Ekspertu un inteliģentas mācību sistēmas. Izveidojiet atskaiti kā datu bāzes objektu. Ekspertu un mācību sistēmas no lietotāja Ekspertu mācību sistēmas izglītībā

Kopsavilkums par tēmu:

"Atskaites kā datu bāzes objekta izveide. Ekspertu un mācību sistēmas"

Samstags

Izveidojiet atskaiti kā datu bāzes objektu

Pārskata struktūra dizaina skatā

Parskata izveides veidi

Izveidojiet parskatu

Izveidojiet atskaiti kā datu bāzes objektu

Pārskats ir formatēts datu attēlojums, kas tiek parādīts, izdrukāts vai reģistrēts. Tie ļauj iegūt nepieciešamo informāciju no datu bāzes un pasniegt to viegli saprotamā formā, kā arī sniedz plašas iespējas datu apkopošanai un analīzei.

Drukājot tabulas un vaicājumus, informācija tiek izsniegta gandrīz tādā formā, kādā tā tiek glabāta. Bieži vien ir nepieciešams sniegt datus tradicionālu un viegli lasāmu atskaišu veidā. Detalizētā pārskatā ir iekļauta visa informācija no tabulas vai vaicājuma, taču tajā ir galvenes un lappušu lapas ar galvenēm un kājenēm.

Pārskata struktūra dizaina skatā

Microsoft Access pārskatā parāda datus no vaicājuma vai tabulas, pievienojot tam teksta elementus, kas atvieglo lasīšanu.

Šie elementi ietver:

Nosaukums. Šī sadaļa tiek drukāta tikai atskaites pirmās lapas augšdaļā. Izmanto, lai izvadītu datus, piemēram, pārskata virsraksta tekstu, datumu vai dokumenta teksta daļu, kas jāizdrukā vienu reizi pārskata sākumā. Lai pievienotu vai noņemtu atskaites galvenes apgabalu, izvēlnē Skats atlasiet komandu Pārskata virsraksts/piezīme.

Lapas Galven. Izmanto, lai parādītu datus, piemēram, kolonnu virsrakstus, datumus vai lappušu numurus, kas uzdrukāti katras atskaites lapas augšpusē. Lai pievienotu vai noņemtu galveni, izvēlnē Skats atlasiet Galvenes un kājenes. Microsoft Access vienlaikus pievieno galveni un kājeni. Lai paslēptu kādu no galvenēm un kājenēm, iestatiet tā rekvizītu Höhe uz 0.

Datu apgabals, kas atrodas starp lapas galveni un kājeni. Ietver galveno ziņojuma daļu. Šajā sadaļā tiek parādīti dati, kas tiek drukāti katram ierakstam tabulā vai vaicājumā, uz kuru balstās atskaite. Lai datu apgabalā novietotu vadīklas, tiek izmantots lauku saraksts un elementu panelis. Lai paslēptu datu apgabalu, iestatiet sadaļas rekvizītu Höhe uz 0.

Kajene. Šī sadaļa parādās katras lapas apakšā. Izmanto, lai parādītu datus, piemēram, kopsummas, datumus vai lappušu numurus, kas drukāti katras atskaites lapas apakšā.

Piezime. Izmanto, lai parādītu datus, piemēram, secinājumu tekstu, kopējās summas vai parakstu, kas būtu jāizdrukā vienu reizi pārskata beigās. Lai gan pārskata sadaļa Piezīme atrodas atskaites apakšā noformējuma skatā, tā tiek drukāta virs lapas kājenes pārskata pēdējā lapā. Lai atskaitei pievienotu vai noņemtu piezīmju apgabalu, izvēlnē Skats atlasiet komandu Pārskata virsraksts/piezīme. Microsoft Access vienlaikus pievieno un noņem atskaites galvenes un piezīmju apgabalus.

Parskata izveides veidi

Varat izveidot pārskatus Programm Microsoft Access Dazadi Celi:

Konstrukteure

Ziniošanas vednis

Automatiskais pārskats: katrā kolonnā

Automatiskais ziņojums: lente

Diagrammu vednis

Nudelknoten

Vednis ļauj izveidot atskaites ar ierakstu grupēšanu un ir a vienkāršākais veids veidojot atskaites. Tas iekļauj atlasītos laukus pārskatā un piedāvā sešus pārskatu stilus. Pēc vedņa pabeigšanas iegūto pārskatu var pabeigt noformēšanas režīmā. Izmantojot automātiskās atskaites funkciju, varatātri izveidot pārskatus un pēc tam veikt tajos dažas izmaiņas.

Lai izveidotu automatisko pārskatu, rīkojieties šādi:

Datu bāzes logā noklikšķiniet uz cilnes Pārskati un pēc tam noklikšķiniet uz pogas Izveidot. Tiek parādīts dialoglodziņš Jauns ziņojums.

Saraksta atlasiet AutoReport: To Column vai AutoReport: To Ribbon.

Datu avota laukā noklikšķiniet uz bultiņas un kā datu avotu atlasiet tabulu vai vaicājumu.

Noklikšķiniet uz pogas Labi.

Automātiskā pārskata vednis izveido automātisko pārskatu kolonnā vai lentē (lietotāja izvēle) un atver to priekšskatījuma režīmā, kas ļauj redzēt, kā atskaite izskatīsies pēc izdrukāšanas.

Pārskata displeja mēroga maina

Lai mainītu displeja mērogu, izmantojiet rādītāju - palielināmo stiklu. Lai skatītu visu lapu, jānoklikšķina jebkurā pārskata vietā. Pārskata lapa tiks parādīta ekrānā samazinātā mērogā.

Noklikšķiniet vēlreiz uz pārskata, lai atgrieztos palielinātajā skatā. Palielinātā pārskata režīmā punkts, uz kura noklikšķinājāt, būs ekrāna centrā. Lai ritinātu pārskata lapas, izmantojiet navigācijas pogas loga apakšā.

Atskaites drukāšana

Lai izdrukātu atskaiti, rīkojieties šādi:

Izvēlnē Fails noklikšķiniet uz Drukāt.

Apgabalā Drukāšana noklikšķiniet uz opcijas Lapas.

Lai izdrukātu tikai atskaites pirmo lapu, laukā "no" ievadiet 1 un laukā "uz" - 1.

Noklikšķiniet uz pogas Labi.

Pirms atskaites drukāšanas vēlams to apskatīt režīmā Priekšskatījums, uz kuru pārslēgties, izvēlnē Skats izvēlieties Priekšskatījums.

Ja drukāšanas laikā atskaites beigās parādās tukša lapa, pārliecinieties, vai atskaites piezīmju iestatījums Augstums ir iestatīts uz 0. Ja drukājat tukšas atskaites starplapas, pārliecinieties, ka veidlapas vai atskaites platuma un kreisās puses un labās piemales platums nepārsniedz papīra platumu, kas norādīts dialoglodziņā Lappuses iestatīšana (izvēlne scheitert).

Veidojot atskaites izkārtojumus, izmantojiet šādu formel: atskaites platums + kreisā piemale + labā piemale

Lai pielāgotu pārskata lielumu, ir jāizmanto šādas metodes:

mainīt atskaites platuma vērtību;

samaziniet piemaļu platumu vai mainiet lapas orientāciju.

Izveidojiet parskatu

1. Palaidiet Microsoft Access-Programm. Atveriet datu bāzi (piemēram, izglītības datubāzi "Dekanāts").

2. Izveidojiet automatisko pārskatu: lente, izmantojot tabulu kā datu avotu (piemēram, Studenti). Atskaite tiek atvērta priekšskatījuma režīmā, kasļauj redzēt, kā atskaite izskatīsies pēc izdrukāšanas.

3. Pāriet uz noformējuma skatu un rediģējiet un formatējiet atskaiti. Lai pārslēgtos no priekšskatījuma uz noformējuma skatu, Access lietojumprogrammas loga rīkjoslā noklikšķiniet uz Aizvērt. Pārskats parādīsies ekrānā noformējuma skatā.

Rediģēšana:

1) noņemiet studenta koda laukus galvenē un datu apgabalā;

2) Pārvietojiet visus laukus galvenē un datu apgabalā pa kreisi.

3) Mainiet uzrakstu lapas nosaukumā

Sadaļā Pārskata nosaukums iezīmējiet uzrakstu Studenti.

Novietojiet peles rādītāju pa labi no vārda Studenten, lai rādītājs mainītos uz vertikālu joslu (ievades kursoru), un noklikšķiniet uz šīs pozīcijas.

Ievadiet NTU "KhPI" un nospiediet taustiņu Enter.

4) Parvietojiet parakstu. Kājenē iezīmējiet lauku =Jetzt() un velciet to uz pārskata galveni ar nosaukumu Studenti. Datums tiks paradits zem virsraksta.

5) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Formatēšana:

1) Iezīmējiet virsrakstu NTU studenti „KhPI“

2) Mainiet burtveidolu, fonta stilu un krāsu, kā arī fona aizpildījuma krāsu.

3) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Stila maina:

Lai mainītu stilu, rīkojieties šādi:

Atskaišu noformētāja rīkjoslā noklikšķiniet uz pogas AutoFormat, lai atvērtu dialoglodziņu AutoFormat.

Objekta Parskats - automatiskais formatējums sarakstā stili noklikšķiniet uz Stingrs un pēc tam noklikšķiniet uz Labi. Pārskats tiks formatēts stingri stilā.

Pārslēdzas uz priekšskatījuma režīmu. Pārskats tiks parādīts jūsu izvēlētajā stilā. Turpmāk visiem pārskatiem, kas izveidoti, izmantojot funkciju AutoReport, būs stils Stingrs, līdz logā AutoFormat norādīsiet citu stilu.

Ekspertu un mācību sistēmas

Ekspertu sistēmas ir viens no galvenajiem mākslīgā intelekta lietojumiem. Mākslīgais intelekts ir viena no datorzinātņu nozarēm, kas nodarbojas ar to cilvēka darbības veidu aparatūras un programmatūras modelēšanas uzdevumiem, kas tiek uzskatīti par intelektuāliem.

Mākslīgā intelekta pētījumu rezultāti tiek izmantoti viedās sistēmās, kas spēj risināt radošas problēmas, kas pieder konkrētai mācību jomai, par kurām zināšanas glabājas sistēmas atmiņā (zināšāu). Mākslīgā intelekta sistēmas ir vērstas uz lielas uzdevumu klases risināšanu, kas ietver tā sauktos daļēji strukturētos jeb nestrukturētos uzdevumus (slikti formalizētus vai neoformalizētus uzdevumus).

Informācijas sistēmas, ko izmanto daļēji strukturētu uzdevumu risināšanai, iedala divos veidos:

Vadības atskaišu veidošana (datu apstrādes veikšana: meklēšana, šķirošana, filtrēšana). Lēmums tiek pieņemts, pamatojoties uz šajos ziņojumos ietverto informāciju.

Iespējamo alternatīvo risinājumu izstrāde. Lēmumu pieņemšana tiek samazināta līdz vienas no piedāvātajām alternatīvām izvēlei.

Informācijas sistēmas, kas izstrādā alternatīvus risinājumus, var būt paraugs vai eksperts:

modelis Informationssystem sistēmas nodrošināt lietotājam modeļus (matemātiskos, statistiskos, finanšu u.c.), kas palīdz nodrošināt risinājumu alternatīvu izstrādi un izvērtēšanu.

Ekspertu informācijas sistēmas nodrošina lietotāja iespējamo alternatīvu izstrādi un izvērtēšanu, veidojot sistēmas, kuru pamatā ir zināšanas, kas iegūtas no speciālistiem – ekspertiem.

Ekspertu sistēmas ir datorprogrammas, kas uzkrāj speciālistu - konkrēto priekšmetu jomu ekspertu zināšanas, kas paredzētas pieņemamu risinājumu iegūšanai informācijas apstrādes procesā. Ekspertu sistēmas pārveido ekspertu pieredzi noteiktā zināšanu jomā heiristisko noteikumu formā un ir paredzētas mazāk kvalificētu speciālistu konsultēšanai.

Ir zināms, ka zināšanas pastāv divos veidos: kolektīvā pieredze, personīgā pieredze. Ja mācību priekšmetu jomu pārstāv kolektīvā pieredze (piemēram, augstākā matemātika), tad šai priekšmeta jomai ekspertu sistēmas nav vajadzīgas. Ja priekšmeta jomā lielākā daļa zināšanu ir augsta līmeņa speciālistu personīgā pieredze un šīs zināšanas ir daļēji strukturētas, tad šajā jomā ir nepieciešamas ekspertu sistēmas. Mūsdienu ekspertu sistēmas tiek plaši izmantotas visās ekonomikas jomās.

Zināšanu bāze ir ekspertu sistēmas kodols. Pāreja no datiem uz zināšanām ir informācijas sistēmu attīstības sekas. Datu bāzes tiek izmantotas datu glabāšanai, un zināšanu bāzes tiek izmantotas zināšanu glabāšanai. Datubāze, kā likums, glabā lielus datu apjomus ar salīdzinoši zemām izmaksām, un zināšanu bāzēs glabājas nelieli, bet dārgi informācijas masīvi.

Zināšanu bāze ir zināšanu kopums, kas aprakstīts, izmantojot izvēlēto to reprezentācijas formu. Zināšanu bāzes aizpildīšana ir viens no grūtākajiem uzdevumiem, kas saistīts ar zināšanu izvēli, to formalizāciju un interpretāciju.

Ekspertu sistēma sastāv no:

zināšanu bāze (kā daļa no darba atmiņas un noteikumu bāzes), kas paredzēta sākotnējo un starpposma faktu glabāšanai darba atmiņā (to sauc arī par datu bāzi) un modeļu un modeļu manipulācijas noteikumu glabāšanaiz noteikum.

problēmu risinātājs (Tulks), kas nodrošina noteiktas

skaidrojumu apakšsistēma, ļauj lietotājam iegūt atbildes uz jautājumu: "Kāpēc sistēma pieņēma šādu lēmumu?"

zināšanu apguves apakšsistēma, kas paredzēta gan jaunu noteikumu pievienošanai zināšanu bāzei, gan esošo noteikumu modificēšanai.

lietotāja interfeiss, programmu kopums, kas realizē lietotāja dialogu ar sistēmu informācijas ievadīšanas un rezultātu iegūšanas stadijā.

Ekspertu sistēmas atšķiras no tradicionālajām datu apstrādes sistēmām ar to, ka tās parasti izmanto simbolisku attēlojumu, simboliskus secinājumus un heiristisku risinājumu meklēšanu. Vāji formalizētu vai informalizētu uzdevumu risināšanai daudzsološāki ir neironu tīkli vai neirodatori.

Neirodatoru pamatā ir neironu tīkli - hierarhiski organizēti adaptīvo elementu - neironu paralēlie savienojumi, kas nodrošina mijiedarbību ar reālās pasaules objektiem tāpat kā bioloģiskā nervu sistēma.

Lieli panākumi neironu tīklu izmantošanā gūti pašmācības ekspertu sistēmu izveidē. Tīkls ir izveidots, t.i. vilciens, izejot caur zu visus zināmos risinājumus un izejā panākot vajadzīgās atbildes. Iestatījums sastāv no neironu parametru izvēles. Bieži izmantojiet specializētu apmācību programmu, kas apmāca tīklu. Pēc apmācības sistēma ir gatava darbam.

Ja ekspertu sistēmā tās veidotāji provizoriski ieliek zināšanas noteiktā formā, tad neironu tīklos pat izstrādātājiem nav zināms, kā zināšanas veidojas savā struktūrā mācīšanās un pašmācī Tikls ir melna kaste.

Neirodatori kā mākslīgā intelekta sistēmas ir ļoti daudzsološi, un to attīstībā tos var uzlabot bezgalīgi. Pašlaik mākslīgā intelekta sistēmas ekspertu sistēmu un neironu tīklu veidā tiek plaši izmantotas finanšu un ekonomisko problēmu risināšanā.

UDK 004.891.2

EKSPERTU SISTĒMU IZMANTOŠANA IZGLĪTĪBĀ1

JAUNKUNDZE. Čvanova, I.A. Kiselev, A.A. Molchanovs, A.N. Bozjukova

Tambow Valsts Universität Nosaukts G.R. Derzhavin Krievija, Tambow. E-Pasten: [aizsargāts ar e-pastu]

Rakstā aplūkotas ekspertu sistēmu pielietošanas un attīstības problēmas izglītībā, kā arī konkrēti šādu sistēmu izmantošanas piemēri. Autori uzskata par nepieciešamu izmantot izplūdušās loģikas aparātu inteliģentas apakšsistēmas projektēšanai un attīstībai.

Atslēgvārdi Atslēgvārdi: informācijas tehnoloģijas, ekspertu sistēma, izplūdušā loģika, izglītības sistēma.

Problēmas pētījumu izpēte parādīja, ka astoņdesmito gadu sākumā mākslīgā intelekta pētījumos izveidojās patstāvīgs virziens, ko sauca par "ekspertu sistēmām" (ES). Pētnieki ES jomā bieži izmanto E. Feigenbauma ieviesto terminu "zināšanu inženierija", lai nosauktu savu disciplīnu. Ekspertu sistēmas (ES) ir programmu kopums, kas veic eksperta funkcijas noteiktas tēmas problēmu risināšanā. Nosaukums ir saistīts ar faktu, ka viņi, šķiet, atdarina cilvēkus, kuri ir eksperti.

Katra ekspertu sistēma sastāv no trim daļām: ļoti lielas mūsdienu datu datu bāzes, jautājumu ģenerēšanas apakšsistēmas un noteikumu kopuma, kas ļauj izdarīt secinājumus. Dažas ekspertu sistēmas var runāt par metodi, ko tās izmanto, izdarot secinājumus.

Mūsu valstī pašreizējo attīstības stāvokli ekspertu sistēmu jomā var raksturot kā arvien pieaugošas intereses posmu plašā ekonomistu, finansistu, skolotāju, inženieru, ārstu, psychologu, programmētāju, valodnieku lokāju. Diemžēl šai interesei ir nepietiekams materiāls atbalsts: skaidrs mācību grāmatu un speciālās literatūras trūkums, simbolisko procesoru un mākslīgā intelekta darbstaciju trūkums un ierobežots finansējums.

1 Tēma tika atbalstīta Izglītības un zinātnes ministrijas programmas "Jauno zinātnieku - zinātņu kandidātu zinātnisko pētījumu veikšana" Nr.14.B37.21.1141, 20122013 ietvaros.

pētniecības finansēšana šajā jomā, vājais vietējais programmatūras produktu tirgus ekspertu sistēmu izstrādei un esošo augstās izmaksas padara to pielietojumu un pielietojuma efektivitātes analīzi praktiski nepieejamu.

Labi zināms, ka ekspertu sistēmas izveides procesā ir nepieciešama augsti kvalificētu speciālistu līdzdalība mākslīgā intelekta jomā, ko joprojām ražo neliela daļa valsts augstskolu.

Teorētisko pētījumu un mācību prakses analīze liecina, ka tālmācības sistēmā netiek pievērsta pietiekama uzmanība ekspertu sistēmu attīstībai. Izglītības jomas ekspertu sistēmas visbiežāk tiek izmantotas, lai veidotu zināšanu bāzi, kas ļauj atspoguļot minimāli nepieciešamo priekšmetu jomas saturu, ņemot vērā tā kvantitatīvos un kvantitatīvos unvos kvantitat

Pētījumus ekspertu sistēmu pielietošanas un attīstības jomā izglītībā, kā mēs uzskatām, var iedalīt trīs grupās. Uz pirmo grupu šķiet iespējams attiecināt autorus, kas pēta ekspertu sistēmu izmantošanas izglītībā teorētiskos un pedagoģiskos aspektus. Otrajā grupā ietilpst autori, kuri kopā ar skolotājiem ir izstrādājuši konkrētas ekspertu mācību sistēmas, balstoties uz labi zināmām tehnoloģijām. Trešā grupa – autori, kuri pēta jaunas pieejas ekspertu sistēmu izveidei izglītībā.

Pētījumi ekspertu sistēmu pielietošanas un attīstības jomā izglītībā

Pētniecības institūtus, kāmēs uzskatām, nosacīti var iedalīt trīs grupās. Uz pirmo grupu šķiet iespējams attiecināt autorus, kas pēta ekspertu sistēmu izmantošanas izglītībā teorētiskos un pedagoģiskos aspektus. Otrajā grupā ietilpst autori, kuri kopā ar skolotājiem ir izstrādājuši konkrētas ekspertu mācību sistēmas, balstoties uz labi zināmām tehnoloģijām. Trešā grupa – autori, kuri pēta jaunas pieejas ekspertu sistēmu izveidei izglītībā.

Apskatīsim pirmo publikāciju grupu, kas analizē ekspertu sistēmu pielietošanas teorētiskos un pedagoģiskos aspektus.

Pētījumā par N.L. Yugovoy izstrādāja specializētās apmācības saturu, izmantojot ekspertu sistēmu. Autore aplūko ekspertu sistēmu studentu sagatavotības līmeņu un profesionālo Preferredenču diagnosticēšanai, kas tiek īstenota, pamatojoties uz profila izglītības informācijas rāmja modeļa izveidi, veidojot mācību priekšmetu un priekšbastiec. izglitības-Prozess: Studenten, skolotājs, kognitīvais zinātnieks.

N.M. Antipina izstrādāja tehnoloģiju profesionālo metodisko prasmju veidošanai laikā patstavīgs darbs pedagoģisko augstskolu studenti, izmantojot ekspertu sistēmu. Autora izstrādātā specializētā apmācību ekspertu sistēma spēj izsniegt dažādu grūtības pakāpju individuālus uzdevumus studentu patstāvīgajā darbā pie datora, izstrādāt ieteikumus to izpildei, sniegt palīdzību konsultāciju veidā, uzraudzīt studentu zināšanas un prasmes dažādos metodisko uzdevumu izpildes posmos utt.

N.L. Kirjuhina izstrādāja ekspertu sistēmas modeli studentu psiholoģijas zināšanu diagnosticēšanai. Autore aplūko ekspertu sistēmu studentu psiholoģisko zināšanu diagnostikas problēmas risināšanai, pārbaudot hipotēzes par studenta atbilžu pareizību, materiāla asimilācijas pakāpi par dažādām kursa tēmām. IV. Grechin iievieš jaunu pieeju ekspertu sistēmas izmantošanai mācību tehnoloģijās.

Viņš ierosina sistēmu, kas, interaktīvi izmantojot atgriezenisko saiti, ģenerē un izseko spriešanas ķēžu vilciena secību.

UNS. Baranova izskata jautājumu par ekspertu sistēmu izmantošanu pedagoģiskajā tālākizglītībā. Ekspertu sistēma strukturē izglītības informāciju un veido individuālu izglītības plani katram studentam ar samazinātiem mācību termiņiem, kas paaugstina mācību, mācīšanas un pašizglītības procesu efektivitāti.

AB Andrejews, V.B. Moisejevs, Yu.E. Ušačevs izmanto ekspertu sistēmas, lai analizētu studentu zināšanas atvērtā izglītības vidē. Zināšanu kvalitātes analīze tiek veikta ar ekspertu zināšanu analīzes sistēmas palīdzību. Lai ieviestu šādu sistēmu, autori apsver strukturālu pieeju inteliģentu mācību un vadības datoristēmu izveidei. Tādējādi šī pieeja ļauj izstrādāt efektīvus instrumentus studentu zināšanu analīzei, pamatojoties uz mācību materiāla strukturālā modeļa izmantošanu. Zināšanu kopuma struktūrvienība piedāvātajā modelī ir jēdziens, kam ir saturs un apjoms.

EV Mjagkova apsver iespēju izmantot ekspertu sistēmas kā informācijas tehnoloģijas jomā augstākā izglītība. Pēc autores domām, ekspertīze slēpjas zināšanu klātbūtnē ekspertu mācību sistēmā par mācību metodēm, pateicoties kurām tā palīdz skolotājiem mācīt un studentiem mācīties. Ekspertu apmācības sistēmas ieviešanas galvenais mērķis, pēc raksta autores domām, ir skolēna pašreizējā zināšanu līmeņa apmācība un novērtēšana attiecībā pret skolotāja zināšanu līmeni. Salīdzinājums ļauj novērtēt skolotāja un skolēna ideju atšķirības.

BM Moskovkins izveidoja simulācijas ekspertu sistēmu universitāšu izvēlei apmācībai. Autoren dirigeja īss askatsārvalstu pētījumi

lēmumu pieņemšanas procesu modelēšanas joma par koledžu un augstskolu izvēli tālākizglītībai. Konceptuālā līmenī tiek veidota atbilstoša simulācijas ekspertu sistēma.

Apskatīsim otro publikāciju grupu, kas attiecas uz izglītības ekspertu sistēmām, kas izstrādātas kopā ar skolotājiem, pamatojoties uz zināmām tehnoloģijām.

E. Yu. Levina izstrādāja universitāšu iekšējo izglītības kvalitātes diagnostiku, kuras pamatā ir automatizēta ekspertu sistēma, kuras pielietojums faktiski ir saistīts ar izglītības procesa kvalitātes diagnostiku universitātē, pas ļmatoauj. un matemātiskās metodes, pārvaldīt datu bāzes pētniecības procedūru īstenošanai un statistikas analīzei par izglītības procesa rezultātiem, ieteikumu izstrādei vadības lēmumu pieņemšanai izglītāištības kvalitības nodro

MA Smirnova ir izstradājusi ekspertu sistēmu topošā pedagoga pedagoģiskās sagatavošanas kvalitātes novērtēšanai, kuras mērķis ir novērtēt viņa apmācības kvalitāti skolā, kas ļaumenj izbasētātīs lagataskotīs.

L.S. Bolotova, kuras pamat. ir situ.cijas vad.bas ekspertu sist.mu tehnolo.ija, adapt.vs Talmacibas lēmumu pieņemšana. Kā instrumentālā programmatūra uz izstrādātā situācijas simulatora - simulatora bāzes tika izstrādāti pašvaldību un mazo uzņēmumu situāciju vadības instrumentālo problemātisko priekšmetu orientētu ekspertu sistēmu eksperimentālie paraugi.

Datorizēta lēmumu pieņemšanas sistēma, kas balstīta uz ekspertu vērtējuma rezultātiem izglītības kvalitātes novērtēšanas uzdevumos, ko izstrādājusi O.G. Berestņeva und O.V. Marukhina ļauj izcelt visvairāk pamatotos speciālistu ekspertu apgalvojumus un galu galā tos izmantot dažādu lēmumu sagatavošanai. Autoru izstrādātais un rakstā aprakstītais universālais programmatūras produkts ļauj visoptimālāk atrisināt izglītības procesa kvalitātes novērtēšanas problēmu, pamatojoties uz ekspertu vērtējuma rezultātiem.

E.F. Sņižko aplūko ekspertu sistēmu izmantošanas metodiku, lai pielāgotu mācību procesu un novērtētu pedagoģiskās programmatūras efektivitāti. Pētījuma gaitā autore izstrādāja eksperimentālu pedagoģiskā programmatūras rīka fragmentu Prolog valodas apguvei 9. klašu skolēniem. vidusskola lai demonstrētu izstrādātās tehnikas galvenos punktus un tās eksperimentālo pārbaudi. Pedagoģiskajā programmatūras rīkā iebūvētā ekspertu sistēma tika novesta līdz demonstrācijas prototipa līmenim.

Literatūras analīze šajā jomā parādīja, ka viena no pieejām ekspertu sistēmu izveidei ir mēģinājumi ierosināt izplūdušo loģikas metožu izmantošanu, pamatojoties uz izplūdušo kopu teoriju.

VS. Toykin identificē vairākus iemeslus, uz kuru pamata priekšroka tiek dota sistēmu izmantošanai ar neskaidru loģiku:

Tas ir konceptuāli vieglāk saprotams;

Tā ir elastīga sistēma un ir izturīga pret neprecīzām ievadēm;

Tā var modelēt patvaļīgas sarežģītības nelineāras funkcijas;

Tiek ņemta vērā ekspertu speciālistu pieredze;

Tā pamatā ir cilvēka saziņas dabiskā valoda.

IV. Solodovņikovs, O.V. Rogozins, O.V. Šu-rujevs tiek apsvērts visparigie principi programmatūras pakotnes izveidošana, kas ar ekspertu sistēmas palīdzību, izmantojot izplūdušās loģikas aparāta elementus, spēj radīt vispusīgu studenta sniegumu semestrī.

Lekciju apmeklējums. Apmeklējuma rādītājs tika aprēķināts pēc visu pieejamo punktu vidējā aritmētiskā;

Seminardarbs. Darbības novērtējums tika veikts līdzīgi;

Kontroles darbu veikšana. Kontroles darbu izpildes izvērtējums veikts, ņemot vērā sarežģītības koeficientu;

Mājasdarbu pildīšana. Darbības novērtējums tika veikts līdzīgi.

Lai novērtētu akadēmisko sniegumu, autori izmantoja lingvistiskos mainīgos: „apmeklēja lekcijas“, „strādāja seminārā“, „izpildīja kontroldarbus“, „izpildīja mājasdarbus“. Šo mainīgo lielumu raksturojums bija jēdzieni "aktivitāte", "efektivitāte", "novērtējums". Šāda pieeja ļauj analizēt studenta darbu un, pamatojoties uz formulētajiem kritērijiem, novērtēt studenta zināšanu kvalitātes efektivitāti.

Pamatojoties uz izplūdušās loģikas modeļiem, I.V. Samoilo, D.O. Žukovs apsver problēmu, kā izveidot ekspertu sistēmas, kas ļauj sniegt ieteikumus par profesionālo orientāciju konkrētam pretendentam.

Mainīgo lielumu grupa (O) - aplēses. Vispārīgā gadījumā mainīgo lielumu grupai O var rakstīt O = (O1, O2, O3, ..., Op).

Mainīgo lielumu grupa (C) - psycholoģiskie testi, kuru mērķis ir identificēt spējas, kas saistītas ar mācīšanos un intelektu.

Mainīgo lielumu grupa (C) - skolēna personības raksturojums.

Mainīgo lielumu grupa (M) ir studenta interešu sfēras diagnostikas rezultāti: M = (t1, t2, ..., tk).

Tādējādi šādas sistēmas prototips ļāva izveidot mehānismu katedrāles izvēles pārvaldībai:

Prätendenten ievada sistēmas sākumlapu, ievada skolas atzīmes un (vai) ievada vienotā valsts eksāmena rezultātus, kārtējo mācību sasniegumu rezultātus, sistēma novērtē rezultāta ticamību, izmantojot izpllokušo;

Lietotājam tiek pārbaudītas personības psiholoģiskās īpašības un spēja mācīties, interešu jomas ar

rezultāta ticamības novērtēšana, izmantojot izplūdušo loģiku;

Automātiskā ekspertu sistēma (AES) pārbauda, vai šis pretendents atbilst apartamenta prasībām ( izglītības iestāde). Ja „jā“, tad ar kontroles izglītības vides palīdzību tiek koriģētas lietotāja zināšanas, optimāli apstākli pārvarot katedrāles „barjeru“, turklāt lietotājam ir iespēja atteikties cīnīties par viņu interesējošo nodaļu un turpināt izglītību nodaļā, kurā to atļauj viņa sasniegumi;

Turpmākās pārbaudes tiek veiktas reizi sešos mēnešos. Pārbaudes rezultāti palīdz izsekot skolēna attīstības dinamikai, izvēlēties optimālo stratēģiju topošā profesionāļa veidošanai.

O.A. Meļihovs izskata jautājumu par iespēju ieviest ekspertu sistēmu augstākās izglītības iestādes izglītības procesa uzraudzībai, pamatojoties uz neskaidru pieeju viedo sistēmu modelēšanai. Šajā pieejā tiek izmantoti "lingvistiskie" mainīgie, kuru attiecības tiek aprakstītas, izmantojot izplūdušos paziņojumus un izplūdušos algoritmus.

Izglītības procesa uzraudzības sistēmas izveide ietver šādas darbības:

Mācību mērķu formulēšana, katra skolotāja prasību līmeņa noteikšana (augstākā, vidējā, zemākā);

Uzraudzības sistēmas izveide, katras disciplīnas apmācības pakāpes noteikšana. Indikatori: diskriminācija, iegaumēšana, izpratne, elementāras prasmes, zināšanu nodošana;

Skolotāja darbības faktiskās efektivitātes noteikšana, pamatojoties uz studentu mācīšanās pakāpes rādītājiem. Galvenie skolotāja darbības efektivitātes rādītāji ir apmācāmo zināšanu spēks, dziļums un apzināšanās. Šie paši rādītāji nosaka izglītības kvalitāti.

D.I. Popovs savā darbā aplūko intelektuālo tālmācības sistēmu (ISDO) "KnowledgeCT", kas balstīta uz interneta tehnoloģijām, ko izglītības vajadzībām plāno izmantot Tālmācības centrs. Tas lauj

ne tikai izvērtē zināšanas, bet arī ievāc datus par skolēniem, kas nepieciešami skolēna matemātisko modeļu veidošanai, statistikas apkopošanai.

Zināšanas tiek novērtētas, izmantojot adaptīvo testēšanas sistēmu, kuras pamatā ir izplūdušās loģikas metodes un algoritmi: katram sarežģītības līmenim disciplīnas ekspertāam (skolotāmušām) kabilopīnas jāstonas j. Šāda sistēma ļauj padarīt mācību procesu elastīgāku, ņemt vērā skolēna individuālās īpatnības un uzlabot skolēna zināšanu novērtējuma precizitāti.

V.M. Kureiciks, V.V. Markovs, Yu.A. Kravčenko savā darbā pēta pieeju viedo tālmācības sistēmu izstrādei, pamatojoties uz noteikumiem un uz predentiem balstītām secinājumu tehnoloģijām.

Ekspertu sistēmas modelē eksperta lēmumu pieņemšanas procesu kā deduktīvu procesu, izmantojot uz noteikumiem balstītus secinājumus. Sistēmā tiek ievietots noteikumu kopums, saskaņā ar kuru, pamatojoties uz ievades datiem, tiek ģenerēts secinājums par piedāvātā modeļa atbilstību. Ir trūkums: deduktīvais modelis atdarina vienu no retākajām pieejām, ko eksperts izmanto, risinot problēmu.

Gadījumos balstīts secinājums izdara secinājumus no lietu datubāzē saglabāto analoģiju meklēšanas rezultātiem. Šī metode ir efektīva situācijās, kad galvenais zināšanu avots par problēmu vai situāciju ir pieredze, nevis teorija; risinājumi nav unikāli konkrētai situācijai un tos var izmantot citās, lai atrisinātu līdzīgas problēmas; slēdziena mērķis nav garantēti pareizs risinājums, bet gan labākais iespējamais. Šīs secinājumu tehnoloģijas ieviešanu var veikt, izmantojot neironu tīklu algoritmus.

Literat. Publikācijas šajā jomā galvenokārt ir paredzamas.

Interese par izkliedētām intelektuālām sistēmām ir tālmācības sistēmā, tomēr nav līdz galam skaidrs, kā izglītības procesu var efektīvi organizēt tā, lai tas novestu pie vēlamātās izgl Acīmredzot būtu jārunā, pirmkārt, par pedagoģiskās izglītības modeļu konstruēšanu atvērtās izglītības sistēmā.

Mūsuprāt, problēma ir saistīta ar to, ka ievērojama daļa pētnieku tālmācības tehnoloģiju jomā pārnes praksē zināmās metodes un paņēmienus, piepildot ar tiem tālmācību. Tajā pašā laikā ir pilnīgi acīmredzams, ka jaunajām tehnoloģijām izglītībā jābalstās uz „jaunu uzdevumu“ principu. Progresīvās tehnoloģijas nes jaunu risinājumu, jaunas metodes, jaunas pieejas, jaunas iespējas, kas izglītības sistēmai vēl nav zināmas. Tagad ir kļuvis acīmredzams, ka "tradicionālā lekcija" un "tradicionālā mācību grāmata" ir neefektīvas tālmācībā. kas kas

Līdz šim ir uzkrāta zināma pieredze, daļu no intelektuālajām funkcijām izglītības procesa organizēšanai un vadīšanai atvērtās izglītības sistēmā nododot informatizācijas rīkiem.

Tatad, G.A. Samigulina sniedz piemēru inteliģentai tālmācības ekspertu sistēmai, kuras pamatā ir mākslīgā imūnsistēma, kas ļauj atkarībā no studenta piederības notikta-Gruppe izvērtēt viņa intelektuālo potenciālu un atbilstoši tam operatīvi nodrošināt individuālu apmācību programmu. Rezultāts ir visaptverošs zināšanu novērtējums, studentu diferencēšana un iegūtās izglītības kvalitātes prognoze. Grupas nosaka eksperti un tās atbilst noteiktām zināšanām, praktiskajām iemaņām, radošumam, loģiskajai domāšanai utt. Izstrādātā ekspertu sistēma ietver apakšsistēmu ieviešanu:

- "Informācijas apakšsistēma" Ietver elektroniskās mācību grāmatas, uzziņas, katalogus, bibliotēkas utt.;

- "Intelektuālā apakšsistēma" - imūntīkla apmācība, daudzdimensionālu datu apstrāde reālajā laikā. Algoritma izmantošana saistīšanas enerģiju novērtēšanai, pamatojoties uz homologu peptīdu īpašībām, ļauj samazināt kļūdas, prognozējot viedo sistēmu, kas ļauj apmācīt studentus atbilstoši viņu. individualas iezīmes;

- "Apmācību apakšsistēma" izstrādā apmācības informācijas pasniegšanas metodes, līdzekļus un formas, kas pielāgotas konkrētam lietotājam, ņemot vērā viņa individuālās īpašības. Tiek sastādīts grafiks par nepieciešamo darbu apjomu un izpildes laiku;

- "Kontroles apakšsistēma" paredzēta studenta zināšanu vispusīgai novērtēšanai, lai operatīvi pielāgotu programmu un mācību procesu.

Tādējādi liela skaita studentu zināšanu operatīvās analīzes rezultātā ir iespējams ātri koriģēt mācību procesu, jo ekspertu sistēma piedāvā individuālu apmācību programmu.

Pētījumu analīze par ekspertu sistēmām tālmācības jomā ir parādījusi, ka šī ir jauna un aktuāla zinātnes joma, kas ir maz pētīta. Bieži vien pedagogi ar ekspertu sistēmu saprot kā studentu pārbaudi konkrētā tālmācības sistēmā un viņu zināšanu pārbaudi.

Tatad, A.V. Zubovs und T.S. Denisova izstrādāja sarežģītas ekspertu interneta sistēmas tālmācībai, pamatojoties uz Finport Training System tālmācības sistēmu. Sistēmai ir iespēja attīstīties macibu kursi, veikt apmācību un sertifikāciju, un tajā pašā laikā analizēt apmācību rezultātus un efektivitāti, pamatojoties uz augsti kvalificētu speci.listu izstrādātiem testiem.

V.G. Ņikitajevs und E.Ju. Berdnikovi-nekā izstrādāja multimediju kur-

tālmācības kursi ārstiem histoloģiskajā un citoloģiskajā diagnostikā, izmantojot ekspertu sistēmas, kas balstītas uz Moodle satura vadības sistēmu. Sistēma ļauj saturam pievienot kursus un, pamatojoties uz testēšanu, pārbaudīt materiāla asimilācijas līmeni atkarībā no studentu atbildes.

Līdz ar to tālmācības sistēmās ir iespējams veikt ekspertu zināšanu novērtējumu, balstoties uz speciālistu izstrādātiem testa uzdevumiem.

Tajā pašā laikā, mūsuprāt, tālmācības tehnoloģijas prasa izmantot daudzas apakšsistēmas, lai atvieglotu organizatoru un pasniedzēju ikdienas slogu. Šī slodze palielinās tāpēc, ka cilvēks pats izvēlas savu mācīšanās ritmu, tempu un laiku. Individualizācija prasa attīstītu Automatisierungssystem"intelektuālie" padomi, palīdzība, konsultācijas visa tālmācības laikā un izmantojot dažādas izglītības metodes un paņēmienus: lekcijas, prakses, projektu aktivitātes, conferences uc Tikai unikāli jautājumi tiek adresēti. Balstoties uz publikāciju analīzi un personīgo tālmācības organisatoras praksi, nonācām pie Secinājuma, ka iepriekš minētās intelektuālās apakšsistēmas vartas orgas uz uz uz uz uzķirīgaigaeduga. Tas ir saistīts ar faktu, ka apakšsistēmām ir Dažādas intelektuālās „Slodzes“: Kaut Kurpietiek Artradicionālo loģiku, Veidojot Konkrlog apakektokto.

Bibliografija

1. Andreičikovs A.V., Andreičikova O.N. Inteliģentas informācijas sistēmas. M.: Finanses un statistika, 2006.

2. Jugova N.L. Specializētās izglītības satura veidošana, izmantojot ekspertu sistēmu: Ph.D. dis. ...und. päd. Zinatnes. Iževska, 2006.

3. Antipina N.M. Tehnoloģija professionālo metodisko prasmju veidošanai pedagoģijas studentu patstāvīgā darba gaitā

augstskolu ar ekspertu sistēmas izmantošanu: Ph.D. ...und. päd. Zinatnes. M, 2000. gads.

4. Kiryukhina N.L. Ekspertu sistēmas modelis studentu zināšanu diagnosticēšanai psiholoģijā: dis. ...und. psychologisch Zinatnes. M, 1998. gads.

5. Grecins I.V. Jauna pieeja ekspertu sistēmai tehnoloģiju mācīšanas jomā // Izvestiya TSURE. Tematiskais izdevums "Intelektuālais CAD". Taganrog: TRTU, 2001. 4. nr.

6. Baranova N.A. Par jautājumu par ekspertu sistēmu pielietojumu pedagoģiskajā tālākizglītībā // Izglītība un zinātne. 2008. Nr.4. S. 24-28.

7. Moisejevs V.B., Andrejevs A.B. Starpaugstskolu sistēma speciālistu sagatavošanas kvalitātes nodrošināšanai // Inženierizglītība.

2005.Nr. 3. S. 62-74.

8. Mjagkova E.V. Pielietojuma loma un iespēja

ekspertu sistēmas kā informācijas tehnoloģijas augstākās izglītības jomā // Informācijas tehnoloģijas projektēšanā un ražošanā: zinātniski tehniski

Zeitschriften. 2008. Nr.1. S. 13-15.

9. Moskovkins V.M. Simulācijas ekspertu sistēma augstskolu izvēlei apmācībai // NTI. Serija 2. 2009. Nr. 10. S. 19.-21.

10. Levina E. Yu. Izglītības kvalitātes intrauniversitāte diagnostika, pamatojoties uz automatizētu ekspertu sistēmu: Ph.D. dis. ...und. päd. Zinatnes. Kasana, 2008.

11. Smirnova M.A. Ekspertu sistēmas pielietojums topošā pedagoga pedagoģiskās sagatavotības kvalitātes novērtēšanai: dis. ...und. päd. Zinatnes. Tula, 1997. Gads.

12. Bolotova L.S. [et al.] Adaptīvā tālmācība lēmumu pieņemšanai, pamatojoties uz pašvaldību un mazo uzņēmumu situācijas pārvaldības situāciju sistēmu ekspertu sistēmu tehnoloģiju // Zinātniskā izpēte. Izdevums. 5. Gada pārskats par zinātnisko pētījumu galvenajiem rezultātiem, 2003. M., 2004.g.

13. Berestņeva O.G., Maruhina O.V. Datora lēmumu pieņemšanas sistēma, kas balstīta uz ekspertu vērtējuma rezultātiem izglītības kvalitātes novērtēšanas uzdevumos // Reģionālās zinātniski metodiskās konferences "Mūsdienu izglītība: kvalitātes nodrošināšanas sistēmas un prakse" rakstu krājums, Tomska, 29.-30.janvāris. 2002. Tomska, 2002. S. 29-30.

14. Snischko E.A. Ekspertu sistēmu izmantošanas metodika mācību procesa pielāgošanai un mācībspēku efektivitātes novērtēšanai: dis. ...und. päd. Zinatnes. SPb., 1997. gads.

15. Toiskins V.S. Inteliģentas informācijas sistēmas: pamaciba. Stavropole: SGPI izdevniecība, 2010. 2. daļa.

16. Ekspertu sistēma apmācības efektivitātes novērtēšanai, pamatojoties uz izplūdušās loģikas matemātisko aparātu / I.V. Solodovņikovs [un citi] // Kvalitate. Inovacijas. Izglitiba. 2006. Nr.1. S. 19-22.

17. Samoilo I. V., Zukovs D. O. Informācijas tehnoloģijas jaunas augstākās izglītības kvalitātes nodrošināšanā // Zinātnisko rakstu krājums. Gramata. 2. Viskrievijas zinātniski praktiskās konferences ar starptautisku līdzdalību "Informācijas tehnoloģijas jaunas augstākās izglītības kvalitātes nodrošināšanā (14.-15.04.2010., Maskava, NUST MISiS)" materiāli. M.: NUST MISIS speciālistu apmācības speciālistu kvalitātes problēmu izpētes centrs, 2010, 89.-95.lpp.

18. Melihova O.A., Melihova Z.A. Izplūdušās matemātikas izmantošana mākslīgā intelekta sistēmu modelēšanā // Tematiskais izdevums "Inteliģentais CAD": 2 sējumos Taganrog: Publishing House of TRTU, 2007. S. 113-119.

19. Popovs D.I. Inteliģentu sistēmu projektēšana tālmācībai // Proceedings of the Southern Federal University. Serija: Inženierzinātnes. 2001. V.22.Nr. 4. S. 325-332.

20. Astanins S.V. [et al.] Tālmācības intelektuāli izglītojoša vide // Mākslīgā intelekta ziņas. 2003. Nr.1.

21. Samigulina G.A. Inteliģenta tālmācības ekspertu sistēma, kuras pamatā ir mākslīgās imūnsistēmas // Modelēšanas un vadības informācijas tehnoloģijas. 2007. Izdevums. 9 (43). 1019.-1024.lpp.

22. Zubovs A.V., Deņisova T.S. Kompleksu ekspertu interneta sistēmu izveide tālmācībai // Izglītības un zinātnes informatizācija. Maskava: Valsts informācijas tehnoloģiju un telekomunikāciju zinātniskās pētniecības institūts, 2010.

23. V. G. Ņikitajevs und E. Ju. Multimediju tālmācības kursu izstrāde ārtiem par histoloģisko un citoloģisko diagnostiku, izmantojot ekspertu sistēmas.Fundamentālie pētījumi: zinātniskais žurnāls. 2007.Nr. 12. S. 334-334.

1. Andrejčikovs A.V., Andrejčikova O.N. Intel-lektual „jaunās informācijas sistēmas. M.: Finansiālā statistika, 2006.

2. Jugova N.L. Konstruirovanie soderzhanija pro-fil "nogo obuchenija s primeneniem ekspertnoj sis-temy: avtoref. dis. ... kand. ped. nauk. Iževska,

3. Antipina N.M. Tehnologija formirovanija professional "nyh metodicheskih umenij v hode samosto-jatel" noj raboty studentsov pedagogicheskih vuzov

s primeniem ekspertnoj System: dis. ...und. päd. zinatne. M, 2000. gads.

4. Kirjuhina N.L. Modelis "ekspertnoj sistemy diag-nostiki znanij studentsov po psihologii: dis. ... kand. psihol. nauk. M., 1998.

5. Grecins I.V. Novyj podhod k jekspertnoj sisteme v tehnologii obuchenija // Izvestija TRTU. Tema-ticheskij vypusk "Intellektual" nye SAPR ". Taganrog: TRTU, 2001. Nr. 4. S. 343-344.

6. Baranova N.A. K voprosu o primenenii ekspertnyh sistem v nepreryvnom pedagogicheskom obrazo-vanii // Obrazovanie i nauka. 2008. Nr.4. S. 24-28.

7. Moisejevs V.B., Andrejevs A.B. Vnutrivuzovskaja sistema obespechenija kachestva podgotovki Specialistov // Inzhenernoe obrazovanie. 2005.Nr. 3. S. 62-74.

8. Mjagkova E.V. Rol "i vozmozhnost" primenenija

ekspertnyh sistem kak informacionnyh tehnologij v sfere vysshego obrazovanija // Informacion-nye tehnologii v proektirovanii i proizvodstve: nauchno-tehnicheskij zhurnal. 2008. Nr.1.

9. Moskovkins V.M. Imitacionnaja ekspertnaja sistema vybora universitetov dlja obuchenija // NTI. Serija 2. 2009. Nr. 10. S. 19.-21.

10. Levina E.Ju. Vnutrivuzovskaja diagnostika kachestva obuchenija na osnove avtomatizirovan-noj ekspertnoj sistemy: avtoref. dis. ...und. päd. zinatne. Kasana, 2008.

11. Smirnova M.A. Primenenie ekspertnoj sistemy dlja ocenki kachestva pedagogicheskoj podgotovki budushhego uchitelja: dis. ...und. päd. zinatne. Tula, 1997. Gads.

12. Bolotova L.S. . Adaptivnoe distancionnoe obuchenie prinjatiju reshenij na osnove tehnologii ekspertnyh sistem situacionnogo sistem situacion-nogo upravlenija Municipal "nymi obrazovanijami i malym biznesom // Nauchnye issledovanija. Vyp.

5. Ezhegodnyj otchet ob osnovnyh rezul "tatah nauchnoissledovatel" skih rabot, 2003. M., 2004.

13. Berestņeva O.G., Maruhina O.V. Komp "juternaja sistema prinjatija reshenij po rezul" tatam jeks-pertnogo ocenivanija v zadachah ocenki kachest-va obrazovanija // Materiāli reģionālā "noj nauch-no-metodicheskoj konferencii "Sovremennoe ob-razovanie: sistemy, i praktikask0 202estva 2 -thirty. janvaris. Tomska, 2002. S. 29.-30.

14. Snischko E.A. Metodika primenenija jekspertnyh sistem dlja korrektirovki processa obuchenija i ocenki jeffektivnosti PPS: dis. ...und. päd. zinatne. SPb., 1997. gads.

15. Toiskins V.S. Intelektuālā "nye informacionnye sistemy: uchebnoe posobie. Stavropol": Izd-vo SGPI, 2010. Kap. 2.

16. Solodovņikovs I.V. Ekspertnaja sistema ocenki jeffektivnosti obuchenija na osnove ma-

thematicheskogo apparata nechetkoj logiciki // Kachestvo. Innovacii. Obrazovanie, 2006. Nr.1.

17. Samojlo I.V., Zukovs D.O. Informacionnye tehnologii v obespechenii novogo kachestva vys-shego obrazovanija // Sbornik nauchnyh statej. Kn. 2. Trudy Vserossijskoj nauchno-praktiche-skoj konferencii s mezhdunarodnym uchastiem „Informacionnye tehnologii v obespechenii no-vogo kachestva vysshego obrazovanija (2010. gada 14.-15. aprīlis, Maskava, NITU)“. M.: Issledo-vatel "skij centr problem kachestva podgotovki spezialistov NITU "MISiS", 2010. S. 89-95.

18. Melihova O.A., Melihova Z.A. Ispol "zovanie nechetkoj matematiki pri modelirovanii sistem iskusstvennogo intellekta // Tematicheskij vypusk "Intellektual" nye SAPR": v 2 t. Taganrog: Izd-vo TRTU, 2007. S. 113-119.

19. Popovs D.I. Proektirovanie intellektual „nyh sistem distancionnogo obrazovanija // Izvestija Juzhno-go föderal“ nogo universiteta. Serija: Tehniskās zinātnes. 2001. T.22.Nr. 4. S. 325-332.

20. Astanins S.V. Intellektuāls "naja obrazova-tel" naja sreda distancionnogo obuchenija // No-vosti iskusstvennogo intellekta. 2003. Nr.1.

21. Samigulina G.A. Intellektuāla "naja jekspertnaja sistēma distancionnogo obuchenija na osnove iskusstvennyh immunnyh sistem // Informacion-nye tehnologii modelrovanija i upravlenija.

2007. Vyp. 9 (43). S. 1019-1024.

22. Zubovs A.V., Deņisova T.S. Sozdanie kompleks-nyh ekspertnyh Internet-sistem dlja distancion-nogo obuchenija // Informatizacija obrazovanija i nauki. M.: Gosudarstvennyj nauchnoissledova-tel „Skij Institute Informacionnyh Technology i Tele-communikacij, 2010.

23. Ņikitajevs V.G., Berdņikovičs E.Ju. Razrabotka mul "timedijnyh kursov distancionnogo obuchenija vrachej po gistologicheskoj i citologicheskoj diagnostike s primeneniem ekspertnyh sistem // Fundamental" nye issledovanija: nauchnyj zhur-nal. 2007.Nr. 12. S. 334-334.

EKSPERTU SISTĒMU IZMANTOŠANA IZGLĪTĪBĀ

JAUNKUNDZE. Čvanova, I.A. Kiselev, A.A. Molchanovs, A.N. Bozjukovas Tambovas Valsts universitāte nosaukta G.R. Derzavins Tambow, Krievija. E-Pasten: [aizsargāts ar e-pastu]

Rakstā aplūkotas ekspertu sistēmu izmantošanas un attīstības problēmas izglītībā, kā arī aktuāli šādu sistēmu izmantošanas piemēri. Autori uzskata par nepieciešamu izmantot izplūdušo loģiku, lai izstrādātu un izstrādātu viedo apakšsistēmu.

Atslēgas vārdi: informācijas tehnoloģijas, ekspertu sistēma, izplūdušā loģika, izglītības sistēma.

1. Thema. EOS kā intensīvas speciālistu apmācības sastāvdaļa.

Lekcija 8. Ekspertu apmācības sistēmas.

Ekspertu sistēmu pielietošanas sfēras vadībā.

Ekspertu sistēmu izmaksas.

Ekspertu sistēmu izstrade.

Pēdējo divdesmit gadu laikā viedo sistēmu jomas eksperti aktīvi pēta izglītības jomai paredzēto ekspertu sistēmu izveides un izmantošanas jomā. Ir parādījusies jauna ekspertu sistēmu klase - ekspertu mācību sistēmas - perspektīvākais virziens programmatūras pedagoģisko rīku pilnveidošanai procesuālo zināšanu virzienā.

Ekspertu sistēma ir datoru kopums Programmatur palīdzēt cilvēkiem pieņemt pārdomātus lēmumus. Ekspertu sistēmas izmanto informāciju, kas iepriekš saņemta no ekspertiem - cilvēkiem, kuri ir labākie speciālisti jebkurā jomā.

Ekspertu sistēmām vajadzētu:

uzkrāt zināšanas par konkrētu mācību priekšmetu (fakti, notikumu un modeļu apraksti);
jāprot sazināties ar lietotāju ierobežotā dabiskajā valodā (t.i., uzdot jautājumus un saprast atbildes);
jābūt loģisku instrumentu kopumam jaunu zināšanu iegūšanai, modeļu identificēšanai, pretrunu konstatēšanai;
izvirzīt uzdevumu pēc pieprasījuma, precizēt t. formulējumu un rast risinājumu;
paskaidrojiet lietotājam, kā tika iegūts risinājums.

Ir arī vēlams, lai ekspertu sistēma varētu:

paziņot tādu informāciju, kas vairo lietotāja uzticību ekspertu sistēmai;
„pastāstiet“ par sevi, par savu uzbūvi

Ekspertu mācību sistēma (EPS) ir programma, kas īsteno noteiktu pedagoģisko mērķi, pamatojoties uz eksperta zināšanām noteiktā mācību priekšmeta jomā, diagnosticējot mācīšanās un mācīšanās vadīšanu, kā arī demonstrējot ekspertu (priekšmetu speciālistu, metodiķu, psihologu) uzvedību. . ETS zināšanas slēpjas zināšanās par mācību metodēm, ar kurām tā palīdz skolotājiem mācīt un skolēniem mācīties.

Ekspertu apmācības sistēmas arhitektūra ietver divus galvenos komponentus: zināšanu bāzi (zināšanu vienību krātuvi) un programmatūras rīku piekļuvei zināšanām un to apstrādei, kas sastāv no mehānismiem secinājumu (risinājumu) izdarīšanai, zināšanu iegūšanai, rezultātu izskaidrošanai un inteliģentam. Saskarne.

Datu apmaiņu starp studentu un EOS veic inteliģenta interfeisa programma, kas uztver studenta ziņojumus un pārvērš tos zināšanu bāzes reprezentācijas formā un, otrādi, pārveido apstrādes rezultāta iekšmediējo attēlojumu studenta formātā un izjuda zi. Būtiskākā prasība skolēna dialoga organizēšanai ar EOS ir dabiskums, kas nenozīmē burtiski formulēt skolēna vajadzības ar dabiskās valodas teikumiem. Svarīgi, lai problēmas risināšanas secība būtu elastīga, atbilstu studenta idejām un tiktu veikta professionāli.

Izstrādātas skaidrojumu sistēmas (SE) klātbūtne ir ārkārtīgi svarīga ETS darbam izglītības jomā. Mācību procesā šāda ETS pildīs ne tikai aktīvo „skolotāja“ lomu, bet arī uzziņu grāmatas lomu, kas palīdz skolēnam pētīt sistēmā notiekošos iekšējos procesus, izmantojot aplikāciēš domēna model. Izstrādātais SS sastāv no divām sastāvdaļām: aktīvā, kas ietver studentam darba procesā izsniegto informatīvo ziņojumu kopumu atkarībā no konkrētā problēmas risināšanas veida, ko pilnībā nosaka sistēma; pasīva (CO galvenā sastāvdaļa), kas versta uz studenta inicializācijas darbībām.

CO aktīvā sastāvdaļa ir detalizēts komentārs, kas pavada sistēmas darbības un rezultātus. SR pasīvā sastāvdaļa ir kvalitatīvi jauns informācijas atbalsta veids, kas raksturīgs tikai uz zināšanām balstītām sistēmām. Šajā komponentē papildus izstrādātajai praktikanta izsauktajai HILFE sistēmai ir problēmas risināšanas gaitas skaidrojumu sistēma. Paskaidrojumu sistēma esošajā EOS tiek realizēta dažādos veidos. Tas var būt: informācijas kopums par sistēmas stāvokli; pilns vai daļējs sistēmas šķērsotā ceļa apraksts pa lēmumu koku; pārbaudāmo hipotēžu saraksts (to veidošanās pamatojums un pārbaudes rezultāti); mērķu saraksts, kas regulē sistēmas darbību, un to sasniegšanas veidi.

Būtiska izstrādātā SS iezīme ir dabiskas saziņas valodas ar studentu izmantošana tajā. Plašā "izvēlņu" sistēmu izmantošana ļauj ne tikai diferencēt informāciju, bet arī izstrādātajā EOS spriest par skolēna sagatavotības līmeni, veidojot viņa psiholoģisko portretu.

Taču praktikantu ne vienmēr var interesēt pilnīga risinājuma atvasināšana, kurā ir daudz nevajadzīgu detaļu. Šajā gadījumā sistēmai jāspēj atlasīt tikai galvenos punktus no ķēdes, ņemot vērā to nozīmi un skolēna zināšanu līmeni. Lai to izdarītu, zināšanu bāzē ir jāsaglabā skolēna zināšanu un nodomu modelis. Ja skolēns turpina nesaprast saņemto atbildi, tad sistēmai viņam jāiemāca noteikti zināšanu fragmenti dialogā, balstoties uz atbalstīto problemātisko zināšanu modeli, t.i. sīkāk atklājiet atsevišķus jēdzienus un atkarības, pat ja šīs detaļas netika tieši izmantotas izvadē.

Datorapmācības sistēmu klasifikācija

Datoru mācību līdzekļi ir sadalīti:

datoru mācību grāmatas;

domēnam specifiskas vides;
laboratorijas darbnicas;
Simulatoren;
zināšanu kontroles sistēmas;
direktoriji un datu bāzes izglītības nolūkiem;
instrumentu systemmas;
ekspertu macibu sistemas.

Automatizētās mācību sistēmas (ATS) - programmatūras un aparatūras un izglītības un metodisko līdzekļu kompleksi, kas nodrošina aktīvas mācību aktivitātes. AES nodrošina ne tikai specifisku zināšanu pasniegšanu, bet arī skolēnu atbilžu pārbaudi, mājienu iespējamību, apgūstamā materiāla uzjautrināšanu u.c.

AES ir sarežģītas cilvēka-mašīnas sistēmas, kas apvienojas vienā veselā disciplīnu sērijā: didaktika (izglītības mērķi, saturs, modeļi un principi ir zinātniski pamatoti); psycholoģija (ņemot vērā studenta rakstura un garīgās noliktavas īpašības); modelēšana, datorgrafika utt.

Galvenais studenta un ATS mijiedarbības līdzeklis ir dialoglodziņš. Dialogu ar mācību sistēmu var kontrolēt gan apmācāmais, gan sistēma. Pirmajā gadījumā Studenten streichelt nosaka sava darba veidu ar AOS, izvēloties materiāla apguves metodi, kas atbilst viņa individuālajām spējām. Otrajā gadījumā materiāla apguves metodi un metodi izvēlas sistēma, iepazīstinot studentu atbilstoši scenārijam mācību materiāla rāmjus un jautājumus. Studenten ievada savas atbildes sistēmā, kas pats interpretē to nozīmi un parāda ziņojumu par atbildes būtību. Atkarībā no atbildes pareizības pakāpes vai studenta jautājumiem, sistēma organizē noteiktu mācību scenārija ceļu palaišanu, izvēloties mācību stratēģiju un pielāgojoties skolēna zināšanu līmenim.

Ekspertu mācību sistēmas (ETS). Tie īsteno mācību funkcijas un satur zināšanas no noteiktas diezgan šauras priekšmeta jomas. ETS spēj izskaidrot apgūstamās tēmas problēmas risināšanas stratēģiju un taktiku un nodrošināt zināšanu, prasmju un iemaņu līmeņa kontroli ar kļūdu diagnostiku, pamatojoties uz mācīšanās rezultātiem.

Apmācību datu bāzes (UBD) un apmācību zināšanu bāzes (UBZ), kas vērstas uz noteiktu priekšmetu jomu. UBD ļauj veidot datu kopas konkrētam izglītības uzdevumam un atlasīt, kārtot, analizēt un apstrādāt šajās kopās ietverto informāciju. UBZ, kā likums, satur priekšmeta jomas pamatjēdzienu, problēmu risināšanas stratēģijas un taktikas aprakstu; piedāvāto vingrinājumu kopums, mācību priekšmeta jomas piemēri un uzdevumi, kā arī saraksts iespējamās kļūdas Studenten un informācija zu labošanai; datubāze, kurā ir saraksts metodiskie paņēmieni Un organizatoriskas Formen mācīšanās.

Multividiert Systeme. Tie ļauj īstenot intensīvas apmācības metodes un formas, paaugstina mācīšanās motivāciju, izmantojot mūsdienīgus audiovizuālās informācijas apstrādes līdzekļus, paaugstina informācijas emocionālās uztveres līmeni, veido spēju īstenot dažāda veida patstāvīgas informācijas apstrādes darbības.

Multimediju sistēmas tiek plaši izmantotas, lai pētītu dažāda rakstura procesus, pamatojoties uz to simulāciju. Šeit var vizualizēt parastai acij neredzamo mikropasaules elementārdaļiņu dzīvi, studējot fiziku, tēlaini un uzskatāmi runāt par abstraktajām un n-dimensiju pasaulēm, skaidri izsutkaidrot, kā darbojas tas gorit ms cits. Spēja imitēt reālo procesu krāsaini un ar skaņu pavadījumu paceļ mācīšanos kvalitatīvi jaunā līmenī.

Systeme<Виртуальная реальность>. Tos izmanto konstruktīvi-grafisko, māksliniecisko un citu uzdevumu risināšanā, kur nepieciešams attīstīt spēju izveidot objekta mentālo telpisko dizainu atbilstoši tā grafiskajam attēlojumam; stereometrijas un zīmēšanas izpētē; Tehnoloģisko procesu, kodoliekārtu, aviācijas, jūras un sauszemes transporta datorizētos simulatoros, Kur Bez Šādām ierīcēm būtībā navibīms SudiTamu SupmsiTamu SupmsiTamu SupmsiTamu SupmsiTamu.

Izglītības datortelekomunikāciju tīkli. Atļaut nodrošināt tālmācību (DL) - mācīšanos attālināti, kad skolotājs un skolēns ir telpiski un (vai) laikā nošķirti un izglītības process notiek, izmantojot telekomunikācijas, galvenokārt uz interneta bāzes. Tajā pašā laikā daudzi cilvēki iegūst iespēju pilnveidot izglītību mājās (piemēram, pieaugušie, kas ir noslogoti ar uzņēmējdarbību un ģimenes problēmām, jaunieši, kas dzīvai laukosīvo laukovo ). Cilvēks jebkurā dzīves posmā iegūst iespēju attālināti apgūt jaunu profesiju, pilnveidot savas prasmes un paplašināt redzesloku un gandrīz jebkurā zinātniskajā vai. Macibu-Zentren Miers.

Izglītības praksē tiek izmantoti visi galvenie datortelekomunikāciju veidi: e-pasts, elektroniskie ziņojumu dēļi, teleconferences un citas interneta iespējas. DL paredz arī video diskos, CD u.c. ierakstīto kursu autonomu izmantošanu. Datoru telekomunikacijas nodrosina:

iespēja piekļūt dažādiem informācijas avotiem caur internetu un strādāt ar šo informāciju;
tūlītējas atgriezeniskās saites iespēja dialoga laikā ar skolotāju vai citem apmācību kursa dalībniekiem;
iespēja organizēt kopīgus telekomunikāciju projektus, tai skaitā starptautiskus, telekonferences, iespēja apmainīties viedokļiem ar jebkuru šī kursa dalībnieku, pasniedzēju, konsultantiem, iespēja ar telekonferences palīdzību pieprasīt informāciju par jebkuru interesējošo jautājumu.
iesp.ja ieviest att.lin.tas radošuma metodes, piem.ram, dal.bu att.lin.t.s konferenc.s, att.lin.ti<мозговой штурм>tīkla radošais darbs, salīdzinošā informācijas analīze WWW, attālināts pētnieciskais darbs, kolektīvi izglītojoši projekti, biznesa spēles, darbnīcas, virtuālās tūres u.c.

Sadarbības darbs rosina skolēnus iepazīties ar dažādiem viedokļiem par pētāmo problēmu, meklēt Papildus informācija, lai novērtētu savus rezultātus.

Kopsavilkums par tēmu:

Samstags

Izveidojiet atskaiti kā datu bāzes objektu

Parskata izveides veidi

Izveidojiet parskatu

Ekspertu un mācību sistēmas

Izveidojiet atskaiti kā datu bāzes objektu

Pārskata struktūra dizaina skatā

Microsoft Access pārskatā parāda datus no vaicājuma vai tabulas, pievienojot tam teksta elementus, kas atvieglo lasīšanu.

Šie elementi ietver:

Kajene. Šī sadaļa parādās katras lapas apakšā. Izmanto, lai parādītu datus, piemēram, kopsummas, datumus vai lappušu numurus, kas drukāti katras atskaites lapas apakšā.

Parskata izveides veidi

Programm Microsoft Access varat izveidot pārskatus dažādos veidos:

Konstrukteure

Ziniošanas vednis

Automatiskais pārskats: katrā kolonnā

Automatiskais ziņojums: lente

Diagrammu vednis

Nudelknoten

Vednis ļauj izveidot atskaites ar ierakstu grupēšanu, un tas ir vienkāršākais veids, kā izveidot atskaites. Tas iekļauj atlasītos laukus pārskatā un piedāvā sešus pārskatu stilus. Pēc vedņa pabeigšanas iegūto pārskatu var pabeigt noformēšanas režīmā. Izmantojot automātiskās atskaites funkciju, varatātri izveidot pārskatus un pēc tam veikt tajos dažas izmaiņas.

Lai izveidotu automatisko pārskatu, rīkojieties šādi:

Datu bāzes logā noklikšķiniet uz cilnes Pārskati un pēc tam noklikšķiniet uz pogas Izveidot. Tiek parādīts dialoglodziņš Jauns ziņojums.

Saraksta atlasiet AutoReport: To Column vai AutoReport: To Ribbon.

Datu avota laukā noklikšķiniet uz bultiņas un kā datu avotu atlasiet tabulu vai vaicājumu.

Noklikšķiniet uz pogas Labi.

Pārskata displeja mēroga maina

Atskaites drukāšana

Lai izdrukātu atskaiti, rīkojieties šādi:

Izvēlnē Fails noklikšķiniet uz Drukāt.

Apgabalā Drukāšana noklikšķiniet uz opcijas Lapas.

Lai izdrukātu tikai atskaites pirmo lapu, laukā "no" ievadiet 1 un laukā "uz" - 1.

Noklikšķiniet uz pogas Labi.

Pirms atskaites drukāšanas vēlams to apskatīt režīmā Priekšskatījums, uz kuru pārslēgties, izvēlnē Skats izvēlieties Priekšskatījums.

Veidojot atskaites izkārtojumus, izmantojiet šādu formel: atskaites platums + kreisā piemale + labā piemale<= ширина бумаги.

Lai pielāgotu pārskata lielumu, ir jāizmanto šādas metodes:

mainīt atskaites platuma vērtību;

samaziniet piemaļu platumu vai mainiet lapas orientāciju.

Izveidojiet parskatu

1. Palaidiet Microsoft Access-Programm. Atveriet datu bāzi (piemēram, izglītības datubāzi "Dekanāts").

Rediģēšana:

1) noņemiet studenta koda laukus galvenē un datu apgabalā;

2) Pārvietojiet visus laukus galvenē un datu apgabalā pa kreisi.

3) Mainiet uzrakstu lapas nosaukumā

Sadaļā Pārskata nosaukums iezīmējiet uzrakstu Studenti.

Novietojiet peles rādītāju pa labi no vārda Studenten, lai rādītājs mainītos uz vertikālu joslu (ievades kursoru), un noklikšķiniet uz šīs pozīcijas.

Ievadiet NTU "KhPI" un nospiediet taustiņu Enter.

4) Parvietojiet parakstu. Kājenē iezīmējiet lauku =Jetzt() un velciet to uz pārskata galveni ar nosaukumu Studenti. Datums tiks paradits zem virsraksta.

5) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Formatēšana:

1) Iezīmējiet virsrakstu NTU studenti „KhPI“

2) Mainiet burtveidolu, fonta stilu un krāsu, kā arī fona aizpildījuma krāsu.

3) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Stila maina:

Lai mainītu stilu, rīkojieties šādi:

Atskaišu noformētāja rīkjoslā noklikšķiniet uz pogas AutoFormat, lai atvērtu dialoglodziņu AutoFormat.

Objekta Parskats - automatiskais formatējums sarakstā stili noklikšķiniet uz Stingrs un pēc tam noklikšķiniet uz Labi. Pārskats tiks formatēts stingri stilā.

Ekspertu un mācību sistēmas

Informācijas sistēmas, ko izmanto daļēji strukturētu uzdevumu risināšanai, iedala divos veidos:

Vadības atskaišu veidošana (datu apstrādes veikšana: meklēšana, šķirošana, filtrēšana). Lēmums tiek pieņemts, pamatojoties uz šajos ziņojumos ietverto informāciju.

Ekspertu macibu sistema

Evaden

Šobrīd, saistībā ar interneta tehnoloģiju straujo attīstību, arvien vairāk parādās interaktīvi pakalpojumi Internets und iekštīkls tīkli, piemēram, t.lmācība. Tālmācības sistēma ir diezgan populāra izglītības forma pasaulē tajās valstīs, kurās ir diezgan augsts uz datortehnoloģiju balstīto saziņas līdzekļu attīstības līmenis. Mūsdienīgu speciālistu sagatavošanai nepieciešama izglītības procesa organizēšana, izmantojot šīs jaunās informācijas tehnoloģijas un izmantojot uz zināšanām balstītas sistēmas - ekspertu sistēmas (ES).

ES izmantošana, lai novērtētu studentu zināšanu līmeni testēšanas sistēmās, nosaka svarīgu datorprogrammu bloku - ekspertu apmācības sistēmas (ETS).

Ekspertu apmācības sistēmas ir datorprogrammas, kurām ir ES galvenās sastāvdaļas, bet kurām ir papildus paplašināta skaidrojuma sastāvdaļa. Šādas sistēmas ir balstītas gan uz programmatūras ekspertu zināšanām, gan uz ekspertu zināšanām par mācību metodēm. Turklāt tajos ir iekļauta izglītojošā materiāla prezentācijas pielāgošana studentam atkarībā no viņa sagatavotības. Un vismaz ir vairākas mācīšanās stratēģijas, kuru detalizācijas pakāpe ir atkarīga no skolēna aktivitātes dialogā ar sistēmu.

Liela nozīme mācībās ir arī EOS kā testēšanas instrumenta izmantošanai skolēna zināšanu kvalitātes noteikšanai. Tā kā šādā pārbaudē studentu neietekmē subjektīvais Factors, proti, ieskaites rezultāti nav atkarīgi no eksaminētāja un pārbaudāmā personiskajām īpašībām. Un vienotu testu izmantošana ļauj skolotājam objektīvi novērtēt skolēnu sagatavotības līmeni.

1. Themen atbilstiba

Saistībā ar datoru plašo izplatību pieaug datorapmācības loma, kuras metodika paaugstina skolēna intelektuālās spējas un lēmumu pieņemšanas nettkarību. Un šādas īpašības ir visvairāk pieprasītas konkurētspējīgā ekonomikā un veicina izglītības unprofessionālā izaugsme. Problēmas ir ar efektīvu mācību sistēmu izveidi, gan jaunu izglītības materiāla pasniegšanas formu un veidu radīšanu, jaunu pedagoģisko paņēmienu un mācību līdzekļu meklēšanu. Viens no veidiem, kā palielināt apmācības efektivitāti, informācijas asimilāciju un samazināt paša mācību procesa izmaksas, ir automatizētu ekspertu apmācības sistēmu izstrāde un izmantošana. Pašlaik ir daudz terminu, kas apzīmē automatizētu ekspertu mācību sistēmu, kas patiesībā ir līdzīgi.

Populārākās no tām ir tālmācības sistēmas, datorapmācības sistēma un citas. Lai izskaidrotu visu iepriekš minēto terminu nozīmi, var sniegt šādu definīciju.
Ekspertu mācību sistēma (ETS) ir programmatūras un aparatūras, kā arī izglītības un metodisko rīku komplekss, kas izveidots, pamatojoties uz ekspertu zināšanām attiecīgajā jomā (kvalificēti skolotieāji, metrologķi), psiMacibu-Prozess. Šādas sistēmas mērķis ir, no vienas puses, tā palīdz skolotājam mācīt un kontrolēt skolēnu, no otras puses, skolēns mācās patstāvīgi.

2. Pētījuma mērķis un uzdevumi, plānotie rezultāti

Studiju mērķis ir izstrādāt datorekspertu mācību sistēmu, kas palīdzēs palielināt iegūto zināšanu apjomu un informācijas uztveres efektivitāti, kā arī samazināt mācību priekšmeta apguves laiku, tajā skaitā laiku, ko pasniedzējs pavada informācijas pasniegšanai. un ieaudzināt studentos praktiskas iemaņas.

Pētījuma galvenie mērķi:

EOS ontoloģiskā modeļa izstrāde;
EOS struktūras izstrade;
Datorizēto īstenošanas līdzekļu pamatojums un izvēle;
Aktīvo komponentu ieviešana EOS (spēles, interaktīvas sistēmas, tieša piekļuve saziņai, piemēram, caur Skype ar menedžeri);

Petījuma-Objekte: ekspertu mācību sistēma.

Studiju priekšmets: EOS modeļi, struktūras un funkcijas.

Novitat von Zinatniskā Satav-Nr jauna pieeja ETS projektēšanā, kuras pamatā ir skolēna darbības modelēšana un mākslīgā intelekta metožu izmantošana.

Maģistra darba ietvaros plānots iegūt atbilstošu zinātniskiem rezultātiemšādās jomas:

Mācību procesu modelēšana.
EOS strukturas dizains priekš Internets und iekštīkls.

Plānotie darba rezultāti: ekspertu apmācības sistēmas prototips, kas uzlabos apmācību kvalitāti un samazinās apmācību laiku.

3. Zinātnisko pētījumu aptauja.

Tā kā jautājumi par ekspertu mācību sistēmu izpēti un apmācības efektivitātes uzlabošanu šajā sistēmā ir svarīga sastāvdaļa sarežģītu problēmu risināšanā ar ekspertu sistēmu palī. EOS ir plaši pētījuši gan ārvalstu, gan pašmāju speciālisti.

3.1. Starptautisko avotu apskats

Pirmā macibu sistēma Platonen pamatojoties uz jaudīgu datoru uzņēmumu" Control Data Corporation ” tika izstrādāts ASV 50. gadu beigās un ir izstrādāts 20 gadus. Apmācību programmu izveide un izmantošana ir kļuvusi patiesi masīva kopš 80. gadu sākuma, kad parādījās un kļuva plaši izplatīti personālie datori. Kopš tā laika datoru izglītojošās lietojumprogrammas ir kļuvušas plaši izplatītas kopā ar tekstapstrādi un grafiku, nospiežot matemātiskos aprēķinus otrajā plānā.

ECSI tika dibināts arī 1972. gadā un kopš tā laika ir kļuvis par vadošo pakalpojumu sniedzēju izglītības nozarei. Uzņēmums specializējas produktu un pakalpojumu izstrādē, lai uzlabotu studentu un viņu vecāku mācību pieredzi. ECSI pašlaik apkalpo vairāk nekā 1300 skolas, koledžas un universitātes visā valstī, piedāvājot plašu pilnībā pielāgotu, intuitīvu mācību sistēmu klāstu.

3.2. Nacionalo avotu apskats

Mūsdienu apmācību sistēmas ietver TrainingWare, eLearning Server 3000 v2.0, eLearningOffice 3000, IBM Workplace Collaborative Learning un HyperMethod 3.5 sistēmas no HyperMethod, kas ir lielākais Krievijas gatavu risinājumu un programmatūras izstrādātājs multivides, 0.Office 30 -komercija.

4. Ekspertu mācību sistēmas

Ekspertu mācību sistēma (EPS) ir datorprogramma, kas veidota, pamatojoties uz mācību priekšmetu ekspertu (kvalificētu skolotāju, metodiķu, psychologu) zināšanām, kas īsteno un kontrolē mācību procesu. Šādas sistēmas mērķis ir, no vienas puses, tā palīdz skolotājam mācīt un kontrolēt skolēnu, no otras puses, skolēns mācās patstāvīgi.

Galvenās EOS sastāvdaļas ir:

zināšanu pamats;
izvades mašīna;
zināšanu ieguves modulis;
Macibu-Modulis;
skaidrojumu-System;
testēšanas modulis.

1. attel- EOS strukturas funkcionālais modelis

(Animation: 8 kadri, 5 cilpas, 118 kilobaiti)

Šajā modelī ETS augšējā daļa ir mantota no ES, bet apakšējā daļa ir bloki, kas nodrošina mācīšanās un testēšanas procesu.

Zināšanu bāze ir zināšanu moduļu krātuve. Ekspertu sistēmu zināšanu modulis ir formalizēts, izmantojot kādu zināšanu reprezentācijas metodi (ražošanas sistēma, rāmji, semantiskie tīkli, 1.kārtas predikātu aprēķins), priekšmeta jomas objektu kartēbšanubas, attie.

Darbs ar zināšanu bāzi ietver šādus posmus:

zināšanu iegūšana kein ekspertiem;
zināšanu formalizēšana;
zināšanu moduļu piekļuve, apstrāde.

Mācību procesā studentam var nodot ekspertu zināšanas informācijas daļas veidā (tekstuālas, grafiskas, multimedialas), kā arī zināšanas, kas balstītas uz pieredzi, kuras nevar nodot tiegaši skolēnam, bet īgābābitas dartas].

Ekspertu zināšanu nodošanai plaši tiek izmantota progresīva hiperteksta tehnoloģija - no tradicionālajām palīdzības (palīdzības) izveides programmām līdz mūsdienīgiem Web vietņu izveides un uzturēšemanas (MXpierīramkieman).

Atšķirībā no ES lai izveidotu zināšanu bāzi, IIS iesaista ne tikai skolotājus ekspertus Tāpēc zināšanu moduļus veido daudzi eksperti. Un šeit ir jāņem vērā ekspertu viedokļu konsekvence un jāprecizē zināšanu bāze, ņemot vērā ekspertu kompetenci. Protams, šīs grūtības var apiet, ja ir eksperts, kurš apvieno mācību priekšmeta speciālista zināšanas, zināšanas par mācīšanas taktiku un stratēģijām un kuram pieder mācīšanas psiholoģiskās metodes, tasvalific ir, kolotēs kāstijs kāsvalific ir

Mācību komponents ir programmatūras moduļu kopums, kas īsteno dažādus secinājumu mehānismus, lai sasniegtu pedagoģisko mērķi mācībās. ETS, atšķirībā no citiem datormācību rīkiem, ir interaktivitāte: tajās notiek dialogs ar studentu, kas pēdējam ir ļoti pievilcīgs.

Dialoga veidošana balstās uz mācīšanās psiholoģiskajiem pamatprincipiem:

draudzīgs interfeiss;
jebkurā laikā iziet no dialoga;
savlaicīga un motivēta palīdzība.

Katrs praktikantam uzdotais jautājums rūpīgi jāizvērtē, ja nepieciešams, jāparedz sīkāks jautājums, lai to labāk izprastu.

Pētījuma rezultātā tika parādīts, ka daudzas ETS izveides sastāvdaļas ir atkarīgas no apmācības rezultāta, tāpēc, lai izveidotu ES zināšanu bāzi, ir nepieciešams speciālists, kurš lieliski pārzina mācācību priekšmetu un ir pārlie part. .

5. Tīklu ekspertu mācību sistēmas klients-serveris tehnoloģija InternetsUnIekstikls

Klienta-servera arhitektūra sastāv no šādiem komponentiem:

serveris, kas izpilda klienta pieprasījumus; klients, kas nodrošina lietotāja saskarni, kas nosūta pieprasījumus serverim un saņem no tā atbildes; tīkla sakaru programmatūra, kas mijiedarbojas starp klientu un serveri. Klienta-servera tehnoloģijas izmantošana sniedz zināmas priekšrocības, veidojot ES: zināšanu bāze tiek glabāta serverī un līdz ar to vienreiz ir jāatjaunina;
zināšanu bāzei var piekļūt ar citām lietojumprogrammām; un ekspertu mācību sistēmu (ETS) priekšrocība ir tā, ka jūs varat uzglabāt saturu serverī un izsekot apmācības statistiku tajā.
Clientu-serveru ES un EOS interneta/Intraneta tīkliem ļauj paplašināt to pielietojuma iespējas tālmācībā.
Datorapmācības sistēmas ļauj gan izstrādāt ES prototipus, gan var tikt izmantotas pielāgotai testēšanai un studentu mācīšanai vietējā tīklā.
Galvenās EOS sastāvdaļas ir šādas: zināšanu bāzes redaktors; loģisko secinājumu mašīnas (tiešā, reversesā, netiešā secināšana, Bayes-Formel); skaidrojumu apakšsistēma; Testa-Analysatoren; skolotāja modulis; macibu sastavdala.

Ekspertu mācību sistēmu galvenais uzdevums ir nodrošināt studentam iespēju apgūt zināšanas, prasmes zināšanu bāzes veidošanā un ES prototipu veidošanā patstāvīgi, kā arī apmācītai testēšanai.

Ir vismaz pieci svarīgi iemesli, kas neļauj ieviest klienta-servera (izplatītās) ES:

ES komponentu strukturālie elementi navi izolēti viens no otra.
KB nav datu bāze, kurai ir jaudīgas DBVS (Oracle, InterBase, MySQL un tā tālāk), kas izmanto SQL vaicājumus.
Vairāku lietotāju piekļuve KB rediģēšanai vienkārši nav pieņemama.
Loģiskais secinājums un zināšanu bāzes veidošanas specifika (dažādi zināšanu atspoguļošanas veidi) neveicina nepieciešamību tās apvienot vienotā sistēmā. Symantec Web ir izstrādātas vairākas apraksta valodas
Programmatūras rīki ES un KB izveidei ir ekskluzīvi un dārgi.

Jūs, protams, varat ievietot ES tīmekļa serverī, lai to lejupielādētu klienta mašīnā, izmantojot lejupielādes saiti, un atjaunināt to serverī, taču tas nav klienta-servera risinājums.

Tāpat var strīdēties par trīs līmeņu klienta-servera arhitektūras (Serveris - CORBA - Klients) izmantošanu, kad zināšanu bāze tiek mitināta lietojumprogrammu serverī un tiek pasniegta biznesa lēmumu noteikumu veidā.

Tāpat arī „plānā klienta“ (KB, loģisks secinājums, skaidrojumu sistēma atrodas serverī, un dialogs ar ES tiek atbalstīts gan serverī, gan klientā) un „biezā klienta“ (KB, loģisks secinājums) tehnoloģija. , paskaidrojumu sistēma atrodas uz klienta) arī nav piemērotas. mašīna, un sarunvalodas saskarni uztur klients un serveris).

Ņemiet vērā, ka KB ES ir intelektuālais īpašums un to nevar padarīt pieejamu bezmaksas lietošanai. Un apmācības zināšanu bāzes ir jāievieto tīmekļa serverī, lai ikviens interesējošais lietotājs varētu analizēt ES darbību un uzlabot zināšanas par mācību priekšmetu jomu.

Neaizmirstiet par servera noslodzi pīķa situācijās. Neviens pakalpojumu sniedzējs nedos serveri tikai ES darbībai, jo lietotāja reakcija konsultācijas vai skaidrojuma laikā nav paredzama. Un tie ir svarīgi punkti ES darbībā (konsultācijas var ilgt no minūtēm līdz vairākām stundām).

EOS izstrāde interneta/iekštīkla tīkliem ir pavisam cita lieta.

EOS ir uz mācību priekšmetu ekspertu (kvalificētu skolotāju, metodiķu, psychologu) zināšanām veidota datorsistēma, kas īsteno un kontrolē mācību procesu. Šādas sistēmas mērķis ir, no vienas puses, tā palīdz skolotājam mācīt un kontrolēt skolēnus, no otras puses, skolēni mācās paši.

Galvenās EOS sastāvdaļas ir šādas: KB; izvades mašīna; Macibu-Modulis; skaidrojumu-System; mācību testēšanas modulis.

Parasti BR Samstag:

Psihodiagnostikas noteikumi apmācāmo psiholoģisko tipu noteikšanai.

Didaktiskas metodes mācībām. Noteikumi atspoguļo skolotāju uzkrātās zināšanas, lai novērtētu skolēnu zināšanas.

Mācību noteikumi maina uzrādīto satura uzdevumu secību. Šī secība ir daudzu mainīgo funkcija: apmācāmā psiholoģiskais tips, mācīšanās līmenis, apmācāmā pašreizējā atbilde, uzdevuma grūtības pakāpe, apmācības apjoms.

Saistībā ar iepriekš minēto attiecībā uz izplatīto ES ir ieteicams apmācībai un testēšanai izmantot "biezā klienta" tehnoloģiju, tas ir, ja visas ETS sastāvdaļas atrodas klienta mašīnā un apmācīs puzības re. Un nav jābaidās, ka rezultātus var aizstāt, ņemot vērā mūsdienu iespējas šifrēt protokolu ar attālo serveri. Kāpēc šī īpašā tehnoloģija? Ir zināms, ka aptuveni 80 % keine Visa informācijas, ko uztver cilvēks - tas ir vizuali. Tāpēc multimediju tehnoloģijas (avi-faili) ir prioritāte mācībās. Ja tie atrodas un skrien talakserveris - tā ir milzīga slodze uz serveri, un rezultātā trafiks palielinās līdz milzīgam izmēram.

secinājumus

ETS atšķirībā no citām datormācību tehnoloģijām ir iespēja īstenot mācību procesu atbilstoši studenta individuālajam modelim. Mācīšanās ar ES palīdzību ir vērsta uz pašu apmācāmo zināšanu iegūšanu. Proti, tādi specialiālisti ir pieprasīti mūsdienu darba tirgū. EOS ir arī savas priekšrocības un trūkumi.

Galvenos trūkumus, kas saistīti ar ekspertu mācību sistēmām, var iedalīt Psychologen kas saistīti ar "dzīvās" komunikācijas trūkumu ar skolotāju, augstām prasībām pašorganizācijai un Technologie ko izraisa satura, tehnoloģiju un telekomunikāciju infrastruktūras nepilnības.

Ekspertu mācību sistēmu priekšrocības ir:

Ģeogrāfiskās un laika priekšrocības.
Mācibu procesa personalizēšana. Iespēja apmācīt dažādu kategoriju cilvēkus, arī invalīdus.
Izpētāmās informācijas paplašināšana un mācīšanās intensitātes palielināšana.
Zināšanu parneses procesa optimizācija un automatizācija.

Maģistra darbs ir veltīts aktuālai ekspertu apmācības sistēmas automatizācijas zinātniskajai problēmai. Kā daļu no veiktā pētījuma:

Tiek analizētas esošās ekspertu apmācības sistēmas.
Tika veikts pētījums par automatizētu ekspertu apmācības sistēmu.
Tiek apskatīta ekspertu apmācības sistēmas klients-serveris tehnoloģija interneta un intraneta tīkliem.

Atbilstoši problēmas izklāstam tālākais pētījuma virziens ir ekspertu apmācības sistēmas izvēle, izstrāde un adaptācija, tās programmatūras ieviešana un testēšana.

Rakstot šo kopsavilkumu, maģistra darbs vēl nav pabeigts. Galiga pabeigšana: 2013. gada decembris. Pilnu darba tekstu un materiālus par tēmu var saņemt pie autora vai viņa vadītāja pēc norādītā datuma.

Avotu Saraksten

1. Brükings A. Ekspertu sistēmas. Darba principi un piemēri.: Per. kein angļu valodas. / A. Brūkings, P. Džounss; [Rot. R. Forsyts. - M.: Radio un sakari, 1987. - 224 lpp.

2. - Amerikas gabala intelekta asociācija Amerikas Mākslīgā intelekta asociācija (AAAI).

7. Karpova I. P. Studentu atbilžu analīze automatizētās mācību sistēmās / I.P. Karpova // - Informācijas tehnoloģijas, 2001, Nr.11. - 49.-55.lpp.

8. Pusilovsky, P. C. Rollinger und C. Peylo (Hrsg.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz, 4, 19–25.

9. Burdajews V.P. Interneta un intraneta tīklu ekspertu apmācības sistēmas klient-servera tehnoloģija. // Mākslīgais intelekts.

11. Andreičikovs AV Viedās informācijas sistēmas. /Wette. V. Andreičikovs, O. N. Andreičikova.: Mācību grāmata. - M.: Finanses un statistika, 2004. - 424 lpp.

12. Atanovs G.A. /G. A. Atanovs, I. N. Pustiņņikova. - Donecka: DOU, 2002. - 504 lpp.

13. Marvins Minskis. Emociju mašīna: saprātīgā domāšana, mākslīgais intelekts un cilvēka prāta nākotne. 2007. - 332 lpp.