Юрков Н.К. Интеллектуальные компьютерные обучающие системы

Подождите немного. Документ загружается.

211

стью повторного использования. Будут сформулированы требова-

ния для интегрированных ИКОС и разработан прототип архитек-

туры ИКОС, ориентированной на интеграцию.

Основное требование к интегрированной ИКОС: интегриро-

ванная система должна быть не просто суммой, а фактической ин-

теграцией ее компонентов. В работе [11] рассмотрены два аспекта

реальной интеграции. Во-первых, необходимо, чтобы один из ком-

понентов мог использовать возможности другого компонента, а

также обмениваться с ним данными или совместно их использовать.

Во-вторых, во время работы обучаемых с любым из компонентов

результаты его работы должны учитывать другие компоненты для

адаптации к уровню знаний и индивидуальным особенностям каж-

дого отдельного обучаемого. Например, во время работа с гиперме-

дийным компонентом обучаемый может узнать что-то новое. Обу-

чающий компонент должен учесть это во избежание повторной по-

дачи уже изученного материала. Первый аспект мы называем тех-

нической интеграцией, а второй – понятийной интеграцией.

Для того, чтобы добиться понятийной интеграции, нужна не-

которая центральная модель обучаемого, которая бы собирала и

интегрировала информацию о нем изо всех компонентов системы.

Центральная модель может использоваться интеллектуальными и

неинтеллектуальными компонентами для адаптации их работы к

текущему статусу обучаемого.

В работе [12] предлагается проект архитектуры ИКОС как

совокупности независимых повторно используемых модулей, свя-

занных с центральной моделью обучаемого (рис. 52,а). Модули

разделяются на два типа: основанные на знаниях модули или аген-

ты (например, модуль планирования курса обучения), которые со-

держат различные виды знаний и обеспечивают интеллектуаль-

ность системы, и интерфейсные модули или инструментальные

средства, которые взаимодействуют непосредственно с пользова-

телем. Оба вида модулей должны иметь возможность взаимодей-

ствия с другими модулями.

В данной работе говорится об ориентированной на интегра-

цию архитектуре, компоненты которой могут являться различны-

ми отдельными приложениями, включая коммерческие пакеты.

Важный вклад данной работы – это централизованная архитектура

с гибким взаимодействием между компонентами, основанными на

каком-нибудь протоколе связи между приложениями, например

Apple Events и DDE. Выделим два аспекта данной архитектуры:

212

независимый от приложений язык общения семантического уровня

и центр контроля, который собирает и доставляет все межкомпо-

нентные сообщения.

а) б)

Рис. 52. Вариант ИКОС с архитектурной интеграцией:

а – архитектура интегрированной ИКОС;

б – возможные связи между компонентом и центральной моделью обучаемого

В работах по различным оболочкам ИКОС говорится о проб-

лемах родовых компонентов, основанных на знаниях. В них при-

ведены хорошие примеры различных компонентов для контроля за

обучением, основанным на педагогическом знании [13]. Менее

изученной областью являются оболочки поддержки решения за-

дач, основанные на анализе предметной области [14].

К вопросу централизованного моделирования обучаемого

обращаются авторы исследования по моделированию обучаемого

и оболочкам моделирования пользователей [15]. Все эти оболочки

разработаны для сбора информации о пользователе из различных

источников и для обслуживания запросов от различных приложе-

ний о пользователе. Следует отметить, что большая часть работы

по адаптивным интерфейсам [16] была сделана вне традиционной

области ИКОС.

Данная работа сосредоточена вокруг двух проблем создания

интегрированной ИКОС: проблемы полной адаптации и проблемы

понятийной интеграции. Эти проблемы тесно связаны друг с дру-

гом. ИКОС полностью адаптивна, если все ее компоненты могут

динамически адаптироваться к отдельному обучаемому. Большин-

ство ИКОС могут адаптировать свою работу (обучение) к задан-

ному обучаемому, однако очень немногие среды программирова-

ния и гипермедийные компоненты могут это делать. Нашей целью

213

являлось создание адаптивных сред программирования и гиперме-

дийных компонентов ИКОС [17].

Понятийная интеграция предполагает, что результаты работы

обучаемых с любым компонентом во время занятий должны быть

приняты во внимание другими компонентами для того, чтобы

адаптировать свои параметры к изменившемуся уровню знаний

определенного обучаемого. Наш подход к понятийной интеграции

заключается в идее центральной модели обучаемого. Данная

модель должна собирать всю информацию об обучаемом и должна

быть доступной для всех компонентов ИКОС. Мы будем исполь-

зовать архитектуру ИКОС с центральной моделью обучаемо-

го [18], которая может считаться развитием архитектуры, ориенти-

рованной на интеграцию, относительно аспектов передачи инфор-

мации между компонентами и центральной моделью обучаемо-

го (рис. 52,б).

Модель обучаемого разделена на две части: центральную

модель обучаемого и ее проекции. Центральная модель обучаемо-

го находится в центре среды и собирает из разных источников ин-

формацию о данном студенте. Модель студента получает сообще-

ния о взаимодействии студента с каким-либо из компонентов,

представленные в виде стандартных событий понятийного уровня.

Например: «В момент времени Т студент посещает гиперузел по-

нятия С в течение S секунд». Отмечается время этих стандартных

событий, и они сохраняются в модели. С тем чтобы предотвратить

потерю важной информации, дальнейшая обработка данных не

производится. Главная модель обучаемого – это хранилище всей

информации о нем, которую можно использовать для адаптации.

Модель обучаемого в классических ИКОС – это всего лишь

одна из локальных проекций, та, которая используется обучающим

компонентом. Другие компоненты системы (такие как гиперме-

дийные компоненты) могут использовать совершенно другие про-

екции. Центральная модель обучаемого более сложна, чем тради-

ционный «архив», но меньше формализована, чем классическая

оверлейная модель. Скорее, это структурированный архив. Даль-

нейшую обработку данных и проецирование к более традиционной

форме наложения проектировщики делают раздельно в соответст-

вии с требованиями различных компонентов.

Использование проекций и правил обеспечивает открытую

архитектуру с хорошей степенью гибкости. Поскольку характери-

стики компонента зависят от проекции, то для определенного при-

214

менения следует настроить характеристики путем изменения пра-

вил проектировщика (или даже самой проекции) без влияния на

другие компоненты. Новый компонент можно с легкостью интег-

рировать в среду, разработав набор правил, по которым централь-

ная модель с данным компонентом соединяется с локальным пред-

ставлением обучаемого. Если новому компоненту необходимы но-

вые виды взаимодействия, которые нельзя спроецировать в суще-

ствующий набор стандартных событий, этот набор можно расши-

рить. Например, событие «в момент времени Т обучаемый услы-

шал изложение понятия С из мультимедийной записи» можно

спроецировать в событие «в момент времени Т обучаемый прочи-

тал описание понятия С» или записать как новый вид события. Ес-

ли определенному модулю для лучшей адаптации нужно принять

во внимание новый вид события, его проектировщика можно об-

новить. Таким образом, использование проекций и правил обеспе-

чивает как раз тот уровень гибкости, который требуется для ори-

ентированной на интеграцию архитектуры.

В основе механизма саморегулирования учебного процесса в

среде лежит прямая и обратная связь в системе «преподаватель–

ИКОС–студент». ИКОС рассматривается как комплекс компонен-

тов (блоков), который обеспечивает системную интеграцию в про-

цесс обучения (см. рис. 52). Составной частью ИКОС являются

обучающиеся, преподаватели и «внешние» участники учебного

процесса, взаимодействие которых осуществляется с помощью со-

временных телекоммуникационных средств. Информационно-зна-

ниевые потоки (входящие, исходящие и внутрисредовые) пред-

ставляют собой самую динамичную часть, объединяющую различ-

ные компоненты этой антропоцентрической системы в единое це-

лое. Эти связи должны носить открытый, диалогический характер

и обеспечивать взаимодействие участников учебного процесса

между собой и с внешней средой [19].

Основным условием, определяющим успешное функциони-

рование всей системы учебной деятельности в ИКОС, является го-

товность участников учебного процесса к взаимодействию в новой

среде. Под готовностью подразумевается ряд психолого-педаго-

гических условий, составляющих основу реализации ИКОС.

Таким образом, цель создания интеллектуальных компьютер-

ных обучающих систем заключается в том, чтобы интеллектуализа-

цией преподавания добиться такой же эффективности в ходе реше-

ния задач, какая достигается при обучении с преподавателем [38–42].

215

При этом требуются новые критерии структурирования

учебных курсов, пересмотр принципа последовательности изложе-

ния по сравнению с традиционными курсами, выявление новых

типов связей между частями и разделами содержания, повышение

меры общности изложения.

Следует отметить степень автоматизации функций контроля

и управления процессов обучения, а также синтез и хранение мо-

дели этого процесса. Это проблема определения возможностей и

целесообразности опредмечивания и усиления приемов и компо-

нентов педагогической деятельности. Эффективность решения

этих вопросов зависит от возможности создания модели процесса

обучения, адекватной реальному процессу. В рамках кибернетиче-

ского подхода к моделированию обучения как к управляемому

процессу полагается, что педагог, располагая определенным ре-

сурсом обучающих (управляющих) воздействий и руководствуясь

заданной целью, оценивает обученность оператора и сформировы-

вает обучающие (управляющие) стратегии.

Итак, требуется решить актуальную научно-практическую

задачу синтеза архитектуры ИКОС, позволяющей интегрировать

различные компоненты известных обучающих программ, а также

произвольные разделы коммерческих пакетов прикладных про-

грамм (ППП), что позволяет значительно упростить создание но-

вых ИКОС, повысить эффективность компьютерного обучения,

приблизив ее к эффективности индивидуального обучения с учи-

телем. Для этого необходимо провести анализ структурных мето-

дов адаптации ИКОС.

5.2. Информационные особенности

многоэкстремальных функций для описания

показателей функционирования систем управления

ИКОС представляют собой комплексы для приема, перера-

ботки и передачи информации, т.е. в этом смысле являются ин-

формационными системами. Для реализации процесса проектиро-

вания используются разнообразные системы, различающиеся ха-

рактером решаемых задач, используемых методов измерений,

структурой программно-алгоритмического обеспечения и аппарат-

ной поддержки. Все эти системы, несмотря на свое различие, вы-

полняют некоторые общие функции: сбор информации, управле-

ние процессом проектирования, обработку данных по некоторому

алгоритму, представление выходной информации пользователю в

216

удобном для него виде, в том числе передачу информации выше-

стоящей автоматизированной системе управления для дальнейше-

го использования. Информационный характер процесса проекти-

рования определяет целесообразность анализа информационных

характеристик ИКОС и использования этих характеристик при

структурно-алгоритмическом синтезе систем.

Рассмотрим возможности элементарных многоэкстремаль-

ных функций (ЭМЭФ) и их свойства [136].

Неявным образом ЭМЭФ были введены еще в 1973 г. [137].

Исходным классом функций для конструирования ЭМЭФ выберем

класс функций , являющихся положительными, бесконечно

дифференцируемыми, четными, имеющими максимум лишь в нуле

(равный единице), лишь два нуля второй производной и интегри-

руемых с квадратом на всей вещественной оси.

На основе функций  можно получать два вида наиболее

простых (назовем их элементарными) многоэкстремальных функ-

ций (МЭФ):

 

   

; 1 ;

C x c x n





      







(5.1)

 

 

; 1 ,

S x c x n











       











(5.2)

где c – константа, которую определим так:

 

   

;0 1 .

c C n











      







(5.3)

Рассмотрим некоторые свойства этих функций. Прежде все-

го, очевидно, что для любой функции  ряды (5.1), (5.2) равно-

мерно сходящиеся, т.е. действительно определяют некоторые

функции. Далее ясно, что они имеют период 2 и

 

; ; .

C x S x





   





Из выражений (5.1), (5.2) и условия (5.3) следует, что C  x

и S  x имеют те же экстремумы и нули, что и соответственно

функции cos(x) и sin(x).

Нетрудно получить для элементарных МЭФ (очевидно, схо-

дящихся) ряды Фурье. Имеем

217

 

 

2 2 1

; cos 2 1

C x c x k









   













; (5.4)

 

 

2 2 1

; sin 2 1 ,

S x c x k









   













(5.5)

где

 

x

– преобразование Фурье-функции

 

x

Пределы при

0

в (5.4) и (5.5) дают соответственно

 

cos lim ; ,

x C x







  







; (5.6)

 

sin lim ; .

x S x







  







(5.7)

Таким образом, оба класса ЭМЭФ, индуцированных про-

странством



, имеют по единственной предельной (относительно

предела

0

) точке, которые являются соответственно

 

cos x

 

sin x

. Этот факт можно рассматривать как еще одно экстремаль-

ное свойство тригонометрических функций.

Для функций

1 1 2

( , ,..., ) sin( )

k lt s t

l t l



      



  

 





ряд (5.1) с использованием сумм Абеля [138] получает

соответственно замкнутый вид

 

1

  

 

sh cos

ch cos

C x x







 







; (5.8)

;

C e x





































(5.9)

где 

(x;a) – эллиптическая тэта-функция.

Соотношение (5.9) показывает, что не для всякой 

ЭМЭФ есть элементарная функция.

218

Для равной метрики и метрики L

из (5.8) можно получить

соответственно

Cx cos

max

cos 3

x C e



  

;

 

cos 1 sh arctg sh



      

Так, например, при    будет

max 1

0,00288; 0,00246.   

(5.10)

Оценки (5.10) показывают быструю сходимость ЭМЭФ по

параметру

0

к тригонометрическим функциям.

Систему

     

, ,...,

m m Km

x x x  

назовем асимптотиче-

ски -ортогональной на [a,b], если

sup lim ,

im jm

dx i j





    







. (5.11)

Конструировать асимптотически -ортогональные системы

будем на базе неполных ЭМЭФ [61], а именно, в виде

 

     

x C xk i



      







(5.12)

 

   

x C xk i



 







       











. (5.13)

Рассмотрим свойства систем четных функций (для нечетных

они аналогичны). Определим число , участвующее в определении

всего класса -ортогонольных систем на базе элементарных много-

экстремальных функций (ЭМЭФ). Исходя из представления в виде

ряда Фурье функции

 

,Cx

имеем

   

   

4 2 1 2 1

cos 2 1 cos 2 1 .

C nx C mx dx

C k j

nx k mx j dx









  

   



   

   





   

  

   

   







219

Для интеграла в правой части имеем

   

0 ï ðè 2 1 2 1

cos 2 1 cos 2 1

ï ðè 2 1 2 1

n k m j

nx k mx j dx

n k m j



   



  

   



   

   







Пусть

nm

, но

– целое, то

2 1; 1, 2,...

    

Следовательно, имеем

   

;;C nx C mx dx



    



   

2 1 2 1

4 2 1



 

  







  















. (5.14)

Рассмотрим примеры конкретных -ортогональных систем.

Пример 1. Для

 





имеем

 

  

2 1 2 1



 







 



   





111

1 4 6 8

2 sh sh sh sh ...





    



   



. (5.15)

Пример 2. Для

 





будет

 

   

2 1 2 1



 







 



   





222

8 18 32

...

lll











   



















. (5.16)

Предположим теперь

nm

, тогда

 

 

4 2 1

;

C Ñ x









    









. (5.17)

220

Для функции

1 x





имеем

C C x























    











; (5.18)

при

1; ; ,



получим

 

1 1 1

1 2,3926; 2,8813; 3,1299C C C

   

  

   



   

Для функции





, получим

8 24

4 12

1 ...

C l x

























    

























; (5.19)

при

1; ;



, получим

 

1 1 1

1 3,08612; 3,135738; 3,1415C C C

   

  

   



   

Таким образом, рассмотренные системы функций довольно

быстро стремятся к ортонормированной системе.

При аппроксимации функции ортогональными системами,

как правило, возникают трудности для нахождения соответствую-

щих коэффициентов разложения. Кроме того, не обеспечивается

требуемое поведение аппроксимирующего полинома вне проме-

жутка аппроксимации: разложение по системам, состоящим из пе-

риодических функций, задает периодическую функцию на беско-

нечном промежутке с периодом, равным длине промежутка разло-

жения; разложение по системам ортогональных (на конечном и

бесконечном промежутках) алгебраических полиномов при конеч-

ном числе членов разложения задает функцию, бесконечно боль-

шую на бесконечности. Однако во многих прикладных задачах,