автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Исследование и разработка методов и средств представления знаний и принятия решений в информационных системах учебного назначения

Національна академія наук України ОДінститут кібернетики імені В. М. Глушкова

На правах

ЯЦЕНКО Валерій Валерійович

УДК 681.3.06

ДОСЛІДЖЕННЯ ТА РОЗРОБКА МЕТОДІВ І ЗАСОБІВ ПРЕДСТАВЛЕННЯ ЗНАНЬ ТА ПРИЙНЯТТЯ РІШЕНЬ В ІНФОРМАЦІЙНИХ СИСТЕМАХ УЧБОВОГО ПРИЗНА1' ‘ШЯ

05.25.05 — інформаційні системи та п.

Автореферат дисертації на здобуття наукоь кандидата технічних наук

Київ 1994

Дисертацією є рукопис.

Робота виконана в Інституті кібернетики імені В. М. Глуш-кова НАН України.

Науковий керівник: кандидат, фізико-математичних наук,

старший науковий співробітник ПЕТРУШИН В. О.

Офіційні опоненти: доктор технічних наук, професор

ДОВГЯЛЛО О. М.

кандидат фізико-математичних . наук БАРДАДИМ В. О.

Провідна організація: Київський політехнічний інститут

Міністерства освіти України.

Захист відбудеться ^------ 199^ р. о

год. на засіданні спеціалізованої вченої ради К 016.45.05 при Інституті кібернетики імені В. М.. Глушкова НАН України за адресою:

252022 Київ 22, проспект Академіка Глушкова, 40.

З дисертацією можна ознайомитися в науково-технічному архіві інституту.

Автореферат розісланий » -

Учений секретар спеціалізованої вченої ради

РЕВЕНКО В. Л.

Актуальність проблеми. Необхідною умовою для досягнення мети інформатизації освіти є впровадження комп’ютерної технології кавчання (КТН).

Вирішення задач діагностики та класифікації в економіці, • біології, медицині ускладнений у зв'язку з природньою невизначеністю об'єктів дослідження. Знання людини також нечіткі за своєю природою. Дидактична ефективність комп'ютерного навчання підвищується за рахунок більш адекватного відображення предметної області, що може бути досягнено використанням у представленні знань елементів штучного інтелекту, а саме, апарату теорії нечітких множин (juzzy set/i).

Математичні методи нечіткої класифікації використовуються у навчальних середовищах як для навчання віднесенню об'єктів предметної області до того чи іншого класу, так і для аналізу якості учбового матеріалу, для класифікації самих учнів за рівнем засвоєння предметних знань, за рівнями сформованості самостійної роботи та у психодіагностиці учнів.

Автоматизація нечіткої класифікації е однією з важливих задач підвищення ефективності КТН, а формою для її реалізації пропонується система штучного інтелекту - експертна система, яка реалізує презентацію нечітких знань та механізм обробки цих знапь. '

Останнім часом „постерігається децентралізація системи освіти, що було обумовлено появою приватних та незалежних навчальних закладів. Сумісно з проблемою сертифікації навчальних закладів виникає питання про вибір змісту навчання або сукупності знань, вмінь та навичок, якими повинні оволодіти учні у процесі навчання.

Процес відбору змісту навчання, учбових планів та програм, систематизація та структування матеріалу в навчальних посібниках с складним творчим процесом з притаманними йому як об'єктивними, так і суб'єктивними факторами. Складність зазначеної проблеми обумовлена великим обсягом предметної області - Кількість структурних елементів може досягати кількох сот. Проте задача вибору змісту навчання може бути з успіхом вирішена па основі синтезу високопрофесійних

зпань викладачів, учених та спеціалістів, які працюють у даній галузі шляхом приведення експертного оцінювання.

Автоматизація проведення такої експертизи з метлю отримання погодженого експертного рішення про зміст навчання є актуальною задачею на теперішньому етапі розвитку освіти в Україні.

Метою досліджень дисертаційної роботи є дослідження та розробка методів презентації експертних знань про навчальну предметпу область, алгоритмізація ефектніших механізмів прийняття класифікаційних рішень та погоджених рішень в експерілзі про зміст навчанню, а також програмна реалізація на їх основі спеціалізованих інструментальних засобів.

Методи досліджень. У роботі використовувались методи математичної статистики та теорії нечітких множин, елементи теорії ймовірностей та теорії можливостей, методи штучного інтелекту, а також сучасні методи проектування та реалізації програмного забезпеченая.

1) запропоновані механізми логічного виводу для експерт-

них систем учбового призначення для діагностики та класифікації в умовах невизначеності предметної області, які базуються па теорії нечітких множин та бойєсіпському підході до прийняття рішень: ' ’

2) запропонована методика створення нечітких експертних систем з урахуванням суб'єктивної нечіткості знань експерта та об’єктивної невизначеності предметної області;

3) розроблені методи використання нечіткої експертної системи як когнітивного інструмента учня;

4) запропонована методика підготовки, проведення та аналізу результатів автоматизованої експертизи про зміст базових навчальних дисциплін для різних ланок освіти;

б) розроблені методи проведення експертизи про зміст освіти я дистанційно віддаленими експе{' ’ами на основі використання ЕОМ та засобів телекомунікація.

Практична иінпість роботи полягає у розробці методів презентації знань та прийняття рішень для црикладних систем учбового, призначення - учбових середовищ з розв'язання задач за класифікацією об'єктів печіткйх предметних областей та систем підтримки прийняття групових рішень про зміст най-

з

чапяя. Розроблспі алгоритми можуть бути використати при проектуванні систем штучного інтелекту зазначених класів.

¡мультатіе роботи. Запропонозані алгоритми та методи реалізовані у двох інформаційних системах учбового призначення. Інструмен галька експертна система ТРАПЕЦІЯ впроваджена в Українському інституті інженерів 'водного господарства (м.Рівне) та застосовувалась у спецкурсі "Використання комп’ютерних технологій в екології". Система по узгодженню експертних думок КОНКОРД впроваджена у Кіпрському державному економічному університеті та використовувалась у автоматизованій експертизі змісту навчальної дисципліни "Економіка".

Програмні засоби реалізовані у вигляді інструментальних систем, що дозволяє моделювати предметні області з різною структурою.

Апробація роботи. Основні результати дисертаційної роботи доповідались гга міжнародній конференції "Схід-Захід: Штучний інтелект - від теорії до практики" (Москва, 1993), науково-методичній конференції "Проблеми розпитку змісту освіти иа бакалаврському етапі з світлі вимог ринкової економіки" (Київ, 1SS4), міжнародній конференції "Схід-Захід: комп’ютерні технології в освіті" (Сімферополь, 1994).

Пиблікаиії. По темі дисертації опубліковано 8 статей.

Структура та обсяг роботи. Дисертація складається із вступу, чотирьох, розділів, вигчовку, списку літератури (110 найменувань), п'яти додатків. Обсяг роботи - 133 'іторшки машинописного тексту, 3 таблиці, 8 рисунків.

ЗМІСТ РОБОТИ

У вступі обгрунтовано вибір теми дисертаційної поботи, актуальність дослідженої проблеми, сформульована ціль роботи, паведсно короткий зміст розділів дисертації.

^1ліциив^ш_ралш.лі наведена класифікація програмного забезпечення КТО, викладено аналіз сучасні.х методі« презентації нечітких знань та прийняття рішень за умов невизначеності інформації. Розглянуто математичні методи та програмі засоби для вирішення задач класифікації, а тп;-. »к цілі, етапи проведення і обробка результатів експертного отіню-

ванпя, методи отрітмлтіпя гру полого рішення, ^орми проведення експертиз складпих систем, що ієрархічно структуро-вані. Сформульовано задачі дисертаційної роботи.

Нині активно розвивається напрямок використання учбових середовищ як когнітивного інструмента учня (cognitive ton!). Для підтримки процесу структуризації та формалізації своїх знань учень використовує інструментальні системи штучного інтелекту: системи побудови розв'язувачів іадач, оболонки для побудови гіпермедіальних застосувань та концептуальних семантичних сітей, я також оболонки експертних систем (EC).

У дисертаційній роботі розглядається використання інструментальних EC як пізнавального засобу учня в ході рішення останнім класифікаційних (діагностичних) задач в областях з природньою невизначеністю об'єктів (екологія, біологія, медицина та ін.), які мають такі особливості як перекривання класів, паявність взаємозалежних елементів, неточність числових параметрів. .

Зазначаються типи невизначеності інформації, які існують в задачах діагностики: об'єктивна нечіткість властивостей реальних об'єктів та суб'єктивна нечіткість мислення людини-експерта. Наводяться способи презентації нечітких знг.нь, а також три основних підходи, що враховують невизначеність знань при прийнятті рішень: 1) ймовірносний підхід, 2) підхід, який засновано на теорії свідоцтв Демпстера-ІІІеііфера; 3) підхід теорії можливостей.

Аналізуються методи та засоби класифікації. Розглядаються програмні пакети, що дозволяють нр<. ходити дискримі-нанткий і кластерний аналізи, здійснювати ієрархічну класи-. фікацію. Недоліком програм є обробка тільки точних значень експериментальних даних, що призводить до утрати адекватності при'побудові моделей реальних об’єктів.

На основі проведеного аналізу робиться' висновок про необхідність інтелектуалізації методів та засобів діагностики. Зазначену задачу пропонується розв’язувати використанням в представленні знань нечітких множин з тралецієвидною функцією належності. Як програмний засіб пропонується інстру-- ментальна EC, яка реалізує презентацію нечітких знань, а також ймовірносні механізми прийняття рішень.

Робиться висповот:, що використання в няччапні нечітких ЕС дозволить підвищити дидактичну ефективність комп’ютерного навчання завдяки пі літ адекватному представленню предметної області та наблизити отримане машинне рішення до рівня людини-експерта.

Розглянуто задачі та форми проведення експертиз,- методи ' отримання групових думок експертів: метод простої більшості, принцип Кондорсе, метод підсумовування рангів, мінімізації відхиліп" оптимального передбачення.

Визначені напрямки використання експертних оцінок в освіті. Одним з напрямків експертного оціпювання та відповіддю на питання "як вчити ?’’ є оцінка якості існуючих учбових курсів за такими показниками, як важливість курсу в системі підготовки фахівців даного профілю, змістовність матеріалу,_ методичний рівень викладання, чіткість та ясність викладання. Предмет другого напрямку експертного оцінювання - сукупність знань, г.міпь та навичок, які повинен придбати учень ("чому навчати ?"). .

Корінна зміна форм та змісту назчппня, яка викликана потребами привести рівень освіти е нашій країні до відповідності загальносвітовим вимогам до освіти, ставить задачу вибору змісту навчання в ряд найбільш важливих, а використання експертної інформації є логічним рішенням цього складного питання. '

Для автоматизації експертизі! про зміст нявчання’ пропонується система підтримки прийняття рішень (СПЇІР'І.На основі аналізу СППР за.галуззю застосування,.за роллю, що приділяється користувачу в діалозі з системою, та за наявністю і характером бази даних, для. розв'язку задач погодження думок про зміст навчання при фіксованій структурі знань про учбовий предмет, зазначається доцільність розробки проблемно-орі-ентованої системи з послідовного передачею керування між особою, яка приймає рішегшя, та системою, що має засоби для накопичення експертних знань та результатів експертизи.

Виконаний аналіз дозволив обгрунтувати актуальність теми, сформулювати основні задачі роботи та необхідну для їх рішення систему т'еоретико-прикдадннх досліджень.

У дрцґчмц ¡юміип наиедені постановка та вирішення задачі класифікації об'єктів за умов нечіткості предметної об-

ласті. Запропоновано два алгоритми рішення задачі, перший з яких базується на використанні байесівської моделі з евріс-тичними формулами обчислення ймовірностей підтвердження та спростувань гіпотез, другий - на понятті степеня розділення нечітких множин. Описана запропонована методологія побудови нечітких експертних систем, особливості структури та функціональні можливості інструментальної експертної системи 1РАПЕЦІЯ, яка призначена для генерації прикладних діагностичних експертних систем, а також використання' системи в учбовому процесі.

Задача нечіткої класифікгтДЇ сформульована в термінах теорії нечітких множин та містить наступні об'єкти;

• К ■= {Кі'( (і=1...Аг) - кінцева множина цільових класів, кожний клас Кі має вагу ш;, яка відображує апріорні знання експерта про ймовірність стану об'єкта;

• X “ {Ху} 0'“1.../ї) - множина показників (змінних), кожний з яких поданий нечітким інтервалом ЛГу“(ау,6у,су,с?у) з трапецісвидною функцією належності та вагою і>ц

• В “ {/?;} (1=1...т) - множина співвідношень між показниками, що задаються лінійними нерівносзлми вигляду

і * * ) ] З

де я/, Ьу - чіткі додатні числа, Х/,Ху - нечіткі величини з множини показників;

. р — - кп нечіткіх інтервалів

Рц~(а'і],Ь'і],с'ц.сі'ф з трапецієвидними функціями належності, які задають характерні значення показника Xу для класу АГ/;

. У ** {Уу} (/-1...П) - набір даних, то представляють собою нечіткі числа Уу~(уу, уу-еу, уу+еу), уу - результат вимірювання ¡-то показника, а «у - точність вимірювання.

Для подання задачі політетнчної класифікації вико-ристов увалась стандартна дворівнева (симптоми-гіпотези) байє-. совська модель. Особливість підходу полягає в тому, що запро-новано метод отримання параметрів байесовської моделі виходячи з нечітких величин значень показників та їх функцій належності. Тим самим установлено перехід від презентації експертних знань мовою нечітких множин до байєсовсь-ких методів ймовірністного виводу.

В якості гіпотез приймається належність об’єкта до визна-

наченого класу, а їх апріорні ймовірності обчислюють на підставі ватів класів Р(К',) — иц / Т. 104.

Симптомами є належність значень показників інтервалам, що характерні для кожної з гіпотез (класів). Таким, чином, значення У і показника X} дає значення А симптомам (по одному симптому для кожної гіпотези). Оцінка симптоме Бц здійснюється обчисленням злачення степеня належності значення даного І'і інтервалу Рц а наступним лінійним відображенням його на шкалу [-5,5]. Всього є пк симптомів 5у{-, якщо показники незалежні, чи пк симптомів, де п {гі<п) -кількість залежних показників. Ймовірності підтвердження Р+та спростувань Р~і^Р(3^і\-іКі) обчислюються на підставі ваги показника іу за еврістичними формулами Р+і] ~ 1- 1/(і>/+1); Р'Ц

Передбачається, що модель несуперечна, а кожне значення з набору даних оцінюється на належність відповідному показникові.

Пропонується алгоритм рішення заданої класифікації, що засчован на байєсовському підході, який має таку структуру:

1) обчислення апріорних ймовірностей гіпотез виходячи з їх ваги; 2) обчислення ймовірностей підтвердження, та спростувань, надання значень симптомам, а також обчислення апостеріорний, максимальних та мінімальних ймовірностей дня кожної гіпотези; 4) класифікація гіпотез на прийняті, не прийняті та невизначенні в залежності від значень їх ймовірностей; 5) сортування гіпотез за значенням ймовірностей.

Альтернативним підходом до вирішення питання віднесення об'єкта до того чи іншого класу в нечіткій предметній області, пропонується підхід, який засновано на теорії нечітких множин. Даний підхід до приняття класифікаційного р'шеппя застосовує поняття степеня розділення нечітких множин.

З урахуванням вагових коефіцієнтів показників уу та класів и>і, на підставі обчисленая степеня розділення 03^, а також нормалізації можливостей формула для обчислення Р(Кі) має вигляд

Пропонується методика побудови нечіткої експертної системи. Процес формування структури та параметрів моделі об’єкта складається з наступних етапів.

Етап 1. Визначення-можливих класів стану об'єкта (гіпотез), рангування їх, задання вагів як степеня апріорної впевненості в тому, що той чи інший стан може мати місдеі

і^тап 2. Виділення множини показників, що характеризують стан об’єкта, визначення нечітких інтервалів зміни цих показників та призначення кожному показггику ваги, яка відображує суб’єктивну' думку експерта про степінь впливу даного показнггка на рішення-задачі т:лясифікації.

Етап 3. Встановлення відповідності між кожним класом стану об’єкта та характерними для нього нечіткими інтервалами зміни значень кожного показника.

Етап 4. Складання відношень між нечіткими інтервалами зміни значень показників у вигляді лінійних нерівностей (в описі предметної області ряду задач можуть бути відсутпіми).

Етап 5. Тестування моделі на різних наборах даних з використанням обох механізмів прийняття рішряня. Якщо результат незадовільний, тоді належить повторити етап З чи етапи 1,2,4. ■

Описується розроблена інструментальна експертна система ТРАПЕЦІЯ, яка призначена для проведення діагностики та класифікації за умов нечіткості знань про предметну область, що реалізує обидва алгоритми прийняття класис| ікаційного рішення та підтримує наведену методологію побудови нечіткої

експертної системи. ..........

Задача класифікації об'єктів екосистем та їх числових характеристик є центральною в екології. Однією з таких задач, рішенням якої займаються як сїуденти-екологи, так і установи по охороні та використанню водоресурсів. є задача по визначенню .сласу чистоти води. Для використання в навчанні та промисловій діагностиці за допомогою ТРАПЕЦІЇ було розроблено п'ять екологічних експертних систем класифікації чистоти поверхневих вод як для окремих груп показників - неорганічних тг» органічних речовин, біологічних показників, показників промислових забруднень, так і їх інтегрального впливу.

Описується застосування навчильного середовища ТРАПЕЦІЯ як когнітивного інструмента учня р. курсі "Вико-

ристаппя комп'ютерних технологій в екології" п Українському інституті інженерів водного господарства (м. Рівне).

Перед учнями ставилг.л задача - створити EC для діагностики чистоти води шляхом заповнених порожньої бази знань оболонки ТРАПЕЦІЯ необхідними екологічними знаннями. Використовуючи текстологічні методи вилучення знань (аналіз спеціальної літератури, аналіз підручників та методик) та знання, отримані на заняттях, учні виявляли, структури-зували та формалізували знання для майбутньо« EC.

Для навчання створенню діагностичних EC для нечітких предметних областей рояроблепо учбовий курс, що складається з лекційних (4 години), практичних (8 годин) та лабораторних (6 годин)занять.

Цілі курсу: знайомство с класом програм штучного інтелекту - експертними системами, навчання методам прийняття рішень за умов невизначеності, навчання роботі з оболонками EC (на прикладі системи ТРАПЕЦІЯ).

У третьому розділі розглянута постановка задачі вибору змісту базових навчальних дисциплін для різних ланок освіти, запропонована методика підготовки та проведення експертизи про зміст навчання, описана розроблена інструментальна система підтримки прийняття рішень по узгодженню експертних думок про зміст навчання. Запропоновано методи та засоби проведення дистанційної експертизи про зміст навчання з територіально віддаленими експертами.

Розв'язання задачі вибору змісту навчання представляє собою набір узгоджених навчальних програм (описів предметних областей) з кожної дисципліни для кожної ланки освіти, які містять мінімальний перелік необхідних елементів знань, навичок, вмінь, із зазначенням рівня їх засвоєння, а такопс передбачену послідовність вивчання розділів даного предмета. Крім того, навчальні програми повинні бути узгоджені як в "глибину", тобто повиппа мати місце наступпість та поглиблення знань в межах однієї дисципліни при переході від більш низької ланки освіти до більш високої, так і в "ширину", тобто повинні бути встановлені міжпредметні зв'язки у відповідності з логікою та глибиною вивчення суміжних навчальних дисциплін. .

Для побудови, набору узгоджених описів навчальних лис-

цишіін залучають експертів - викладачів середні ої та вищої школи, учених, фахівців державних та приватних підприємств по профілю учбового закладу.

■ Проведення якісного експертного оцінювання по створенню описів навчальних дисциплін передбачає розробку методики організації експертизи, методів презентації експертних знань, розробку алгоритмів та програмних засобів для автоматизації збору та оцінки експертних даних.

Пропонується методика проведення експертиз"!, яка складається з таких етапів:

Етап І. Підготовка описів навчальних дисциплін колективом авторів з 3-7 чоловік для кожної дисципліни і для кожної ланки освіти.

Етап 2. Погодження описів навчальних дисциплін "в глибину”, тобто отримання узгоджених описів в межа”, однієї дисципліни для всіх ланок освіти.

Етап 3. Проведення незалежної експертизи описів навчальних дисциплін, шо включає оцінки як описів кожної ланки освіти, так і узгоджених описів для всіх ланок.

Етап 4. Аналіз експертних даних з метою оцінки погодженості думок експертів, досягнення їх погодженої думки та надання рекомендацій особи, що приймає рішення.

Етап 5. Узгодження описів навчальних дисциплін ширину", тобто отримання описів з узгодженими міжпредметни-ми взаємодіями. Прийняття остаточного рішення про зміст навчання за сукупністю навчальних дисциплін.

В цілому процес вирішення задачі вибору змісту навчання має ітеративний характер. Він має два вкладені контури зворотнього зв'язку, кожний з яких може потребувати до трьох повторень. , ’

Зміст навчання по окремому предмету для заданого рівня освіти подається у вигляді окремої бази знань (моделі), що має ієрархічну структуру. Учбовий предмет подається у вигляді списку назв тем, перелічених в запропонованому порядку вивчення. .

, Кожна тема разбиваєтся на структурні одиниці, наприклад, терміни і поняття, явища та процеси, відношення, алгоритми, евристики Структурна одиниця містить множину назв елементів знань, кожному елементу котрого співставляється

пропоновалий авторами рівень засвоєння. Належність елемента знань до теми означає, гцо даний елемент, з точки зору колективу авторів, повинен обо 'язково входити до навчального предмету. -

Діяльність учнів' в учбовому процесі або репродуктивна (відтворення знань), або продуктивна (використання нових знань для творчого розв'язування задач). У зв'язку з дим виділені три рівні засвоєння учбового матеріалу, які відповідають етапам формупапня розумових дій в теорії П.Я. Гальперіна: 1) рівень розуміння та володіння; 2) рівень навичок; 3) рівень вміння. Експертиза елементів знань здійснюється за двома шкалами: шкала для оцінки необхідності входження елемента знань до предмета та шкала для оцінки рівня засвоєння елемента знань, існуючих відповідно до наступних лінгвістичних значень: [залишити обов’язково, залишити бажано, виключити] та [вміти повторити, вміти застосовувати-, творче застосування]. .

Дані критиків включають:

1) перенумерацію тем предмета у відповідності до запропонованих критиком порядком їх вивчення; -

2) оцінки необхідності присутності та рівня засвоєння для

кожного елемента знань. ' ... .

Ці дані так само можна подати в вигляді дерева, аналогічного дерезу авторської бази знань, однак на нижньому рівні кожному елемпнту знань присвоюється два значення. ’

При аналізі погодженості думок експертів про порядок вивчення тем дисципліни обчислюються дві статистики, які характеризують міри погодженості думок критиків між собою та погодженість колективної - думки критиків з думкою авторського колективу. Цими мірами виступають коефіцієнт конкордації та коефіцієнт рангової кореляції (міра невпорядкованості) Кенделла. При обчисленні використовуються вагові коефіцієнти, що відображують компетентність експертів. . . - : . - ‘ - . • ■ - '

Для аналізу елементів знань за двома шкалами' як " критерій узгодженості вибрано принцип.більшостей з урахуванням вагових коефіцієнтів. Як колективна думка критиків приймається класифікація всіх елементів знень за значеннями першої шкали. Елементи, що не набрали більше половини '

голосів критиків пі за одпим із значені» пікали відносяться до класу неузгоджених, а елементи, за якими відсутні дані, відносяться до класу неопрацьованих. Показником погодженності думки критиків служить величина К — 1 - КС/(К[-Кт), де Кс -загальне число неузгоджених елементів знань, Kt - загальне число елементів знань в описі. Кт • кількість пеопрацьованих елементів знань. -

Описується аналіз структури групи критиків на підставі іх оціпок із застосуванням методів ієрархічної класторизації. Результатом аналізу є дендрограма. яка об’єднує критиків у групи за близькістю їх думок. Аналізу ються можливі ситуації неоднорідності групи експертів та варіанти її виправлення.

Описана інструментальна система, призначена для представлення та обробки експертних оцінок про зміст навчання за базовими дисциплінами для різних ланок освіти 'і а формування групового експертного рішення.

Система КОНКОРД працює зя двома оспоппими режимами:

1) створення та модифікація моделей предметної області;

2) ввід, корекція та аналіз експертних оцінок. .

Режим побудови та модифікації моделей предметної області використовується для представлення знань колективу авторів та реалізації наступних цілей:

• ввід/модифікація назв тем навчальної дисципліни:

• створення/редагування структури моделі предметної області;

• завдання лінгвістичних шкал для оцінки рівня за-

своєння елемента знань та для оцінки необхідності включення -елемента знань в предмет; ' .

• ввід/редагування списку елементів знань та рівнів іх зас- , воєния; -,

• формування та вивід в файл проекту навчальної дис-цишііни, запропонованої до експертизи; в вигляді ієрархії тем, структурпих одиниць та елементів знань;

• створення та вивід в файл форми, призначенці для заповнення експертами в ході експертного оціиюкаиня;

• генерація коду програм опитування експертів мовою Turbo Pascal 6.0 для проведення дистанційної експертизи. .

. Після того, як експертиза проведена та зібрані заповнені експертами форми (бланки) експертизи, система дозволяє

ввести в комп'ютер та статистігчпо обробити отриману експертну інформацію.

Зазначені переваги авто: ;птизації оцінювання павчалької предметної області, що нараховує декілька сотень об’схтіз: суттєве скорочення часу як на підготовку експертизи (створення описів предметних областей, формування та дру^увяйня бланків), так і на обробку результатів, що особливо важливо прк багатотуровій формі її проведення.

Для підчищення якості групового рішення пропонується запрошувати експертів за близькими по профілю закладами з різних міст країни. Труднощі, що пов'язані з витратами на проїзд до .місця експертизи, з відрило« Елеокодрофесіональшіх фахівців від основної роботи, а також із суб'єктивними факторами пропонується усунути використанням засобів телекомунікації!, зокрема телефонної мережі. Для зв'язку територіально віддалених експертів потрібні .

» експерти: персональний комп'ютер сумісний з IBM РС/ XT AT, модем, телекомунікаційна програма (наприклад МТЕ, BitCom)-,

. органі за шорам: персональний комп'ютер сумісний з ЇВМ PL/XT AT, модем, а також програма, що надає свої ресурси з~ запитом телекомунікаційного користувача - Bulletin Board System (BBS).

Розг.-япуті три підходи щодо організації дистанційної експертизи: 1) пересилка програмного забезпечення для збору даних (наприклад, системи КОНКОРД) по телекомунікаційних каналах у територіально віддалене місце находження експерта (-ів), проведення збору даних на місцях, пересилка їх в центральний комп'ютер, інтеграція даних з різних міст та їх обробка; 2) реалізація за допомогою універсальної мови програмування чи генерація за допомогою спеціалізованих інструментальних засобів програми для опитування експерта з метою збору .даних; 3) реалізація програми для опитування експерта за допомогою стандартних засобів BBS чи універсальної телекомунікаційної програми. '

Описується використання другого підходу для електронного опитування експертів. Експертиза містить такі етапи: .

1) генерація системою КОІЇКОРД-програми опитування.

яка представляє собою написану мовою Turbo Pascal діалогову програму, що здійсню« ввід/вивід інформації в телекомунікаційний порт головної машини та накопичує в файлі оцінки від різних експертів;

2) звертання експерта із свого комп'ютера до центральної машини за допомогою телефонної мережі ;

3) запуск експертом програми опитування на центральній млппті спеціальними псобами BBS (DOORS)-,

4) оцінювання експертом на своїй машині об’єктів предметної області, що послідовно поставляються йому для розгляду програмою опитування.

У четвертому розділі описані постановка, проведення та аналіз результатів експерименту щодо формування групової експертної думки про зміст навчальної дисципліни.

Мета експерименту: 1) апробація методики ля&уття

експертних знань про зміст навчання шляхом проведення автоматизованої експертизи; 2) декомпозиція предметп.л області у вигляді ієрархії тем, структурних одиниць та елементів знань разробленими інструментальними програмними засобами;

3) отримання погодженого експертного рішення про порядок вивчення тем та зміст навчальної дисципліни.

Експеримент провадився на базі Київського державного економічного університету в рамках програми Міністерства освіти "Розробка змісту неперервної освіти базових дисциплін" з дисципліни "Економіка". Необхідність перегляду змісту даного предмету зумовлена переходом до рівневої системи підготовки фахівців у вищій школі, а саме, до підготовки бакалаврів та магістрів економіки.

Авторський колектив розробив модель предметної області, що містить 10 навчальних тем. розташованих у рекомендованому порядку для вивчення. Кожна тема складається з чотирьох структурних одиниць: терміни та поняття, явища, відношення, алгоритми. В моделі представлені 93 елементи знань.

Експертиза провадилась шляхом індивідуального анкетування 12 експертів. Системою КОНКОРД на основі моделі предметної області був згеньрований бланк опитування експертів, після чого останні оцінили порядок вивчення тем дисципліни, запропонований авторською групою, та степінь важливості і лементів знань у навчальному предметі, рівень іх

засвоєння.

Добре узгоджені результати дозволяють говорити про можливість то необхідність для освіти України проведення подібних експертиз с метою погодження думки вчителів, викладачів та фахівців про зміст не тільки предмета по економіці, але і всього комплексу базових дисциплін.

¡LeucHO/sny узагальнені результати виконаної роботи.

У. Oo’jrtmKdx наведені програма курсу навчання побудові нечітких діагностичних експертпих систем та протоколи результатів аналізу дисципліни "Економіка".

ОСНОВНІ РЕЗУЛЬТАТИ РОБОТИ

В дисертації запропоновано новий підхід до застосування нечітких експертних систем як когнітивного інструмента учня, а також розроблена методика проведення автоматизованих експертиз про зміст навчальних дисциплін.

Як результати проведених досліджень в даній роботі

1) заироионодано алгоритми логічного виводу для ЕС, що базуються па становищах теорії можливостей та методах ймо-вірносного виводу, для класифікації об'єктів по ряду безперервних показників, шо містять нечіткі інтервалі* значень:

2) запропонована методика побудови нечітких експертних систем для класифікації за умов нечіткості знань та даних;

3) розроблено к>рс навчання створенню експертних систем з діагностики в нечіткій предметній області;

4) реалізована інструментальна експертна система ТРАПЕЦІЯ з двома механізмами виводу, яка призначена для генерації прикладних експертних систем класифікації об’єктів, та використовувана в навчанні як когнітивний інструмент учня;

5) розроблена методика проведення експертизи про зміст павчапня для різних ланок освіти;

6) розроблені методи та засоби проведення дистанційної експертизи для набуття знань про ."¡міст навчальних дисциплін від територіально віддалених експертів;

7) розв'язана алгоритмічно та реалізована програмно у вигляді інструментальної системи КОНКОРД проблема отримання погодженого експертного рішення про зміст нявчання.

Основні положення дисертації опубліковані в наступних статтях

1. Яценко В.В. Метод решения одного класса диагностических задач с учетом неопределенности в исходных данных //Использование математических методов и информационных технологий в технических и экономических системах.- Киев: Ин-т кибернетики им. В.М.Глушксва АН Украины, 1992,-С л 6-82.

2. Яценко В.В., Петрушин В.А.. Адрианов С.Т. TRAPEZIUM - инструментальная экспертная система для классификации с'-ьектов в условиях нечеткости /./ Интеллектуализация компьютерных технологий обучения. - Киев: Пн-т кибернетики им. В.М.Глушкова All Украины, 1993,- С.35-38.

3. Petrus/tin VA.. Yatnenho V.V., and Л<ігіашч> S.T. TRAPEZIUM: an expert system shell for solving classification problems with fuzziness and uncertainty//East-West Intern. Conf. on Artificial Intelligence (EWAIC'93), Moscow, 1593.- P.347-351.

4. Петрушин BA., Яценко B.B. Методическое обеспечение проведения i анализа экспертиз о содержании обучения по базовым дисциплинам // Разработка и использование информационных технологий в системах управления. - Киев: Ин-т хиоернетикк п?>1. B.Ivx.Глушкова АН Vкрупны, 1993.- 0.7o-S2.

5. Комков В А... Петрушин В А., Степаненко С.В., Яценко

B.В. Методика автомптизовг юї експертизи змісту навчання // Проблеми розвитку змісту освіти на бакалопрському етапі в сбітлі вимог ринкової економіки.- К.: КДЕУ. 1994.- С.80-81.

6. Петруиіин ВА., Яценко В.В.,Адрианов С.Т. TRAPEZIUM -инструментальная экспертная система для диагностики з условиях нечеткости и неопределенности,'/УСиМ.-199-1.-N71.-

C.57-64.

7. Petruahin VA.. Yaisenko V.V. Local and distant educational exp Tt examinations: a case study in selecting contents of academic disciplines//East-West Intern Conf. on Computer tech. in education (E\V-ED'94). Simferopol. Crimea. 1994.- P.176-177.

S. Петрушин BA., Яценко В.В. Дистанционная экспертиза для _ыбора содержания учебных дисциплин Опыт разработки и внедрения компьютерных технологий в обучение. -Киев: Пн-т кибернетики НАН Украины, Ю!Ч.- С.15-19.

Яценко В. В. Исследование и разработка методов и средств представления знаний и принятия решений в информационных системах учебного назначения.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.25.05- «Информационные системы и процессы». Институт кибернетики им. В. М. Глуш-кова НАН Украины, Киев, 1994.

Объектом исследования являлись нечеткие экспертные системы, используемые в качестве когнитивного инструмента учащегося, и экспертное оценки в области образования. Разработана инструментальная экспертная система, предназначенная для генерации прикладных экспертных систем нечеткой классификации объектов. Предложена методика проведения экспертизы о содержании обучения для различных уровней образования. Разработаны методы и средства проведения дистанционной автоматизированной экспертизы для приобретения знании о содержании учебных дисциплин от территориально удаленных экспертов. Реализована инструментальная система по получению согласованного экспертного решения о содержании обучения.

Yatsenko V. V. Research and development methods and software for knowledge representation and decision making support in educational information systems.

Doctor of technical sciences thesis, .speciality 05.25.05-information systems and processes. V. M. Glushkov Inst, for Cybernetics, NAS of Ukraine, Kyiv,'1994.

The objects of the investigation are fuzzy expert systems, which are used as a learner’s cognitive tools, and experts' estimations in the field of education. An expert systems shell was implemented. It is intended for generating applied expert systems for fuzzy classification. A method for conducting expert examination about the contents of academic disciplines for various levels of education was proposed. Techniques and software for conducting distant expert examinations were developed and implemented. A tool for analysis and processing exoerts’ data, and working out a coordinated decision about the contents of academic disciplines was implemented and applied to solve real problems.

Ключевые слова: нечеткая классификация, нечеткие экспертные системы, когнитивный инструмент, компьютерная технология обучения, экспертные оценки, дистанционная экспертиза. .

Підп. до друку 26.12.94. Формат 60x^4/16. Папір друк. №2. Ум. друк, арк. 0,96. Ум. фарб.-відб. 1,05. Обл. вид. арк. 1,0. Зам. 1281. Тираж 100.

Редакційно-видавничий відділ з поліграфічною дільницею Інституту кібернетики імені В. М. Глушкова НАН України 252022 Київ 22, проспект Академіка Глушкова, 40