Модели и методы принятия решений задачи формирования учебного плана специальности в условиях неопределенности

Дамбаева, Сэсэгма Викторовна

Системный анализ, управление и обработка информации (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и методы принятия решений задачи формирования учебного плана специальности в условиях неопределенности

кандидата технических наук: Дамбаева, Сэсэгма Викторовна
город: Улан-Удэ
год: 2004
специальность ВАК РФ: 05.13.01

Диссертация по информатике, вычислительной технике и управлению на тему «Модели и методы принятия решений задачи формирования учебного плана специальности в условиях неопределенности»

Автореферат диссертации по теме "Модели и методы принятия решений задачи формирования учебного плана специальности в условиях неопределенности"

На правах рукописи

ДАМБАЕВА Сэсэгма Викторовна

МОДЕЛИ И МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ ЗАДАЧИ ФОРМИРОВАНИЯ УЧЕБНОГО ПЛАНА СПЕЦИАЛЬНОСТИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

05.13.01 - системный анализ, управление и обработка информации (по отраслям: информатика, вычислительная техника и управление)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Красноярск - 2004

Работа выполнена в Восточно-Сибирском государственном технологическом университете

Научный руководитель кандидат технических наук, доцент.

Найханова Лариса Владимировна

Официальные оппоненты: доктор технических наук, профессор

Доррер Георгий Алексеевич кандидат технических наук Царев Роман Юрьевич

Ведущая организация: Московский государственный юхнический

университет им. Н.Э. Баумана

Защита состоится 21 января 2005 года в 14:00 на заседании диссертационного совета Д 212.098.04 при Красноярском государственном техническом университете по адресу: ул. академика Киренского, 26, Красноярск, 660074, ауд. Д 501.

Факс: (3912) 43-06-92 (КГТУ, для каф. САПР)

E-mail: sovet@front.ru

Телефон : (391 -2) 49-77-28 (КГТУ, каф. САПР)

С диссертацией можно ознакомиться в библио!скс Красноярского государственного технического университета.

Автореферат разослан 21 декабря 2004 года.

Ученый секретарь диссертационного совета д.т.н.

С. А. Бронов

toot-ч 1445 ML

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Одной из основных задач планирования учебного процесса является задача формирования учебного плана специальности/направления технического вуза, разработка которого является чрезвычайно трудоемкой работой, требующей значительных временных затрат и интеллектуального потенциала ответственного лица. В настоящее время в вузах высока интенсивность составления новых учебных планов и изменения старых. Это обусловлено общей ситуацией в стране, в результате которой реформирование системы образования продолжается более десяти лет В эгот период введена многоуровневая система образования в высшей школе, специальности объединены в направления и произошло многое другое Кроме того, изменения государственной, региональной и вузовской образовательной политики предъявляют новые требования к проведению учебного процесса в вузе и, соответственно, вызывают необходимость корректировок учебных планов Эффективным средством решения этих проблем является автоматизация процесса разработки учебн01 о плана.

В настоящее время существуют визуальные среды, играющие роль вспомогательного инструментария при разработке учебного плана Однако недостаточная проработанность методов решения задачи формирования учебного плана, реализованная в этих средах, не позволяет их в полной мере использовать на практике.

Народно-хозяйственная (техническая) проблема. Таким образом, в области планирования учебного процесса вуза существует проблема повышения уровня автоматизации процесса формирования учебного плана специальности, решение которой позволит снизить трудоемкость, повысить оперативность формирования учебного плана и улучшить его качественные показатели.

Научная проблема. Использование существующих моделей и методов для решения задачи формирования учебного плана не приводит к желаемым результатам Успех в ее решении может быть достигнут путем разработки новых моделей, методов и алгоритмов, основанных на представлении и обработке сложно-структурированных знаний, отображающих смысловые аспекты проблемной области Это влечет за собой необходимость научного осмысления и комплексного анализа теоретических и практических вопросов, связанных с разработкой моделей решения исследуемой задачи, методов и алгоритмов, позволяющих повысить уровень ее автоматизации.

Исследованием проблем разработки и применения моделей и методов для создания

автоматизированных систем формирования учебного плана в вузах начали активно

заниматься в 60-70 годы. В МИСиС с 1969 года проводилась работа по научно-

обоснованному составлению учебных планов специальности Первыми работами в этой

области были работы Никитина А.В, Анисимова Б В., Савельева А Я, Карпова В.И.,

Черкасова Б.П., Сумарокова Л.Н, Романенко А.Г., Мухина_Э.В., Овчинникова A.A.,

Пучинского В .С , Ям польского В.З., Германа[э^СШй>И№4»аРЧ*в1*чина С.В , Романца

БИБЛИОТЕКА | С. Петербург / \ О» яОаА' j

В11 , Архангельского С И, Кваши О П и др В настоящее время рабо1Ы по автомат тированной поддержке планирования учебного процесса вуза веду1ся в рамках создания интегрированных автоматизированных информационных систем учебных заведений во многих вузах России

Значительный вклад в решение данной научной проблемы внесен исследованиями Волковой В.II., Соколовой МП , в которых определена методика проведения системного анализа проблемной области В лих работах влияние внешней среды учитывается па эгатте разработки квалификационных требований к специалисту, но в процедурах принятия решений пе учишвается влияние лица, принимающею решение, расплывчатость отраничений, неполнота и нечеткость исходных данных. В работе «Сетевые методы планирования и организации учебною процесса» Овчинникова АЛ, Пучинского ВС, Петрова ГФ для формального описания предметной области используются сетевые методы, которые дают возможность ее наглядного представления, однако в ней не представлены модели и методы принятия решений.

Объект исследования - процедура формирования учебною плана специальности/направления техническою вуза

Предмет исследования - модели, методы, алгоритмы и процедуры принятия решений в задаче формирования учебного плана специальности/направления техпическог о вуза.

Цель исследования - разработка моделей и методов решения задачи формирования учебного плана специальности/направления техническою вуза, позволяющих повысить уровень автоматизации процесса формирования учебного плана специальности/направления технического вуза.

Задачи исследования. Для дос жжения поставленной цели на основе изучения проблемной области в работе поставлены и решены следующие задачи исследования

- анализ проблемной области, определение класса задачи принятия решений, факторов и параметров, влияющих на формирование учебно1 о плана специальности/направления техническот о вуза,

- анализ существующих методов принятия решений на предмет выбора наиболее подходящих для задачи формирования учебного плана технического вуза,

- разработка моделей принятия решений для задачи формирования учебного плана специальности/направления технического вуза;

- разработка методов и алгоритмов притгятия решений для задачи формирования учебного плана специальности/направления техническою вуза;

- апробация разработанных методов и алг оритмов

Основная идея диссертации. Решение задачи формирования учебного плана

осуществляется путем декомпозиции задачи на подтадачи и формирования иерархической

структуры информационно несложных и информационно сложных задач принятия

решений Формальными признаками разделения задач по информационной сложности

являются мощности множеств альтернатив и ограничений. Если мощности этих множеств < 10, то задача принятия решения является информационно несложной задачей, иначе -информационно сложной. Разделение задач по информационной сложности обусловлено необходимостью применения для их решения различных моделей принятия решений Модель решения информационно несложных задач включает методы принятия решений с использованием экспертной информации, в числе которых предлагается применение метода формализованного анкетирования как инструмента принятия решений

В задаче формирования учебного плана специальности информационно сложными являются задачи распределения элементов одного составного объекта по элементам другого составного объекта. Для решения этих задач предлагается модель принятия решений, основанная на нечетком логическом выводе. Она обладает рядом преимуществ. Во-первых, в ней используется логическая схема принятия решений Беллмана-Заде, основанная на утверждении о симметрии целей и ограничений, которая устраняет различия между ними и позволяет сформировать решение, представляя и цели, и ограничения как расплывчатые множества в пространстве альтернатив Во-вторых, вывод решения осуществляется по управляющим правилам, с помощью которых можно реализовать различные стратегии формирования решения.

Информационная сложность проблемной области исследуемой задачи обусловливает необходимость проведения системного анализа для выявления факторов и параметров, влияющих на формирование учебного плана, построения структуры системы и определения входных и выходных лингвистических переменных в системе нечеткого логического вывода.

Методы исследования. Методологической и теоретической основой исследования послужили методы теории принятия решений, нечеткой лошки, искусственного интеллекта. Достоверность выводов работы определяется использованием теоретических и методологических положений ведущих специалистов в вышеназванных областях (Заде JI., Беллмана Р., Ларичева О.И., Мечитова А.И., Трахтенгерца Э.А., Борисова А.Н., Волковой В.Н, Ямпольского В 3., Уемова А И. и др.), корректным использованием математического аппарата, программной реализацией и практической проверкой предложенных моделей и методов.

Наиболее существенные результаты диссертационной работы состоят в разработке моделей, методов и алгоритмов принятия решений задачи формирования учебного плана специальности технического вуза в условиях неполноты и неточности исходных данных, расплывчатости ограничений и целей, учитывающих изменения внешних и внутренних условий и предпочтения лица, принимающего решение. Основные из них следующие

1. Предложен подход к формализации метода анкетирования, который позволяет использовать его как инструмент принятия решений, и на основе которого разработаны

методы экспертного опроса и оценки альтернатив, применяющиеся в модели принятия решений информационно несложных задач.

2. Разработай метод автоматической генерации альтернатив для задач распределения элементов одного составного объекта по элементам другого составного объекта

3. Модель нечеткого логического вывода применена для построения системы нечеткого вывода решения. Для этого адаптированы методы введения в нечеткость.

4. Выполнен системный анализ проблемной области, выявлены факторы и параметры системы автоматизированного формирования учебного плана, построена функциональная модель системы, разработаны алгоритмы формирования HPK циклов учебного плана, графа межпредметных связей и распределения дисциплин по семестрам. Предложенное решение апробировано на программах-прототипах. Полученные результаты подтвердили достоверность разработанных моделей, методов, алгоритмов и процедур.

5. Разработаны методы и алгоритмы формирования графа межпредметных связей, основанные на построении межпредмегных связей по отношению «наследование знаний» и приведения их к иерархической структуре. Для оптимизации графа межпредмегных связей разработан метод определения существенных, менее существенных и несущественных связей.

Научная новизна работы состоит в том, что:

1. Разработана двухкомпонентная модель принятия решений и соответствующая ей обобщенная функционально-структурная модель системы поддержки принятия решений, отличающаяся от существующих тем, что в состав ее компонентов входят методы принятия решений для задач со слабоформализованной, сложноструктурированной проблемной областью, обладающих большой зависимостью от внешних факторов и предпочтений лица, принимающего решение.

2. Разработан подход к формализации метода «Анкетирование», заключающийся в формальном представлении вопросно-ответных отношений анкеты, который позволяет автоматизировать данный метод, и применять его в качестве инструмента принятия решений для информационно несложных задач на этапах генерации и оценки альтернатив.

Значение для теории состоит в том, что разработаны модели принятия решений для информационно несложных и информационно сложных задач принятия решевий. Формализация метода «Анкетирование» расширяет область применения метода и позволяет применять его не только как метод извлечения знаний, но и разрабатывать на его основе методы генерации и оценки альтернатив, применяющихся в модели принятия решений информационно несложных задгч. В ходе проведения исследований разработан подход к решению задач принятия решений, в котором решением является распределение элементов одного составного объекта по элементам другого составного объекта, удовлетворяющего множеству ограничений. Предложенный подход заключаете» в построении распределения на основе анализа признаков распределяемых элементов и

может стать одним из методов системного анализа, позволяющим определять показатели разрабатываемой системы. Для решения задач распределения были адаптированы и применены методы нечеткого логического вывода, которые до настоящего времени использовались при построении нечетких регуляторов, применяющихся в области технического управления.

Значение для практики. За счет применения системы автоматизированного формирования учебного плана, реализованной на разработанных моделях, методах и алгоритмах, снижается трудоемкость, повышаются оперативность разработки и качество учебного плана.

Достоверность результатов исследования подтверждается корректным использованием математических методов системного анализа, проведением вычислительных экспериментов на программах-прототипах и сравнением полученных учебных планов с реальными учебными планами, в частности, специальности 351500 -«Математическое обеспечение и администрирование информационных систем».

Личный вклад автора. Автором предложены решение задачи формирования учебпого плана специальности/направления технического вуза посредством декомпозиции задачи на подзадачи и построения иерархической структуры информационно несложных и информационно сложных задач принятия решений; подход к решению задач распределения элементов одного составного объекта по элементам другого составного объекта, заключающийся в построении распределения на основе анализа признаков распределяемых элементов; применены методы нечеткого логического вывода для решения задач распределения; построена модель системы нечеткого логического вывода на основе управляющих правил; разработаны алгоритмы экспертной оценки альтернатив, формирования и оптимизации базовой таксономии.

Использование результатов диссертации. Разработанные в работе модели, методы и алгоритмы принятия решений для задачи формирования учебного плана специальности/направления технического вуза являются результатом исследований, проводимых автором в рамках выполнения единого заказ-наряда Министерства Образования РФ "Теоретические и прикладные вопросы разработки интегрированных интеллектуальных информационных систем для сферы образования", ИГР 01 200.205060, код НИР 1.01.01Д в 2001 году и по тематическому плану ВСГТУ (единый заказ-наряд МО РФ) «Теоретические и прикладные вопросы разработки интегрированных интеллектуальных информационных систем», ИГР 01.200.205060, код НИР 1.01.01Д в 2003-2004 годах.

Рекомендации по использованию результатов диссертации. Основные результаты, полученные в ходе выполнения исследований, могут быть использованы в высших и средних учебных заведениях для автоматизированного формирования учебного плана специальности.

Апробация результатов диссертации Основные положения диссертационной работы докладывались и обсуждались на всероссийской конференции «Теоретические и прикладные вопросы современных информационных технологий» (2000 - 2004 гг), межкафедральном семинаре «Концепции и методологии создания современных информационных систем» (г Красноярск, СибГТУ, 22.09 2004г) Ряд положений диссертации был использован при подготовке учебных курсов «Нечегкая лотка», «Методы и алгоритмы принятия решений», «Системный анализ» и нашел применение в учебном процессе ВС1ТУ.

Публикации. По материалам диссертации опубликовано 7 печатных работ общим объемом более 21 п л., из которых 6 статей и 1 монография

Общая характеристика работы. Диссертация состой! из 4 разделов, содержит основной текст на 148 с , 44 иллюстрации, приложения на 18 с , список использованных источников из 99 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано обоснование актуальности темы, сформулированы основные задачи исследования, кратко изложено содержание работы и перечислены ее основные результаты, выносимые на защиту

В первом разделе проведен анализ проблемной области, который позволил отнести задачу формирования учебною плана техническою вуза к многокритериальным задачам принятия решений в условиях неопределенности с индивидуальным или групповым принятием решений, обладающим большой информационной сложностью Показано, что в описанных в литературе подходах к решению этой задачи не учитываются: 1) неопределенность и неполнота исходных данных; 2) расплывчатость ограничений, 3) изменчивость проблемной среды и предпочтений лица, принимающего решение (ЛПР) -тех характеристик проблемной среды, которые относят задачу к информационно сложным задачам. Решение задачи без учета информационной сложности проблемной среды не позволяет применять без изменения существующие модели принятия решений для реального формирования учебного плана

Обзор и анализ существующих моделей и методов принятия решений показал, что в задачах принятия решений в условиях неопределенности, связанной с неполнотой и неточностью исходных данных, необходимо применять методы принятия решений с субъективной оценкой специалиста. Однако эффективность применения методов с субъективной оценкой эксперта высока при мощности множества альтернатив < 10. Для задач принятия решений с мощностью множества альтернатив > 10 необходимо разработать специальные методы генерации и оценки альтернатив.

Показано, что задача принятия решений в условиях расплывчатости ограничений и целей эффективно решается по логической схеме, предложенной Беллманом-Заде,

основанной на утверждении о симметрии целей и ограничений, которое позволяет не делать между ними различий и выводить решение методами нечеткого логического вывода, построенными на аппарате теории нечетких множеств.

Эффективной моделью, совмещающей возможность учета влияния внешней среды, предпочтений ЛПР и расплывчатость ограничений, является модель нечеткого логического вывода, в которую входит база правил, управляющих выводом решения. Интерактивное построение управляющих правил в соответствии с внешними и внутренними условиями проблемной области и предпочтениями лица, принимающего решение, позволят оперативно реагировать на их изменения, что в значительной степени повышает эффективность системы поддержки принятия решений.

В настоящее время на моделях нечеткого логического вывода строятся нечеткие регуляторы, которые применяются в системах технического управления. Использование методов нечеткого логического вывода в модели принятия решений исследуемой задачи требует их адаптации к новой области применения.

В результате исследования проблемной области, моделей и методов принятия решений разработана двухкомпонентная модель принятия решений задачи формирования учебного плана, которая включает методы генерации, оценки альтернатив и вывода решения. Первый компонент данной модели (рисунок 1) предназначен для решения информационно несложных задач. Согласно приведенной схеме, модели решение формируется на основе последовательного применения моделей генерации альтернатив и линейного упорядочивания (таблица 1), выбор лучшей альтернативы производит лицо, принимающее решение Второй компонент предназначен для решения информационно сложных задач (рисунок 2). Он сформирован на основе моделей генерации альтернатив и нечеткого логического вывода.

Рисунок 1 - Схема принятия решений информационно несложных задач принятия решений

Рисунок 2 - Схема принятия решений информационно сложных задач принятия решений Необходимость в разработке двухкомпонентной модели принятия решений возникла

в результате того, что структура исследуемой задачи состоит из иерархии информационно

сложных и информационно несложных задач принятия решений В качестве формального

признака разделения задач на информационно сложные и информационно несложные

предлагается взять мощность множества альтернатив и ограничений задачи принятия

решений. В приведенных схемах принятия решений в прямоугольниках приведены

исходные данные для каждого этапа принятия решения, а в фигурных стрелках - модели

генерации альтернатив и принятия решений, описание которых приведено в таблице 1

Таблица 1 - Модели, используемые в схемах принятия решений задачи формирования учебного плана

Модель (енерации

альтернатив

<А, А, С, О, где А = <А ь I А , - первичные множества допустимых альтернатив ЗПР}, А = {А,| А, модифицированные множества альтернатив}; С - текстологические и коммуникативные методы извлечения знаний, С - методы генерации альтернатив.

Модель линейною

упорядочивания

<А, К, А', М> А - множество альтернатив-объектов оценки,

К - множество

альтернатив-критериев

оценки,

А' - ранжированное множество альтернатив-объектов оценки, М - методы принятия решений на основе экспертной информации

►А'

К'

Модель нечетко! о логического вывода <ВР, NV>

BP =<In, Out, P> - база правил

In - множество входных лингвистических

переменных,

Out - множество выходных лингвистических переменных,

Р - множество продукционных правил

NV = <Fuz, Ag, Akt, Akk, Defuz> -

Fuz - методы фаззификации входных

данных;

Ag - методы агрегирования подусловий в нечетких правилах продукций, Akt - методы активизации или композиции подзаключений в нечетких правилах продукций;

Akk - методы аккумулирования заключений нечетких правил продукций, De fitz - методы дефаззификации выходных данных.

На основе двухкомпонентной модели построена обобщенная функционально-структурная модель системы поддержки принятия решений, в которой выделены три подсистемы- генерации и оценки альтернатив, вывода решения (рисунок 3). Особенностью разработанной модели является то, что в каждой подсистеме предполагается создание библиотек методов, включенных в модели принятия решений и информационно сложных, и информационно несложных задач Поэтому совокупность информационно сложных и информационно несложных задач принятия решений, порождаемая декомпозицией исходной информационно сложной задачи, может быть реализована посредством применения обобщенной функционально-структурной модели СППР.

Исходные данные

Поддержка принятия |........¡"шрвичный набор ~ }

решения Г 1

■ альтеонатив

Генерация альтернатив

Интерактивная генерация

Экспертный опрос на основе метода

Автоматическая генерация

Направленный пепебоп Генетические алгоритмы

Экспертная оценка н ранжирование альтернатив

Экспертная оценка и ранжировали е

альтернатив на основе метода парных сравнений

Ранжирование методом упорядочивания многокритериальных

альтернатив ЗАПРОС

Экспертная оценка альтернатив на основе метода анкетирования

=42=

Оценка альтернатив н вывод единственного решения

Нечеткий логический вывод

Выбор лучшей альтернативы лицом принимающим решение

Лучшее решение с точки зрения ЛПР

Рисунок 3 - Обобщенная функционально-структурная модель СППР

Во втором разделе описаны разработанные в ходе проведения исследования и адаптированные к задаче формирования учебного плана методы принятия решений. В совокупности с существующими методами решения многокритериальных задач принятия решений в условиях неопределенности, описанными в первой главе, они входят в обобщенную функционально-структурную модель СППР. Методы принятия решений используемые в обобщенной функционально-структурной модели СППР, представлены на рисунке 4.

Методы генерации альтернатив

Методы экспертной оценки и выбора альтернатив

Методы экспертного опроса

Коммуникативные методы извлечения знаний

Экспертный опрос на основе метода формализованного анкетирования

Текстологические методы извлечения знаний

Метод автоматической генерации альтернатив

Методы нечеткого регулирования для оценки и вывода решения

Методы парных сравнений

Метод генерации распределений

Генетические алгоритмы

Метод

анкетирования в экспертной оценке альтернатив

Методы введения в нечеткость

Методы нечеткого вывода

Метод парных соотношений с учетом компетентности экспертов

' Анализ учебно; методической литературы

Анализ специальной литерагуры

Анализ документов

Методы

упорядочивания многокритериальных альтернатив ЗАПРОС

Метод формирования синтаксической процедуры а

Метод формирования множества и лингвистической переменной

Метод формирования семантической процедуры М

Метод построения , процедуры агрегации [

Метод построения

процедуры

активизации

Метод построения

процедуры

аккумуляции

Методы построения

процедуры

дефаззификации

Рисунок 4 - Классификация методов, применяемых в задачах принятия решений управления учебным процессом

По критерию доработки методы можно разделить на три группы' методы, не требующие доработки;

методы, адаптированные к задаче формирования учебного плана специальности; методы, разработанные в работе и представленные в данной главе На рисунке блоки методов первой группы прорисованы пунктирной линией, блоки методов второй группы - сплошной тонкой линией и блоки методов второй группы -сплошной двойной линией.

В модели принятия решений информационно несложных задач применяются методы экспертного опроса и экспертной оценки альтернатив, разработанные на основе формализованного метода «Анкетирование» Формализация данного метода заключается в формализации вопросно-ответных отношений анкеты, которая проведена на аппарате логики предикатов 1-го порядка. В результате были получены формальные описания всех видов анкетных вопросов и их ответов Общий вид анкетного вопроса и его преобразование в открытый, закрытый и полузакрытый по форме вопросы представлен на рисунке 5

Рисунок 5 - Формальное представление видов анкетных вопросов Ответ на вопрос согласно запрашиваемой информации может быть простым или составным. Простой ответ представляет собой краткое или полное высказывание на естественном языке Составной ответ состоит из нескольких простых, причем их ожидаемое количество может быть заранее известно или неизвестно Для формализации закрытых по форме вопросов вводится понятие матрицы вопроса X размерностью их2, где п - количество альтернативных ответов в вопросе, в первом столбце находятся альтернативные ответы а„ во втором - значения х„ которые могут принимать значения О или 1:

1, если выбрана / — я альтернатива О, если I - я альтернатива не выбрана

Формальное описание видов вопросов и ожидаемых ответов приведено в таблице 2 Таблица 2 - Формальное описание анкетных вопросов и ответов___

№ Форма вопроса Формальная запись вопроса Формальная запись ответа

1. Открытый по форме вопрос с ожидаемым простым ответом (?*)0(х,г) х - г, где г - простой ответ

2 Открытый по форме вопрос с ожидаемым составным ответом с неизвестным количеством простых ответов (?*) О (х) X = Г;ЛГ2Л...ЛГ„, где г, -простой ответ /=1, ../г, п - число простых ответов

3. Открытый по форме вопрос с ожидаемым составным ответом с известным количеством простых ответов (1X1, ■■;Х„)С(х1, ...,х„) Х1 = г1, х2~ г2. Гп, Г, - простой ответ, г=1,...,л, л - число ожидаемых простых ответов

4. Закрытый по форме вопрос с ожидаемым простым ответом | х,=1} иА'сА

5 Закрытый по форме вопрос с ожидаемым составным ответом х,,.., х„) А 'сгА "множество альтернативных ответов а„ связанных с переменными х„ имеющими значение «1» в матрице вопроса

6. Полузакрытый по форме вопрос (?*/, ■,х„)С(а1,а2,...,а„, Х1, -;Хп, Г1,-- -Л.) А'сА" ,А=А'и Я.

Разработанный подход к формализации вопросно-ответных отношений, релевантных методу извлечения знаний «Анкетирование», не преследует цели распознать смысл вопроса, но позволяет определить условия, при которых можно правильно строить ответ в автоматизированном режиме, чтобы использовать его при генерации и оценке альтернатив.

Согласно методу интерактивного экспертного опроса анкета структурно должна состоять из 4-х блоков вопросов, в которых должны быть записаны полузакрытые по форме вопросы. Уточненное множество альтернатив по каждому блоку анкеты для у-того

~ я м

эксперта формируется по формуле Л1 = улр , объединение результатов - по формуле:

~ я _

л = . гДе т - количество экспертов.

У=1

Оценка альтернатив в информационно несложных задачах может производиться методами принятия решений на основе экспертной информации. Это методы линейного

упорядочивания, такие как методы парного сравнения на основе нечеткой логики, метод векторной оценки альтернатив ЗАПРОС, а также метод анкетирования в экспертной оценке альтернатив Проранжированные одним из предложенных методов альтернативы предлагаются ЛПР, и он осуществляет выбор решения.

В исследуемой задаче информационно сложными являются задачи распределения элементов одного составного объекта по элементам другого составного объекта. Наилучшим считается распределение, удовлетворяющее заданному множеству ограничений. Назовем эту задачу для краткости задачей распределения

В работе предлагается решать задачу распределения в два этапа. На первом этапе генерируется множество первичных распределений без учета ограничений, а на втором -осуществляется построение распределения элементов составных объектов в рамках ограничений. На обоих этапах распределение производится но признакам распределяемых элементов составных объектов Р и 0. Первый этап реализуется методом автоматической генерации на основе направленного перебора, второй - построением системы нечеткого вывода

Описание признаков элементов распределяемых объектов выполняется введением множества Х= {х,, ..., х„\ - признаков элементов составного объекта Р и множества У ={уи---,Ут) - признаков элементов составною объекта £) Множества X и У можно разбить на подмножества простых и составных признаков X1 к У1 подмножества простых признаков, X* и У2 - подмножества составных признаков и Х- X1 и Х? и У ~ У' и У2.

Первичное множество распределений элементов P^^Q получается путем выделения в подмножествах простых признаков пары соответствующих признаков, разбиения элементов составных объектов на классы эквивалентностей заданием отношения эквивалентности, ассоциированного с соответствующими признаками и нахождении первичного множества распределений путем образования множеств декартовых произведений соответствующих классов эквивалентностей.

Определение входных и выходных лингвистических переменных системы нечеткого логического вывода производится путем анализа составных признаков X2 и У2 Признаки х,с X2 и ууе У2 распределяемых альтернатив, имеющие нечеткий характер, становятся входными/выходными лингвистическими переменными

Оценка и вывод решения как построения распределения, наилучшим образом удовлетворяющего множеству ограничений, осуществляется путем построения системы нечеткого вывода решения Она разработана на модели нечеткого логического вывода, приведенной в таблице 1.

Универсальное множество V лингвистических переменных, используемых в нечетком логическом выводе, можно формировать разными способами в зависимости от характера признаков альтернативы Если при оценке альтернативы а,еА в качестве нечетких переменных терм-множества Т использованы признаки одного из множеств Х= {х; х^} и

Y ~ {У/. описывающие распределяемые объекты Р и Q, то в универсальное

множество (7 необходимо включить значения xtJ (или каждой альтернативы а, с-А, определенные при исследовании предметной области текстологическими или коммуникативными методами извлечения знаний. При этом, если значения признаков носят количественный характер, то чаще всего за правую границу универсальной шкапы берется максимальное значение признака, тогда левой границей может быть нуль. При оценке предпочтений универсальная шкала должна задаваться произвольно, например, может быть использован интервал [0,1] или задаваться лицом, принимающим решения.

Полученное универсальное множество должно быть разбито на диапазоны, каждый из которых именуется. В задаче формирования учебного плана всегда можно сформировать трехэлементное терм-множество T={ti, t2, lj}. В этом множестве элемент /2 является нечеткой переменной Normal, соответствующей нормативному значению Нечеткая переменная t/ = LowNormal играет роль левого отклонения, а нечеткая переменная tj = HighNormal - правого отклонения от нормального диапазона Сформированным таким образом элементам терм-множества Т~ {LowNormal, Normal, HighNormal] ставятся в соответствие функции принадлежностей /j{u,a,b,c), в которых ueU,

a, b, с - коэффициенты, определяющие раскрыв функции принадлежности

Определение диапазонов элементов терм-множества Г связано с эвристическим определением коэффициентов а, Ъ, с функций принадлежности и осуществляется на основе нормативных данных документов, регламентирующих учебный процесс Однако каждой нечеткой неременной может соответствовать несколько наборов коэффициентов а,

b, с функций принадлежности, определяющих диапазоны на U. Это зависит от ситуаций, которые возникают при решении задачи Смена ситуации на входных данных возникает при изменении свойств (признаков) лингвистической переменной В этом случае необходимо переопределять диапазоны универсального множества, т е осуществлять настройку диапазонов универсального множества.

Для пояснения необходимости настройки диапазонов универсального множества U рассмотрим небольшой пример формирования диапазонов универсального множества для расчета интенсивносгей изучения дисциплин по циклам. Допустим, ЛПР указал, что средняя интенсивность изучения дисциплин по циклу ГСЭ должна быть равной двум часам в неделю (2 ч/нед), по циклу ЕН - 3 ч/нед, по циклам ОПД и СД - 4 ч/нед и отклонения от заданной нормы могут быть в пределах 25% от заданной нормы Причем эти значения могут быть разными у разных ЛПР. Здесь смена ситуации заключается в изменении свойства (признака) «средняя интенсивность изучения в цикле», имеющейся у распределяемого объекта V - Объем часов дисциплины, что влечет за собой перемещение диапазонов. Настройка диапазонов заключается в настройке элемента (нечеткой переменной) терм-множества Т, соответствующего нормальному значению Normal

Для управления движением диапазонов в функциях принадлежности, описываемых

(.х-а)2

формулой //6(дг,я,Ь) = ехр

, для нечетких переменных Normal, Low и High

достаточно задавать коэффициенты а и Ъ Значение а соответствует нормальному значению, коэффициент b определяв! ширину раскрыва колоколообразной функции и определяется как возможные отклонения m нормы и в самом простом случае может задаваться процентом от нормы.

Следующим важным этапом в построении системы нечеткого вывода решения является формирование базы продукционных правил. Рассмотрим ее на примере решения задачи «Приведение интенсивностей изучения дисциплин различных циклов к одному среднему значению» В ней на основе интенсивностей изучения дисциплин циклов (естественно-научные дисциплины - EN, общепрофессиональные дисциплины - OPD, специальные дисциплины - SD) вычисляется усредненная интенсивность изучения дисциплин учебного плана.

Множество In входных лингвистических переменных составляют интенсивности изучения дисциплин по циклам Inf14, Int0PD и InfD . In - {/л/", IntnPD, Inf0}.

Выходной лингвистической переменной является усредненная интенсивность изучения дисциплин цикла IntAll&Out Терм-множество входных лингвистических переменных имеет вид ?"={Low, Normal, High], терм-множество выходной лингвистической переменной - 7°"-{Low, SlightlyLow, Normal, SlightlyHigh, High}. Для всех нечетких переменных терм-множеств f" и 1ой' поставлена в соответствие функция принадлежности и подобраны коэффициенты, определяющие их конкретный вид.

Toi да нечеткая продукция может иметь следующий вид'

(«). Avlnl, Fuz (Inf" ) a Fuz (Int0FD ) л Fuz {Inf0 );

If (InfN-Low) and (Intom=Low) and (Inf0---Low) then IntAll = Low; 1; (*).

Описание компонентов нечеткой продукции приведено в таблице 3. Таблица 3 - Описание компонентов нечеткой продукции

Наименование компонента Обозначение компонента в нечеткой продукции Описание компонента

Имя нечеткой продукции (0: Номер продукции в базе правил

Сфера применения: Avlnt Усреднение интенсивностей изучения дисциплин

Условие применимости Fuz (InfN) л Fuz(/«iowV Fu i{InfD) Предикат, определяющий условие применимости ядра продукции.

Продолжение таблицы 3

Ядро продукции If (In^=Low) and (Inf^Low) and (!n?°=Low) then IntAll = Low В ядре продукции записывается правило, отражающее стратегию распределения, предложенную ЛПР

Вес нечеткой продукции 1

Постусловие (fc) Номер продукции в базе правил, на которую следует перейти, если в результате нечеткого вывода лингвистическая переменная IntAll примет значение Low

Таким образом, предпочтения ЛГТР, образовательная политика вуза и другие факторы, влияющие на формирование учебного плана, можно записать в виде нечетких продукций, управляющих выводом решения.

Адаптация методов нечеткого вывода решения к задаче формирования учебного плана заключается в определении способа выявления входных и выходных лингвистических переменных на основе анализа признаков распределяемых объектов, правил разделения универсального множества лингвистической переменной на диапазоны, синтаксической процедуры (7, формирующей термины терм-множества Г, семантической процедуры М, приписывающей каждому термину семантику путем определения для него функции принадлежности Также для процедуры М определяется еще одна функция -выполнение настройки диапазонов универсального множества, необходимость которой обусловливается тем, что для различных групп объектов распределения имеются различные нормативные требования.

В третьей главе представлено решение задачи формирования учебного плана специальности технического вуза Системный анализ предметной области позволил сформировать функциональную модель задачи, выделить факторы, влияющие на формирование учебного плана специальности и ограничения, накладываемые на формирование учебного плана, сформировать схему движения основных потоков информации (рисунок 10), функционально-структурную модель системы формирования учебного плана специальности (рисунок 11).

Образовательные политики, предпочтения ЛПР (факторы)

Подсистема формирования нечеткого вывода решения

Граф межпредметных связей

Подсистема распределении дисциплин по семестрам

Учебный план специальности 1

Рисунок 10 - Схема движения основных потоков информации

Формирование учебного плана специальности/направления

Формирование дисциплин циклов

Формирование дисциплин федерального компонента каждого цикла

Формирование дисциплин вузовского компонента каждого цикла

Формирование списка дисциплин цикла

Распределение часов по дисциплинам цикла

Построение графа межпредметных связей

Построение взвешенного графа межпредметных связей

Оптимизация графа меж предметных связей

Формирование уровней графа межппредм связей

Формирование признака переноса вершин с одного уровня на другой

Распределение дисциплин по семестрам

Формирование учебного плана семестра

Перераспределение часов между дисциплинами

Формирование учебного плана

Рисунок 11 - Функционально-структурная модель системы формирования учебного плана

специальности/направления

В главе описаны следующие методы и алгоритмы разработанные для подсистемы формирования национально-регионального компонента (HPK) учебного плана: ранжирование элементов множества критериев отбора, определение степени соответствия дисциплин-претендентов критериям отбора, выбор дисциплин в HPK

Наиболее значимой процедурой подготовительного характера является процедура построения графа межпредметных связей - иерархического дерева дисциплин, связанных между собой отношением «является базовой» В ходе решения задачи формирования графа межпредметных связей был исследован характер межпредметных связей дисциплин

учебного плана. В результате было дано новое определение существенных, менее существенных и несущественных связей и разработаны алгоритмы оптимизации графа межпредметных связей.

Согласно функциональной модели задачи формирования учебного плана после формирования графа межпредметных связей дисциплин учебного плана необходимо решать задачу распределения дисциплин по семестрам. Входными данными задачи являются дисциплины учебного плана D, упорядоченные по отношению «наследование знаний». Распределение дисциплин по семестрам должно удовлетворять ограничениям, выявленным на этапе определения свойств проблемной среды и представленным в виде семейства множеств Р={Р' ,Р* Р3 J*1}, где Р7 - ограничения, накладываемые на учебный план в целом, Р2 - ограничения, накладываемые на формирование семестра, Р3 -ограничения по логичности и последовательности изучения дисциплин, Р4 - ограничения на перераспределение объема часов дисциплин. Для удовлетворения требованию Р3 -логичной последовательности изучения дисциплин была решена задача формирования графа межпредметных связей учебного плана, поэтому при решении задачи распределения дисциплин по семестрам в качестве ограничений рассматриваются множества Р1, Р2, Р*

Задача распределения дисциплин по семестрам декомпозируется в соответствии с множествами Р1, Р2, Р* на три подзадачи: формирование учебного плана семестра, процедуры перераспределения часов, формирование учебнот о плана в целом.

Все выделенные подзадачи относятся к информационно сложным задачам, поэтому их решение должно осуществляться по модели принятия решений информационно сложных задач, которая реализована в подсистеме нечеткого вывода решения.

В четвертой главе приведено описание программ-прототипов и результатов вычислительных экспериментов, проведенных для определения достоверности разработанных моделей, методов и алгоритмов. Программная реализация методов и алгоритмов формирования учебного плана осуществлялась на языке программирования BDelphi.

Исходные данные для программы-прототипа «Формирование национально-регионального компонента учебного плана»: специальность 351500 - «Математическое обеспечение и администрирование информационных систем» ВСГТУ, эксперты кафедры систем информатики (трое), циклы учебного плана (ГСЭ, ОПД, ЕН, СД), дисциплины-претенденты на включение в HPK циклов учебного плана, критерии отбора дасциплин-претендентов в национально-региональный компонент. Исходные данные для построения функций принадлежностей лингвистических переменных RVk V:

■ количество недель в семестре -16;

• интенсивность изучения дисциплин циклов ГСЭ, ЕН и ОПД -2 часа в неделю, дисциплин цикла СД - 3 часа в неделю;

■ процентное соотношение аудиторных часов и СРС - 50:50.

Выбор дисциплин в Hl'K циклов осуществляется путем проведения экспертных опросов и получения экспертных оценок для ранжирования критериев оiбора дисциплин в HPK, выявления степени cootветстпия дисциплины критериям и оценки компстсшмости экспертов

Анализ результатов работы программы-прототипа формирования графа межпредметных связей позволил сделать следующие выводы

1 Последовательность и ¡ложения дисциплин в реальном учебном плане и в сформированной базовой таксономии приблизительно совпадают

2. Не наблюдается наличие контуров Контуры в графе межпредманых связей

• обычно возникают при оценке связей между модулями различных дисциплин разными экспертами или неверном определении наследования знаний

3. Первый уровень базовой таксономии составляют практически все дисциплины, которые изучаются в первом семестре реального учебною плана

4 Расположение дисциплин в базовой таксономии (учитывая отсутствие ограничений) совпадает с реальным расположением дисциплин в учебном плане на 30%-40%.

Вычислительные эксперименты по распределению дисциплин по семестрам проводились при следующих исходных данных общее количество часов теоретического обучения 8262 часов, количество недель по семестрам 1-й семестр - 17, 2-й семестр 19, 3-й семестр - 17, 4-и семестр - 19, 5-й семестр 16, 6-й семестр 19, 7-й семестр - 16, 8-й семесф - 10, 9-й семестр - 10, средняя аудиторная нагрузка студентов 25 ч/н, процентная доля СРС' 50%, интенсивность изучения дисциплин циклов Ell - 3 ч/н, ОПД - 4 ч/н, СД-4 ч/н

В результате работы программы-прототипа были получены следующие показатели учебного плана специальности 351500 - «Математическое обеспечение и администрирование информационных систем» ВСГТУ: Процент аудиторных часов - 50%; процент часов СРС - 50%; средняя аудиторная нагрузка' 1-й семестр 27 часов; 2-й семестр - 29 часов; 3-й семестр — 21 час, 4-й семестр 30 часов, 5-й семестр - 32 часа, 6-й семестр - 17 часов, 7-й семестр - 27 часов; 8-й семестр - 27 часов, 9-й семестр - 12 часов

/ Положительные результаты проведенных вычислительных экспериментов пошолякл

сделать вывод о достоверности разработанных и приведенных во второй главе методах

Заключение Основные результаты работы представлены в следующих публикациях'

1. Дамбаева, С В Методы и стратегии распределения бюджета времени национально-рет ионального компонента учебного плана специальности / С В.Дамбаева, С.С Хомосов // Теоретические и прикладные вопросы современных информационных технологий. Материалы 111 Всероссийской научно-технической конференции —Улан-Удэ- Изд-во ВСГТУ, 2002. — С. 337-340.

2. Дамбаева, C.B. Вопросно-ответные отношения в методе извлечения знаний «Анкетирование» / JI.B Найханова., С В Дамбаева // Теоретические и прикладные вопросы современных информационных технологий Материалы IV Всероссийской научно-технической конференции - Улан-Удэ: Изд-во ВСГТУ, 2003,- С. 37-41

3 Дамбаева, С.В Метод формирования регионального компонента учебного плана с применением экспертных оценок / Л.В Найханова, С.В Дамбаева // Теоретические и прикладные вопросы современных информационных технологий- Материалы II Всероссийской научно-технической конференции. -Улан-Удэ: Изд-во ВСГТУ, 2001 -С 152.

4. Дамбаева, С.В. Методы формирования лингвистической переменной и управления диапазонами ее универсального множества / Л.В.Найханова, С.В Дамбаева И Теоретические и прикладные вопросы современных информационных технологий' Материалы всероссийской конференции. -Улан-Удэ- Изд-во ВСГТУ, 2004. - С.51-55.

5. Дамбаева, С.В. Описание метода выбора наилучшего варианта учебного плана специальности / Л.В. Найханова, С В Дамбаева // Теоретические и прикладные вопросы современных информационных технологий. Материалы всероссийской конференции. -Улан-Удэ: Изд-во ВСГТУ, 2000. - С 215-219.

6. Дамбаева, С.В. Компонент «Успеваемость учащихся» ИАИС ОУ / Л.В. Найханова, Н.Б Хаптахаева, С.В Дамбаева // Научно-методическая конференция «Методологические проблемы контроля качества учебного процесса при переходе к инновационному образованию», №8 - Улан-Удэ -2001.

7 Дамбаева, С В. Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности- Монография. / Л.В Найханова, С.В. Дамбаева // - Улан-Удэ: Изд-во ВСГТУ, 2004. - 164 с.:ил.

8. Дамбаева, С.В Программный комплекс по автоматизации формирования учебного плана специальности/направления вуза. / Л.В Найханова, С.В. Дамбаева, С С Хомосов// Свидетельство об официальной регистрации программы для ЭВМ № 2004612384 - М.: Всероссийское агентство по патентам и товарным знакам, 2004. - 1 с.

С^сэгма Викторовна Дамбаева Методы и алгоритмы приня1ия решеиий в управлении учебным процессом

в условиях неопределенности Авюреф. дисс. на соискание ученой степени кандидата технических наук. Подписано в печать 16.12.2004. Заказ № 436 Формат 60*90/16 Уел печ л 1 Тираж 100 экз Типография Красноярского юсударственно!о технического университета

РНБ Русский фонд

2006-4 1721

Оглавление автор диссертации — кандидата технических наук Дамбаева, Сэсэгма Викторовна

Введение.

1 Описание проблемы и обзор методов принятия решений.

1.1 Содержательное описание задачи формирования учебного плана специальности.

1.1.1 Основные термины проблемной области.

1.1.2 Методические рекомендации к составлению учебных планов.

1.1.3 Описание проблемы.

1.2 Обзор существующих подходов к формированию учебного плана специальности

1.2.1 Формирование учебного плана специальности на основе дерева целей подготовки.

1.2.2 Организация модульного обучения и формирование учебного плана на основе связей между модулями.

1.2.3 Анализ исследований, посвященных методикам формирования учебного плана специальности.

1.3 Обзор моделей и методов принятия решений.

1.3.1 Обзор методов генерации альтернатив.

1.3.1.1 Подход формирования альтернатив с помощью экспертного опроса.

1.3.1.2 Подходы к генерации альтернатив на основе применения эвристик.

1.3.2 Обзор методов принятия решений в условиях неопределенности.

1.4 Модели принятия решений для задачи формирования учебного плана специальности

1.4.1 Двухкомпонентная модель принятия решений.

1.4.2 Обобщенная функционально структурная модель СППР.

1.5 Выводы по первому разделу.

2 Модели и методы принятия решений задачи формирования учебного плана специальности.

2.1 Подход к формализации метода «Анкетирование».

2.1.1 Основные аспекты составления анкеты.

2.1.2 Формальное представление вопросно-ответных отношений.

2.2 Интерактивный метод экспертного опроса с применением метода анкетирования

2.3 Метод генерации альтернатив-распределений с применением стратегии направленного перебора.

2.4 Экспертная оценка и ранжирование альтернатив на основе метода анкетирования

2.5 Методы нечеткого логического вывода.

2.5.1 Методы введения в нечеткость.

2.5.1.1 Формирование универсального множества лингвистической переменной подсистемы нечеткого вывода решения.

2.5.1.2 Формирование терм-множества.

2.5.2. Формирование базы правил.

2.6 Выводы по разделу.

3 Методы и алгоритмы решения задачи «Формирование учебного плана специальности»

3.1 Системный анализ проблемной среды.

3.1.1 Функциональная модель.

3.1.2 Определение свойств объектов проблемной среды.

3.1.2.1 Определение множества факторов.

3.1.2.2 Определение множества требований учебного плана.

3.1.3 Модель системы формирования учебного плана специальности.

3.2 Методы и алгоритмы формирования списка дисциплин национально-регионального компонента учебного плана специальности.

3.2.1 Генерация альтернатив.

3.2.2 Оценка альтернатив.

3.2.2.1 Алгоритм ранжирования элементов множества К.

3.2.2.2 Алгоритм определения степени соответствия дисциплин-претендентов критериям отбора.

3.2.2.3 Алгоритм выбора дисциплин в НРК.

3.3 Методы, алгоритмы и процедуры формирования графа межпредметных связей

3.3.1 Формирование межпредметных связей и построение графа межпредметных связей.

3.3.2 Методы оптимизации графа межпредметных связей.

3.3.2.1 Процедура выявления и удаления контуров.

3.3.2.2 Метод определения несущественных связей.

3.3.3 Процедура формирования уровней графа межпредметных связей.

3.3.4 Процедура определения признака переноса дисциплин с одного уровня графа межпредметных связей на другой.

3.4 Процедуры подсистемы распределения дисциплин по семестрам.

3.4.1 Процедура контроля дисциплин на соответствие ограничению по количеству дисциплин.

3.4.2 Процедура разделения дисциплины на части для изучения ее в нескольких семестрах.

3.4.3 Процедура перераспределения объема часов.

3.5 Подсистема нечеткого вывода.

3.5.1 База правил.

3.5.1.1 Входные и выходные лингвистические переменные базы правил.

3.5.1.2 Элементы кортежей лингвистических переменных.

3.5.1.3 База продукционных правил.

3.5.2 Нечеткий вывод.

3.6 Выводы по разделу.

4 Описание вычислительных экспериментов на программах прототипах.

4.1 Описание программы прототипа формирования национально-регионального компонента учебного плана.

4.1.1 Перечень основных модулей программы.

4.1.2 Описание вычислительных экспериментов.

4.1.3 Результаты вычислительных экспериментов.

4.2 Описание программы прототипа формирования графа межпредметных связей.

4.2.1 Перечень основных файлов, модулей, процедур и функций программы.

4.2.2 Структура взаимодействия модулей.

4.2.3 Анализ результатов вычислительных экспериментов.

4.3 Описание программы прототипа распределения дисциплин учебного плана по семестрам.

4.3.1 Перечень основных модулей программы.

4.3.2 Вычислительные эксперименты.

Введение 2004 год, диссертация по информатике, вычислительной технике и управлению, Дамбаева, Сэсэгма Викторовна

Актуальность темы диссертационного исследования. Переход России на новые рыночные отношения и ее вступление в Болонскую конвенцию [81] повлекли за собой серьезные изменения в деятельности высшей школы. Это, в свою очередь, активизировало усилия по развитию эффективных систем обеспечения качества, увеличению совместимости и сопоставимости образования, созданию более прозрачных структур высшего образования на уровне вузов, национальном и общеевропейском уровнях.

Правительство России подчеркивает необходимость развития общих критериев и методологий по обеспечению качества [76]. В соответствии с принципом институциональной автономии основная ответственность за обеспечение качества лежит на каждом из вузов.

Реализация систем качества невозможна без информатизации сферы образования. Одной из ближайших стратегических целей научно-технической и финансовой политики Министерство образования и науки РФ в области информатизации является создание единой образовательной информационной среды, объединяющей министерство, образовательные учреждения, органы управления образованием и федеральные органы. Одним из ключевых компонентов среды должна стать вертикаль «Министерство образования - вузы», опирающаяся на отраслевую интегрированную автоматизированную информационную систему (ИАИС), развернутую в вузах и министерстве и взаимодействующую через среду общего доступа [39]. Согласно [39] интегрированные автоматизированные информационные системы сферы образования включают в себя следующие компоненты: ядфо ИАИС Министерства образования Российской Федерации; ИАИС территориальных органов управления образованием; ИАИС учебного заведения, в который обязательно входит подсистема планирования учебного процесса вуза.

На современном этапе развития информационных технологий существуют готовые информационные системы управления, которые могут быть интегрированы с разработанными СОИ. Однако сфере образования свойственны специфические задачи планирования, для которых нет готовых программных средств. В первую очередь к ним относятся задачи планирования учебного процесса. Для их решения к настоящему времени разработаны визуальные среды, играющие роль вспомогательного инструментария, которые невозможно отнести к средствам поддержки принятия решений. Такое состояние в области управления учебным процессом связано с тем, что задачам данной сферы свойственны сложная структурированность предметной области и трудность в её формализации. Кроме того, недостаточно развита методология разработки проблемно-ориентированных систем поддержки принятия решений в сфере образования, для создания которой необходимо разработать соответствующие методы и алгоритмы.

Почти все задачи, решаемые в каждом виде деятельности учебного заведения, относятся к задачам принятия решений. Одной из наиболее важных задач принятия решений в вузе является планирование учебного процесса, в результате которого формируется перечень документов, составляющих основную образовательную программу (ООП). Основным документом ООП является учебный план специальности/направления, определяющий структуру учебного процесса по специальности, перечень и объемы учебных дисциплин, последовательность их изучения.

На практике составление учебного плана зачастую производится под влиянием ситуативных предпочтений и инерции мышления, без полного анализа на основе здравого смысла. Автоматизация данной задачи позволит составлять учебный план на основе анализа обрабатываемой информации под разными углами зрения, с учетом сложных взаимосвязей, существующих между объектами проблемной области. Это позволит формировать основной документ, регламентирующий учебный процесс на высоком качественном уровне. Кроме того, автоматизация позволит повысить эффективность формирования учебного плана, в частности, повысить скорость адаптации к изменяющимся внешним и внутренним условиям и оперативность принятия решений.

Научная проблема. Использование существующих моделей и методов для решения задачи формирования учебного плана не приводит к желаемым результатам. Успех в ее решении может быть достигнут путем разработки новых моделей, методов и алгоритмов, основанных на представлении и обработке сложноструктурированных знаний, отображающих смысловые аспекты проблемной области. Это влечет за собой необходимость научного осмысления и комплексного анализа теоретических и практических вопросов, связанных с разработкой моделей решения исследуемой задачи, методов и алгоритмов, позволяющих повысить уровень ее автоматизации.

Исследованием проблем разработки и применения методов и моделей при создании автоматизированных систем поддержки учебного процесса в вузах начали активно заниматься в 60-70-е годы. В МИСиС с 1969 г. проводилась работа по научно обоснованному составлению учебных планов специальности. Первыми в этой области были работы А.В. Никитина [60], Б.В. Анисимова, А.Я. Савельева [6, 37], В.И. Карпова [34], Б.П. Черкасова [88], JI.H. Сумарокова, А.Г. Романенко, Э.В. Мухина [79, 80], А.А. Овчинникова, B.C. Пучинского [62], В.З. Ямпольского [93], Э.И. Германа [19], В.Р. Окорокова [85], С.В. Аличина [3], В.А. Романца [72, 73], С. И. Архангельского [7, 8], О.П. Кваши [35] и др. В настоящее время работы по автоматизированной под держке учебного процесса вуза ведутся в рамках создания интегрированных автоматизированных информационных систем учебных заведений во многих вузах России [21,27,28,53,54,59,78,83,93].

Объект исследования - процедура формирования учебного плана специальности/направления технического вуза.

Предмет исследования - модели, методы, алгоритмы и процедуры принятия решений задачи формирования учебного плана специальности/направления технического вуза.

Цель исследования - разработка моделей и методов решения задачи формирования учебного плана специальности/направления технического вуза, позволяющих повысить уровень автоматизации процесса формирования учебного плана специальности/направления технического вуза.

Задачи исследования. Для достижения поставленной цели на основе изучения проблемной области в работе поставлены и решены следующие задачи исследования:

- анализ проблемной области, определение класса задачи принятия решений, факторов и параметров, влияющих на формирование учебного плана специальности/направления технического вуза;

- анализ существующих методов принятия решений на предмет выбора наиболее подходящих для задачи формирования учебного плана технического вуза;

- разработка методов и алгоритмов принятия решений для задачи формирования учебного плана специальности/направления технического вуза;

- апробация разработанных методов и алгоритмов.

Основная идея диссертации. Решение задачи формирования учебного плана осуществляется путем декомпозиции задачи на подзадачи и формирования иерархической структуры информационно несложных и информационно сложных задач принятия решений. Формальными признаками разделения задач по информационной сложности являются мощности множеств альтернатив и ограничений. Если мощности этих множеств < 10, то задача принятия решения является информационно несложной задачей, иначе - информационно сложной. Разделение задач по информационной сложности обусловлено необходимостью применения для их решения различных моделей принятия решений. Модель решения информационно несложных задач включает методы принятия решений с использованием экспертной информации, в числе которых предлагается применение метода формализованного анкетирования как инструмента принятия решений.

В задаче формирования учебного плана специальности информационно сложными являются задачи распределения элементов одного составного объекта по элементам другого составного объекта. Для решения этих задач предлагается модель принятия решений, основанная на нечетком логическом выводе. Она обладает рядом преимуществ. Во-первых, в ней используется логическая схема принятия решений Беллмана-Заде, основанная на утверждении о симметрии целей и ограничений, которая устраняет различия между ними и позволяет сформировать решение, представляя и цели, и ограничения как расплывчатые множества в пространстве альтернатив. Во-вторых, вывод решения осуществляется по управляющим правилам, с помощью которых можно реализовать различные стратегии формирования решения.

Методы исследования. Методологической и теоретической основой исследования послужили методы теории принятия решений, нечеткой логики, искусственного интеллекта. Достоверность выводов работы определяется использованием теоретических и методологических положений ведущих специалистов в вышеназванных областях (Заде JI-, Беллмана Р., Ларичева О.И., Мечитова А.И., Трахтенгерца Э.А., Борисова А.Н., Волковой В.Н., Ямпольского В.З., Уемова А.И. и др.), корректным использованием математического аппарата, программной реализацией и практической проверкой предложенных моделей и методов.

1. Предложен подход к формализации метода анкетирования, который позволяет использовать его как инструмент принятия решений, на основе которого разработаны методы экспертного опроса и оценки альтернатив, применяющиеся в модели принятия решений информационно несложных задач.

2. Разработан метод автоматической генерации альтернатив для задач распределения элементов одного составного объекта по элементам другого составного объекта.

4. Выполнен системный анализ проблемной области, выявлены факторы и параметры системы автоматизированного формирования учебного плана, построена функциональная модель системы, разработаны алгоритмы формирования НРК циклов учебного плана, графа межпредметных связей и распределения дисциплин по семестрам. Предложенное решение апробировано на программах-прототипах. Полученные результаты подтвердили достоверность разработанных моделей, методов, алгоритмов и процедур.

5. Разработаны методы и алгоритмы формирования графа межпредметных связей, основанные на построении межпредметных связей по отношению «наследование знаний» и приведения их к иерархической структуре. Для оптимизации графа межпредметных связей разработан метод определения существенных, менее существенных и несущественных связей.

Научная новизна работы состоит в том, что:

Значение для теории состоит в том, что разработаны модели принятия решений для информационно несложных и информационно сложных задач принятия решений. Формализация метода «Анкетирование» расширяет область применения метода и позволяет применять его не только как метод извлечения знаний, но и разрабатывать на его основе методы генерации и оценки альтернатив, применяющихся в модели принятия решений информационно несложных задач. В ходе проведения исследований разработан подход к решению задач принятия решений, в котором решением является распределение элементов одного составного объекта по элементам другого составного объекта, удовлетворяющего множеству ограничений. Предложенный подход заключается в построении распределения на основе анализа признаков распределяемых элементов и может стать одним из методов системного анализа, позволяющим определять показатели разрабатываемой системы. Для решения задач распределения были адаптированы и применены методы нечеткого логического вывода, которые до настоящего времени использовались при построении нечетких регуляторов, применяющихся в области технического управления.

Использование результатов диссертации. Разработанные в работе модели, методы и алгоритмы принятия решений для задачи формирования учебного плана специальности/направления технического вуза являются результатом исследований, проводимых автором в рамках выполнения единого заказ-наряда Министерства Образования РФ "Теоретические и прикладные вопросы разработки интегрированных интеллектуальных информационных систем для сферы образования", НГР 01.200.205060, код НИР 1.01.01 Д в 2001 году и по тематическому плану ВСГТУ (единый заказ-наряд МО РФ) «Теоретические и прикладные вопросы разработки интегрированных интеллектуальных информационных систем», НГР 01.200.205060, код НИР 1.01.01Д в 2003-2004 годах.

Апробация результатов диссертации. Основные положения диссертационной работы докладывались и обсуждались на всероссийской конференции «Теоретические и прикладные вопросы современных информационных технологий» (2000 - 2004 гт), межкафедральном семинаре «Концепции и методологии создания современных информационных систем» (г. Красноярск, СибГТУ, 22.09.2004г.). Ряд положений диссертации был использован при подготовке учебных курсов «Нечеткая логика», «Методы и алгоритмы принятия решений», «Системный анализ» и нашел применение в учебном процессе ВСГТУ.

Публикации. По материалам диссертации опубликовано 8 печатных работ общим объемом более 21 п.л., из которых 6 статей, 1 монография, 1 свидетельство об официальной регистрации программы для ЭВМ.

Структура и объем диссертации. Работа состоит из введения, четырех разделов, заключения, списка использованных источников и четырех приложений.

Заключение диссертация на тему "Модели и методы принятия решений задачи формирования учебного плана специальности в условиях неопределенности"

3.6 Выводы по разделу

В третьем разделе представлено решение задачи «Формирование учебного плана специальности». Проведен системный анализ предметной области задачи. В результате анализов были определены свойства объектов проблемной среды и выявлена структура задач формирования учебного плана специальности. Рассмотрены алгоритмы, разработанные для решения задачи формирования национально-регионального компонента, формирования графа межпредметных связей дисциплин и распределения дисциплин по семестрам.

Формирование национально-регионального компонента состоит из двух задач принятия решений. Первая «Формирование списка дисциплин национально-регионального компонента» решалась на основе модели принятия решений информационно несложных задач. Вторая задача «Распределение объема часов, выделенного ГОС ВПО, НРК цикла» - на основе модели принятия решений информационно сложных задач.

В ходе решения задачи формирования графа межпредметных связей был исследован характер межпредметных связей дисциплин учебного плана. В результате было дано новое определение существенных, менее существенных и несущественных связей и разработаны алгоритмы оптимизации графа межпредметных связей.

Задача распределения дисциплин учебного плана по семестрам решалась по модели информационно сложных задач. В результате анализа ограничений, накладываемых на учебный план специальности, множество ограничений было разбито на три подмножества: ограничения на учебный план семестра, ограничения на учебный план в целом и ограничения на возможное перераспределение часов между дисциплинами и циклами дисциплин. Для решения информационно сложных задач построена подсистема нечеткого вывода решения.

4 Описание вычислительных экспериментов на программах прототипах

Программная реализация методов и алгоритмов формирования учебного плана осуществлялась на языке программирования BDelphi. Среда разработки приложений BDelphi позволяет сосредоточить максимум усилий на выполнение задач для достижения поставленной цели, не отвлекая особого внимания на разработку пользовательского интерфейса, так как рутинную работу по интерфейсу данная среда берет на себя [57].

Программы имеют модульный характер. Для обеспечения их работы задействовано множество стандартных модулей BDelphi, обеспечивающих работу визуальных компонентов, и модулей, написанных вручную, каждый из которых выполняет определенную подзадачу, а все они вместе обеспечивают решение задачи формирования учебного плана.

4.1 Описание программы прототипа формирования национально-регионального компонента учебного плана

4.1.1 Перечень основных модулей программы Таблица 4.1 - Основные функции модулей приложения

Наименование модуля Функция

About Содержит краткую информацию о программе и его разработчике

DM Обеспечивает работу формы «Модуль данных». Эта форма предназначена для хранения используемых в программе невизуальных компонент, которые являются доступными для любого другого модуля;

Childwin Модуль-меню, обеспечивающий переход к этапам формирования национально-регионального компонента (НРК) учебного плана

FMenu2 Модуль-меню, обеспечивающий переход между подзадачами этапа формирования списка дисциплин НРК

FExpert Модуль, который позволяет выбрать эксперта, который будет участвовать в экспертизе и выбрать метод экспертизы

FNewExpert Модуль, позволяющий зарегистрировать эксперта, который будет участвовать в экспертизе

FExpert 1 Модуль, реализующий первый метод экспертных оценок;

FExpert2 Модуль, реализующий второй метод экспертных оценок;

FPrefExperts Модуль, позволяющий оценить экспертов, участвующих в экспертизе по второму методу;

FWorklnfo Обеспечивает обработку данных экспертных оценок по первому и второму методу, а также выводит результаты обработки данных

FVolHour Модуль, выполняющий распределение объема часов НРК цикла и осуществляющий вывод результатов распределения.

Пользовательский интерфейс данного приложения достаточно прост и удобен.

Диалог с пользователем ведется с помощью диалоговых окон и носит неназойливый характер. Все диалоговые окна имеют стандартную окраску (оттенки серого), не приводя тем самым к раздражению глаз. В процессе работы приложения могут генерироваться сообщения двух видов:

1. Запрос на подтверждение.

2. Уведомление о дальнейших действиях.

Сообщения первого вида генерируются в случае необходимости уточнения пользователем дальнейших действий программы. Например, сообщение-запрос о сохранении данных экспертизы. Сообщения второго типа генерируются на этапе формирования списка дисциплин НРК цикла: после выполнения очередной подзадачи система уведомляет пользователя о том, что он должен делать дальше. Например, это может быть уведомление о том, чтобы пользователь дал свои оценки для экспертизы «Отношение дисциплины к критерию».

Для хранения экспертных оценок и для реализации блоков подсистемы нечеткого вывода решения использована СУБД MS Access.

Для реализации приложения были сформированы две схемы данных, соответствующих этапу формирования списка дисциплин НРК цикла и этапу распределения объема часов НРК цикла между дисциплинами. На рисунке 4.1 приведена схема данных первого этапа, а в таблице 4.2 приведено описание сущностей схемы данных этапа.

Рисунок 4.1 - Схема данных задачи формирования списка дисциплин НРК цикла

Библиография Дамбаева, Сэсэгма Викторовна, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Аверьянов Л.Я. Социология: искусство задавать вопросы. 2-е изд, перераб. и доп. -М, 1998.-360 с.

2. Алексеева А.Н. Формирование гибкого содержания образования и обучения в средних специальных учебных заведениях: Автореф. дис. канд.тех.наук. М., 1997.

3. Аличин С.В. О научных основах составления учебных планов технических вузов. -М.: НИИВШ, 1973.

4. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Изд-во Тюменского гос. университета, 2000. - 352 с.

5. Андронникова Н.Г., Леонтьев С.В., Новиков Д.А. Процедуры нечеткого комплексного оценивания: Тр. междунар. науч-практ конф. «Современные сложные системы управления 12-14 марта». Липецк: Изд-во ЛГТУ, 2002. - С. 7-8.

6. Анисимов Б.В., Савельев А.Я. и др. Применение ЭЦВМ для автоматизации процесса составления учебных планов и расписаний//Использование ЭВМ в организации и планировании учебного процесса. М.: Высшая школа, 1972. - С. 121-142.

7. Архангельский С.И. Лекции по научной организации учебного процесса в высшей школе. М., Высшая школа, 1976.

8. Архангельский С.И., Михеев В.И., Перельцвайг Ю.М. Вопросы изменения, анализа и оценки результатов в практике педагогических исследований. М.: Знание, 1975. - 42 с.

9. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 1990. - 160 с.

10. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. Вопросы анализа и процедуры принятия решений. Сб. переводов под ред. Шахнова И.Ф. М.: Мир, 1976.- С. 172-215.

11. И.Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок, М.: 1980. 262 с.

12. Блюмин С.Л., Лубенец Ю.В. Задачи принятия решений. Метод, указания к самостоятельной работе. Липецк: Изд-во ЛГПИ, 1996. - 26 с.

13. Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. - 256с.

14. Борисов А.Н., Вилюмс Э.Р., Сукур Л.Я. Диалоговые системы ПР на базе мини-ЭВМ: Информационное, математическое и программное обеспечение. Рига: Зинатне, 1986. -195 с.

15. Вильке Г.А. Применение методов сетевого планирования в учебном процессе. М.: Высшая школа, 1969.

16. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа: Учебник для студентов вузов. 2-е изд., перераб. и доп. - СПб.: Изд-во СПбГТУ, 1999. -512 с.

17. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.:Радио и связь, 1992.- 62 с.

18. Герман О.В. Введение в теорию экспертных систем и обработку знаний. — М.:ДизайнПРО, 1995. 255 с.

19. Герман Э.И. Разработка моделей и алгоритмов многоцелевой оптимизации учебного плана. Дис. канд.тех.наук., Томск, 1975. 194 с.

20. Гитман М.Б. Введение в теорию нечетких множеств и интервальную математику. Ч 1. Применение лингвистической переменной в системах принятия решений. - Пермь, 1998.

21. Гладких Б.А., Терра А.Д., Якунина Е.Н. Методология проектирования системы оперативного управления кадровым составом вуза // Труды XI Всерос. науч.-метод.конф. «Телематика 2004», т.2. - СПб, 2004. - С. 526-527.

22. Гольдштейн Г.Я. Стратегические аспекты управления НИ ОКР: Монография. -Таганрог: Изд-во ТРТУ, 2000. 244с.

23. Горский П. Оценка персонала. Математический инструментарий// http://www.uran.donetsk.ua/~masters/2002/fVti/polyakov/lib4.html.

24. Гусев Л.А., Смирнова И.М. Размытые множества. Теория и приложения (обзор)// Автоматика и телемеханика. № 5. - 1973. - С.66-85.

25. Доррер Г.А., Рудакова Г.М., Горбаченко И.М. Вероятностная оценка оптимальной структуры интерактивного курса: Материалы Всерос. науч-тех конф. ТИПВСИТ. -Улан-Удэ: Изд-во ВСГТУ, 2000 С. 205-209.

26. Доррер Г.А., Рудакова Г.М., Горбаченко И.М. Вероятностная модель процесса интерактивного обучения// Открытое образование. №2. - 2001.

27. Дулопо В.М. Межпредметные связи как основа имитационного моделирования процесса обучения. Автореф. дис. канд.пед.наук. Алма-Ата, 1978.

28. Дэвид Г. Метод парных сравнений. М.: Статистика, 1978. - 144с.

29. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М: Мир, 1976. - 165с.

30. Заде JI.A. Размытые множества и их применение в распознавании образов и кластер-анализе// Классификация и кластер. М: Мир, 1980. - С.208-247.

31. Кандель А., Байатт У.Дж. Нечеткие множества, нечеткая алгебра, нечеткая статистика// Труды американского общества инженеров-радиоэлектроников. Т. 66. -1978. N12. - С.37-61.

32. Карпов В.И. Составление учебных планов вузов с помощью ЭЦВМ//Применение ЭЦВМ для автоматизации обучения и управления учебными заведениями. Киев, 1972.-С. 121-130.

33. Кваша О.П. Некоторые вопросы моделирования учебного процесса. Автореф. дис. канд.экон.наук. М., 1971.

34. Китаев Н.Н. Групповые экспертные оценки. Москва, 1975.

35. Клехо Д.Ю. Разработка методов и средств для решения слабоформализованных задач в системах управления (научный руководитель докт. техн. наук, проф. А .Я. Савельев).

36. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб. пособие для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. -320 с.

37. Концепция создания интегрированной автоматизированной информационной системы Минобразования России. М., 2000.

38. Кофман А. Введение в теорию нечетких множеств. М: Радио и связь, 1982. - 432с.

39. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. — 2-е изд., стереотип. -М.: Горячая линия-Телеком, 2002. 382 с.

40. Крылов Ю.Н. Определение содержания учебных планов вуза с применением ЭВМ// НИИВШ.- 1981.

41. Кузин Е.С.Информационно сложные задачи и технология их решения// Новости искусственного интеллекта. №1. - 2003. - С.24-29.

42. Кун Т. Структура научных революций. М.: Прогресс, 1977.

43. Ларичев О.И., Мечитов А.И. и др. Выявление экспертных решений. М.: Наука, 1989. - 140 с.

44. Леднев B.C. Содержание образования. Сущность, структура, перспективы. М.: Высшая школа, 1991. - 224 с.

45. Леоненков А. Нечеткое моделирование в среде Matlab и Fuzzy TECH. СПб: БХВ-Петербург, 2003. - 715 с.

46. Материалы научно-методической конференции: Тез. докл. / Ковров: КГТА, 1999. 88 с.

47. Методические рекомендации по разработке и утверждению учебных планов основных образовательных программ высшего профессионального образования СпбГУ. Приложение к приказу от 01.12.2000 № 1207.

48. Миллер Г. Магическое число семь плюс минус два. Инженерная психология. М.: Прогресс, 1964. 22

49. Моисеев Н.Н. Предисловие к книге С.А. Орловского. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.

50. Найханова Л.В., Дамбаева С.В. Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности: Монография. Улан-Удэ: Изд-во ВСГТУ, 2004. - 164 с.:ил.

51. Найханова Л.В., Евдокимова И.С. Аппарат описания формальных моделей лингвистического транслятора. Теоретические и прикладные вопросы современных информационных технологий: Материалы всерос. конф. Улан-Удэ: Изд-во ВСГТУ, 2004. - С.96-98.

52. Найханова Л.В., Хаптахаева Н.Б., Дамбаева С.В. Компонент «Успеваемость учащихся» ИАИС ОУ // Методологические проблемы контроля качества учебного процесса при переходе к инновационному образованию: материалы науч-метод конф. № 8 - Улан-Удэ, 2001.

53. Никитин А.В. Вопросы оптимального составления учебных планов и программ: Дис. канд.тех.наук., М., 1969. 179 с.

54. Николаева М.А., Юнцевич О.Ф. Методы и алгоритмы построения рейтингов // Информационные технологии. № 12. - 2003. - С.7-22.

55. Овчинников А.А., Пучинский B.C., Петров Г.Ф. Сетевые методы планирования и организации учебного процесса. М., 1972. - 157 с.

56. Орлов А.И. Менеджмент. — М., Знание, 1999. — 79с.

57. Орлов С.П. Алгебраическая модель автоматизированной обучающей системы с переменной структурой. Рига.: Изд-во РПИ, 1996.

58. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. -М.: Наука, 1981.-194 с.

59. Оссовский С. Нейронные сети для обработки информации: Пер. с польского И.Д. Рудинского. М.:Финансы и статистика, 2002. - 344 с.

60. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учеб. пособие для вузов. М.: Высшая школа, 1989. - 367 с.

61. Применение методов сетевого планирования и управления организации учебного процесса. М., Информац. центр MB и ССО, СССР, 1968.

62. Применение системного анализа на разных уровнях управления в высшей школе/ Под общ. ред. В.Н. Волковой- М.: НИИВШ, 1977. 65 с.

63. Разработка региональных компонентов образовательных стандартов: Материалы регион, науч-метод конф. Уфа: Изд-во УГАТУ, 1997- 83 с.

64. Родионова Н.В.Семантический дифференциал (обзор литературы) // Социология: 4М. № 7. - С. 161-183.

65. Романец В.А. и др. Методика научно-обоснованного составления учебного плана. -М.: НИИВШ, 1976.

66. Романец В.А. и др. Методические указания по совершенствованию методики научно обоснованного составления учебного плана специальности. М.: МИСиС, 1981.

67. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия Телеком, 2004. - 452с.

68. Слейгл Д. Искусственный интеллект. Подход на основе эвристического программирования М Мир 1973г. 320с.

69. Создание общеевропейского пространства высшего образования. Коммюнике Конференции министров, ответственных за высшее образование в Берлине, 19 сентября 2003 г. http://www.shislilov.info/education/ bolognia/index.phtml?id=289.

70. Соколов А.Ю. Знаниеориентированные модели и методы в системах управления принятия решений. Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ». http://sumschool.sumdu.edu.ua/is-02/rus/lectures/ sokolo v/sokolov.htm

71. Соколова М.С. Исследование и разработка моделей и процессов принятия решений по определению требований к специалистам и формированию учебных планов: Дис.канд. тех. наук. М., 1999. - 137 с.

72. Сумароков Л.Н., Мухин Э.В., Романенко А.Г. В целях оптимизации обучения// Вестник высшей школы. №2 - 1968.

73. Сумароков Л.Н., Мухин Э.В., Романенко А.Г. В целях равномерной загрузки студентов//Вестник высшей школы. №9. - 1968.

74. Текст Болонской декларации, http://iic.dgtu.donetsk.ua/russian/ovs/ bologna.html.

75. Трахтенгерц Э.А. Компьютерная поддержка решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». М.: Синтег, 1998. - 376 с.

76. Трофимова O.K. Автоматизация процесса составления учебных планов вузов: Дис.канд. тех. наук. М., 1999. - 140 с.

77. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978.-272с.

78. Учебно-организационная работа в ВУЗе, п/р Окорокова В.P. JL, 1977.

79. Федеральный закон «Об утверждении федеральной программы развития образования» от 10 апреля 2000 г. № 51-ФЗ.

80. Хоанг Чинь Минь. Исследование и разработка моделей составления оптимального учебного плана: Дис.канд. экон. наук. — Л., 1990. 150с.

81. Черкасов Б.П. Совершенствование учебных планов и программ на базе сетевого планирования. М.: Высшая школа, 1975.

82. Шуйкова И.А. Разработка подсистемы принятия решений для информационно-управляющей системы промышленного предприятия на основе комбинаторного метода бинарных отношений: Дис.канд. тех. наук. Липецк, 2000. - 149 с.

83. Ющенко А.С. Нечеткое управление роботами в экстремальных условиях. Теоретические и прикладные вопросы современных информационных технологий: Материалы всерос. конф. Улан-Удэ: Изд-во ВСГТУ, 2004. С.9-14.

84. Ющенко А,С. Ситуационное управление роботами в неопределенной ситуации на основе нечеткой логики. Теоретические и прикладные вопросы современных информационных технологий: Материалы всерос. конф. Улан-Удэ: Изд-во ВСГТУ, 2000.-С. 164-165.

85. Ядов В.А. Социологическое исследование: методология, программа, методы. М.: Наука, 1987.

86. Ямпольский В.З.,Тузовский А.Ф. Системы управления знаниями в образовании: Материалы науч-практ конф. «Современные средства и системы автоматизации -гарантия высокой эффективности производства» (14-15 ноября 2002 г.). Томск, 2002. - С. 295-298.

87. Bellman R., Kalaba К., Zadeh L.A. Abstraction and pattern classification. J.Math. Anal, and Appl.- V.13. Nol. - Jan, 1966.

88. Gorzalczany M.B. Interval-Valued Decisional Rule in Signal Transmission Problems //Arhiwum automatyki i telemechaniki. T.XXX. - N2. - 1985. - P.l59-168.

89. Zadeh L.A. Fuzzy sets. Contr. Vol.8. - 1965. - P. 338-353.

90. Mamdani E. H. Advances in the Linguistic Synthesis of Fuzzy Controller // Int. J. Man-Machine Studies. -1976.-Vol. 8.-P.669-678.

91. Zadeh L. The role of fuzzy logic in the management of uncertainty in expert systems // Fuzzy Sets a. Systems. -1983. Vol. 11. - N 3. - P. 199-227.

92. Zimmermann H.J., Zysno P. Quantifying vagueness in decision models // European Journal of Operational Reseach. N22. - 1985. - P. 148-158.

93. Концепция устойчивого развития

94. Региональная экономика и региональная политика

95. Логика и теория аргументации

96. Основы права на интеллектуальную собственность15 Алгебра и геометрия16 Математический анализ17 Дискретная математика

97. Программирование на языке высокого уровня28 Организация ЭВМ и систем29 Операционные системы

98. Сети ЭВМ и телекоммуникации 31- Военная подготовка32 — Социология управления33 Философия науки34 — Дополнительные главы дискретной математики35 Теория сложности36 Нечеткая логика37 Методы оптимизации38 Компьютерная графика

99. Электроника и электротехника

100. Метрология, стандартизация и сертификация41 Основы теории управления42 Базы данных

101. Методы и средства защиты информации

102. Интерактивные графические системы

103. Программное обеспечение ЛВС и ТКС

104. Компьютерное моделирование47 Средства ООП

105. Структуры и алгоритмы обработки данных

106. Функциональное и логическое программирование

107. Объектно-ориентированное программирование

108. Теория языков программирования52 — Теория вычислительных процессов

109. Архитектура вычислительных систем54 Технология разработки ПО

110. Человеко-машинное взаимодействие56 Нейрокомпьютерные системы

111. Естественно-языковые системы

112. Методы и алгоритмы принятия решений

113. Системы цифровой обработки сигналов

114. Системы искусственного интеллекта

115. Системное программирование

116. Распределенная обработка данных

117. Системы электронного документооб орота64 Проектирование ОС

118. Администрирование корпоративных сетей66 WEB-технологии

119. Системы мультимедиа и гипермедиа

120. Граф межпредметных связей дисциплин учебного плана направления 656300 «Технология лесозаготовительных и деревообрабатывающих производств» по специальности 260200 «Технология деревообработки»

121. Социокультурные проблемы устойчивого развития

122. Региональная экономика и региональная политика13. История культуры Бурятии

123. Психология творческой деятельности

124. Основные направления совершенствования грамотного письма и говорения16. Математика17. Информатика18. Физика19. Химия20. Экология21. Теоретическая механика22. Органическая химия

125. Полимерные материалы в деревообработке

126. Научные исследования в деревообработке25. Химия древесины

127. Начертательная геометрия. Инженерная графика27. Начертательная геометрия28. Инженерная графика29. Механика

128. Детали машин и основы конструирования31. Теория механизмов и машин32. Сопротивление материалов33. Гидравлика34. Теплотехника

129. Материаловедение. Технология конструкционных материалов

130. Электротехника и электроника

131. Метрология, стандартизация, сертификация

132. Безопасность жизнедеятельности

133. Древесиноведение. Лесное товароведение

134. Автоматика и автоматизация производственных процессов41. Экономика производства42. Менеджмент и маркетинг43. Лесное хозяйство Бурятии

135. Энергоснабжение деревообрабатывающих предприятий

136. Вентиляция и кондиционирование деревообрабатывающих цехов46. Машинная графика

137. Оптимизация процессов сушки в деревообработке

138. Технология лесопил-деревообрабатыващего производства

139. Гидротермическая обработка и консервирование древесины

140. Технология клееных материалов и древесных плит

141. Технология изделий из древесины

142. Технология и оборудование защитно-декоративных покрытий53. Оборудование отрасли

143. Основы автоматизированного проектирования изделий и технологических процессов

144. Защитная обработка древесины

145. Основы конструирования изделий их древесины

146. Оборудование специальных производств

147. Технология столярно-строительных изделий

148. Проектирование деревообрабатывающего производства

149. Организация и управление деревообрабатывающими производствами

150. Технология композиционных материалов

151. Проектирование деревянных зданий и сооружений

152. Строительство деревянных зданий и сооружений

153. Технология композиционных материалов для строительства деревянных зданий и сооружений

154. Варианты учебного плана специальности 351500 -«Математическое обеспечение и администрирование информационных систем»

155. Первый вариант учебного плана.

156. Исходные данные, заданные системе распределения дисциплин по семестрам:

157. Общее количество часов теоретического обучения: 8262 ч.

158. Количество недель по семестрам: 1-й семестр 17; 2-й семестр — 19; 3-й семестр -19; 4-й семестр - 19; 5-й семестр - 17; 6-й семестр - 19; 7-й семестр - 16; 8-й семестр - 16; 9-й семестр -10.

159. Средняя аудиторная нагрузка студентов: 25 ч/н4. Процентная доля СРС: 50%.

160. Интенсивность изучения дисциплин циклов: ЕН 3 ч/н; ОПД - 4 ч/н; СД - 4 ч/н.

161. Наименование дисциплины Объем работы студента (в часах) Цикл Компонент Распределе семестрам i ние по курсам и 'часов в неделю)

162. Аудиторных СРС 1 к фС 2 курс 3 к: г'РС 4 к} фс 5 к1 2 3 4 5 6 7 8 917 19 17 19 17 19 16 16 10

163. Программирование 174 182 ОПД Федеральный 4 4 2

164. Математический анализ 123 144 ЕН Федеральный 3 4

165. Информатика 51 45 ЕН Федеральный 3

166. Алгебра и теория чисел 68 63 ЕН Федеральный 4

167. Физика 216 205 ЕН Федеральный 6 6

168. Отечественная история 51 45 ГСЭ Федеральный 3

169. Физическая культура 402 12 ГСЭ Федеральный 4 4 4 4 2 2

170. Иностранный язык 174 172 ГСЭ Федеральный 3 4 3

171. История Бурятии 17 29 ГСЭ НРК 1

172. Дискретная математика 123 149 ЕН Федеральный 4 3

173. Геометрия и топология 51 90 ЕН Федеральный 3

174. Экология 38 38 ЕН Федеральный 2

175. Культурология 38 35 ГСЭ Федеральный 2

176. САОД 85 76 ОПД Федеральный 5

177. Уравнения вероятностей и мат. Статистика 34 66 ЕН Федеральный 2

178. Дифференциальные уравнения 51 50 ЕН Федеральный 3

179. Теория вычислительных процессов и структур 125 111 дс Федеральный 4 3

180. Операционные системы и оболочки 76 70 ОПД Федеральный 4

181. БД и СУБД 76 70 ОПД Федеральный 4

182. Математическая логика 76 70 ЕН Федеральный 4

183. Функциональный анализ 57 51 ЕН Федеральный 3

184. Методы и алгоритмы защиты информации 38 39 ДС Федеральный 2

185. Web-технологии 51 69 дс Федеральный 3

186. ООП 57 50 ДС Федеральный 3

187. Деловой иностранный 38 48 ГСЭ НРК 2

188. Философия 38 98 ГСЭ Федеральный 2

189. Компьютерная графика 68 60 опд Федеральный 4

190. Операционная система Unix 68 88 опд НРК 4

191. Нечеткая логика 51 80 ЕН НРК 3

192. Вычислительная математика 51 75 ЕН Федеральный 3

193. Уравнения математической физики 51 48 ЕН Федеральный 3

194. Теория случайных процессов 51 85 ЕН НРК 3

195. Системный анализ 51 80 ЕН НРК 3

196. Параллельное программирование 51 51 ДС Федеральный 3

197. Технология разработки ПО 68 83 сд Федеральный 4

198. ABC и КС 76 54 опд Федеральный 4

199. Теория алгоритмов 57 69 ЕН НРК 3

200. Рекурсивно-логическое программирование 52 54 сд Федеральный 3

201. СРВ 36 57 сд Федеральный 2

202. Политология 36 40 ГСЭ Федеральный 2

203. Экономика 57 39 ГСЭ Федеральный 3

204. Компьютерное моделирование 64 117 опд Федеральный 4

205. Информационные технологии разработки ПО 96 110 сд Федеральный 6

206. СИИ 64 56 сд Федеральный 4

207. Функциональное программирование 48 48 сд Федеральный 3

208. Распределенные вычисления 64 54 ДС Федеральный 4

209. Проблемы устойчивого развития 32 54 ГСЭ НРК 2

210. Правоведение 32 39 ГСЭ Федеральный 2

211. Социология управления 32 49 ГСЭ НРК 2

212. БЖД 32 28 опд Федеральный 251. иге 80 77 опд НРК 5

213. Администрирование ИС 32 23 ДС Федеральный 2

214. ИКС 64 56 ДС Федеральный 4

215. МАПР 96 95 ДС Федеральный 6

216. СЦОС 32 46 ДС Федеральный 2

217. ЕЯ-системы 64 56 ДС Федеральный 4

218. Региональная экономика 32 44 ГСЭ НРК 2

219. Аналитические технологии 40 54 ДС Федеральный 4

220. Метрология и качество ПО 30 33 ДС Федеральный 3

221. Системы мультимедиа 26 29 ДС Федеральный 3

222. ЭПОРПО 20 23 ДС Федеральный 262. Итого часов: 4132 4131

223. Процент аудиторных часов: 50%1. Процент часов СРС: 50%

224. Средняя аудиторная нагрузка:1.й семестр 27 час; 6-й семестр - 17 часов;2.й семестр 29 часа; 7-й семестр - 27 часов;3.й семестр 21 час; 8-й семестр - 27 часов;4.й семестр 30 часов; 9-й семестр - 12 часов.5.й семестр 32 часа;

225. В среднем: 24, 6 часов в неделю.

226. Второй вариант учебного плана

227. Исходные данные, заданные системе распределения дисциплин по семестрам:

228. Общее количество часов теоретического обучения: 8262 ч.

229. Количество недель по семестрам: 1-й семестр 17; 2-й семестр — 19; 3-й семестр — 19; 4-й семестр - 19; 5-й семестр - 17; 6-й семестр - 19; 7-й семестр - 16; 8-й семестр — 16; 9-й семестр - 10.

230. Средняя аудиторная нагрузка студентов: 25 ч/н4. Процентная доля СРС: 45%.

231. Интенсивность изучения дисциплин циклов: ЕН 4 ч/н; ОПД - 4 ч/н; СД — 4 ч/н.

232. Наименование дисциплины Объем работы студента (в часах) Цикл Компонент Распределе семестрам i ние по курсам и 'часов в неделю)

233. Аудиторных СРС 1 курс 2 курс 3 курс 4 курс 5 к1 2 3 4 5 6 7 8 917 19 17 19 17 19 16 16 10

234. Программирование 178 176 ОПД Федеральный 4 4 2

235. Математический анализ 144 122 ЕН Федеральный 4 4

236. Информатика 68 28 ЕН Федеральный 4

237. Алгебра и теория чисел 68 63 ЕН Федеральный 4

238. Физика 216 205 ЕН Федеральный 6 6

239. Отечественная история 51 45 ГСЭ Федеральный 3

240. Физическая культура 360 54 ГСЭ Федеральный 4 4 4 4 2 2

241. Иностранный язык 178 168 ГСЭ Федеральный 3 4 3

242. История Бурятии 34 29 ГСЭ НРК 2

243. Дискретная математика 127 145 ЕН Федеральный 4 3

244. Геометрия и топология 76 65 ЕН Федеральный 4

245. Экология 38 39 ЕН Федеральный 2

246. Культурология 38 35 ГСЭ Федеральный 2

247. САОД 85 76 опд Федеральный 5

248. Уравнения вероятностей и мат. Статистика 51 45 ЕН Федеральный 3

249. Дифференциальные уравнения 51 45 ЕН Федеральный 3

250. Теория вычислительных процессов и структур 125 111 ДС Федеральный 4 3

251. Операционные системы и оболочки 76 70 опд Федеральный 4

252. БД и СУБД 76 70 опд Федеральный 4

253. Математическая логика 76 70 ЕН Федеральный 4

254. Функциональный анализ 76 32 ЕН Федеральный 4

255. Методы и алгоритмы защиты информации 38 39 ДС Федеральный 2

256. Web-технологии 57 63 ДС Федеральный 3

257. ООП 57 52 ДС Федеральный 3

258. Деловой иностранный 38 48 ГСЭ НРК 2

259. Философия 38 98 ГСЭ Федеральный 2

260. Компьютерная графика 68 60 ОПД Федеральный 4

261. Операционная система Unix 68 88 опд НРК 4

262. Нечеткая логика 68 75 ЕН НРК 4

263. Вычислительная математика 68 58 ЕН Федеральный 4

264. Уравнения математической физики 68 48 ЕН Федеральный 4

265. Теория случайных процессов 68 68 ЕН НРК 4

266. Системный анализ 68 63 ЕН НРК 4

267. Параллельное программирование 51 51 сд Федеральный 3

268. Технология разработки ПО 68 83 сд Федеральный 4

269. ABC и КС 76 54 ОПД Федеральный 4

270. Теория алгоритмов 76 50 ЕН НРК 4

271. Рекурсивно-логическое программирование 57 54 сд Федеральный 3

272. СРВ 38 55 сд Федеральный 2

273. Политология 38 39 ГСЭ Федеральный 2

274. Экономика 57 39 ГСЭ Федеральный 3

275. Компьютерное моделирование 58 66 ОПД Федеральный 4

276. Информационные технологии разработки ПО 100 106 СД Федеральный 4 2

277. СИИ 64 59 сд Федеральный 4

278. Функциональное программирование 48 48 СД Федеральный 3

279. Распределенные вычисления 64 56 СД Федеральный 4

280. Проблемы устойчивого развития 32 54 ГСЭ НРК 2

281. Правоведение 32 39 ГСЭ Федеральный 2

282. Социология управления 32 49 ГСЭ НРК 2

283. БЖД 32 28 ОПД Федеральный 251. иге 80 76 ОПД НРК 5

284. Администрирование ИС 32 30 ДС Федеральный 2

285. ИКС 64 56 ДС Федеральный 4

286. МАПР 64 127 ДС Федеральный 4

287. СЦОС 32 46 ДС Федеральный 2

288. ЕЯ-системы 32 44 ГСЭ НРК 2

289. Региональная экономика 60 60 ДС Федеральный 6

290. Аналитические технологии 40 54 ДС Федеральный 4

291. Метрология и качество ПО 30 31 ДС Федеральный 3

292. Системы мультимедиа 30 29 ДС Федеральный 3

293. ЭПОРПО 20 23 ДС Федеральный 21. Итого часов: 4303 3959

294. Процент аудиторных часов: 52% Процент часов на СРС: 48%

295. Средняя аудиторная нагрузка:1.й семестр 28 часа; 6-й семестр - 18 часов;2.й семестр 30 часа; 7-й семестр - 25 часов;3.й семестр 23 часа; 8-й семестр - 23 часов;4.й семестр 33 часа; 9-й семестр - 18 часов.5.й семестр 37 часов;

296. В среднем: 26,1 часов в неделю.

Похожие работы

Информатика, вычислительная техника и управление
05.13.00