Экспертные и интеллектуальные обучающие системы. Экспертные обучающие системы Стоимость экспертных систем

УДК 004.891.2

ИСПОЛЬЗОВАНИЕ ЭКСПЕРТНЫХ СИСТЕМ В ОБРАЗОВАНИИ1

М.С. Чванова, И.А. Киселева, А.А. Молчанов, А.Н. Бозюкова

Тамбовский государственный университет имени Г.Р. Державина Россия, г. Тамбов. e-mail: [email protected]

В статье рассматриваются проблемы применения и разработки экспертных систем в образовании, а также конкретные примеры использования таких систем. Авторы считают необходимым применение аппарата нечеткой логики для проектирования и разработки интеллектуальной подсистемы.

Ключевые слова: информационные технологии, экспертная система, нечеткая логика, система образования.

Изучение исследований по проблеме показало, что в начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы» (ЭС). Исследователи в области ЭС для названия своей дисциплины часто используют также термин «инженерия знаний», введенный Е. Фейгенбаумом . Экспертные системы (ЭС) - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. Название обусловлено тем, что они как бы имитируют людей, являющихся экспертами.

Каждая экспертная система состоит из трех частей: очень большой базы современных данных, подсистемы формирования вопросов и совокупности правил, позволяющих делать выводы. Некоторые экспертные системы могут рассказать о методе, который они используют при выработке своего заключения.

В нашей стране современное состояние разработок в области экспертных систем можно охарактеризовать как стадию всевозрастающего интереса среди широких слоев экономистов, финансистов, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. К сожалению, этот интерес имеет недостаточное материальное подкрепление: явная нехватка учебников и специальной литературы, отсутствие символьных процессоров и рабочих станций искусственного интеллекта, ограниченное фи-

1 Тема поддержана в рамках Программы Минобрнауки «Проведение научных исследований молодыми учеными - кандидатами наук» № 14.В37.21.1141, 20122013 гг.

нансирование исследований в этой области, слабый отечественный рынок программных продуктов для разработки экспертных систем, а высокая стоимость имеющихся делает их применение и анализ эффективности применения практически недоступным.

Общеизвестно, что процесс создания экспертной системы требует участия высококвалифицированных специалистов в области искусственного интеллекта, которых пока выпускает небольшое количество высших учебных заведений страны.

Анализ теоретических исследований и педагогической практики показал, что недостаточное внимание уделяется разработкам экспертных систем в системе дистанционного образования. Экспертные системы в области образования чаще всего используются для построения базы знаний, которая позволяет отразить минимально необходимое содержание предметной области с учетом ее количественной и качественной оценок.

Исследования в области применения и разработки экспертных систем в образовании, как мы полагаем, условно можно разделить на три группы. К первой группе представляется возможным отнести авторов, исследующих теоретико-педагогические аспекты применения экспертных систем в образовании. Ко второй группе - авторов, которые разработали конкретные экспертные обучающие системы совместно с преподавателями на основе известных технологий. К третьей группе - авторов, которые исследуют новые подходы к созданию экспертных систем в образовании.

Исследования в области применения и разработки экспертных систем в образова-

нии, как мы полагаем, условно можно разделить на три группы. К первой группе представляется возможным отнести авторов, исследующих теоретико-педагогические аспекты применения экспертных систем в образовании. Ко второй группе - авторов, которые разработали конкретные экспертные обучающие системы совместно с преподавателями на основе известных технологий. К третьей группе - авторов, которые исследуют новые подходы к созданию экспертных систем в образовании.

Рассмотрим первую группу публикаций, анализирующих теоретико-педагогические аспекты применения экспертных систем.

В исследовании Н.Л. Юговой сконструировано содержание профильного обучения с применением экспертной системы. Автор рассматривает экспертную систему для проведения диагностики по уровням обученности и профессиональным предпочтениям обучающихся, которая реализована на основе построения фреймовой модели профильной учебной информации, установления субъект-субъектных взаимоотношений участников образовательного процесса: обучающегося, учителя, педагога-когнитолога.

Н.М. Антипиной разработана технология формирования профессиональных методических умений в ходе самостоятельной работы студентов педагогических вузов с применением экспертной системы. Специализированная обучающая экспертная система, разработанная автором, способна в ходе самостоятельной работы студентов за компьютером выдавать индивидуальные задания различных уровней трудности, вырабатывать рекомендации по способам их выполнения, оказывать помощь в виде консультаций, осуществлять контроль знаний и умений студентов на различных стадиях выполнения ими методических заданий и т.п.

Н.Л. Кирюхиной разработана модель экспертной системы диагностики знаний студентов по психологии. Автор рассматривает экспертную систему для решения задачи диагностики психологических знаний студентов, проверки гипотез о правильности ответов студента, степени усвоения материала по разным темам курса. И.В. Гречиным реализуется новый подход к использованию экспертной системы в технологии обучения.

Он предлагает систему, которая при использовании обратной связи в интерактивном режиме генерирует и отслеживает последовательность цепочки рассуждений при обучении.

Н.А. Барановой рассматривается вопрос о применении экспертных систем в непрерывном педагогическом образовании. Экспертная система структурирует учебную информацию и создает индивидуальные учебные планы для каждого студента при сокращенных сроках обучения, что повышает эффективность процессов обучения, преподавания и самообразования.

A.Б. Андреев, В.Б. Моисеев, Ю.Е. Усачев используют экспертные системы для анализа знаний обучающихся в среде открытого образования. Анализ качества знаний проводится с помощью экспертной системы анализа знаний. Для реализации такой системы авторами рассматривается структурный подход к созданию интеллектуальных обучающих и контролирующих компьютерных систем. Таким образом, данный подход позволяет разрабатывать эффективные средства анализа знаний обучающихся на основе использования структурной модели учебного материала. Структурной единицей совокупности знаний в предложенной модели является понятие, обладающее содержанием и объемом.

Е.В. Мягковой рассматривается возможность применения экспертных систем как информационных технологий в сфере высшего образования. По мнению автора, экспертность заключается в наличии в экспертной обучающей системе знаний по методике обучения, благодаря которым она помогает преподавателям обучать, а учащимся - учиться. Главной целью реализации экспертной обучающей системы, по мнению автора статьи, является обучение и оценка текущего уровня знаний студента относительно уровня знаний преподавателя. Таким образом, сравнение двух решеток (эталонной, отражающей представления преподавателя, и решетки, заполненной обучаемым в ходе диалога) позволяет оценить различия в представлениях преподавателя и обучаемого.

B.М. Московкиным построена имитационная экспертная система выбора университетов для обучения. Автором проведен краткий обзор зарубежных исследований в

области моделирования процессов принятия решения о выборе колледжей и университетов для дальнейшего обучения. На концептуальном уровне построена соответствующая имитационная экспертная система.

Рассмотрим вторую группу публикаций, в которых рассматриваются разработанные совместно с преподавателями экспертные системы для образования на основе известных технологий.

Е.Ю. Левиной разработана внутри-вузовская диагностика качества обучения на основе автоматизированной экспертной системы, применение которой сводится, по сути, к диагностике качества учебного процесса в вузе, позволяющей на основе информационных средств и математических методов управлять базами данных для осуществления процедур исследования и анализа статистики результатов учебного процесса, выработке рекомендаций для принятия управленческих решений по обеспечению качества образования.

М.А. Смирновой разработана экспертная система для оценки качества педагогической подготовки будущего учителя, которая сводится к оценке качества его подготовки в школе, позволяющей исследовать уровень подготовленности педагога.

Л.С. Болотовой на основе технологии экспертных систем ситуационного управления реализуется адаптивное дистанционное обучение принятию решений. В качестве инструментальных программных средств разработаны экспериментальные образцы инструментальных проблемных предметно-ориентированных экспертных систем ситуационного управления муниципальными образованиями и малым бизнесом на основе разработанного ситуационного тренажера - имитатора.

Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования, разработанная О.Г. Берестневой и О.В. Ма-рухиной позволяет выделить наиболее обоснованные утверждения специалистов-экспер-тов и использовать их, в конечном счете, для подготовки различных решений. Разработанный авторами и описанный в статье универсальный программный продукт позволяет наиболее оптимально решать задачу оценки качества образовательного процесса по результатам экспертного оценивания.

Е.Ф. Снижко рассмотрена методика применения экспертных систем для корректировки процесса обучения и оценки эффективности педагогических программных средств. В ходе исследования автором разработан экспериментальный фрагмент педагогического программного средства по изучению языка Пролог для учащихся 9 класса средней школы с целью демонстрации основных моментов разрабатываемой методики и ее экспериментальной проверки. Встроенная в педагогическое программное средство экспертная система была доведена до уровня демонстрационного прототипа.

Анализ литературы по данному направлению показал, что одним из подходов к созданию экспертных систем являются попытки предложить использовать методы нечеткой логики, основанные на теории нечетких множеств.

В.С. Тоискин выделяет несколько причин, на основании которых предпочтение отдается применению систем именно с нечеткой логикой:

Она концептуально легче для понимания;

Это гибкая система и устойчива к неточным входным данным;

Она может моделировать нелинейные функции произвольной сложности;

В ней учитывается опыт специали-стов-экспертов;

Она основана на естественном языке человеческого общения.

И.В. Солодовников, О.В. Рогозин, О.В. Шу-руев рассматривают общие принципы построения программного комплекса, способного производить комплексную успеваемость студентов в семестре с помощью экспертной системы, с использованием элементов аппарата нечеткой логики.

Посещение лекций. Оценка посещаемости рассчитывалась по среднему арифметическому всех имеющихся оценок;

Работа на семинаре. Оценка работы проводилась аналогичным образом;

Выполнение контрольных работ. Оценка выполнения контрольных работ проводилась с учетом коэффициента сложности;

Выполнение домашнего задания. Оценка выполнения проводилась аналогичным образом.

Для оценки успеваемости авторы использовали лингвистические переменные: «посещал лекции», «работал на семинаре», «выполнял контрольные работы», «выполнял домашнее задание». Характеристиками данных переменных являлись понятия «активность», «эффективность», «оценка». Такой подход дает возможность проанализировать работу студента и на основе сформулированных критериев оценить эффективность качества знаний студента.

На основе моделей нечеткой логики И.В. Самойло, Д.О. Жуков рассматривают проблему создания экспертных систем, позволяющих давать рекомендации по профессиональной ориентации конкретному абитуриенту.

Группа переменных (О) - оценки. В общем случае для группы переменных О можно записать О = {О1, О2, О3, ..., Оп}.

Группа переменных (С) - психологические тесты, направленные на выявление способностей, связанных с обучением и интеллектом.

Группа переменных (Ц) - характеристики личности обучаемого.

Группа переменных (М) - результаты диагностики сферы интересов обучаемого: М = {т1, т2, ...,тк}.

Таким образом, прототип такой системы позволил сформировать механизм управления кафедральным выбором:

Абитуриент заходит на стартовую страницу системы, заносит школьные оценки и (или) вносит результаты единого государственного экзамена, результаты текущей успеваемости, система проводит оценку достоверности результата с помощью нечеткой логики;

Пользователь проходит тестирование психологических особенностей личности и способности к обучению, сферы интересов с

оценкой достоверности результата с помощью нечеткой логики;

Автоматизированная экспертная система (АЭС) проверяет, соответствует ли данный абитуриент требованиям кафедры (учебного заведения). Если «да», то с помощью управляющей образовательной среды корректируются знания пользователя, создаются оптимальные условия преодоления кафедрального «барьера», кроме этого у пользователя есть возможность отказаться от борьбы за интересующую его кафедру и продолжить образование на той кафедре, на которой позволяют его достижения;

Последующие тестирования проходят раз в полгода. Результаты тестирования помогают отследить динамику развития студента, выбрать оптимальную стратегию формирования будущего профессионала.

О.А. Мелиховым рассматривается вопрос о возможности реализации экспертной системы мониторинга образовательного процесса вуза на основе нечеткого подхода к моделированию интеллектуальных систем. В данном подходе используются «лингвистические» переменные, отношения между которыми описываются с помощью нечетких высказываний и нечетких алгоритмов.

Построение системы мониторинга учебного процесса включает этапы:

Формулировка целей обучения, определение уровня требований каждого преподавателя (высший, средний, низший);

Построение системы мониторинга, определение степени обученности по каждой дисциплине. Показатели: различение, запоминание, понимание, элементарные умения и навыки, перенос знаний;

Определение фактической эффективности деятельности преподавателя на основании показателей степени обученности учащихся. Основными показателями эффективности деятельности преподавателя являются прочность, глубина и осознанность знаний обучаемых. Эти же показатели определяют качество образования.

Д.И. Попов в своей работе рассматривает интеллектуальную систему дистанционного обучения (ИСДО) «KnowledgeCT» на базе интернет-технологий, которую планируется использовать в учебных целях Центра дистанционного образования. Она позволяет

производить не только оценку знаний, но и осуществлять сбор данных о студентах, что необходимо для создания математических моделей обучаемого, сбора статистики.

Оценка знаний производится с помощью системы адаптивного тестирования, базирующейся на методах и алгоритмах нечеткой логики: для каждого уровня сложности эксперту по дисциплине (преподавателю) необходимо разработать соответствующий набор вопросов. Подобная система позволяет сделать процесс обучения более гибким, учесть индивидуальные особенности обучаемого и повысить точность оценки знаний студента.

В.М. Курейчик, В.В. Марков, Ю.А. Кравченко в своей работе исследуют подход к проектированию интеллектуальных систем дистанционного обучения на основе правил и технологий вывода, основанных на прецедентах.

Экспертные системы моделируют процесс принятия экспертом решения как дедуктивный процесс с использованием вывода, основанного на правилах. В систему закладывается совокупность правил, согласно которым на основании входных данных генерируется заключение по адекватности предложенной модели. Есть недостаток: дедуктивная модель эмулирует один из наиболее редких подходов, которому следует эксперт при решении проблемы.

Вывод, основанный на прецедентах, делает заключения по результатам поиска аналогий, хранящихся в базе прецедентов. Данный метод эффективен в ситуациях, когда основным источником знаний о проблеме или ситуации является опыт, а не теория; решения не уникальны для конкретной ситуации и могут быть использованы в других для решения аналогичных задач; целью вывода является не гарантированное верное решение, а лучшее из возможных. Реализация данной технологии вывода может быть осуществлена с применением нейросетевых алгоритмов.

Анализ литературы по проблеме использования экспертных систем в системе дистанционного обучения показал, что данное направление мало изучено и только развивается, о чем свидетельствует небольшое количество публикаций исследователей-педа-гогов, работающих в указанном проблемном поле. Публикации по данному направлению носят, в основном, прогнозный характер.

Отмечается интерес к распределенным интеллектуальным системам в системе дистанционного обучения, вместе с тем, не совсем ясно как можно эффективно организовать образовательный процесс, чтобы он приводил к желаемому качеству образования. Видимо, речь должна идти, прежде всего, о построении педагогических образовательных моделей в системе открытого образования.

По нашему мнению, проблема обусловлена тем, что значительная часть исследователей в области технологий дистанционного обучения переносят известные в практике методы и приемы, наполняя ими дистанционное обучение. Вместе с тем, совершенно очевидно, что новые технологии в образовании должны опираться на принцип «новых задач». Передовые технологии несут в себе новое решение, новые методы, новые подходы, новые возможности, еще не известные системе образования. Сейчас стало очевидным, что «традиционная лекция» и «традиционный учебник» малоэффективны при дистанционном обучении. Нужен организованный и направленный доступ к динамичным системам актуальной информации, нужны доступные в любое время «автоматизированные консультации», нужны новые способы и приемы организации совместной проектной деятельности и многое другое.

К настоящему времени накоплен определенный опыт в передаче части интеллектуальных функций по организации и проведению образовательного процесса в системе открытого образования средствам информатизации.

Так, Г.А. Самигулиной приводится пример интеллектуальной экспертной системы дистанционного обучения на основе искусственных иммунных систем, которая позволяет в зависимости от принадлежности обучаемого к определенной группе оценить его интеллектуальный потенциал и в соответствии с ним оперативно предоставить индивидуальную программу обучения. На выходе комплексная оценка знаний, дифференциация студентов и прогноз качества полученного образования. Группы определяются экспертами и соответствуют определенным знаниям, практическим навыкам, творческим способностям, логическому мышлению и т.д. Разработанная экспертная система подразумевает реализацию подсистем:

- «Информационная подсистема» -разработка методов и средств хранения информации, разработка баз данных, баз знаний. Включает электронные учебники, справочки, каталоги, библиотеки и т.д.;

- «Интеллектуальная подсистема» -обучение иммунной сети, обработка многомерных данных в режиме реального времени. Применение алгоритма оценок энергий связи на основе свойств гомологичных пептидов позволяет уменьшить ошибки при прогнозировании интеллектуальной системы, что позволяет производить обучение студентов в соответствии с их индивидуальными особенностями;

- «Обучающая подсистема» осуществляет разработку методов, средств и форм подачи обучающей информации, адаптированной на конкретного пользователя с учетом его индивидуальных характеристик. Составляется график выполнения объема требуемых работ и сроки реализации;

- «Контролирующая подсистема» предназначена для комплексной оценки знаний обучающегося с целью оперативной корректировки программы и процесса обучения.

Таким образом, в результате оперативного анализа знаний огромного числа обучающихся можно быстро корректировать процесс обучения, так как экспертная система предлагает индивидуальную программу обучения.

Анализ исследований экспертных систем в области дистанционного образования показал, что это новое и актуальное направление в науке, которое мало изучено. Зачастую под экспертной системой педагогами понимается тестирование студентов в той или иной системе дистанционного образования и экспертиза их знаний.

Так, А.В. Зубовым и Т.С. Денисовой разработаны комплексные экспертные интернет-системы для дистанционного обучения на основе системы дистанционного обучения «Finport Training System». В системе имеется возможность разрабатывать учебные курсы, проводить обучение и аттестацию и одновременно анализировать результаты и эффективность обучения на основе тестов, разработанных высококвалифицированными специалистами.

В.Г. Никитаевым и Е.Ю. Бердникови-чем разработаны мультимедийные кур-

сы дистанционного обучения врачей по гистологической и цитологической диагностике с применением экспертных систем на базе системы управления контентом Moodle. Система позволяет добавлять курсы в контент и на основе тестирования проверять уровень усвоение материала в зависимости от ответа студентов.

Таким образом, в системах дистанционного обучения имеется возможность произвести экспертную оценку знаний на основе разработанных специалистами тестовых заданий.

Вместе с тем, по нашему мнению, технологии дистанционного обучения требуют использования множества подсистем для снятия рутинной нагрузки с организаторов и преподавателей-тьюторов. Эта нагрузка увеличивается в связи с тем, что человек выбирает для себя свой ритм, темп и время обучения. Индивидуализация требует развитой автоматизированной системы «интеллектуальных» подсказок, помощи, консультаций в течение всего периода дистанционного обучения и при использовании разных образовательных методов и приемов: лекции, практики, проектной деятельности, конференции и др. Только уникальные вопросы адресуются преподавателю эксперту. На основе анализа публикаций и личной практики организации дистанционного обучения мы пришли к выводу о том, что указанные выше интеллектуальные подсистемы могут быть организованы на разной теоретической и программной основе в виде подключаемых к системе отдельных модулей. Это связано с тем, что подсистемы несут разную интеллектуальную «нагрузку»: где-то достаточно использовать традиционную логику при проектировании конкретной подсистемы, а в другом случае удобно создавать подсистему с использованием аппарата нечеткой логики.

Список литературы

1. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. М.: Финансы и статистика, 2006.

2. Югова Н.Л. Конструирование содержания профильного обучения с применением экспертной системы: автореф. дис. ... канд. пед. наук. Ижевск, 2006.

3. Антипина Н.М. Технология формирования профессиональных методических умений в ходе самостоятельной работы студентов педаго-

гических вузов с применением экспертной системы: дис. ... канд. пед. наук. М., 2000.

4. Кирюхина Н.Л. Модель экспертной системы диагностики знаний студентов по психологии: дис. ... канд. психол. наук. М., 1998.

5. Гречин И.В. Новый подход к экспертной системе в технологии обучения // Известия ТРТУ. Тематический выпуск «Интеллектуальные САПР». Таганрог: ТРТУ, 2001. № 4.

6. Баранова Н.А. К вопросу о применении экспертных систем в непрерывном педагогическом образовании // Образование и наука. 2008. № 4. С. 24-28.

7. Моисеев В.Б., Андреев А.Б. Внутривузовская система обеспечения качества подготовки специалистов // Инженерное образование.

2005. № 3. С. 62-74.

8. Мягкова Е.В. Роль и возможность примене-

ния экспертных систем как информационных технологий в сфере высшего образования // Информационные технологии в проектировании и производстве: научно-технический

журнал. 2008. № 1. С. 13-15.

9. Московкин В.М. Имитационная экспертная система выбора университетов для обучения // НТИ. Серия 2. 2009. № 10. С. 19-21.

10. Левина Е.Ю. Внутривузовская диагностика качества обучения на основе автоматизированной экспертной системы: автореф. дис. ... канд. пед. наук. Казань, 2008.

11. Смирнова М.А. Применение экспертной системы для оценки качества педагогической подготовки будущего учителя: дис. ... канд. пед. наук. Тула, 1997.

12. Болотова Л.С. [и др.] Адаптивное дистанционное обучение принятию решений на основе технологии экспертных систем ситуационного систем ситуационного управления муниципальными образованиями и малым бизнесом // Научные исследования. Вып. 5. Ежегодный отчет об основных результатах научно-исследовательских работ, 2003. М., 2004.

13. Берестнева О.Г., Марухина О.В. Компьютерная система принятия решений по результатам экспертного оценивания в задачах оценки качества образования // Материалы региональной научно-методической конференции «Современное образование: системы и практика обеспечения качества», Томск, 29-30 янв. 2002 г. Томск, 2002. С. 29-30.

14. Снижко Е.А. Методика применения экспертных систем для корректировки процесса обучения и оценки эффективности ППС: дис. ... канд. пед. наук. СПб., 1997.

15. Тоискин В.С. Интеллектуальные информационные системы: учебное пособие. Ставрополь: Изд-во СГПИ, 2010. Ч. 2.

16. Экспертная система оценки эффективности обучения на основе математического аппарата нечеткой логики / И.В. Солодовников [и др.] // Качество. Инновации. Образование. 2006. № 1. С. 19-22.

17. Самойло И.В., Жуков Д.О. Информационные технологии в обеспечении нового качества высшего образования // Сборник научных статей. Кн. 2. Труды Всероссийской научнопрактической конференции с международным участием «Информационные технологии в обеспечении нового качества высшего образования (14-15 апр. 2010 г., Москва, НИТУ «МИСиС»)». М.: Исследовательский центр проблем качества подготовки специалистов НИТУ «МИСиС», 2010. С. 89-95.

18. Мелихова О.А., Мелихова З.А. Использование нечеткой математики при моделировании систем искусственного интеллекта // Тематический выпуск «Интеллектуальные САПР»: в 2 т. Таганрог: Изд-во ТРТУ, 2007. С. 113-119.

19. Попов Д.И. Проектирование интеллектуальных систем дистанционного образования // Известия Южного федерального университета. Серия: Технические науки. 2001. Т. 22. № 4. С. 325-332.

20. Астанин С.В. [и др.] Интеллектуальная образовательная среда дистанционного обучения // Новости искусственного интеллекта. 2003. № 1.

21. Самигулина Г.А. Интеллектуальная экспертная система дистанционного обучения на основе искусственных иммунных систем // Информационные технологии моделирования и управления. 2007. Вып. 9 (43). С. 1019-1024.

22. Зубов А.В., Денисова Т.С. Создание комплексных экспертных Интернет-систем для дистанционного обучения // Информатизация образования и науки. М.: Г осударственный научноисследовательский институт информационных технологий и телекоммуникаций, 2010.

23. Никитаев В.Г., Бердникович Е.Ю. Разработка мультимедийных курсов дистанционного обучения врачей по гистологической и цитологической диагностике с применением экспертных систем // Фундаментальные исследования: научный журнал. 2007. № 12. С. 334-334.

1. Andrejchikov A.V., Andrejchikova O.N. Intel-lektual"nye informacionnye sistemy. M.: Finansy i statistika, 2006.

2. Jugova N.L. Konstruirovanie soderzhanija pro-fil"nogo obuchenija s primeneniem ekspertnoj sis-temy: avtoref. dis. ... kand. ped. nauk. Izhevsk,

3. Antipina N.M. Tehnologija formirovanija profes-sional"nyh metodicheskih umenij v hode samosto-jatel"noj raboty studentov pedagogicheskih vuzov

s primeneniem ekspertnoj sistemy: dis. ... kand. ped. nauk. M., 2000.

4. Kirjuhina N.L. Model" ekspertnoj sistemy diag-nostiki znanij studentov po psihologii: dis. ... kand. psihol. nauk. M., 1998.

5. Grechin I.V. Novyj podhod k jekspertnoj sisteme v tehnologii obuchenija // Izvestija TRTU. Tema-ticheskij vypusk «Intellektual"nye SAPR». Taganrog: TRTU, 2001. № 4. S. 343-344.

6. Baranova N.A. K voprosu o primenenii ekspertnyh sistem v nepreryvnom pedagogicheskom obrazo-vanii // Obrazovanie i nauka. 2008. № 4. S. 24-28.

7. Moiseev V.B., Andreev A.B. Vnutrivuzovskaja sistema obespechenija kachestva podgotovki specialistov // Inzhenernoe obrazovanie. 2005. № 3. S. 62-74.

8. Mjagkova E.V. Rol" i vozmozhnost" primenenija

ekspertnyh sistem kak informacionnyh tehnologij v sfere vysshego obrazovanija // Informacion-nye tehnologii v proektirovanii i proizvodstve: nauchno-tehnicheskij zhurnal. 2008. № 1.

9. Moskovkin V.M. Imitacionnaja ekspertnaja sistema vybora universitetov dlja obuchenija // NTI. Serija 2. 2009. № 10. S. 19-21.

10. Levina E.Ju. Vnutrivuzovskaja diagnostika kachestva obuchenija na osnove avtomatizirovan-noj ekspertnoj sistemy: avtoref. dis. ... kand. ped. nauk. Kazan", 2008.

11. Smirnova M.A. Primenenie ekspertnoj sistemy dlja ocenki kachestva pedagogicheskoj podgotovki budushhego uchitelja: dis. ... kand. ped. nauk. Tula, 1997.

12. Bolotova L.S. . Adaptivnoe distancionnoe obuchenie prinjatiju reshenij na osnove tehnologii ekspertnyh sistem situacionnogo sistem situacion-nogo upravlenija municipal"nymi obrazovanijami i malym biznesom // Nauchnye issledovanija. Vyp.

5. Ezhegodnyj otchet ob osnovnyh rezul"tatah nauchnoissledovatel"skih rabot, 2003. M., 2004.

13. Berestneva O.G., Maruhina O.V. Komp"juternaja sistema prinjatija reshenij po rezul"tatam jeks-pertnogo ocenivanija v zadachah ocenki kachest-va obrazovanija // Materialy regional"noj nauch-no-metodicheskoj konferencii «Sovremennoe ob-razovanie: sistemy i praktika obespechenija ka-chestva», Tomsk, 29-30 janv. 2002 g. Tomsk, 2002. S. 29-30.

14. Snizhko E.A. Metodika primenenija jekspertnyh sistem dlja korrektirovki processa obuchenija i ocenki jeffektivnosti PPS: dis. ... kand. ped. nauk. SPb., 1997.

15. Toiskin V.S. Intellektual"nye informacionnye sistemy: uchebnoe posobie. Stavropol": Izd-vo SGPI, 2010. Ch. 2.

16. Solodovnikov I.V. Ekspertnaja sistema ocenki jeffektivnosti obuchenija na osnove ma-

tematicheskogo apparata nechetkoj logiki // Kachestvo. Innovacii. Obrazovanie, 2006. № 1.

17. Samojlo I.V., Zhukov D.O. Informacionnye tehnologii v obespechenii novogo kachestva vys-shego obrazovanija // Sbornik nauchnyh statej. Kn. 2. Trudy Vserossijskoj nauchno-praktiche-skoj konferencii s mezhdunarodnym uchastiem «Informacionnye tehnologii v obespechenii no-vogo kachestva vysshego obrazovanija (14-15 apr. 2010 g., Moskva, NITU «MISiS»)». M.: Issledo-vatel"skij centr problem kachestva podgotovki specialistov NITU «MISiS», 2010. S. 89-95.

18. Melihova O.A., Melihova Z.A. Ispol"zovanie nechetkoj matematiki pri modelirovanii sistem iskusstvennogo intellekta // Tematicheskij vypusk «Intellektual"nye SAPR»: v 2 t. Taganrog: Izd-vo TRTU, 2007. S. 113-119.

19. Popov D.I. Proektirovanie intellektual"nyh sistem distancionnogo obrazovanija // Izvestija Juzhno-go federal"nogo universiteta. Serija: Tehnicheskie nauki. 2001. T. 22. № 4. S. 325-332.

20. Astanin S.V. Intellektual"naja obrazova-tel"naja sreda distancionnogo obuchenija // No-vosti iskusstvennogo intellekta. 2003. № 1.

21. Samigulina G.A. Intellektual"naja jekspertnaja sistema distancionnogo obuchenija na osnove iskusstvennyh immunnyh sistem // Informacion-nye tehnologii modelirovanija i upravlenija.

2007. Vyp. 9 (43). S. 1019-1024.

22. Zubov A.V., Denisova T.S. Sozdanie kompleks-nyh ekspertnyh Internet-sistem dlja distancion-nogo obuchenija // Informatizacija obrazovanija i nauki. M.: Gosudarstvennyj nauchnoissledova-tel"skij institut informacionnyh tehnologij i tele-kommunikacij, 2010.

23. Nikitaev V.G., Berdnikovich E.Ju. Razrabotka mul"timedijnyh kursov distancionnogo obuchenija vrachej po gistologicheskoj i citologicheskoj diagnostike s primeneniem ekspertnyh sistem // Fundamental"nye issledovanija: nauchnyj zhur-nal. 2007. № 12. S. 334-334.

USE OF EXPERT SYSTEMS IN EDUCATION

M.S. Chvanova, I.A. Kiseleva, A.A. Molchanov, A.N. Bozyukova Tambov State University named after G.R. Derzhavin Tambov, Russia. e-mail: [email protected]

The article considers the problems of use and development of expert systems in education, as well as actual examples of use of such systems. The authors consider it necessary to use fuzzy logic to design and develop an intelligent subsystem.

Key words: information technologies, expert system, fuzzy logic, system of education.

Экспертная обучающая система

Введение

В настоящее время в связи с бурным развитием интернет-технологий появляются все новые интерактивные сервисы для Internet и Intranet -сетей, как например, дистанционное обучение. Система дистанционного обучения является достаточно популярной формой образования в мире в тех странах, в которых достаточно высокий уровень развития средств коммуникации на базе вычислительной техники. Подготовка современных специалистов требует организации учебного процесса с использованием этих новых информационных технологий и с применением систем, основанных на знаниях - экспертных систем (ЭС).

Применение ЭС для оценки уровня знаний обучаемых в системах тестирования определяет важный блок компьютерных программ - экспертно-обучающие системы (ЭОС).

Экспертно-обучающие системы - это компьютерные программы, имеющие основные компоненты ЭС, но у которых дополнительно расширена компонента объяснения. Такие системы основываются как на знаниях экспертов ПО, так и на знаниях экспертов по методике обучения. Кроме того, они имеют компоненту адаптации изложения учебного материала к обучаемому в зависимости от его подготовленности. И как минимум имеется несколько стратегией обучения, уровень детализации которых зависит от активности обучаемого в диалоге с системой .

Использование ЭОС в качестве тестирующего средства для определения качества знаний ученика, студента также имеет огромное значение в обучении. Поскольку при таком тестировании на ученика не воздействует субъективный фактор, то есть итоги тестирования не зависят от личностных особенностей экзаменатора и тестируемого. А учителю использование единых тестов позволяет объективно оценить уровень подготовки учеников.

1. Актуальность темы

В связи с широким распространением использования компьютеров возрастает роль компьютерного обучения, методика которого повышает интеллектуальные способности обучаемого и самостоятельность принятия решения. А такие качества наиболее востребованы в условиях конкурентоспособной экономики и способствуют образовательно- профессиональному росту. Имеются проблемы создания эффективных систем обучения, также как и создание новых форм и способов представления учебного материала, поиска новых педагогических приемов и средств преподавания . Одним из направлений повышения эффективности обучения, усвоения информации и сокращения затрат на сам процесс обучения является разработка и использование автоматизированных экспертных обучающих систем. В данное время есть множество терминов, обозначающих автоматизированную экспертную обучающую систему, которые, по сути, являются аналогичными .

Самые популярными из них являются системы дистанционного обучения, компьютерная обучающая система и другие. Для объяснения всего смысла перечисленных выше терминов можно привести следующее определение.
Экспертно обучающая система (ЭОС) - это комплекс программно-технических и учебно-методических средств, построенных на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать учащегося, а сдругой стороны учащемуся самостоятельно обучаться .

2. Цель и задачи исследования, планируемые результаты

Целью исследования является разработка компьютерной экспертной обучающей системы, которая поможет повысить количество усвоенных знаний и эффективность восприятия информации, а также сократить время на изучение предмета, в том числе и время, затраченное преподавателем на представление информации и привитие практических навыков у студентов.

Основные задачи исследования:

1. Разработка онтологической модели ЭОС;
2. Разработка структуры ЭОС;
3. Обоснование и выбор компьютерных средств реализации;
4. Внедрение активных компонент в ЭОС (игры, интерактивные системы, прямой доступ к общению, например, через Skype с руководителем);

Объект исследования : экспертно обучающая система.

Предмет исследования : модели, структуры и функции ЭОС.

Научная новизна состоит в новом подходе к проектированию ЭОС, основанном на моделировании деятельности обучаемого и применении методов искусственного интеллекта.

В рамках магистерской работы планируется получение актуальныхнаучных результатов по следующим направлениям:

1. Моделирования процессов обучения.
2. Проектирования структуры ЭОС для Internet и Intranet .

Планируемыми результатами работы: прототип экспертной обучающей системы, которая позволит улучшить качество обучения и сократить время обучения.

3. Обзор научных исследований.

Поскольку вопросы исследования экспертных обучающих систем и повышения эффективности обучения в этой системе являются важной частью решения сложных задач с помощью экспертных систем. ЭОС были широко исследованы как зарубежными, так и отечественными специалистами.

3.1. Обзор международных источников

Первая обучающая система Plato на основе мощной ЭВМ фирмы « Control Data Corporation » была разработана в США в конце 50-х годов и развивалась в течение 20 лет. По-настоящему массовыми создание и использование обучающих программ стали с начала 80-х годов, когда появились и получили широкое распространение персональные компьютеры. С тех пор образовательные применения ЭВМ выдвинулись в число их основных применений наряду с обработкой текстов и графики, оттеснив на второй план математические расчеты.

Также была основана в 1972 году компания ECSI и с тех пор зарекомендовала себя как ведущего поставщика услуг для образовательной отрасли.Компания специализируется на разработке продуктов и услуг для повышения опыта обучения для учащихся и их родителей.ECSI в настоящее время обслуживает более 1300 школ, колледжей и университетов по всей стране, предлагая широкий спектр полностью настроенных, интуитивно понятных систем обучения .

3.2. Обзор национальных источников

К современным обучающим системам относятся системы TrainingWare, eLearning Server 3000 v2.0, eLearningOffice 3000, IBM Workplace Collaborative Learning и HyperMethod 3.5 компании ГиперМетод, которая является крупнейшим российским разработчиком готовых решений и программного обеспечения в области мультимедиа, экспертного обучения и электронной коммерции .

4. Экспертные обучающие системы

Экспертная обучающая система (ЭОС) - это компьютерная программа, построенная на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать учащегося, а с другой - учащемуся самостоятельно обучаться .

Основными компонентами ЭОС являются:

1. база знаний;
2. машина вывода;
3. модуль извлечение знаний;
4. модуль обучения;
5. система объяснения;
6. модуль тестирования.

Рисунок 1 - Функциональная модель структуры ЭОС

(анимация: 8 кадров, 5 циклов повторения, 118 килобайт)

В этой модели верхняя часть ЭОС унаследована от ЭС, а нижняя представляет собой блоки, обеспечивающие процесс обучения и тестирования.

База знаний - это депозитарий модулей знаний. Модуль знания экспертных систем представляет собой формализованное, с помощью некоторого метода представления знаний (система продукций, фреймы, семантические сети, исчисления предикатов 1-го порядка) отображение объектов предметной области, их взаимосвязей, действий над объектами.

Работа с базой знаний предполагает следующие стадии:

1. извлечение знаний из экспертов;
2. формализация знаний;
3. доступ, обработка модулей знаний.

В процессе обучения знания экспертов могут быть переданы обучаемому в виде порции информации (текстовой, графической, мультимедийной), а также знания, основанные на опыте, которые не могут быть переданы непосредственно обучаемому, а приобретаются им в ходе самостоятельной деятельности ].

Для передачи знаний экспертов широко используют развитую технологию гипертекста - от традиционных программ по созданию помощи (help) до современных инструментов создания и поддержки Web-сайтов (например Dreamweaver MX).

В отличие от ЭС для построения базы знаний ЭОС привлекаются не только эксперты-преподаватели, но и используются знания о педагогических приемах и стратегиях обучения и о психологических особенностях личности. Поэтому модули знания формируются многими экспертами. И здесь следует учитывать согласованность мнений экспертов и производить тонкую настройку базы знаний, учитывающую компетентность экспертов. Конечно, эти трудности можно обойти, если имеется эксперт, который сочетает в себе знания специалиста по предметной области, знания о тактике и стратегии обучения и владеющий психологическими приемами обучения, то есть высоко квалифицированный преподаватель.

Компонент обучения представляет собой комплекс программных модулей, реализующих различные механизмы вывода для достижения педагогической цели в обучении. ЭОС в отличие от других компьютерных средств обучения обладают интерактивностью: имеют диалог с обучаемым, что очень привлекательно для последнего .

Построение диалога строится на основных психологических принципах обучения:

1. дружественный интерфейс;
2. выход из диалога в любой момент;
3. своевременная и мотивированная помощь.

Каждый вопрос, задаваемый обучаемому, необходимо тщательно продумать, при необходимости предусмотреть более развернутый вопрос с целью лучшего понимания его.

В результате исследования было показано что многие компоненты создания ЭОС зависят от результата обучения, поэтому для создания базы знаний ЭС необходим специалист который имеет отличные знания по предметной области, а также уверено владеет приемами обучения .

5. Клиент-серверная технология экспертной обучающей системы для сетей Internet и Intranet

Архитектура клиент-сервер состоит из следующих компонентов:

сервер, выполняющий запросы клиента; клиент, предоставляющий интерфейс пользователя, посылающий запросы к серверу и получающий ответы от него; сетевое коммуникационное программное обеспечение, осуществляющее взаимодействие между клиентом и сервером. Использование клиент-серверной технологии дает определенные преимущества при построении ЭС: база знаний хранится на сервере и, следовательно, необходимость ее обновления производится однократно;
база знаний может быть доступна другим приложениям; а преимущество для экспертно-обучающих систем (ЭОС) заключается еще в том, что можно хранить контент на сервере и на нем отслеживать статистику обучения.
Клиент-серверные ЭС и ЭОС для сетей Internet/Intranet позволяют расширить возможности их применения в дистанционном образовании.
Компьютерные обучающие системы позволяют, как разрабатывать прототипы ЭС, так и может быть использована для адаптированного тестирования и обучения студентов по локальной сети.
Основными компонентами ЭОС являются следующие: редактор БЗ; машины логического вывода (прямой, обратный, косвенный вывод, формула Байеса); подсистема объяснения; анализатор теста; модуль преподавателя; компонента обучения .

Основная задача экспертных обучающих систем - это предоставления возможности приобретения студентом знаний, умений, навыков по разработке БЗ и созданию прототипов ЭС самостоятельно, а также для обучаемого тестирования.

Имеется по крайне мере пять важных причин, которые препятствуют реализации клиент-серверных (распределенных) ЭС:

1. Конструктивные элементы компонент ЭС не обособленны друг от друга.
2. БЗ - это не база данных, для которых существуют мощные СУБД (Oracle, InterBase, MySQL и так далее) использующие SQL запросы.
3. Многопользовательский доступ к БЗ для редактирования просто не допустим.
4. Логический вывод и специфика создания БЗ (различные способы представления знаний) не способствует необходимости объединения их в единую систему. Для Symantec Web разработан ряд языков описаний, Web-сервисов, но до сих пор нет никаких предложений по реализации логического вывода.
5. Программное обеспечение инструментальных средств для построения ЭС и БЗ является эксклюзивным и дорогостоящим.

Можно, конечно, разместить ЭС на Web-сервере для загрузке на клиентскую машину по ссылке download и обновлять ее на сервере, но это не клиент-серверное решение .

Аналогично, можно утверждать и об использовании трехзвенной архитектуры клиент-сервер (Сервер - CORBA - Клиент), когда БЗ размещается на сервере приложений и представляется в виде правил бизнес - решений.

Также не подходит технологии "тонкого клиента" (БЗ, логический вывод, система объяснения располагаются на сервере, а диалог с ЭС поддерживается как на сервере, так и на клиенте) и "толстого клиента" (БЗ, логический вывод, система объяснения располагаются на клиентской машине, а диалоговый интерфейс поддерживается клиентом и сервером).

Заметим, что БЗ ЭС является интеллектуальной собственностью и не может быть доступна для свободного использования. А учебные БЗ следует размещать на Web-сервере, чтобы любой интересующий пользователь могут проанализировать, как работает ЭС и усовершенствовать свои знания о предметной области.

Не следует забывать о нагрузках на сервер в пиковых ситуациях. Ни один провайдер не отдаст сервер только для функционирования ЭС, поскольку реакция пользователя при консультации или объяснении не предсказуема. А это важные моменты функционирования ЭС (консультации могут длиться от минут до несколько часов) .

Совсем другое дело разработка ЭОС для сетей Internet/Intranet.

ЭОС - это компьютерная система, построенная на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать студентов, а с другой - студентам самостоятельно обучаться.

Основными компонентами ЭОС являются следующие: БЗ; машина вывода; модуль обучения; система объяснения; модуль обучаемое тестирование.

Как правило, БЗ содержит:

Психодиагностические правила для идентификации психологических типов обучаемых.

Дидактические приемы для обучения. Правила представляют собой накопленные знания преподавателей по оценки знаний обучаемых.

Правила обучения изменяют последовательность предъявляемых заданий контента. Эта последовательность является функцией многих переменных: психологический тип обучаемого, уровень обучения, текущий ответ обучаемого, уровень сложности задания, количество прохождения обучения.

В связи с изложенным по поводу распределенных ЭС, для обучения и тестирования рекомендуется использовать технологию "толстого клиента", то есть, когда все компоненты ЭОС находятся на клиентской машине, а на сервер передаются результаты обучения и тестирования. И не надо опасаться зато, что результаты могут быть заменены, учитывая современные возможности шифрования протокола с удаленным сервером. Почему именно такая технология? Известно, что порядка 80% всей воспринимаемой человеком информации - это зрительная. Поэтому мультимедийные технологии (avi-файлы) являются приоритетными при обучении. Если их располагать и запускать на сервере - это огромная нагрузка на сервер и как, следствие, возрастает трафик до огромных размеров .

Выводы

ЭОС в отличие от других компьютерных технологий обучения имеют возможность реализовать процесс обучения по индивидуальной модели обучаемого. Обучение с помощью ЭС ориентировано на извлечение знаний самим обучаемым. А именно такие специалисты востребованы на современном рынке труда. Также ЭОС имеет свои достоинства и недостатки.

Основные недостатки, связанные с экспертными обучающими системами, можно разделить напсихологические , связанные с отсутствием «живого» общения с преподавателем, высокими требованиями к самоорганизации итехнические , которые обусловлены несовершенством контента, технологий и телекоммуникационной инфраструктуры.

Достоинства экспертных обучающих систем являются:

1. Географические и временные преимущества.
2. Персонализация процесса обучения. Возможность обучения различных категорий людей, в том числе с ограниченными способностями.
3. Расширение изучаемой информации и повышение интенсивности обучения.
4. Оптимизация и автоматизация процесса передачи знаний.

Магистерская работа посвящена актуальной научной задаче автоматизации экспертной обучающей системы. В рамках проведенных исследований выполнено:

1. Проанализированы существующие экспертные обучающие системы.
2. Было произведено исследование автоматизированной экспертной обучающей системы.
3. Рассмотрена Клиент-серверная технология экспертной обучающей системы для сетей Internet и Intranet.

В соответствии с постановкой задачи, дальнейшим направлением исследования является выбор, разработка и адаптация экспертной обучающей системы, ее программная реализация и тестирование.

При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2013 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

Список источников

1. Брукинг А. Экспертные системы. Принципы работы и примеры.: Пер. с англ. / А. Брукинг, П. Джонс; [ Под ред. Р. Форсайта. - М.: Радио и связь, 1987. - 224 с.

2. - Американська асоціація штучного інтелекту American Association for Artificial Intelligence (AAAI).

7. Карпова И.П. Анализ ответов обучаемого в автоматизированных обучающих системах / И.П. Карпова // - Информационные технологии, 2001, № 11. - с.49-55.

8. Pusilovsky, P., Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz, 4, 19 - 25.

9. Бурдаев В.П. Клиент-серверная технология экспертной обучающей системы для сетей Интернет и Интранет. // Искусственный интеллект.

11. Андрейчиков А. В. Интеллектуальные информационные системы. /А. В. Андрейчиков, О. Н. Андрейчикова.: Учебник. - М.:Финансы и статитстика, 2004. - 424 с.

12. Атанов Г. А. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. /Г. А. Атанов, И. Н. Пустынникова. - Донецк: ДОУ, 2002. - 504 с.

13. Marvin Minsky. The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. 2007. - 332 с.

Тема 2.3. Программные средства презентаций и основы офисного программирования

Тема 2.4.

2.4.11. Учебная база данных с главной кнопочной формой "Training_students" - Скачать

Системы управления базами данных и экспертные системы

2.4. Системы управления базами данных и экспертные системы

2.4.10. Экспертные и обучающиеся системы

Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект – это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.

Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).

Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:

1. Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.
2. Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.

Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:

1. Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.
2. Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.

Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.

Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.

База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний – базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.

База знаний – это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.

Экспертная система состоит из:

• базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил;
• решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний;
• подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»;
• подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил;
• интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.

Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.

Основу нейрокомпьютеров составляют нейронные сети – иерархические организованные параллельные соединения адаптивных элементов – нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.

Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.

Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой «черный ящик».

Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии.

В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово – экономических проблем.

Экспертная система – это компьютерная система, использующая знания одного или нескольких экспертов, представленные в некотором формальном виде, а также логику принятия решения человеком-экспертом в трудно- или неформализуемых задачах.

Экспертные системы способны в сложной ситуации (при недостатке времени, информации или опыта) дать квалифицированную консультацию (совет, подсказку), помогающую специалисту (в нашем случае – учителю) принять обоснованное решение. Основная идея этих систем состоит в использовании знаний и опыта специалистов высокой квалификации в данной предметной области специалистам менее высокой квалификации в той же предметной области при решении возникающих перед ними проблем. Отметим, что специалистами высокой квалификации в педагогике принято называть опытных методистов. Обычно экспертные системы создаются в узких предметных областях.

Экспертные системы не заменяют специалиста, а являются его советчиком, интеллектуальным партнером. Серьезным преимуществом экспертной системы является то, что объем информации хранящейся в системе практически не ограничен. Введенные в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и теряются навсегда. После того как были разработаны первые технологии экспертного оценивания и получены с их помощью первые серьезные результаты, возможности их практического использования сильно преувеличивались. Необходимо правильно понимать реальные возможности их использования. Безусловно, далеко не все существующие проблемы могут быть решены с помощью экспертных оценок. Хотя корректное использование экспертных технологий во многих случаях остается единственным способом подготовки и принятия обоснованных решений.

Экспертные обучающие системы способны имитировать работу человека – эксперта в данной предметной области. Происходит это следующим образом: на этапе создания системы на основе знаний экс­пертов в данной предметной области формируется модель обуча­емого, затем в процессе функционирования системы знания обучаемых диагностируются, фиксируются ошибки и затруднения в ответах. В память компьютера заносятся данные о знаниях, навыках, ошибках, способностях каждого обучаемого. Система проводит анализ результатов учебной деятельности каждого обучаемого, группы или нескольких групп, выявляет наиболее часто встречаемые затруднения и ошибки.

Экспертные системы включает следующие подсистемы : базу знаний, механизм вывода информации, интеллектуальный интерфейс и подсистему пояснений. Рассмотрим эти подсистемы более подробно.

База знаний в данном случае содержит формальное описание знаний экспертов, представленное в виде набора фактов и правил.

Механизм вывода или решатель - это блок, представляющий собой программу, реализующую прямую или обратную цепочку рассуждений в качестве общей стратегии построения вывода. Экспертные обучающие системы можно использовать как средство представления знаний, организации диалога между пользователем и системой, способной по требованию пользователя представить ход рассуждений при решении той или иной учебной задачи в виде, приемлемом для ученика.

С помощью интеллектуального интерфейса экспертная система задает вопросы пользователю и отображает сделанные выводы, представляя их обычно в символьном виде.

К основному преимуществу экспертных систем перед человеком-экспертом можно отнести отсутствие субъективного подхода, которое может быть присуще некоторым экспертам. Проявляется это, прежде всего в возможности использованиясистемы пояснений хода в процессе решения задачи или примера. Технологии экспертного оценивания позволяют генерировать рекомендации ученикам и обобщенные данные педагогам. Данные полученные системой позволят педагогам выявить те разделы, которые обучаемые усвоили слабо, изучить причины недопонимания учебного материала и устранить их.

В сфере обучения подобные системы можно использовать не только для представления учебного материала, но и для контроля знаний, умений, навыков, для сопровождения решения за­дач на уровне репетитора. В этом случае система осуществляет пошаговый контроль правильности хода решения задачи. В случае контроля знаний, умений, навыков система осуществляет диагностику уровня усвоения учебного материала. Ученику предоставляется свобода в выборе темпа работы с системой и траектории обучения.

Выделим основные дидактические требования к экспертным обучающим системам .

1. Учет не только уровня подготовки (низкий, средний, высокий) и уровня усвоения (узнавание, алгоритмический, эвристический, творческий), но и психологических особенностей, личностных предпочтений обучаемого. Например: выбор режима работы, темпа работы, дизайна экрана, вариантов интерактивного взаимодействия.

2. Обеспечение максимальной свободы в выборе ответа на вопросы, а также возможности помощи или подсказки.

3. Реализация возможности получения объяснения целесообразности того или иного решения, получения объяснения действий системы, воспроизведения цепочки правил, используемых системой. Система должна фиксировать и запоминать ошибки в рассуждениях пользователя, чтобы он в любой момент мог вернуться к ним. Ошибки должны быть диагностированы, а помощь пользователю - адекватна этим ошибкам.

Эффективность использования экспертной обучающей системы зависит от следующих факторов .

1. Опыта эксперта или группы экспертов, чьи обобщенные знания и опыт положены в основу работы системы.

2. Технических возможностей средств ИКТ, используемых в учебном процессе.

3. Качества конкретного программного обеспечения.

4. Степени практической реализации персонализированного обучения, основанного на выборе индивидуальных обучающих воздействий.

Под интеллектуальной обучающей системой принято подразумевать комплекс организационно-методического, информационного, математического и программного обеспечения. Однако в это понятие должны быть включены и "человеческие" составляющие данной системы, а именно ученик и учитель. В связи с этим интеллектуальную обучающую систему необходимо рассматривать как сложную человеко-машинную систему, работающую в режиме интерактивного взаимодействия в схеме ученик – система - педагог. Подобные системы принято ориентировать на конкретную предметную область.

Интеллектуальные обучающие системы состоят из двух частей: основной части, включающей учебную информацию (образовательный контент) и вспомогательной части, реализующей интеллектуальное управление ходом учебного процесса.

Структура интеллектуальной обучающей системы:

Основная часть программы состоит из следующих моду­лей: информационного, моделирующего, расчетного, контролирую­щего. Основная часть системы включает в себя разного рода учебную информацию: текст, таблицы, рисунки, анимацию, видеофрагменты. Текст может содержать активные окна, которые позволяют пользователю продвигаться вглубь экрана, перемещаться по произвольной траектории из одного раздела в другой, концентрируя свое внимание на нужной информации, осуществлять произвольный выбор последовательности ознакомления с информацией.

Информационный модуль включает в себя базу данных и базу знаний учебного назначения. База данных содержит учебный, информационный, ин­формационно-справочный материал, список обучаемых, успеваемость и т.п. В процессе создания базы знаний возможно использование всего спектра возможностей технологии мультимедиа, гипермедиа и телекоммуникаций.

В моделирующем модуле содержатся компьютерные модели (имитация работы компьютера, визуализация передачи данных по компьютерным сетям и другое). Компьютерное моделирование позволяет визуализировать разного рода явления и процессы, которые не поддаются непосредственному наблюдению. Работа с компьютерными моделями позволяет существенно сократить время на подготовку и проведение сложных экспериментов, выделить самое важное, организовать интересное научное исследование. Возможность многократного повторения эксперимента позволит обучаемым приобрести навыки анализа результатов эксперимента, сформировать умение обобщать полученные результаты и формулировать выводы.Ученик имеет возможность исследования частных случаев, исходя из общих законов, или, наоборот, в результате изучения частных установить общий закон или закономерность.

Расчетный модуль предназначен для автоматизации различных расчетов.

Контролирующий модуль содержит вопросы, задания, упражнения, предназначенные для контроля знаний обучаемых.

Вспомогательная часть обеспечивает «интеллектуальную» работу системы. Именно здесь заложена схема обучающей последовательности, механизмы адаптации системы к конкретному объекту обучения, средства интеллектуального анализа объема и структуры знаний, необходимых для организации и управления учебным процессом. Помимо этого в вспомогательную часть входит подсистема интеллектуального управления ходом учебного процесса, реализующая интерактивный диалог пользователя с системой; контрольно-диагностирующий модуль, позволяющий рассчитать и оценить параметры субъекта обучения для определения обучающих воздействий, оптимальной стратегии и тактики обучения на каждом этапе занятия; осуществляющая экспертизу уровня знаний, умений, навыков, правильности решения разного рода задач, статистическую обработку результатов контроля, диагностику ошибок. Управляющая реакция системы, как правило, обуславливается ответами ученика на контрольные вопросы. Естественным требованием здесь является минимизация расхождения ответа ученика с передаваемой ему информацией. Система осуществляет контроль за прохождением обучаемыми этапов занятия и выводит эту информацию на компьютер учителя.

Преподаватель работает в тесном контакте с системой, получает от нее информацию о ходе процесса обучения, посылает запросы и вводит изменения в программу. Внесение изменений возможно только в том случае, если система является открытой, тогда в ней должен присутствовать сервисный модуль. Именно этот модуль позволяет учителю вносить в систему необходимые изменения и дополнения. Каждый из модулей является автономным, поэтому при внесении изменений в один из модулей со­держание остальных модулей основной части не изменяется.

Интеллектуальная обучающая система может быть использования не только на уроках, но и во время самостоятельной работы обучаемых, в процессе научно-исследовательской деятельности. Следует отметить, что системам искусственного интеллекта свойственны те же недостатки, что и экспертным обучающим системам, связанные с трудностью практической реализации системой индивидуализации и дифференциации обучения в том виде, который характерен для индивидуального обучения педагогом конкретного обучаемого. Такое положение вызвано тем, что искусственный интеллект лишь отдаленно напоминает некоторые человеческие качества и ни в коей мере не может отождествляться с интеллектом человека.

Выделим основные преимущества использования интеллектуальной обучающей системы на уроке .

Учитель : полу­чает достоверные данные о результатах учебной деятельности каждого отдельного ученика и класса в целом. Достоверность же определяется тем, что система фиксирует ошибки и затруднения в ответах ученика, выявляет наиболее часто встречаемые затруднения и ошибки, констатирует причины ошибочных действий обучаемого и посылает на его компьютер соответствующие комментарии и рекомендации; анализирует действия ученика, реализует широкий спектр обучающих воздействий, генерирует задания в зависимости от интеллектуального уровня конкретного обучаемого, уровня его знаний, умений, навыков, особенностей его мотивации, осуществляет управление рассылкой заданий и т.д.

Ученик получает в лице подобной системы не просто учителя, а персонального помощника в изучении конкретной дисциплины.

Эффективность работы интеллектуальных обучающих систем зависит от соблюдения ряда условий :

Возможности накопления и применения знаний о результа­тах обучения каждого обучаемого для выбора индивидуальных обучающих воздействий и управления процессом обучения для фор­мирования комплексных знаний и умений;

Валидности критериев оценки уровня знаний, умений, навыков; уровня подготовки (низкий, средний, высокий) или уровня усвоения материала (узнавание, алгоритмический, эвристический, творческий);

Возможности адаптации системы к изменению состояния обучаемого (обучаемый относился к среднему уровню, но на данном занятии его знания приближаются к высокому или, наоборот, к низкому уровню).

Внедрение в учебный процесс интеллектуальных обучающих систем позволит усилить эмоциональное восприятие учебной ин­формации; повысить мотивацию обучения за счет возможности само­контроля, индивидуального, дифференцированного подхода к каж­дому обучаемому; развить процессы познавательной деятель­ности; проводить поиск и анализ разнообразной ин­формации; создать условия для формирования умений самостоятельного приобретения знаний.

Нестеров А. В., Тимченко В. В., Трапицын С. Ю. Информационные педагогические технологии. Учебно-методическое пособие, – СПб.: Издательство ООО «Книжный дом», 2003 – 340 с.

Экспертные системы в образовании. Четыре проблемы развития

И в картошке ценят не мундир,

а внутреннее содержание

Экспертные системы (ЭС) основаны на использовании элементов искусственного интеллекта, применяются в автоматизированных образовательных системах для повышения качества обучения за счет автоматизации процесса обучения и повышения эффективности за счет освобождения преподавателя от рутинной работы.

Основной недостаток существующих электронных учебных средств – использование неразвитых примитивных форм диалогового общения с пользователем. Переход от примитивного диалога, типа «меню», к диалогу на «естественном» языке, к диалогу «с голоса» требует применения экспертных систем.

Сегодня нет четкого определения термина «экспертная система». Наиболее общее определение: ЭС – это искусственная система, способная в данной предметной области эффективно заменить эксперта-человека. Экспертными могут называться автоматизированные информационные системы, ориентированные на решение задач в определенной предметной области с достаточным качеством.

ЭС предназначены для того, чтобы сделать доступными сочетания знаний, опыта, навыков и интуиции квалифицированных специалистов. ЭС в сочетании с комплексом учебной информации, в отличие от существующих автоматизированных учебных курсов, являются принципиально новым направлением повышения дидактической эффективности программно-методических комплексов, реализующих контроль и управление процессом обучения. Это отличие заключается в возможности интеллектуальной поддержки обучаемых разного уровня подготовленности. Такая возможность обусловлена наличием базы знаний.

Типы задач, где целесообразно использование ЭС:

управление процессом обучения с учетом индивидуальной подготовленности обучаемого, его индивидуальных особенностей;

диагностика и прогнозирование качества усвоения предметной информации и формирование изменений в последовательности представления учебного материала;

поддержание профессионального уровня обучаемого в данной предметной области;