Експертні методи і моделі керування процесом навчання операторів ергатичних систем

Размещено на http://www.allbest.ru/

Міністерство освіти України

Київський міжнародний університет цивільної авіації

Спеціальність 05.13.03 - “Системи і процеси керування

УДК 658.336:007:681.3.06 (043.3)

Експертні методи і моделі керування процесом навчання операторів ергатичних систем

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Шибицька Наталія Миколаївна

Київ 1999

Дисертацією є рукопис.

Робота виконана в Київському міжнародному університеті цивільної авіації.

Захист відбудеться “ 21__жовтня 1999 року о 14-30 годині на засіданні спеціалізованої вченої ради Д.26.062.05 в Київському міжнародному уні-верситеті цивільної авіації.

Відзиви на реферат, завірені печаткою установи, просимо надсилати за адресою: 252058, Київ, пр. Космонавта Комарова, 1, вченому секретарю.

З дисертацією можна ознайомитись в бібліотеці Київського міжнародного університету цивільної авіації.

Автореферат розісланий “ 16 вересня 1999 року.

Вчений секретар спеціалізованої вченої ради кандидат технічних наук А.Г.Баскакова

АНОТАЦІЇ

Шибицька Н.М. Експертні методи і моделі керування процесом навчання операторів ергатичних систем. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук по спеціальності 05.13.03 - системи і процеси керування, Київський міжнародний університет цивільної авіації, Київ, 1999.

В роботі проведено аналіз сучасних концепцій організації процесу навчання і науково обгрунтовується необхідність розробки і впровадження в процес передтренажерної підготовки операторів ергатичних систем комп'ютерної технології навчання.

Запропоновано теоретико-множинну модель структури дидактичних знань і адаптивний алгоритм керування інформаційним потоком на основі стек-списков. Побудовано формальну модель процесу навчання з нечітко заданою цільовою функцією. Розроблено методику експертного оцінювання, яка дозволяє знизити суб'єктивний фактор в процесі прийняття рішень. Пропонується метод побудови динамічних шкал оцінювання для настроювання лінгвістичних оцінок з врахуванням вимог кваліфікаційної характеристики.

Виведено математичну модель засвоєння і збереження інформації в процесі навчання оператора, яка дозволяє прогнозувати рівень збереження знань у оператора з плином часу і планувати навчання з метою підвищення кваліфікації.

Розроблено експертну систему керування процесом навчання операторів ергатичних систем на базі локальної обчислювальної мережі під Windows 95 в середовищі Delphi 4.

Ключові слова: системи і процеси керування, навчання, експертні методи і моделі, ідентифікація, алгоритмічне забезпечення.

Шибицкая Н.Н. Экспертные методы и модели управления процессом обучения операторов эргатических систем. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.03 - системы и процессы управления, Киевский международный университет гражданской авиации, Киев, 1999.

В работе проведен анализ программно-технических средств и современных концепций организации процесса обучения и научно обосновывается необходимость разработки и внедрения компьютерной технологии обучения в процесс предтренажерной подготовки операторов. На основе дидактического и когнитивного подхода к проблеме обучения сформулированы информационные принципы управления дидактическими знаниями.

Разработана теоретико-множественная модель структуры дидактических знаний и доказывается теорема о системе формальных критериев, удовлетворяющих принципам полноты и связности знаний. Для управления информационным потоком и генерации различных сценариев обучения предлагается адаптивный алгоритм, основанный на стек-списках. Проведено исследование эффективности алгоритмов структурного анализа баз данных.

Построена формальная модель процесса обучения с учетом нечетко заданной целевой функции. Разработана методика экспертного оценивания процесса обучения, позволяющая снизить субъективный фактор в процессе принятия решений.

Разработан метод построения динамических шкал для настройки лингвистических оценок с учетом требований квалификационной характеристики специалиста. Изложена методика определения надежности, валидности и оптимального числа тестовых заданий. Проведен сравнительный анализ и доказательство эффективности методики экспертного оценивания процесса обучения.

Разработана методика идентификации параметров и математическая модель объекта управления в виде дифференциального уравнения второго порядка. Построена математическая модель процессов усвоения и сохранения знаний в памяти оператора, позволяющий прогнозировать уровень сохранения навыков у оператора с течением времени и планировать обучение с целью повышения квалификации. Проведен анализ информационных процессов в системе обучения на основе параметров модели и постоянных времени процессов.

Разработана и внедрена экспертная система управления процессом обучения операторов эргатических систем на базе локальной сети под Windows 95 в среде визуальной разработки приложений Delphi 4.

Ключевые слова: системы и модели управления, процесс обучения, экспертные методы, идентификация, алгоритмическое обеспечение.

Shibitskay N.N. Expert methods and models of management of process of training of the operators of ergatic systems. - Manuscript.

The dissertation on competition of a scientific degree of the candidate of engineering science in the speciality 05.13.03 - system and processes of management, Kiev International University of Civil Aviation, Kiev, 1999.

Scientifically proved in the work is the necessity of development and introduction for computer technology of training operators in process of presimulator preparation. Worked out is the structural model of didactic knowledge and adaptive algorithm of management of an information flow based on flow down - list models. The formal model and technique expert evaluation of the process of training with the indistinctly given criterion function is developed. The technology of identification of parameters both mathematical model of mastering and preservation of the information in operator's memory is developed.

Developed introduced is the expert control system of training process of the operators of ergatic systems on the basis of local network under Windows 95 in environment of visual development of the appendices Delphi 4.

Key words: systems and processes of education control, expert evaluation, identification of objects, models of management.

1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Якість функціонування і безпека експлуатації сучасних технічних систем, зокрема і повітряних кораблів (ПК), висуває додаткові вимоги до ефективності і надійності операторської діяльності. Людина - оператор наділена унікальною здібністю узагальнювати інформацію про роботу технічної системи, формувати програму керування системою, приймати і генерувати інформаційні сигнали.

Недооцінка людського фактора при керуванні складними технічними системами є причиною до 40 - 50 % аварій і катастроф, які виникають при випробовуваннях ракет і літаків. Зокрема, за 1997 рік за даними засобів об'єктивного контролю 28 авіакомпаній України зареєстровано відхилення в роботі комплексу “ПК-екіпаж-середовище”, з яких: 11% - порушення правил експлуатації ПК; 35% - порушення через помилки пілотування ПК.

Стандарти і рекомендована практика ІСАО щодо забезпечення безпеки польотів (SARPs) дозволяють виділити основні напрями вдосконалення професійної підготовки операторів: вдосконалення засобів і методів пред'явлення інформації; розробку і впровадження різних програмно-технічних засобів навчання операторів; вдосконалення засобів і методів контролю знань; впровадження засобів реєстрації і накопичення результатів навчання.

Традиційні методи навчання формувалися десятиріччями. Але результати наукових досліджень, проведених в нашій країні (А.П.Свиридов, В.Д.Самойлов, А.М.Довгяло, А.Я.Савельєв, Р.С.Нємов, В.В.Павлов, Г.М.Зараковський) і у деяких закордонних (Р.Готтсданкер, К.Інгенкамп, Ж.Піаже, J.R.Anderson), свідчать про те, що існуючі методи і засоби організації процесу навчання не достатньо відповідають сучасним вимогам, які пред'являються до ефективності і надійності підготовки операторів ергатичних систем.

Найбільш характерним недоліком традиційного процесу навчання є пасивний характер усного викладення знань, що не дозволяє здійснювати зворотний зв'язок від особи, яка навчається до викладача з можливістю подальшого контролю та інваріантності оцінки якості засвоєння декларованих знань. За даними психологічних досліджень людина запам'ятовує 10 % прочитаного, 20 % почутого і 30 % побаченого. Виявлено, що використання аудіовізуальних засобів зменшує на 40 % необхідний час навчання і на 20 % збільшує рівень засвоєної інформації.

Підвищення ефективності систем професійної підготовки операторів значною мірою визначається впровадженням нових інформаційних технологій, які дозволяють в рамках єдиної системи оптимізувати процес навчання і забезпечити безпеку функціонування ергатичної системи.

У зв'язку з цим актуальною науковою задачею є розробка нових методів аналізу і синтезу систем керування процесом навчання таким чином, щоб за максимально короткий строк навчити оператора заданій сумі знань, умінь і навиків, необхідних для виконання професійної діяльності.

Існуючі методи оцінювання професійної підготовки використовують допустимі граничні відхилення значень часових і точнісних характеристик керувальних дій оператора або імовірність виконання контрольного завдання. Оскільки цільова функція навчання носить нечіткий характер і кваліфікаційна характеристика оператора не містить конкретних параметрів рівня професійної підготовки, актуальною постає задача розробки експертних методів оцінювання процесу навчання.

Системи і процеси керування навчанням операторів характеризуються надзвичайною складністю внутрішніх і зовнішніх взаємозв'язків і є слабо формалізованою областю наукових досліджень. Моделі керування процесом навчання будуються на формалізації опису об'єктів і синтезі структур, які відображають специфіку інформаційної взаємодії оператора і технічної системи. Звідси набуває актуальності задача моделювання діяльності оператора в системі навчання, яка полягає в кількісному оцінюванні функцій пам'яті і виявленні математичних залежностей, які встановлюють взаємозв'язок між характеристиками інформації, що надходить, швидкістю її запам'ятовування і тривалістю зберігання.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційне дослідження є частиною планових робіт: держбюджетної науково-дослідної роботи (НДР) 293-ГБ93: “Розробка і дослідження комп'ютерної технології в дидактичних системах навчання факультету авіаційного обладнання” за 1993-1995 рр.; держбюджетної НДР 704-ГБ96:“Дослідження можливостей створення систем керування літаків з використанням методу нелінійного оцінювання руху багатопараметричних об'єктів за 1996-1998 рр.

Мета і задачі дослідження: на основі дослідження існуючих методі організації процесу навчання підвищити ефективність професійної підготовки операторів і забезпечити безпеку ергатичної системи такими розробками: структурної моделі подання і алгоритмів керування дидактичними знаннями; експертних методів оцінювання і ідентифікації параметрів об'єкта керування в системі навчання; моделей засвоєння і збереження інформації в пам'яті оператора; програмно-технічних засобів керування процесом навчання операторів ергатичних систем.

Поставлена мета досягається вирішенням таких наукових задач: дослідження дидактичних принципів організації системи і процесу керування навчанням в інформаційному середовищі; аналіз існуючих моделей подання знань, методів оцінювання і керування знаннями в процесі навчання; розробка множинної моделі наукового змісту навчання, методики експертного оцінювання знань і умінь оператора, необхідних для виконання професійної діяльності; моделей керування інформаційними потоками дидактичних знань на основі запропонованих алгоритмів прийняття рішення; методики ідентифікації та аналізу параметрів об'єкта керування; моделі засвоєння і збереження знань в довгочасній пам'яті оператора; програмна реалізація системи керування процесом навчання оператора в середовищі персонального комп'ютера.

Наукова новизна одержаних результатів полягає в наступному:

проаналізовано програмно-технічні засоби і методи активізації наукового змісту навчання, запропоновано ієрархічну модель декларативного подання дидактичних знань, яка грунтується на об'єктно-орієнтованій методології проектування;

сформульовані інформаційні принципи керування дидактичними знаннями в комп'ютерній системі навчання (КСН);

розроблено теоретико-множинну модель структури дидактичних знань і обгрунтовано необхідні та достатні умови синтезу мінімальної структури знань для керування процесом навчання; діакоптичний метод аналізу структури дидактичних знань в розподілених системах;

розроблено адаптивні алгоритми керування інформаційними потоками; методику експертного оцінювання знань і умінь оператора, необхідних для виконання професійної діяльності; методику визначення функцій належності знань оператора знанням системи навчання і динамічні шкали оцінювання; методику ідентифікації об'єкта керування в процесі навчання; математичну модель засвоєння і збереження знань в пам'яті оператора; проаналізовано інформаційні процеси в системі навчання на основі сталих часу і параметрів інформаційної моделі.

Практичне значення одержаних результатів. Розроблені принципи, методи, моделі керування процесом навчання, а також алгоритмічне і інформаційне забезпечення покладено в основу програмної реалізації комп'ютерної системи професійної підготовки операторів. В роботі обгрунтована необхідність впровадження на етапі передтренажерної підготовки експертних методів і моделей керування з метою підвищення ефективності процесу навчання операторів ергатичних систем. Проведені експериментальні дослідження підтвердили положення, які виносяться на захист.

Реалізація результатів. Розроблені експертні методи і моделі керування процесом навчання покладено в основу рекомендацій при виконанні бюджетних НДР 293-ГБ93 та НДР 704-ГБ96.

Результати досліджень були використані: при розробці алгоритмічного, інформаційного і програмного забезпечення комп'ютерних систем навчання і контролю знань в локальній обчислювальній мережі за спеціальностями факультетів авіаційного обладнання, автоматики і обчислювальної техніки КМУЦА; в процесі підготовки операторів керування авіаційними системами в Державній льотній академії України; в розробці наукової теми Центрального науково-дослідного інституту збройних сил України; в системі навчання в Міжнародному науково-навчальному центрі інформаційних технологій і систем НАН і МО України.

Особистий внесок здобувача. Напрями досліджень, ідеї і методи розроблялись автором самостійно.

Апробація результатів дисертації. Основні положення дисертаційної роботи доповідались, обговорювались і публікувались на таких науково-методичних конференціях (НМК) і семінарах: НМК “Проблеми та перспективи управління якістю підготовки спеціалістів”, 1993 р.; звітній науково-технічній конференції (НТК) КМУЦА за 1993 р.; науково-практичному семінарі з проблем застосування комп'ютерних навчальних систем, 1994 р.; звітній НТК наукових колективів університету за 1994 р.; міжнародній НТК “Авионика-95”; звітній НТК КМУЦА за 1995 р.; НМК “Проблеми багатоступеневої підготовки бакалаврів та фахівців з напряму: “Авіація та космонавтика”, 1995 р.; НТК “Проблемы совершенствования систем аэронавигационного обслуживания и управления подвижными объектами” “Аэронавигация-96”; міжнародній НТК “Обеспечение безопасности полетов в новых экономических условиях”, 1997 р.; XVII звітній НТК КМУЦА за 1996 р.; звітній НТК КМУЦА за 1997 р.; міжнародній НТК “Проблемы развития аэронавигационного обслуживания и авионики воздушных судов” “Аэронавигация и авионика-98”.

Публікації. Наукові і практичні результати опубліковані в 23 друкованих роботах: 6 статей в наукових журналах і збірниках наукових робіт (4 - опубліковано автором особисто), три навчально-методичних видання, 14 - в матеріалах і тезисах конференцій.

Структура і обсяг дисертації. Дисертаційна робота складається зі вступу, п'яти розділів, висновку, трьох додатків, актів впровадження, списку використаних джерел з 161 найменувань і містить 236 сторінок, з яких 183 сторінок основного тексту, 11 таблиць, 63 рисунків.

2. ЗМІСТ РОБОТИ

У вступі викладено суть і становище наукової проблеми та обгрунтовано актуальність розробки методів, алгоритмів і моделей керування процесом навчання операторів ергатичних систем; сформовано цілі, задачі, наукову і практичну новизну роботи.

В першому розділі зроблено аналіз програмно-технічних засобів тренажерів і сучасних концепцій організації процесу навчання операторів. Розглянуто принципи формування і методику керування науковим змістом навчання, в основу яких закладено діяльнісний підхід до набуття знань. Акцентовано увагу на проблемному принципі керування знаннями в процесі навчання.

Задача активізації інформаційного середовища навчання і вироблення оптимальних керувальних дій вирішується на основі когнітивних механізмів керування дидактичними знаннями: компіляції, процедуралізації, композиції, координації, узагальнення, розділення, посилення.

На основі аналізу дидактичного і когнітивного підходів до проблеми навчання сформульовано інформаційні принципи керування дидактичними знаннями: відповідності цілей навчання системі знань і умінь операторської діяльності; структурування наукового змісту до неподільних елементів знань (інформаційних об'єктів) в межах дисципліни з метою виявлення міждисциплінарних зв'язків і керування дидактичними знаннями; функціонального взаємозв'язку знань із системою умінь; зв'язності і повноти дидактичних знань, необхідних для формування системи умінь виконувати професійну діяльність.

Викладено методику проектування КСН. Розроблено ієрархічну модель структури дидактичних знань в КСН, яка грунтується на модульному принципі і дозволяє: формально встановлювати логічну зв'язність елементів знань; успадковувати знання з модулів верхніх рівнів; обмежити клас інформаційних об'єктів пошуку; формувати модулі об'єктів на основі механізмів вилучення надмірності (процедуралізація), композиції і узагальнення, що дозволяє оператору обробляти дидактичні знання з високою ефективністю. Внаслідок зазначення множини відношень між модулями можна побудувати структуру, яка відповідає різним цілям використання знань.

У другому розділі розроблено методи і алгоритми керування інформаційними потоками дидактичних знань в системі навчання.

Проаналізовано використання логічної, продукційної, фреймової і об'єктно-орієнтованої моделей для подання знань в КСН. Науково обгрунтовується перспективність об'єктно-орієнтованої методології подання знань в системах навчання. Введено поняття інформаційного об'єкта (ІО) як елементарної смислової одиниці знань. З усього різноманіття відношень ІО виділено відношення, які властиві базам дидактичних знань.

Науковий зміст навчання зображено у вигляді спеціальної множини, яка задовольняє дидактичні принципи і формально об'єднує елементи множини Х даних в деяку структуру. Визначення. Структурою Н дидактичних знань назвемо бінарне відношення Н Xx Q і таке, що для будь-яких пар об'єктів {xi , xj} декартового добутку Xx елементів множини X справедливо:

H{xi, xj}i H{xi, xj}j = , H{xi, xj}i , H{xi, xj}j Q.

Це означає, що елементу множини Q відношень взаємно однозначно відповідає тільки один елемент дакартового добутку Xx. Доведено теорему про формальні критерії існування дерева початкової структури як підмножини множинної моделі, яка відповідає дидактичним принципам повноти і зв'язності знань, необхідних для формування системи умінь виконувати професійну діяльність. Теорема. Деревом D бінарного відношення Н є власна підмножина D H елементів, число яких повинно бути на одиницю менше, ніж в Х, збігатися з Н на множині Х і задовольняти умову зв'язності елементів в D. Вимога інформаційної зв'язності елементів в D і збіг D з Н на множині Х еквівалентна відсутності циклів при формуванні інформаційних потоків. Розроблено адаптивний алгоритм керування інформаційним потоком на основі стек-спискових моделей, який дозволяє внаслідок генерації можливих стратегій навчання індивідуалізувати процес навчання оператора. Алгоритм формування інформаційного потоку V містить процедури: 1. На множині Х експертно заданих ІО формуємо декартовий добуток і вилучаємо пари (xi , xj), для яких i j. Далі під парою (xi , xj) розуміємо двоелементну множину {xi , xj} Хх . Сформована множина Хх є базовою для нечіткої пiдмножини Хх, яку задовольняє функція належності:

(xi , xj ) =

2. Сформований потік V vi = q i (xi , xj) повинен збігатися з початковою системою дидактичних знань на експертно заданій Х множині ІО:

(xi , xj ) i = X; для N елементів vi V, де i = 1, N.

Збіг сформованої множини V з початковою системою знань на множині Х передбачає облік дидактичного критерію повноти знань. Далі потрібно ввести процедуру перевірки множини V на інформаційну зв'язність з метою виявлення відношення еквівалентності (подібності) для елементів множини Х.

3. Для експертно заданого джерела xi в множині Х перевіряється відношення q i Q один xi до одного xj і один xi до підмножини Хi Х з елементами, для яких задане бінарне відношення q i Q. При цьому підмножина Хi Х визначає рівень ієрархії подання знань для заданого xi. Далі процедура повторюється для джерел з множин Хi і перевіряються бінарні відношення q i Q з підмножиною Х \ Хi з метою формування Xj Х \ Хi. Процедура вважається виконаною, якщо q i Q визначене на множині Х.

Запропонований адаптивний алгоритм дозволяє генерувати ІО на різних рівнях складності дидактичних знань (рис.1). Здійснено аналіз критеріїв, які зумовлюють складність матеріалу, який вивчається. Інформаційну складність запропоновано визначати за допомогою коефіцієнта насиченості: ki = I/ I , де I = I' + I - загальна кількість ІО; I', I - кількість вже відомих і нових понять. Обсяг слів середнього ІО: Nср = N / I , де N - загальна кількість слів.

Запропоновано діакоптичний спосіб аналізу дидактичних знань, які дозволяють будувати алгоритми формування класів еквівалентних структур з розпаралеленням обчислювального процесу. Сформульовано правила об'єднання підструктур з метою формування повної структури дидактичних знань. Розглянуто формальні правила розподілу структури Н на частини Н1, Н2 Н і правила об'єднання D1 H1, D2 H2 підмножин D1 D2 з метою формування структури D. При поділі необхідно дотримуватись умови: Н1 Н2 = Р, де Р - зв'язна підмножина.

Твердження 1. Якщо підмножина елементів потоку Р Di , Dj є загальною для цих підструктур, то в результаті об'єднаня Di Dj отримаємо повну структуру D.

Твердження 2. Якщо перетин Di , Dj P дорівнює пусто, то об'єднання Di Dj не є структурою D.

Твердження 3. Якщо перетин Di , Dj P дорівнює деяким підмножинам Bi , Bj и Bi Bj Р, то об'єднаня Di Dj не є повною структурою D.

Проведені дослідження ефективності запропонованого алгоритму генерації еквівалентних підструктур (А.1) порівняно з найбільш відомими (А.2) дозволили виявити значну залежність росту витрат машинного часу від структурної складності баз даних, яка визначається числом класів структури дидактичних знань (рис.2). Запропоновані множинні моделі структури і діакоптичний спосіб подання дидактичних знань дозволили побудувати ефективні алгоритми керування інформаційними потоками, які вигідно відрізняються за витратами машинного часу від існуючих, що доводить практичну доцільність запропонованого підходу до розробки алгоритмів керування базами даних інформаційних систем.

У третьому розділі проаналізовано методи діагностики процесу навчання і науково обгрунтовано структурний підхід до тестового контролю знань з метою визначення відношень знань і умінь в системі навчання. Зроблено аналіз інформаційних моделей оператора, який навчається: різницевої, пертурбаційної, оверлейної і доведено доцільність їхнього застосування.

Формально процес навчання оператора можна показати як вирішення оптимізаційної багатокрокової задачі формування знань і умінь на кожному кроку навчання. Структуру моделі процесу обробки знань будемо ототожнювати з абстрактним графом S у вигляді деякого відношення на множині елементів знань xi X і типів бінарних відношень vi V. Кінцева мета Z (рис.3) навчання формується, виходячи з вимог кваліфікаційної характеристики спеціаліста і є підм-ножиною базової множини знань X, де для xZ задана функція належності z(x).

Досягнення мети Z визначається досягненням підцілей Tj Т. Множина Т формує клас цілей Tj = Z, і далі до формування навчаючих дій і структурування знань на елементи x1, ... , xk , які не потребують подальшого поділу (нижній рівень), при цьому xi T , T X .

Зазначимо, що знання (уміння) Y оператора є нечітка підмножина множини X з деякою функцією належності y (x), яка характеризує ступінь засвоєння елемента xi множини знань X, xi X. Нечітка підмножина Y множини X являє собою множину пар: Y = {(x /Y(x))}, xi X, Y(x) [0 ...1]. Для заданого елемента t знань верхнього рівня експертно задамо структуру знань у вигляді функції v = G (xi , t ), де i = 1, k. Ця функція для кожної пари (xi , t) елементів знань різних рівнів фіксує тільки одне відношення (предок - нащадок) з множини V. Множину V відношень між елементами знань xi ,t двох сусідніх рівнів зображено ваговими коефіцієнтами V (x), які задані експертно на етапі структурування знань і побудови дерева цілей (умінь).

Оцінимо внесок елементів знань xi нижнього рівня у формування одиниці знань Тj верхнього рівня. Для приведення до нормального вигляду ТjX і формування єдиного базису необхідно виконати перехід до відносних вагових коефіцієнтів: (xi) = V (xi) /V (xi), i = 1, n, при цьому дотримується умова: (xi)= 1, i = 1, k , де k - число інциденцій. Тоді множина Y знань оператора Y = ={ (xi / y (xi)) }, де y (xi) = [0 ; 1] - ступінь належності елемента знань xi X системи підмножині Y.

Для оцінки ступеня відповідності знань Y потрібним знанням T системи на заданому рівні декларування знань скористаємося функцією успадкування потомок-нащадок. Обчислення функції успадкування T дозволяє оцінити внесок окремого елемента xi знань - потомків у формування елемента tj знань - нащадка і являє собою залежність:

Y (t) = Y (x) * (x) , Y (t) = Y(x) *V (xi)/ V (xi), де i=1, n.

Задані відношення на множині елементів знань - потомків дозволяють обчислити значення функції належності Y (t j) і оцінити ступінь засвоєння знань оператором на розрахунковому рівні - нащадку:

Y (t j) = (Y (xi) * V (xi) / V (xi)).

Таким чином, здійснивши педагогічні вимірювання на нижньому рівні структури знань можна виконати покрокове згортання елементів знань і з врахуванням цільової функції оцінити досягнення кінцевої мети навчання.

Для переходу до класичних оцінок знань у лінгвістичних термінах роз-роблено динамічні шкали оцінювання. Скористаємося лінгвістичною змінною (“Оцінка”, Term, Q), де Term = { “незадовільно”, “задовільно”, “добре”, “відмінно”}, Q - базова множина оцінок знань по числовій шкалі Q=[0...1]. Нечітка підмножина множини Q являє собою множину пар: ={(А (q)/q)}, q i Q, А (q) [0...1]. В результаті експертного опитування формується матриця експертних оцінок з елементами m i j, які відображають значущість елемента q i порівняно з елементом q j для визначення лінгвістичного поняття, яке описується нечіткою множиною .

Значення функції належності А можна подати у вигляді емпіричного вектора h з елементами: h i =А (q i), i=1, 2, ... , n ; попарні порівняння - матрицею М відношень з елементами m i j = h i / h j. Для визначення j-го елемента вектора h знаходимо суму елементів в кожному j-му стовпці матриці М, з врахуванням h i = 1 , m i i = 1, сума елементів i-го стовпця: kj = m i j = (h i / h j) =(1 /h j)* *h i = 1 / h j , тоді вектор h j = 1 / kj (рис.4).

В роботі викладено метод формування відношення індивідуальної переваги знань оператора на множині еталонних знань системи, який дозволяє виконати інтегровану оцінку знань. Нечітке бінарне відношення R визначається як сукупність пар (x, y) елементів знань оператора і знань системи, що характеризуються функцією належності R (x, y), яка кожній парі (x, y) ставить у відповідність ступінь належності відношенню R. Підсумкове відношення R на множині елементів знань оператора визначає відношення переваги і обчислюється x, u X за формулою:

R(y, u)=V F S (y, z) F -1 (x, u)= MAX[ MIN( F S (y, z), F -1 (x, u))].

В роботі досліджено критерії тестового контролю (об'єктивність, надійність, валідність, точність методу педагогічних вимірювань), які реалізовані методиками: М.1 - система виконує “жорстке порівняння відповіді з еталоном; М.2 - пропонується вибір варіантів відповідей, апелюючи до ефекту “пізнавання з оцінкою за двобальною шкалою; М.3 - після порівняння відповіді з еталоном система пропонує можливі варіанти відповідей з оцінюванням за ранговою шкалою; М.4 - система виконує експертне оцінювання з врахуванням відносних ваг запитань і відповідей за нечіткою шкалою [0,1].

Досліджені основні параметри, які визначають валідність методу педагогічних вимірів: складність, розподільна здатність, нормальний закон розподілення (рис.5). Вибірка розподілена за нормальним законом і тест вважається валідним, якщо |Аs| <= 0.2, де Аs - асиметрія, яка визначається скошеністю функції розподілення. Аs буває ліво (М.1) і правоскошеною (М.2).

Розподільна здатність визначається за ексцесом Ex. Для функцій розподілення плоско і гостроверхих Ex - від'ємний. Ексцес незначний, якщо Ex<=0.5. Точність визначається як мінімальна припустима помилка методу. Коефіцієнт складності kc 1 і визначається як міра відхилення середніх значень результатів від середини нормального закону розподілення.

Принциповим питанням проектування експертних завдань є визначення оптимальної довжини тесту. Проведені дослідження показали, що при розрахунку за пропонованою методикою М.4 кількість запитань без порушення валідності тесту для рівня значущості р = 0.05 може бути скорочено порівняно з М.1 від 90 до 20.

Розроблена методика експертного оцінювання задовольняє принципи надійності і валідності. Доведено відповідність результатів педагогічних вимірювань нормальному закону розподілення і оптимальному числу тестових завдань.

В четвертому розділі пропонується методика ідентифікації об'єкта керування в системі навчання, коли сигналами керування є елементи знань, які дискретно генеруються КСН в певні моменти часу. Задачу керування процесом навчання вирішує інтелектуальний регулятор, який підключає і виключає ІО в певній послідовності з врахуванням критеріїв зв'язності і повноти дидактичних знань. На вхід системи у вигляді контрольних завдань подається тест-сигнал (рис.6) і в певні проміжки часу t1, t2, t3 вимірюється вихідний сигнал, який індукує ступінь засвоєння знань навчаємим.

Пропонується і науково обгрунтовується модель засвоєння і збереження знань в пам'яті оператора у вигляді диференціального рівняння:

k2 + k1 + kо y(t) = k u(t),

де y(t) - вихідна величина, яка вимірюється, u(t) - задана вхідна величина (тест-сигнал), яка являє собою ІО, ki (i = 0, 1 ... n) - параметри системи, які описують психофізіологічні характеристики оператора.

Для параметричного синтезу моделі засвоєння і збереження знань формується система алгебраїчних рівнянь в матричній формі:

.

Для розрахунку параметрів системи фіксуємо значення функції y(t) і її похідних в граничних точках підпроцесів. Розв'язуючи систему рівнянь, знаходимо значення вектора [k0, k1, k2 ]. Вхідна дія u(t) описується функцією вигляду:

1, при 0 < t <= tо,

0, при tо < t < .

Наведені аналітичні висновки дозволяють сформулювати модель процесу збереження дидактичних знань в пам'яті оператора в такому вигляді:

y (t) = y1 (t) + y2 (t),

де y1(t) - модель процесу засвоєння на інтервалі 0 < t < tо:

k k + k2 p1 v k + k2 p2 v ,

k2 p2 p1 k2 p1( p1 - p2) k2 p2( p2 - p1)

y2 (t) - модель процесу збереження інформації оператором на інтервалі tо < t < t1:

k -k + yо p1 (k1 + k2) -k + yо p2 (k1 + k2) ,

k2 p2 p1 k2 p1( p1 - p2 ) k2 p2( p2 - p1)

де p1, p2 - корені характеристичного рівняння.

Аналіз отриманих залежностей (рис.7) дозволяє зробити висновки: швидкість засвоєння і забування у операторів знаходяться в протилежно пропорційній залежності - чим більше і швидше засвоєно інформації, тим повільніше вона забувається; для досягнення всіма операторами заданого рівня вивченості необхідно сформувати керуючі сигнали різної тривалості.

Виявлено, що узагальненим параметром процесу засвоєння інформації є параметр k1 (рис.8). Параметр kо моделі оператора характеризує здатність тривалого збереження інформації в довгочасній пам'яті і з ростом kо тривалість збереження інформації зменшується (рис.9).

Збільшення k2 свідчить про інерційність мислення (рис.10), яка зумовлена психологічними типами людей (холерик, сангвінік, меланхолік, флегматик). Розроблена методика класифікації операторів дозволяє оптимізувати керування оператором і являє собою функцію T1 =F (y0, v1) від швидкості засвоєння (рис.11) і рівня вивченості (рис.12).

Стала часу T2 характеризує процес забування знань оператором і являє собою функцію T2 = F (ym, v2) від рівня вивченості (рис.13) і швидкості забування (рис.14).

В роботі пропонується класифікаційна характеристика для груп операторів, яка визначається відношеннями k2, k1, ko при заданій тестовій дії.

В п'ятому розділі розглянуто експертний підхід і принципи проектування КСН. Пропонується методика організації системи навчання в локальній обчислювальній мережі. Досліджуються питання вибору програмних і апаратних засобів реалізації системи навчання. Розроблена експертна система керування процесом навчання в середовищі Delphi 4 під Windows 95. Вибір середовища зумовлений розвинутим графічним інтерфейсом і потужними програмними засобами обробки баз даних будь-якого формату. База даних системи реалізована за допомогою мережевої утиліти InterBaseClient5.1.

Програмна реалізація КСН включає в себе підсистеми: експертного заповнення бази даних, керування процесом навчання, формування тестових завдань і експертних оцінок, експертної обробки результатів.

База знань предметної області проектується в такій методичній послідовності: розподіл наукового змісту предметної області на розділи і визначення в межах розділу відповідних тем; виділення структурних елементів опису; визначення полів даних і методів керування об'єктами; вибір типу зв'язку між об'єктами; побудова екземпляра IO.

Проведено аналіз ефективності запропонованої експертної системи автоматизованого навчання (ЕСАН) за кількістю критеріїв оцінювання в процесі навчання і порівняння з існуючими аналогами (рис.15).

У висновку сформульовані основні результати, які отримані в дисертаційній роботі.

ОСНОВНІ РЕЗУЛЬТАТИ ТА ВИСНОВКИ

1. Проведено аналіз програмно-технічних засобів і сучасних концепцій організації процесу навчання і науково обгрунтовано необхідність розробки і впровадження в процес передтренажерної підготовки операторів комп'ютерної технології управління навчанням.

2. Розроблено теоретико-множинну модель структури дидактичних знань і доведено теорему про систему формальних критеріїв, які відповідають дидактичним принципам повноти і зв'язності знань.

3. Розроблено адаптивний алгоритм керування інформаційним потоком дидактичних знань і генерації різних сценаріїв навчання, який базується на стек-списковій моделі. Розроблено діакоптичний спосіб аналізу дидактичних знань і проведено дослідження ефективності алгоритмів формування інформаційних потоків.

4. Побудовано формальну модель процесу навчання з нечітко заданою цільовою функцією. В алгебрі нечітких множин розроблено методику експертного оцінювання процесу навчання, яка дозволяє знизити суб'єктивний фактор в процесі прийняття рішень. Розроблено метод побудови динамічних шкал оцінювання для настроювання лінгвістичних оцінок з врахуванням вимог кваліфікаційної характеристики спеціаліста.

5. Розроблено методику ідентифікації параметрів і математичну модель об'єкта керування у вигляді диференціального рівняння другого порядку. Виведено математичну модель засвоєння і збереження інформації в процесі навчання оператора, яка дозволяє прогнозувати рівень збереження знань у оператора з плином часу і планувати навчання з метою підвищення кваліфікації. Проаналізовано інформаційні процеси в системі навчання на основі сталих часу.

6. Розроблено експертну систему керування процесом навчання операторів ергатичних систем на базі локальної обчислювальної мережі під Windows 95 в середовищі Delphi 4.

керування навчання оператор інформаційний

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Шибицкая Н.Н. Методика принятия решений в интеллектуальных системах обучения с нечетко заданной целевой функцией // Вісник кмуЦа. №1, 1998 - К. : КМУГА, 1998. - С.307-314.

2. Шибицкая Н.Н. Анализ способов приобретения и использования знаний в интеллектуальных обучающих системах //Проблемы авионики: Сб.науч.тр. - К. : КМУГА, 1997. - С. 243-250.

3. Шибицкая Н.Н. Концептуальные модели управления процессом обучения в системе “оператор-тренажер” //Проблемы авионики: Сб.науч.тр. - К. : КМУГА, 1997. - С. 251-257.

4. Кудиненко А.В., Шибицкая Н.Н. Проблемные вопросы управления в эргатических системах обучения // Кибернетика и вычислительная техника. Вып. № 116 - К., 1998. - С.29-41.

5. Шибицкая Н.Н. Метод идентификации объектов в эргатической системе управления процессом обучения // Кибернетика и вычислительная техника. Вып. № 121 - К. , 1999. - С.52-58.

6. Шибицкая Н.Н. Алгоритмические языки и программное обеспечение: Конспект лекций. - К.: КМУГА. 1998.-160 с.

7. Шибицкий В.П., Шибицкая Н.Н., Савчук Н.Н. Структурный анализ интеллектуальных систем управления с декомпозицией и распараллеливанием вычислительных процессов // Вісник КМУЦА. №.2, 1999 - К. : КМУЦА, 1999. - С.115-124.

8. Шибицький В.П., Шибицька Н.М., Савчук М.М. та ін. Обчислювальна техніка і програмування / Навч. посібник. - К.: КМУЦА. 1998 - 184 с.

9. Шибицкий В.П., Шибицкая Н.Н. Алгоритмические языки и программирование: Дидактическая система.Ч.2, - К.: КМУГА, 1996 - 84 с.

10. Шибицкая Н.Н. Математическая модель процесса обучения. //Звітна НТК Наукових колективів університету за 1994 р.К.:КМУГА,1995.- С.60.

11. Кудиненко А.В., Шибицкий В.П., Шибицкая Н.Н., Щербина В.П. Компьютерная технология обучения по дисциплине кафедры // Отчетная НТК КМУГА за 1993 г. - К.: КМУГА,1994.-С.72.

12. Кудиненко А.В., Шибицкая Н.Н. Структурный способ организации процесса обучения в системе “оператор - тренажер”// III Международная НТК “Авионика-95”. - К., 1995.-С.79.

13. Кудиненко А.В., Шибицкая Н.Н., Мальцев И.В. Проблемные вопросы активизации процесса обучения в компьютерной среде //НМК “Проблеми та перспективи управління якістю підготовки спеціалістів”. К., 1993. - С.118.

14. Шибицкая Н.Н. Формализация описания систем “оператор-тренажер” //IIIМеждународная НТК “Методы управления системной эффективностью функционирования электрофицированных и пилотажно-навигационных комплексов”. - К.: КМУГА, 1995.-С.79-80.

15. Кудиненко А.В., Шибицкая Н.Н. Логическое структурирование научного содержания обучения // НМК “Проблеми багатоступеневої підготовки бакалаврів та фахівців з напрямку: “Авіація та космонавтика”.- К.: КМУЦА. 1995. - С.26-27.

16. Кудиненко А.В., Шибицкая Н.Н., Щербина В.П. Математическая модель представления знаний в обучающих системах // “Авионика-95”. К.: КМУГА, 1995. - С.86.

17. Кудиненко А.В., Шибицкая Н.Н. Перспективи створення ком-п'ютерних тренажерних систем// Звiтна НТК за 1996 р. - К.: КМУГА, 1997.

18. Кудиненко А.В., Шибицкая Н.Н. Экспертное оценивание информационных потоков //XНТК КМУЦА. - К., 1996.-С.67.

19. Кудиненко А.В., Шибицкая Н.Н. Применение компьютерных технологий в организации процесса обучения авиационных специалистов// МНТК ”Проблемы совершенствования систем аэронавигационного обслуживания и управления подвижными объектами”. - К., 1996. - С.36.

20. Шибицкая Н.Н. Методика представления знаний в компьютерных системах обучения //Междунар.НТК “Аэронавигация-96”. - К., 1996.-С.67.

21. Шибицкая Н.Н. Перспективы создания компьютерных тренажерных систем //Междунар. научно-практ. конф. “Обеспечение безопасности полетов в новых экономических условиях”. - К., 1997. - С.70-71.

22. Шибицкая Н.Н. Управление процессом обучения в эргатической системе//МНТК “Аэронавигация и авионика-98”.-К.: КМУГА, 1998. - С.128.

23. Шибицкая Н.Н. Нелинейное оценивание в эргатических системах обучения //Звітна НТК університету за 1997 р. - К.: КМУГА, 1998.- С.97-98.

Размещено на Allbest.ru