CC BY
45
идеальном. В традиционной системе тестирования специалист получил бы по теории «отлично», что на фоне компетентности явно не соответствует этой оценке.
Необходимо обратить внимание на образовавшееся расстояние «А» - отклонение (удаленность) математического ожидания компетентности от его идеальной позиции. Его смещение в левую сторону (отрицательные значения) характеризует преобладание теоретических знаний, а в правую сторону (положительные значения) - преобладание практических навыков. Данный показатель может стать основой для выдачи соответствующих рекомендаций специалисту -укреплять теоретические знания или пройти практическую стажировку.
3. Следующий случай, когда специалист из 10 вопросов по теории ответил правильно на 6, а из 10 вопросов по практике на 4 вопроса.
Функция распределения компетентности представляется как (рис.3):
¥ = ^36- (ХТ - 4)2 + 716 - (*п + б)2 (11)
Как видно на рис.3, зона компетенции на данном примере отсутствует, следовательно, предельные значения зоны компетентности тоже не определены.
Исходя из этого, определим порог появления компетентности
Rт + От = Rп + ОП = 2R . (12)
Из условия касания обеих окружностей.
Rт + RП = R.. (13)
Следовательно: От + Оп = R. (14)
Зона компетентности появляется при условии: ОТ + ОП < R . (15)
Как видно из (15), во всех случаях, когда общее количество неправильных ответов будет равно или больше количества вопросов на одном направлении (при условии, что в обоих направлениях используется одинаковое количество вопросов), специалист не обладает необходимым уровнем компетентности.
Основными информативными параметрами по данной методике являются:
• интегральный уровень компетентности Уш;
• коэффициент распределения зоны компетентности Р;
• максимальное значение компетентности Утах;
•графическая характеристика.
Данная методика позволяет:
- интегрированно оценить информационную компетентность специалиста, с определением интегрального уровня компетентности;
- получить графическую характеристику компетентности;
- установить соответствие теоретических знаний практическим навыкам;
- подготовить реальные рекомендации для тестируемых, исходя из полученных результатов.
Методика рекомендуется как для оценки информационной компетентности специалистов,
назначаемых на ответственные должности, так и для слушателей курсов повышения квалификации и переподготовки кадров. Методика может использоваться также и при тестировании информационной компетентности принимаемых на работу новых специалистов, для определения их профессиональных качеств.
ФОРМИРОВАНИЕ И ИСПОЛЬЗОВАНИЕ МОДЕЛЕЙ КОМПЕТЕНЦИЙ ОБУЧАЮЩИХСЯ НА ОСНОВЕ ЭВОЛЮЦИОНИРУЮЩИХ ЗНАНИЙ
В.М. Трембач, к.т.н. зам. зав. каф. Прикладной информатики в экономике Тел.: (495) 442-80-98; E-mail: [email protected] Московский государственный университет экономики, статистики и информатики
http://www.mesi.ru
This article considers the problems of forming and usage of trainee competence models for the effective organization of studying process based on evolving knowledge. The example of using the integrated way of presenting the model of trainee competence while forming additional education program as a result of the estimation of the trainee knowledge is given.
Рассматриваются вопросы формирования и использования моделей компетенций обучающихся для эффективной организации учебного процесса на основе эволюционирующих знаний. Представлен пример использования интегрированного подхода для описания модели компетенции обучаемого и при формировании программы дополнительного обучения по итогам оценки обучаемого.
Ключевые слова: компетенция, модель компетенции, интегрированный метод представления знаний, учебный объект, оценка знаний.
Keywords: competence, model of competence, integrated methods of knowledge presentation, object of study, estimation of knowledge.
В современной экономике, особенно с учетом кризиса, важным и базовым элементом является инновационная деятельность, определяющая динамику развития производства, распределения и перемещения ресурсов в условиях рыночных отношений. Современные успешные организации вынуждены периодически осваивать передовые технологии и выпускать новую продукцию.
Одной из главных составляющих инновационной деятельности организации является ее интеллектуальный капитал. В [1] авторы к интеллектуальному капиталу относят человеческий капитал (элементами которого являются знания, навыки, моральные ценности персонала, культуру труда) и структурный капитал (включающий в себя ноу-хау, организационную структуру, патенты и торговые марки, отношения с клиентами). Значительная часть интеллектуального капитала связана с сотрудниками организации, которые являются основными источниками и генераторами знаний - интеллектуального капитала.
Каждый специалист организации должен иметь определенные знания, умения и навыки в профессиональной области, что составляет основу традиционного квалификационного подхода к образованию. Но этот подход не учитывает поведенческой составляющей сотрудников, а именно способности применять знания, умения и навыки для решения задач профессиональной деятельности [2]. Поэтому в настоящее время идет активная работа по широкому внедрению компетентностного подхода к обучению с использованием информационных технологий [3-10].
Под компетенцией понимается способность применять знания, умения и личностные качества для успешной деятельности в определенной области. В соответствии с этим определением формирование компетенции специалиста может быть сведено к решению таких задач, как приобретение знаний, умений, навыков и выработка способности к их эффективному использованию.
В рамках рассматриваемого подхода широко используется понятие учебного объекта, который представляет собой законченный семантический фрагмент знаний, имеющий самостоятельное значение и обеспечивающий формирование знаний, навыков, умений. Могут создаваться учебные объекты [3,5,11,6,8,9,10] для выработки у обучаемых сотрудников новых качеств, способствующих эффективному применению полученных знаний, навыков и умений, т.е. формированию новых личностных характеристик. Это позволяет из отдельных объектов создавать конкретные учебные последовательности, соответствующие особенностям каждого обучающегося [5,6,12] и учитывающие потребности компаний в профессиональной ориентации своих специалистов.
Формирование компетенций представляет собой сложный динамический процесс, включающий:
- определение текущей компетенции обучаемого - его знаний, умений, навыков и способности их применять при решении практических задач - описание исходной (текущей) компетенции обучаемого;
- планирование последовательности изложения учебного материала - программы основного обучения, в соответствии с текущими компетенциями обучаемых;
- контроль за формированием компетенций и коррекцию описания текущей компетенции обучаемого;
- планирование последовательности изложения учебного материала для повторного обучения;
- актуализацию описаний эталонных компетенций, фрагментов учебного материала.
Задача формирования компетенции может быть представлена следующим образом.
Имеется компетенция Ктр.
Необходимо провести процесс обучения (сформировать план обучения Поб, с учетом текущей компетенции специалиста Ктек, и реализовать его).
После обучения у сотрудника должна сформироваться компетенция Ктр.
Данная задача относится к классу интеллектуальных [13,14,15]. Достижение поставленной цели включает два этапа: планирование последовательности учебных объектов и реализацию, т.е. обучение в соответствии с полученным планом. На первом этапе создается план обучения, т.е. решается задача планирования программы обучения в зависимости от исходных компетенций обучаемых. На втором этапе контролируется процесс обучения и, при неудовлетворительных результатах контроля, формируется и проводится дополнительное обучение. Решение задачи может осуществляться группой специалистов с использованием компьютерных систем либо компьютерной системой без участия специалистов. В дальнейшем будет использоваться общее понятие - кибернетическая система.
2. Представление компетенций обучающихся на основе эволюционирующих знаний
2.1. Введение в эволюционирующие знания
Существующие информационные системы, используемые в учебном процессе, с точки зрения представления действительности, являются неизменными (статичными) для длительного интервала времени. Длительность такого интервала времени зависит от возможности экспертов принять участие в ревизии (доработке) имеющихся представлений и эффективности (целесообразности) их использования, а также необходимости добавления новых и коррекции имеющихся элементов представлений действительности (знаний).
При решении задач формирования компетенций специалистов, ориентированных на инновационную деятельность, требуется использовать точные, полные данные и знания (представления о мире, соответствующие действительности), которые определяют эффективность работы специалистов после обучения [16,14]. В настоящее время исследуются и разрабатываются динамические интеллектуальные системы [17,18,19], ориентированные на решение подобного класса задач. Знания, необходимые для формирования у специалистов необходимых компетенций, должны постоянно уточняться. Для этого в представлении знаний должны:
■ появляться новые элементы, связи между ними;
■ удаляться ненужные элементы, связи между ними;
■ формироваться представления новых ситуаций (сущностей) и их ансамбли.
Чтобы формирование требуемых компетенций было максимально успешным, должны постоянно обеспечиваться процессы подстройки представлений о реальном мире, их соответствия действительности. Знания, являющиеся результатом этих процессов, представляют собой эволюционирующие знания. Под эволюционирующими знаниями [20] понимаются такие знания, элементы представления которых в кибернетической системе стремятся максимально соответствовать действительности в целях обеспечения наилучшего поведения (использования) системы.
Формально процесс эволюции знаний - PEK можно представить в виде четверки:
PEK = <U, MFK, MVFK, MVUK>, (1)
где U - множество элементов представлений знаний: сущностей и связей между ними;
MFK - методы формирования и коррекции элементов представлений знаний;
MVFK- методы оценки (valuation) сформированных элементов представлений знаний;
MVUK - методы оценки использования знаний (оценка знаний в зависимости от успешности поведения системы).
В настоящее время существует множество моделей, характеризующих общие свойства эволюции кибернетических (биологических) систем. Авторы работы [21,22,23] для рассмотрения вопросов, связанных с эволюционным развитием сложных систем различной природы, используют пять наиболее представительных моделей (видов) эволюции: модель эволюции Ч. Дарвина [24,21,23], ламаркизм или модель эволюции Ж. Ламарка [21,25,23], салыпационизм (модель эволюции де Фриза), модель К. Поппера [21,28,23,29], синтетическую теорию эволюции [26,21,27,28,29]. В работе [22], посвященной обзору современных исследований эволюции биологических кибернетических систем, большое внимание уделено моделям простейших мо-лекулярно-генетических систем. Для этих систем представлены методы теоретической популя-
ционной генетики.
В работе за основу взят подход молекулярно-генетической эволюции. В рамках этого подхода представления действительности - это сложноструктурированная, изменяющаяся во времени система знаний. Для формирования компетенций г-я ситуация действительности, в рамках образовательного процесса, соответствует подмножеству признаков (параметров) для ситуации действительности БВг, где г - номер ситуации действительности и ге(1 - В), В - максимальное число различаемых ситуаций действительности. Подмножество БВг в качестве элементов содержит параметры (признаки) ПЫПБг] из множества ПКС доступных для восприятия
действительности {Ш}:
5Вг = {ПЫШц}, ге(1 - В); ЫП5г]е{1};] = 1,2, ... ,Ыг; I = 1 - Ы; (2)
ПКС = {П1}, I = 1 - Ы; (3)
БВг сПКС; (4)
где БВг - подмножество, представляющее г-ситуацию действительности; г - номер ситуации действительности, г е(1 - В); В - максимальное число различаемых ситуаций действительности; ПЫПБг] - параметры для представления ситуации г;
ЫПБг] - номер параметра, представляющего г-ю ситуацию и имеющего в подмножестве 8Вг номер
Ыг - число параметров, необходимых для представления ситуации г; N - число параметров, необходимых для представления всех ситуаций действительности; Ш - параметры, имеющиеся для представления действительности; ] - номер параметра в подмножестве БВг; I - номер параметра в множестве ПКС.
Любая ситуация г в любой момент времени ^ может представляться Ыг параметрами. Мощность подмножества БВг и его содержимое могут изменяться в какие-то моменты времени. Тогда в один из моментов (I +А0 может возникнуть ситуация такая, что Ыг(0 Ф Ыг^+А), БВг (0 Ф 8Вг((+А0 и даже, N(1) Ф Ы^+А). С учетом этих уточнений выражения (2)-(4) могут быть представлены в следующем виде:
БВгф = {ПЫШг]}, ге(1 - В),] = 1,2, ... ,Ыгф, (5)
ПКС = {П1}, I = 1,2, ... ,Ы(0, (6)
БВг(У сПКС(г). (7)
В ходе представления ситуаций действительности БВг(0 каждый из параметров ПЫПБг] е БВг(0 может принимать значение 2ПЫП8г]1(0 из фиксированного набора значений для данного параметра Ы2ПЫП^г](1):
2ПЫ№г]() еЖПЫП]), (8)
где 2ПЫП8г]1(() - 1-е значение параметра ПЫП8г] в момент времени ^ Ы2ПЫП8г](() - набор значений для параметра ПЫП8г] в момент времени I - номер значения параметра ПЫПБг] для ситуации г в момент времени ^ I е1-ЫУЫП$г](1); ЫУЫП^г]^) - число различимых значений параметра ПЫПБг] для ситуации г в момент времени /,
тттг]^) ф ттПБг^+А).
Один и тот же параметр П1, при представлении различных ситуаций, может иметь различную значимость (вес), т.е. в ситуации, представленной подмножеством БВг(0, ге(1 - В), этот параметр имеет один вес, а в ситуации, представленной подмножеством БВр(0, ре(1 - В), рФ г, - другой.
При представлении различных ситуаций действительности параметр (признак) может использоваться с одним и более значений - (8). Для случая, когда используется более одного значения параметра, эти значения ранжируются в зависимости от их значимости (веса). Эти веса с течением времени могут изменяться.
Аналогично могут изменяться: порог значимости сформированного элемента представления; квант приращения значимости для закрепляющих (положительных) примеров и квант снижения значимости для отрицательных примеров; порог значимости при деградации элементов представления и др. Таким образом, выражения (1), (5)-(8) дают формальное представление об эволюционирующих знаниях.
2.2. Интегрированный метод представления эволюционирующих знаний
В настоящее время разработано множество подходов к представлению знаний. В основе этих подходов заложено использование формальной логики, продукций, семантических сетей, фреймов. Эти подходы к представлению знаний имеют ограниченные области решаемых задач в силу присущих им свойств [32,13,2,30,14,31].
Для расширения области практического использования систем, основанных на знаниях в основе интеллектуальных технологий, для компетентностного подхода к обучению, используется интегрированный метод представления знаний [12,15], в котором действительность представляется в виде многоуровневой, сложноорганизованной сети. Вершины такой сети представляют сущности (понятия, описания ситуаций, действия, процессы, отношениями), а дуги -это сформированные связи между вершинами-сущностями. Для представления такой структуры в базе знаний в качестве единиц знаний используется описание вершины-сущности, которое включает:
- имя описываемой вершины-сущности,
- список имен вершин-сущностей, связанных своими выходами с рассматриваемой, - список имен вершин-сущностей нижнего уровня,
- список имен вершин-сущностей, связанных одним из своих входов с выходом рассматриваемой, -список имен вершин-сущностей верхнего уровня,
- список имен вершин-сущностей составных связей,
- список имен вершин-сущностей ассоциаций.
Списки имен вершин-сущностей нижнего уровня и имен вершин-сущностей верхнего уровня отражают таксономию понятий предметной области. Это позволяет представлять структуру описания реального мира и его частей в виде дерева или иерархии вершин-сущностей [32,33].
Для представления процессов взаимодействия вершин-сущностей (отражения процессов реального мира) в описание сущности добавляются логические компоненты:
предусловия, описывающие условия активизации рассматриваемой вершины - сущности через признаки активизации вершин - сущностей нижнего уровня;
постусловия - состояние признака активизации рассматриваемой вершины - сущности;
множество представлений о ситуациях, которые активизируют рассматриваемую вершину - сущность.
В итоге, интегрированный подход к представлению знаний о реальном мире предполагает задание множества вершин-сущностей и взвешенных связей между ними. Каждая вершина - сущность описывается (рис.1) такими атрибутами, как:
• имя,
• условия для активизации (предусловия),
Рис 1. Структура вершины-сущности действительности ' условия контроля наличия активизации
вершины-сущности (постусловия),
• список имен вершин-сущностей нижнего уровня,
• список имен вершин-сущностей верхнего уровня,
• список имен вершин - сущностей ассоциаций,
• список имен вершин - сущностей составных связей,
•множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.
В иерархической структуре описания предметной области, на каждый момент времени, можно выделить три типа вершин-сущностей: входные, выходные, составные внутренние.
Входные вершины - сущности обеспечивают активизацию рассматриваемой вершины. Входные вершины-сущности могут быть как элементарными, так и составными. Элементарные входные вершины - сущности являются элементами кибернетической системы, через которые осуществляется восприятие реального мира или его частей. Описание такой вершины-сущности может включать:
- имя сущности,
- постусловия,
- список имен вершин - сущностей верхнего уровня,
- список имен вершин - сущностей ассоциаций,
- список имен вершин-сущностей связей.
Составные вершины - сущности являются элементами кибернетической системы, которые осуществляют обработку сигналов (данных), получаемых от элементарных входных элементов, и формирование входных сигналов (данных) для составных внутренних и выходных вершин -
сущностей. Составные внутренние вершины - сущности могут иметь связь с эффекторами, воздействующими на реальный мир или его части. В описание вершины - сущности данного типа входят:
- имя вершины-сущности,
- предусловия,
- список имен вершин-сущностей нижнего уровня,
- постусловия,
- список имен вершин-сущностей верхнего уровня,
- список имен вершин-сущностей ассоциаций,
- список имен вершин-сущностей-связей.
Выходные вершины-сущности являются элементами кибернетической системы, через которые осуществляется воздействие на реальный мир или его части. Описание вершины-сущности этого типа может включать:
- имя вершины-сущности,
- предусловия,
- постусловия,
- список имен вершин-сущностей нижнего уровня,
- список имен вершин-сущностей ассоциаций,
- список имен вершин-сущностей составных связей.
Следует отметить, что элементарные входные и выходные вершины-сущности, представляющие эволюционирующие знания, могут в определенные моменты становиться составными внутренними.
Для элементарных входных вершин-сущностей это происходит при появлении сущностей, которые требуют формирования новых, им соответствующих вершин, определяют предусловия и фиксируются в списке имен нижнего увровня уже не элементарной вершины-сущности. Например, появились новые системы (единицы) измерения - микрометр, или вместо место в количества в счете «много» появилась возможность различать «три», «четыре» и «пять».
Изменение типа выходных вершин-сущностей происходит при появлении (проявлении) сущностей, требующих формирования новых, им соответствующих вершин, состояние которых зависит от состояния рассматриваемой вершины-сущности. Имена новых вершин-сущностей фиксируются в списке имен верхнего уровня рассматриваемой вершины-сущности.
2.3. Основные атрибуты описания сущностей
Каждый из атрибутов, описывающих вершину-сущность, - имя сущности (NS), предусловия (PRUS), список имен нижнего уровня (LNLS), постусловия (PSUS), список имен верхнего уровня (LNHS), список ассоциаций (LNA), список имен связей (LNR), множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность - (SPS), - выполняет свою, строго определенную роль в описаниях реального мира и его частей. Ниже представлен анализ каждого из этих атрибутов.
Имя (NS). Может выступать в роли идентифицирующего вершину - сущность элемента, т.е. обеспечивать уникальность обозначения описания рассматриваемой сущности. В этом случае имя представляет собой набор символов, обеспечивающих уникальную комбинацию. Используется такой подход в вычислительных, информационно - вычислительных и некоторых информационно-поисковых системах для адресации областей информационно-вычислительного пространства.
Для решения задач, связанных с исследованиями в области искусственного интеллекта, имя выступает как единица языка, соответствующая [30], со стороны семантики, отражению отдельного предмета, объекта или явления реального мира, а сточки зрения синтаксиса, - субъекту или объекту высказывания. Для имени в описании вершины-сущности будет справедливо следующее утверждение:
( VNS) ( VNS_LN_LS) ( VNS_LN_HS) ( VNS_CS) [(NS = NS_LN_LS) A(NS = NS_LN_HS ) a(NS = NS_CS)],
где NS - набор символов, идентифицирующий рассматриваемую вершину-сущность;
NS_LN_LS - имя из множества имен вершин-сущностей нижнего уровня, которое является частью описания вершины-сущности, имя которой принадлежит множеству имен верхнего уровня рассматриваемой сущности;
NS_LN_HS - имя из множества имен вершин-сущностей верхнего уровня, которое является частью описания сущности, имя которой принадлежит множеству имен нижнего уровня рассматриваемой сущности;
NS_CS - имя обсуждаемой (рассматриваемой) вершины-сущности реального мира.
Построение модели действительности, в соответствии с точкой зрения принятой в [30],
предполагает выделение не только имен, но и содержания тех понятий, которые этими именами представлены. Набор признаков (вершин - сущностей), описывающих рассматриваемую вершину-сущность, должен быть достаточен как для отличения этой вершины-сущности от других вершин-сущностей, так и для соотнесения с действительностью. Имя указывает на описание конкретной вершины-сущности, и эта его функция является достаточной для объектного подхода к представлению знаний. Для процессного подхода имя должно всегда выступать как признак, означающий активизацию вершины- сущности или ее покой.
Во многих задачах признак активизации вершины-сущности и имя этой вершины-сущности могут представляться одним элементом описания. Но существуют задачи, где необходимо рассматривать не только активизированные концепты, но и пассивные, поэтому целесообразно разделять элемент описания, обозначающий активность или пассивность вершины-сущности, и элемент, обозначающий сущность как объект.
Предусловия для рассматриваемой вершины-сущности (РЯи8). Представляют собой описание ситуации (ситуаций), при которых вершина, соответствующая рассматриваемой сущности, будет активной. Описание ситуации (ситуаций) представляет собой, в простейшем случае, логическое выражение, состоящее из признаков активизации соответствующих вершин-сущностей, которые поступают от активизированных вершин-сущностей без преобразований. В процессе формирования новой вершины-сущности ее связи могут иметь различные веса. Веса связей могут меняться в ходе эволюции знаний. С этой целью в описание связей (признаков активизации) вводятся веса этих связей
Список имен нижнего уровня для рассматриваемой вершины-сущности (ЬКЬ8). Включает имена вершин-сущностей, которые определяют рассматриваемую вершину-сущность на объектном уровне.
Постусловие для рассматриваемой вершины-сущности (Р8И8). Представляет собой признак активизации, свидетельствующий о переходе рассматриваемой вершины - сущности в активное состояние.
Список имен верхнего уровня для рассматриваемой вершины - сущности (ЬКИ8). Включает имена вершин-сущностей, которые определяются рассматриваемой вершиной - сущностью на объектном уровне.
Список имен ассоциаций для рассматриваемой вершины - сущности (ЬКЛ8). Включает имена тех вершин - сущностей, которые постоянно присутствуют в представлении ситуации совместно с рассматриваемой вершиной-сущностью.
Список имен составных связей для рассматриваемой вершины - сущности (ЬКЯ8). Состоит из множества имен вершин - сущностей, определяющих составные связи между вершинами -сущностями. Сложная связь представляет собой структуру из множества элементарных связей и условия. Условие может быть как простейшим, так и иметь очень сложную, многоуровневую структуру.
Основная функция связи заключается в передаче сигнала от активизированной вершины -сущности на входы других сущностей для их активизации. Простые (элементарные) связи передают сигнал активизации без искажения, что приводит к выделению многих вершин и, тем самым, создает множество интерпретаций (возможных действий) для текущей ситуации. Для сокращения объема возможных решений должны активизироваться не все связи, а только те, которые соответствуют содержанию (контексту) текущей (рассматриваемой) ситуации. С этой целью элементарная связь между концептами разрывается, и в разрыв помещается мнимая вершина-сущность, которая имеет один вход условий активизации, один выход для сигнала о собственной активизации и множество входов, определяющих условие возможности передачи сигнала активизации.
Условие, определяющее возможность передачи сигнала активизации, может быть как простым логическим выражением, так и представлять собой сложное логическое выражение, описывающее правило распознавания ситуации или ее фрагмент.
Содержание модели связи аналогично содержанию описания вершины-сущности и может включать:
- имя рассматриваемой составной связи;
РЯи8 - множество признаков, определяющих условие активизации вершины- сущности для составной связи;
Р8и8 - признак активизации вершины- сущности, соответствующей рассматриваемой составной связи;
ЬМ_Ь8 - имена вершин -сущностей, от которой поступает сигнал активизации,
LN_HS - имя вершины-сущности, к которой идет сигнал активизации;
LN_R - список имен связей, которые образуют условие, определяющее возможность передачи сигнала активизации для рассматриваемой связи;
LN_A_R - список имен связей, ассоциирующихся с рассматриваемой.
Пример. В 1970-1980 гг. со связью «быть отличником», в отношении 12-летних школьников, ассоциировалась связь «быть пионером».
Множество представлений ситуаций (SPS). Задает множество представлений о ситуациях, которые активизируют рассматриваемую вершину -сущность.
3. Хранение и использование описаний учебных объектов
Знания, необходимые для формирования компетенций, состоят из множества блоков -учебных объектов, которые могут храниться в xml-файле (рис.2), что облегчает комплек-сирование различных программных продуктов. Компетенция как набор характеристик, необходимых для успешной деятельности, представляет собой сочетание профессиональных знаний, навыков и умений, которые формируются и совершенствуются в процессе обучения. Для каждой стадии обучения создается свое описание требуемой компетенции. В описании требуемой компетенции указываются знания, навыки и умения, которые должны приобрести обучаемые. Для организации процесса обучения необходимо иметь описания: преподаваемых знаний, умений, навыков, требуемых и текущих компетенций, тестов,
конечную цель обучения.
Кроме того, в процессе обучения должны решаться следующие задачи: определение исходного уровня обучаемого, обучение, контроль обучения и аттестация.
Определение исходного уровня обучаемого может включать несколько этапов: тестирование, анализ результатов тестирования для формирования дополнительного (уточняющего пробелы знаний и умений) тестирования и формирование структуры дополнительного тестирования. При тестировании обучаемых предлагается использовать методы инженерии знаний [32,13, 30,14], роль которых может быть сведена к следующему.
После завершения процесса изучения учебного объекта (формирования понятий, навыков, умений, необходимых реакций и т.д.) решается задача обратная обучению. Обучаемый выступает в роли «эксперта», и ему необходимо продемонстрировать все полученные знания. Для
ifttüiiftge'iitf-li1" Ту
-
■ ^ennotpt <<jiii У01 com-nw-nti■ Прасгстчраванне СЛ*>
- «мои*
'JimiiJ гщп,-'rtl" ч- i.flooop №injrn»--i- f»
■iiPBDtl*
- iftSHiy
^«itmtni wB'liMMHMT i >
■i/PTRIi
- -¡SPJM.NUi
njrn, - 'jnJi' >, -" l,t"KMW i *
HUI
Vv'pn-iprE ПЛГ-11 OK оьг-uim'" f*
cflHipt nji*Ti# ■ "УО 2 D№->r*-ntf ■ В НПЗ ь
г <t"SÜUS
< lUtTHK ГЧ m, -ИД «-"l.eeQÖÖ- Ii
|»ЧП( чп.и Й4 «.■].«)»■ IJOi^rn,-"!' i >
- yPSTVv
c*l*mtnt ипп'П!' w«-i.ÖOOOO OOZnwn*™*!" />
■i/PEnj>
nim,.'lfO«" И-' 1,5<ХКЧ) 0&!п»ггч-"" У >
■ifäJTUJiU»
- «¡SHH.VU?
|Щ>||>-№1- ттО.ООЫО QD21»™-- /г </Sf04_V\l> i.'cmi р**
njn|»--rt5A' Dommf-iitl- Ънпнрн Л Ч-ИГ Hf >
<MM4t Ч^-'ПМ" >,."1.0в0М- Аргчгпц-'!" /V ililrir^nt n,m, - П1* >. - ' i-СнХКИ) SjSrttM** • l /У «hnHM UIM'~n»~ ,.-"1.МИМЮ" <Ю2ипн*'1' i*
- ^ратч»
**>n-i-rt niivii-'ne1 u-'i.wgm' Oftinam*--!- i*
- <»HJ№
U№i-"VDU' l.flGOOÜ ИЙММ»^ ,'> <4l*m-hl um mit 1.ЙОООО впмч>н t* «4i»nnnt irTT"" u-"l.<HK№D' OMn»ir*""" {>
-.-'l-OWW ВОЙИГТЧ»** y>
<;un£4pt JuifiiTiirti« 4itivqv i гш-i пл ншныя npHEHdKiiv f>
Рис. 2 Фсагаезя :аа]-фай.-а ■: acsKa:-tEöc x;je~H номсгегевсгш го zi];n]~TKHi ИИС
СчАп Дейстриг Пснощь
Кожентарии
■ К>1 Проектироыгме БЗ
■ уог ЗыборМПЗ
■ кв Методы вмеги» и выборе
| /04 Артеме*« МПЗ
1 У05 УМ Г^зактжа оокачт ТЦэО Прйкт»<а испогыовзкы МПЗ
У07 Лредставле*** знажй
■ УОЗ Г^хзектчяиа»« ИС
1 к» Логические МПЗ
1 ИМО Лродукии
1 У011 Семитически* сети
|уои Фреймы
1 УИЗ Г^икти« работы на ПС
У014 ОС_
■ У015 |ш Разработка програж Проектироваил БЗ
|ГТ2 ЗыборМПЗ
|ПЗ Методы енагмза и выборе
|гн Прженеге* МПЗ
1П5 г^эактжа сакэ*1Я фО
Зге практжл испогьзсважй МПЗ
пг Представлен« знании
ИЗ Проектировггме ИС
1 11)1« Логнчео<ие МПЗ Проиучи!
|П11 Сенамтичккие сети
|П1! Фреймы
|пи Практика работы на ГК
|лн ОС
|П15 Разработка програж
|(К Фрагмент подели конпетвщ
'1 J »1
ок
|Фрэгнент модели компетенции по ИИС]
=051*1
~~В
11
(Прпектнровение Ь .:|
901
(Проектирование БЗ)
пг
Выбор М13|
йог
¡Выбор МПЗ]
(13
(Методы анализа и выСора)
-,-• ---
П4
(Применение МПЗ]
аоз
|Метоаы анализа и выБора]
НО 4
(Применение МПЗ]
П5
|Практмкй опнедин-
ПрО|
пи
{Практик использования МПЗ)
У 05
[Практика описаний Про)
П7
У06
(Прапика использования МПЗ]
(Представление знаний)
пэ
(Логические МПЗ)
НО 9
(Логические МПЗ)
Л10
[Продушин и]
НО 7
(Представление знаний]
111
[Семантические сети]
аою
[Продукции)
П12 (Фреймы)
и01? [Фрей*<ы|
J
>'Пуд ё ■ О Пдоднпкз
Коолгтер
Л
•0РИОТЮ1МЕИ1МП,
У
_М
Рис. 5. Окно интерфейса для редактирования описания компетенции в базе знаний
и с визуализацией содержимого БЗ
Редактирован* ] Обучен* ] Распознавание Пвмироваше | Реализаг»« |
Опиая« кяшвго «стония:
Каиипты:
3
т
П9
ПИ а»
ПИ Им
Л12 №е
Л13
ПН Ыя:
Л15
ОК Изе
по 1ше
J
Прсеести платро&эш?
Перема+ые:
Цели шага; (15,4 вМ
Текущее состояние: (вдкя
Необходдаое состояние: (П5,1)(ГК,1)
Необходимые операции: 005) (У06)
Новая цел>: (П7,1)(Г№,1) (П7,1)
Шаг планирования: 3
Цеги шага: [17,1) (18,1) (П7Г1>
Текущее состодаие: 117,0) (ПЕ,0) 017,0)
Необходяюе охтскяне: (П7,1)(П8,1)017,1)
Необходтые операции: (У07)(У08)
Новая цель: И, 1) (1Ю, 1) (Л 11,1) 011!, 1) (113 ,1) 14,1) (115,1) {ПО, 1) (ГО14,0) (ПО, 1) (УО 15,0) (ПО, 1)
Шаг планирования: 4
Цели шзга: (19, 1) 0110,1) {П11,1) (П1!, 1) 0113 ,1) (П14,1) (Г| 1!, 1) {ПО, 1) СЮ 14,0) (ПО, 1) (УО 15,0) (ПО, 1)
Текущее состояние: (ПМ} (П 10,0) (П 11,0) 0112,0) 0113,0) (П14.0) ЦНЗД (ПО, 1) С/оно) (П0,1) (У015,0) (П0,1)
Необход^юе с&сто*гие; НИ, 1) (Пю, 1) (П11,1) (П12,1) (П13 ,!) (Л 14,1) (Л 15,1) (Г», 1) (УОНО) (ПО, 1) (УО 15,0) (ПО, 1)
Необжод«1ые операции: (УМ)(УОЮ){Уй11) (УС 12) (У013) (У0нНУ015)
Новая цель: (ПО, 1) (110,1) (П0Г1) (Г10,1) (ПО, 1) (ПО, 1) (Ю, 1) 2
Рис. 6. Окно интерфейса с планированием индивидуального процесса обучения
выявления (извлечения) этих знаний у обучаемого можно использовать различные методы инженерии знаний. Лучше всего тестирование проводить в условиях, которые максимально приближены к реальным процессам. Например, проверку компетенции пилота лучше проводить не с помощью ответов на вопросы, а в учебном полете или, хотя бы, на тренажере. В итоге выявляются знания, полученные тестируемым в ходе обучения. Эти знания представляются в виде многоуровневой, сложноорганизованной сети, включающей множество вершин, соответствующих сущностям реального мира, и связи между врешинами-сущностями.
Следующим этапом является сравнение эталонной модели компетенции с полученной в ходе тестирования. Сравнение может проводиться, начиная с верхних вершин сети, и, постепенно детализируя рассматриваемые вершины, завершаться рассмотрением элементарных концептов (от сложного к простому). Другой вариант заключается в том, что сравнение начинается с элементарных концептов описания учебного материала и завершается концептами или концептом (если он единственный) верхнего уровня (сравнение от простого к сложному).
Для сравнения сверху-вниз задается набор вершин-сущностей, обеспечивающих активизацию рассматриваемой вершины-сущности. Если получено правильное понятие с максимальным весовым коэффициентом распознавания, то считается, что эта часть учебного материала изуче-
на ве
рно.
Файл Пиюцв
Редэктчжеэше | обучена | Рхпознавзше \ Реагоэдли |
Лрмзнж: Огмание; 1 Ссктоайё: л.
У01 Г^даттцхвдич &3 «5е
«32 ВыбсеМГВ
УОЭ Метады анапи» и выбора №
ГО4 ЙЬе
ГО5 г^етика опнання Про Ых
У06 Готика истопьэоеаниа МПЗ ш
ГО? Г^щстда*™?
У06 Пркктиргеание ИС №
У09 ЛитошеМВ Мк
ГО 10 ГЪОДУЧ!« Ык
яш Сенэнтичккие сети «га
У012 Фрвиы Ш
ГО 13 Прэтикз работы кэ ПК Ык
гон ОС Ш
ГО 15 Ра1работка програнн Ми
.П.1. - [Ькктяккн^Щ
Реализуакыи план
Шаг: Действие: |
1 У012
1 У011
1 УОЮ
1 га
1 УОЗ
г У07
ъ У06
3 У05
4 У04
4 УОЗ
5 уог
6 У01
Задержка; |0 011
Сделатыиг
Проиги весь план
Рис. 7. Отображение этапа реализации сформированного плана
Если же значение весового коэффициента рассматриваемой вершины-сущности ниже максимального, то понятие считается изученным с определенным уровнем соответствия. Если этот уровень выше порогового, то рассматриваются (сравниваются) другие вершины-сушности из представления учебного материала. В противном случае, для изучения рассматриваемой вершины-сущности, формируется повторное обучение.
На практике тестирование, оценка обучаемого по результатам тестирования, планирование повторного обучения, при неудовлетворительных результатах тестирования, являются независимыми задачами. В учебных заведениях они выполняются разными специалистами. Использование интегрированного подхода к представлению знаний позволяет свести эти задачи в одну. Исходными данными для такой комплексной задачи служит описание компетенции сотрудника
после обучения, а результатами ее решения является последовательность учебных объектов, изучение которых должно обеспечить формирование необходимой компетенции.
Решение задачи формирования повторного (основного) обучения может включать несколько шагов [34,15]. На начальном шаге происходит сравнение требуемой (эталонной) компетенции с текущей (исходной) компетенцией обучаемого. При несовпадении формируется запрос к базе знаний или репозиторию для поиска множества учебных объектов, изучение которых необходимо для формирования требуемой компетенции. По этому запросу выбираются и условия возможности изучения учебного объекта. Из условий возможности изучения учебного объекта формируется требуемое состояние для следующего шага планирования и т.д. Условием завершения планирования будет устранение различий между текущим и требуемым уровнями, для последнего шага планирования, компетенциями.
Для описания алгоритма формирования программы обучения используются следующие обозначения:
Кц0 - описание компетенции, которая должна сформироваться в процессе всего обучения;
Кц1 - описание компетенции, которая должна сформироваться в процессе обучения на 1-м шаге -изучения учебных объектов, спланированных на 1-м шаге;
Кпер1 - описание различий между требуемой и текущей компетенциями обучаемого для 1- го шага планирования;
Ктек1 - описание текущей компетенции обучаемого, которая должна соответствовать началу 1-го шага планирования (перед 1-м шагом обучения);
1 - номер шага планирования.
ОДЗ - область допустимых значений. Может задаваться интервалом (нижней и верхней границами _ НГ и ВГ) для количественных признаков, «истина» или «ложь» - для логических признаков, набором символов (имен) - для качественных признаков (лингвистических переменных).
С использованием введенных сокращений алгоритм формирования программы обучения будет иметь следующий вид:
1. Получение описания требуемой (эталонной) компетенции - Кц0. Установка первого шага планирования: 1 = 1. Фиксация описания требуемой компетенции для первого шага планирования Кц1 = Кц0.
Определение текущей компетенции обучаемого, которая должна соответствовать началу 1-го шага планирования (перед 1-м шагом обучения). По именам параметров из Кц1 запрашиваются (выясняются в ходе тестирования обучаемого) их текущие значения, т. е. формируется Ктек1.
2. Сравнение Кц, и КтекФормирование Кпер, из признаков (параметров), текущие значения которых не совпали с ОДЗ.
3. Если Кпер, = 0, то перейти к п.8.
4. Выбор учебных объектов, содержащих в постусловиях (условиях контроля формирования компетенции) такие параметры с ОДЗ, как в Кпер1.
5. Из предусловий (условий возможности изучения учебного объекта) выбранных учебных объектов сформировать описание требуемой компетенции для следующего шага планирования Кц1+1.
6. Установить следующий шаг планирования 1 := 1 + 1. Перейти к п.2.
7. Конец планирования.
Реализация сформированного плана обучения.
1. Реализация осуществляется с изучения учебных объектов, сформи-рованных на последнем шаге планирования, а заканчивается изучением учебных объектов, сформированных на первом шаге планирования.
2. Для контроля успешности изучения учебных объектов, сформированных на 1-м шаге планирования, необходимо Кпер1 сравнить с Ктек1. При несовпадении текущих значений Ктек1 и ОДЗ Кпер1 провести планирование, в ходе которого будут выявлены учебные объекты для повторного обучения. Для этого Кц = Кпер1.
Обучение может включать работу с основными учебными курсами (для формирования заявленной компетенции) и с дополнительно сформированными учебными курсами - для устранения выявленных пробелов, которые не позволят обучаемому сотруднику усвоить новый курс.
При аттестации, в соответствии с принятыми нормами, выносится решение о компетенции обучаемого. Данное решение формируется с участием специалистов.
Интегрированный подход к представлению знаний позволяет создавать учебные объекты (рис. 3) различной направленности, модифицировать их, по мере необходимости, и автоматизировать процесс формирования последовательности учебных объектов, контрольных мероприятий как для основного, так и для повторного (дополнительного) обучения. Для создания и использования учебных объектов можно использовать интеллектуальную систему для решения задач формирования компетенций у обучаемых.
4. Применение эволюционирующих знаний для решения задач формирования требуемых компетенций у обучаемых
В качестве примера рассматривается ситуация, в которой обучаемый по дисциплине «Интеллектуальные информационные системы» должен быть готов после обучения проектировать базы знаний. Для краткости изложения примера все процессы рассматриваются упрощенно и условно.
Пусть требуемая компетенция «Проектирование базы знаний» включает знания (умения и навыки) о процессах, связанных с проектированием базы знаний (БЗ): извлечение знаний, формализация предметной области, выбор методов представления знаний (МПЗ), выбор и использование инструментальных средств, наполнение БЗ.
Для формирования модели [32,33,35] требуемой компетенции, в виде онтологии, необходимо определить в качестве элементов те знания, умения и навыки, которые необходимы обучаемому для формирования у него требуемой компетенции. В рамках рассматриваемого примера в качестве базовых элементов требуются следующие знания (умения и навыки):
- о предметной области,
- методы представления знаний,
- методы анализа,
- применение МПЗ,
- формализация предметной области,
- применяемые инструментальные средства,
- наполнение БЗ.
На рис.4. показано окно интерфейса системы управления базой знаний, в котором представлены элементы модели компетенции для дисциплины «Интеллектуальные информационные системы» (ИИС). Формирование у обучаемого требуемой компетенции происходит в ходе учебного процесса. Для организации учебного процесса необходим план обучения. Задача формирования плана организации учебного процесса для каждого обучаемого может быть представлена следующим образом.
Организовать учебный процесс для обучаемого с текущей компетенцией Ктек, т.е. сформировать такой план обучения Поб, после реализации которого у обучаемого сформируется требуемая компетенция Ктр.
Описание проблемной области (ПрО) в данном случае будет содержать вершины-сущности, соответствующие учебным объектам, с признаками их активизации (изучения обучаемым) и связи между ними. Фрагмент базы знаний для рассматриваемого примера показан на рис.2.
Учебные объекты
Признаки изучения учебных объектов: ПО - для задания предусловия входных признаков (всегда имеет значение 1), П1 - проектирование БЗ, П2 - выбор МПЗ, П3 -методы анализа и выбора, П4 - применение МПЗ, П5 - практика описания ПрО, П6 - практика использования МПЗ, П7 - представление знаний, П8 - проектирование информационных систем,
П9 - логические МПЗ, П1О - продукции, П11 - семантические сети, П12 - фреймы,
П13 - практика работы на ПК, П14 - операционные системы (ОС), П15 - разработка программ.
Для решения задачи планирования процесса формирования требуемой ком-
Открытое образование •6/2009
Код У объекта Постусловия (контроль изучения) Предусловия (возможность изучения) Название учебного объекта (темы изучения)
Имя признака Значение Имя признака Значение
У01 П1 1 П2 1 Проектирование БЗ
У02 ш 1 ПЗ П4 1 Выбор МПЗ
УОЗ пз 1 П5 1 Методы аналкзанвыбора
У01 П4 1 Пб 1 Применение МПЗ
УОЗ ПЗ 1 П7 1 Практика описания ПрО
УОб ГО 1 П8 1 Практика использования МПЗ
У07 П7 1 П9 пю пи П12 1 1 1 1 Представление знании
УОЗ па 1 П13 П14 П13 1 1 1 Проектирование информационные систем
У09 П9 1 по 1 Логические МПЗ
УОШ П10 1 по 1 Продукции
У011 П11 1 по 1 Семантические сети
У012 П12 1 по 1 фреймы
У013 П13 1 по 1 Практика работы на ПК
У 014 П14 1 по 1 Операинонные системы
У013 П15 1 по 1 Разработка прирамм
петенции необходимо задать в верхнем левом поле требуемую компетенцию и указать в правом верхнем поле текущую компетенцию обучаемого (рис.6). В нижнем поле показан фрагмент сформированной последовательности. Окно интерфейса системы управления БЗ для занесения описаний вершин-сущностей модели компетенции и с визуализацией содержимого БЗ представлено на рис. 5. На рис. 7. представлено окно интерфейса, позволяющее моделировать процесс формирования компетенции у обучаемого. В левом поле представлены все признаки модели компетенции. Их значения меняются в процессе отработки учебных объектов. В правом поле показаны учебные объекты, отрабатываемые на каждом шаге обучения. При использовании периферийных систем обучения, способных проводить оценку текущей компетенции обучаемого, система способна отображать текущие компетенции каждого обучаемого и формировать для них индивидуальные планы дополнительного обучения
Заключение
Предлагаемый подход к представлению и использованию эволюционирующих знаний для реализации компетентностного подхода позволяет:
- решать ряд задач управления знаниями в образовательном учреждении. К таким задачам можно отнести накопление знаний преподавателей, широкое распространение и использование имеющихся знаний;
- разрабатывать новые средства и строить на их основе новые технологии обучения, обеспечивающие идивидуализацию обучения, адаптивность к способностям и интересам обучаемых, доступ к новым источникам учебной информации;
- создавать и эффективно использовать инновации в обучении, ориентированные на самостоятельный, творческий характер учебной деятельности. Одним из вариантов решения данной проблемы является формирование и использование индивидуальных программ обучения (образовательных траекторий).
Кроме того, интегрированный подход к представлению эволюционирующих знаний позволяет строить множество траекторий обучения и выбирать из них, в соответствии с заданными критериями и ограничениями, оптимальную траекторию [6]. Возможно оптимизировать затраты на образовательные процессы, исключая дублирующие процессы.
Литература
1. Эдвинссон Л., Мэлоун М. Интеллектуальный капитал. Определение истинной стоимости компании //Новая постиндустриальная волна на Западе / Под ред. В.Л. Иноземцева. - М.: Academia, 1999.
2. Кузнецов О.П. Когнитивное моделирование слабоструктурированных знаний // Политехнические чтения: Сб.тр. - Вып.7. Искусственный интеллект - проблемы и перспективы / Политехн. Музей; науч. ред. Г.Г. Григорян, В.Л. Стефанюк; ред.-сост.: Д.А. Добрынин, В.Э. Карпов, Т.А. Логинова, В.А. Миронова. - М.; 2006. - 194 с.
3. Байденко В.И. Компетентностный подход к проектированию государственных образовательных стандартов высшего профессионального образования. Методические рекомендации для руководителей УМО ВУЗов Российской Федерации. - М.: Исследов. центр проблем качества подготовки специалистов, 2005.
4. Рыбина Г.В. Обучающие интегрированные экспертные системы: некоторые итоги и перспективы //Искусственный интеллект и принятие решений. - 2008. - №1. - С. 22-46.
5. Тельнов Ю.Ф., Цыбин А.П. Когнитивное моделирование процессов самообучающейся организации // Открытое образование. - 2006. - №4(57). - С. 77-81.
6. Трембач В.М. Методы и средства для решения задач формирования интеллектуального потенциала корпорации // Научная сессия МИФИ - 2007. Сб. научн. тр. - Т.3. - М.: МИФИ, 2007. - С. 59-60.
7. Комлева Н.В., Макаров С.И. Инновационная технологическая среда оценки компетентности в образовании // Открытое образование. - 2008. - №5(70).
8. http://www.claroline.net/doc/en/index.php/The_learning_path_tool (Дата обращения 25.08.2009).
9. http://www.eduworks.com/LOTT/Tutorial/learningobjects.html (Дата обращения 26.08.2009).
10. http://www.imsglobal.org (Дата обращения 16.08.2009).
11. Трембач В. М. Применение интеллектуальных технологий к формированию компетенций обучающихся //Искусственный интеллект и принятие решений. - 2008 - № 2. - С.34-45.
12. Трембач В.М. Приобретение знаний из опыта и внешних источников. // КИИ - 2006. Десятая на-цион. конф. по искусств. интеллекту с международн. участием: Сб. научн. тр. в 3-х т. - Т.3. - М.: Физ-матлит, 2006. - С. 1100-1108.
13. Джарратано, Джозеф, Райли, Гари. Экспертные системы: принципы разработки и программирование. 4-е изд. / Пер. с англ. - М.: «Вильямс», 2007. - 1152 с.
14. Рассел, Стюарт, Норвиг, Питер. Искусственный интеллект: современный подход. - 2-е изд./ Пер. с англ. - М.: «Вильямс», 2007. - 1408 с.
15. Трембач В.М. Компьютерные методы представления и формирования знаний для синтеза планов решений // Новости искусственного интеллекта. - 2005. - № 3. - С. 51-62.
16. Дюк В., Самойленко А. Data Mining: уч.. курс. - СПб: Питер, 2001.
17. Осипов Г.С. Динамические интеллектуальные системы//Искусственный интеллект и принятие решений. - 2008. - № 1. - С. 47-54.
18. Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С.. Динамические интеллектуальные системы. -Ч.1. Представление знаний и основные алгоритмы // Изв. РАН. Теория и системы управления. - М: Наука, 2002. № 6.
19. Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. - Ч.11. Моделирование целенаправленного поведения. Изв. РАН. Теория и системы управления. - М: Наука, 2003. - №1. - С.87-94.
20. Трембач В.М. Методы представления эволюционирующих знаний, обеспечения и оценки их соответствия действительности. // КИИ - 2008. Одиннадцатая национальн. конф. по искусств. интеллекту с международным участием: Сб. научн. тр.: В 3-х. - Т.3. - М.: Физматлит, 2008. - С. 315-322.
21. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. - М.: ФИЗМАТЛИТ, 2003. - 432 с.
22. Редько В.Г. Эволюционная кибернетика. - М.: Наука, 2001.
23. Тимофеев-Ресовский Н.В., Воронцов Н.Н., Яблоков А.В. Краткий очерк теории эволюции. - М.: Наука, 1977.
24. Дарвин Ч. Происхождение видов путем естественного отбора: Соч. - Т.3. - М.-Л.: «Академия», 1939.
25. Ламарк Ж.Б. Философия зоологии. Т.- 1,2. - М.-Л.: «Академия», 1939.
26. Дубинин Н.П. Избранные труды. - Т.1. Проблемы гена и эволюции. - М.: Наука, 2000.
27. Курейчик В. В. Эволюционные, синергетические и гомеостатические методы принятия решений. Монография. - Таганрог: Изд-во ТРТУ, 2001.
28. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.
29. Эволюционная эпистемология и логика социальных наук: Карл Поппер и его критики//Сост. Д.Г. Лахути, В.Н. Садовский, В.К. Финн. - М.: Эдиториал УРСС, 2000.
30. Осипов Г. С. Приобретение знаний интеллектуальными системами: Основы теории и технологии.
- М.: Наука. Физматлит, 1997. - 112 с. - (Проблемы искусственного интеллекта).
31. Частиков А.П., Гаврилова Т. А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. -СПб.: БХВ-Петербург, 2003. - 608 с.
32. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб: Питер, 2000.
- 384 с.
33. Гаврилова Т. А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем // Новости искусственного интеллекта. - 2003. - № 2. - С. 24-29.
34. Трембач В.М. Средства обработки информации для построения интеллектуальных информационных систем // КИИ - 2002. Восьмая национальн. конф. по искусств. интеллекту с международным участием: Сб. научн. тр.: В 2-х т. - Т.2. - М.: Физматлит, 2002. - С. 760-767.
35. Мизогучи Р. Шаг в направлении инженерии онтологий // Новости искусственного интеллекта. -М.: РАИИ, 2000. - № 1-2. - С. 11-36.
СОЗДАНИЕ УЧЕБНОГО ПРОЕКТА КАК ОСНОВА ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В МАЛЫХ ГРУППАХ
В.М.Курейчик, зам. руководителя по НР, д.т.н., проф.
Тел.: (8634)39-32-60, 31-14-87; E-mail: [email protected] В.И.Писаренко, д.п.н. проф. каф. Иностранных языков Тел.: (8634)61-24-63; E-mail: [email protected]
Ю.А. Кравченко, к.т.н., доц. каф. САПР Тел.: (8634) 371651; E-mail: [email protected] Технологический институт Южного федерального университета (г. Таганрог)
http://www.tsure.ru
The article is devoted to the development of methods of interactive training in innovative education. Problems of application design technologies in educational systems are considered.
