автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методики и алгоритмы интеллектуальной системы поддержки управления процессом обучения основам микроэлектроники
Автореферат диссертации по теме "Методики и алгоритмы интеллектуальной системы поддержки управления процессом обучения основам микроэлектроники"
4847974
ЗАР НИ ХЛАЙНГ
На правах рукописи
МЕТОДИКИ И АЛГОРИТМЫ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ УПРАВЛЕНИЯ ПРОЦЕССОМ ОБУЧЕНИЯ ОСНОВАМ МИКРОЭЛЕКТРОНИКИ
Специальность:^. 13.01 - Системный анализ, управление и обработка информации (приборостроение)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени кандидата технических наук
Москва-2011 г.
2 6 МАЙ 2011
4847974
Работа выполнена при кафедре Информатики и программного обеспечения вычислительных систем в Московском государственном институте электронной техники (техническом университете )
Научный руководитель: доктор технических наук,
профессор Лисов Олег Иванович
Официальные оппоненты:
доктор технических наук, профессор
Соколов Александер Георгивич
Кандидат технических наук, Панасенко Сергей Петрович
Ведущая организация:
ОАО "ОТИК"
Защита состоится 0(р 2011г. в /¿¿://£)часов на
заседании диссертационного совета Д 212.134.02 при Московском государственном институте электронной техники (техническом университете) по адресу: 124498, Москва, Зеленмрад, проезд 4806, МИЭТ.
С диссертацией можно ознакомиться в библиотеке МИЭТ.
Автореферат разослан Ж» (У^ 2011г.
Ученый секретарь диссертационного совета д.т.н., доцент.
Гуреев А.В.
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы
В настоящее время весьма остро встает вопрос обеспечения качества производимой продукции вообще, и микроэлектронных систем в частности. Если раньше разработка новых микроэлектронных (электронных) приборов и систем была ориентирована на длительный срок эксплуатации и выполнялась специализированными подразделениями разработчиков аппаратуры, то в настоящее время моральное старение микроэлектронных изделий происходит гораздо быстрее, объемы производства стали меньше. Поэтому все этапы от разработки до изготовления часто выполняются непосредственно на предприятии-изготовителе. Вместе с тем в условиях жесткой конкуренции предприятие не может позволить себе снижать качество продукции. Это приводит к необходимости постоянно расширять компетентности обслуживающего персонала, что связано с требованием регулярного повышения квалификации и освоения новых знаний. При использовании компьютерных технологий обучения возрастает роль интеллектуальнных методов поддержки процесса обучения. Одним из выходов в данном случае является создание интеллектуальнных тренажёрно-обучающих комплексов (ТОК).
Кроме того, подготовка специалистов по электронике в рамках программ высшей школы, очевидно, никогда не потеряет своей актуальности. Поэтому еще одной областью применения ТОК является ее использование при подготовке специалистов в вузовской и профессиональной сферах. Разработка системы велась с учетом возможной профессиональной загруженности обучаемых, поэтому предусматривается возможность доступа к теоретической части и режиму тренинга в любое удобное время, и без обращения к преподавателю. Эта особенность ТОК предоставляет дополнительные возможности и для студентов в плане построения индивидуальной линии обучения.
В преподавании дисциплин, связанных с микроэлектроникой, в настоящее время успешно сосуществуют и дополняют друг друга два направления: традиционное обучение и применение новейших компьютерных технологий с использованием стандартных программных средств (пакеты МАТЬАВ, МиЬТШМ, и т.д.). Последнее направление весьма актуально в связи с новыми требованиями к образовательным технологиям.
Вопросами создания систем электронного обучения занимаются многие зарубежные и российские ученые, в частности хорошо известны работы Б. Ятленко, А. Бондаренко, Марка Розенберга, А.Я. Савельева, Лисова О.И, Игнатовой И.Г., Тихомирова В.П., Солдаткина В.И., Гусевой А.И., Дэ-Джун Кванг, Мьюнг-Сук Дженни Панг и др.
Актуальность проблемы, посвященной повышению квалификации обслуживающего персонала, обусловлена тем, что в условиях увеличения числа малых предприятий с быстро меняющимся ассортиментом производимой продукции нет возможности обеспечить длительную подготовку специалистов нужной квалификации. Использование ТОК позволяет решить проблему ускорения и повышения качества процесса первичного обучения и повышения квалификации специалистов, в том числе и с использованием методов электронного образования (е-1еати^).
Построение ТОК, осуществляемое на основе разработки структуры, моделей алгоритмов генерации заданий и контроля правильности решения задач, создания интеллектуального модуля контроля результатов обучения, являются актуальными задачами. Цель работы
Целью работы является повышение эффективности процессов обучения на основе разработки интеллектуальной системы поддержки управления процессом обучения, принятия решений и обработки информации в обучающих системах, путём создания математического и программного обеспечения тренажёрно-обучающих комплексов.
Для достижения цели необходимо решить следующие задачи. • Анализ существующих методик подготовки специалистов в рамках технологии е-1еагпод.
■ Построение формализованной модели области знаний.
■ Разработка структуры тренажёрно-обучающего комплекса.
■ Разработка алгоритмов интеллектуальнной поддержки процесса обучения с помощью тренажерно-обучающего комплекса.
■ Разработка методик интеллектуального управления процессом обучения.
■ Разработка адаптивной технологии обучения и алгоритмов автоматической генерации тестовых заданий и контрольных вопросов.
■ Создание методики интеллектуального тестирования и оценивания знаний.
■ Программная реализация разработанных алгоритмов для решения практических задач обучения и повышения квалификации специалистов в области микроэлектроники.
Объектом исследования являются процессы первичного обучения и повышения квалификации обслуживающего персонала в области микроэлектроники.
Предметом исследования является структура ТОК как компонент системы обучения, алгоритмы, модели и программная реализация интеллектуальных средств обучения по базовым разделам микроэлектроники, в частности "Преобразование активных двухполюсников", "Метод контурных токов". Микроэлектроника рассматривается как комплекс дисциплин, связанных с расчетом, моделированием и проектированием электронных приборов.
Методы исследования.
Теоретическую и методологическую базу исследования составляют элементы общей теории систем, теория интеллектуальных технологий. При решении конкретных задач использованы теория электрических цепей, интерфейсы дискретных систем, труды отечественных и зарубежных ученых в области е-1еагшг^ технологии и микроэлектроники.
При создании ТОК были использованы методы объектно-ориентированного программирования. При создании интеллектуальной подсистемы оценивания, генерации тестов и контрольных вопросов применялись методы теории нечетких множеств. При апробации ТОК использовались статистические методы проверки эффективности.
Научная новизна.
Диссертационная работа представляет собой совокупность научно обоснованных технических решений, направленных на разработку ТОК, обеспечивающих базовое обучение и повышение квалификации обслуживающего персонала в области микроэлектроники.
Научная новизна работы состоит в создании новых методик, моделей и алгоритмов повышения эффективности процесса обучения на основе использования интеллектуальных технологий.
В процессе выполнения диссертационной работы получены следующие новые научные результаты.
■ Сформулированы новые требования к функционированию ТОК и его структуре, применительно к решению задач интеллектуального управления процессом обучения.
■ Разработана модель области знаний (базы знаний), обеспечивающая применение двух технологий обучения, основанных на индуктивном и дедуктивном методах, в зависимости от индивидуальных компетентностных качеств обучаемых.
■ Разработан алгоритм формирования заданий в интеллектуальном тренажере (с помощью автоматического генератора заданий).
■ Предложена адаптивная методика интеллектуального тестирования и рейтингования знаний обучающихся, учитывающая сложность и количество контрольных вопросов, а также динамику успеваемости студентов.
■ Разработан интеллектуальный блок ТОК для обработки результатов тестирования знаний обучаемых, обеспечивающий управление по индивидуальной траектории обучения по одному из двух возможных методов: индуктивному или дедуктивному;
■ На базе адаптивно-нечеткой логики разработаны принципы построения, структура, алгоритмы работы и программная реализация ТОК по двум разделам: "Преобразование активных двухполюсников" и "Метод контурных токов".
■ Проведено экспериментальное исследование предложенных в работе методик и алгоритмов.
На защиту выносятся.
■ Структура тренажёрно-обучающего комплекса.
» Алгоритмы управления работой тренажёрно-обучающего комплекса.
■ Алгоритмы принятия решения при управлении процессом обучения.
■ Формализация модели области знаний (микроэлектроника).
■ Адаптивная технология обучения, методика управления знаниями, структура алгоритма генератора тестов и контрольных вопросов, обработка результатов, полученных при тестировании, и контроля знаний обучаемых.
■ Методика интеллектуального тестирования и оценивания знаний.
■ Программная реализация тренажерно-обучающего комплекса.
Практическая значимость заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение ТОК при обучении теории электрических цепей как базовому разделу микроэлектроники. Результаты исследования доведены до конкретных алгоритмов и программной реализации.
Практическая ценность работы заключается в повышении эффективности изучения базовых разделов микроэлектроники за счет адаптивной технологии обучения, интеллектуальных средств тестирования и оценивания знаний, повышения объективности рейтингования обучающихся. Разработанный тренажерно-обучающий комплекс обеспечивает повышение среднего балла успеваемости студентов, обучающихся по дисциплинам "Теория систем" и "Теория цепей" более чем на 20%, уменьшение времени выполнения контрольных мероприятий в среднем на 30% по сравнению со стандартными технологиями обучения.
Достоверность результатов работы определяется корректным применением математического аппарата и подтверждается результатами использования предложенных решений в учебном процессе, доказавшими преимущества разработанных ТОК, что выражается в повышении среднего балла успеваемости обучающихся и снижении среднего времени выполнения контрольных мероприятий.
Личный вклад автора
Основные результаты получены автором лично. Главными из них являются следующие.
■ Выполнен аналитический обзор существующих методов в е-1еагпп^ технологии.
■ Разработаны требования к функциональным блокам ТОК и его структуре.
■ Построена модель области знаний, обеспечивающая применение двух технологий обучения, основанных на индуктивном и дедуктивном методах, в зависимости от индивидуальных компетентностных качеств обучаемых.
■ Предложена адаптивная методика интеллектуального тестирования и рейтингования знаний обучающихся, учитывающая сложность и количество контрольных вопросов, а также динамику успеваемости студентов.
■ Разработана интеллектуальная система оценивания знаний обучаемых, обеспечивающая индивидуальную траекторию обучения по одному из двух возможных методов: индуктивному или дедуктивному.
■ Разработаны принципы построения, структура, алгоритмы работы и программная реализация ТОК при изучении курса "Теория цепей" с использованием аппарата нейронных сетей.
■ Проведено экспериментальное исследование предложенных в работе методик и алгоритмов.
Апробация и внедрение результатов работы
Основные положения и результаты диссертационной работы были доложены на всероссийских межвузовских научно-технических конференциях «Микроэлектроника и информатика» (Москва, Зеленоград, 2008-2010), на второй международной научно-методической конференции «Современные проблемы высшего профессионального образования» (Курск, 2010), на международной научной заочной конференции «Актуальные вопросы современной техники и технологии» (Липецк, 2010) и на всероссийской межвузовской научно-практической конференции «Актуальные проблемы информатизации, развитие информационной
инфраструктуры, технологий и систем» (Москва, Зеленоград, 2008).
Публикации по теме диссертации
Основные результаты диссертационной работы опубликованы в одиннадцати печатных трудах. В том числе одна работа в издании из списка, утвержденного ВАК. Без соавторов опубликовано 8 работ. Структура и объем диссертации
Диссертация состоит из введения, четырех глав, заключения и приложений. Диссертация изложена на 147 страницах текста, содержит 39 рисунков и 6 таблиц.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы, дана общая характеристика работы, определена цель работы, приведена структура и краткое содержание диссертации.
В первой главе рассматриваются вопросы, связанные с построением тренажёрно-обучающего комплекса. Формулируется проблема, цель, объект и задачи исследования, рассматривается роль и место современных информационных технологий для преподавания микроэлектроники, а также вопросы, посвященные реализации ТОК для обучения микроэлектронике.
Вторая глава посвящена разработке моделей, алгоритмов и принципов построения тренажёрно-обучающего комплекса для обучения в области микроэлектроники.
Алгебраическая модель области знаний, для которой создается ТОК, является той динамической информационной моделью, которая на абстрактном (формальном) уровне описывает функционирование ТОК. Модели предметной области ТОК являются алфавитными преобразователями информации, причём законы преобразования формулируются ограниченным естественным языком для процессуального и языком программирования высокого уровня для алгоритмического представления информации.
Для построения модели процедуры обучения введена трансформационная грамматика. Совокупность грамматик языков образует алгебраическую модель области знаний, в которой функционирует тренажёрный комплекс - модель предметной области ТОК. На рис. 1 представлена взаимосвязь процедур процесса обучения, операций и языков, входящих в модель.
Рис .1 Связь формальных языков микроэлектроники с процессом
обучения
На рис. 2 представлено семантическое дерево разделов микроэлектроники и иерархическая связь между ними.
Рис .2 Семантическое дерево связи разделов в модели предметной области микроэлектроники.
1 - элементы электрических цепей, 2 - электрические приборы, 3 - математические модели элементов, 4 - топологические понятия, 5 -возмущающие воздейсивия, 6 - система уравнений Максвелла, 7 -методы решения уравнений, 8 - виды анализа схем, 9 - техническая документация, 10 - эквивалентная схема прибора, 11 - математические модели приборов, 12 - электрическая схема, 13 - уравнение Кирхгофа, 14 - топологическая математика (топология), 15 - уравнения состояния цели, 16 - алгоритм решения уравнений состояния, 17 - программы анализа, 18 - представление результатов, 19 - модель устройства.
В диссертации разработаны образующие грамматики языков ТОПОЛОГИЯ, ОТОБРАЖЕНИЕ ТОПОЛОГИИ НА ТОКОВ0-ПОТЕНЦИАЛЬНЫЙ БАЗИС, МОДЕЛИРОВАНИЕ
МНОГОПОЛЮСНИКОВ, АНАЛИЗ ЭЛЕКТРИЧЕСКИХ ЦЕПЕЙ.
Терминальный и полный алфавиты языка Ат - ТОПОЛОГИЯ, правила подстановки и начальный символ, являющиеся элементами, образующими грамматику Гт , представлены в табл. 1. В множество Ф
входит пустая цепочка {е} и все правила удовлетворяют условию /(я") = 1, что позволяет считать грамматику Тт контекстно-
свободной. За исключением {е}, грамматика языка ТОПОЛОГИЯ является НС-грамматикой в табл. 1.
Таблица. 1
Элементы грамматики языка ТОПОЛОГИЯ
Название элемента грамматики Обозначение символа Интерпретация символа
буквенное символьное
Начальный символ н ТКС лзо Топология контуров и сечений графа цепи
Терминальный алфавит т ВЕР V Вершина
ИНЦ & Инцидентность
МБ м Множество
ВЕС в Вес
МОЩ !> Мощность множества
МЕТ Р Метрика
Нетерминальный алфавит ф/т РЕБ X Ребро
ГР» С Граф
ТОП Топология графа
ЛК и К Последовательное выполнение операции дизъюнкции
ЛК л* Последовательное выполнение операции конъюнкции
ДОП Р Дополнение дерева графа
ПУД 'ч Путь в дереве графа между вершинами
СЕЧ Сечение графа
КОН */ Контур графа
Правила подстановки л Я ->Л/У, Система независимых сечений есть множество сечений
-> пихЛ&4 6 Т(р . 1) П к, 1-1 Сечение есть множество одной ветви дерева и хорд, в контуры, образованные которыми, входит данная ветвь дерева
X Система независимых контуров есть множество контуров
К, ?! V Я^ Е Г Контур есть дизъюнкция хорды и пути в дереве
КТО -» КГ! Топология графа есть дизъюнкция систем независимых контуров и сечений
Совокупность языков образует базу знаний (БЗ) интеллектуальной системы поддержки процесса обучения в ТОК.
БЗ имеет многоуровневую иерархическую структуру расположения
модулей знаний, моделью которой является матрица смежности.
П г'<1
уы
к
V,
11
уы
к
Рщ
%Л ТнГ
^11 Ни ^11 Л..Л
¿+1
...... РЛ ^ - РМ Р^л
^ -Чц ^¡..л
Рцп •••
к+2
1йГ
РЦ121-1
к+2
2 к
Ч-'к
гЛ-1к
р.. .
Р1Щ..лк
Ч'ЙЧ-й-
Р^^1
2к
где V/ ... Л>ц - вершины графовой модели первого уровня иерархии;
VI - вершины графовой модели второго уровня иерархии;
- вершины графовой модели к- го уровня иерархии;
т
1п - количество вершин и-го уровня иерархии.
Первый уровень иерархии - самый высокий, включает модули |, содержащие наиболее общий характер знаний, то есть темы
1... 1]. Следующие уровни иерархии нумеруются по возрастанию количества индексов: {^ц,...!^} " ВТ0Р°® Уровень иерархии относительно темы 1; } " ВТ0Р°й уровень иерархии
относительно темы 2; | ' тРетий уровень иерархии
относительно темы 1;
к ТГ
- к- й
уровень иерархии
относительно темы П и т.д. Таким образом, у вершин нижнего уровня иерархии самый длинный индекс.
БЗ является динамически реконфигурируемой - ее структура может изменяться при добавлении новых модулей, а также при изменении вероятностей обращения к вершинам (модулям) в процессе обучения.
Блок интеллектуального управления обучением в ТОК состоит из двух частей: модуля контроля знаний с целью выбора технологии обучения и модуля нечеткого управления процессом обучения.
В автоматизированных обучающих системах контроль знаний обычно осуществляется с помощью тестов. В существующих системах тестирования и контроля знаний итоговая оценка 8 ответа тестируемого на тестовое задание включает только сравнение конечного ответа с эталонным ответом и вычисляется по формуле:
<5=М
где р е [0; 1] - мера трудности тестового задания; ё - степень соответствия конечного ответа на тестовое задание эталонному ответу.
Эталонный образ гк ответа на тестовое задание закрытой формы с выбором нескольких альтернативных вариантов ответов из множества определяется как:
гК
Г к' Г
2\ 91
4 ,<Рк= 1т Гг
'"к "к
М. ,<Рт_
где
дескриптор /-го альтернативного варианта ответа
(/=1,т); 2^=1(0), если 1-й альтернативный вариант ответа правильный
(неправильный); т = П1 + п2 - количество альтернативных вариантов ответа; и/ - количество правильных альтернативных вариантов ответа;
п2 - количество неправильных альтернативных вариантов ответа; <рк -
весовой коэффициент /-го альтернативного варианта ответа. При этом условием нормировки будет следующее выражение
(=1 /=1 у ' Образ ответа обучаемого на тестовое задание закрытой формы,
полученной в момент времени ту, представим в виде: "/(•у)
=
«¿(«у)
где (гу) - дескриптор г'-го альтернативного варианта ответа в образе \¥-> (гу),;=1,«, (гу )=о|, если ;'-й альтернативный вариант
ответа в образе ^(ту) помечен как правильный (неправильный). Зависимость \¥-> (ту) эталону гк определяется, как:
т . .
а Д (г у) = £ ;)'
/ = 1
1 = 1
где а ¿к (гу) - доля суммы весов правильных альтернативных вариантов
ответов на тестовое задание от суммарного веса всех правильных альтернативных вариантов эталонного образа; йд(г;) " Доля суммы
весов неправильных альтернативных вариантов ответов на тестовое задание.
Если Г^(гу) = 2*,то ад(г/)=1 и
Траектория процесса формирования ответа на тестовое задание закрытой формы с выбором нескольких альтернативных вариантов ответа из множества, соответствующая следующим условиям определяется как:
IV0 (г0 (гу) (гу)+Л2^ ]=1,/=Гт;7=П"
/¿•-1 (гу )=Д (ь«/'1 (т;_!>У (ту) •
/=1 4 '
где образ И?°(то) - начальная точка траектории процесса формирования
ответа на тестовое задание закрытой формы в момент времени т0 , удовлетворяющая следующим условиям:
Жи(т0)=
»г^о)
,м>,-=0,/=1 ,т >
/¿/-.1(7,)- число альтернативных вариантов ответа, помеченных в образе fV-!(тj) как правильные, и не помеченных как правильные в образе число альтернативных вариантов ответа,
помеченных в образе как правильные, и не помеченных как
правильные в образе IV-1 (гу); гу - точка фиксации образа ответа (гу) в процессе формирования ответа j=l,n.
Траектория процесса формирования ответа на тестовое задание закрытой формы с выбором одного альтернативного варианта ответа из множества, соответствующая следующим условиям:
При работе с тренажёрно-обучающим комплексом фиксируются ошибки, образующие входное множество X, которое рассмотривается как нечеткое множество фактов неправильных ответов. На базе этих множеств модулем нечеткого управления формируется итоговая оценка У на основе базы правил. На рис. 3 представлена структура модуля нечеткого управления. Он состоит из следующих компонентов: базы правил, блока фазификации, блока выработки решения и блока дефазификации.
Рис .3 Структура модуля нечеткого управления База правил, иногда называемая лингвистической моделью, представляет собой множество нечетких правил к=1,2,...Д,
вида
if®:IF\fo это Д* And х, это J^ And % это
theriyl это Д* And уг это В\ And уъ это В*)
где N - количество нечетких правил, А* - нечеткие множества.
Каждое правило базы состоит из части IF, называемой «посылкой (antecedent)», и части THEN, называемой «следствием (consequent)». Посылка правила содержит набор условий, тогда как
следствие содержит вывод. Переменные jj = (xj,x2.....Хп)Т и могут
принимать как лингвистические (пример, «малый», «средний», «большой»), так и числовые значения.
X = {Х1}Х2,---, ■£„)
Ак = х А\ х ... х А\
R(k):A" -> В",к = 1,..., N
При проектировании модуля нечеткого управления следует оценивать достаточность количества нечетких правил, их непротиворечивость и наличие корреляции между отдельными правилами.
Блок фазификации: система управления с нечеткой логикой оперирует нечеткими множествами. Поэтому конкретное значение
х = (x1>x2,...,xn)T е X входного сигнала модуля нечеткого
управления подлежит операции фазификации, в результате которой ему
будет сопоставлено нечеткое множество А'С X = Хх X Х2 х... х Хп .
В задачах управления чаще всего применяется операция фазификации типа Синглетон (Singleton):
, , Xесли _х = х
О,если _ х * х
Нечеткое множество А' подается на вход блока выработки решения. Если входной сигнал поступает зашумленным, то нечеткое множество А' можно определить функцией принадлежности.
(х - х)т (х - х~)
fiA. = ехр
где сг > 0. В этом случае операция фазификации имеет тип non-singleton.
Дефазификация. Задача заключается в определении с помощью базы правил отображаения f(Xj, Х2, Хъ) —> у, где у - выходная величина нечеткой системы. При определении количественного значения управляющего воздействия у для данных входных сигналов
(Xj, jc2 , jc3 ) необходимо выполнять операцию дефазификации. Вначале
для входных сигналов с использованием операции
произведения объединим посылки (условия) к -го нечеткого правила. Таким образом определяется так называемая степень активности к -го правила. Ее значение рассчитывается по формуле
Например, для первого правила
Rm
степень активности
определяется выражением:
г'1' = Ms, (xt)Mi, {xt)n Si (j,)
Для расчета выходного значения у используется способ дефазификации по среднему центру.
£ г<"7«> 7= -
Zr(l> t-1
Таким образом, во второй главе представлены алгебраическая модель области знаний и алгоритмы функционирования тренажёрно-обучающего комплекса. Определены основные правила формирования модуля нечёткого управления при оценке знаний.
В третьей главе приводится созданная структура интеллектуального тренажера для информационной и интеллектуальной поддержки управления процессом обучения.
Представлены разработанные алгоритмы и методики обучения, процедуры использования базы данных, интеллектуальная система генерации тестов, контрольных вопросов и система оценивания с использованием адаптивной нечёткой нейронной системы.
В процессе обучения выполняются следующие этапы: идентификация в системе, автоматический выбор методов, изучение теории, выполнение тестов и выполнение контрольных вопросов. Обобщенная схема алгоритма работы ТОК показан на рис. 4.
комплекса
На рис. 5 показана схема алгоритма выполнения тестов и контрольных вопросов.
I I
Рис .5 Схема алгоритма выполнения тестов и контрольных вопросов
В рамках создания ТОК разработана интеллектуальная система генерации тестов и контрольных вопросов, основанная на адаптивной нейро-нечёткой системе (А№18). На рис. 6 показана схема алгоритма генерации тестов и контрольных вопросов. На рис. 7 показана схема алгоритма системы оценки знаний обучаемых.
■
СШ_ЕРШ количество-I неправильных ответов (для ¡К-го контура)
РЯ2 - признак решения задачи
1к -номер пущего контуре
СЕЭ
Рис .6 Схема алгоритма генерации тестов и контрольных вопросов
Рис .7 Схема алгоритма системы оценки знаний обучаемых.
Блоки идентификации личности, управления генерацией контрольных вопросов и тестов на основе нечеткой логики, сохранение данных по результатам выполнения контрольных вопросов и тестов делают тренажерно-обучающий комплекс более эффективным и интеллектуальным.
Работа с ТОК начинается с выбора одного из двух блоков -Тренинг и Контроль. В блок "Тренинг" встроен теоретический блок.
Первым шагом в решении является выбор дерева в графе цепи, включающей указание количества ветвей в дереве рис. 8. В случае ввода неправильного ответа ТОК сообщает об ошибке, необходимые теоретические сведения для решения приводятся слева от схемы.
На этом шаге осуществляется ввод количества ветвей, входящих в дерево графа цепи. Для определения количества ветвей, в блоке "Теоретические сведения" приводится формула №вд = N — 1.
Допускается до трёх ошибок, после чего обучаемый направляется на изучение теории.
Четвертая глава посвящена программной реализации интеллектуального тренажера и оценке эффективности его экспериментального применения.
По курсам "Теория систем и системый анализ" и "Теория электрических цепей" (2 учебных группы, 45 человек) в течение семестра предусмотрено выполнение трех контрольных мероприятий. До использования ТОК выполнение и сдача контрольных мероприятий происходило в соответствии с рис. 9 (сплошные линии), результат использования ТОК показан на рис. 9 (пунктирные линии) и в табл. 2.
Сравнение происходило с предыдущим годом, когда ТОК еще не использовалась.
Соотношение разных категорий обучаемых (успевающих на "отлично", на "хорошо" и на "удовлетворительно") показано на рис. 10 и в табл. 3.
Таблица. 2
Интенсивность сдачи контрольных мероприятий.
Задачи 1 II III
Число студентов, сдавших контрольное мероприятие в срок (до использования ТОК) 25 30 32
Число студентов, сдавших контрольное мероприятие в срок (использование ТОК) 30 36 40
Контрольные недели 4 8 12
Кол-студентов
Рис .9 График сдачи контрольных заданий
Таблица, 3
Улучшение оценок при сдаче контрольных мероприятий
До использования ТОК Использование ТОК Дельта
Задачи 1 II III I II III I II III
Оценки Отл 9 6 9 12 14 14 3 7 5
Хор 11 1726 15 20 20 19 9 3 4
Удовл 25 22 21 13 11 12
Рис .10 Диаграмма увеличения количества студентов, успевающих на
"отлично" и "хорошо"
Как показали результаты внедрения, обучающая система позволила ускорить процесс выполнения контрольных мероприятий за счет того, что обучаемые получили возможность доступа к информации в любое время и без обращения к преподавателю. Дополнительная возможность повысить свой уровень в режиме тренинга в удобное время, в том числе, дома, также повышает уровень активности части обучаемых.
В результате использования ТОК интенсивность сдачи контрольных мероприятий увеличилась на 20%, успеваемость улучшилась на 30%.
Заключение содержит краткие выводы по проделанной работе и основные полученные результаты.
В приложениях приведены фрагменты листингов программной реализации кода разработанных алгоритмов: генерации тестовых и контрольных вопросов, системы оценивания полученных знаний.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ
Диссертационная работа посвящена проблеме повышения эффективности учебного процесса на основе создания интеллектуальных тренажерно-обучающих комплексов (ТОК). В ходе выполнения диссертационной работы получены нижеперечисленные основные научные и практические результаты.
1. Предложена структура тренажёр но-обучающего комплекса, обеспечивающая выполнение всех функций, связанных с обучением и обеспечивающая интеллектуальное управление процессом обучения.
2. Построена формализованная модель области знаний, представляющая собой базу знаний, содержащую совокупность образующих грамматик по основным разделам микроэлектроники и являющаяся основой предлагаемых алгоритмов.
3. Разработаны алгоритмы тренажёрно-обучающего комплекса, направленные на автоматическую генерацию заданий, выбор технологии обучения и оценивание результатов обучения.
4. Созданы адаптивная технология обучения, методика управления знаниями позволяющие повысить качество обучения.
5. Предложена методика интеллектуального тестирования и оценивания знаний, создающая из двух модулей - привычной оценки уровня компетентности и рейтингования в процессе изучения дисциплины, позволяющая передать часть функций преподавателя в ТОК.
6. Осуществлена программная реализация тренажерно-обучающего комплекса
7. В учебный процесс кафедры ИПОВС Московского государственного института электронной техники внедрен тренажерно-обучающий комплекс, экспериментальное использование которого обеспечило повышение среднего балла успеваемости студентов на 20%;
и уменьшение времени выполнения контрольных мероприятий в среднем на 30% по сравнению со стандартными технологиями обучения.
РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ
Основные положения и результаты диссертации опубликованы в следующих работах.
1. Бавин Эй, Зар Ни Хлайнг. Разработка тренажерно-обучающих комплексов (ТОК) на базе пакета МАТЬАВ. /ВАК/«Естественные и технические науки» № 4,2009. - 3 61 -3 62с.
2. Зар Ни Хлайнг. Интеллектуальная информационная система поддержки процесса актуализации знаний и вариативного управления обучением. Информационные технологии и инноватика: проблемы, перспективы, решения: Сборник трудов/ Под ред. Л.Г.Гагариной. -М.: МИЭТ, 2009.- 115-118с. Ил.
3. Зар Ни Хлайнг. Алгоритм формирования заданий при изучении метода контурных токов. Микроэлектроника и информатика - 2008 . 15-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: тезисы докладов. - М.: МИЭТ, 2008. - 157 с.
4. Зар Ни Хлайнг. Интеллектуальный тренажёр для изучения раздела "Преобразование активных двухполюсников" в курсе теории электрических цепей. Актуальные проблемы информатизации. Развитие информационной инфраструктуры, технологий и систем. Вторая всероссийская межвузовская научно-техническая конференция: Материалы конференции. - М.: МИЭТ, 2008. 116 с.
5. Зар Ни Хлайнг. Программный комплекс формирования заданий при изучении электротехники. Информационно-телекоммуникационные системы. Проблемы информационной безопасности в системе вышей школы. Экономика, инновации и управление. М.: МИФИ, 2009.39с.
6. Зар Ни Хлайнг, Тренажёрно-обучающий комплекс по курсу "Теория электрических цепей" для изучения раздела "Метод контурных токов". Микроэлектроника и информатика - 2009 . 16-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: тезисы докладов. - М.: МИЭТ, 2009. - 197 с.
7. Зар Ни Хлайнг. Модель области знаний для создания интеллектуаных обучающих систем. Современные проблемы высшего профессионального образования материалы 2 Международной научно-
методической конференции: в 2 ч. 4.1 / редкол.: Е.А Кудряшов (отв. Ред.) [и др.]; Курск, гос. техн. ун-т. Курск, 2010. 51с.
8. Зар Ни Хлайнг. Тренажёрно-обучающий комплекс как инструмент нелинейных и параллельных технологий обучения. Микроэлектроника и информатика - 2010 . 17-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: тезисы докладов. -М.: МИЭТ, 2010. -162 с.
9. Зар Ни Хлайнг. Структура тренажено-обучающий комплекса с использованием адаптивной нейро-нечёткой системы. Актуальные вопросы современной техники и технрлогии Сборник докладов Международной научной заочной конференции (липецк, 24 апреля 2010 г.). Т. I Под ред. A.B. Горбенко, С.В Довженко.- Липецк: Издательский центр "Де-факто", 2010. - 34-36 с.
10. Зар Ни Хлайнг. Использование адаптивной нейро-нечёткой системы для генерации тестов и контрольных вопросов. Актуальные проблемы информатизации. Междунароная научная школа "Микроэлектронные информацио-управляющие системы и комплексы": Материалы научной школы. -М.: МИЭТ, 2010. 172 с.
11. Зар Ни Хлайнг. Разработка тренажерно-обучающего комплекса с использованием адаптивной нейро-нечёткой системы. 14-ая Международная телекоммуникационная конференция студентов и молодых ученых "МОЛОДЕЖЬ И НАУКА". Тезисы докладов. М.: НИЯУ МИФИ, 2010. - 115-116 с.
Подписано в печать: ,
Заказ №^.Тираж/(?экз. Уч-изд.л' Формат 60x84 1/16
Отпечатано в типографии МИЭТ (ТУ)
124498, Москва, Зеленоград, проезд 4806, д.5, МИЭТ.
Оглавление автор диссертации — кандидата технических наук Зар Ни Хлайнг
4
1. Современное состояние проблемы информатизации процесса обучения.
1.1. Принципы е-1еагпи^ технологии.
1.1.1. Основные характеристики е-1еаггш^ технологии.
1.1.2. Основы е-1еагш
§ технологии повышения квалификации и обучения
1.1.3. Дистанционное обучение.
1.1.4. Автоматизация процесса обучения.
1.1.5. Структура аудитории при е-1еагтш^ обучении.
1.2. Концептуальная модель системы обучения.
1.2.1. Компетенции как основной идентификатор результатов обучения.
1.2.2. Планирование ожидаемого результата обучения в виде компетентностной модели выпускника.
1.2.3. Планирование результатов обучения.
1.2.4. Моделирование образовательного пространства на основе результатов обучения.
1.2.5. Планирование образовательных траекторий.
1.3. Интеллектуальный тренажёр как часть системы обучения.
1.4. Интеллектуальные аспекты построения обучающей системы.
1.5. Цель работы и постановка задачи.
1.6. Выводы.
2. Модели и алгоритмы и построения тренажерно-обучающего комплекса для обучения в области микроэлектроники.
2.1. Алгебраическая модель предметной области ТОК.
2.1.1. Концептуальная модель программного обеспечения ТОК.
2.1.2. Язык ТОПОЛОГИЯ.
2.1.3. Язык ОТОБРАЖЕНИЕ ТОПОЛОГИИ НА ТОКОВО-ПОТЕНЦИАЛЬНЫЙ БАЗИС.
2.1.4. Язык МОДЕЛИРОВАНИЕ МНОГОПОЛЮСНИКОВ.
2.1.5. Язык АНАЛИЗ ЭЛЕКТРИЧЕСКИХ ЦЕПЕЙ.
2.2. Выбор методов обучения.
2.2.1. Индуктивный метод.
2.2.2. Дедуктивный метод.
2.3. Использование нечёткой логики и создание модулей нечеткого управления для генерации тестов и контрольных вопросов.
2.3.1. Нечёткая логика.
2.3.2. Создание базы нечетких правил.
2.4. Применение базы данных.
2.5. Выводы.
3. Тренажёрно-обучающий комплекс для изучения разделов "Метод контурных токов" и "Преобразование активных двухполюсников".
3.1. Структура ТОК.
3.2. Алгоритмы процесса обучения с помощью ТОК.
3.3. Модель "Использование БЗ для идентификации".
3.4. Блок, содержащий теоретические сведения.
3.5. Выполнение тестов и контрольных вопросов.
3.6. Использование адаптивной нейро-нечёткой системы для генерации тестов и контрольных вопросов.
3.6.1. Метод генерации тестов и контрольных вопросов.
3.6.2. Алгоритм посгроения системы оценок с использованием адаптивной нейро-нечё'1 кой системы.
3.7. Система интерфейсов ТОК по изучению MKT.:.
3.8. Выводы.
4. Использование ТОК в учебном процессе.
4.1. Применение ТОК в МИЭТе.
4.2. Апробация работы.
4.3. Выводы.
Введение 2011 год, диссертация по информатике, вычислительной технике и управлению, Зар Ни Хлайнг
Актуальность темы. В настоящее время весьма остро встает вопрос обеспечения качества производимой продукции вообще, и электротехнических систем в частности. Если раньше разработка новых микроэлектронных приборов и систем была ориентирована на длительный срок эксплуатации и выполнялась специализированными подразделениями разработчиков аппаратуры, то в настоящее время моральное старение микроэлектронных изделий происходит гораздо быстрее, объемы производства стали меньше. Поэтому все этапы от разработки до изготовления часто выполняются непосредственно на предприятии-изготовителе. Вместе с тем в условиях жесткой конкуренции предприятие не может позволить себе снижать качество продукции. Кроме того, в силу увеличения влияния человека на окружающую среду опасность техногенных катастроф возрастаете с каждым днём. Это приводит к необходимости постоянно расширять компетентности обслуживающего персонала, что связано с требованием регулярного повышения квалификации и освоения новых знаний. Одним из выходов в данном случае является создание тренажёрно-обучающих комплексов (ТОК), предназначенных для повышения квалификации обслуживающего персонала без отрыва от производства и представляющих собой системы интеллектуальной поддержки процессов обучения и переподготовки инженерно-технического персонала в процессах проектирования и производства.
Кроме того, подготовка специалистов по электронике в рамках программ высшей школы, очевидно, никогда не потеряет своей актуальности. Поэтому еще одной сферой применения ТОК является ее использование при подготовке специалистов в вузовской и профессиональной сферах. Разработка системы велась с учетом возможной профессиональной загруженности обучаемых, поэтому предусматривается возможность доступа к теоретической части и режиму тренинга в любое удобное время, и без обращения к преподавателю. Эта особенность ТОК предоставляет дополнительные возможности и для студентов в плане построения индивидуальной линии обучения.
В преподавании дисциплин, связанных с электроникой, в настоящее время успешно сосуществуют и дополняют друг друга два направления: традиционное обучение и применение новейших компьютерных технологий с использованием стандартных программных средств (пакеты МАТТЛВ. МШЛТ81М. и т.д.). Последнее направление весьма актуально в связи с новыми требованиями к образовательным технологиям. Использование интеллектуальных компьютерных сред позволяет повысить качество и эффективность учебного процесса изучения некоторых разделов элекгрогехники, как базовой части изучения электроники и микроэлектроники.
Вопросами создания автоматизированных обучающих систем и электронного обучения занимаются многие зарубежные и российские ученые, в частности хорошо известны работы Б. Ятленко. А. Бондаренко, Марка Розенберга. А.Я. Савельева, Лисова О.И., Игнатовой И.Г., Тихомирова В.П., Солдаткина В.И., Гусевой А.И., Дэ-Джун Кванг, Мьюнг-Сук Дженни Панг и др.
Современные обучающие системы в области электроники недостаточно эффективны. В частности остаются открытыми вопросы, связанные с обоснованным выбором траекторий обучения, генерацией тестовых задании, обучающих материалов и контрольных мероприятий, объективным оцениванием знаний обучающихся. Все это в совокупности требует повышения интеллекта современных систем поддержки процессов обучения, расширения их функциональности и репрезентативности предоставления материалов. Таким образом, актуальными являются исследования, направленные на создание методов, алгоритмов, моделей обработки и управления информацией.
Актуальность проблемы, посвященной повышению квалификации обслуживающего персонала, обусловлена тем, что в условиях увеличения числа малых предприятий с быстро меняющимся ассортиментом производимой продукции нет возможности обеспечить длительную подготовку специалистов нужной квалификации. Использование ТОК позволяет решить проблему ускорения процесса повышения квалификации специалистов, в том числе и с использованием методов электронного образования (е-1еагшгщ).
Построение ТОК, осуществляемое на основе разработки структуры, моделей алгоритмов генерации заданий и контроля правильности решения задач, создания интеллектуального модуля контроля результатов обучения, являются актуальными задачами.
Объектом исследования являются процессы первичного обучения и повышения квалификации обслуживающего персонала в области микроэлектроники.
Предметом исследования является структура ТОК как компонент системы обучения, алгоритмы, модели и программная реализация интеллектуальных средств обучения по базовым разделам микроэлектроники, в частности '^Преобразование активных двухполюсников", "Метод контурных токов". Микроэлектроника рассматривается как комплекс дисциплин, связанных с расчетом, моделированием и проектированием электронных приборов.
Цель работы Целью работы является повышение эффективности процессов обучения на основе разработки интеллектуальной системы поддержки управления процессом обучения, принятия решений и обработки информации в обучающих системах, путём создания математического и программного обеспечения тренажёрно-обучающих комплексов.
Для достижения цели необходимо решить следующие задачи:
Анализ существующих методик подготовки специалистов в рамках технологии e-learning.
Построение формализованной модели области знаний.
Разработка структуры тренажёрно-обучающего комплекса.
Разработка алгоритмов интеллектуальнной поддержки процесса обучения с помощью тренажерно-обучающего комплекса.
Разработка методик интеллектуального управления процессом обучения.
Разработка адаптивной технологии обучения и алгоритмов автоматической генерации тестовых заданий и контрольных вопросов.
Создание методики интеллектуального тестирования и оценивания знаний.
Программная реализация разработанных алгоритмов для решения практических задач обучения и повышения квалификации специалистов в области микроэлектроники.
Методы исследования. Теоретическую и методологическую базу исследования составляют элементы общей теории систем, теория интеллектуальных технологий. При решении конкретных задач использованы теория электрических цепей, интерфейсы дискретных систем, труды отечественных и зарубежных ученых в области e-learning технологии и микроэлектроники.
При создании ТОК были использованы методы объектно-ориентированного программирования. При создании интеллектуальной подсистемы оценивания, генерации тестов и контрольных вопросов применялись методы теории нечетких множеств. При апробации ТОК использовались статистические методы проверки эффективности.
Научная новизна. Диссертационная работа представляет собой совокупность научно обоснованных технических решений, направленных на разработку ТОК, обеспечивающих базовое обучение и повышение квалификации обслуживающего персонала в области микроэлектроники.
Научная новизна работы состоит в создании новых методик, моделей и алгоритмов повышения эффективности процесса обучения на основе использования интеллектуальных технологий.
В процессе выполнения диссертационной работы получены следующие новые научные результаты.
Сформулированы новые требования к функционированию ТОК и его сгруктуре, применительно к решению задач интеллектуального управления процессом обучения.
Разработана модель области знаний (базы знаний), обеспечивающая применение двух технологий обучения, основанных на индуктивном и дедуктивном методах, в зависимости от индивидуальных компетентностных качеств обучаемых.
Разработан алгоритм формирования заданий в интеллектуальном тренажере (с помощью автоматического генератора заданий).
Предложена адаптивная методика интеллектуального тестирования и рейтингования знаний обучающихся, учитывающая сложность и количество контрольных вопросов, а также динамику успеваемости студентов.
Разработан интеллектуальный блок ТОК для обработки результатов тестирования знаний обучаемых, обеспечивающий управление но индивидуальной траектории обучения по одному из двух возможных методов: индуктивному или дедуктивному;
На базе адаптивно-нечегкой логики разработаны принципы построения, структура, алгоритмы работы и программная реализация ТОК по двум разделам: "Преобразование активных двухполюсников" и "Метод контурных токов".
Проведено экспериментальное исследование предложенных в рабо ге методик и алгоритмов.
Достоверность полученных результатов подтверждается результатами успешных экспериментальных исследований и внедрения ТОК в учебный процесс кафедр ИПОВС и электротехники МИЭТ.
Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение ТОК при обучении теории электрических цепей как базовому разделу микроэлектроники. Результаты исследования доведены до конкретных алгоритмов и программной реализации.
Практическая ценность работы заключается в повышении эффективности изучения базовых разделов микроэлектроники за счет адаптивной технологии обучения, интеллектуальных средств тестирования и оценивания знаний, повышения объективности рейтингования обучающихся. Разработанный трснажерно-обучающий комплекс обеспечивает повышение среднего балла успеваемости студентов, обучающихся по дисциплинам "Теория систем" и "Теория цепей" более чем на 20%, уменьшение времени выполнения контрольных мероприятий в среднем на 30% по сравнению со стандартными технологиями обучения.
Личный вклад автора. Основные результаты получены автором лично. Главными из них являются следующие.
Выполнен аналитический обзор существующих методов в е-1еагпт§ технологии.
Разработаны требования к функциональным блокам ТОК и его структуре.
Построена модель области знаний, обеспечивающая применение двух технологий обучения, основанных на индуктивном и дедуктивном методах, в зависимости от индивидуальных компетентностных качеств обучаемых.
Предложена адаптивная методика интеллектуального тестирования и рейтингования знаний обучающихся, учитывающая сложность и количество контрольных вопросов, а также динамику успеваемости студентов.
Разработана интеллектуальная система оценивания знаний обучаемых, обеспечивающая индивидуальную траекторию обучения по одному из двух возможных методов: индуктивному или дедуктивному.
Разработаны принципы построения, структура, алгоритмы работы и программная реализация ТОК при изучении курса "Теория цепей" с использованием аппарата нейронных сетей.
Проведено экспериментальное исследование предложенных в работе методик и алгоритмов.
Реализация полученных результатов. Диссертационная работа выполнялась в соответствии с планом научно-технических исследований кафедры «Информатика и программное обеспечение вычислительных систем» Московского государственного института электронной техники (национального исследовательского университета) и являлась составной частью исследовательских мероприятий в рамках НИОКР «Разработка методологии практической подготовки студентов в рамках инновационных образовательных программ» Федеральной целевой программы развития образования на 2007-2011годы.
Все работы по программной реализации ТОК проводились при непосредственном участии автора.
В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты.
Структура ТОК, использующая интеллектуальные технологии.
Алгоритм работы интеллектуального тренажера для обучения базовым разделам микроэлектроники.
Алгоритм формирования заданий, предназначенных для повышения квалификации специалистов и контроля за этим процессом с точки зрения технологии обучения методам контурных токов и преобразования активных двухполюсников.
Способ оценки уровня подготовки специалиста и настройки интеллектуального тренажера на этот уровень, обеспечивающий применение двух технологий представления информации, основанной на индуктивном и дедуктивном методах.
Программная реализация разработанных алгоритмов и моделей для решения практических задач обеспечения процесса подготовки специалистов в области технической микроэлектроники.
Апробация работы и публикации. Основные положения и результаты диссертационной работы были доложены на всероссийских межвузовских научно-технических конференциях «Микроэлектроника и информатика» (Москва, Зеленоград, 2008-2010), на второй международной научно-методической конференции «Современные проблемы высшего профессионального образования» (Курск, 2010), на международной научной заочной конференции «Актуальные вопросы современной техники п технологии» (Липецк, 2010) и на всероссийской межвузовской научно-практической конференции «Актуальные проблемы информатизации, развитие информационной инфраструктуры, технологий и систем» (Москва, Зеленоград, 2008).
Основные результаты диссертационной работы опубликованы в одиннадцати печатных трудах. В том числе одна работа в издании, принадлежащем Перечню, утвержденному ВАК. Без соавторов опубликовано 9 работ.
Программные средства. При проведении работы используется объектно-ориентированный подход. Реализация программной части интеллектуального тренажера проводится на языке МАТЬАВ и УВ 0.6.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложений. Диссертация изложена на 148 страницах текста, содержит 39 рисунков и 6 таблиц.
Заключение диссертация на тему "Методики и алгоритмы интеллектуальной системы поддержки управления процессом обучения основам микроэлектроники"
4.3. Выводы
В настоящее время*в системах образования ведущих стран мира все более важное место занимает использование компьютерной техники. Она применяется для повышения эффективности и качества учебного процесса. Можно привести такой пример, как использование обучающих интеллектуальных тренажеров. В этой главе представлено экспериментальное применение интеллектуального тренажера (ТОК) и его эффективность. Интеллектуальный тренажер ТОК способен сам автоматически выбирать методы обучения, генерировать контрольные вопросы и тестовые заданий и умений студентов и управлять прогрессом студентов в приобретении знаний и умений.
Заключение
Диссертационная работа посвящена проблеме повышения эффективности учебного процесса на основе создания интеллектуальных тренажерно-обучающих комплексов (ТОК). В ходе выполнения диссертационной работы получены нижеперечисленные основные научные и практические результаты.
1. Предложена структура тренажёрно-обучающего комплекса, обеспечивающая выполнение всех функций, связанных с обучением и обеспечивающая интеллектуальное управление процессом обучения.
2. Построена формализованная модель области знаний, представляющая собой базу знаний, содержащую совокупность образующих грамматик по основным разделам микроэлектроники и являющаяся основой предлагаемых алгоритмов.
3. Разработаны алгоритмы тренажёрно-обучающего комплекса, направленные на автоматическую генерацию заданий, выбор технологии обучения и оценивание результатов обучения.
4. Созданы адаптивная технология обучения, методика управления знаниями позволяющие повысить качество обучения.
5. Предложена методика интеллектуального тестирования и оценивания знаний, создающая из двух модулей — привычной оценки уровня компетентности и рейтингования в процессе изучения дисциплины, позволяющая передать часть функций преподавателя в ТОК.
6. Осуществлена программная реализация тренажерно-обучающего комплекса
7. В учебный процесс кафедры ИПОВС Московского государственного института электронной техники внедрен тренажерно-обучающий комплекс, экспериментальное использование которого обеспечило повышение среднего балла успеваемости студентов на 20%; и уменьшение времени выполнения контрольных мероприятий в среднем на 30% по сравнению со стандартными технологиями обучения.
Библиография Зар Ни Хлайнг, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)
1. О выборе технологии электронного обучения. http://www.distance-learning.ru
2. Базазнаний. http://m.wikipedia.org/wiki/Ba3a3HaimH
3. Новак В., Перфильева И., Мочкрож И. Математические принципы нечеткой логики. Пер с англ. М.: Физматлит, 2006.
4. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
5. Круглов В. В. Дли М. И. Голунов Р. Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001.
6. Рутковская Д., Пилиньский М., Рутковский Л., Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского.
7. Hirota К., Ed., Industrial Applications of Fuzzy Technology, Springer1993.
8. Driankov D., Hellendoorn H., Reinfrank M., An Introduction of Fuzzy Control, Springer-Verlag, Berlin 1993.
9. Graeme Martin, Angela Jennings. E-Learning Technology Evaluation Report. University of Abertay Dundee, 2002.
10. Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ. 1998.
11. Сборник задач по математике для втузов: В 4 частях. Вуколов Э. А, Ефимов А. В., Земсков В. П., Поспелов А. С. М.: Изд-во физ.-мат. лит., 2003.
12. Бавин Эй, Зар Ни Хлайнг. Разработка тренажерно-обучающих комплексов (ТОК) на базе пакета MATLAB. В журнале «Естественные и технические науки» № 4, 2009. 361-362с.: ISSN — 1684-2626
13. Brian R. Hunt, Ronald L. Lipsman, Jonathan M. Rosenberg. A Guide to MATLAB for Beginners and Experienced Users. Cambridge Press, 2001.
14. Neural Network Toolbox for Use with MATLAB©. Howard Demuth, Mark Beale. The Math Works, Inc. 2000.
15. MATLAB User's Guide Fuzzy Logic Toolbox. J.S. Roger Jang, Ned Gulley. The MathWorks, Inc. 1997.
16. Р.Лаутербах, К.Фрей. Программное обеспечение процесса обучения. Перспективы. Вопросы образования. 1988, N 3, С. 70 - 79.
17. Д.Френд. Интеграция вычислительной техники в школы.
18. Перспективы. Вопросы образования. 1988, N 3, С.46 - 59.
19. Игнатова И.Г., Соколова Н.Ю. Информационные и коммуникционные технологии в образовании. Информатика и образование, №3 2003, - С. 52 - 61.
20. Иванов В. JI. Электронный учебник: системы контроля знаний//Информатика и образование, 2002. № 1.
21. Контроль результатов обучения с использованием системы автоматического проектирования компьютерного обучения курсов WebCT/Материалы конференции «Анализ качества образования и тестирование» (22 марта 2001 года, Москва). М.: Изд-во МЭСИ.
22. Е.Ю.Кандрашина, Л.В.Литвинцева, Д.А.Поспелов.
23. Представление знаний о времени и пространстве в интеллектуальных системах. М., Наука, 1989.
24. A theory of neural networks. Neural Computing Architectures. The design of brain-like machines, 1989.
25. Нейрокомпьютеры и интеллектуальные роботы под ред. Н.М.Амосова, Киев, "Наукова думка", 1991.
26. Zeidenberg М. Neural Network Models in Artificial Intelligence. 1990, Madison, USA.
27. Ф.И.Перегудов, Ф.П.Тарасенко. Введение в системный анализ. М., «Высшая школа», 1989.
28. Anderson С. Learning and Problem Solving with Multilayer
29. Connectionist Systems. Ph.D Thesis, University of Massachusetts, 1986.
30. Ашарина И.В. Чжо Чжо Кхаин. Учебно-методическая разработка для самостоятельной работы студентов по курсу (Объектно-ориентированное программирование). Учебно-методическая разработка для самостоятельной работы студентов, 97с.
31. Лисов О.И. «Системный анализ и математическое моделирование САПР» М., МИЭТ, 1994
32. Ко Ко Аунг, Гриненко Н.С., Лисов О.И., Вариативное управление актуализацией знаний; (Известия Вузов «Электронная техника»)
33. Ко Ко Аунг: Принципы актуализации знаний в системах электронного обучения; Моделирование, алгоритмизация и программирование при проектировании информационно-управляющих систем; Сборник научных трудов — под редакцией
34. Р.Лаутербах, К.Фрей. Программное обеспечение процесса обучения. Перспективы. Вопросы образования. 1988, N 3, с. 70-79.
35. A.M. Баин, Л.Г. Гагарина. Метод динамического контроля знаний в автоматизированных обучающих системах.
36. Е.М. Портнов, A.M. Баин, Разработка иерархической многомодульной базы знаний с динамически управляемой структурой.
-
Похожие работы
- Моделирование процессов информационного обеспечения микроэлектронной технологии с применением методов искусственного интеллекта
- Моделирование процессов информационногообеспечения микроэлектронной технологии сприменением методов искусственного интеллекта
- Методики, модели и алгоритмы комплексной многокритериальной оптимизации автоматизированных технологических систем
- Методики и алгоритмы обработки и управления информацией в системах поддержки процессов обучения математическим дисциплинам
- Система управления формированием и реализацией проектов дизайн центра микроэлектроники
-
- Системный анализ, управление и обработка информации (по отраслям)
- Теория систем, теория автоматического регулирования и управления, системный анализ
- Элементы и устройства вычислительной техники и систем управления
- Автоматизация и управление технологическими процессами и производствами (по отраслям)
- Автоматизация технологических процессов и производств (в том числе по отраслям)
- Управление в биологических и медицинских системах (включая применения вычислительной техники)
- Управление в социальных и экономических системах
- Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей
- Системы автоматизации проектирования (по отраслям)
- Телекоммуникационные системы и компьютерные сети
- Системы обработки информации и управления
- Вычислительные машины и системы
- Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)
- Теоретические основы информатики
- Математическое моделирование, численные методы и комплексы программ
- Методы и системы защиты информации, информационная безопасность