Temat 2.3. Oprogramowanie do prezentacji i podstawy programowania biurowego

Temat 2.4.

2.4.11. Baza szkoleniowa z głównym przyciskiem w postaci „Training_students” - Pobierz

Systemy zarządzania bazami danych i systemy ekspertowe

2.4. Systemy zarządzania bazami danych i systemy ekspertowe

2.4.10. Systemy eksperckie i uczące się

Systemy ekspertowe są jednym z głównych zastosowań sztucznej inteligencji. Sztuczna inteligencja to jedna z gałęzi informatyki zajmująca się problematyką sprzętowego i programowego modelowania tych rodzajów działalności człowieka, które uznawane są za intelektualne.

Wyniki badań sztucznej inteligencji wykorzystywane są m.in inteligentne systemy ach, które są w stanie rozwiązać twórcze problemy należące do określonej dziedziny tematycznej, o której wiedza jest przechowywana w pamięci (bazie wiedzy) systemu. Systemy sztucznej inteligencji skupiają się na rozwiązywaniu dużej klasy problemów, do których zaliczają się tzw. zadania częściowo ustrukturyzowane lub nieustrukturyzowane (zadania słabo sformalizowane lub niesformalizowalne).

Systemy informacyjne stosowane do rozwiązywania problemów częściowo ustrukturyzowanych dzielą się na dwa typy:

1. Tworzenie raportów zarządczych (wykonanie przetwarzania danych: wyszukiwanie, sortowanie, filtrowanie). Decyzje podejmowane są na podstawie informacji zawartych w tych raportach.
2. Opracowanie możliwych alternatywnych rozwiązań. Podejmowanie decyzji sprowadza się do wyboru jednej z proponowanych alternatyw.

Systemy informacyjne, które opracowują alternatywne rozwiązania, mogą być modelowe lub eksperckie:

1. Systemy informacji modelowej zapewniają użytkownikowi modele (matematyczne, statystyczne, finansowe itp.), które pomagają zapewnić rozwój i ocenę alternatywnych rozwiązań.
2. Eksperckie systemy informacyjne zapewniają opracowanie i ocenę możliwych alternatyw przez użytkownika poprzez tworzenie systemów w oparciu o wiedzę uzyskaną od specjalistycznych ekspertów.

Systemy ekspertowe to programy komputerowe gromadzące wiedzę specjalistów – ekspertów z określonej dziedziny, których zadaniem jest uzyskanie akceptowalnych rozwiązań w procesie przetwarzania informacji. Systemy eksperckie przekształcają doświadczenie ekspertów w danej dziedzinie wiedzy w postać reguł heurystycznych i służą konsultacjom z mniej wykwalifikowanymi specjalistami.

Wiadomo, że wiedza istnieje w dwóch postaciach: doświadczenia zbiorowego i doświadczenia osobistego. Jeśli obszar przedmiotowy jest reprezentowany przez zbiorowe doświadczenie (na przykład wyższa matematyka), wówczas ten obszar tematyczny nie jest potrzebny systemy ekspertowe Oh. Jeśli w danym obszarze jest większość wiedzy osobiste doświadczenie specjalistów wysokiego szczebla i wiedza ta jest słabo ustrukturyzowana, wówczas taki obszar potrzebuje systemów eksperckich. Nowoczesne systemy ekspertowe znalazły szerokie zastosowanie we wszystkich obszarach gospodarki.

Baza wiedzy stanowi rdzeń systemu ekspertowego. Konsekwencją rozwoju jest przejście od danych do wiedzy systemy informacyjne. Bazy danych służą do przechowywania danych, a bazy wiedzy służą do przechowywania wiedzy. Bazy danych z reguły przechowują duże ilości danych przy stosunkowo niskim koszcie, podczas gdy bazy wiedzy przechowują małe, ale drogie zbiory informacji.

Baza wiedzy to zbiór wiedzy opisany za pomocą wybranej formy jej prezentacji. Wypełnianie bazy wiedzy to jedno z najtrudniejszych zadań, które wiąże się z selekcją wiedzy, jej formowaniem i interpretacją.

System ekspertowy składa się z:

• baza wiedzy (jako część pamięci roboczej i bazy reguł), przeznaczona do przechowywania w pamięci roboczej faktów początkowych i pośrednich (nazywana także bazą danych) oraz przechowywania modeli i reguł manipulacji modelami w bazie reguł;
• rozwiązujący problem (interpreter), który zapewnia wdrożenie ciągu reguł rozwiązania konkretnego problemu w oparciu o fakty i reguły zapisane w bazach danych i bazach wiedzy;
• podsystem objaśnień pozwala użytkownikowi uzyskać odpowiedź na pytanie: „Dlaczego system podjął taką decyzję?”;
• podsystem pozyskiwania wiedzy zaprojektowany tak, aby zarówno dodawać nowe reguły do ​​bazy wiedzy, jak i modyfikować istniejące reguły;
• interfejs użytkownika, zestaw programów realizujących dialog użytkownika z systemem na etapie wprowadzania informacji i uzyskiwania wyników.

Systemy ekspertowe różnią się od tradycyjnych systemów przetwarzania danych tym, że zazwyczaj wykorzystują reprezentację symboliczną, wnioskowanie symboliczne i heurystyczne poszukiwanie rozwiązań. Do rozwiązywania problemów słabo sformalizowanych lub niemożliwych do sformalizowania bardziej obiecujące są sieci neuronowe lub neurokomputery.

Podstawą neurokomputerów są sieci neuronowe – zorganizowane hierarchicznie połączenia równoległe elementy adaptacyjne - neurony, które zapewniają interakcję z obiektami w świecie rzeczywistym w taki sam sposób, jak biologiczny układ nerwowy.

Duże sukcesy w wykorzystaniu sieci neuronowych osiągnięto przy tworzeniu samouczących się systemów ekspertowych. Sieć jest skonfigurowana, tj. trenować, przepuszczając przez niego wszystkie znane rozwiązania i uzyskując wymagane odpowiedzi na wyjściu. Konfiguracja polega na wyborze parametrów neuronów. Często korzystają ze specjalistycznego programu szkoleniowego, który szkoli sieć. Po przeszkoleniu system jest gotowy do pracy.

Jeżeli w systemie ekspertowym jego twórcy wstępnie ładują wiedzę w określonej formie, to w sieciach neuronowych nawet twórcy nie wiedzą, w jaki sposób wiedza kształtuje się w jej strukturze w procesie uczenia się i samouczenia, tj. sieć jest „czarną skrzynką”.

Neurokomputery, jako systemy sztucznej inteligencji, są bardzo obiecujące i można je bez końca udoskonalać w ich rozwoju.

Obecnie systemy sztucznej inteligencji w postaci systemów ekspertowych i sieci neuronowych znajdują szerokie zastosowanie w rozwiązywaniu problemów finansowych i gospodarczych.

System ekspercki do szkoleń to system oprogramowania realizujący funkcję uczenia się w oparciu o wiedzę ekspercką.

Możliwości EOS-a:

• Prezentacja sieciowa szkoleń

• Modele uczniów

• Generowanie pytań zabezpieczających i danych do analizy odpowiedzi na nie

• Możliwość poszerzania bazy wiedzy, umiejętności i zdolności

Zadania systemu eksperckiego:

• zapewnienie uczniowi jasnych kryteriów osiągania celów edukacyjnych (system kontroli),

• pomóż mu zbudować optymalny indywidualny harmonogram treningów.

• zapisz wyniki poprzednich konsultacji.

• System ekspercki do rozwiązywania problemów z badanej dziedziny

• System ekspercki do diagnozowania błędów uczniów

• System ekspercki do planowania procesu zarządzania ćwiczeniami

1. Nauczanie

1. Nauczanie . Tworzenie środowiska do zdobywania wiedzy.

2. Edukacja. Pełnienie funkcji nauczyciela w zakresie prezentacji materiału, monitorowania jego przyswojenia i diagnozowania błędów

3. Monitoring i diagnostyka . Zadawanie pytań testowych, ocena odpowiedzi i identyfikacja błędów.

4. Szkolenie . Tworzenie środowiska, które pozwala na zdobycie i utrwalenie wymaganych umiejętności i zdolności.

Ekspert Shell

Ekspert Shell przeznaczony do organizacji szkoleń w trybie „komputer-student”. Szkolenia w ramach środowiska informacyjno-edukacyjnego Chopin odbywają się według indywidualnego programu nauczania i w indywidualnym tempie. Powłoka ekspercka w środowisku pełni rolę doradcy, który na podstawie rzeczywistych osiągnięć ucznia zapisanych w bazie wyników testów i szkoleń buduje plan szkolenia i podejmuje decyzje o osiągnięciu przez ucznia określonego poziomu wiedzy z przedmiotu . VIPES – skorupa hybrydowa

VIPES jest przeznaczony do pracy online. Ta powłoka jest przeznaczona dla wielu użytkowników. System ten wykorzystuje graficzny interfejs użytkownika. Specjaliści przedmiotowi i nauczyciele mają możliwość samodzielnego tworzenia i edytowania baz wiedzy dla powłoki VIPES.

• Powłoka testowa

• Konsola analizy danych

• Powłoka ES dla wielu użytkowników z interfejsem wizualnym

• Baza szkoleń i testów

• System plików danych z testów i szkoleń

• Ucząca się powłoka

• Moduł serwisowy

Testowanie danych wstępnych

Testowanie danych wstępnych obejmuje weryfikację informacji faktycznych stanowiących podstawę badania.

Testowanie logiczne bazy wiedzy polega na wykrywaniu błędów logicznych w systemie produkcyjnym, które nie są zależne od obszaru tematycznego; brakujące i nakładające się przepisy; klauzule niespójne i końcowe (warunki niespójne).

Testowanie koncepcji przeprowadza się w celu sprawdzenia ogólnej struktury systemu i uwzględnienia wszystkich aspektów rozwiązywanego problemu.

1. Prostota rozwiązania początkowego problemu budowy systemu.

2. Możliwość dodawania do systemu testowego w trakcie użytkowania.

3. Wystarczy prosty obwód praktyczne zastosowanie.

4. Atrakcyjność dla użytkownika ze względu na czas i wysiłek włożony w testowanie wiedzy.

zaoferowanie kilku opcji odpowiedzi pośrednio zachęca użytkownika do analizy różnych rozwiązań i głębszego zgłębienia zadania.

Przeglądanie systemu ekspertowego.

Jednym ze sposobów rozwiązania problemu intensyfikacji procesu edukacyjnego jest wykorzystanie najnowszych technologii informatycznych w kształceniu i stażach młodych specjalistów.

Aby rozwiązać ten problem, opracowano projekt mający na celu stworzenie recenzującego systemu eksperckiego, pełniącego jednocześnie funkcje eksperta - konsultanta i nauczyciela.

System ekspertowy to program, którego zadaniem jest symulowanie ludzkiej inteligencji, doświadczenia i procesu poznania.

Dzięki systemowi eksperckiemu opartemu na podejściu recenzyjnym użytkownik dostarcza więcej danych, a także własne rozwiązanie lub sposób działania.

System ocenia plan użytkownika i zapewnia krytyczną analizę.

Krytyka zawiera alternatywy, wyjaśnienia, uzasadnienia, ostrzeżenia i dodatkowe informacje do rozważenia.

Recenzujący system ekspercki implementuje dwa rodzaje umiejętności:

• System może funkcjonować jak konwencjonalny system ekspertowy

• System może przeanalizować każdy z możliwych planów zaproponowanych przez użytkownika w kontekście scenariusza możliwych działań i przygotować praktyczną analizę krytyczną.

1. Użytkownik wprowadza informację dotyczącą aktualnie prowadzonej akcji i przedstawia swój plan działania lub zestaw działań.

2. wprowadzone dane podlegają analizie

3. użytkownik otrzymuje wymagany wynik.

4. Jeżeli użytkownik określił plan działania jako nieznany, recenzujący system ekspercki będzie funkcjonował jak zwykły system ekspercki i wygeneruje plan rekomendowany przez eksperta.

Wszystkie systemy ekspertowe pełnią różne funkcje, ale mają jeden cel - porównanie danego zadania z informacjami dostępnymi w bazie i wykonanie funkcji, jaką realizuje dany system ekspertowy.

• Co to jest system uczenia się przez eksperta?

• Jakie są 3 aspekty testowania systemów eksperckich?

• Systemy ekspertowe są jednym z głównych zastosowań sztucznej inteligencji. Sztuczna inteligencja to jedna z gałęzi informatyki zajmująca się problematyką sprzętowego i programowego modelowania tych rodzajów działalności człowieka, które uznawane są za intelektualne.

  Wyniki badań nad sztuczną inteligencją wykorzystywane są w inteligentnych systemach, które są w stanie rozwiązywać twórcze problemy należące do określonego obszaru tematycznego, o którym wiedza przechowywana jest w pamięci (bazie wiedzy) systemu. Systemy sztucznej inteligencji skupiają się na rozwiązywaniu dużej klasy problemów, do których zaliczają się tzw. zadania częściowo ustrukturyzowane lub nieustrukturyzowane (zadania słabo sformalizowane lub niesformalizowalne).

  Systemy informacyjne stosowane do rozwiązywania problemów częściowo ustrukturyzowanych dzielą się na dwa typy:

  Tworzenie raportów zarządczych (wykonanie przetwarzania danych: wyszukiwanie, sortowanie, filtrowanie). Decyzje podejmowane są na podstawie informacji zawartych w tych raportach.

  Opracowanie możliwych alternatywnych rozwiązań. Podejmowanie decyzji sprowadza się do wyboru jednej z proponowanych alternatyw.

  Systemy informacyjne, które opracowują alternatywne rozwiązania, mogą być modelowe lub eksperckie:

  Systemy informacji modelowej zapewniają użytkownikowi modele (matematyczne, statystyczne, finansowe itp.), które pomagają zapewnić rozwój i ocenę alternatywnych rozwiązań.

  Eksperckie systemy informacyjne zapewniają opracowanie i ocenę możliwych alternatyw przez użytkownika poprzez tworzenie systemów w oparciu o wiedzę uzyskaną od specjalistycznych ekspertów.

  Systemy ekspertowe to programy komputerowe gromadzące wiedzę specjalistów – ekspertów z określonej dziedziny, których zadaniem jest uzyskanie akceptowalnych rozwiązań w procesie przetwarzania informacji. Systemy eksperckie przekształcają doświadczenie ekspertów w danej dziedzinie wiedzy w postać reguł heurystycznych i służą konsultacjom z mniej wykwalifikowanymi specjalistami.

  Wiadomo, że wiedza istnieje w dwóch postaciach: doświadczenia zbiorowego i doświadczenia osobistego. Jeśli obszar przedmiotowy jest reprezentowany przez zbiorowe doświadczenie (na przykład matematyka wyższa), wówczas ten obszar tematyczny nie potrzebuje systemów ekspertowych. Jeśli w danej dziedzinie większość wiedzy stanowi osobiste doświadczenie specjalistów wysokiego szczebla i wiedza ta jest słabo ustrukturyzowana, wówczas taki obszar potrzebuje systemów eksperckich. Nowoczesne systemy ekspertowe znalazły szerokie zastosowanie we wszystkich obszarach gospodarki.

  Baza wiedzy stanowi rdzeń systemu ekspertowego. Konsekwencją rozwoju systemów informatycznych jest przejście od danych do wiedzy. Bazy danych służą do przechowywania danych, a bazy wiedzy służą do przechowywania wiedzy. Bazy danych z reguły przechowują duże ilości danych przy stosunkowo niskim koszcie, podczas gdy bazy wiedzy przechowują małe, ale drogie zbiory informacji.

  Baza wiedzy to zbiór wiedzy opisany za pomocą wybranej formy jej prezentacji. Wypełnianie bazy wiedzy to jedno z najtrudniejszych zadań, które wiąże się z selekcją wiedzy, jej formalizacją i interpretacją.

  System ekspertowy składa się z:

  baza wiedzy (jako część pamięci roboczej i bazy reguł), przeznaczona do przechowywania faktów początkowych i pośrednich w pamięci roboczej (zwanej także bazą danych) oraz przechowywania modeli i reguł manipulacji modelami w bazie reguł

  problem Solver (interpreter), który zapewnia implementację ciągu reguł rozwiązania konkretnego problemu w oparciu o fakty i reguły przechowywane w bazach danych i bazach wiedzy

  podsystem objaśnień pozwala użytkownikowi uzyskać odpowiedź na pytanie: „Dlaczego system podjął taką decyzję?”

  podsystem pozyskiwania wiedzy, którego zadaniem jest zarówno dodawanie nowych reguł do bazy wiedzy, jak i modyfikacja istniejących.

  interfejs użytkownika, zestaw programów realizujących dialog użytkownika z systemem na etapie wprowadzania informacji i uzyskiwania wyników.

  Systemy ekspertowe różnią się od tradycyjnych systemów przetwarzania danych tym, że zazwyczaj wykorzystują reprezentację symboliczną, wnioskowanie symboliczne i heurystyczne poszukiwanie rozwiązań. Do rozwiązywania problemów słabo sformalizowanych lub niemożliwych do sformalizowania bardziej obiecujące są sieci neuronowe lub neurokomputery.

  Podstawą neurokomputerów są sieci neuronowe – hierarchicznie zorganizowane równoległe połączenia elementów adaptacyjnych – neuronów, które zapewniają interakcję z obiektami świata rzeczywistego w taki sam sposób, jak biologiczny układ nerwowy.

  Duże sukcesy w wykorzystaniu sieci neuronowych osiągnięto przy tworzeniu samouczących się systemów ekspertowych. Sieć jest skonfigurowana, tj. trenować, przepuszczając przez niego wszystkie znane rozwiązania i uzyskując wymagane odpowiedzi na wyjściu. Konfiguracja polega na wyborze parametrów neuronów. Często korzystają ze specjalistycznego programu szkoleniowego, który szkoli sieć. Po przeszkoleniu system jest gotowy do pracy.

  Jeżeli w systemie ekspertowym jego twórcy wstępnie ładują wiedzę w określonej formie, to w sieciach neuronowych nawet twórcy nie wiedzą, w jaki sposób wiedza kształtuje się w jej strukturze w procesie uczenia się i samouczenia, tj. sieć jest „czarną skrzynką”.

  Neurokomputery, jako systemy sztucznej inteligencji, są bardzo obiecujące i można je bez końca udoskonalać w ich rozwoju. Obecnie systemy sztucznej inteligencji w postaci systemów ekspertowych i sieci neuronowych znajdują szerokie zastosowanie w rozwiązywaniu problemów finansowych i gospodarczych.

  "

  Przeczytaj także: C2 Pokaż na trzech przykładach istnienie wielopartyjnego systemu politycznego we współczesnej Rosji. II. Systemy, których rozwój można przedstawić za pomocą Uniwersalnego Schematu Ewolucji III. Wymagania dotyczące organizacji systemu gospodarki odpadami medycznymi Systemy MES (Manufacturing Execution System) – systemy zarządzania produkcją (lepiej znane nam jako systemy sterowania procesami) Cechy i problemy funkcjonowania systemu walutowego Republiki Białorusi A. Przeciwstawienie działań logicznych i nielogicznych jako relacja wyjściowa systemu społecznego. Teoria działania Pareto i teoria działania Webera

  System ekspercki to system komputerowy wykorzystujący wiedzę jednego lub większej liczby ekspertów przedstawioną w jakiejś formalnej formie, a także logikę podejmowania decyzji przez ludzkiego eksperta w trudnych lub niesformalizowanych zadaniach.

  W trudnej sytuacji (braku czasu, informacji, doświadczenia) systemy ekspertowe są w stanie udzielić kompetentnej porady (porady, podpowiedzi), która pomoże specjalistom (w naszym przypadku nauczycielowi) podjąć świadomą decyzję. Główną ideą tych systemów jest wykorzystanie wiedzy i doświadczenia wysoko wykwalifikowanych specjalistów w danej dziedzinie tematycznej, w stosunku do mniej wykwalifikowanych specjalistów w tej samej dziedzinie przy rozwiązywaniu problemów, które się przed nimi pojawiają. Przypomnijmy, że doświadczonych metodologów nazywa się zwykle wysoko wykwalifikowanymi specjalistami w pedagogice. Zazwyczaj systemy ekspertowe tworzone są w wąskich obszarach tematycznych.

  Systemy ekspertowe nie zastępują specjalisty, ale są jego doradcą, partnerem intelektualnym. Poważną zaletą systemu ekspertowego jest to, że ilość informacji przechowywanych w systemie jest praktycznie nieograniczona. Raz wprowadzona do maszyny wiedza jest przechowywana na zawsze. Osoba ma ograniczoną bazę wiedzy, a jeśli dane od dawna nie są używane, są zapomniane i utracone na zawsze. Po opracowaniu pierwszych technologii oceny eksperckiej i uzyskaniu przy ich pomocy pierwszych poważnych wyników, możliwości ich praktycznego zastosowania zostały mocno przesadzone. Konieczne jest prawidłowe zrozumienie rzeczywistych możliwości ich wykorzystania. Oczywiście nie wszystkie istniejące problemy można rozwiązać za pomocą ocen ekspertów. Chociaż prawidłowe wykorzystanie technologii eksperckich w wielu przypadkach pozostaje jedynym sposobem na przygotowanie i podejmowanie świadomych decyzji.

  Systemy uczenia eksperckiego są w stanie symulować pracę człowieka-eksperta w danej dziedzinie. Dzieje się to w następujący sposób: na etapie tworzenia systemu, w oparciu o wiedzę ekspertów z danej dziedziny, tworzony jest model ucznia, następnie w trakcie funkcjonowania systemu diagnozowana jest wiedza uczniów, błędy i trudności w odpowiedziach są rejestrowane. Do pamięci komputera wprowadzane są dane o wiedzy, umiejętnościach, błędach i zdolnościach każdego ucznia. System analizuje wyniki działań edukacyjnych każdego ucznia, grupy lub kilku grup i identyfikuje najczęstsze trudności i błędy.

  
  
  

  Systemy ekspertowe obejmują następujące elementy podsystemy: baza wiedzy, mechanizm generowania informacji, inteligentny interfejs i podsystem objaśnień. Przyjrzyjmy się tym podsystemom bardziej szczegółowo.

  Baza wiedzy w tym przypadku zawiera formalny opis wiedzy eksperckiej, przedstawiony w postaci zbioru faktów i reguł.

  Silnik wnioskowania lub solwer to blok będący programem realizującym łańcuch rozumowania do przodu lub do tyłu jako ogólną strategię konstruowania wniosków. Systemy uczenia eksperckiego mogą być stosowane jako sposób prezentacji wiedzy, organizowania dialogu pomiędzy użytkownikiem a systemem, który na żądanie użytkownika jest w stanie przedstawić tok rozumowania przy rozwiązywaniu określonego problemu edukacyjnego w formie akceptowalnej dla użytkownika. student.

  Używając inteligentny interfejs System ekspertowy zadaje użytkownikowi pytania i wyświetla wyciągnięte wnioski, zwykle przedstawiając je w formie symbolicznej.

  Główną przewagą systemów ekspertowych nad ekspertem ludzkim jest brak subiektywnego podejścia, które może być nieodłącznym elementem niektórych ekspertów. Przejawia się to przede wszystkim w możliwości wykorzystania systemy wyjaśniające postęp w procesie rozwiązywania problemu lub przykładu. Technologie oceny eksperckiej umożliwiają generowanie rekomendacji dla uczniów i uogólnionych danych dla nauczycieli. Dane uzyskane przez system pozwolą nauczycielom zidentyfikować te fragmenty, które uczniowie słabo opanowali i zbadać przyczyny nieporozumień materiały edukacyjne i wyeliminować je.

  
  
  

  W obszarze edukacji systemy takie mogą służyć nie tylko prezentacji materiału edukacyjnego, ale także kontroli wiedzy, zdolności, umiejętności oraz wspomaganiu rozwiązywania problemów na poziomie tutora. W takim przypadku system krok po kroku monitoruje prawidłowość postępu w rozwiązywaniu problemu. W przypadku monitorowania wiedzy, zdolności, umiejętności system diagnozuje poziom opanowania materiału edukacyjnego. Student ma swobodę wyboru tempa pracy z systemem i ścieżki nauki.

  Podkreślmy podstawowe wymagania dydaktyczne dla eksperckich systemów nauczania.

  1. Uwzględnienie nie tylko poziomu wyszkolenia (niski, średni, wysoki) i poziomu asymilacji (rozpoznanie, algorytmiczne, heurystyczne, twórcze), ale także cech psychologicznych i osobistych preferencji ucznia. Na przykład: wybór trybu pracy, tempa pracy, projektu ekranu, opcji interakcji interaktywnej.

  2. Zapewnienie maksymalnej swobody w wyborze odpowiedzi na pytania, a także możliwości pomocy lub podpowiedzi.

  3. Uświadomienie sobie możliwości uzyskania wyjaśnienia celowości danej decyzji, uzyskania wyjaśnienia działań systemu i odtworzenia łańcucha reguł stosowanych przez system. System musi rejestrować i zapamiętywać błędy w rozumowaniu użytkownika, aby w każdej chwili mógł do nich wrócić. Należy zdiagnozować błędy, a pomoc użytkownikowi musi być adekwatna do tych błędów.

  Efektywność wykorzystania systemu szkoleń eksperckich zależy od następujących czynników.

  1. Doświadczenie eksperta lub grupy ekspertów, których uogólniona wiedza i doświadczenie stanowią podstawę funkcjonowania systemu.

  2. Możliwości techniczne narzędzi ICT wykorzystywanych w procesie edukacyjnym.

  3. Cechy konkretnego oprogramowania.

  4. Stopień praktycznej realizacji nauczania spersonalizowanego w oparciu o dobór indywidualnych wpływów uczenia się.

  Pod inteligentny system szkoleniowy zwyczajowo rozumie się zespół organizacyjny, metodologiczny, informacyjny, matematyczny i programowy. Jednak pojęcie to musi uwzględniać także „ludzkie” elementy tego systemu, czyli ucznia i nauczyciela. W tym kontekście inteligentny system nauczania należy rozpatrywać jako złożony system człowiek-maszyna, działający w trybie interaktywnym w układzie uczeń-system-nauczyciel. Zwyczajowo takie systemy skupiają się na konkretnym obszarze tematycznym.

  Inteligentne systemy uczenia się składają się z dwóch części: części głównej, która obejmuje informację edukacyjną (treści edukacyjne) oraz części pomocniczej, która realizuje inteligentne sterowanie procesem edukacyjnym.

  Struktura inteligentnego systemu szkoleniowego:

  Zasadnicza część programu składa się z modułów: informacja, modelowanie, obliczenia, sterowanie. Główna część systemu zawiera różnego rodzaju informacje edukacyjne: teksty, tabele, obrazy, animacje, klipy wideo. Tekst może zawierać aktywne okna, które pozwalają użytkownikowi wejść w głąb ekranu, przemieszczać się po dowolnej ścieżce z jednej sekcji do drugiej, koncentrując swoją uwagę na niezbędne informacje, dokonaj dowolnego wyboru kolejności zapoznawania się z informacjami.

  Moduł informacyjny zawiera bazę danych i bazę wiedzy do celów edukacyjnych. Baza danych zawiera materiały edukacyjne, informacyjne, informacyjne i referencyjne, listę studentów, wyniki w nauce itp. W procesie tworzenia bazy wiedzy możliwe jest wykorzystanie pełnego zakresu możliwości technologii multimedialnych, hipermedialnych i telekomunikacyjnych.

  W symulator zawiera modele komputerowe (symulacja pracy komputera, wizualizacja transmisji danych w sieciach komputerowych itp.). Modelowanie komputerowe pozwala na wizualizację różnego rodzaju zjawisk i procesów, których nie można bezpośrednio zaobserwować. Praca z modelami komputerowymi pozwala znacznie skrócić czas przygotowania i przeprowadzenia skomplikowanych eksperymentów, wyróżnić najważniejsze i uporządkować ciekawe badania. Możliwość wielokrotnego powtarzania eksperymentu pozwoli studentom nabyć umiejętności analizy wyników eksperymentu, rozwinąć umiejętność uogólniania uzyskanych wyników i formułowania wniosków. Student ma możliwość studiowania konkretnych przypadków w oparciu o prawa ogólne, lub i odwrotnie, w wyniku studiowania poszczególnych, ustal ogólne prawo lub wzór.

  Moduł obliczeniowy zaprojektowany do automatyzacji różnych obliczeń.

  Moduł sterujący zawiera pytania, zadania i ćwiczenia mające na celu kontrolę wiedzy uczniów.

  Część pomocnicza zapewnia „inteligentną” pracę systemu. To tutaj określa się schemat sekwencji nauczania, mechanizmy dostosowywania systemu do konkretnego przedmiotu uczenia się oraz środki intelektualnej analizy objętości i struktury wiedzy niezbędnej do organizacji i zarządzania procesem edukacyjnym. Dodatkowo część pomocnicza zawiera podsystem inteligentnego sterowania procesem edukacyjnym, który realizuje interaktywny dialog pomiędzy użytkownikiem a systemem; moduł kontrolno-diagnostyczny pozwalający na obliczenie i ocenę parametrów przedmiotu szkolenia w celu określenia oddziaływań dydaktycznych, optymalnej strategii i taktyki szkolenia na każdym etapie lekcji; przeprowadzanie badania poziomu wiedzy, zdolności, umiejętności, poprawności rozwiązywania różnego rodzaju problemów, statystyczne przetwarzanie wyników kontroli, diagnostyka błędów. Odpowiedź kontrolna systemu z reguły zależy od odpowiedzi ucznia na pytania kontrolne. Naturalnym wymogiem jest tutaj minimalizowanie rozbieżności pomiędzy odpowiedzią ucznia a przekazywaną mu informacją. System monitoruje postępy uczniów na poszczególnych etapach lekcji i wyświetla te informacje na komputerze nauczyciela.

  Nauczyciel ściśle współpracuje z systemem, otrzymuje z niego informacje o postępie procesu uczenia się, wysyła prośby i wprowadza zmiany w programie. Wprowadzanie zmian jest możliwe tylko wtedy, gdy system jest otwarty, wówczas musi posiadać moduł serwisowy. To właśnie ten moduł pozwala nauczycielowi na dokonanie niezbędnych zmian i uzupełnień w systemie. Każdy z modułów jest autonomiczny, zatem w przypadku wprowadzenia zmian w jednym z modułów zawartość pozostałych modułów części głównej nie ulega zmianie.

  Inteligentny system nauczania można wykorzystać nie tylko na lekcjach, ale także w ich trakcie niezależna praca studentów w procesie działalności badawczej. Należy zauważyć, że systemy sztucznej inteligencji charakteryzują się tymi samymi wadami, co systemy szkolenia eksperckiego, związanymi z trudnością praktycznego wdrożenia systemu indywidualizacji i różnicowania szkolenia w formie typowej dla indywidualnego szkolenia przez nauczyciela określonej specjalności. student. Sytuacja ta wynika z faktu, że sztuczna inteligencja jedynie niejasno przypomina pewne cechy ludzkie i w żaden sposób nie można go utożsamiać z ludzką inteligencją.

  Podkreślmy główne zalety stosowania inteligentnego systemu nauczania w klasie.

  Nauczyciel: otrzymuje rzetelne dane o wynikach działalności edukacyjnej poszczególnych uczniów i całej klasy. O wiarygodności decyduje fakt, że system rejestruje błędy i trudności w odpowiedziach ucznia, identyfikuje najczęstsze trudności i błędy, podaje przyczyny błędnych działań ucznia oraz przesyła do jego komputera odpowiednie uwagi i rekomendacje; analizuje działania ucznia, realizuje szeroką gamę interwencji edukacyjnych, generuje zadania w zależności od poziomu intelektualnego konkretnego ucznia, poziomu jego wiedzy, zdolności, umiejętności, cech jego motywacji, zarządza podziałem zadań itp.

  Student W osobie takiego systemu otrzymuje nie tylko nauczyciela, ale osobistego asystenta w studiowaniu określonej dyscypliny.

  Skuteczność inteligentnych systemów nauczania zależy od spełnienia szeregu warunków:

  Możliwości gromadzenia i stosowania wiedzy na temat efektów uczenia się każdego ucznia w celu wybrania indywidualnych czynników wpływających na naukę i zarządzania procesem uczenia się w celu tworzenia złożonej wiedzy i umiejętności;

  Ważność kryteriów oceny poziomu wiedzy, umiejętności, zdolności; poziom wyszkolenia (niski, średni, wysoki) lub poziom opanowania materiału (rozpoznanie, algorytmika, heurystyka, kreatywność);

  Możliwość dostosowania systemu do zmian w stanie ucznia (uczeń był na średnim poziomie, ale na tej lekcji jego wiedza zbliża się do wysokiego lub odwrotnie niskiego poziomu).

  Realizacja w proces edukacyjny inteligentne systemy nauczania wzmocnią emocjonalny odbiór informacji edukacyjnych; zwiększyć motywację do nauki poprzez możliwość samokontroli, indywidualne, zróżnicowane podejście do każdego ucznia; rozwijać procesy poznawcze; wyszukiwać i analizować różne informacje; stwarzać warunki do kształtowania umiejętności samodzielnego zdobywania wiedzy.

  Temat 1. EOS jako element intensywnego szkolenia specjalistów.

  Wykład 8. Eksperckie systemy uczenia się.

  Obszary zastosowań systemów ekspertowych w zarządzaniu.

  Koszt systemów ekspertowych.

  Rozwój systemów ekspertowych.

  Przez ostatnie dwadzieścia lat aktywnie działali specjaliści w dziedzinie inteligentnych systemów prace badawcze w zakresie tworzenia i wykorzystania systemów ekspertowych przeznaczonych dla dziedziny edukacji. Pojawił się nowa klasa systemy eksperckie - eksperckie systemy nauczania są najbardziej obiecującym kierunkiem doskonalenia programowych narzędzi pedagogicznych w kierunku wiedzy proceduralnej.

  System ekspertowy to zestaw oprogramowania komputerowego, który pomaga osobie podejmować świadome decyzje. Systemy ekspertowe wykorzystują informacje otrzymane wcześniej od ekspertów – osób, które są najlepszymi specjalistami w dowolnej dziedzinie.

  Systemy ekspertowe muszą:

  • przechowują wiedzę na określony temat (fakty, opisy zdarzeń i prawidłowości);
  • móc komunikować się z użytkownikiem w ograniczonym języku naturalnym (tj. zadawać pytania i rozumieć odpowiedzi);
  • posiadać zestaw logicznych narzędzi do zdobywania nowej wiedzy, identyfikowania wzorców i wykrywania sprzeczności;
  • postawić problem na żądanie, wyjaśnić jego sformułowanie i znaleźć rozwiązanie;
  • Wyjaśnij użytkownikowi, w jaki sposób uzyskano rozwiązanie.

  Pożądane jest także, aby system ekspertowy potrafił:

  • dostarczać informacji zwiększających zaufanie użytkowników do systemu eksperckiego;
  • „opowiedz” o sobie, o swojej własnej strukturze

  Ekspercki system uczenia się (ETS) to program realizujący ten lub inny cel pedagogiczny w oparciu o wiedzę eksperta z określonej dziedziny, diagnozujący uczenie się i zarządzanie uczeniem się, a także demonstrujący zachowania ekspertów (specjalistów przedmiotowych, metodologów, psychologów ). Kompetencja EOS polega na znajomości metod nauczania, dzięki którym pomaga nauczycielom uczyć, a uczniom uczyć się.

  Architektura systemu uczenia się eksperckiego obejmuje dwa główne komponenty: bazę wiedzy (repozytorium jednostek wiedzy) oraz narzędzie programowe umożliwiające dostęp i przetwarzanie wiedzy, składające się z mechanizmów wyciągania wniosków (decyzji), zdobywania wiedzy, wyjaśniania uzyskanych wyników, i inteligentny interfejs.

  Wymiana danych między uczniem a systemem EOS odbywa się za pomocą inteligentnego programu interfejsu, który odbiera wiadomości ucznia i konwertuje je do postaci reprezentacji bazy wiedzy i odwrotnie, tłumaczy wewnętrzną reprezentację wyniku przetwarzania na format ucznia i wysyła wiadomość do wymagane medium. Najważniejszym wymogiem organizacji dialogu studenta z EOS-em jest naturalność, która nie oznacza dosłownego formułowania potrzeb ucznia w zdaniach języka naturalnego. Ważne, aby kolejność rozwiązywania problemu była elastyczna, zgodna z pomysłami ucznia i prowadzona profesjonalnie.

  
  
  

  Obecność rozwiniętego systemu wyjaśnień (SO) jest niezwykle istotna dla EOS działającego w obszarze edukacji. W procesie uczenia się taki EOS będzie pełnił nie tylko aktywną rolę „nauczyciela”, ale także rolę podręcznika, pomagając uczniowi w badaniu wewnętrznych procesów zachodzących w systemie z wykorzystaniem modelowania obszaru zastosowań. Opracowany system komunikacji składa się z dwóch komponentów: aktywnego, który obejmuje zbiór komunikatów informacyjnych wydawanych uczniowi w trakcie pracy, w zależności od konkretnej ścieżki rozwiązania problemu, całkowicie wyznaczonej przez system; pasywny (główny składnik SO), skupiający się na inicjujących działaniach ucznia.

  Aktywnym elementem CO jest szczegółowy komentarz towarzyszący działaniom i wynikom uzyskanym przez system. Składnik pasywny CO ma charakter jakościowy nowy wygląd wsparcie informacyjne właściwe tylko systemom opartym na wiedzy. Komponent ten, oprócz rozbudowanego systemu POMOC wywoływanych przez studenta, posiada systemy wyjaśniające postęp w rozwiązywaniu problemu. System wyjaśnień w istniejącym EOS jest realizowany na różne sposoby. Może to być: zestaw certyfikatów informacyjnych o stanie systemu; pełny lub częściowy opis ścieżki, jaką podąża system w drzewie decyzyjnym; listę testowanych hipotez (podstawa ich sformułowania i wyniki ich testowania); listę celów rządzących działaniem systemu i sposobów ich osiągnięcia.

  Ważną cechą rozwiniętego systemu komunikacji jest wykorzystanie naturalnego języka komunikacji z uczniem. Powszechne stosowanie systemów „menu” pozwala nie tylko różnicować informacje, ale także, w rozbudowanych systemach elektronicznych, oceniać poziom przygotowania ucznia, tworząc jego portret psychologiczny.

  Jednak uczeń nie zawsze może być zainteresowany pełnym rozwiązaniem, które zawiera wiele niepotrzebnych szczegółów. W takim przypadku system powinien mieć możliwość wybrania z łańcucha jedynie kluczowych punktów, biorąc pod uwagę ich wagę i poziom wiedzy ucznia. Aby to osiągnąć, konieczne jest wsparcie w bazie wiedzy modelu wiedzy i intencji osoby uczącej się. Jeśli uczeń w dalszym ciągu nie rozumie otrzymanej odpowiedzi, system powinien w dialogu opartym na wspieranym modelu wiedzy problemowej nauczyć go pewnych fragmentów wiedzy, tj. ujawnić bardziej szczegółowo poszczególne pojęcia i zależności, nawet jeśli szczegóły te nie zostały bezpośrednio wykorzystane we wnioskach.

  Klasyfikacja komputerowych systemów szkoleniowych

  Komputerowe pomoce dydaktyczne dzielą się na:

  · podręczniki komputerowe;

  • środowiska specyficzne dla domeny;
  • warsztaty laboratoryjne;
  • symulatory;
  • systemy kontroli wiedzy;
  • podręczniki i bazy danych do celów edukacyjnych;
  • systemy instrumentalne;
  • eksperckie systemy uczenia się.

  Zautomatyzowane systemy uczenia się (ATS) to zespoły oprogramowania, sprzętu, narzędzi edukacyjnych i metodycznych, które zapewniają aktywne działania edukacyjne. ATS zapewniają nie tylko przekazywanie konkretnej wiedzy, ale także sprawdzanie odpowiedzi uczniów, udzielanie wskazówek, uatrakcyjnienie studiowanego materiału itp.

  AOS to złożone systemy człowiek-maszyna, które łączą w jedną całość szereg dyscyplin: dydaktykę (cele, treści, wzorce i zasady nauczania są uzasadnione naukowo); psychologia (brane są pod uwagę cechy charakteru i mentalność ucznia); modelarstwo, grafika komputerowa itp.

  Głównym sposobem interakcji pomiędzy uczniem a AOS jest dialog. Dialog z systemem szkoleniowym może być kontrolowany zarówno przez ucznia, jak i przez system. W pierwszym przypadku student sam ustala tryb swojej pracy z AOS-em, wybierając metodę studiowania materiału odpowiadającą jego indywidualnym możliwościom. W drugim przypadku o sposobie i sposobie studiowania materiału decyduje system, przedstawiając uczniowi ramki materiałów edukacyjnych i zadawane mu pytania zgodnie ze scenariuszem. Uczeń wprowadza swoje odpowiedzi do systemu, który sam interpretuje ich znaczenie i wysyła komunikat o charakterze odpowiedzi. W zależności od stopnia poprawności odpowiedzi lub pytań ucznia, system organizuje uruchomienie określonych ścieżek scenariusza nauki, wybierając strategię uczenia się i dostosowując się do poziomu wiedzy ucznia.

  Systemy szkoleń eksperckich (ETS). Realizują funkcje szkoleniowe i zawierają wiedzę z pewnego, dość wąskiego obszaru tematycznego. EOS potrafi wyjaśnić strategię i taktykę rozwiązania problemu z badanego obszaru tematycznego oraz zapewnia monitorowanie poziomu wiedzy, umiejętności i zdolności z diagnozą błędów na podstawie wyników nauczania.

  Edukacyjne bazy danych (UBD) i edukacyjne bazy wiedzy (UBZ), skupione wokół określonego obszaru tematycznego. UDB umożliwiają tworzenie zbiorów danych dla danego zadania edukacyjnego oraz selekcjonowanie, sortowanie, analizowanie i przetwarzanie informacji zawartych w tych zbiorach. UBZ z reguły zawiera opis podstawowych pojęć z danej dziedziny, strategii i taktyki rozwiązywania problemów; zestaw proponowanych ćwiczeń, przykładów i problemów z zakresu przedmiotu, a także listę ewentualnych błędów uczniów i informacje dotyczące ich poprawienia; bazę danych zawierającą wykaz technik metodycznych i form organizacyjnych szkoleń.

  Systemy multimedialne. Pozwala na realizację intensywnych metod i form szkoleniowych, zwiększa motywację do nauki poprzez zastosowanie nowoczesne środki przetwarzanie informacji audiowizualnej, podnoszenie poziomu emocjonalnego odbioru informacji, rozwijanie umiejętności realizacji różnych form samodzielnego przetwarzania informacji.

  Systemy multimedialne znajdują szerokie zastosowanie w badaniu procesów o różnym charakterze w oparciu o ich modelowanie. Tutaj możesz uwidocznić życie cząstek elementarnych mikroświata, niewidoczne dla zwykłego oka, podczas studiowania fizyki, mówić w przenośni i wyraźnie o światach abstrakcyjnych i n-wymiarowych, jasno wyjaśniać, jak działa ten lub inny algorytm itp. Możliwość symulacji rzeczywistego procesu w kolorze i dźwięku przenosi naukę na zupełnie nowy poziom.

  Systemy<Виртуальная реальность>. Wykorzystuje się je do rozwiązywania problemów konstrukcyjno-graficznych, artystycznych i innych, gdzie konieczne jest rozwinięcie umiejętności tworzenia mentalnej konstrukcji przestrzennej określonego obiektu w oparciu o jego graficzną reprezentację; podczas nauki stereometrii i rysunku; w skomputeryzowanych symulatorach procesów technologicznych, instalacji jądrowych, lotnictwie, transporcie morskim i lądowym, gdzie bez takich urządzeń zasadniczo niemożliwe jest wykształcenie umiejętności interakcji człowieka z nowoczesnymi, wysoce złożonymi i niebezpiecznymi mechanizmami i zjawiskami.

  Edukacyjne komputerowe sieci telekomunikacyjne. Pozwala zapewnić nauka na odległość(DL) – kształcenie na odległość, gdy nauczyciel i uczeń są odseparowani przestrzennie i (lub) czasowo, a proces edukacyjny realizowany jest z wykorzystaniem telekomunikacji, opartej głównie na Internecie. Wiele osób ma jednocześnie możliwość doskonalenia swojej edukacji w domu (np. dorośli obciążeni obowiązkami biznesowymi i rodzinnymi, młodzi ludzie mieszkający na wsi lub w małych miasteczkach). Osoba w każdym okresie swojego życia ma możliwość zdalnego zdobycia nowego zawodu, podniesienia swoich kwalifikacji i poszerzenia horyzontów i to w niemal każdym ośrodku naukowym lub edukacyjnym na świecie.

  W praktyce edukacyjnej wykorzystywane są wszystkie główne rodzaje telekomunikacji komputerowej: e-mail, elektroniczne tablice ogłoszeniowe, telekonferencje i inne możliwości Internetu. DL przewiduje także możliwość samodzielnego korzystania z kursów nagranych na płytach wideo, CD itp. Telekomunikacja komputerowa zapewnia:

  • umiejętność dostępu do różnych źródeł informacji za pośrednictwem Internetu i pracy z tymi informacjami;
  • możliwość szybkiej informacji zwrotnej w trakcie dialogu z nauczycielem lub innymi uczestnikami szkolenia;
  • możliwość organizowania wspólnych projektów telekomunikacyjnych, w tym telekonferencji międzynarodowych, możliwość wymiany opinii z dowolnym uczestnikiem tego kursu, nauczycielem, konsultantami, możliwość żądania informacji na dowolny interesujący temat poprzez telekonferencje.
  • możliwość wdrażania zdalnych metod kreatywności, takich jak udział w zdalnych konferencjach, zdalnie<мозговой штурм>prace twórcze sieciowe, analiza porównawcza informacji w Internecie, prace badawcze na odległość, zbiorowe projekty edukacyjne, gry biznesowe, warsztaty, wirtualne wycieczki itp.

  Wspólna praca zachęca uczniów do zapoznania się z różnymi punktami widzenia na badany problem, do poszukiwania dodatkowych informacji i oceny własnych wyników.