Размещено на http://www.allbest.ru/

Національна академія наук

Міністерство освіти і науки України

Міжнародний науково-навчальний центр інформаційних технологій та систем

Моделі і засоби створення інтелектуальних компонентів навчальних систем

05.13.06 - автоматизовані системи управління та прогресивні інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня кандидата технічних наук

Сирота Сергій Вікторович

Київ - 2006

Дисертацією є рукопис

Роботу виконано в Національному технічному університеті України "Київський політехнічний інститут" (кафедра прикладної математики) Міністерства освіти і науки України

Науковий керівник: Таран Т. А., к. т. н., доцент, професор кафедри прикладної математики (Національний технічний університет України „Київський політехнічний інститут”)

Офіційні опоненти:

Литвинов В. В., д. т. н. професор, завідувач відділу Інституту проблем математичних систем НАН України

Асельдеров З. М. д. ф.-м. н., професор, професор кафедри автоматизованих систем обробки інформації і управління факультету інформатики і обчислювальної техніки НТУУ „КПІ”.

Провідна установа:

Інститут кібернетики ім. В. М. Глушкова НАН України, відділ теорій цифрових машин та систем.

Захист відбудеться " 29 "червня2006 р. о 14:00 на засіданні спеціалізованої ради Д 26.171.01 Міжнародного науково-навчального центру інформаційних технологій та систем НАН України і МОН України за адресою 03680, МСП, м. Київ-187, проспект Глушкова, 40.

З дисертацією можна ознайомитися в бібліотеці інституту Кібернетики ім. В. М. Глушкова НАН України за адресою 03680, МСП, м. Київ-187, проспект Глушкова, 40.

Автореферат розісланий " " 2006 р.

Вчений секретар спеціалізованої вченої ради В.Л. Ревенко.

Загальна характеристика роботи

дистанційний освіта електронний інструментальний

Актуальність теми дослідження. Згідно Конституції України, держава забезпечує доступність всіх форм освіти для кожного, в Законі України „Про освіту”, Законі України "Про національну програму інформатизації" та Указі президента України „Про Національну доктрину розвитку освіти” підкреслюється необхідність впровадження прогресивних інформаційних технологій (ІТ) в галузі науки, освіти, культури, охорони довкілля та здоров'я людини. Застосування таких технологій, зокрема в навчальній системі, потребує розробки програмних засобів, основою яких є база знань, тобто інтелектуальних систем.

Інтенсивне використання комп'ютерів в навчальному процесі дозволило нагромадити достатній досвід їх використання в якості технічних засобів навчання а також різноманітні технології створення комп'ютерних навчальних систем (КНС) та систем дистанційної освіти (ДО).

Різні аспекти застосування прогресивних інформаційних технологій в КНС та ДО висвітлені в роботах українських та іноземних авторів В. І. Скуріхіна, В. І. Гриценка, В. В. Павлова, В. В. Літвінова, А. М. Довгялло, Е. Л. Ющенко, В. А. Петрушина, В. Л. Стефанюка, А. Ф. Манако. Інтелектуальними вважаються системи, основані на знаннях. Значний внесок у розробку питань, пов'язаних з набуттям знань та їх представленням в пам'яті ЕОМ зробили такі вчені, як Д. О. Поспєлов, В. К. Фінн, Г. С. Осіпов, О. П. Кузнєцов, В. П. Гладун, А. І. Шевченко, Т. О. Гаврилова, R. Wille, D. Ganter, J. Sowa.

Незважаючи на значні досягнення в галузі інформаційних технологій, питання моделювання уявлень користувача вивчені недостатньо. Аналіз стану сучасних досягнень, зокрема в КНС та ДО, показав, що результатами цих досліджень є застосування ІТ лише для стимулювання пізнавальної активності учнів. Але досі не було спроби розробити методику, що в повній мірі використовує переваги представлення інформації у вигляді знань для моделювання предметної області, з наступним застосуванням цих переваг для відображення знань в уявленні учня. З іншого боку, широкі можливості сучасних ЕОМ дозволяють використовувати у процесі вирішення частини цих питань відомі, але не застосовані раніше методи які базуються на представленні знань.

Наявність вказаних проблем та загальнолюдські цінності обумовлюють актуальність дисертаційного дослідження.

Зв'язок роботи з науковими програмами, планами, темами. Тематика дисертаційної роботи, її мета і основні задачі відповідають державним науково-технічним програмам, які сформульовані в Законі України "Про наукову і науково-технічну діяльність" та в законі України "Про національну програму інформатизації".

З 2005 року робота підтримується грантом ДФФД за українсько-білоруським проектом 10.02/010 державна реєстрація 0105U008565.

Робота виконувалася на факультеті прикладної математики Національного технічного університету України” КПІ, відповідно до плану науково-дослідної роботи, тема дослідження „Моделі і засоби створення інтелектуальних компонентів навчальних систем” входить до плану науково-дослідних робіт Національного технічного університету України „КПІ”, як складова колективної теми кафедри прикладної математики та затверджена на засіданні вченої ради факультету прикладної математики (протокол №5 від 24.01.2000 р.). Також робота є частиною комерційного проекту Промислово-торговельної фірми “Просвіта” по створенню електронних засобів навчання.

Мета і задачі дослідження. Метою дослідження є розробка методів і інструментальних засобів для створення інтелектуальних компонентів систем дистанційної освіти для підвищення ефективності їх роботи. Для досягнення поставленої мети необхідно вирішити такі задачі :

§ провести аналіз стану проблеми в галузі розробки КНС і ДО, що використовують методи штучного інтелекту та ІТ;

§ розробити модель представлення знань, що базується на формалізації понять предметної області зв'язків між ними;

§ розробити діалогові процедури автоматизованого набуття знань від експерта;

§ розробити метод автоматичного генерування співвідношень питання-відповідь для контролю знань учня;

§ розробити методику створення і аналізу когнітивної моделі учня для формування стратегії і забезпечення процесу автоматизованого навчання;

§ дослідити отримані результати на прототипі інтелектуальної навчальної системи (ІНС).

Об'єктом дослідження в дисертаційній роботі є технологія розробки систем ДО та КНС, що базується на знаннях.

Предметом дослідження є комп'ютерні навчальні системи і системи дистанційної освіти а також інструментальні засоби їх розробки.

Методи дослідження: Для дослідження стану предметної області використовується метод аналізу інформації з друкованих та електронних джерел. При розробці моделей представлення знань, формуванні та представленні понять використовуються математичні методи теорії відношень, теорії частково упорядкованих множин та решіток, теорії графів, методи математичної логіки, теорії предикатів. Запропоновані методики отримання знань, генерування тестів і визначення стратегії навчання використовують сучасні педагогічні та психологічні методи навчання і перевірки знань. Для оцінки результатів дослідження застосовано метод порівняння отриманих теоретичних результатів з існуючою практикою.

Наукова новизна одержаних результатів полягає в наступному:

1. Вперше застосовано метод аналізу формальних понять Віллє-Гантера (АФП) для формування баз знань систем дистанційної освіти та розроблено метод і технологію, які дозволяють формалізувати інтенсіональні поняття та залежності між ними шляхом представлення їх структури у вигляді решіток з послідуючим перетворенням у ієрархічну семантичну мережу.

2. Набув подальшого розвитку сам метод АФП для моделювання повністю визначених предметних областей шляхом введення обмежень на вхідні данні, отримання логічно непротирічної моделі і побудови ієрархічної структури бази знань у вигляді гіперконтексту.

3. Розроблено метод автоматичного генерування питання-відповідних співвідношень за моделлю представлення знань у вигляді решіток формальних понять та автоматизовану процедуру вибору дистракторів в закритих питання-відповідних співвідношеннях.

Практичне значення одержаних результатів. Розроблені методи і засоби створення інтелектуальних КНС дозволяють підвищити ефективність розробки та експлуатації навчальних систем, орієнтованих на знання, шляхом застосування обґрунтованої в дисертації технології побудови когнітивної моделі знань, як експерта так і учня, у вигляді решіток формальних понять із застосуванням інтерактивних процедур набуття знань, що основані на психологічній методиці побудови репертуарних тестів Келлі. Розроблена методика контролю знань із застосуванням запропонованої моделі, дозволяє будувати гнучкі особистісноорієнтовані стратегії навчання.

Технологія створення ІНС, орієнтованих на навчання знанням, може бути використана при створені автоматизованих навчальних систем в середній та вищій школі, на курсах, а також для дистанційного навчання. Практичне значення технології підтверджується її застосуванням для розробки електронних компонентів навчальних комплектів з математики молодшої школи по діючому стандарту навчання, яке проводиться під безпосереднім керівництвом здобувача в ПТФ „Просвіта”. Розроблені в дисертації моделі і алгоритми були використані під час підготовки ряду навчальних посібників.

Апробація результатів дисертації. Основні питання дисертації були викладені в доповідях та розглянуті на: 14-й Європейській конференції зі штучного інтелекту ”ECAI-2000” (Німеччина, Берлін, 2000 р.); І-ІІ міжнародній конференції “Искусственный интеллект -2000-2001”, (АР Крим, с. Кацивеллі, 2000 р., РФ, с. Дивноморське, 2001 р.); VІ-VIII Міжнародній науково-практичній конференції “Інформаційні технології в економіці, менеджменті і бізнесі. Проблеми науки, практики і освіти” (Київ, ЕУФІМБ 2000-2002 рр.); X Міжнародній конференції “Knowledge-Dialogue-Solution KDS-2003” (Болгарія, Варна, 2003 р.), 7-мій міжнародній науково-методичній конференції “Образование и Виртуальность (ВИРТ-2003)” (АР Крим, Ялта, 2003 р.); XІ міжнародній конференції „PEG Powerful ICT Tools for Learning and Teaching” (РФ, Санкт-Петербург, 2003 р.); І-ІV Російсько-Українському науковому семінарі “Интеллектуальный анализ информации ИАИ-2001-2004, 2006” (Київ, НТУУ “КПІ”, 2001-2004, 2006 рр.);

Публікації. За темою дисертації опубліковано 12 друкованих праць, з них 3 у фахових виданнях ВАК (одна одноосібно) 2 статті в зарубіжних наукових журналах, 7 публікацій у збірках матеріалів семінарів і конференцій.

Особистий внесок здобувача. Наукові положення, висновки, рекомендації, практичні результати, які викладено у дисертаційній роботі та виносяться на захист, отримані автором самостійно. У друкованих працях опублікованих у співавторстві, особистий внесок здобувача такий: [1] - автору належить огляд способів представлення знань; [2] - автору належить методика представлення множини аргументів у вигляді решітки понять; [3] - автору належить: огляд існуючих підходів до створення навчальних систем, методика навчання поняттям в ІНС та розробка технології представлення знань з використанням аналізу формальних понять (АФП); [5] - автором написаний огляд стану проблеми та розроблена технологія побудови баз знань, заснована на АФП; [8] - автору належить ідея використання імплікацій та концептів для генерації тестових запитань, а також розробка процедури автоматичного визначення дистракторів; [9] - автором розроблено типи завдань та методики їх автоматичного генерування; [10] - автором розроблено приклад предметної області “Влаштування автомобіля”, а також методика застосування апарата еротетичної логіки до моделі автоматично генерованих тестів; [11] - автором розроблена концепція інструментального середовища для створення нового сімейства інтелектуальних навчальних систем, які базуються на аналізі формальних понять. Розроблено метод контролю знань на основі аналізу когнітивної моделі учня.

Структура та обсяг дисертації. Дисертаційна робота складається із вступу та чотирьох розділів основного змісту, висновків, списку використаних першоджерел і додатків. Основний зміст дисертації викладено на 116 сторінках. Робота містить 6 таблиць і 24 рисунки. Список використаних першоджерел налічує 101 назву.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми, відображено зв'язок роботи з науковими програмами та темами, визначено мету і задачі досліджень, визначено наукову новизну і практичне значення отриманих результатів.

У першому розділі на основі аналізу стану проблеми запропонована класифікація електронних засобів навчання і сформульовано основну мету дослідження: підвищення ефективності автоматизованого навчання, шляхом розробки програмного забезпечення, заснованого на еталонній моделі знань і моделі знань учня, а також упровадження модулів, які генерують стратегію навчання на основі їхнього порівняння.

В характеристиці стану проблеми зазначено, що нагальною задачею сучасної української освіти є підвищення її якості за рахунок застосування передових інформаційних технологій. Інформатизація освіти - завдання, розв'язання якого тісно пов'язане з освітньою ланкою, в рамках якої беруть початок і забезпечуються передумови майбутнього відтворення кваліфікованих кадрів для всіх галузей і сфер діяльності, в тому числі - і сфери освіти.

Основну роль у процесі автоматизованого навчання відіграє вчитель. Учень лише незначною мірою може впливати на роботу навчальної системи. Тому сучасні навчальні засоби розвиваються в напрямку підсилення цього впливу.

Концепція традиційних ІНС передбачає вивчення знань, представлених як сукупність фактів і правил. Згідно систематизації когнітивних рівней, запропонованої В.Л. Стефанюком (творчий, аналогії і узагальнення, пояснення, програмування), сучасні ІНС розраховані лише на деякі когнітивні рівні, наша система використовує їх усі, що являє оптимальну технологію навчання. Розроблена технологія орієнтована на вивчення знань, а основною проблемою на шляху до цього є вивчення понять.

Вивчення понять потребує абстрактного логічного мислення, тому викликає труднощі, шляхом подолання яких є підсилення образної компоненти навчання. В роботах Т. А. Гаврилової пропонуються системи, в яких учень може, за допомогою стандартних графічних примітивів, зобразити зв'язки між поняттями предметної області, але це можливо лише при умові, що він ними володіє. В даній роботі пропонується застосувати методи машинного навчання (machine learning) для формування понять у людини. Серед зазначених методів найбільш ефективними є методи автоматичного формування понять та інтелектуального аналізу даних.

Для уточнення термінології, яка використовується в роботі, проведено огляд існуючих класифікацій навчальних програмних засобів та означена класифікація, в термінах якої викладено подальший матеріал. Різноманіття навчальних систем умовно поділяють на:

- системи машинного навчання, які орієнтовані на вузьку проблемну область і мають фіксовані пояснення і запитання;

- системи програмованого навчання, де процес навчання має гілки, але він детермінований;

- системи, де діалог учня і машини не може бути прорахований заздалегідь, а є наслідком взаємної угоди вчителя і учня, інтелектуалізовані.

Також виділяють стимулятори процесу пізнання, які впливають на мотивацію до навчання та навчальні середовища.

Безумовно, оптимальною є стратегія поєднання засобів стимуляції навчання з ІНС - лише в такому випадку система контролює результати своєї роботи і, як наслідок, зменшує час, що витрачає учень на засвоєння певного матеріалу.

В результаті вивчення програмного забезпечення, яке використовуються в навчальному процесі, в даній роботі пропонується виділити в окремі класи:

- комп'ютерні засоби навчання (КЗН) програми (програмно-технічні) засоби (комплекси), які безпосередньо орієнтовані на вирішення певних педагогічних задач, і мають предметний зміст орієнтований на взаємодію з учнем;

- інструментальні засоби створення навчальних програм;

- системи управління навчальним процесом.

КЗН в свою чергу пропонується класифікувати на методичних та технічних підставах.

В даній роботі розглядаються саме методи побудови інтелектуальних КЗН та інструментальні засоби, що реалізують пропоновані методи.

Під терміном інтелектуальні в даній роботі розуміється клас систем, що мають в своїй основі базу знань. Під терміном інтелектуальні навчальні системи (ІНС) розумітиметься клас навчальних систем, в яких діалог машини з учнем не може бути розрахований заздалегідь, а являє собою наслідок взаємної угоди „вчителя” і учня.

Представлення знань в ІНС. Знання, на відміну від даних, що характеризуються значеннями, є результатом процесу пізнання. Їм притаманні інтерпретованість і систематичність, тобто елементи знання пов'язані між собою за способами їх використання. Розрізняють декларативні, операційні, об'єктні та мета знання.

В інтелектуальних системах знання поділяють на ті, що використовуються у процесі виводу при рішенні задач і ті, що містять додаткові свідчення про інтерфейс користувачів тощо. Серед методів представлення знань відомі логічні методи, семантичні мережі, фрейми, продукційні системи. Останні підрозділяють на системи, що управляються даними або метою. Основною задачею при складанні продукційних систем є формування правил - продукцій. Пропонована в даній роботі технологія дозволяє автоматично визначати залежності на предметній області у вигляді імплікацій, що можуть служити основою для складання продукцій експертної навчальної системи.

Формалізація та представлення понять. Основною метою первинного навчання є ознайомлення учня з базовими поняттями предметної області, що з другого боку є одиницею абстрактного мислення. Поняття виникають як результат узагальнення множини предметів за системою ознак. Ознака розуміється як наявність або відсутність певної властивості у предмета. Поняття характеризується множиною об'єктів, що називається об'ємом поняття (extent), і множиною ознак Ї змістом поняття (intent). Наприклад, поняття “трикутник” можна визначити як багатокутник з трьома кутами, тобто через більш об'ємне; у свою чергу поняття “прямокутний трикутник” можна підвести у підмножину поняття трикутник з ознакою „має прямий кут”. Як бачимо, в поняттях існує взаємо-протилежна залежність між потужністю множини об'єктів та потужністю множини ознак. Також слід зауважити, що на множині понять (концептів) чітко прослідкується відношення включення, яке є відношенням часткового порядку. Завдяки цьому, відношення між поняттями може бути досліджене із застосуванням теорії частково упорядкованих множин. Для формування та представлення понять предметної області в даній роботі використовується метод аналізу формальних понять (Formal Concept Analysis), що був запропонований Р. Віллє (Німеччина) в 1985 році та успішно використовується для інтелектуального аналізу даних та розробки баз знань в різноманітних галузях. Основна ідея методу полягає у визначенні формального поняття як пари множин об'єктів та ознак, в результаті чого на множині понять утворюється дуальне відношення часткового порядку щодо включення. Дане відношення утворює повну решітку, властивості якої використані у даній роботі в автоматичних процедурах набуття знань та генерування питання-відповідних співвідношень.

Діагностика стану знань учня. У більшості сучасних ІНС основна увага приділяється формуванню умінь і навичок, традиційний підхід передбачає подання фактичного матеріалу у вигляді текстів або лекцій, після чого відбувається тестування або тренування та вирішення контрольних завдань. Незважаючи на велику кількість різноманітних ситуацій і запитань, які мають за мету навчити приймати рішення в тій чи іншій ситуації, учні дуже часто ідуть шляхом запам'ятовування вигляду тестового запитання і номера відповіді. Результатом є правильна відповідь без розуміння причин і логіки поставленої ситуації. Тому найбільш повну інформацію про стан знань учня можна отримати в результаті порівняння когнітивної моделі учня з певним еталоном. Основним інструментом для побудови когнітивної моделі є тестування. В даній роботі запропоновано методику автоматичного генерування питання-відповідних співвідношень та їх зв'язків з навчальним матеріалом, яка використовує модель еротетичної логіки Белнапа і Стіла.

Огляд існуючих напрямків стандартизації КНС. Метою даної роботи є розробка технології, яка дозволяє створювати інтелектуальні навчаючі системи з різноманітних курсів. Оскільки розробка навчального програмного забезпечення набуває промислових ознак, в даній роботі проведено огляд основних світових стандартів та міжнародних організацій, що діють в галузі. Серед них AICC, IMS, LTSC-IEEE. Спільною рисою міжнародних стандартів є наявність структурованих метаданих, що забезпечують підтримку моделі знань учня і експерта та управління процесом навчання.

Оскільки технологія може бути застосована до знань будь-якої предметної області, не ставилося за мету створювати конкретні навчальні курси, натомість розроблено механізм їх індексації, заснований на принципах гіпермедійних технологій, і використовуються приклади для окремих фрагментів предметних областей.

У другому розділі запропоновано модель знань, що функціонує в рамках запропонованої структури ІНС, основними складовими частинами якої є освітній ресурс, система тестів і когнітивна модель учня. Основна ідея в роботі ІНС полягає в її реакції на відповіді учня шляхом зміни змісту декларативної частини освітнього ресурсу.

Учень, який працює з системою, має змогу продивлятись освітні ресурси в порядку, запропонованому початковим змістом, і в будь-який час може перейти до тестування. Система запропонує тестове питання, за результатом відповіді внесе зміни до когнітивної моделі учня і на підставі її порівняння з еталонною внесе відповідні зміни у зміст курсу. При цьому модель учня подібна до еталонної.

Загальна структура бази знань може бути записана у вигляді кортежу

B=<L, T, K, In, FIL, FTI >

де L - множина освітніх ресурсів, які представляють декларативну частину ІНС та зберігаються в традиційній вигляді адресованого масиву або окремих файлів; T - множина тестів; K = <V, A, I0 > - логічна структура курсу у вигляді формального контексту, що визначається множиною об'єктів V, властивостей A, бінарним відношенням; - матриця, що відповідає, побудована за відповідями n-го учня. Адреси точок доступу до розділів курсу зв'язані с елементами матриць I, тоді: : IL - відображення елемента матриці I у підмножину L освітніх ресурсів; : TI - відображення, що інтерпретує відповідь на кожне тестове завдання як набір елементів з I.

Аналіз формальних понять дозволяє знаходити всі формальні поняття фрагмента предметної області, описаного у вигляді формального контексту.

Формальне поняття (concept) розглядається як пара: A, B) де A - об'єм поняття (екстенсіонал, extent), множина об'єктів, B - зміст поняття (інтенсіонал, intent), множина ознак.

Размещено на http://www.allbest.ru/

Рис. 1. Найпростішою формою, що задає формальний контекст, є бінарна матриця, рядкам, якої відповідають об'єкти, а стовпчикам - властивості. Якщо певний об'єкт має певну властивість, на перетині відповідних стовпчика і рядка ставиться „1” якщо навпаки - „0”

Визначається формальний контекст як трійка

K = (V, A, I)

де V - множина об'єктів, A - множина властивостей (атрибутів), I V A - відношення об'єкт - атрибут.

Задаються операції:

P := {yA | xIy для всіх xP}

де P V

G := {xV | xIy для всіх yG}

де G A.

Визначення: Формальне поняття контексту, - це пара (P, G) , така, що

P V, G A, P = G, G = P

Кожне формальне поняття включає деяку підмножину об'єктів G з даного контексту K, таких, що кожний об'єкт gG має всі ознаки з підмножини ознак P. Множина об'єктів G складає об'єм формального поняття, а множина всіх властивостей P, які вони мають, - його зміст.

Для множин всіх підмножин V і A відображення G | G і P | P являють співвідношення Галуа и мають наступні властивості:

1) з G1 G2 слідує, що G1 G2 для будь-яких G1, G2 V, тобто, якщо множина об'єктів G1 включено в множина об'єктів G2, то множина властивостей G2 включена до множини властивостей G1;

2) з P1 P2 слідує, що P1 P2 для будь-яких P1, P2 A, тобто, якщо множина ознак P1 включена до множина ознак P2, то множина об'єктів P2 включена до множини об'єктів P1 ;

3) G G і G = G для G V;

4) P P і P = P для P A.

Згідно теорії решіток із властивостей 1-4 слідує, що двократне застосування операції ` має властивості оператора замкнення і відповідності G | G и P | P визначають дуальний ізоморфізм між повними решітками замкнутих підмножин множин V и A. Тоді парі (G, P), де G V, P A, G = P, P = G, буде відповідати максимальна по вкладенню одинична підматриця матриці K, або повний підграф дводольного графа (V A, V A). Згідно властивостей (1)-(4), концепт (G, P) може позначатися також як (P, G) = (G, G) = (P, P).

В контексті K = (V, A, I) множина концептів частково упорядкована відношенням включення: (G1, P1) (G2,P2), якщо G1 G2 и P1 P2. Тоді за визначенням пара (G1, P1) називається підпоняттям (підконцептом) формального поняття (G2,P2), пара (G2,P2) відповідно - надконцептом поняття (G1, P1). Згідно теорії решіток, частково упорядкована відношенням включення множина формальних понять утворює повну решітку, де операції перетину та об'єднання задаються як:

= (jJGj, (jJGj,)) = (jJGj, (jJPj,)),

= ((jJPj), jJPj) = ((jJGj), jJPj).

Решітку формальних понять називають концептуальною решіткою і дуальний ізоморфізм на ній відображує зворотне співвідношення між об'ємами та змістами. На рис. 2 наведено приклад множини формальних концептів контексту заданого бінарною матрицею, та зображення лінійної діаграми решітки, утвореної відношенням включення.

Размещено на http://www.allbest.ru/

Рис. 2. Фрагмент гіперконтексту

Математична модель логічної структури відрізняється від відомої, побудованої на методі аналізу формальних понять, тим, що розглядається система двомісних предикатів F(x, y), визначених на множинах A і V, при ьому область істинності предиката буде відповідати відношенню I V A .

Іноді об'єкти можуть мати певні властивості тільки за наявності набору спільних властивостей більш високого рівня, це дозволяє виділити властивості більш низького рівня в окремий контекст, в результаті виникає ієрархія контекстів яку названо гіперконтекстом.

Нова структура відрізняється від тих, які традиційно використовуються в системах, що базуються на аналізі формальних понять. Гіперконтекст являє собою ієрархічно організовану систему контекстів і об'єктів гіпермедіа.

В багатьох випадках об'єкти відрізняються не тільки наявністю того чи іншого атрибута, а ще ї значенням, яке цей атрибут приймає, в такому випадку використовується структура багатозначного контексту, ідея якого полягає в поділі множини значень на певні проміжки, і факт попадання значення в проміжок, розуміється як наявність атрибута. В такому випадку сукупність таких атрибутів утворює шкалу, властивості якої будуть розглянуті нижче.

Запропонована структура дозволяє виконувати пошук і аналіз залежностей на предметній області. Хай K = (V, A, I) формальний контекст і хай X A, Y A. Тоді X Y, тобто X спричиняє Y, чи множини ознак Y залежить від множини ознак X, якщо всі об'єкти з G V, притаманні ознаки з X, мають також всі ознаки з Y, тобто X Y (чи Y X). За визначенням множина X називається засновком, а Y висновком імплікації. Наприклад, властивість a6 спричиняє властивості {a1, a5}, властивість a2 спричиняє властивість a3. Базис імплікацій формального контексту визначається як підмножина множини всіх імплікацій, з якого слідують всі інші імплікації, який втрачає цю властивість, якщо вилучити з нього хоча б одну імплікацію.

Виходячи з зазначеного вище в дисертації пропонується наступна методика обробки контексту: генерування множини концептів, побудова лінійної діаграми концептуальної решітки, генерування імплікацій і знаходження базису. Отримана система знань запропоновано використовати наступним чином: концепти є вихідним матеріалом для генерування тестів; імплікації використовуються для перевірки експертом повноти контексту та для інтерактивної процедури поповнення контексту, також імплікації слугують для генерування тестів; концептуальна решітка використовується для знаходження дистракторів тестових конструкцій та визначення послідовності подачі тестів; лінійна діаграма концептуальної решітки використовується для візуалізації структури фрагмента предметної області та створення опорних схем. В результаті дослідження з'ясувалось, що побудовані імплікації можна умовно поділити на три групи: (А) засновок яких хибний на множині всіх об'єктів контексту, такі виключаються з розгляду; (Б) правильні, що адекватно відображають залежності предметної області; (В) правдоподібні які виконуються не на всій предметній області. Для виключення імплікацій групи (А) розглядаються випадки, коли

1) множина властивостей утворює шкалу, тобто

2) властивості виключають одне одну:

3) одна або декілька властивостей є обов'язковими

Дані закономірності перевіряються шляхом перебору таблиць істинності і пропонуються в якості висновку експертові, або відомі йому заздалегідь і вказуються до заповнення контексту.

Пропонується процедура автоматичної побудови семантичної мережі за решіткою формальних понять, що дозволяє частково автоматизувати процес побудови семантичних мереж. Для цього об'єкти контексту заданого предикатами F(x,y), представляються як первинні концепти семантичної мережі, після чого кожна змінна заміщується об'єктом з області істинності предиката за матрицею формального контексту. Декомпозиція зв'язків концептуальної решітки дозволяє будувати ієрархічну семантичну мережу.

Наведена процедура доказує правомірність існування запропонованої моделі знань, яка може бути коректно зведена до раніш відомої, а також відкриває шляхи до автоматизації побудови семантичних мереж, зокрема, у випадку якщо предикати F(x, y) мають вигляд <x є частиною y> та <x є екземпляром класу y>.

Запропонована методика набуття знань базується на моделі наближення початкового контексту K0 до універсального KU. Для цього можна використовувати чотири розроблені процедури.

1. Пряма процедура полягає в безпосередньому складанні таблиці формального контексту K0 = (G0, F0, I0). Як показали проведені дослідження пряма процедура найбільш ефективна для формалізації предметних областей, що відносяться до точних наук, для гуманітарних знань більш ефективним є наступний шлях.

2. Непряма процедура визначення множини властивостей F0 множин об'єктів G0 основана на методиці побудови конструктів Дж. Келлі. Експертові пропонується порівняти три об'єкти з множини G0 на предмет спільної властивості у двох з них, що відрізняє їх від третього. При цьому записується ця властивість. Випадково згенеровані трійки за декілька кроків виявляє всі властивості значимі з точки зору експерта.

3. Процедура визначення предикатів. Нехай і, (об'єкт має властивість , а не має властивості ). Здійснюємо перебір по G0 до тих пір, доки не знайдемо таке, що. Якщо в G0 такого не знайшлось, продовжуємо пошук в GU.

4. Ітераційна процедура дозволяє поповнювати множину об'єктів і використовує імплікації. Для формального контексту K0 = (G0, F0, I0) заходиться множина концептів та будується базис імплікацій. Процедура набуття знань в діалозі з експертом ставить йому запитання: „ЧИ ВІРНЕ ТВЕРДЖЕННЯ: ЯКЩО <загальна назва об'єктів> <властивість A11> & < властивість A12> & … & < властивість A1n>, ТО < властивість A21> & < властивість A22> & … & < властивість A2n>?”. Експерт може прийняти імплікацію, або спростувати її, в цьому випадку він може накласти обмеження на властивості 1-3, або назвати контр приклад тобто добавити об'єкт, після чого процес обчислення всіх концептів і базису імплікацій повторюється.

Питання діагностики стану знань учня розглядаються у третьому розділі. Базовим для системи контролю знань є тест, який в представленій роботі розглядається як конструкція T = (Q, V, H), де Q - питання, V - множина можливих варіантів відповіді, - відображення цієї множини на контекст моделі знань. Питання розуміється як сукупність постановочної частини та можливих варіантів відповіді - питання-відповідне співвідношення. Для формалізації питань використовується модель еротетичної логіки Н. Белнапа і Т. Стіла, де питання представляються інтеррогативною формою. Під суб'єктом питання розуміється множина, з якої може бути вибрано відповідь, передумова питання визначає, які альтернативи повинні мститися у відповіді і які вимоги повноти та розрізненості накладені на відповідь. Інтеррогатива простої перевірки імплікації має вигляд: ? (X1& X2&…& XkY1&…&Ym, (X1& X2&…& XkY1&…&Ym)). Альтернативної перевірка імплікації - ? (X1& X2&…& XkY1&…&Ym, X1& X2&…& XkZ1&…&Zm)), альтернативної перевірки властивості - ? (X&A, X&A). Запропоновано ефективні процедури автоматичного генерування наступних типів питань: вибрати один або декілька варіантів з ряду запропонованих; видалити зайві елементи; об'єднати в групи по певній ознаці; перевірити правильність групування по певній ознаці; перевірити вірність твердження; розташувати елементи за певним критерієм порядку; перевірити правильність розташування за критерієм; вказати значення властивостей. Основою для побудови запитань є концепти та імплікації, що виявлені в контексті фрагменту предметної області. Наприклад, тести, генеровані за концептами, мають вигляд: вказати множину властивостей P, які є у об'єктів G; вказати множину об'єктів G, які мають властивості P; а також питання складені за Pi Pj, та Gi Gj. При цьому в якості значення тесту вибираються адреси комірок формального контексту в рядку, що відповідає об'єкту.

Вирішення проблеми автоматичного вибору дистракторів полягає в наступному: нехай J(Ci) - ідеал, утворений концептом

Ci, Ci L

де L - вихідна концептуальна решітка.

Тоді, якщо Cj Ci, то Cj J(Ci). Нехай D(Ci) двійниковий ідеал, утворений концептом Ci; тоді якщо Ck Ci, то Ck D(Ci). Для вибору дистракторов необхідно послідовно вибирати концепти CxA, де A = D(Ci)\{Ci}, за критерієм мінімальної відстані від Ci, и будувати за ними ідеали J(Cx). Тоді дистракторами будуть всі об'єкти, які вперше зустрінуться в -нерозкладних концептах Cy, де CyJ(Cx)\J(Ci). Лінгвістична обробка питань здійснюється за допомогою шаблонів, які являють собою скелети конструкцій запитання. В необхідних місцях шаблону передбачено вставку необхідних словосполучень.

Оцінка знань учня проводиться шляхом порівняння матриці побудованої за відповідями на тести і еталонної. При цьому матриця, що відповідає моделі учня крім 1 і 0 має елементи „?”, які записуються в кожну комірку в момент ініціалізації облікового запису учня. В процесі роботи з тестами у відповідні комірки матриці заносяться 0 або 1 в залежності від відповіді. Достовірність оцінки рахується за формулою

де MN розмірність матриці, K - кількість комірок „?”.

Поточне значення оцінки (рейтинг) обчислюється за формулою:

де imn- значення елемента контексту матриці учня, а - відповідне значення еталону, В - розмырнысть шкали оцінювання.

Аналіз когнітивної моделі учня проводиться шляхом моніторингу достовірності і рейтингу. В процесі занять рейтинг повинен зростати, доки не наблизиться до максимальної оцінки.

Якщо учень намагається відповідати на тести випадковим чином, рейтинг не збільшується, тоді рахується скільки разів змінюють своє значення елементи матриці Il з 0 на 1 і назад, а після переходу певного порогу в комірку буде виставлено „?”, що приведе до зниження достовірності оцінки. Висновок про те, що курс засвоєно, можна зробити по неспаданню рейтингу при 100% достовірності, а якщо при цьому рейтинг значно недосягає максимуму, слід робити висновки про якість курсу.

Четвертий розділ присвячено розробці технології створення інтелектуальних компонент КСО. Наводиться опис вимог до програмної системи, яка реалізує розроблену в дисертації методику. Пропонується функціональна структура інтелектуальної навчальної системи та інструментальних засобів побудови бази знань. Обґрунтовується вибір клієнт-серверної технології і застосування об'єктно-орієнтованої мови Java для практичної реалізації. Описано основні алгоритми, які використовуються у запропонованих методиках. Подано опис інтерфейсу та принципів роботи програмного комплексу „Гіперконтекст”, розробленого з використанням викладених у роботі методик. Розглянуто принципи взаємодії розробленого у даній роботі програмного комплексу з відомим програмним забезпеченням.

Висновки

Дисертаційна робота містить результати проведених автором досліджень та отримані автором нові науково обґрунтовані результати, які у сукупності розв'язують завдання підвищення ефективності процесу розробки та експлуатації комп'ютерних навчальних систем та систем дистанційної освіти основаних на знаннях.

В ході дослідження отримано такі основні результати.

1. На основі метода аналізу формальних понять розроблено модель представлення знань, яка формалізує інтенсіональні поняття та залежності між ними, представляючи фрагменти предметної області у вигляді системи формальних контекстів, а структуру понять та зв'язків між ними, у вигляді решіток.

2. Удосконалено модель організації баз знань у вигляді формальних контекстів шляхом:

§ розробки ієрархічної системи взаємопов'язаних контекстів - гіперконтексту.

§ застосування нових моделей формального контексту, заснованих на двомісних предикатах та відносинах „клас - підклас”, клас - екземпляр.

§ розмежуванням властивостей на шкали, взаємовиключення, обов'язкові.

3. Розроблено процедуру перетворення запропонованої моделі у семантичну мережу.

4. Розроблені інтерактивні процедури набуття знань, орієнтовані на напівавтоматичне складання формального контексту, що повністю охоплює предметну область, в тому числі процедуру основану на психологічній методиці побудови репертуарних тестів Келлі.

5. Створено і обґрунтовано нову технологію побудови інтелектуальних компонентів навчальних систем особистісноорієнтованих на навчання знанням, яка використовує запропоновану базу знань.

6. Розроблено метод автоматичного генерування співвідношень питання-відповідь за моделлю представлення знань у вигляді решіток формальних понять.

7. Вирішена задача автоматичної генерації тестів. Вказані основні типи тестів, які можуть бути генеровані по решітці формальних понять. Показано, що основою для побудови запитань слугують концепти та імплікації.

8. Обґрунтовано методику побудови когнітивної моделі учня у вигляді формального контексту, що відображує уявлення учня про систему понять предметної області та зв'язки між ними.

9. Запропоновано метод оцінювання знань учня, шляхом порівняння його когнітивної моделі з еталонною моделлю знань.

10. Розроблена функціональна структура інтелектуальної навчальної системи на базі клієнт-серверної технології із застосуванням об'єктно-орієнтованої мови Java. Описано основні алгоритми, які використовують запропоновані методики.

Технологія створення ІНС орієнтованих на навчання знанням, може бути використана при створені автоматизованих навчальних систем в середній та вищій школі, на курсах, а також для дистанційного навчання.

Список опублікованих праць за темою дисертації

1. Таран Т.А., Евтушенко С.А., Родионов А.Н., Сирота С.В., Ткачев А.Е. Субъектно-ориентированный подход к поддержке принятия решений в социальных системах // Сб. научн. трудов межд. конф. по управлению “Автоматика - 2000”. - Львов: Державний НДІ інформаційної інфраструктури, - 2000. - Т. 5. - С. 177 - 183.

2. Taran T.A., Sirota S.V. Semiotic Decision Support System Based on Argumentation // Proc. of Workshop “Applied Semiotic: Control Problems” (ASC-2000). ECAI-2000, 14-th European Conference on Artificial Intelligence. - Berlin (Germany). - 2000. - P. 9 - 15.

3. Таран Т. А., Сирота С.В. Обучение понятиям в интеллектуальных обучающих системах на основе формального концептуального анализа // Искусственный интеллект. - 2000. - №3. - С. 340 - 347.

4. Сирота С. В. Извлечение знаний в интеллектуальной обучающей системе базирующейся на анализе формальных понятий // Искусственный интеллект. - 2001. - №3. - С. 510 - 516.

5. Сирота С. В., Формальный анализ понятий в интеллектуальных обучающих системах // Інформаційні технології в економіці, менеджменті і бізнесі. Проблеми науки, практики та освіти: Матеріали VI Міжнарод. наук.-практ. конф.: Зб., м. Київ, берез. 2001 р. - К.: Вид-во Європейського ун-ту, 2001. - C. 280-281.

6. Таран Т. А., Сирота С. В., Евсиков С. А. Инструментальные средства для создания базы знаний в интеллектуальной обучающей системе // Інформаційні технології в економіці, менеджменті і бізнесі. Проблеми науки, практики та освіти: Зб. Наукових праць VII Міжнародної наук.-практ. конф., Київ 6 - 7 грудня 2001 р. - К.: Вид-во Європ. ун-ту, 2002. - C. 356-358.

7. Сирота С. В., Копычко С. Н. Технология разработки интеллектуальных обучающих систем // Сб. тр. рос.-укр. науч. семинара „Интеллектуальный анализ информации. - К. Просвіта, 2004. - С. 15 + CD.

8. Taran T.A., Sirota S.V. Knowledge Learning Technology for Intelligent Tutoring Systems // International Journal Information Theories & Applications. - 2003. - Vol. 10, № 2. - Р. 153 - 158.

9. Taran T. A., Syrota S. V. Inteligent Tutoring System Based On Formal Concept Analysis// Proc. of 11th International PEG conference 28 June. - St. Petersburg (Russia), 2003. - P. 38 - 39 + CD.

10. Таран Т. А., Сирота С.В. Технология обучения понятиям в интеллектуальных обучающих системах // Новости искусственного интеллекта. - 2003. - №6 (60). - С. 18 - 23.

11. Таран Т.А., Сирота С.В. Инструментальная среда создания интеллектуальных обучающих систем // Математичні машини і системи. - 2004. - №1. - С. 58 - 68.

12. Сирота С. В. Разработка методов и средств создания интеллектуальных компонентов обучающего программного обеспечения для повышения эффективности его работы // Сб. тр. рос.-укр. науч. семинара „Интеллектуальный анализ информации ИАИ-2004”. - К.: Просвіта, 2004. - С. 175 - 184.

АНОТАЦІЯ

Сирота С.В. Моделі і засоби створення інтелектуальних компонентів навчальних систем. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 - автоматизовані системи управління та прогресивні інформаційні технології. - Міжнародний науково-навчальний центр інформаційних технологій та систем НАН України і МОН України, Київ, 2006.

Дисертацію присвячено питанням розробки інтелектуальних компонентів навчальних систем основаних на моделі представлення знань, що формалізує інтенсіональні поняття та залежності між ними. В основу моделі положено метод аналізу формальних понять за допомогою якого фрагменти предметної області представляються у вигляді системи формальних контекстів. Структура понять та зв'язків між ними представляється у вигляді решіток формальних понять, яка перетворюється в ієрархічну семантичну мережу. Розроблено інтерактивну процедуру набуття знань про поняття предметної області, основану на психологічній методиці побудови репертуарних тестів (Келлі). Розроблено метод автоматичного генерування питання-відповідних співвідношень за моделлю представлення знань. Запропоновано і обґрунтовано технологію побудови інтелектуальних компонентів навчальних систем особистісноорієнтованих на навчання знанням.

Ключові слова: інтелектуальний аналіз інформації, бази знань, аналіз формальних понять, інтелектуальні навчальні системи.

АННОТАЦИЯ

Cирота С. В. Модели и средства создания интеллектуальных компонентов обучающих систем. - Рукопись.

Диссертация на соискание научной степени кандидата технических наук по специальности 05.13.06 - автоматизированные системы управления и прогрессивные информационные технологии. - Международный научно-учебный центр информационных технологий и систем национальной академии наук Украины и Министерства образования и науки Украины. Киев, 2006..

Диссертация посвящена вопросам разработки интеллектуальных компонентов обучающих систем основанных на модели представления знаний, которая формализует интенсиональные понятия и зависимости между ними. В основу модели положен метод анализа формальных понятий, при помощи которого фрагменты предметной области представляются в виде системы формальных контекстов. Структура понятий и связей между ними представляется в виде решеток формальных понятий, которая преобразуется в иерархическую семантическую сеть. Разработана интерактивная процедура извлечения знаний о понятиях предметной области, основанная на психологической методике построения репертуарных тестов (Келли). Разработан метод автоматической генерации вопросно-ответных соответствий по модели представления знаний. Предложена и обоснована технология построения интеллектуальных компонентов обучающих систем личностноориентированных на обучение знаниям.

Раздел 1 посвящен анализу состояния проблемы, классификации существующего обучающего программного обеспечения (ОПО), методологическому обоснованию и общему описанию разработанной технологии обучения знаниям. В работе предложена модель представления знаний, которая базируется на методах представления знаний в современных интеллектуальных системах: гипертекстовое представление, семантические сети, решетки понятий. Представление знаний в виде решеток понятий использует методы машинного обучения, в частности, метод анализа формальных понятий, методы индуктивного нахождения зависимостей и ассоциаций между понятиями предметной области. Методика извлечения знаний, используемая как для формирования эталонной модели знаний экспертом-предметником, так и для формирования когнитивной модели обучаемого, основана на косвенных методах извлечения знаний в вопросно-ответной форме.

Раздел 2 содержит описание модели представления знаний, описание методов формирования понятий предметной области и их представления в виде решетки понятий, процедуры поиска и анализа зависимостей на предметной области, методику извлечения знаний.

Раздел 3 содержит описание методики генерации тестовых вопросов, формирования когнитивной модели обучаемого, определения стратегии обучения. Контроль знаний и формирование стратегии обучения основаны на тестовых вопросах, процесс генерации которых частично автоматизирован.

В разделе 4 приводится описание функциональной структуры ИОС, а также алгоритмов, реализующих предлагаемую технологию.

В приложениях приведены подробные описания алгоритмов и листинги программных модулей их реализующих. Также приведены результаты обработки знаний исследованных предметных областей: математика, химия, правила дорожного движения, школьный курс географии.

Ключевые слова: интеллектуальный анализ информации, базы знаний, анализ формальных понятий, интеллектуальные обучающие системы

SUMMARY

Syrota S.V. Models and means for composing intelligent components of tutoring systems. - Manuscript.

Thesis for a Ph.D. science degree by specialty 05.13.06 - automatic control systems and advanced information technologies. - International Research and Training Center for Information Technologies and Systems, Kyiv, 2006.

The thesis is dedicated to the problems of composing the tutoring systems intelligent components based on the models of knowledge representation, witch formalize intentional concepts and relations between them. The formal concept analysis (FCA) is the fundamental for models. By means of FCA the parts of the subject domain are represented like formal context system. The concept's structure and relations are represented by concept lattices which can be transformed into hierarchical semantic network. The interactive procedure of knowledge acquisition which based on repertoire tests of Kelly is developed. The method of automatic generation question-answer correspondences is suggested on the model base. The composing technology of the intelligent personally oriented knowledge tutoring systems is reasoned.

Keywords: intelligent tutoring systems, knowledge base, Formal Concept Analysis, intelligent tutoring systems.

Размещено на Allbest.ur