В данной статье рассматриваются вопросы разработки экспертной системы для решения задач обучения, приводится ее структура экспертной системы. Проработана теоретическая часть экспертной системы. Разработана теоретическая и практическая часть базы данных для студентов технического, экономического и юридического факультетов вуза. Результаты, полученные с помощью экспертной системы, сопоставлены с реальным итоговым уровнем знаний выбранных студентов. Данная экспертная система позволяет оптимизировать процесс обучения, подбирать индивидуальный подход для каждого студента, составлять прогноз успешности обучения.
Получение качественного образования, улучшение и оптимизация процесса обучения, своевременная диагностика и прогнозирование успешности обучения - наиболее актуальные вопросы современного образования. Одним из перспективных направлений для решения задач, возникающих в процессе обучения, являются экспертные системы.
Цели создания экспертных систем – упрощение процедуры принятия решений, улучшение качества и повышение эффективности принимаемых решений, автоматизация некоторых рутинных направлений деятельности экспертов.
Данная статья посвящена вопросам разработки экспертной системы для решения задач обучения математическим дисциплинам (на примере отдельных факультетов КСТУ и КТК).
К основным классам задач, решаемых экспертной системой в процессе обучения, относятся: диагностика, прогнозирование, идентификация, управление, проектирование, мониторинг.
Решения, рекомендуемые экспертными системами, по обоснованности не должны уступать решениям эксперта-человека и обладать «прозрачностью», т.е. пользователь в случае необходимости может получить исчерпывающее объяснение о том, каким образом экспертная система приняла решение. Одно из основных преимуществ разрабатываемой экспертной системы по сравнению с традиционными информационными технологиями – возможность построения индивидуальной модели обучаемого субъекта в процессе обучения. Система, как бы настраиваясь под уровень знаний и психологические особенности пользователя, индивидуализирует подаваемую информацию и обучающие воздействия, повышая эффективность обучения.
Структура экспертной системы приведена на рисунке 1.
База знаний предназначена для хранения экспертных знаний о предметной области, используемых при решении задач экспертной системой и рекомендаций по повторению определенного раздела курса из «Информационно-методической» части экспертных систем (для корректировки знаний, ликвидации пробелов в знаниях и умениях).
База данных предназначена для хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с экспертной системой.
В данном случае база данных включает в себя контролирующую часть, которая состоит из:
- начального теста для оценки остаточных школьных знаний, необходимых для успешного освоения изучаемой дисциплины (в качестве оценки остаточных знаний можно использовать результаты ЕНТ, хотя они не в полной мере отражают уровень понятийного состава знаний обучаемого);
- тестов по основным понятиям учебных дисциплин;
- тестов на приемы и методы решения основных типов задач и информационно-методическую часть, состоящую из:
- теории по изучаемым разделам курсов с разбором типичных задач;
- сборников задач для самостоятельного решения с ответами.
Машина логического вывода - механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти.
Подсистема общения служит для введения диалога с пользователем, в ходе которого экспертная система запрашивает у пользователя необходимые факты для процесса рассуждения, а также дает возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной системы.
Подсистема объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и, может быть, учиться у экспертной системы. Если не будет этой подсистемы, экспертная система выглядит для пользователя как «вещь в себе», решениям которой можно, либо верить, либо нет.
Подсистема приобретения знаний служит для корректировки и пополнения базы знаний. В простейшем случае - это интеллектуальный редактор базы знаний, в более сложных экспертных системах - средства для извлечения знаний из баз данных, неструктурированного текста, графической информации и т.д.
Часть проекта, включающая в себя диагностику в процессе обучения и диагностирование обучаемости, разработку модели обучаемого с возможностью прогноза успешности обучения, на данный момент разрабатывается. Идентификация разработанной части системы производится по данным исследованиям на экономическом и техническом факультетах КСТУ и КТК.
Рассмотрим некоторые теоретические аспекты проекта. Самая трудоемкая часть (по времени, адекватности экспертных оценок, по методическому обеспечению и т.п.) – диагностика.
Диагностика есть прояснение всех обстоятельств протекания дидактического процесса, точное определение его результатов. А эффективное управление дидактическим процессом, достижений оптимальных результатов в конкретных условиях не возможно без диагностики.
Цель дидактического диагностирования – своевременное выявление, оценивание и анализ течения учебного процесса в связи с его продуктивностью. При диагностировании обученности можно рассматривать достигнутые результаты и обучаемость (обученность оценивается как достигнутый на момент диагностирования уровень реализации намеченной цели). Количественное значение уровня обученности определяется через соотношение между фактическими усвоенными знаниями, умениями и общим объемом этих знаний, умений, предложенных для усвоения.
Обучаемость – это способность студента овладеть заданным содержанием обучения.
Важнейшими компонентами обучаемости являются:
- потенциальные возможности обучаемого (восприимчивость, готовность к умственному труду, способность учиться, успешность познавательной деятельности);
- фонд действенных знаний (широта знаний, общая эрудиция, уровень усвоения знаний);
- обобщенность мышления (сила, гибкость, самостоятельность, экономичность, ответственные за качество – глубину и эффективность познавательного процесса);
- темпы продвижения в обучении (полностью определяются предыдущими компонентами, преимущества личности, имеющей более высокую обучаемость, перед личностью более низкой характеристикой данного качества практически сводится к разнице в темпах (времени) усвоения знаний, продвижения в обучении и приросте результатов).
Именно темпы продвижения в обучении являются определяющей характеристикой обучаемости, поэтому по завершении проведения очередного диагностирования вычислить темпы прироста результатов, так как этот показатель характеризует динамику обучаемости и позволяет оперативно учесть изменения, происходящие в учебном процессе (повышение, стабилизация или снижение результативности).
Показатель прироста результатов позволит судить о скорости процесса, его направленности и характере и может быть выражен как отношение последующих достижений к предыдущим, выраженное в процентах.
Таким образом, в диагностику вкладывается более глубокий смысл, чем в традиционную проверку знаний, умений обучаемых. Если проверкапреимущественно только констатирует результаты, не объясняя их происхождения, то диагностирование рассматривает результаты с целью найти пути, способы их достижения, выявления тенденции, динамики формирования продуктов обучения. Диагностирование включает в себя контроль успеваемости, проверку, оценивания знаний и умений, накопление статистических данных, их анализ, выявление динамики, тенденций, прогнозирование дальнейшего развития процесса обучения.
Для проведения диагностики разработан ряд тестов по основным темам дисциплины «Математика» для студентов экономического и технического факультетов вуза.
Для составления прогноза разрабатывается эмпирическая модель успешности обучения. С использованием данной модели можно составить прогнозы успешности обучения по математике для отдельных учащихся.
Включение данной модели в экспертную систему позволит прогнозировать успешность обучения.
Даная экспертная система позволит оптимизировать процесс обучения, подбирать индивидуальный подход для каждого студента, делать прогноз успешности обучения, отслеживать динамику усвоения знаний, измерять комплексное воздействие вуза на процесс овладения знаниями, проводить сравнительный анализ и оценивать эффективность методики преподавания на различных ступенях обучения и направлениях, корректировать формы и методы обучения.
ЛИТЕРАТУРА
- Прологе: Пер. с англ. - М.: Финансы и статистика, 2005.
- Зубов В. В., Макушкин В. А., Оглоблин А. Г. Экспертная система. Средства связи. - №3, 2000. - С. 32-36.
- Зубов В. В., Макушкин В. А. Экспертная система диагностирования., М.: МДНТП, 2005. - С. 115-120.
- Макушкин В. А., Щербицкий К. А. Экспертная система для контроля и диагностирования устройств.Новые информационные технологии в планировании, управлении и в производстве, М.: МДНТП, 2001. - С. 121-125.
- Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапт М. Д.Статические и динамические экспертные системы. М.: Финансы и статистика, 2003.
- Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2003.
- Муромцев Д.И. Введение в технологию экспертных систем. СПб: СПб ГУ ИТМО, 2005.
- В.О. Сафонов. Экспертные системы – интеллектуальные помощники специалистов. – СПб.: Санкт-Петербургская организация общества «Знания Росси», 2007.