автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Методы и алгоритмы управления интеллектуальными компьютерными обучающими системами

На правах рукописи ДЕМЬЯНОВ Андрей Владимирович 1

МЕТОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫМИ КОМПЬЮТЕРНЫМИ ОБУЧАЮЩИМИ СИСТЕМАМИ

Специальность 05.13.10 - Управление в социальных и экономических системах

0

Автореферат диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2007

003068319

Работа выполнена в нии высшего профессион. ственный университет» во радиоаппаратуры».

государственном образовательном учрежде-ального образования «Пензенский государ-кафедре «Конструирование и производст-

на

Научный руководите^

Официальные оппоненты:

Ведущая организация

Защита диссертации с дании диссертационного

ь - доктор технических наук, профессор Юрков Николай Кондратьевич.

доктор технических наук, профессор Тихомиров Валерий Александрович;

доктор технических наук, профессор Финогеев Алексей Германович.

- ГНИИУ «Институт информатизации образования Российской академии образования» (г. Москва).

остоится 10 мая 2007 г., в 14 часов, на засе-совета Д212.186.04 в государственном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

оо

С диссертацией и авт< теке государственного фессионального образов^ ситет» и на сайте универс

орефератом можно ознакомиться в библио-разовательного учреждения высшего про-ния «Пензенский государственный универ-итета www.pnzgu.ru

Автореферат разослан

Ученый секретарь диссертационного совета доктор технических наук, профессор

2007 г.

Смогунов В. В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Для высшего образования первостепенную актуальность приобретает задача использования возможностей компьютера в моделировании исследовательской и профессиональной деятельности, а также подготовке будущих специалистов. Процесс реформирования образования рассматривается в контексте создания таких педагогических технологий, которые обеспечивали бы переход от формально-дисциплинарного к проблемно-активному методу обучения.

В основе системного подхода к реформированию содержания и методов обучения лежит использование обучающей среды (Learning Environment) в образовательном процессе (работы Б. JI. Агранович, Б. Н. Богатыря, Ю. С. Брановского, Я. А. Ваграменко, Э. Г. Скибиц-кого, А. В. Хуторского, а также Т. Reeves, С. Resnick, J. Self, J. Underwood и др.).

Информационная обучающая среда, созданная средствами новых информационных технологий, рассматривается как составная часть среды обучения и выступает как «сложное, многоаспектное образование, своеобразная результирующая всех информационно-знание-вых и коммуникационных потоков, на пересечении которых находится человек».

Значение компьютерного обучения возрастает по мере развития информатизации общества, но по своей эффективности оно отстает от индивидуального обучения с учителем. Этот недостаток порождается малым уровнем интеллектуальности систем обучения в плане выработки эффективных стратегий представления учебного материала. Компьютерные обучающие системы (КОС) направлены не на индивидуальные психофизиологические особенности ученика, а на некоторую усредненную личность. В них отсутствуют подсистемы выработки эффективных управлений всем процессом обучения. В существующих программных средах обучения затруднена возможность их частичной или полной интеграции, обеспечивающей преемственность вновь разрабатываемых систем, что ведет к увеличению трудовых и временных затрат на их разработку.

При комплексном проектировании компьютерных обучающих систем количество локальных подзадач может быть весьма значительным, а локальные критерии (точность, быстродействие, стой-

мость, экономическая эффективность, усвояемость и др.) противоречат друг другу. Таким образом, актуальность данной работы определяется необходимостью повышения эффективности образовательного процесса на основе разработки адаптивных систем управления интеллектуальными компьютерными обучающими системами (ИКОС), что позволяет сблизить эффективность их функционирования с эффективностью процессов индивидуального обучения с учителем.

Цель работы - повышение эффективности управления интеллектуальными компьютерными обучающими системами в слабо формализованных предметных областях путем разработки методического и алгоритмического обеспечения ситуационного управления.

Для реализации этой и ели необходимо решить следующие задачи:

- на основе анализа научно-методических источников выявить современные концепции и методы построения компьютерных обучающих систем в целом и методы управления их работой;

- определить требования к системам управления интеллектуальными компьютерными обучающими системами со стороны предметной области с учетом усх овий работы системы;

- разработать концептуальную и рекуррентную модели предметной области, варианты их алгоритмической и программной реализации;

- разработать методы выработки управляющих воздействий в условиях неопределенности, обеспечивающие повышение эффективности функционирования интеллектуальных компьютерных обучающих систем;

разработать алгоритмы и программную реализацию интеллектуальной компьютерной обучающей системы;

<спериментальным путем качество функцио-системы в конкретной предметной области. Методы исследования. Для решения поставленных в работе задач используются методы теории управления (в частности, ситуационного управления); методы построения и анализа сложных систем,

ления, экспертных и интеллектуальных систем; методы формализованного представления знаний; методы математического моделирования; методы дискретной математики (элементы теории множеств, теории :~рафов) и математической логики.

- проверить опытно-э нирования разработанной

Научная новизна работы состоит в том, что с единых позиций ситуационного подхода сформулирована и решена научно-практическая задача создания методов и алгоритмов управления компьютерными системами обучения, основанная на функционально-целевом подходе. К наиболее существенным научным результатам, отличным от ранее известных, относятся:

1. Концептуальная модель предметной области систем автоматизированного обучения, основанная на формализации процесса обучения как процесса целенаправленного пополнения аппарата понятий и совершенствования базы знаний обучаемого, отличающаяся тем, что содержит совокупность элементов множества предметной области обучения и систему отношений эквивалентности действий по выполнению целевой задачи системы.

2. Метод организации смысловой модели предметной области обучения в виде набора моделей учебных разделов, тем и т. д., организованных на основе определенных семантических отношений и описывающих отдельные предметные области и связи между ними, которая позволяет обеспечить соответствие предметной области в интеллектуальной компьютерной обучающей системе семантическому содержанию знаний обучаемого.

3. Метод выбора обучающей стратегии на основе экспертных знаний, предоставленных в моделях предметной области (отличается от применяющихся в настоящее время методов тем, что адаптирует алгоритмическое и программное обеспечение интеллектуальной компьютерной обучающей системы не к классу учебных материалов, а непосредственно к конкретной теме, разделу предметной области, причем возможность выбора новой обучающей процедуры существует на каждом шаге процесса обучения, что дает возможность гибкой смены обучающих стратегий в зависимости от изменения ситуации обучения, усталости обучаемого, различных отвлекающих факторов и т. п.).

4. Рекуррентный алгоритм управления процессом обучения в конкретной предметной области, позволяющий выработать совокупность алгоритмов предоставления обучающей информации и отличающийся возможностью выработки обучающей стратегии на основе текущего состояния процесса обучения.

5. Алгоритм структур]* данной предметной обла< рактеристик операционнь вании информации, храт метной области, и позволь обучения с учетом особе

ой адаптации программного обеспечения к :ти с учетом качественных и временных ха-тх компонентов, базирующийся на использо-щейся в моделях учебных материалов пред-тощий осуществлять гибкую смену стратегий остей конкретного обучаемого.

:НН(

пр

я оду

Основные положении

1. Концептуальная мс ного обучения как средс ти обучения и данных ние высокоэффективных

2. Метод выбора обуча: ний, позволяющий ада обеспечение интеллекту; обеспечить гибкую сме: изменения ситуации обу^

3. Рекуррентный алго ставляющий собой совс области, отношений ме: позволяющий создавать обучения, адекватную пр

4. Алгоритмическая и компьютерной обучающе] тивность ее функционир дуального обучения с уч)

Практическая ценили циональных адаптацион пьютерных систем обуче процесса обучения.

Реализация и виедрс виде интеллектуальной ном процессе кафедр Ки ного университета.

, выносимые на защиту:

дель предметной области автоматизирован-во формализации знаний экспертов в облас-едметной области, обеспечивающая созда-систем компьютерного обучения.

ющей стратегии на основе экспертных зна~ гггировать алгоритмическое и программное гльной компьютерной обучающей системы и ну обучающих стратегий в зависимости от ения.

ритм управления процессом обучения, пред-купность множества объектов предметной ними и двух алгебраических операций, структуру автоматизированной системы едметной области.

1ИТ(

программная реализация интеллектуальной й системы, позволяющей сблизить эффек-эвания с эффективностью процессов индиви-елем.

сть работы состоит в расширении функ-кых возможностей интеллектуальных ком-ния, что позволяет повысить эффективность

ние результатов работы осуществлялись в шмпьютерной обучающей системы в учеб-ПРА и ВК ФВО Пензенского государствен-

Апробация работы. Основные результаты работы докладывались и обсуждались на международных симпозиумах «Надежность и качество» (г. Пенза, 2005-2006 гг.), научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (г. Сочи, 2006 г.), Международной научно-методической конференции «Университетское образование» (г. Пенза, 2006 г.), научно-технических конференциях профессорско-преподавательского состава Iii У (2003-2006 гг.), 47-й научно-методической конференции ПАИИ (г. Пенза, 2006 г.), на заседаниях научно-методического семинара кафедры «Конструирование и производство радиоаппаратуры» Ш У.

Достоверность научных положений и выводов, содержащихся в работе, основывается на корректности применения методов теории управления, моделирования, дискретной математики, теории вероятностей и математической логики, а также на экспериментальном подтверждении адекватности используемых при исследовании моделей, успешной практической апробации решений, полученных на основе теоретических разработок, и публикациях результатов исследования.

Публикации. По теме диссертационной работы опубликовано 12 печатных работ.

Объем и структура работы. Диссертация состоит из введения, четырех глав, расположенных в последовательности, определяемой логикой решения задачи создания ИКОС, заключения и приложения.

Работа содержит 173 машинописных страницы текста, а также 12 таблиц, 52 рисунка, список литературы из 81 наименования, 2 приложения ,

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрены современное состояние проблемы и актуальность темы диссертации, сформулированы цель и задачи исследования. Приведены краткое изложение содержания и основные результаты диссертационной работы, а также положения, выносимые на защиту.

В первой главе представлены анализ особенностей современных методов обработки информации, находящих применение в задачах создания систем автоматизированного обучения, и основные направления их развития.

Проведен анализ эффективности внедрений компьютерных технологий в профессиональное образование с учетом психологических особенностей человека. Вь явлены факторы, определяющие готовность студентов к обучению с помощью компьютерных технологий.

Проанализированы методы построения последовательности обучения, а также уровни, методы и модели адаптации. Цель адаптации - обеспечить студентам наиболее подходящую индивидуально планируемую последовательность для изучения единиц знаний и выполняемых задач. В компьютерных системах обучения учебный материал (УМ) или объект изучения представляется в виде трех- или четырехуровневой иерархии: курс (учебный предмет), тема, раздел темы, квант учебной информации (УИ), причем уровень разделов для небольших и несложных тгм может бьггь опущен. Квант УИ - это элементарная порция информации: текст для изучения некоторого понятия темы (квант-понятие), вопрос, задача, комментарий к ответу, разъяснительный текст и т. п.

Решение о включении новых квантов УМ принимается на основе модели студента, которая в общем случае является вектором

{М\, М2, Мз,..., М„}

и включает следующие предыстория обучения;

компоненты (как правило, векторы): М\ -М2 — результаты текущей работы с курсом (тип выполненных задайий, время выполнения заданий, число обращений за помощью и т. д.); Мз - личностные психологические харак-

ленность личности, репрезентативная систе-нию, уровень беспокойства-тревоги, особен-опыт работы с компьютерной системой; -ленности; М6 - стратегия обучения и др.

теристики (тип и напран ма, способность к обуче ности памяти и др.); М\ -общий уровень подготов

В результате проведе нного анализа моделей обучаемого и моде-

лей учебного процесса в ти взяты классический

(1)

качестве основы модели предметной облас-5ариант графовой модели и оверлейная мо-

дель обучаемого. Основ яой структурной единицей выбран концепт, несущий минимальную единицу информации. Кроме стандартных параметров, для каждого концепта дополнительно введен уровень абстрактности. На практике уровень абстрактности можно определить либо на основании мнения экспертов, либо автоматически, исходя из иерархии предметной области.

При этом наибольшая нагрузка ложится на систему контроля. Для определения знания каждого концепта недостаточно иметь интегральную оценку. Получение качественных характеристик при оценивании - это актуальная задача разработчиков систем контроля. Предложено для каждого контрольного элемента использовать оценку, разложенную на несколько критериев. Обозначим множество критериев К = {К\,К2,...,Кт} , где теЫ . Тогда =

= {(К{, У А11 К{ е К, Л,- е У А)}, ¡, / е N задает множество уровней

изучения учебного материала. Теперь модель обучаемого может проанализировать результаты контроля для каждого концепта и определить качество его изучения.

Поскольку ИКОС функционируют в условиях неопределенности, то следует предусмотреть внесение в систему управления элементов адаптации и искусственного интеллекта (ИИ), которые позволяют обеспечить автоматическое приспособление к непредсказуемым изменениям процесса обучения и условий эксплуатации самой системы.

Вторая глава посвящена моделированию систем компьютерного обучения. Построение виртуальной микроструктуры ИКОС произведено «снизу - вверх», в направлении, обратном декомпозиции задачи. Предполагается, что нижний уровень системы реализован из элементов макроструктуры - некоторых виртуальных модулей, составляющих алфавит М. Элемент макроструктуры в общем случае характеризуется состоянием Я, управляющим воздействием и, входной информацией Ш и выходной информацией V:

Таким образом, атомарная функциональная операция Ьр V = Ьу (Ж), задается тройкой

Следовательно, алфавит функциональных атомов задается декартовым произведением алфавита модулей на пространства их управлений и состояний

(2)

(3)

Будем считать, что атомарная операция Ь, реализуема в системе, если

ЗМ{еМ, Зщеи, З^-еЯ, (5)

то = ЧЦГ.

Цепочка функцион альных атомов реализуема в системе, если реализуемы все составляющие атомы в заданной ею последовательности и обеспечены механизмы последовательного и параллельного запуска, соответствующие операциям Фи®.

Рекуррентное примем ение понятия реализуемости в системе приводит к следующему общему утверждению: формула е реализуема в системе тогда * только тогда, когда реализуемы в системе все входящие в нее формулы^ кН в последовательности, определяемой/ и обеспечены механизмы, соответствующие Фи®.

Тогда, исходя из условия покрытия различных элементарных за-тельных элементов, модуль , адекватный

виртуальному макроэлементу МЕ, должен иметь следующий на бор характеристик:

щ,

[Уъ-Ум

Таким образом, предложенный подход к моделированию позволя параметров систем управления ИКОС, чаемая система обучения представлена как

дач действиями исполни

ет достичь оптимальных В третьей главе из>

(6)

фрагмент среды через некоторую абстрагируемую модель и, естественно, состояние системы, причем состояние меняется, т. е. система движется. Изменение состояния системы определяется целью движения - критерием как мер ой удовлетворения поставленных перед системой обучения задач. Согласование движения с целью производится путем организации воздействия на систему, т. е. управления. Путь познания движения системы обучения базируется на шести понятиях: модель, состояние, днижение, цель, критерий, управление. Назна-

чением процесса управления является обеспечение решения задачи, т. е. максимально эффективного обучения.

Представление знаний о концептуальном проектировании определено в следующем виде:

где у* -*¥*=< 1,Т,а > ; О- множество операций, заданных на \\>*;

Я - множество правил манипулирования объектами из ц/*; и - структура, управляющая применением правил Я.

Элементами множества / при заданных С, Лг и Б являются все возможные совокупности фреймов-экземпляров Р следующего вида. Элементарный фрейм-экземпляр есть конструкция вида Р = <0, где С- константа из множества С. Неэлементарный фрейм-экземпляр есть конструкция вида

где пе N - множество внешних имен фреймов; £,6 5" -множество имен терминалов (слотов); Р,- значения терминала, в качестве которых выступают также фрейм-экземпляры.

Таким образом, создается мультииерархическая структура моделей ИКОС, позволяющая выработать управления, обеспечивающие повышение эффективности функционирования всей системы. Вводятся два определения. Обобщенное описание учебного материала есть конечное множество его свойств £^ = {<71,^2»—>9«}» гДе п ~ мощность множества.

Обобщенное описание предметной области (ПО) обучения сводится к конкретному описанию ПО путем отображения ср: <7,- -> г , где г - множество значений свойства .

Так как с понятием описания учебного материала ПО тесно связано понятие класса учебных материалов обучения, то второе определение класса учебных материалов обучения с классообразущим свойством есть понятие, характеризуемое конкретным опи-

санием ()1Х УМ ПО, таким, что

Ч =<*¥*,О,Л,и >,

(7)

Г=<^1 :/г1;£2 :р2;.-',3т:рт;п>,

(8)

где п, - возможное кол^ конкретизированных оп

2) &хпО>=0 при IФ] , (10)

причем УМ каждого класса являются между собой эквивалентными по свойству , т. е. нергяличимыми.

Необходимо отметить, что 0\ является обобщенным описанием каждого из полученных слассов учебных материалов.

Последовательно вьцеляя в ()]х свойство и осуществляя отображение

чество значений

(П)

получим Щ ■ «2 исаний класса учебных материалов X по

свойствам д\,д1,

Учебный материал ог в функциональном прос

О? ={<1\ пРеДС1

ленном языке, содержащ

исан совокупностью элементарных свойств пранстве ()г, определяющих исходные параметры УМ. Совокупность функциональных характеристик

гавляет собой множество записей на опреде-шх количественные и признаковые меры качества УМ в форме его свойств, функций, критериев и ограничений.

При выработке требований на обучение предельные значения отдельных функциональных характеристик задаются одним из четырех способов:

- строгим ограничением

- нестрогим ограничением

• интервалом

- максимизацией (мин

имизацией) значения

(12)

(13)

I qj |-> max, | gj |-> min, (15)

где (zj,zj\zJ2)e zF- множество значений j-ro функционального параметра.

Таким образом, описание предметной области обучения осуществляется на основе концептуализации знаний о предметной области и построении понятийного аппарата, включающего понятия учебных материалов и свойства, служащего для формирования классов учебных материалов и их описаний.

Далее в диссертации разрабатывается архитектура ИКОС (рис. 1). Общая база знаний (ОБЗ) содержит стратегии обучения, стратегии администрирования ОБЗ, иерархическую структуру предметной области, составленную на основе созданной ранее модели предметной области, а также базу адаптивных комментариев, в которой хранятся подсказки, ответы, побуждающие комментарии, необходимые для оживления диалога при обучении. Подсказки в виде вопросов или напоминаний о преследуемых на этом этапе целях, пошаговая проработка требуемого алгоритма учителем и др. - все это осуществляется в режиме планирования, в который система переходит в случае затруднения студента.

Пользовательская база знаний (ПБЗ) содержит психофизиологическую и предметную модели обучаемого, причем на каждого пользователя составляется своя ПБЗ.

Для ввода и хранения правил, вопросов-подсказок и переводов в форме текстовых файлов используется стандартный текстовый экранный редактор.

В ИКОС предусмотрено наличие программы просмотра файлов, обработки списков и управления памятью, которые определяют, присутствует ли тот или иной конкретный признак в проверяемом списке.

Работа системы обучения начинается с проверки психофизиологического состояния обучаемого, после чего вводится коррекция в пользовательский интерфейс. В системе организованы две цепи обратной связи, по одной из которых обучаемый может по собственной инициативе внести коррективы в процесс обучения, изменить вариант предоставления информации, выбрать новую стратегию обучения, которая более подходит на данный момент к его эмоциональному состоянию, прервать процесс обучения, включить расслабляющую музыку и т. п.

Рис. 1. Ар

Вторая цепь обратной анализа, принятия реше: также блоком корректив работы обучаемого с V пользовательской базы

служит признаком оконч ся алгоритмом работы с

хитектура разрабатываемой ИКОС

связи организуется блоками ситуационного ний и формирования задания на обучение, а овки модели обучаемого. По результатам {КОС происходят пополнение и изменение знаний, анализ полноты заполнения которой ания процесса обучения, что иллюстрирует-истемы.

Стратегия обучения выбирается таким образом, чтобы обеспечить гомоморфное отображение квантов знаний предметной области и операций на этом множестве в множество знаний обучаемого, которые фиксируются в ПБЗ.

Работа начинается с идентификации пользователя и создания, по мере необходимости, его персональной пользовательской базы знаний. Далее проводится тест на начальный уровень знаний и определяется стратегия первоначального обучения, которая по мере работы изменяется, подстраиваясь под конкретного пользователя.

Формирование заданий на обучение (стратегии обучения конкретного учебного материала), выдача их на пользовательский интерфейс, выполнение заданий обучаемым и коррекция предметной модели пользователя формируют цепь обратной связи, обеспечивающую адаптацию системы под конкретного пользователя.

Вторая цепь обратной связи от пользователя непосредственно к общей базе знаний условно не показана.

В четвертой главе показано, что стратегия управления обучением оформлена как внешняя база знаний, замена которой позволяет менять поведение системы, Такая организация ИКОС дает возможность вложить в обучающую систему свои знания и представления о методике преподавания. Правила базы знаний определяют последовательность работы системы на основании модели предметной области и модели обучаемого (рис. 2).

Модель предметной области отражает взаимосвязи понятий (тем) предметной области и используется для определения последовательности изучения тем и получения целостного образа знаний, относящихся к данной предметной области. Реализованная в виде иерархического дерева знаний (графа) модель представляет сложную структуру интегрированных взаимно пересекающихся деревьев (рис. 3). Такая структура позволяет проследить взаимосвязь знаний различных предметных областей и уметь определять оптимальную последовательность изучения тем.

Тестирующий модуль

Процедура

идентификации

обучаемого

*

Запрос на интересующие

предметы (к обучаемому)

♦

Получение определяющих

вопросов (модель

предметной области)

*

| Проведение теста |

+

Формирование текущей

начальной модели

обучаемого и передача

данных

Модель предметной области

Сложность Приоритеты

Высокая степень сложности I

Высокий приоритет изучения

Промежуточные степени сложности

Промежуточные приоритеты изучения

Низкая степень сложности

Низкий приоритет изучения

Модель обучаемого

Дерево знаний по предметам

Массив легко усваиваемых и трудно усваиваемых предметов _и тем_

Выработка стратегии управления

обучением

Начальное дерево знаний по предметам (модель обучаемого}

ТвК|

Определение предметов и тем, предпочтительных для усвоения обучаемым а также дающихся ему хуже

С урО 31

Выбор тем приоритетных знании сложности соотносится с обучаемого

Г

Выбор отсутствующих или частим тем в дереве знаний о&

I

Анализ полученных данных и формирование дерева обучения

Контроль знаний Текущее дерево знаний по предметам (модель обучаемого)

Оценка количества усвоенных знаний

Сравнение деревьев по количественным и качественным признакам

Оценка уровня знаний по степени сложности

Дерево знаний по предмету (модель предметной области)

Оценка уровня знаний по лоиоритетам

Сравнение степени успешного усвоения материала с требуемой нормой

щее дерево знании г редметам (модель обучаемого)

чей уровень 1Н6М подготовки

но отсутствующих 'чаемого

Обучение

Темы, легко усваиваемые обучаемым имеющие невысокую степень сложности

Темы, легко усваиваемые обучаемым имеющие более высокую степень сложности

Темы, трудно усваиваемы© обучаемым, имеющие невысокую степень сложности

Темы, трудно усваиваемые обучаемым, имеющие более высокую степень сложности

Рис. 2. Алгоритм работы системы

Рис. 3, Пересекающиеся деревья предметов

Модель обучаемого включает сведения о цели обучения, знаниях обучаемого в рамках изучаемого курса (текущее состояние процесса обучения), особенностях подачи учебных материалов, выбора контрольных заданий и вопросов.

Проведение начального тестирования поможет [¡оказать недостаток необходимых знаний дмя изучения основного предмета, а также сформировать начальную модель обучаемого,- уточняемую и дополняемую при каждом последующем тестировании.

Для характеристики человеческих методов переработки информации нет адекватного универсального формального аппарата. Нестрогий эмпирический характер исследований в основном определяет пути развития систем искусственного интеллекта (ИИ). Формализация приносит пользу лишь тогда, когда используемый аппарат адекватен исследуемой области. Именно поэтому в процессе изучения материала обучающая система адаптируется под модель знания студента и рекомендует ему дальнейший путь изучения предмета.

Адаптация ИКОС происходит в соответствии с набором правил базы знаний, реализуемых стратегией управления обучением. Согласно стратегии организация адаптивного управления обучением происходи!' за счет введения функции контроля успеваемости обучаемого. Контроль знаний обучаемого является важной частью работы, он обеспечивает определение уровня знаний обучаемого с целью адаптивного управления обучением, а также своевременную обратную связь с обучаемым.

на решение задач любе можно достичь синтезов щих систем с заложенны

Степень сложности выдаваемой информации зависит от уровня, достигнутого обучающимся. Уровень знаний повышается постоянно по мере абстрагирования их смысла.

В заключении сформулированы основные теоретические и практические результаты работы. Дальнейшее развитие систем обучения будет идти по пути создшия универсальных интеллектуальных обучающих систем, обладающих способностью перепрограммироваться

й конкретной предметной области. Этого интеллектуальных компьютерных обучаю-ми в них механизмами генерации программ обучения на основе построения модели предметной области адекватной структуры ИКОС.

Дальнейшим развитие м систем обучения станет создание специализированной ЭВМ, обладающей возможностью перепрограммирования на заданную предметную область за счет разработки новой архитектуры, позволяюшей ей эффективно работать с базами знаний.

применения ИКОС не ограничиваются и аудиториями - это и комплексная подготовка операторов сложных комплексов, когда за счет унификации и единой идеологии построения систем появляется возможность значительного снижения затрат.

Возможные области школьными и вузовским

ОСНОВНЫЕ ВЬ

1. На основе анализа современные концепции

чающих систем в целом

ВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

научно-методических источников выявлены и методы построения компьютерных обул методы управления их работой, определены требования, к системам управления интеллектуальными компьютерными обучающими системами со стороны предметной области с учетом условий работы системы. Определены достоинства и недостатки существующих систем.

менные системы компьютерного обучения ское и программное обеспечение только к

2. Показано, что совр адаптируют алгоритмиче

классу учебных материалов, а не непосредственно к конкретной теме, разделу предметной области, что затрудняет выбор новой обучающей процедуры на каждом шаге процесса обучения и не дает возможности гибкой смены обучающих стратегий в зависимости от измене-

ния ситуации обучения, усталости обучаемого, различных отвлекающих факторов и т. п.

3. Разработана и исследована концептуальная модель предметной области систем автоматизированного обучения, применение которой позволяет упростить процесс управления интеллектуальными компьютерными обучающими системами и тем самым повысить эффективность использования средств формирования, представления и анализа знаний. Основное отличие модели состоит в интеграции данных и экспертных знаний об изучаемом предмете в единую древовидную структуру.

4. Разработана рекуррентная модель многоуровневой интеллектуальной компьютерной обучающей системы, позволяющая формализовать процесс обучения и дающая возможность определить множество функциональных воздействий, необходимых для достижения поставленной цели, что позволило разработать методы выработки управляющих воздействий в условиях неопределенности, обеспечивающие повышение эффективности функционирования обучающей системы.

5. Разработана алгоритмическая и программная реализация интеллектуальной компьютерной системы обучения.

6. Проведено опытно-экспериментальное исследование качества функционирования разработанной системы в конкретной предметной области, что позволило сделать вывод о высокой эффективности разработанной системы автоматизированного обучения.

7. Результаты работы внедрены в учебный процесс кафедр КиПРА и ВКФВО Пензенского государственного университета.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях, рекомендованных ВАК России:

1. Демьянов, А. В. Системная организация принятия управленческих решений в обучении / А. В. Демьянов, Н. К. Юрков // Изв. вузов. Поволж. регион. Сер. Технические науки. - Пенза : Инф.-изд. центр ПГУ, 2006. - № 6. - С. 178-190.

Публи

2. Демьянов, А. В. К

теллектуальной компьютерной обучающей системе / А. В. Демьянов //

1звития информационно-коммуникационных науч.-практ. конф. - М. : МИЭМ, 2006. -

Н. К. Юрков, В. А. Трус мационно-коммуникационных технологий конф. - М.: МИЭМ, 2006. - С. 193-196.

4. Демьянов, А. В. С ной компьютерной обуч

кации в других изданиях*.

вопросу реализации модели обучения в ин-

Инновации в условиях р технологий : материалы С. 257-259.

3. Демьянов, А. В. К проблеме синтеза модели обучаемого интеллектуальной компьютер той обучающей системы / А. В. Демьянов,

эв // Инновации в условиях развития инфор-материалы науч.-практ.

.истемныи подход к синтезу интеллектуаль-ниощей системы / А. В. Демьянов, Н. К. Юрков // Надежность и качество : тр. Междунар. симп. - Пенза : Инф.-изд. центр ПГУ, 2006. - С. 153-155.

5. Демьянов, А. В. Разработка стратегий автоматизированного обучения / А. В. Демьянов, Н. К. Юрков, В. А. Ермолаев // Надежность и качество : тр. Междунар. симп. - Пенза : Инф.-изд. центр ПГУ, 2006.- С. 155-157.

6. Демьянов, А. В. К вопросу о моделировании системы управления обучением / А. В. Демьянов, Н. К. Юрков, Л. А. Тюрина // Университетское образование : сб. ст. X Междунар. науч.-метод. конф. -Пенза, 2006. - С. 203-206.

7. Демьянов, А. В. Принципы подготовки военных специалистов в области использования средств информационных технологий / А. В. Демьянов // Университетское образование : сб. ст. X Междунар. науч.-метод. конф. - Пенза, 2006. - С. 210-213.

8. Демьянов, А. В. Алгоритмы формирования баз знаний в интеллектуальной компьютерной обучающей системе / А. В. Демьянов // Современная методологическая основа совершенствования подготовки военных инженеров : тр. 47-й науч.-метод. конф. Пензенского АИИ (науч.-метод. сб. № 34). - Тенза: Изд-во ПАИИ, 2006. - С. 200-203.

9. Демьянов, А. В. Возможные пути синтеза модели обучаемого для ее использования в автоматизированных обучающих системах с искусственным интеллектом / А. В. Демьянов // Современная методо-

логическая основа совершенствования подготовки военных инженеров : тр. 47-й науч.-метод. конф. Пензенского АИИ (науч.-метод. сб. № 34). - Пенза : Изд-во Г1АИИ, 2006. - С. 211-213.

10. Затылкин, А. В. Алгоритм стратегии управления обучением в ИКОС / А. В. Затылкин, А. В. Демьянов // Современные информационные технологии : сб. ст. Междунар. науч.-техн. конф. - Пенза : Изд-во ПГТА, 2006. - С. 54-62.

11. Демьянов, А. В. Модель обучаемого в интеллектуальной компьютерной обучающей системе / А. В. Демьянов // Современные информационные технологии : сб. ст. Междунар. науч.-техн. конф. -Пенза : Изд-во ПГТА, 2006. - С. 153-155.

12. Демьянов, А. В. Системная организация компьютерного обучения / А. В. Демьянов, Н. К. Юрков / Современные информационные технологии : сб. ст. Междунар. науч.-техн. конф. - Пенза : Изд-во ПГТА, 2006.-С. 156-161.

Дел ьянов Андрей Владимирович

Методы и алгорр компьютер

Технич Ко;)

КОМПЫОГ'

Издательство Пеь 44'

тмы управления интеллектуальными ными обучающими системами

Специальность 05.13.10 - Управление в социальных и экономических системах

Редактор О. Ю Ещина еский редактор Н А Вьялкова ректор Н А Сидельникова ерная верстка Р. Б. Бердниковой

ИД №06494 от 26.12.01 Сдано в производство 28 03.07. Формат 60х841/16. Бумага писчгя. Печать офсетная. Усл. печ. л. 1,16.

Заказ 210. Тираж 100._

зенского государственного университета. 0026, Пенза, Красная, 40.

ВВЕДЕНИЕ

1 СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ

1.1 Анализ эффективности внедрения компьютерных технологий в профессиональное образование

1.2 Анализ методов адаптации в ИКОС

1.3 Сравнительный анализ методов моделирования систем обучения

1.4 Анализ существующих моделей обучаемого

Выводы

2 МОДЕЛИРОВАНИЕ СИСТЕМЫ КОМПЬЮТЕРНОГО ОБУЧЕНИЯ

2.1 Моделирование знаний в ИКОС

2.2 Разработка концептуальной модели интеллектуальной компьютерной обучающей системы

2.3 Синтез рекуррентного алгоритма параметрического синтеза математической модели ИКОС

2.4 Разработка понятийной модели предметной области

Выводы

3 СИНТЕЗ СИСТЕМЫ УПРАВЛЕНИЯ КОМПЬЮТЕРНЫМ ОБУЧЕНИЕМ

3.1 Разработка методов адаптивного управления системой обучения

3.2 Целеполагание в системах управления

3.3 Интеллектуализация управления слабо формализованными процессами обучения

3.4 Разработка архитектуры ИКОС

Выводы

4. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ КОМПЬЮТЕРНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ

4.1 Структура и алгоритмы функционирования ИКОС

4.2 Алгоритм взаимодействия преподавателя с ИКОС

4.3 Алгоритм взаимодействия обучаемого с ИКОС

4.4 Программная реализация ИКОС

Выводы

Для высшего образования первостепенную актуальность приобретает задача использования возможностей компьютера в моделировании исследовательской и профессиональной деятельности, а также подготовке будущих специалистов. Процесс реформирования образования рассматривается в контексте создания таких педагогических технологий, которые обеспечивали бы переход от формально-дисциплинарного к проблемно-активному методу обучения.

В основе системного подхода к реформированию содержания и методов обучения лежит использование обучающей среды (Learning Environment) в образовательном процессе (работы Б. JI. Агранович, Б. Н. Богатыря, Ю. С. Брановского, Я. А. Ваграменко, Э. Г. Скибицкого, А. В. Хуторского, а также Т. Reeves, С. Resnick, J. Self, J. Underwood и др.).

Информационная обучающая среда, созданная средствами новых информационных технологий, рассматривается как составная часть среды обучения и выступает как «сложное, многоаспектное образование, своеобразная результирующая всех информационно-знаниевых и коммуникационных потоков, на пересечении которых находится человек».

Значение компьютерного обучения возрастает по мере развития информатизации общества, но по своей эффективности оно отстает от индивидуального обучения с учителем. Этот недостаток порождается малым уровнем интеллектуальности систем обучения в плане выработки эффективных стратегий представления учебного материала. Компьютерные обучающие системы (КОС) направлены не на индивидуальные психофизиологические особенности ученика, а на некоторую усредненную личность. В них отсутствуют подсистемы выработки эффективных управлений всем процессом обучения. В существующих программных средах обучения затруднена возможность их частичной или полной интеграции, обеспечивающей преемственность вновь разрабатываемых систем, что ведет к увеличению трудовых и временных затрат на их разработку.

При комплексном проектировании компьютерных обучающих систем количество локальных подзадач может быть весьма значительным, а локальные критерии (точность, быстродействие, стоимость, экономическая эффективность, усвояемость и др.) противоречат друг другу. Таким образом, актуальность данной работы определяется необходимостью повышения эффективности образовательного процесса на основе разработки адаптивных систем управления интеллектуальными компьютерными обучающими системами (ИКОС), что позволяет сблизить эффективность их функционирования с эффективностью процессов индивидуального обучения с учителем.

Цель работы - повышение эффективности управления интеллектуальными компьютерными обучающими системами в слабо формализованных предметных областях путем разработки методов и алгоритмов решения задач ситуационного управления процессом обучения.

Для реализации этой цели необходимо решить следующие задачи:

- на основе анализа научно-методических источников выявить современные концепции построения компьютерных обучающих систем в целом, методы и алгоритмы решения задач управления их работой; определить требования к системам управления интеллектуальными компьютерными обучающими системами со стороны предметной области;

- разработать методы решения задач управления и принятия решений в условиях неопределенности, обеспечивающие повышение эффективности функционирования интеллектуальных компьютерных обучающих систем в слабо формализованных предметных областях;

-разработать алгоритмы решения задач управления и принятия решений по выработке стратегий обучения в условиях конкретной предметной области;

- осуществить программно-алгоритмическую реализацию системы обучения.

Методы исследования. Для решения поставленных в работе задач используются методы теории управления (в частности, ситуационного управления); методы построения и анализа сложных систем, в том числе систем управления, экспертных и интеллектуальных систем; методы формализованного представления знаний; методы математического моделирования; методы дискретной математики (элементы теории множеств, теории графов) и математической логики.

Научная новизна работы состоит в том, что с единых позиций ситуационного подхода сформулирована и решена научно-практическая задача разработки методов и алгоритмов управления компьютерными системами обучения, основанная на функционально-целевом подходе. К наиболее существенным научным результатам, отличным от ранее известных, относятся:

1. Метод принятия решений по обучению на основе семантической модели предметной области, состоящей из учебных разделов, тем и т.д., вплоть до квантов учебной информации, как элементарных порций информации, который позволяет выбирать адаптивную стратегию обучения на основе сопоставления модели предметной области семантическому содержанию знаний конкретного обучаемого.

2. Метод формирования алгоритмов управления обучением, основанный на алгебраическом отображении множества моделей слабо формализованных процессов в пространство состояний, изоморфном лингвистическим продукционным отображениям.

3. Алгоритм решения задачи управления процессом обучения в конкретной предметной области, позволяющий выработать рекуррентную последовательность управляющих воздействий, отличающийся возможностью учета текущей ситуации процесса обучения.

4. Архитектура интеллектуальной компьютерной обучающей системы, отличающаяся наличием двух цепей обратной связи, формируемых за счет наличия общей базы знаний и множеств пользовательских баз знаний, что обеспечивает адаптивную подстройку системы под конкретного пользователя в конкретной предметной области.

Положения, выносимые на защиту:

1. Метод выбора обучающей стратегии на основе сравнения семантической модели предметной области, формируемой из экспертных знаний, с моделью пользователя, как гомоморфного отображения предметной области, что позволяет обеспечить гибкую смену обучающих стратегий в зависимости от изменения ситуации обучения.

2. Метод формирования алгоритмов управления обучением, основанный на алгебраическом представлении множества моделей в пространстве состояний, изоморфных лингвистическим продукционным отображениям.

3. Рекуррентный алгоритм управления процессом обучения, представляющий собой совокупность множества объектов предметной области, отношений между ними и двух алгебраических операций, обеспечивающих последовательное или параллельное выполнение двух элементарных действий по обучению, что позволяет создавать структуру автоматизированной системы обучения, адекватную предметной области.

4. Алгоритмическая и программная реализация интеллектуальной компьютерной обучающей системы, обеспечивающая адаптивную подстройку под конкретного пользователя и позволяющая сблизить эффективность функционирования с эффективностью процессов индивидуального обучения с учителем.

Практическая ценность работы состоит в повышении эффективности процесса обучения за счет адаптивной подстройки под интеллектуальные возможности конкретных пользователей, а также в упрощении процедуры заполнения баз знаний учителями (экспертами).

Реализация и внедрение результатов работы осуществлялись в виде интеллектуальной компьютерной обучающей системы в учебном процессе Пензенского артиллерийского инженерного института, Пензенской технологической академии, кафедр КиПРА и ВК ФВО Пензенского государственного университета.

Работа состоит из введения, четырех глав, заключения и приложений.

Во введении формулируются цели и задачи исследования.

В первом разделе проводится анализ особенностей современных методов обработки информации, находящих применение в задачах создания систем автоматизированного обучения, и основные направления их развития. Показано, что основными проблемами развития образовательных технологий являются:

• переход от изучения конкретного знания к освоению методик изучения и овладения конкретным знанием;

• переход от изучения всех законов и закономерностей в данной предметной области к изучению наиболее общих, общесистемных, межотраслевых законов и закономерностей;

• переход от изучения всех применений конкретного знания к решению стоящих задач к изучению общих, наиболее характерных методик применений конкретного знания;

• внедрение интеллектуализированных технологий поддержки образовательного процесса и процесса проектирования;

• переход к открытому образованию, включающему в себя применение единых международных стандартов, включая образовательные, открытых информационных технологий, единых принципов, подходов и методик образования.

Для решения указанных задач необходимы новые более совершенные средства подготовки кадров, усиление интеллектуальной составляющей в компьютерных обучающих системах. Показано, что обучение не может преследовать цель - формирование знаний.

В работе проведен анализ эффективности внедрения компьютерных технологий в профессиональное образование с учетом психологических особенностей человека. В результате экспериментов психологов были получены различные коэффициенты и зависимости, на основе которых были созданы первые модели обучения. Данные модели используются разработчиками систем автоматизированного обучения на последующих этапах развития моделей обучения.

Во втором разделе изучаемую систему обучения представляем как фрагмент среды через некоторую абстрагируемую модель и, естественно, состояние системы, причем состояние меняется, то есть система движется. Изменение состояния системы определяется целью движения, т.е. критерием как мерой удовлетворения поставленных перед системой обучения задач. Согласование движения с целью производится путем организации воздействия на систему, то есть управления. Путь познания движения системы обучения базируется на шести понятиях: модель, состояние, движение, цель, критерий, управления. Назначением процесса управления является обеспечение решения задачи, т.е. максимально эффективного обучения.

Третий раздел посвящен моделированию систем компьютерного обучения. При этом для реализации событийного управления на графе состояний G введено множество предикативных функций Р = {Р1,Р2,.,Р1} . Под предикатом понимается логическая функция Pt{D) , которая в зависимости от значений данных D принимает значение равное 0 или 1. Дугам графа G соответствуют предикативные функции. Событие, реализующее переход 5,.-» 5. на графе состояний G, инициируется, если модель объекта 0 на текущем шаге с работы алгоритма находится в состоянии ' и соответствующий предикат

W (помечающий данный переход) истинен.

В четвертом разделе показано, что стратегия управления обучением оформлена как внешняя база знаний, замена которой позволяет менять поведение системы. Такая организация ИКОС дает возможность вложить в обучающую систему свои знания и представления о методике преподавания. Правила базы знаний определяют последовательность работы системы на основании модели предметной области и модели обучаемого.

Модель предметной области отражает взаимосвязи понятий (тем) предметной области и используется для определения последовательности изучения тем и для получения целостного образа знаний, относящихся к данной предметной области. Реализованная в виде иерархического дерева знаний (графа). Она представляет сложную структуру интегрированных взаимно пересекающихся деревьев. Такая структура позволяет проследить взаимосвязь знаний различных предметных областей и определять оптимальную последовательности изучения тем.

Модель обучаемого включает в себя сведения о цели обучения; о знаниях обучаемого в рамках изучаемого курса (текущее состояние процесса обучения); об особенностях подачи учебных материалов и выбора контрольных заданий и вопросов.

6. Результаты работы внедрены в учебный процесс Пензенского артиллерийского инженерного института, а также кафедр КиПРА и ВК Пензенского государственного университета.

Дальнейшее развитие работы должно идти по пути наращивания вычислительной мощности программного обеспечения с целью объединения функциональных возможностей различных АОС, сред программирования и гипермедийных систем. Минимальным требованием при этом является возможность объединить две различные системы, например, АОС и среду программирования.

ЗАКЛЮЧЕНИЕ

1. На основе анализа научно-методических источников выявлены современные концепции и методы построения компьютерных обучающих систем в целом и методы управления их работой, определены требования к системам управления интеллектуальными компьютерными обучающими системами со стороны предметной области с учетом условий работы системы. Определены достоинства и недостатки существующих систем.

В работе доказано, что дальнейшее развитие систем обучения будет идти по пути создания универсальных интеллектуальных обучающих систем, обладающих способностью перепрограммироваться на обучение в конкретной предметной области. Этого можно достичь синтезом интеллектуальных компьютерных обучающих систем с заложенными в них механизмами генерации стратегий обучения на основе построения модели предметной области.

В ходе проведения анализа открытых источников выявлены следующие основные недостатки существующих АОС:

• относительно слабый интерес к учению у пользователей - непрофессионалов из-за отсутствия учета психофизиологических особенностей обучаемого;

• отсутствие гибкой смены обучающих стратегий в зависимости от изменения ситуации обучения;

• слабая степень адекватности структур автоматизированных систем обучения к предметным областям;

• отсутствие возможности адаптивной подстройки системы обучения под конкретного пользователя;

• большинство существующих систем строго ориентированы на использование в университете, в котором они были разработаны.

2. Показано, что современные системы компьютерного обучения адаптируют алгоритмическое и программное обеспечение только к классу учебных материалов, а не непосредственно к конкретной теме, разделу предметной области, что затрудняет выбор новой обучающей процедуры на каждом шаге процесса обучения и не дает возможности гибкой смены обучающих стратегий в зависимости от изменения ситуации обучения, усталости обучаемого, различных отвлекающих факторов и т. п.

Показано, что среди организационных, технических, педагогических и психологических факторов нельзя выделить те, которые являются главными в повышении эффективности компьютерного обучения, т.к. отсутствие одних факторов приводит к невозможности компьютерного обучения, а другие влияют на его эффективность. Информационные технологии могут быть эффективными только тогда, когда используются на основе системного подхода: при обязательном наличии технических средств должно использоваться программное обеспечение, созданное на основе учебного содержания, ориентированного на цели обучения с учетом достижений педагогики и психологии.

Преобладающее большинс тво предметных областей имеют древовидную структуру, по которой в зависимости от своего выбора или задания преподавателя обучаемый может передвигаться по разным «веткам» дерева знаний обучающей системы. После завершения работы с системой по одной теме обучаемый имеет возможность продолжить ее, проходя по другой «ветке» дерева знаний, или может выйти из программы.

3. Разработаны методы решения задач управления и принятия решений в условиях неопределенности, обеспечивающие повышение эффективности функционирования интеллектуальных компьютерных обучающих систем.

Разработана формальная рекуррентная модель организации действий (и, следовательно, алгоритмов управления обучением) в многоуровневых автоматизированных системах управления ИКОС представляет собой, совокупность элементов множества 1к , две алгебраические операции ® и © и систему отношений эквивалентности действий по выполнению целевой задачи системы. Таким образом, общая модель ИКОС основана на формализации процесса обучения как процесса целенаправленного пополнения аппарата понятий и совершенствования базы знаний обучаемого. Модель представляет собой граф, множество вершин которого отождествлено с действиями учителя в процессе организации и реализации процедуры обучения, а множество ребер определяет связи между действиями и порядок их выполнения.

Проведен анализ различных способов представления знаний и на основе его результатов предложен метод организация смысловой модели предметной области обучения в виде набора моделей учебных разделов, тем и т.д., организованных на основе определенных семантических отношений и описывающих отдельные предметные области и связи между ними, которая позволяет обеспечить соответствие предметной области в ИКОС к семантическому содержанию знаний обучаемого. В целях повышения адаптационных возможностей ИКОС к различным психофизиологическим типам обучающихся, к изменяющимся условиям обучения, к помехам во время обучения разработан способ структурной адаптации программного обеспечения к данной предметной области с учетом качественных и временных характеристик операционных компонентов, базирующийся на использовании информации, хранящейся в моделях учебных материалов предметной области и позволяющий осуществлять гибкую смену стратегий обучения с учетом особенностей конкретного обучаемого.

Показано, что путь познания движения системы обучения базируется на шести понятиях: модель, состояние, движение, цель, критерий, управления. Назначением процесса управления является обеспечение решения задачи, т.е. максимально эффективного обучения. Для разных структур моделей предметной области и степени формализации знаний существуют различные подходы к построению концептуальной модели. Одним из таких подходов является функционально-целевой подход (ФЦП), развитый в настоящей работе для класса задач с древовидными моделями предметной области.

На основе алгебраического подхода решена задача синтеза ИКОС, т.е. определена последовательность управляющих воздействий, необходимых для поддержания максимального качества обучения за счет варьирования времени изучения основных понятий и определений. Использование лингвистических продукционных моделей в задачах многокритериальной оптимизации позволит осуществлять различные методы свертки критериев, а также определять начальную точку для метода оптимизации процесса обучения значительно быстрее и эффективнее.

4. Разработаны алгоритмы решения задач управления и принятия решений по выработке стратегий обучения в условиях конкретной предметной области.

Определена архитектура ИКОС и алгоритмы ее функционирования, отличающиеся структурной адаптивностью программной реализации, формализацией многих задач обучения, обеспечивающие повышение качества и уменьшение времени обучения.

Разработаны алгоритмы взаимодействия преподавателя с ИКОС, алгоритм взаимодействие обучаемого с ИКОС, которые доведены до программной реализации.

5. Осуществлена программно-алгоритмическая реализация системы обучения. Разработана и внедрена интеллектуальная компьютерная обучающая система. ИКОС является организованной совокупностью, предназначенной для решения множества задач, которые образуют классы (7, объектно-ориентированных задач G= {G,}, i-\,., N, где N- число классов. Каждый из представителей классов в свою очередь разбивается на совокупность методо-ориентированных процессов.

1. Урсул А.Д. Становление информационного общества и модель опережающего образования // НТИ. Сер. 1. - 1997. - № 2. - С. 1-11.

2. Монахов В.М. Что такое новая информационная технология обучения? // Математика в школе. 1990. - №2. - С. 47-52.

3. Крюкова О.П. Самостоятельное изучение иностранного языка в компьютерной среде (на примере английского языка). М.: Логос, 1998.- 126 с.

4. Демьянов А.В. Системная организация принятия управленческих решений в обучении. /Демьянов А.В., Юрков Н.К./ Изв. вузов. Поволжский регион. Серия Технические науки, № 6, 2006 г., Пенза, ИИЦПГУ,С. 178-190.

5. Семенюк Э.П. Информатизация общества, культура, личность // Научно-техническая информация. Серия 1. Организация и методика информационной работы. 1993. - №1.- С. 6-14.

6. Демьянов А.В. К вопросу реализации модели обучения в интеллектуальной компьютерной обучающей системе. Инновации в условиях развития информационно-коммуникационных технологий. Материалы НПК. 2006 г., М.:МИЭМ, С. 257-259.

7. Приобретение знаний. Пер. с япон. /Под ред. С.Осуги. М.: Мир, 1990. -304 с.

8. Голицына И.Н. Использование оболочки ЭС для создания ППС -Информатика и образование, 1992, N 1, С. 88 90.

9. Голицына И.Н., Немтарев В.И. Эффективность использования моделирующей учебной системы в вузе. Профессиональное образование, 1999, N 3, С. 54 - 56.

10. Brusilovsky, P., Pesin, L., & Zyryanov, М. Towards an adaptive hypermedia component for an intelligent learning environment. In L. J. Bass, J. Gornostaev, & C. linger (Eds.), Human-Computer Interaction (P. 348-358). Berlin: Springer-Verlag.

11. Демьянов A.B. Системный подход к синтезу интеллектуальной компьютерной обучающей системы /Демьянов А.В., Юрков Н.К./ Надежность и качество: Труды международного симпозиума. Пенза: ИИЦПГУ, 2006 г., С. 153-155.

12. З.Демьянов А.В. Разработка стратегий автоматизированного обучения /Демьянов А.В., Юрков Н.К. Ермолаев В.А./ Надежность и качество: Труды международного симпозиума. Пенза: ИИЦ ПГУ, 2006 г., С. 155157.

13. М.Демьянов А.В. К вопросу о моделировании системы управления обучением /Демьянов А.В., Юрков Н.К., Тюрина JI.A./ Университетское образование: Сборник статей X международной НМК, Пенза 2006 г, С. 203-206.

14. Демьянов А.В. Принципы подготовки военных специалистов в области использования средств информационных технологий. Университетское образование: Сборник статей X международной НМК, Пенза 2006, С. 210-213.

15. Эльконин Б.Д., Фрумкип И.Д. Образовательное пространство как пространство развития // Вопросы психологии. 1993. - №1. - С.24-32.

16. Крук Ч. Школы будущего // Гуманитарные исследования в Интеренете/ Под ред. А.Е. Войскунского М.: Можайск-Терра, 2000. -С. 285-302.

17. Демьянов А.В. Модель обучаемого в интеллектуальной компьютерной обучающей системе. Сборник статей МНТК Современные информационные технологии. Пенза. Изд-во ПГТА, 2006, С. 153-155.

18. Демьянов А.В. Системная организация компьютерного обучения /Демьянов А.В., Юрков Н.К. /. Сборник статей МНТК Современные информационные технологии. Пенза. Изд-во ПГТА, 2006 г., С. 156-161.

19. Зайцева JI.B. Методы и модели адаптации к учащимся в системах компьютерного обучения. Educational Technology & Society 6(4), 2003, P. 204-211

20. Brusilovsky P. Adaptive Educational Systems on the World-Wide-Web: A Review of Available Technologies // Proceedings of Workshop "WWW

21. Based Tutoring" at the 4th International Conference on Intelligent Tutoring Sysytems (ITS'98). San Antonio.

22. Ip A., Morrison I., Currie M. What is a learning object, technically? / Internet. -http://users.tpg.com.au/adslfrcf/lo/LO(WebNet2001). ppt.

23. Redeker G.H.J. An Educational Taxonomy for Learning Objects // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. ICALT 2003. Athens, Greece, 2003. - P. 250 - 251.

24. Нетушил A.B., Никитин A.B. О методе синтеза учебных программ // Проблемы нейрокибернетики. Ростов-на Дону: Изд-во Рост, ун-та, 1969.-С. 236-243.

25. Zaitseva L., Boule С. Student models in Computer-based Education // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. ICALT 2003. Athens, Greece, 2003, P. 451.

26. Oppermann R., Rashev R., Kinshuk. Adaptability and Adaptivity in Learning Systems/ Internet.- http://fims- www.massey.ac.nz/ -kinshuk/papers/ kt97 gmd.html.

27. Кривицкий Б.Х. Система газация компьютерных средств. Educational Technology & Society 3(3) 2000 ISSN 1436-4522 pp. 548-556

28. Беспалько В.П. Образование и обучение с участием компьютеров (педагогика третьего тысячелетия). М.: Издательство Московского психолого-педагогического института; Воронеж: Издательство НПО «МОДЭК», 2002.- 352 с.

29. Образцов П. И. Психолого-педагогические аспекты разработки и применения в вузе информационных технологий обучения. Орел: Орел-ГТУ, 2000. - 145 с.

30. Северцев Н.А., Шутова Т.В. Системный анализ и моделирование процессов военно-технического сотрудничества. -М.: ИД «Мегапир», 2006, -360 с.

31. Черноруцкий И.Г. Методы принятия решений. -СПб.: БХВ-Петербург, 2005,416 с.

32. Сафронов В.В., Гаманюк Д.Н. Проектирование сложных технических систем с учетом развития. ИТПП, 1999, №№ 3. С. 45-46.

33. Одрин М.В., Картавов С.С. Морфологический анализ систем. Киев, Наукова думка, 1977.

34. Сафронов В.В., Гаманюк Д.Н. Метод и алгоритм ранжирования эффективных структур корректируемых систем управления//Сборник докладов междун. научн.-техн. конф., Пенза, 1998, с. 77

35. Абдеев Р.Ф. Философия информационной цивилизации. М.: ВЛАДОС, 1994.-336 с.

36. Грущанский В.А., Ильичев А.В., Северцев Н.А. Системные технологии в вопросах безопасности. Вопросы теории безопасности и устойчивости систем. Выпуск 1. Издательство М.: Вычислительный центр РАН, 1999. С. 55-64.

37. Миронов В.В., Северцев Н.А. Стратегия безопасного оценивания параметров при сбоях измерений. Вопросы теории безопасности и устойчивости систем. Выпуск 4. Издательство М.: Вычислительный центр РАН, 1999. С. 14-27.

38. Эшби У. Росс. Введение в кибернетику/ Пер. с англ. Издательство иностранной литературы, 1959. 432 с.

39. Деруссо П., Рой Р., Клоуз М. Пространство состояний в теории управления. М.: Наука, 1970. - 620 с.

40. Месарович М., Такахара Я. Общая теория систем: математические основы.-М.: Мир, 1978.- 312 с.

41. Острем К.И. Адаптивное управление с обратной связью. ТИИЭР, т. 75, 1987, С. 4-40

42. Лапшин Э.В., Блинов А.В., Юрков Н.К. Информационные модели проектирования интеллектуальных тренажеров широкого профиля. Измерительная техника, М.: 2000, № 8. С. 23-27

43. Красовский А.А. Некоторые актуальные проблемы науки управления // Изв. РАН, Теория и системы управления. 1996. Т.6. С.8-16

44. Mamdani Е. Н. Advances in the Linguistic Synthesis of Fuzzy Controller// Int. J. Man-Machine Studies. -1976.-Vol. 8.-P.669-678.

45. Захаров B.H., Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. I. Научно-организационные, технико-экономические и прикладные аспекты // Техническая кибернетика. 1992. - № 5. - С. 171-196.

46. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

47. Юрков Н.К. Инструментальная среда обеспечения надежности сложных систем. Надежность и качество: Труды международного симпозиума: в 2-х ч. Ч II / Под ред. Н.К.Юркова Пенза: Изд-во Пенз. гос. ун-та, 2004, С. 347-349

48. Юрков Н.К. Синтез концептуальной модели предметной области. Особенности моделирования сложных систем. Измерительная техника. 2004, №2, С. 11-14

49. Юрков Н.К. Особенности управления сложными системами на основе концептуальных моделей. Измерительная техника. 2004, № 4, с. 14-16.

50. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. М.: Мир, 1976. - 165 с.

51. Nguyen D. Neural Networks for Self-Learning Control Systems // IEEE Control Systems. 1990. - Vol. 10. - P. 18-23.

52. Scharf H., Mandic N., Mamdani E.H. A self-organizing algorithm for the control of a robot arm // Int. J. Robotics and Automation. 1986. - Vol.1, №1.- P. 33-41.

53. Юрков Н.К. Модели и алгоритмы управления интегрированными производственными комплексами. Пенза, ИИЦ Пенз. гос. ун-та, 2003, 198 с.

54. Быков В.В., Назаренко А.С., Юрков Н.К. Моделирование системы технического сервиса. М., Изд-во Московского государственного института леса, 2004, 86 с.

55. Соколов А.Ю. Методология алгебраического проектирования интеллектуальных систем управления// 1нформацшно-керуюч1 системи на зал1зничному транспорт!. 2000. - №6. - С. 28-31.

56. Искусственный интеллект: Справочник: В 3 кн. / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - Кн.2: Модели и методы. - 304 с.

57. Sokolov A. Algebraic approach on fuzzy control. // Proc. 14th Triennial world Congress IF AC. Beijing (China). - 1999. - P. 219-224.

58. Соколов А.Ю. Алгебраическое моделирование лингвистических динамических систем // Проблемы управления и информатики. 2000. - №2. -С. 141-148.

59. Роберте Фред С. Дискретные математические модели с приложениями к социальным, биологическим и экономическим задачам: Пер. с англ. -М.: Наука, 1986.-494 с.

60. Wu Н., De Bra P. Sufficient Conditions for Well-Behaved Adaptive Hypermedia Systems // Proceedings of the First Asia-Pacific Conference on Web Intelligence: Research and Development. 2001, - P. 148-152.

61. Specht M. Adaptive Methoden in computerbasierten Lehr/Lernsystemen: Dissertation. 2001.-P. 148.

62. Буль E.E. Обзор моделей студента для компьютерных систем обучения // Educational Technology & Society. 2003. - Vol. 6 (4). P. 245-250.

63. Экспертно-обучающие системы / Петрушин В.А.; Отв. ред. A.M. Дов-гялло; АН УССР. Ин-т кибернетики. Киев: Наук. Думка, 1992. -С. 196.

64. Кузьмин И.А., Путилов В.А., Фильчаков В.В. Распределенная обработка информации в научных исследованиях. JL: Наука, 1991. - 304 с.

65. Юрков Н.К. Функционально-целевой подход к синтезу систем управления интегрированными производственными комплексами. Измерительная техника, М.: 1999, № 7, С. 19-22

66. Суржко С.В. О некоторых классах алгоритмических алгебр, Кибернетика, 1990, N3,100-104

67. Вьюнова С.А. и др. Систематический подход к программированию. С. 72

68. Тыугу Э.Х. Концептуальное проектирование. М.: Наука, 1984, 256 с.

69. Игнатьев М.Б., Путилов В.А., Смольков Г.Я Модели и системы управления комплексными экспериментальными исследованиями. М.: Наука, 1986, 232 с.

70. В.Батищев, С.П.Котова, П.О.Скобелев. Мультиагентный подход для развития системы дистанционного обучения «Дифракция» в сети Интернет. Тезисы докладов конференции «ИОЛ-2000».

71. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ.- М.: Наука. 1987г.-288 с.

72. Варшавский В.И., Поспелов Д.А. «Оркестр играет без дирижера» М., 1987 г. с. 210.

73. Мандель И.Д. Кластерный анализ. -М.: Финансы и статистика. 1988, -176 с.