РАЗДЕЛ 2
СОВЕРШЕНСТВОВАНИЕ ФОРМАЛЬНО-ЛОГИЧЕСКОГО АППАРАТА ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В КОМПЬЮТЕРНЫХ СИСТЕМАХ ОБУЧЕНИЯ
2.1. Систематизация методов построения компьютерных систем обучения
Построение компьютерных систем обучения является сложной задачей. Главная трудность, возникающая при этом, состоит в слабой структурированности задач и, следовательно, неоднозначности их решения.
К настоящему времени разработан ряд моделей, описывающих отдельные стороны процесса обучения с помощью компьютерных систем обучения [48, 65, 104]. В основу технологии построения моделей положен метод поэтапной детализации и активизации знаний. В настоящее время под экспертно-обучающей системой понимается автоматизированная система, основанная на взаимодействии БЗ по изучаемой ПрО (БЗ ПрО), методических знаний (БЗ МО) и по конкретной учебной дисциплине (БЗ УД) [48].
При построении автоматизированных обучающих систем (АОС) решаются следующие задачи:
1) определяется содержание и разрабатываются структура и средства ведения БЗ управления, учебно-методической и БЗ конкретных ПрО;
2) формируются БЗ обучаемых и обучающих курсов ПрО;
3) разрабатываются алгоритмы и средства взаимодействия БЗ управления и БЗ ПрО;
4) организуется процесс обучения.
При этом используется различный математический аппарат, различные математические модели предметной области и управления, что не позволяет объединять модели между собой, создавать интегрированные модели процесса обучения в АОС. Таким образом, при разработке проблемно- ориентированных АОС главным является единый подход к построению структуры системы и формализации разнородных знаний и данных в математических моделях АОС. В настоящее время в литературе чаще употребляется термин "компьютерные системы обучения" (КСО). В дальнейшем будем использовать этот термин.
Предлагается методика (совокупность методов), позволяющая унифицировать структуру и используемый математический аппарат для разработки интегрированных моделей КСО (рис.2.1).
Процедура 1 методики - структурный и функциональный анализ формализуемых процессов обучения. Целью процедуры является выявление особенностей формализуемых процессов. Модели объектов управления и предметной области, описанные на теоретико-множественном языке, могут обеспечивать представление знаний управляющей информации как системами продукций и сетями моделей целей управления, так и семантическими сетями для знаний ПрО.
Для формализации нечетких знаний, характеризуемых лингвистической неопределенностью, применятся теория нечетких множеств. Лингвистическая неопределенность очень удобна при качественной оценке в процессе обучения с помощью естественного языка длины, времени, интенсивности, для целей логического вывода, принятия решений, планирования [28, 36, 39, 69].
Процедура 2. Формализация данных. Разработка моделей обучаемых. При формальном представлении знаний о предметной области должна учитываться ее количественная сторона в виде данных, так как понятие "знания" включает в себя понятие "данные", которые могут соответствовать множеству фактов и отношений между элементами, образующими эти факты. Модели обучаемых должны позволять организовывать адаптивное управление КСО.
Процедура 3. Разработка моделей знаний о процессах обучения и управления. В качестве основы моделей компонентов КСО предлагается использовать специальным образом доработанные семантические модели ПрО, сетевую модель целей управления (СМЦУ) и однородные иерархические функциональные сети процесса классификации и организации очереди обучаемых (ОИФС) на базе нечетких знаний.
Рис. 2.1. Методика разработки компьютерной системы обучения
Процедура 4. Разработка комплексной модели КСО. Модель КСО строится на основе моделей компонентов управления обучением и представления знаний предметной области.
Это должна быть многоуровневая модель в виде функциональной семантической сети на верхнем уровне представления знаний и разветвленной системы управления, которая управляла бы выводом заключений на нижних уровнях модели знаний и обобщала результаты выводов всех уровней.
Процедура 5. Разработка комплексного алгоритма функционирования КСО.
Модель КСО, построенная на семантических сетях, СМЦУ и ОИФС, должна иметь свою систему логического вывода, которая формирует заключения в соответствии с правилами, заложенными в алгоритм модели.
Основным объектом многозначной логики является нечеткое логическое выражение, в состав которого входят нечеткие предикаты. Нечеткий предикат ставит в соответствие конкретному набору нечетких переменных , превращающих предикат в высказывание со степенью истинности из диапазона [0,1]. Крайние значения этого диапазона соответствуют понятиям "ложь" и "истина" четких предикатов. Степень истинности сложного нечеткого высказывания, образованного из предикатов Р1 и Р2 может быть получена с помощью операций конъюнкции, дизъюнкции и отрицания. В качестве основного метода вывода в КСО предлагается использовать метод компараторной идентицификации на нечетких знаниях [75]. Комплексный алгоритм должен обрабатывать эту информацию и управлять компонентами КСО.
Процедура 6. Сравнительная оценка адекватности моделей КСО. Анализ использования для оценки количественных значений показателей адекватности КСО, построенной на семантических сетях, показывает, что наиболее удобным является методический аппарат, предложенный в [35].
Процедура 7. Проверка удовлетворяют ли показатели адекватности КСО заданным требованиям? Требования задаются экспертами по разработке КСО.
Процедура 8. В случае если показатели адекватности не удовлетворяют заданным требованиям, проводится коррекция моделей базы знаний и вывода заключений в КСО. Суть коррекции должна состоять в применении в моделях знаний и вывода заключений либо более эффективных методов представления знаний, либо в допу