбы народов (РУДН) на ФПК внедрены компьютерные обучающие программы и системы тестирования знаний.

На разработки, выполненные по результатам диссертации, получено 11 свидетельств о регистрации программ для ЭВМ и 2 свидетельства о регистрации баз данных (выданные РОСПАТЕНТом), 8 свидетельств выданных отраслевым фондом алгоритмов и программ Министерства образования РФ (ОФАП).

Практическая значимость полученных в диссертации результатов подтверждается дипломами и наградами, полученными за разработки, выполненные на основе диссертационной работы. Среди наград можно упомянуть дипломы Московского инженерно-технического института (технический университет), золотые и серебреные медали международных выставок.

Начиная с 2002 года, и на протяжении ряда лет, полученные в данной диссертации результаты используются для разработки программного обеспечения, создаваемого в рамках Межвузовской комплексной работы

«Инновационные технологии образования», проводимой Федеральным Агентством по образованию РФ.

Основные положения выносимые на защиту

1. Методы формализации задач управления процессами усвоения знаний, в
которых процесс обучения рассматривается как переход между
соседними состояниями (величина знаний в которых выражается в

оценочных единицах-баллах). При величине знаний Т , предоставляемой объекту обучения на шаге обучения h, его балл из состояния (k-I) может переходить в состояние к, кроме того, изменение состояния к может осуществляться и за счет перехода к+1—>к, а процесс обучения можно рассматривать, или как бинарный (двухпоточный) или как многопоточный (четырехпоточный) информационный случайный процесс.

2. Процесс управления знаниями при обучении можно описать как краевую
задачу с помощью неоднородных дифференциальных уравнений второго
порядка (как гиперболического (для двухпоточного процесса), так и
параболического (для четырехпоточного процесса) типа), учитывающих
не только процесс «механического» накопления учебной информации
объектом обучения в зависимости от числа шагов обучения, но и
структуризацию знаний. Суть сформулированных краевых задач
заключается в следующем:

При индивидуальном обучении: На границе отрезка распределения

баллов л должно выполняться граничное условие "отражения" (т.е. баллы не могут уменьшаться и выходить в область отрицательных

значений). На границе * отрезка распределения баллов

необходимо, чтобы выполнялось граничное условие "поглощения" (т.к. пользователь, достигший заданный уровень в L баллов заканчивает обучение). Каждый пользователь, имея начальный балл равный

некоторому Л должен после общения с системой, через некоторое

число шагов обучения достигнуть уровня обученности в L баллов, или в противном случае процесс обучения должен продолжаться. Для модели коллективного обучения (группы) необходимо учитывать, что знания группы в целом характеризуются функцией распределения

r . Поэтому, плотность вероятности получить при

тестировании балл равный нулю должна быть равна нулю, а знания некоторых субъектов обучения могут превосходить уровень L, но процесс обучения продолжается, а достижение бесконечно большой величины баллов не возможно (равно нулю). Полученные решения описывают, как индивидуальную

восприимчивость пользователей к обучению, так и особенности

процессов обучения группы.

  1. Решения сформулированных краевых задач, которые позволяют определить необходимое количество учебной информации, передаваемой на одном шаге обучения объекту обучения (в зависимости от его характеристик), для того чтобы процесс был наиболее эффективным (заданное состояние обученности было бы достигнуто за наименьшее число шагов).

  2. Алгоритмы и методы машинного обучения и диагностики знаний, полученные на основе представленных в диссертации математических и информационных моделей управления процессами усвоения знаний.

  3. Адаптивная модель диагностики знаний, позволяющая уменьшить число вопросов и затраты времени при тестировании. В представленной модели максимальное число вопросов, которые необходимо задать пользователю для точной оценке его уровня подготовленности не превосходит

(где N-число уровней трудности вопросов).

6. Новые методы и правила создания более эргономичных графических
пользовательских интерфейсов (GUI), (созданных с учетом
психофизиологических особенностей пользователя и тем самым

повышающих эффективность управления знаниями, за счет адаптации человеко-машинного взаимодействия).

Апробация работы

Основные результаты диссертационной работы докладывались на:

Международной конференции «Научная сессия МИФИ-2006», 23-27 января 2005 г., Москва, Россия.

Международной конференции "Научная сессия МИФИ-2005", 24-28 января 2005 г., Москва, Россия.

VII Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права», 1-5 октября 2004 г., Сочи, Россия.

X Международной конференции «Современные технологии обучения СТО-2004», 21-22 апреля 2004 г., С.-Петербург, Россия.

Международной конференции «Интернет-образование» (Web-Based Education - 2004), 16 - 18 февраля 2004 г., Инсбрук, Австрия.

Международной конференции «Научная сессия МИФИ-2004», 26-30 января 2004 г., Москва, Россия.

VI Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права», 6-9 октября 2003 г., Сочи, Россия.

XI Международной школе - семинаре «Новые информационные технологии», 20-23 мая 2003 г., Судак, Украина.

IX Международной конференции «Современные технологии обучения СТО-2003», 23 апреля 2003 г., С.-Петербург, Россия.

Международной конференции «Научная сессия МИФИ-2003», 20-24 января 2003 г., Москва, Россия.

II Всероссийской научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике», 26-27 ноября 2002 г., Пенза, Россия.

Международной конференции «Научная сессия МИФИ-2002», 21-25 января 2002 г., Москва, Россия.

Научно-технических семинарах кафедр «Автоматизированные системы обработки информации и управления» и «Вычислительные машины, комплексы, системы и сети» Московской государственной академии приборостроения и информатики.

Публикации. По теме диссертационной работы было опубликовано более 80 научных работ (13 из которых в указанных ВАК ведущих рецензируемых научных журналах и изданиях, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора наук). Монография: Жуков Д.О. Программное обеспечение мультимедийных систем обучения и диагностики знаний, М.: «Радио и связь», 2003. - 432с. Получено 11 авторских свидетельств, выданных РОСПАТЕНТ на программы для ЭВМ и 2 авторских свидетельства на базы данных. Кроме того, получено 8 авторских свидетельств, выданных ОФАП на компьютерные программы, 8 дипломов и 3 медали различных выставок.

Структура и объем диссертационной работы. Диссертация состоит из введения, 6 глав с 12 таблицами и 62 иллюстраций (рисунки, графики, схемы, экранные формы и т.д.), заключения, приложения и библиографического списка, состоящего из 201 названия. Общий объем работы составляет 342 страницы.

Подобные работы
Зеленин Александр Юрьевич
Управление инвестиционным процессом развития региональной системы телерадиовещания на основе моделей и алгоритмов принятия решений
Гриценко Андрей Валентинович
Метод и алгоритмы синтеза топологической структуры сети обмена разнородными данными и знаниями в социально-экономических системах
Шкарупета Елена Витальевна
Организационно-экономический механизм управления знаниями в социально-экономических системах
Паничкина Марина Васильевна
Разработка информационно-аналитической модели взаимодействия системы образования и бизнес-сообщества
Айшаева Зарема Оюсовна
Механизмы и модели совершенствования системы планирования и управления деятельностью фирмы
Кочиева Таиса Багратовна
Исследование и разработка моделей базовых систем стимулирования в активных системах
Голембиовский Дмитрий Юрьевич
Модели, стратегии и системы управления портфелем производных финансовых инструментов
Бережная Елена Викторовна
Методология и экономико-вероятностные модели управления автотранспортными системами в нестабильной экономической среде
Давыдов Сергей Викторович
Когнитивные модели управления развитием систем профессионального образования
Ломиногина Елена Владимировна
Модели управления для нелинейной системы организации учебного процесса вуза

© Научная электронная библиотека «Веда», 2003-2013.
info@lib.ua-ru.net