Петров Сергій Олександрович



Скачати 314.03 Kb.
Дата конвертації26.05.2017
Розмір314.03 Kb.
ТипАвтореферат



МІНІСТЕРСТВО ОСВІТИ І НАУКИ, МОЛОДІ ТА СПОРТУ УКРАЇНИ

ВІННИЦЬКИЙ НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ



Петров Сергій Олександрович

УДК 681.518



ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ аналізу ПРОЦЕСУ

і синтезу адаптивної системи

контролю знань
Спеціальність 05.13.06 – інформаційні технології
Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Вінниця – 2013

Дисертацією є рукопис.
Робота виконана на кафедрі комп’ютерних наук Сумського державного університету Міністерства освіти, науки, молоді і спорту України.
Науковий керівник: доктор технічних наук, професор

Довбиш Анатолій Степанович,

Сумський державний університет,

завідувач кафедри комп’ютерних наук.
Офіційні опоненти: доктор технічних наук, професор

Хаїмзон Ігор Ізевич,

Вінницький національний медичний університет,

завідувач кафедри біофізики, інформатики та медапаратури.

доктор технічних наук, професор



Чаплига Вячеслав Михайлович

Львівський банківський інститут банківської

справи Університету банківської справи

Національного банку України (м. Київ),

завідувач кафедри економічної кібернетики.

Захист відбудеться «___»__________2013 р. о____ годині на


засіданні спеціалізованої вченої ради Д 05.052.01 у Вінницькому національному технічному
університеті за адресою:21021, м. Вiнниця, Хмельницьке шосе, 95, ГНК, ауд. 210.
З дисертацією можна ознайомитись у бібліотеці Вінницького національного технічного університету за адресою: 21021, м. Вiнниця, Хмельницьке шосе, 95, ГНК.

Автореферат розісланий «____» _________________2013 р.




Учений секретар

спеціалізованої вченої ради С.М. Захарченко



ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. За умов входження України в Болонський освітній процес, розвитку концепції навчання протягом життя (Long Life Learning) і пов'язаною з цим необхідністю оцінки та підвищення ефективності процесу навчання усе більш актуальною стає проблема системного впровадження сучасних прогресивних інформаційних технологій. Розглядаючи проблему підвищення ефективності функціонування інформаційних систем керування навчальним процесом, такі дослідники, як В.І. Гриценко, Мокін Б. І.,  В.П. Беспалько, К.М. Денек, Ч.Д. Куписевич, Е.Г. Петров, Н.В. Шаронова, В.М. Чаплига, П.І. Федорук, C.B. Jones, P. Larson, J-T Yang, S. Sun серед основних його компонентів вказують на важливе значення підвищення достовірності машинного контролю знань в режимі тестування. Особливої актуальності набуває вирішення цієї проблеми для сучасних форм отримання знань, які в останні роки в Україні набувають стрімкого розвитку. Тому одним із прогресивних напрямків підвищення функціональної ефективності навчання та оцінки рівня знань є аналіз і синтез адаптивних систем контролю знань (СКЗ), побудованих на основі сучасних інтелектуальних технологій прийняття рішень. При цьому науково-методологічні питання підвищення функціональної ефективності адаптивних СКЗ все ще залишаються недостатньо дослідженими. Так, основними недоліками відомих методів навчання СКЗ, які роблять неефективним їх застосування на практиці, є ігнорування перетину класів розпізнавання у просторі ознак розпізнавання, довільних початкових умов оцінювання, впливу неконтрольованих факторів, відсутність оптимізації наборів тестів, що призводить до надлишкових в інформаційному розумінні словників ознак розпізнавання.

Вказані вище методологічні та теоретичні ускладнення створення високоефективних адаптивних СКЗ обумовлюють актуальність розроблення математичних моделей, методів оцінки функціональної ефективності та оптимізації просторово-часових параметрів функціонування, а так само відповідних засобів інформаційних технологій проектування адаптивних СКЗ та широке їх впровадження в телекомунікаційне інформаційно-освітнє середовище України.

Дисертаційна робота присвячена подальшому розвитку інтелектуальних інформаційних технологій в галузі освіти, які ґрунтується на максимізації інформаційної спроможності адаптивної СКЗ шляхом введення на етапі навчання додаткових інформаційних обмежень.

Зв’язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана відповідно до планів науково-дослідних робіт Сумського державного університету за держбюджетними темами: «Математичні моделі, алгоритми та засоби інформаційної технології аналізу та синтезу інтелектуальних систем» (ДР № 0105U002825), «Математичне моделювання та оцінка функціональної ефективності адаптивної системи керування дистанційним навчанням» (ДР № 0106U001930), «Розроблення науково-методичних основ та інформаційних засобів проектування здатних самонавчатися адаптивних систем керування технологічними процесами» (ДР № 0112U001384)

Роль автора в цих науково-дослідних роботах полягала в розробці математичних моделей та інформаційно-екстремальних алгоритмів оптимізації параметрів функціонування адаптивної СППР, що навчається, та відповідних засобів інформаційної інтелектуальної технології її аналізу та синтезу.



Мета і задачі дослідження. Метою роботи є підвищення функціональної ефективності та надання адаптивності СКЗ на основі нової інформаційної технології їх аналізу і синтезу.

У відповідності до поставленої мети у дисертації сформульовано такі завдання:



  • аналіз існуючих методів і технологій аналізу і синтезу адаптивних СКЗ;

  • розроблення методу визначення обсягу та формування еквівалентних в інформаційному розумінні наборів тестів із заданої їх множини;

  • розроблення методу оцінювання рівня знань на базі СППР в рамках інформаційно-екстремального методу;

  • розроблення інформаційної технології аналізу процесу та синтезу здатної самонавчатися в режимі кластер-аналізу СППР для побудови СКЗ;

  • розроблення методики визначення мінімального обсягу тестових запитань за узагальненим критерієм Кузьміна;

  • розроблення алгоритму навчання СППР в режимі кластер-аналізу вхідних даних;

  • розроблення засобів інформаційного і програмного забезпечення та використання розроблених моделей для розв’язання конкретних прикладних функціонування адаптивної СКЗ.

Об’єктом дослідження є процеси контролю знань.

Предметом дослідження є інформаційні технології, моделі і методи аналізу процесів і синтезу адаптивних систем контролю знань.

Методи дослідження базуються на принципах та евристичних методах теорії проектування та функціонування інтелектуальних СППР, що навчаються для аналізу процесу і синтезу адаптивних СКЗ; методах та характеристиках теорії інформації для оцінки функціональної ефективності СППР, методах теорії розпізнавання образів та теорії статистичних рішень для побудови вирішальних правил та організації процесу підтримки прийняття рішень; методах ІЕІ-технології та методах оптимізації для розробки та реалізації процедур оптимізації параметрів функціонування СКЗ; методи об’єктно-орієнтованого проектування для створення інформаційного та програмного забезпечення СКЗ.

Наукова новизна одержаних результатів полягає в тому, що поставлено та вирішено науково-технічну задачу підвищення функціональної ефективності та надання адаптивності СКЗ. Конкретні нові наукові результати, одержані особисто здобувачем, полягають у такому:

  • вперше розроблено нову інформаційну технологію аналізу процесу та синтезу здатної самонавчатися в режимі кластер-аналізу СППР для побудови СКЗ, яка включає процедуру оцінки її функціональної ефективності, комплекс категорійних моделей, критеріїв оцінки і алгоритмів оптимізації параметрів функціонування в рамках інформаційно-екстремального методу, що дозволяє надати системі властивість адаптивності при її функціонуванні за умов апріорної невизначеності, інформаційних та ресурсних обмежень, розглядати задачу аналізу і синтезу СКЗ;

  • вперше запропоновано метод визначення обсягу та формування еквівалентних в інформаційному розумінні наборів тестів із заданої їх множини який відрізняється теоретико-інформаційним критеріальним підходом, що дозволило підвищити оперативність машинного контролю знань при забезпеченні заданої достовірності результатів оцінювання за навчальною вибіркою;

  • вперше розроблено метод оцінки рівня знань на базі СППР, який відрізняється застосуванням інформаційно-екстремального методу з використанням інформації про структуру простору функціонування СКЗ, функціонує в режимі як вкладених, так і впорядкованих контейнерів класів розпізнавання, що дозволило побудувати безпомилкові за навчальною матрицею вирішальні правила.

Практичне значення одержаних наукових результатів полягає в тому, що на основі узагальнення відомих результатів і застосування нових наукових положень, запропонованих у дисертації, сформована сучасна інформаційна технологія аналізу і синтезу адаптивних СКЗ на базі здатної навчатися СППР, що функціонує за умов апріорної невизначеності, нечітких вхідних даних і ресурсних обмежень, та дозволила підвищити достовірність оцінки результатів машинного оцінювання рівня знань.

Запропоновано методику визначення мінімального обсягу тестових запитань за узагальненим критерієм Кузьміна. Розроблено та реалізовано алгоритм навчання СППР в режимі кластер-аналізу вхідних даних.

Розроблене програмне забезпечення дозволило здійснити інформаційний синтез адаптивних СКЗ і побудувати за результатами їх навчання безпомилкові за навчальною матрицею вирішальні правила.

Результати дисертації впроваджені у вигляді моделей, методів, алгоритмів і пакетів прикладних програм та системи каркасних класів (Framework) для проектування інтелектуальних СППР при розв’язанні прикладних задач функціонування СКЗ, що підтверджується актами впровадження в навчальний процес Сумського державного університету, в розробки науково-дослідного центру навчально-наукових приладів інституту прикладної фізики НАН України, в атестаційний процес ТОВ „НЕТКРЕКЕР”, в технологічний процес вирощування сцинтиляційних монокристалів в інституті сцинтиляційних монокристалів в організацію та проведенню наукових досліджень в науковому центрі бойового застосування ракетних військ і артилерії Сумського державного університету.



Особистий внесок здобувача полягає в тому, що основні наукові положення, висновки та рекомендації, які винесено на захист, одержано здобувачем особисто. У публікаціях, написаних у співавторстві автору належать: [1] – математична модель та алгоритм оптимізації параметрів генерування тестів; [2] –алгоритм оцінки інформативності тестів при машинному контролі та його програмна реалізація; [3] – алгоритм навчання системиконтролю знань за різними оціночними функціями та його програмна реалізація; [4] – математичні моделі системи контролю знань; [5] – категорійна модель, інформаційно-екстремальний алгоритм і його програмна реалізація; [7] – категорійну модел та інформаційно-екстремальний алгоритм кластеризації вхідних даних; [11] – структура мультіагентної інтелектуальної системи дистанційного навчання; [13] – модель і алгоритм оцінки рівня знань студентів з використанням марківських процесів; [14] – аналіз методів синтезу систем комп’ютерізації освіти; [15] – математичні моделі адаптивної системи керування дистанційним навчанням; [19] – алгоритм формування апріорної нечіткої навчальної матриці для системи контролю знань студентів; [20] – засоби інформаційних технологій для реалізації програмного забезпечення адаптивної системи контролю знань; [21] – запропоновано вдосконалення понятійно-тезисної моделі та розроблено алгоритм формування вхідних даних системи.

Апробація результатів дисертації. Основні наукові положення та результати дисертаційної роботи доповідалися на: Третїй Міжнароднійї конференції «Нові інформаційні технології в освіті для всіх: система електронної освіти (Київ, 2008), Шостій і Сьомій Міжнародних конференціях «Інтернет-Освіта-Наука» (Вінніца, 2008, 2010), Третій Міжнародній конференції «Інформаційні технології та менеджмент» (Рига, Латвія, 2005), Третій Міжнародній конференції «Современные методы кодирования в электронных системах» (Суми, 2006), Всеукраїнській науково-практичній конференції «Проблеми освіти в галузі інформаційних технологій» (Київ, 2007), Міждержавній науково-методологічній конференції «Проблеми математичного моделювання» (Дніпродзержинськ, 2007), Міжнародній науково-практичній конференції вчених Украіни, Беларусі, Росії, Азербайджану, Израїлю «Информационные технологии и информационная безопасность в науке, технике и образовании» – (Севастополь, 2007), СьомійI міжнародній конференції «Интелектуальный анализ информации «ИАИ 2007»( Київ, 2007), Восьмій Міжнародній міждисциплінарній науково-практичній школі-конференції «Сучасні проблеми науки та освіти» (Алушта, 2007), 9-й і 10-й міжнародних міждисциплінарних науково-практичних конференціях «Сучасні проблеми гуманізації та гармонізації управління» (Харків, 2009,2010).

Публікації. Основні положення та результати дисертаційної роботи опубліковано в 21 друкованих працях, з них: дев’ять статей, сім з яких опубліковано у наукових фахових виданнях і 12 матеріалів доповідей на міжнародних і Всеукраїнських науково-практичних конференціях.

Структура і обсяг дисертації. Дисертаційна робота складається із вступу, чотирьох розділів, висновків, двох додатків і списку використаних джерел. Повний обсяг дисертації складає 164 сторінки тексту, у тому числі: 57 рисунків, 5 таблиць, список використаних джерел, що включає 143 найменування, на 16 сторінках і два додатки на 6 сторінках.
ОСНОВНИЙ ЗМІСТ РОБОТИ
У вступі обґрунтовано актуальність дисертаційного дослідження, сформульовано мету й основні задачі досліджень, сформульовано наукову новизну та практичне значення одержаних результатів, наведено відомості про апробацію та публікацію основних результатів роботи.

У першому розділі подано аналітичний огляд наукових праць, присвячених питанням аналізу та синтезу інтелектуальних технологій та сучасних вітчизняних і закордонних СКО . Показано, що не зважаючи на суттєві досягнення в галузі комп’ютеризації навчального процесу і великий обсяг публікацій за цією тематикою значних зрушень у підвищенні функціональної ефективності адаптивних СКО все ще не відбувається, оскільки вони забезпечують транспортування до користувачів навчального контенту, але, як правило, в них відсутня інтелектуальна складова, пов’язана з моделюванням когнітивних процесів прийняття рішень, притаманних людині-викладачу. Узагальнено структуру інтелектуальної СКЗ для керування та супроводження навчального процесу. Зазначено, що стримуючим фактором підвищення функціональної ефективності СКО є невирішені проблеми методологічного плану, пов’язані з розробкою інтелектуальних інформаційних технологій оптимізації параметрів функціонування СКЗ з метою надання їй властивості адаптивності шляхом використання ідей і методів машинного навчання та розпізнавання образів.



У другому розділі розглянуто теоретичні та методологічні основи інформаційного аналізу і синтезу інтегрованої в СКЗ здатної навчатися СППР. Встановлено, що навчальний процес визначається як слабо формалізований з лінійно нероздільними ознаками розпізнавання рівня знань слухачів, обґрунтовано вибір напряму досліджень і наведено формалізовану постановку загального інформаційного синтезу адаптивної СКЗ, за якою можливі функціональні стани навчального процесу вивчення дисципліни, який складається з тематичних модулів, характеризуються нечітким алфавітом класів розпізнавання , де . При цьому клас характеризує відповідний рівень знань слухача при вивченні -го модуля. За результатами тестового контролю здійснено фазифікацію вхідних даних шляхом відбиття результатів тестування за допомогою відповідної оціночної функції на шкалу оцінювання і сформовано навчальну матрицю , де – кількість ознак розпізнавання і реалізацій образу відповідно. При цьому задано структурований вектор параметрів навчання СППР з обмеженнями . Тоді режим навчання СППР зводиться до оптимізації параметрів функціонування, які забезпечують максимум усередненого за алфавітом класів розпізнавання інформаційного КФЕ

, (1)

де – КФЕ навчання СППР розпізнавати реалізації класу , що дозволить здійснити дефазіфікацію вхідних даних шляхом трансформації нечіткого розбиття простору ознак розпізнавання в чітке розбиття еквівалентності класів, тобто побудувати безпомилкові за навчальною матрицею вирішальні правила.

У режимі екзамену, з метою персоналізації слухача визначається належність реалізації образу, що розпізнається, одному із класів із заданого алфавіту , що характеризує рівні знань за відповідною шкалою оцінювання.

Вхідний математичний опис інтелектуальної СППР подано у вигляді структури

В=<G, T, , Z, S, Y; П, >, (2)

де G простір вхідних сигналів (факторів), які діють на СКЗ; T  множина моментів часу зняття інформації;  простір ознак розпізнавання; Z простір можливих станів СКО; множина індивідуальних навчальних траекторій слухача; Y  вибіркова множина (навчальна матриця); П: GTZ  оператор переходів, що відбиває механізм зміни функціональних станів СППР; – оператор формування індивідуальних навчальних траекторій слухача; Ф: GTZY  оператор формування вибіркової множини Y .

Розроблено категорійну модель процесу навчання СППР з оптимізацією коефіцієнтів валідності і значущості тестів у вигляді діаграми відображення множин (рис.1).



Рисунок 1 – Діаграма відображення множин при оптимізації вагових коефіцієнтів тестів
На рис.1 оператор будує у загальному випадку нечітке розбиття , а оператор класифікації : I|l| перевіряє основну статистичну гіпотезу про належність реалізацій {|j=} нечіткому класу , де l кількість статистичних гіпотез. Оператор : I| l | | q | шляхом оцінки статистичних гіпотез формує множину точнісних характеристик | q |, де q=l2 – кількість точнісних характеристик. Оператор |q| E обчислює множину значень інформаційного КФЕ, який є функціоналом точнісних характеристик. Контур оптимізації геометричних параметрів розбиття шляхом пошуку максимуму КФЕ навчання розпізнаванню реалізацій класу замикається оператором r: E. Крім того на рис.1 показано контур оптимізації контрольних допусків, в якому терм-множина D – значення системи контрольних допусків (СКД) на ознаки розпізнавання, і контур оптимізації дидактичних параметрів генерування тестів, в якому W і V множини значень коефіцієнтів валідності і значущості відповідно. Тут – відкрита послідовність тестів, що генерується викладачем.

Для оцінки ефективності системи контролю знань слухачів залежно від обсягів еквівалентних (в інформаційному розумінні) наборів тестів у роботі запропоновано модифікацію узагальненого критерію Кузьміна у вигляді



, (3)

де – усереднений за алфавітом класів розпізнавання інформаційний КФЕ, який в роботі подається у вигляді модифікацій ентропійного (за Шенноном) критерію та інформаційної міри Кульбака; – граничне значення усередненого КФЕ, обчислене при підстановці в функцію критерію максимальних значень першої та другої достовірностей , тобто при нульових значеннях помилок відповідно першого і другого роду; – загальна кількість тестів для контролю знань слухачів; – мінімальний обсяг еквівалентного набору тестів із заданої множини тестів; – ваговий коефіцієнт зведених витрат.



Інформаційно-екстремальний алгоритм навчання СППР подано у вигляді багатоциклічноїітераційної процедури пошуку глобального максимуму інформаційного КФЕ навчання СППР

,

(4)

де – допустима область значень коефіцієнта значущості тестів ; – допустима область значень коефіцієнта валідності тестів ; – допустима область значень параметра поля контрольних допусків на ознаки розпізнавання; – допустима область значень еталонного вектора-реалізації класу ; – допустима область значень радіусів контейнерів класів розпізнавання, побудованих в радіальному базисі простору ознак . При цьому задано обмеження

,

,

,



,

, (5)
де  оптимальний радіус контейнера класу ; – оптимальний радіус контейнера класу , найближчого до класу ; – міжцентрова кодова відстань для класів і ; бінарний простір ознак Хеммінга.

Для формування вхідної навчальної матриці СППР проаналізовано і здійснено вибір оціночної функції з метою підвищення функціональної ефективності системи оцінки рівня знань слухачів за закритими тестами. Розроблено категорійну інформаційно-екстремальну математичну модель оцінки інформативності тестів у вигляді діаграми відображень множин, що задіяні в процесі оптимізації параметрів навчання СППР.

Розроблено категорійну модель і алгоритм навчання унімодальної СППР з оптимізацією вкладених контейнерів класів розпізнавання, які утворюють ранжований (впорядкований) алфавіт, що має місце в задачі оцінки рівня знань слухачів за відповідною шкалою виміру і дозволяє підвищити оперативність навчання системи у порівнянні з полімодальним розподілом реалізацій класів розпізнавання.

У роботі розроблено категорійну модель інформаційно-екстремального навчання СППР, що функціонує в режимі кластер-аналізу вхідних даних, яка дозволяє автоматизувати формування вхідного математичного опису системи (рис. 2.).





Рисунок 2 – Діаграма відображення множин при кластер-аналізі
У діаграмі (рис. 2) оператор кластер-аналізу будує за дистанційними критеріями близкості апріорно нечітке розбиття класів розпізнавання. Оператори і формують вхідну апріорно нечітку навчальну матрицю і вхідну бінарну навчальну матрицю відповідно. У контурі побудови розбиття терм-множина складається з допустимих радіусів, що використовуються при відновленні контейнерів класів розбиття.

Таким чином, поєднання дистанційного підходу до кластеризації вхідних даних з інформаційно-екстремальним алгоритмом навчання СППР дозволяє автоматизувати процес формування апріорно нечіткої класифікованої багатовимірної навчальної матриці, відобразити її у бінарний простір Хеммінга і побудувати в процесі навчання безпомилкові за навчальною матрицею вирішальних правил.

У третьому розділі розроблено інформаційно-екстремальні алгоритми оптимізації параметрів функціонування СППР для оцінки рівня знань слухачів.

У рамках ІЕІ-технології здійснено порівняльний аналіз основних оціночних функцій, які використовуються при формуванні ознак розпізнавання навчальної матриці. Для визначення еквівалентності в інформаційному розумінні ознак розпізнавання, із яких формуються репрезентативні набори тестів, вибрано міру, що дозволяє встановити належність ознаки до групи еквівалентних або нееквівалентних ознак з найбільшою функціональною ефективністю навчання СППР,



,

де – КФЕ навчання СППР розпізнавати реалізації класу за базовим словником ознак розпізнавання; – КФЕ навчання СППР розпізнавати реалізації класу за словником, який залишився після переходу ознаки в базовий.

Розроблено і програмно реалізовано алгоритм оптимізації таких вагових коефіцієнтів тестів, як валідність і значущість.. Оскільки оптимізація вагових коефіцієнтів оцінок відповідей при тестуванні слухачів здійснюється для кожного тесту, то як алгоритм навчання СППР реалізована послідовна структурована ітераційна процедура пошуку глобального максимуму інформаційного КФЕ навчання в робочій області визначення його функції, яка для коефіцієнта значущості має вигляд

(6)

де – області допустимих значень поля контрольних допусків для і-ї ознаки; – область допустимих значень критерію оптимізації; – області допустимих значень радіусів контейнерів класів розпізнавання; – символ операції повторення послідовних ітераційних процедур пошуку глобального максимуму КФЕ в робочій області визначення його функції.

Досліджено вплив коефіцієнтів валідності та значущості на функціональну ефективність навчання СКЗ.

На рис. 3 показана динаміка зміни середнього значення КФЕ в процесі формування еквівалентного набору тестів в процесі навчання СППР з оптимізацією СКД на ознаки розпізнавання, в якому горизонтальна неперервна лінія показує значення КФЕ при використанні базового словника, прямокутники – усереднене значення КФЕ при таких варіантах базового словника, в яких -а ознака із залишкового словника послідовно додавалася до базового словника.



і

Рисунок 3 – Діаграма оцінювання еквівалентності ознак розпізнавання
Ознаки, що позначено на рис. 3 чорним кольором, а саме 15, 17, 18, 21, 23, 25, 27 є нееквівалентними, оскільки вони знижують ефективність функціонування СППР. Ознаки показані сірим кольором (14, 16, 19, 20, 24, 26), які збільшують ефективність функціонування, є еквівалентними. Аналогічно сформовано 13 варіантів еквівалентних наборів тестів для контролю знань з модулю навчальної дисципліни.

У роботі розроблено алгоритм навчання СППР з оптимізацію за модифікованим нормованим критерієм Кузьміна (3) обсягу наборів тестів. На рис.4 показано графік залежності критерію (3) від вартісної складової за умови, що ваговий коефіцієнт витрат дорівнює .


EI,C


N


Рисунок 4 – Графік залежності критерію ефективності (3) від обсягу наборів тестів
Аналіз рис. 4 показує, що оптимальним є набір із 35 тестів при максимальному значенні узагальненого ентропійного нормованого критерію, яке дорівнює .

Розроблено і досліджено алгоритм навчання СППР із відновленням вкладених контейнерів класів розпізнавання, загальною вершиною яких є еталонний вектор-реалізація внутрішнього класу (відмінно). На рис. 5 показано процес оптимізації за паралельним алгоритмом СКД при відновленні вкладених контейнерів, де заштриховані ділянки графіку позначають робочу (допустиму) область визначення функції модифікованого критерію Кульбака, який має вигляд



, (7)

де , – повні ймовірності правильного та неправильного прийняття рішень на -му кроці навчання відповідно.








Рисунок 5 – Графік залежності КФЕ від параметра поля контрольних допусків на ознаки

розпізнавання

Оскільки максимальне значення КФЕ в робочій області визначення його функції дорівнює =0,62, то з метою побудови безпомилкових за навчальною матрицею вирішальних правил реалізовано послідовний алгоритм навчання СППР з оптимізацією вкладених контейнерів класів розпізнавання (рис. 6), в якому визначене на етапі паралельної оптимізації квазіоптимальне значення параметра поля СКД (у відносних одиницях) прийнято як стартове для алгоритму послідовної оптимізації, що підвищує його оперативність.

t



Рисунок 6 – Графік зміни КФЕ при послідовній оптимізації СКД
Аналіз рис. 6 показує, що на восьмому ітераційному прогоні алгоритму навчання КФЕ досягає свого граничного значення =1, що свідчить про побудову безпомилкових за навчальною матрицею вирішальних правил. Тривалість навчання СППР дорівнює , що не є критичним, оскільки функціонування СППР в режимах навчання і екзамену (безпосередньої оцінки рівня знань слухача) відбувається в роздільному часі.

З метою автоматизації формування навчальної матриці у роботі на базі категорійної моделі (рис. 3) розроблено і програмно реалізовано алгоритм навчання СППР, що функціонує в режимі кластер-аналізу вхідних даних. При цьому на базі дистанційних критеріїв близькості і запропонованого аналога процедури -середніх для простору Хеммінга було сформовано вхідне нечітке розбиття простру ознак на класи розпізнавання, яке в процесі застосування розробленого інформаційно-екстремального алгоритму навчання трансформувалося в чітке розбиття класів еквівалентності, що дозволяє стверджувати про побудову безпомилкових за навчальною матрицею вирішальних правил.

У четвертому розділі у рамках запропонованого інформаційно-екстремального методу розроблено засоби інформаційної технології та методологію проектування адаптивної СКЗ, що функціонує на основі навчання та розпізнавання образів. За одержаними в дисертаційній роботі науковими результатами розроблено архітектуру, інформаційне та програмне забезпечення адаптивної СКО, побудованої на базі інтелектуальної СППР для підтримки та супроводження навчального процесу.

На рис. 7 показано архітектуру мультиагентної СППР для керування та супроводження навчального процесу, де показано схему взаємодії класів.

Розроблена організація ядра системи дозволяє відокремити рівні зберігання, обробки та відображення даних та забезпечити можливість створення додаткового програмного інтерфейсу API додавання нових модулів.

Рисунок 7 – UML-діаграма взаємодії класів та ядра СППР
Використання активної моделі в рамках MVC та системи каркасних класів дозволило об’єднати локальні або настільні застосування з сервіс-орієнтованими веб-системами. Для програмної реалізації ядра системи використано редактор Eclipse з наступними модулями: PHP Developments Tools, JsEclipse, система контролю версій (SVN), AmaterasERD для візуального проектування баз даних, SQL-Data Tools Platform для обробки та оптимізації SQL запитів, QuickREx – підтримка швидкого опрацювання регулярних виразів, AmaterasUML – модуль формування моделі класів та UML діаграм, Mylyn – підсистема керування задачами. Реалізацію сучасних принципів впровадження систем електронного навчання здійснено за рахунок впровадження технологій web 2.0. Таким чином, база даних системи спроектована з ознаками спеціалізованої навчальної соціальної мережі з можливістю комунікації між учасниками процесу. У роботі розроблено структуру бази даних із системою керування MySQL, яка має вбудовані механізми контролю цілісності даних, їх резервного копіювання та менеджменту. Наведено опис програмної реалізації алгоритму формування підмножин еквівалентних ознак за допомогою середовища розробки Embarcadero RAD Studio у вигляді модуля EKVIVAL.

Для визначення ефективності роботи розробленої інформаційної технології оцінки рівня знань проведено експеримент в рамках якого досліджувалась інтегрована модель оцінки знань, технологія IRT, нечітка автоматна модель та параметрічні моделі Раша та Бірнбаума. В рамках єксперименту було визначено групу із 30 слухачів, що тестувалися, результати відповідей яких оброблялись як експертом (викладачем), так і в рамках зазначених машинних технологій. Результати порівняльного аналізу наведено на рис. 8.





Рисунок 8 – Графік порівняння технологій оцінки знань
Аналіз рис. 8 показав, що викоритання статистичних підходів або моделей, що ґрунтуються на базі нечіткої логіки та штучних нейронних мереж характеризуються найбільшим відхиленням від максимального граничного результату, одержаного викладачем, який прийнято за 100%. Найменше відхилення від граничного результату має верхня крива графіку, побудована за розробленою інформаційно-екстремальною інтелектуальною технологією. Проведенні порівняльні експерименти розробленої технології машинного оцінювання рівня знань за результатами тестування інших навчальних дисциплін показали, що існує тенденція зменшення відхилення експериментальної кривої успішності студентів із збільшенням кількості студентів, що тестуються. Перевага запропонованої інформаційної технології пояснюється застосуванням детермінованих вирішальних правил, статистична корекція яких відбувається в процесі навчання, що забезпечує адаптивність системи контролю знань до довільних початкових умов і впливу неконтрольованих збурюючих факторів.

На базі запропонованої інформаційної моделі адаптивної СКЗ розроблено структуру задач аналізу і синтезу інтелектуальної СППР та взаємозв’язок між ними.

Результати дисертації впроваджені у вигляді моделей, методів, алгоритмів і пакетів прикладних програм проектування адаптивної СКЗ, що підтверджується відповідними документами.


ВИСНОВКИ

В дисертаційній роботі розв’язано важливу науково-технічну прикладну задачу підвищення функціональної ефективності інтелектуальної СППР для керування та супроводження навчального процесу, яка є обов’язковою складовою адаптивної СКЗ, що функціонує за умов апріорної невизначеності, інформаційних і ресурсних обмежень, і розроблено відповідні засоби інтелектуальної інформаційної технології для проектування зазначеної системи. Головні наукові та практичні результати роботи полягають у такому:

1. Проаналізовано сучасний стан та тенденцію розвитку СКО і встановлено, що в основному вони виконують функції транспортування до користувача навчального контенту при відсутності інтелектуальної складової, пов’язаної з оцінкою рівня знань слухачів. Показано необхідність розроблення інтелектуальної інформаційної технології створення на основі машинного навчання та розпізнавання образів адаптивної до довільних початкових умов і неконтрольованих факторів системи контролю знань, що функціонує за умов апріорної невизначеності.

2. Запропоновано новий інформаційно-екстремальний метод аналізу і синтезу адаптивної СКЗ, який включає комплекс логічно пов’язаних у рамках ІЕІ-технології категорійних моделей у вигляді діаграм відображень множин, що застосовуються при функціонуванні в режимі навчання СППР, інтегрованої в СКЗ, критерії функціональної ефективності, алгоритми оптимізації параметрів функціонування і дозволяє побудувати безпомилкові за навчальною багатовимірною матрицею вирішальні правила.

3. Сформовано вхідний математичний опис СКЗ і з цією метою розроблено нову інформаційно-екстремальну інтелектуальну технологію навчання СППР, яка дозволяє оптимізувати такі параметри генерування тестів, як валідність і значущість, визначити мінімальні за обсягом еквівалентні в інформаційному розумінні набори тестів із заданої множини.

4. Розроблено модифікацію узагальненого критерію Кузьміна для оцінки ефективності системи контролю знань слухачів залежно від інформативності й обсягів наборів тестів, що дозволяє визначати мінімальний обсяг еквівалентних (в інформаційному розумінні) наборів тестів із заданої множини. При цьому для оцінки функціональної ефективності запропоновано використовувати частинні критерії у вигляді модифікованих ентропійного критерію та критерію Кульбака.

5. Розроблено алгоритми відновлення в процесі навчання оптимальних вкладених контейнерів, які дозволили побудувати безпомилкові за навчальною матрицею вирішальні правила, які у режимі екзамену гарантують повну ймовірність правильного прийняття рішень, наближену до достовірності висококваліфікованого викладача.

6. Вперше розроблено математичну модель і інформаційно-екстремальну інтелектуальну технологію створення СППР, що функціонує в режимі кластер-аналізу вхідних даних, що дозволило автоматизувати формування вхідного математичного опису.

7. Розроблено інформаційне та програмне забезпечення інтелектуальної СППР з побудовою уніфікованого програмного інтерфейсу для передачі даних між функціональними блоками системи та визначення контексту документа згідно з його змістом та призначенням блоку, який його обробляє. Перевагою розробленої інтелектуальної СКО перед відомими системами контролю знань слухачів є використання нелінійного методу оцінювання, основаного на дефазіфікації вхідних даних у процесі машинного навчання СППР, що дозволило для лінійно-нероздільних ознак розпізнавання побудувати безпомилкові за навчальною матрицею вирішальні правила.

8. Розроблено гнучку компонентну архітектуру, що забезпечує роботу з даними у відповідності до контексту, в якому вони збираються, обробляються і зберігаються. Використання активної моделі в рамках MVC та системи каркасних класів дозволило об’єднати локальні або настільні доданки з сервіс-орієнтованими веб-системами, що забезпечило можливість створення додаткового програмного інтерфейсу API шляхом додавання нових модулів.

9. Запропоновано методологію проектування інтелектуальної СКО. Показано, що основна її відмінність від традиційних методологій полягає в тому, що при моделюванні когнітивних процесів прийняття рішень етапи аналізу і синтезу є взаємопов’язаними, а їх реалізація в процесі функціонування СППР здійснюється залежно від результатів попередніх задач.

Обґрунтування висновків і рекомендацій, наведених у роботі, підтверджується практичним використанням результатів дисертаційних досліджень у ВНЗ та підприємствах України.


СПИСОК ПУБЛІКАЦІЙ ЗА ТЕМОЮ ДИСЕРТАЦІЇ
1. Довбиш А.С. Машинна оцінка знань студентів у системах керування дистанційним навчанням / А.С. Довбиш, В.О. Любчак, С.О. Петров // Вісник Сумського державного університету. Серія «Технічні науки».– 2007.– №1.– С. 167-178.

2. Петров С. О. Оцінка інформативності тестів в системах керування дистанційним навчанням / С.О. Петров, І.В. Шелехов // Вісник Херсонського національного технічного університету.– 2007.–№4(27).–С. 586-591.

3. Любчак В.О. Аналіз оціночних функцій в рамках інформаційно-екстремальної інтелектуальної технології / В.О. Любчак, С.О. Петров, Б.О. Кузіков // Вісник Сумського державного університету. Серія «Технічні науки». – 2007. – №2.– С. 146-153.


  1. Довбиш А.С. Математичне моделювання при синтезі системи керування дистанційним навчанням / А.С. Довбиш, С.О. Петров // Математичне моделювання. Дніпродзержинський державний університет. – 2007.–№2(17).–С. 64-67.

  2. Довбиш А.С. Застосування інформаційно-екстремальної інтелектуальної технології для реалізації адаптивної системи діагностування рівня знань / А.С. Довбиш, С.О. Петров // Академічний вісник Криворізького територіального відділення Міжнародної Академії комп’ютерних наук і систем.–2007.–№2.– С. 112-129.

  3. Петров С.А. Категориально-информационная модель адаптивной системы непрерывного обучения / С.А. Петров // Управляющие системы и машины.– 2009.– №2.– С.48-51.

  4. Довбыш А.С. Иерархический информационно-экстремальный алгоритм кластер-анализа результатом тестирования уровня знаний учащихся / А.С. Довбыш, Саад Джулгам, С.А. Петров // Управляющие системы и машины. – 2012.–№2.– С. 62-67.

  5. Петров С.О. Оптимізація параметрів генерування тестів за інформаційно екстремальною технологією / С.О. Петров // Збірник праць Науково-методологічного семінару “Перспективні технології навчання та освітні простори” Міжнародний науково-навчальний центр інформаційних технологій та систем НАН та МОН України (МННЦ) м. Київ.– 2008.– Вип. 2.– С.71-78.

9. Петров С.О. Алгоритм побудови класів еквівалентних наборів ознак розпізнавання в системах керування, що навчаються / С.О. Петров //Збірник праць Третьої Міжнародної конференції «Нові інформаційні технології в освіті для всіх: система електронної освіти, 1-3 жовтня 2008 р.: доповідь.–Київ.–2008.– С. 455-461.

10. Petrov Sergey. Mathematical model of distance learning control system in framework of IEIT / Sergey Petrov // Internet Education Science: Proceedings of the Sixth International Conference, 7-11 October 2008. – Vinnytsia, Ukraine.–2008.– V. 1.– P. 167-169.

11. Lubchak V.A. Estimation of functional efficiency of multyagent intellectual system of classification management of distance learning / V.A. Lubchak, S.A. Petrov // Informational Technologies and Management: Theses of 3rd International Conference, 14-15 April 2005.– Riga, Latvia: Information Systems Management Institute, 2005. – P. 73.

12. Петров С. О. Кластерізація результатів тесування при дистанційному навчанні / С.О. Петров // Современные методы кодирования в электронных системах (СМКЭС – 2006): Третья Междунар. науч. конф. 26-27 окт. 2006 г.: Тезисы докл.– Сумы: СумДУ, 2006.– С. 24-25.

13. Довбиш А.С Методи синтезу освітніх систем з використанням марківських процесів / А.С. Довбиш, С.О. Петров // Збірник праць Всеукраїнської науково-практичної конференції «Проблеми освіти в галузі інформаційних технологій» Київ 2007р. Національний авіаційний університет.

14. Боровик В.О. Системологія синтезу інформаційних систем керування дистанційним навчанням / В.О. Боровик, С.О. Петров // Сучасні проблеми науки та освіти: Восьма Міжнародна міждисциплінарна науково-практична школа-конференція, 28 квіт.-9 трав., 2007 р.: тези доп.– Алушта, 2007.– С. 296-297.

15. Довбиш А.С. Методи математичного моделювання для аналізу та синтезу систем керування дистанційним навчанням / А.С. Довбиш, С.О. Петров // Проблеми математичного моделювання: Міждерж. наук.-метод. конф.:23-25 трав. 2007р.: тези доп.– Дніпродзержинськ: Дніпродзержинський державний технічний університет.–2007.–С. 75-76.

16. Петров С.А. Идентификация параметров функционирования системы автоматизированного тестирования знаний / С.А. Петров // Информационные технологии и информационная безопасность в науке, технике и образовании "ИНФОТЕХ-2007": Междунар. науч.-практ. конф. ученых Украины, Беларуси, России, Азербайджана, Израиля, 10–16 сентября 2007 г.: Тезисы докл. – Севастополь: СевНТУ, 2007.– Часть 2.– С.131-133.

17. Петров С.О. Фазифікація вхідних даних при машинній оцінці знань слухачів в системах керування дистанційним навчанням / С.О. Петров // Интелектуальный анализ информации «ИАИ 2007»: VII междунар. конф.: 15-18 мая 2007 г.: тезисы докл. – Киев: Просвіта, 2007.– С. 266-273.

18. Петров С.О. Вплив структури простору ознак розпізнавання в системах підтримки прийняття рішень / С.О. Петров // «Інтернет-Освіта-Наука –2010»: Сьома міжнар. конф. ІОН-2010: 28 вер.-3 жов. 2010 р.: тези доп.– Вінниця: Вінницький Національний технічний університет, 2010.– С.71-72.

19 Петров С.О. Постановка задачі кластерного аналізу для формування вхідних даних в системі керування дистанційним навчанням / В.О. Боровик, С.О. Петров // Сучасні проблеми гуманізації та гармонізації управління: 9-а міжн. міждисципл. наук.-практ. школа-конф.:1-8 лист. 2009 р.: тези доп.– Харків: Харківський Національний університет ім. В.Н. Каразіна, 2009.– С. 312-313.

20. Петров С.О. Побудова системи дистанційної освіти з використанням технології WEB 2.0 / В.О. Боровик, С.О. Петров // Сучасні проблеми гуманізації та гармонізації управління: 10-а міжн. міждисципл. наук.-практ. школа-конф.: 4-10 листоп. 2010 р.: тези доп..- Харків: Харківський Національний університет ім. В.Н. Каразіна, 2010.– С. 232-233.

21. Петров С.О. Використання модифікованої понятійно-тезисної моделі для автоматизованого формування бази тестових запитань в системах комп’ютеризованої освіти / Л.Г. Петрова, С.О. Петров, А.В. Коноплянко // Інформаційні технології і засоби навчання 2012 № 4 (30) [Електронний ресурс] / Електрон. журн. – Режим доступу http://journal.iitta.gov.ua
АНОТАЦІЯ
Петров С.О. Інформаційна технологія аналізу процесу і синтезу адаптивної системи контролю знань. – На правах рукопису.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 – інформаційні технології. – Вінницький національний технічний університет, Вінниця, 2013.

Метою дисертаційної роботи є підвищення функціональної ефективності та надання адаптивності СКЗ на основі нової інформаційної технології їх аналізу і синтезу.

Об’єкт дослідження – є процеси контролю знань.

Предмет дослідження – є інформаційні технології, моделі і методи аналізу процесів і синтезу адаптивних систем контролю знань.

В дисертаційній роботі одержано такі результати: розроблено нову інформаційно-екстремальну інтелектуальну технологію аналізу процесу і синтезу систем контролю знань, що функціонує за умов апріорної невизначеності, нові методи формування еквівалентних в інформаційному розумінні наборів тестів із заданої множини та оптимізації геометричних параметрів вкладених контейнерів класів розпізнавання, удосконалені метод оцінки ефективності функціонування адаптивної системи контролю знань за узагальненим критерієм функціональної ефективності Кузьміна та інформаційну технологію інтегрованої в неї системи підтримки прийняття рішень, що функціонує в режимі кластер-аналізу, розроблені засоби інформаційних технологій реалізують створені методи і забезпечують підвищення достовірності і оперативності машинного контролю знань, що підтверджується наведеним в десерт акційні роботі фактографічним матеріалом.

Наукові та практичні результати роботи успішно впроваджено на підприємствах та використано в навчальному процесі.

Ключові слова: адаптивна система контролю знань, інтелектуальна інформаційна технологія, машинне навчання, оптимізація, тест, критерій функціональної ефективності
АННОТАЦИЯ
Петров С.А. Информационная технология анализа процесса и синтеза адаптивной системы контроля знаний. – На правах рукописи.

Диссертация на соискание учёной степени кандидата технических наук по специальносты 05.13.06 – информационные технологии. – Винницкий национальный технический университет, Винница, 2013.

Целью диссертационной работы является повышение функциональной эффективности и придание свойств адаптивности СКЗ в рамках новой информационной технологии их анализа и синтеза.

Объект исследования – процессы контроля знаний.

Предмет исследования – информационные технологии, модели и методы анализа процессов синтеза адаптивных систем контроля знаний.

В диссертационной работе получены следующие результаты: разработано новую информационно-экстремальную технологию анализа процесса и синтеза систем контроля знаний, которая функционирует в условиях априорной неопределенности, новый метод формирования эквивалентных в информационном смысле наборов тестов из заданного множества и оптимизации геометрических параметров, вложенных контейнеров классов распознавания, был усовершенствован метод оценки эффективности функционирования адаптивной системы контроля знаний по обобщенному критерию функциональной эффективности Кузьмина и информационную технологию интегрированной в нее систему поддержки приятия решений, которая функционирует в режиме кластер-анализа, разработанные методы информационных технологий реализуют спроектированные методы и обеспечивают повышения достоверности и оперативности машинного контроля знаний, которые поддерживаются приведенными в диссертационном исследовании фактографическими материалами.

Научные и практические результаты работы успешно внедрены на предприятиях и внедрены в учебный процесс.

Ключевые слова: адаптивная система контроля знаний, интеллектуальная информационная технология, машинное обучение, оптимизация, тест, критерий функциональной эффективности
ABSTRACT

Petrov S.A. Information technology process analysis and synthesis of adaptive knowledge control systems. – Manuscript.

The thesis for Candidate of Engineering degree by specialty 05.13.06 – information technologies. – Vinnytsia National Technical University, Vinnytsia, 2013.

The aim of the Ph.D. thesis is to improve the functional efficiency and making adaptability CKS in framework of new information technology process analysis and knowledge systems synthesis.

There are following results: developed a new process analysis and control knowledge systems synthesis operates under a priori uncertainty information technology, method which generates in information sense an equivalent test cases subsets, optimizes nested containers class recognition geometrical parameters were developed, improved method for evaluating the performance adaptive knowledge control systems by Kuzmin generalized criterion of functional efficiency and information technology which embedded into decision support system based on cluster analysis methods. Information technology and designed methods implementations shows improve machines control knowledge reliability and efficiency, which are proved into practice at various enterprises.



Keywords: adaptive knowledge control, intellectual information technologies, machine learning, optimization, test, criterion of functional efficiency

Поділіться з Вашими друзьями:

Схожі:

Петров Сергій Олександрович iconЄсенін Сергій Олександрович
Сергій Олександрович Єсенін народився 3 жовтня (21 вересня) 1895 р в селі Константіново Рязанської губернії в заможній селянській...
Петров Сергій Олександрович iconКраєзнавці Сумщини Геннадій Петров
Біобібліографічний покажчик «Геннадій Петров: до 75-річчя від дня народження» присвячений творчому доробку відомого краєзнавця України,...
Петров Сергій Олександрович iconУчитель Сухомлинський Василь Олександрович Сухомлинський
Василь Олександрович Сухомлинський — український педагог,публіцист, письменник, поет
Петров Сергій Олександрович iconПетров. В. 09 І. В. Бурлакова

Петров Сергій Олександрович iconНаталія Лігачова, Сергій Черненко, Валерій Іванов, Сергій Дацюк Маніпуляції на тб
Маніпулятивні технології в інформаційно-аналітичних телепрограмах українського телебачення: моніторинг, рекомендації щодо захисту...
Петров Сергій Олександрович iconКраєзнавці сумщини сергій побожій
Сергій Побожій : біобібліографічний покажчик / Сумська обл універс наук б-ка; уклад. С. І. Побожій, О. К. Линник. – Суми, 2014. –...
Петров Сергій Олександрович iconСергій Павлович Корольов
Академік В. Котельников так охарактеризував роль головного конструктора: «Якщо Костянтин Ціолковський був фундатором теорії космічного...
Петров Сергій Олександрович iconСергій Світославський зблизька І з вічності
Сергій Світославський зблизька І з вічності : біобібліогр нарис / уклад. О. Іоаніді; ред. Г. Брагарник; цбс поділ р-ну м. Києва,...
Петров Сергій Олександрович icon110 років від дня народження сергія павловича корольова сергій Павлович Корольов
Сергій Павлович Корольов — радянський вчений, конструктор І організатор виробництва ракетно-космічної техніки та ракетної зброї срср,...
Петров Сергій Олександрович iconРубінштейн сергій Лазарович
Рубінштейн сергій Лазарович (6(18). 06. 1889, м. Одеса – 11. 01. 1960, м. Москва) – доктор філософії (1914 р.), доктор педагогічних...


База даних захищена авторським правом ©biog.in.ua 2017
звернутися до адміністрації

    Головна сторінка