автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Автоматизированные компьютерные системы индивидуального обучения и его оптимизация по результатам тестирования

4847724

На правах рукописи

ВУ Суан Дык

АВТОМАТИЗИРОВАННЫЕ КОМПЬЮТЕРНЫЕ СИСТЕМЫ ИНДИВИДУАЛЬНОГО ОБУЧЕНИЯ И ЕГО ОПТИМИЗАЦИЯ ПО РЕЗУЛЬТАТАМ ТЕСТИРОВАНИЯ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (информатика, управление и вычислительная техника)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

2 6 МАЙ 2011

Москва-2011

4847724

Работа выполнена на кафедре «Системы автоматического и интеллектуального управления» Московского авиационного института (государственного технического университета) «МАИ».

Научный руководитель:

доктор технических наук, профессор Лебедев Георгий Николаевич

Официальные оппоненты:

доктор технических наук, профессор Слепцов Владимир Владимирович

кандидат технических наук, доцент Канушкин Сергей Владимирович

Ведущая организация: ФГУП «ГОСНИИАС»

Защита состоится «14» июня 2011 г. в 13 часов 00 минут на заседании диссертационног*^ .совета Д 212.125.11 в ^Московском авиационном институте (государственном техническом университете) по адресу: 125993, г. Москва, А-80, ГСП-3, Волоколамское шоссе, д. 4.

С диссертацией можно ознакомиться в библиотеке МАИ.

Автореферат разослан «10» мая 2011 г.

Учёный секретарь Диссертационного совета Д 212.125.11 канд. тех. наук, доцент

Горбачев Ю.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Повышение эффективности компьютерных систем обучения, включая освоение не только теоретических знаний, но и практических навыков при использовании различного рода моделирующих комплексов и тренажеров, является актуальной задачей. Подготовка на компьютере операторов управления современной сложной техникой в оптимальные сроки позволит:

- повысить при заданном времени обучения качество освоения простых и сложных навыков за счет оптимального распределения времени между ними;

- снизить при заданном уровне освоения необходимых навыков общее время обучения за счет определения последовательности освоения при поэтапном либо параллельном обучении. Как показывают предварительные оценки, общее время обучения можно снизить на 10 - 20%, а значит, и стоимость обучения.

Перечисленные ожидаемые результаты касаются обучения группы специалистов в целом, а точнее - планирования работы компьютерного класса. Не менее важно перепланирование этой работы по результатам промежуточного тестирования, т. е. фактически автоматизированное управление в замкнутом контуре процессом обучения, которое позволит:

- учесть индивидуальные особенности каждого обучаемого лица для составления индивидуальных планов дальнейшей подготовки в автоматизированном режиме;

- провести объективное разделение на простые и сложные навыки для каждого обучаемого, и с учетом степени забываемости пройденного материала, дать рекомендации по числу повторения и частоте чередования параллельно осваиваемых навыков.

Предложенные перечисленные задачи требуют применения как методов параметрической и многошаговой оптимизации, так и накопленного человеческого опыта. Полученные результаты позволят заменить преподавателя на этапе предварительного планирования и на этапе получения компьютерных оценок качества освоения навыков для перестройки дальнейшего плана работы каждого обучаемого по результатам тестирования, чему и посвящена настоящая диссертационная работа.

Целью работы является повышение эффективности освоения простых и сложных навыков при индивидуальном обучении на компьютере и синтез управления чередования навыков при их параллельном освоении.

Для достижения этой цели в диссертационной работе поставлены и решены следующие задачи:

- разработка математических моделей освоения и забывания простых и сложных навыков;

- выбор критерия оценки качества обучения;

- решение задачи распределения времени на освоение простых и сложных навыков;

- разработка алгоритма оптимального управления чередованием осваиваемых навыков.

Объектом исследования является автоматизированная система управления чередованием освоения навыков при индивидуальном обучении в компьютерном классе.

Методы исследования. В работе использованы эмпирические и теоретические методы исследования. В ходе теоретического исследования применялись методы параметрической оптимизации и метод динамического программирования

Научная новизна состоит в следующем:

- предложены различные математические модели для описания процессов освоения простых и сложных навыков, что обеспечило более точную оценку необходимого времени на каждый из них для достижения необходимого уровня подготовки;

- найдены функции оптимального переключения с одного навыка на другой в результате решения задачи динамического программирования, что позволило принимать решения при управлении обучением в пространстве состояния обучаемых лиц;

- полученные предельные уровни обучения и частота чередования являются функцией индивидуальных способностей обучаемого лица. Значит, в компьютерном классе открывается новая возможность оптимального управления индивидуальным обучением.

Практическая значимость работы определяется тем, что полученные правила управления обучением найдены в аналитической форме. Поэтому, зная в результате тестирования персональные показатели обучаемого лица, можно управлять процессом параллельного освоения навыков в автоматическом режиме.

Реализация результатов работы проводилась при сравнительном обучении двух групп магистров по дисциплине «Современные методы теории управления» для учебного направления «Управление и информатика в технических системах». Показано, что уровень подготовки с переменной частотой чередования занятий различного вида оказался выше, чем с постоянной частотой с неизменным расписанием в семестре.

Достоверность полученных результатов подтверждается использованием известных, научно-обоснованных метолов параметрической оптимизации и динамического

программирования, а также результатами моделирования на ЭВМ, указывающими на ожидаемое повышение эффективности компьютерного обучения при оптимальном управлении индивидуальной подготовкой обучаемого лица.

Апробация_работы. Основные положения

диссертационной работы докладывались на XIX Международном научно-техническом семинаре "Современные технологии в задачах управления, автоматики и обработки информации" (Алушта, 2010 г.); на VII научно-технической конференции «Мехатроника, автоматизация, управление» (Санкт-Петербург, 2010); на XVIII международной научно-технической конференции «Информационные средства и технологии» (Москва, МЭИ, 2010); на научных чтениях памяти К.Э. Циолковского, секция "К.Э. Циолковский и проблемы образования" (Калуга, 2010); на конференции «Научная сессия» ГУАП, ч. II - технические науки (Санкт-Петербург, 2010).

Публикации. Основные результаты работы опубликованы в двух статьях в журналах, рекомендуемых ВАК для защиты диссертаций, и докладывались на 5 российских научно-технических конференциях.

Структура и объем диссертации. Диссертационная работа состоит из введения, 4 глав, заключения, списка библиографических источников из 43 наименований. Общий объем работы составляет 88 страниц, включая 36 рисунков и 5 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выбранной темы диссертационной работы, сформулированы цель и задачи, науч-

ная новизна, основные защищаемые положения и практическая ценность диссертационной работы.

Первая глава носит обзорный характер, в ней рассмотрен анализ функционирования компьютерных систем обучения, структура которой представлена на рис. 1. В этой системе каждый обучаемый по каналу связи сообщает результаты выполнения очередного задания, качество выполнения оценивается временем безошибочного решения. В зависимости от результатов оптимизатор плана назначает новый тип задания, в том числе время его освоения каждым учеником с учетом заданного общего времени на обучение.

Рис.1. Структура компьютерной системы обучения.

В этой главе приводятся две основные математические модели освоения простых и сложных навыков:

Для простых навыков наиболее приемлемой моделью является экспоненциальная зависимость вида (рис. 2):

где нормированная оценка качества обучения,

когда максимальный уровень освоения принят за единицу, / -текущий номер простого навыка, / - номер обучаемой группы, /у - отведенное время на обучение, а, - персональный показатель скорости освоения простого навыка, подлежащий идентификации, qj< 1 - показатель степени, меняющийся в

зависимости от индивидуальных особенностей обучаемого, п -общее число простых навыков

I

Рис.2. График функции экспоненциальной зависимости при освоении простого навыка.

Для сложного навыка характерны низкая скорость освоения вначале, максимальная скорость в середине и убывание скорости при подходе к максимальному уровню, как показано на рис.3.

Логистический характер для сложного навыка может быть представлен формулой (2):

ук^)=(к=\.т (2)

где^(гу)- нормированная оценка качества обучения, к -

текущий номер сложного навыка, у - номер обучаемой группы,

2} - отведенное время на обучение, /?, - персональный показатель скорости освоения сложного навыка, подлежащий идентификации, р) > 1 - показатель степени, увеличение

которого подчеркивает логистический характер обучения.

Рис.3. График функции логистической зависимости при освоении сложного навыка.

Общая постановка задачи сформулирована следующим образом:

Дано:

- Задано общее число ш простых и п сложных навыков;

- задано время Т их параллельного освоения;

- качество освоения оценивается при сравнении затраченного на выполнение задания времени с заданным регламентом;

- известны предварительные оценки скоростей освоения простых и сложных навыков;

- задана группа обучаемых, состоящая из сильных, средних и слабых, имеющих свои индивидуальные показатели.

Требуется:

- сформировать математические модели процессов освоения и забывания каждого навыка;

- выбрать критерий эффективности обучения к концу заданного периода;

- учесть процесс забывания навыков и необходимость их повторения;

- поставить и решить задачу оптимального управления компьютерным обучением и найти правило чередования освоения навыков с учетом индивидуальных способностей обучаемых групп.

Вторая глава посвящена обоснованию выбора критерия оценки качества обучения. Простым подходом к оценке качества обучения является выбор критерия в виде максимума суммарной «успеваемости» вида:

/=1

Однако при обучении навыкам не менее важным условием является недопустимость слишком низкой оценки хотя бы по одному навыку, поэтому критерий г неадекватен линейной свертке, а предлагается его выбрать равным сумме линейной и мультипликативной сверток

п п

г = ку^х^ + к2 х, /¿п

;=1 1=1 ^ '

Для простоты в работе взято кх = 1, при этом к2 > 0.

Третья глава посвящена решению задачи распределения времени на освоение простых и сложных навыков без учета забывания с помощью параметрической оптимизации при следующих допущениях:

• Задано общее число этапов обучения у = и общее число п + т параллельно осваиваемых навыков, одинаковое на каждом этапе: П простых и т сложных навыков.

• Качество освоения простого навыка растет по экспоненциальной модели (1), качество сложного навыка - по

логистической модели (2), параметры которых

подлежат идентификации по результатам тестирования на очередном этапе обучения.

• Показатели скорости обучения а ¡(у) и Р}(у) в свою

очередь линейно зависят от результатов обучения на предыдущем этапе (у - 1):

где Ту (у) или 0] (у) - скорости освоения простого или

сложного навыка в «отсутствии» обучения на предыдущих этапах, назначаемые экспертом-преподавателем априорно, и

к. - искомые коэффициенты корреляции новых навыков с

предыдущими; х,{у — 1)и у ¿(у — 1) - средняя успеваемость

при интегральной оценке освоения соответственно простых и сложных навыков на предыдущем этапе.

• Контингент обучаемых делится на три группы: сильные (у = 1), средние (у = 2) и слабые (у = 3), которые получают соответствующие оценки xJ и у. при тестировании на каждом этапе обучения.

• Параметрический критерий оптимальности обучения был представлен формулой:

Р^в.^+ку.^-Х)

(5)

3 п т

т

¿[с,л(1 - еа/1 )4' + С>(1 - ер,Т' У1 ]=> шах

п

где С/ , С2 - коэффициенты относительной важности освоения простых и сложных навыков, которые вместе с параметрам а7, /?у, цр ру в данном примере считаются заданными, Результаты тестирования для первого этапа обучения при т = 2, п = 4, Г = 300 ч. приведены в качестве примера в таблице 1.

Таблица 1

№ имя их и2 «з УА № Рг'<*г

1 Ух 76 4,1 3,8 1,2 0,8 0,7 0,2 0,022 0,016 0,008

2 У2 72 3,9 3,2 0,8

3 X, 40 4,99 4,2 2,6

4 36 4,98 3,8 2,4 0,997 0,8 0,5 0,117 0,042 0,018

5 40 4,99 4,2 2,6

б х4 36 4,98 3,8 2,4

На основе результатов тестирования производится идентификация показателей освоения навыков,

коэффициентов корреляции и к] между этапами обучения и

оценка коэффициентов важности навыков С1,С2. После этого,

оценивается эффективность индивидуального обучения, рассчитанного при решении прямой задачи параметрической оптимизации исходя из того, что значения t2 и Т2 для средней

группы, представленные в имеющемся плане обучения, уже являются оптимальными.

Непосредственные расчеты суммарной успеваемости показывают, что в результате оптимизации у сильной группы уровень освоения сложного навыка возрос на 7.1%, у слабой группы уровень освоения простого навыка возрос на 40,4%.

Четвертая глава посвящена синтезу оптимального управления чередованием осваиваемых навыков с помощью метода динамического программирования.

В этой главе дается описание динамики процессов освоения и забывания простых и сложных навыков. Процесс освоения простых навыков описывается дифференциальным уравнением:

*,(0=«/(1-*(0) (7)

Процесс забывания простых навыков описывается следующим дифференциальным уравнением:

= (8) где 0 - персональный показатель скорости забывания

простого навыка

Таким образом, динамика освоения и забывания каждого простого навыка описывается с помощью экспоненциальных роста и снижения качества обучения

{aj (1 - х ) - при освоении простого навыка

(9)

-в,х1 - при забывании простого навыка

Динамику освоения сложных навыков удалось описать логистической зависимостью вида:

*,(о=а-<гвЛ2

которую можно заменить системой дифференциальных уравнений, добавив промежуточную переменную у:

[у=2а/(1-х,)-За,у (10)

Поэтому опишем динамику освоения и забывания каждого сложного навыка следующим образом:

у,у=2ау2(1-ху)-3ау.у, при освоении сложного навыка (11) у, у=-26* х] - Ъв].у, при забывании сложного навыка

х1 =

Соотношений (4), (9-10) достаточно чтобы сформулировать задачу оптимального обучения с помощью динамического программирования. При этом рассмотрено 4 случая:

1. При обучении двум простым навыкам терминальный критерий имеет вид:

^ = кх [х, (Г) + х2 (Г)] + к2 [х, {Т).х2 (Г)] шах а условие оптимальности Беллмана таково:

Л /=1,2 [ 1 8х{ 2 Зх2\ у=1.21 41 2П где £ - функция Беллмана, которую можно аппроксимировать степенным полиномом второго порядка:

X2 X2

е=а + /31х1+Р1х2+ух-^- + у2-±- + 11/ххх2 (13)

Тогда функции ^ текущего риска равны:

^(Хр х2 )=( Д + /Л + у/х2 )ах (1 - х,) - (Д + у2х2 + у/хх)в2х2 Р2(х„ х2)=(Д +у2х2 + у/хх)а2{ 1-х2)-(Д +/,*, +у/х2)в1х1 (14) Условие оптимальности (12) используется для того, чтобы найти ординаты С,, минимального риска в различных

ситуациях, используя при этом метод рабочей точки.

Приведем ординаты риска в окрестности рабочей точки: Со = {«2 .^{х1р,х2р) + а,.^(х1р,х2р)}/(а, + а2); С,+ = Р2(хХр + Д„х2р); с2 =1г\(хХр,х2р + Д2); С," = ^(х1р - Д„х2р); Сг =Р2(хХр,х2р - Д2); С12+~ =^2(х1р + Д15х2р - Д2)

Найденные значения ординат риска в виде аналитических функций от коэффициентов Рпу,,ц/ позволяют с помощью уравнения Беллмана (12) получить систему 5

дифференциальных уравнений относительно этих

коэффициентов, решение которых позволяет построить линию переключения от одного навыка на другой при их освоении:

АР=Р,(хрХ2)-Р2(Х]5Х2)=0 (16)

Ниже приведены результат моделирования процесса обучения двум навыкам и линия переключения при: ах =0,02;

а1 = 0,03; в{ = 0,002; в2 = 0,003; Г = 500 ч.; шаг Д/1 = 2ч.; ¿1 = \\к2 - 10

0.75 Х2

0.5 0.25

I / ....................... **...............

0.5 Х1

0.75

Рис.4. График моделирования чередования простых навыков

1т

0.75

0.5

0.25

.................V ---

/ //. .......

100

200

300

400

500

Рис.5. График моделирования процесса обучения двум простым

навыкам

Из рисунков видно, что при поочередном освоении двух простых навыков для каждого обучаемого лица достигается свой персональный максимально доступный уровень

подготовки, по достижению которого дальнейшее обучение этих навыков нецелесообразно.

В частности, согласно рисункам для сильной группы в конце обучения: дг,(Г) = 0,39; х2(Т) = 0,76 , тогда общий уровень

J^ = A,\5• Для более слабой пары в конце обучения результат

получается х^Т) = 0,28; х2(Т) = 0,61 иЗг= 2.6

2. При обучении п простым навыкам (2<п<=5) считается, что скорости их освоения и забывания одинаковы для всех навыков. Разделим все навыки на две группы: одна состоит из первого навыка, а вторая из остальных. Тогда можно показать, что вторая группа приближенно характеризируется скоростью освоения а2=а и скоростью забывания #,=0,5пв-Это позволяет применять такое же правило (16), что и для двух навыков, и управлять обучением в этом случае.

3. При обучении простому и сложному навыкам можно получить другое, более сложное условие оптимальности с учетом двух дифференциальных уравнений (11) для первого (сложного) навыка при представлении функции Беллмана в новом виде:

2г г2 г1

+ + <//,3^3 + ц/тгг23

где г1 = х, - ух; г2 = х2 - у2; = у - у3, а У1,У2,У3 - средние значения величин хх,х2,у. Взято ух =у2 = 0,8;^3 = 0

В этом случае условие переключения определяется из равенства функций риска:

~(А +У222 +¥п21 +¥2&2Шгг +У2)

+ (Л +/згз + 2^2з22гз)(2«12(1 -ух -2х)-Ъах{2ъ +у3 +п+))

=(Д + ГА + ^12*2 + У/132з)Оз+23~+Л)

-(А +^12^1 +¥7ъ2ъ)аг{\-у2-г2) (18)

где г* ,п ,п - поправки. Взято:

= 0,15ах; - -0,25а, ;п+ = 0,1 ах; п = -0,2а,. Вычисленные затем ординаты риска и система из 9 дифференциальных уравнений позволяют найти правило чередования навыков, подобное петле гистерезиса и проиллюстрированное на рис.6.

А

у<оЩу>о

/Щ

О 0.25 0.5 0.75 1

Х1

Рис.6. График моделирования чередования простого и сложного навыков с увеличивающейся частотой

Рис.7. График моделирования процесса обучения простому и сложному навыкам

Согласно этому правилу вначале освоения сложного навыка ведется по достижению правой границы, затем внутри треугольника осваивается простой навык, а переключение опять на сложный навык происходит по достижению левой границы функции переключения. При этом оказывается, что частота чередования навыков к концу обучения растет.

4. При обучении ш сложным и п простым навыкам можно также аппроксимировать группу навыков, которые в данный момент не осваиваются, как один навык со скоростью забывания в2 = 0,5в(т + п), и также применить правило управление (16) в этом случае.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

На основании проведенных исследований можно сделать следующие выводы:

1. При параллельном освоении простых и сложных навыков в процессе компьютерного обучения предложено:

- проводить периодическое тестирование обучаемых лиц с целью идентификации скоростей освоения и забывания этих навыков и с их помощью оптимальным образом назначать и распределять время обучения с учетом индивидуальных способностей

- применить экспоненциальную модель освоения простых навыков и логистическую модель сложных навыков для оценки уровня подготовки обучаемой группы.

- использовать динамическое программирование для определения правила чередования осваиваемых навыков с учетом процессов забывания.

2. При освоении простых навыков найдена линейная функция переключения с одного навыка на другой, легко реализуемая в автоматическом режиме в компьютерном классе для каждого обучаемого лица. Для этого случая определен

предельный уровень подготовки в зависимости от индивидуальных способностей обучаемых лиц, по достижению которого дальнейшее обучение нецелесообразно.

3. При освоении сложных навыков наряду с простыми, правило переключения со сложного навыка на простой и наоборот не одинаково и определяется двумя различными границами. Для этого случая показано, что частота чередования навыков к концу обучения растет и достигает максимума у сильной группы обучаемых лиц. Этот обнаруженный факт был проверен экспериментально при обучении на кафедре 301 магистров по специальности «Управление и информатика в технических системах» и подтвердил высокую эффективность.

4. Обращено особое внимание на процесс забывания навыков, от которого прежде всего зависит достигаемый в конце обучения уровень подготовки, и предложено отводить специальное время для повторения с целью снижения скорости забывания у обучаемого лица.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Публикации в изданиях, рекомендованных перечнем ВАК РФ:

1. Лебедев Г.Н., Зайцев A.B., Ву Суан Дык. Планирование работы компьютерных систем индивидуального обучения и повышение их эффективности с помощью прямых и обратных задач параметрической оптимизации. // Вестник компьютерных и информационных технологий. №11, 2009. - М.: Изд. Машиностроение. - С. 47-54.

2. Лебедев Г.Н., Ву Суан Дык. Применение динамического программирования при автоматизированном обучении операторов управления воздушным движением. - Труды МАИ. №44, 2011.

Публикации в других изданиях:

1. Лебедев Г.Н., By Суан Дык. Управление процессом освоения навыков в компьютерном классе с помощью динамического программирования. - В кн.: Сб. тр. YII научно-технической конференции «Мехатроника, автоматизация, управление». - С.-Петербург: ГНЦ РФ ЦНИИ «Электроприбор», 2010.-С. 263-266.

2. By Суан Дык. Выбор критериев оценки качества автоматизированного обучения при освоении простых и сложных навыков. - В кн.: Сб. тр. XIX междунар. науч.-техн. семинара «Современные технологии в задачах управления, автоматики и обработки информаци». - М.: Изд. МЭИ, 2010. - С. 123.

3. Лебедев Г.Н., By Суан Дык. Идентификация динамических параметров компьютерного обучения при освоении простых и сложных навыков. - В кн.: Сб. тр. XVIII междунар. науч.-техн. конференции «Информационные средства и технологии». - Т.2. М.: издательский дом МЭИ, 2010. - С. 209217.

4. Г.Н. Лебедев, By Суан Дык, A.B. Ефимов. Повышение отказоустойчивости автоматизированных систем управления полетом при использовании тренажеров для обучения необходимым навыкам. - В кн.: Сб. тр. XLV научн. чтений памяти К.Э. Циолковского. Секция "К.Э. Циолковский и проблемы образования" - Калуга: издательство «ЭЙДОС», 2010. -С. 375-376.

5. Лебедев Г.Н., By Суан Дык. Оптимизация автоматизированного обучения простым и сложным навыкам в компьютерном классе. - В кн.: Сб. тр. конференции Н34 «Научная сессия» ГУАП, ч. II. - С.-Петербург: ГОУ ВПО «СПбГУАП», 2010. - С. 154-157.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ КОМПЬЮТЕРНЫХ СИСТЕМ ОБУЧЕНИЕ И ПОСТАНОВКИ ЗАДАЧИ.

1.1. Анализ функционирования компьютерных систем обучения.

1.2. Общая постановка задачи.

1.3. Выбор метода решения поставленной задачи оптимизации.

1.3.1. Анализ известных аналитических методов параметрической оптимизации. Метод Лагранжа.

1.3.2. Линейное программирование.

1.3.3. Динамическое Программирование.

1.4. Выводы по главе 1.

ГЛАВА 2. ВЫБОР КРИТЕРИЯ ОЦЕНКИ КАЧЕСТВА ОБУЧЕНИЯ.

2.1. Подходы к оценке качества обучения.

2.2. Выводы по главе 2.

ГЛАВА 3. РЕШЕНИЕ ЗАДАЧИ РАСПРЕДЕЛЕНИЯ ВРЕМЕНИ НА ОСВОЕНИЕ ПРОСТЫХ И СЛОЖНЫХ НАВЫКОВ С ПОМОЩЬЮ ПАРАМЕТРИЧЕСКОЙ ОПТИМИЗАЦИИ.

3.1. Анализ особенностей оптимизации обучения. Постановка задачи.

3.2. Идентификация параметров освоения по результатам тестирования и имеющимся учебным планам.

3.2.1. Оценка параметров степени qj и pj

3.2.2. Оценка показателей скорости обучения а. и р].

3.2.3. Оценка коэффициентов корреляции I и к. между этапами обучения

3.2.4. Оценка коэффициентов важности навыков С{ у

3.3. Оценка эффективности индивидуального обучения, рассчитанного при решении прямой задачи параметрической оптимизации.

3.4. Выводы по главе 3.

ГЛАВА 4. СИНТЕЗ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ЧЕРЕДОВАНИЕМ ОСВАИВАЕМЫХ НАВЫКОВ С ПОМОЩЬЮ МЕТОДА ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ.

4.1. Описание динамики процессов освоения и забывания простых и сложных навыков.

4.2. Синтез оптимального управления чередованием при освоении двух простых навыков.

4.3. Оценка качества обучения в случае освоения группы более, чем двух простых навыков.

4.4. Синтез оптимального управления чередованием при освоении простого и сложного навыков.

4.5. Оценка качества обучения в случае освоения группы простых и сложных навыков.

4.6. Структура комплекса автоматизированного управления обучением в компьютерном классе.

4.7. Выводы по главе 4.

Актуальность работы. Повышение эффективности компьютерных систем обучения, включая освоение не только теоретических знаний, но и практических навыков при использовании различного рода моделирующих комплексов и тренажеров, является актуальной задачей. Подготовка на компьютере операторов управления современной сложной техникой в оптимальные сроки позволит:

- повысить при заданном времени обучения качество освоения простых и сложных навыков за счет оптимального распределения времени между ними;

- снизить при заданном уровне освоения необходимых навыков общее время обучения за счет определения последовательности освоения при поэтапном либо параллельном обучении. Как показывают предварительные оценки, общее время обучения можно снизить на 10 - 20%, а значит, и стоимость обучения.

Перечисленные ожидаемые результаты касаются обучения группы специалистов в целом, а точнее - планирования работы компьютерного класса. Не менее важно перепланирование этой работы по результатам промежуточного тестирования, т. е. фактически автоматизированное управление в замкнутом контуре процессом обучения, которое позволит:

-учесть индивидуальные особенности каждого обучаемого лица для составления индивидуальных планов дальнейшей подготовки в автоматизированном режиме;

-провести объективное разделение на простые и сложные навыки для каждого обучаемого, и с учетом степени забываемости пройденного материала дать рекомендации по числу повторения и в целом по частоте чередования параллельно осваиваемых навыков.

Предложенные перечисленные задачи требуют применения как методов параметрической и многошаговой оптимизации, так и накопленного человеческого опыта. Полученные результаты позволят заменить преподавателя, как на этапе предварительного планирования, так и на этапе 4 получения компьютерных оценок качества освоения навыков для перестройки дальнейшего плана работы каждого обучаемого по результатам тестирования, чему, и посвящена настоящая диссертационная работа.

Целью работы является повышение эффективности освоения простых и сложных навыков при индивидуальном обучении на компьютере и синтез управления чередования навыков при их параллельном освоении.

Для достижения этой цели в диссертационной работе поставлены и решены следующие задачи:

-разработка математических моделей освоения и забывания простых и сложных навыков;

- выбор критерия оценки качества обучения;

- решение задачи распределения времени на освоение простых и сложных навыков;

- разработка алгоритма оптимального управления чередованием осваиваемых навыков.

Объектом исследования является автоматизированная система управления чередованием освоения навыков при индивидуальном обучении в компьютерном классе.

Методы исследования. В работе использованы эмпирические и теоретические методы исследования. В ходе теоретического исследования применялись методы параметрической оптимизации и метод динамического программирования

Научная новизна состоит в следующем:

- предложены различные математические модели для описания процессов освоения простых и сложных навыков, что обеспечило более точную оценку необходимого времени на каждый из них для достижения необходимого уровня подготовки;

- найдены функции оптимального переключения с одного навыка на другой в результате решения задачи динамического программирования, что позволило принимать решения при управлении обучением в пространстве состояния обучаемых лиц;

- полученные предельные уровни обучения и частота чередования являются функцией индивидуальных способностей обучаемого лица. Значит, в компьютерном классе открывается новая возможность оптимального управления индивидуальным обучением.

Практическая значимость работы определяется тем, что полученные правила управления обучением найдены в аналитической форме. Поэтому, зная в результате тестирования персональные показатели обучаемого лица, можно управлять процессом параллельного освоения навыков в автоматическом режиме.

Реализация результатов работы проводилась при сравнительном обучении двух групп магистров по дисциплине «Современные методы теории управления» для учебного направления «Управление и информатика в технических системах». Показано, что уровень подготовки с переменной частотой чередования занятий различного вида оказался выше, чем с постоянной частотой с неизменным расписанием в семестре.

Достоверность полученных результатов подтверждается использованием известных, научно-обоснованных метолов параметрической оптимизации и динамического программирования, а также результатами моделирования на ЭВМ, указывающими на ожидаемое повышение эффективности компьютерного обучения при оптимальном управлении индивидуальной подготовкой обучаемого лица.

Апробация работы:

Основные положения диссертационной работы докладывались на XIX Международном научно-техническом семинаре "Современные технологии в задачах управления, автоматики и обработки информации" (Алушта, 2010 г.); на VII научно-технической конференции «Мехатроника, автоматизация, управление» (Санкт-Петербург, 2010); на XVIII междунар. науч.-техн. конференции «Информационные средства и технологии» (Москва, МЭИ 2010); 6 на ХЬУ научн. чтениях памяти К.Э. Циолковского, секция "К.Э. Циолковский и проблемы образования" (Калуга, 2010); на конференции «Научная сессия» ГУАГТ, ч. II - технические науки (Санкт-Петербург, 2010).

Публикации;

Основные результаты работы опубликованы в двух статьях в журналах, рекомендуемых ВАК для защиты диссертации, и докладывались на 5 российских научно-технических конференциях.

Структура и объем диссертации:

Диссертационная работа состоит из введения, 4 глав, заключения, списка библиографических источников из 43 наименований. Общий объем работы составляет 88 страниц, включая 36 рисунков и 5 таблиц.

4.7. Выводы по главе 4

На основании проведенных исследований можно сделать следующие выводы:

1. При освоении простых навыков найдена линейная функция переключения с одного навыка на другой, легко реализуемая в автоматическом режиме в компьютерном классе для каждого обучаемого лица. Для этого случая определен предельный уровень подготовки в зависимости от индивидуальных способностей обучаемых лиц, по достижению которого дальнейшее обучение нецелесообразно.

2. При освоении сложных навыков наряду с простыми правило переключения со сложного навыка на простой и наоборот не одинаково и определяется двумя различными границами. Для этого случая показано, что частота чередования навыков к концу обучения растет и достигает максимума у сильной группы обучаемых лиц.

3. Обращено особое внимание на процесс забывания навыков, от которого прежде всего зависит достигаемый в конце обучения уровень подготовки, и предложено отводить специальное время для повторения с целью снижения скорости забывания у обучаемого лица.

4. Составлена структура комплекса автоматического управления обучением в компьютерном классе, что позволяет реализовать оперативное планирование обучения в автоматическом режиме.

ЗАКЛЮЧЕНИЕ

На основании проведенных исследований можно сделать следующие выводы:

1. При параллельном освоении простых и сложных навыков в процессе компьютерного обучения предложено:

- проводить периодическое тестирование обучаемых лиц с целью идентификации скоростей освоения и забывания этих навыков и с их помощью оптимальным образом назначать и распределять время обучения с учетом индивидуальных способностей

- применить экспоненциальную модель освоения простых навыков и логистическую модель сложных навыков для оценки уровня подготовки обучаемой группы.

- использовать динамическое программирование для определения правила чередования осваиваемых навыков с учетом процессов забывания.

2. При освоении простых навыков найдена линейная функция переключения с одного навыка на другой, легко реализуемая в автоматическом режиме в компьютерном классе для каждого обучаемого лица. Для этого случая определен предельный уровень подготовки в зависимости от индивидуальных способностей обучаемых лиц, по достижению которого дальнейшее обучение нецелесообразно.

3. При освоении сложных навыков наряду с простыми, правило переключения со сложного навыка на простой и наоборот не одинаково и определяется двумя различными границами. Для этого случая показано, что частота чередования навыков к концу обучения растет и достигает максимума у сильной группы обучаемых лиц. Этот обнаруженный факт был проверен экспериментально при обучении на кафедре 301 магистров по специальности «Управление и информатика в технических системах» и подтвердил высокую эффективность.

4. Обращено особое внимание на процесс забывания навыков, от которого прежде всего зависит достигаемый в конце обучения уровень подготовки, и

82 предложено отводить специальное время для повторения с целью снижения скорости забывания у обучаемого лица.

1. Лебедев Г.Н. и др. Теория оптимальных систем. М., МАИ, 1999. - 320с.

2. Беллман Р. Динамическое программирование.- Издательство иностранной литературы, i960.- 161 с.

3. Лебедев Г.Н. Интеллектуальные системы управления и их обучение с помощью методов оптимизации. М.: МАИ, 2002.

4. Лебедев Г.Н. Методы принятия оперативных решений в задачах управления и контроля. М.: Изд. МАИ, 1992. - 120 с.

5. Гасс С. Линейное программирование. М, Физматгиз, 1961.-303 с.

6. Ефанов В.Н., Бодрунов С.Д. авиационные тренажеры пятого поколения: концепция виртуальной аэронавигационной среды // Мир авионики. 2001. № 2.-С. 17-24.

7. Глазов Б.И. Параметрический поиск и особенности практического применения шумоподобных сигналов. М., ВА им. П. Великого, 1974.

8. Горькова В.И. и др. Закономерности роста и старения научно-технической информации и их использование в работе информационных органов. М.: ВИНИТИ, 1978. Сер. Наука, информация, производство. - 325 с.

9. Лебедев Г.Н., Ву Суан Дык. Оптимизация автоматизированного обучения простым и сложным навыкам в компьютерном классе. В кн.: Сб. тр. Н34 Научной сессии ГУАП. Ч. II. - С.-Петербург: ГОУ ВПО «СПбГУАП», 2010.-С. 154-157.

10. Лебедев Г.Н., Ву Суан Дык. Применение динамического программирования при автоматизированном обучении операторов управления воздушным движением. Труды МАИ, № 44, 2011.

11. Воронов А. А. и др. Основы теории автоматического регулирования и управления. Учеб. пособие для вузов. М., «Высшая школа», 1977. - 519 с.

12. Атманов С.А. Линейное программирование. — М.: Наука, Физматгиз, 1981.

13. Кузин Л.Т. Основы кибернетики.— Т. 1 и 2. —М.; Энергия, 1973.

14. Ким Д. П. Теория автоматического управления. Т. 1. Линейные системы. М.: ФИЗМАТЛИТ, 2003 .-288 с.

15. Ким Д. П. Теория автоматического управления. Т. 2. Многомерные, нелинейные, оптимальные и адаптивные системы: Учеб. пособие. М.: ФИЗМАТЛИТ, 2004. - 464 с.

16. A.B. Аттетков, C.B. Галкин, B.C. Зарубин. Методы оптимизации: Учеб. для вузов. 2-е изд., стереотип. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. -440 с.

17. Венцель Е.С. Теория вероятностей. Издательство «Наука», 1969.

18. Фельдбаум A.A. Основы теории оптимальных автоматических систем. -М.: Наука, 1966.

19. Автоматизированные обучающие системы профессиональной подготовки операторов летательных аппаратов // Л.С.Дамин, Ю. Г. Жуковский, А.П.Семенив и др.; Под ред. Б.Е.Шукшунова. М.: Машиностроение, 1986.240 с.

20. Артемов А.Г., Анисимов Д.Н. Профессиональный психологический отбор специалистов по эксплуатации сложных технических систем // Материалы 29 Всероссийской НТК 2010, Серпухов, 2010.- С. 38-40.

21. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и компьютерных обучающих систем.- М., 2002г.

22. Белкин А.Р., Шумов С.И. Анализ и оценка традиционных и нетрадиционных механизмов получения и обобщения новых знаний. ИНФО, 6, 1994.-С. 8-10.

23. Воронина Т.П., Кашицин В.П., Молчанова О.П. Образование в эпоху новых информационных технологий. -М.: "Информатик", 1995. 220 с.

24. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для ЭС. М.: РиС, 1992, гл. 1-5.- С. 3-129.

25. Голубятников И.В. Основные принципы проектирования мультимедийных обучающих систем. М.: Машиностроение, 1999. - 318 с.

26. Дэвид X. Джонанссен. Компьютеры как инструменты познания: изучение с помощью технологии. ИНФО, 1996, № 4. С. 117-131.

27. Зайцев A.B., Канушкин C.B., Чернобрывка В.В., Коробков С.П. Особенности усвоения знаний с использованием интеллектуальных обучающих систем. Материалы межвузовской НПК, посвященной 75-летию военного обучения в МАИ, Москва, 2006, часть 1.- С. 78-82.

28. Зайцев A.B., Канушкин C.B., Чернобрывка В.В., Коробков С.П. Управление ходом учебного процесса в интеллектуальных обучающих системах. Материалы межвузовской НПК, посвященной 75-летию военного обучения в МАИ, Москва, 2006, часть 1.- С. 71-77.

29. Зайцев A.B., Канушкин C.B., Чернобрывка В.В., Коробков С.П.Модуль интеллектуального анализа объема и структуры знаний с учетом повторения. Материалы межвузовской НПК, посвященной 75-летию военного обучения в МАИ, Москва, 2006, часть 1.- С. 83-88.

30. Канушкин C.B. Управление учебным процессом в нейроподобных обучающих системах. Труды 17 Международного НТС, 2008г. Алушта.- С. 119120.

31. Канушкин C.B., Анисимов Д.Н. Индивидуальное обучение на нейросетевом принципе. Труды 28 Межрегиональн. НТК, Серпухов, 2009.- С. 56-59.

32. Канушкин C.B., Антошин C.B. Голубев С.А. Индивидуализация подготовки операторов в интеллектуальных обучающих системах. Труды Международного научно технического семинара, часть 2, Алушта, 2004.- С. 250-252.

33. Канушкин C.B., Канушкин Ю.С., Баранова О.В. Алгоритм кластеризации учащихся на основе их успеваемости. Труды XVI Международного научно-технического семинара г. Алушта 2006.- С. 149.

34. Канушкин C.B., Лебедев Г.Н., Чан Ван Туен, Швыдченко К.И. Подготовка операторов безотказного управления сложными подвижными объектами при регулируемом регламенте проведения проверок. САНКТ-ПЕТЕРБУРГ, Материалы МНТК,- С. 59-65.

35. Канушкин C.B., Повереннов Е.В. Управление учебным процессом в нейроподобных обучающих системах. Труды Международного семинара. Алушта, 2005.- С. 155.

36. Лебедев Г.Н., Романов О.В., Алексеев А.Ю. Проблемы построениякомпьютерных систем обучения специалистов ракетно-космических87комплексов. Авиакосмическое приборостроение, 2003, № 9. С. 25-31.

37. Чаки Ф. Современная теория управления. Нелинейные, оптимальные адаптивные системы.- М.: Мир. 1975.

38. Чураков Е.П. Оптимальные и адаптивные системы.- Энегоатомиздат, 1987.