UDC 004.891.2

ASIANTUNTIJAJÄRJESTELMIEN KÄYTTÖ KOULUTUKSESSA1

NEITI. Chvanova, I.A. Kiseleva, A.A. Molchanov, A.N. Bozyukova

Tambovin osavaltion yliopisto, joka on nimetty G.R. Derzhavin Venäjä, Tambov. sähköposti: [sähköposti suojattu]

Artikkelissa käsitellään koulutuksen asiantuntijajärjestelmien soveltamisen ja kehittämisen ongelmia sekä konkreettisia esimerkkejä tällaisten järjestelmien käytöstä. Kirjoittajat pitävät tarpeellisena käyttää sumean logiikan laitteistoa älykkään osajärjestelmän suunnittelussa ja kehittämisessä.

Avainsanat: tietotekniikka, asiantuntijajärjestelmä, sumea logiikka, koulutusjärjestelmä.

Ongelman tutkimus osoitti, että 1980-luvun alussa tekoälyn tutkimukselle muodostui itsenäinen suunta, nimeltään "asiantuntijajärjestelmät" (ES). ES-alan tutkijat käyttävät usein E. Feigenbaumin käyttöön ottamaa termiä "tietotekniikka" tieteenalansa nimeämiseksi. Asiantuntijajärjestelmät (ES) ovat joukko ohjelmia, jotka suorittavat asiantuntijan tehtäviä tietyn aihealueen ongelmien ratkaisemisessa. Nimi johtuu siitä, että ne näyttävät matkivan ihmisiä, jotka ovat asiantuntijoita.

Jokainen asiantuntijajärjestelmä koostuu kolmesta osasta: erittäin suuresta nykyaikaisen datan tietokannasta, alijärjestelmästä kysymysten generoimiseksi ja säännöistä, jotka mahdollistavat johtopäätösten tekemisen. Jotkut asiantuntijajärjestelmät voivat puhua menetelmästä, jota ne käyttävät tehdessään johtopäätöksensä.

Maassamme asiantuntijajärjestelmien alan nykyistä kehitystä voidaan luonnehtia jatkuvasti kasvavan kiinnostuksen vaiheeksi monenlaisten ekonomistien, rahoittajien, opettajien, insinöörien, lääkäreiden, psykologien, ohjelmoijien ja lingvistien keskuudessa. Valitettavasti tämä kiinnostus ei saa riittävästi aineellista tukea: oppikirjojen ja erikoiskirjallisuuden selvä puute, symbolisten prosessorien ja tekoälytyöasemien puute ja rajallinen rahoitus.

1 Aihetta tuettiin opetus- ja tiedeministeriön "Nuorten tutkijoiden tieteellisen tutkimuksen tekeminen - tieteen kandidaatit" -ohjelman nro 14.В37.21.1141, 20122013 puitteissa.

alan tutkimuksen rahoitus, asiantuntijajärjestelmien kehittämiseen tarkoitettujen ohjelmistotuotteiden heikot kotimarkkinat ja olemassa olevien korkea hinta tekevät niiden soveltamisesta ja soveltamisen tehokkuuden analysoinnista käytännössä mahdotonta saavuttaa.

Tiedetään hyvin, että asiantuntijajärjestelmän luominen edellyttää korkeasti pätevien tekoälyn alan asiantuntijoiden osallistumista, joita edelleen tuottaa pieni määrä korkeakouluja maassa.

Teoreettisen tutkimuksen ja opetuskäytännön analyysi on osoittanut, että etäopetusjärjestelmän asiantuntijajärjestelmien kehittämiseen ei kiinnitetä riittävästi huomiota. Koulutusalan asiantuntijajärjestelmiä käytetään useimmiten sellaisen tietopohjan rakentamiseen, jonka avulla voit heijastaa aihealueen vähimmäissisältöä ottaen huomioon sen määrälliset ja laadulliset arvioinnit.

Koulutuksen asiantuntijajärjestelmien soveltamisen ja kehittämisen tutkimus voidaan mielestämme jakaa kolmeen ryhmään. Näyttäisi mahdolliselta viitata ensimmäiseen ryhmään kirjoittajat, jotka tutkivat asiantuntijajärjestelmien käytön teoreettisia ja pedagogisia näkökohtia koulutuksessa. Toiseen ryhmään kuuluvat kirjoittajat, jotka ovat kehittäneet yhdessä opettajien kanssa tunnettuihin teknologioihin perustuvia asiantuntijaoppimisjärjestelmiä. Kolmas ryhmä - kirjoittajat, jotka tutkivat uusia lähestymistapoja koulutuksen asiantuntijajärjestelmien luomiseen.

Tutkimus koulutuksen asiantuntijajärjestelmien soveltamisen ja kehittämisen alalla

Tutkimuslaitokset, kuten uskomme, voidaan jakaa ehdollisesti kolmeen ryhmään. Näyttäisi mahdolliselta viitata ensimmäiseen ryhmään kirjoittajat, jotka tutkivat asiantuntijajärjestelmien käytön teoreettisia ja pedagogisia näkökohtia koulutuksessa. Toiseen ryhmään kuuluvat kirjoittajat, jotka ovat kehittäneet yhdessä opettajien kanssa tunnettuihin teknologioihin perustuvia asiantuntijaoppimisjärjestelmiä. Kolmas ryhmä - kirjoittajat, jotka tutkivat uusia lähestymistapoja koulutuksen asiantuntijajärjestelmien luomiseen.

Tarkastellaanpa ensimmäistä ryhmää julkaisuja, jotka analysoivat asiantuntijajärjestelmien soveltamisen teoreettisia ja pedagogisia näkökohtia.

Tutkimuksessa N.L. Yugovoy suunnitteli erikoiskoulutuksen sisällön asiantuntijajärjestelmän avulla. Kirjoittaja tarkastelee asiantuntijajärjestelmää opiskelijoiden oppimistasojen ja ammatillisten mieltymysten diagnosoimiseksi, joka toteutetaan profiilin koulutustiedon kehysmallin rakentamisen perusteella, luomalla koulutusprosessin osallistujien oppiaine-aihesuhteet: opiskelija, opettaja, opettaja-kognitologi.

N.M. Antipina kehitti teknologian ammatillisten metodologisten taitojen muodostamiseen pedagogisten korkeakoulujen opiskelijoiden itsenäisessä työssä asiantuntijajärjestelmän avulla. Tekijän kehittämä erikoistunut koulutusasiantuntijajärjestelmä pystyy antamaan eri vaikeustasoisia yksittäisiä tehtäviä opiskelijoiden itsenäisen työskentelyn aikana tietokoneen ääressä, kehittämään suosituksia niiden suorittamiseksi, tarjoamaan apua neuvottelujen muodossa, seuraamaan opiskelijoiden tiedot ja taidot metodologisten tehtävien toteuttamisen eri vaiheissa jne.

N.L. Kiryukhina kehitti mallin asiantuntijajärjestelmästä opiskelijoiden psykologian tiedon diagnosoimiseksi. Kirjoittaja harkitsee asiantuntijajärjestelmää opiskelijoiden psykologisen tiedon diagnosoinnin ongelman ratkaisemiseksi, hypoteesien testaamiseksi opiskelijan vastausten oikeellisuudesta, materiaalin assimilaatioasteesta kurssin eri aiheista. I.V. Grechin toteuttaa uutta lähestymistapaa asiantuntijajärjestelmän käyttöön oppimisteknologiassa.

Hän ehdottaa järjestelmää, joka käyttämällä palautetta vuorovaikutteisesti luo ja seuraa päättelyketjujen sarjaa.

PÄÄLLÄ. Baranova pohtii asiantuntijajärjestelmien käyttöä jatkuvassa pedagogisessa koulutuksessa. Asiantuntijajärjestelmä jäsentää koulutustietoa ja luo jokaiselle opiskelijalle yksilölliset opetussuunnitelmat lyhennetyillä koulutusjaksoilla, mikä tehostaa oppimis-, opetus- ja itseopiskeluprosessia.

A.B. Andreev, V.B. Moiseev, Yu.E. Usachev käyttää asiantuntijajärjestelmiä opiskelijoiden tiedon analysointiin avoimessa koulutusympäristössä. Tiedon laadun analysointi tehdään tietoanalyysin asiantuntijajärjestelmän avulla. Tällaisen järjestelmän toteuttamiseksi kirjoittajat harkitsevat rakenteellista lähestymistapaa älykkäiden opetus- ja ohjaustietokonejärjestelmien luomiseen. Näin ollen tämä lähestymistapa mahdollistaa tehokkaiden työkalujen kehittämisen opiskelijoiden tiedon analysointiin perustuen oppimateriaalin rakennemalliin. Tiedon kokonaisuuden rakenneyksikkö ehdotetussa mallissa on käsite, jolla on sisältöä ja määrää.

E.V. Myagkova harkitsee mahdollisuutta käyttää asiantuntijajärjestelmiä tietoteknologioina korkeakoulutuksen alalla. Asiantuntijuus on kirjoittajan mukaan asiantuntijaopetusjärjestelmässä opetusmenetelmien tiedon läsnäolo, jonka ansiosta se auttaa opettajia opettamaan ja opiskelijoita oppimaan. Asiantuntijakoulutusjärjestelmän toteuttamisen päätavoite artikkelin kirjoittajan mukaan on kouluttaa ja arvioida opiskelijan nykyistä tietotasoa suhteessa opettajan tietotasoon. Näin ollen kahden ruudukon (opettajan ajatuksia heijastava referenssiruudukko ja opiskelijan dialogin aikana täyttämä ruudukko) vertailu mahdollistaa opettajan ja opiskelijan ajatusten erojen arvioinnin.

B.M. Moskovkin rakensi simulaatioasiantuntijajärjestelmän yliopistojen valintaan koulutukseen. Kirjoittaja teki lyhyen katsauksen ulkomaisiin tutkimuksiin vuonna

alalta mallintaa päätöksentekoprosesseja korkeakoulujen ja yliopistojen valinnassa jatkokoulutukseen. Käsitteellisellä tasolla rakennetaan asianmukainen simulointiasiantuntijajärjestelmä.

Tarkastellaanpa toista ryhmää julkaisuja, jotka käsittelevät yhdessä opettajien kanssa kehitettyjä tunnettuihin teknologioihin perustuvia koulutuksen asiantuntijajärjestelmiä.

E.Yu. Levina kehitti automatisoituun asiantuntijajärjestelmään perustuvan yliopiston sisäisen koulutuksen laadun diagnostiikan, jonka soveltaminen kiteytyy itse asiassa yliopiston koulutusprosessin laadun diagnosointiin, joka mahdollistaa tietovälineiden pohjalta. ja matemaattiset menetelmät, tietokantojen hallinta tutkimusmenetelmien toteuttamiseksi ja koulutusprosessin tulosten tilastojen analysointi, suositusten kehittäminen johtamispäätösten tekemiseksi koulutuksen laadun varmistamiseksi.

M.A. Smirnova on kehittänyt tulevan opettajan pedagogisen koulutuksen laadun arviointiin asiantuntijajärjestelmän, joka tiivistyy hänen koulukoulutuksensa laadun arviointiin, mikä mahdollistaa opettajan valmiuden tason selvittämisen.

L.S. Bolotova, joka perustuu tilanteenhallinnan asiantuntijajärjestelmien teknologiaan, toteutetaan adaptiivista etäoppimista päätöksentekoon. Instrumentaaliohjelmistoina kehitetyn tilannesimulaattorin - simulaattorin pohjalta kehitettiin kokeellisia näytteitä kuntien ja pienyritysten tilanteenhallinnan instrumentaalisista ongelma-aihekohtaisista asiantuntijajärjestelmistä.

Asiantuntijaarvioinnin tuloksiin perustuva atk-päätöksentekojärjestelmä koulutuksen laadun arviointitehtävissä, jonka on kehittänyt O.G. Berestneva ja O.V. Marukhinan avulla on mahdollista erottaa asiantuntijoiden perustelluimmat lausunnot ja käyttää niitä viime kädessä erilaisten päätösten valmistelussa. Kirjoittajien kehittämä ja artikkelissa kuvattu universaali ohjelmistotuote mahdollistaa optimaalisimman ratkaisun koulutusprosessin laadun arvioinnin ongelman asiantuntija-arvioinnin tulosten perusteella.

E.F. Snizhko pohtii metodologiaa käyttää asiantuntijajärjestelmiä oppimisprosessin säätämiseen ja pedagogisten ohjelmistojen tehokkuuden arvioimiseen. Tutkimuksen aikana kirjoittaja kehitti kokeellisen fragmentin pedagogisesta ohjelmistotyökalusta Prolog-kielen oppimiseen lukion 9. luokan oppilaille havainnollistaakseen kehitetyn metodologian pääkohtia ja sen kokeellista todentamista. Pedagogiseen ohjelmistotyökaluun rakennettu asiantuntijajärjestelmä nostettiin demonstraatioprototyypin tasolle.

Alan kirjallisuuden analyysi osoitti, että yksi lähestymistapa asiantuntijajärjestelmien luomiseen on yritykset ehdottaa sumeiden joukkojen teoriaan perustuvien sumean logiikan menetelmien käyttöä.

V.S. Toykin tunnistaa useita syitä, joiden perusteella sumean logiikan järjestelmien käyttöä suositaan:

Se on käsitteellisesti helpompi ymmärtää;

Se on joustava järjestelmä ja kestää epätarkkoja syöttöjä;

Se voi mallintaa mielivaltaisen monimutkaisuuden epälineaarisia funktioita;

Siinä otetaan huomioon asiantuntijoiden kokemus;

Se perustuu ihmisen kommunikoinnin luonnolliseen kieleen.

I.V. Solodovnikov, O.V. Rogozin, O.V. Shu-ruev pohtii yleisiä periaatteita sellaisen ohjelmistopaketin rakentamisesta, joka pystyy tuottamaan lukukauden aikana kokonaisvaltaisen opiskelijasuorituksen asiantuntijajärjestelmän avulla käyttämällä sumean logiikkalaitteiston elementtejä.

Luennoille osallistuminen. Läsnäolopisteet laskettiin kaikkien saatavilla olevien pisteiden aritmeettisella keskiarvolla;

Seminaarityö. Suorituksen arviointi suoritettiin samalla tavalla;

Valvontatöiden suorittaminen. Valvontatyön suorituskyvyn arviointi suoritettiin ottamalla huomioon monimutkaisuuskerroin;

Tekemässä kotitöitä. Suorituskykyarviointi suoritettiin samalla tavalla.

Akateemisen suorituskyvyn arvioimiseksi kirjoittajat käyttivät kielellisiä muuttujia: "osallistui luennoille", "työskenteli seminaarissa", "suoritti testejä", "teki läksyt". Näiden muuttujien ominaisuudet olivat käsitteet "aktiivisuus", "tehokkuus", "arviointi". Tämä lähestymistapa mahdollistaa opiskelijan työn analysoinnin ja muotoiltujen kriteerien pohjalta arvioida opiskelijan tiedon laadun tehokkuutta.

Perustuu sumeisiin logiikkamalleihin I.V. Samoilo, D.O. Zhukov harkitsee ongelmaa luoda asiantuntijajärjestelmiä, joiden avulla on mahdollista antaa suosituksia ammatillisesta suuntautumisesta tietylle hakijalle.

Muuttujien ryhmä (O) - arviot. Yleisessä tapauksessa muuttujaryhmälle O voidaan kirjoittaa O = (O1, O2, O3, ..., Op).

Muuttujien ryhmä (C) - psykologiset testit, joiden tarkoituksena on tunnistaa oppimiseen ja älykkyyteen liittyviä kykyjä.

Muuttujien ryhmä (C) - opiskelijan persoonallisuuden ominaisuudet.

Muuttujien ryhmä (M) on opiskelijan kiinnostusalueen diagnoosin tulokset: M = (t1, t2, ..., tk).

Siten tällaisen järjestelmän prototyyppi mahdollisti mekanismin katedraalin valinnan hallintaan:

Hakija tulee järjestelmän aloitussivulle, syöttää kouluarvosanat ja (tai) syöttää yhtenäisen valtiokokeen tulokset, nykyisen akateemisen suorituksen tulokset, järjestelmä arvioi tuloksen luotettavuuden sumealla logiikalla;

Käyttäjältä testataan persoonallisuuden psykologiset ominaisuudet ja oppimiskyky, kiinnostuksen kohteet

tuloksen luotettavuuden arvioiminen sumean logiikan avulla;

Automaattinen asiantuntijajärjestelmä (AES) tarkistaa, täyttääkö hakija osaston (oppilaitoksen) vaatimukset. Jos "kyllä", niin ohjaavan koulutusympäristön avulla korjataan käyttäjän tietämys, luodaan optimaaliset olosuhteet osaston "esteen" ylittämiselle, lisäksi käyttäjällä on mahdollisuus kieltäytyä taistelemasta kiinnostavan osaston puolesta. hänet ja jatkaa opintojaan osastolla, jossa hänen saavutuksensa sen sallivat;

Seuraavat testit järjestetään kuuden kuukauden välein. Testin tulokset auttavat seuraamaan opiskelijan kehityksen dynamiikkaa, valitsemaan optimaalisen strategian tulevan ammattilaisen muodostumiselle.

O.A. Melikhov pohtii mahdollisuutta ottaa käyttöön asiantuntijajärjestelmä korkeakoulun koulutusprosessin seurantaan, joka perustuu sumeaan lähestymistapaan älykkäiden järjestelmien mallintamiseen. Tämä lähestymistapa käyttää "lingvistisiä" muuttujia, joiden välisiä suhteita kuvataan käyttämällä sumeita lauseita ja sumeita algoritmeja.

Koulutusprosessin seurantajärjestelmän rakentaminen sisältää seuraavat vaiheet:

Oppimistavoitteiden muotoilu, kunkin opettajan vaatimustason määrittäminen (korkeampi, keskimmäinen, matalampi);

Seurantajärjestelmän rakentaminen, kunkin tieteenalan koulutusasteen määrittäminen. Indikaattorit: syrjintä, muistaminen, ymmärtäminen, perustaidot, tiedon siirto;

Opettajan toiminnan todellisen tehokkuuden määrittäminen opiskelijoiden oppimisasteen mittareiden perusteella. Tärkeimmät opettajan toiminnan tehokkuuden mittarit ovat harjoittelijoiden tiedon vahvuus, syvyys ja tietoisuus. Nämä samat indikaattorit määräävät koulutuksen laadun.

DI. Popov tarkastelee työssään älyllistä etäopiskelujärjestelmää (ISDO) "KnowledgeCT", joka perustuu Internet-teknologioihin, jota etäopetuskeskus aikoo käyttää opetustarkoituksiin. Se sallii

ei vain arvioi tietoa, vaan myös kerää tietoja opiskelijoista, mikä on tarpeen opiskelijan matemaattisten mallien luomiseksi, tilastojen keräämiseksi.

Tietoa arvioidaan adaptiivisella testausjärjestelmällä, joka perustuu sumean logiikan menetelmiin ja algoritmeihin: alan asiantuntijan (opettajan) tulee kehittää jokaiselle monimutkaisuustasolle sopiva kysymyssarja. Tällainen järjestelmä mahdollistaa oppimisprosessin joustavamman, opiskelijan yksilöllisten ominaisuuksien huomioimisen ja opiskelijan tiedon arvioinnin tarkkuuden parantamisen.

V.M. Kureichik, V.V. Markov, Yu.A. Kravchenko tutkii työssään lähestymistapaa älykkäiden etäopiskelujärjestelmien suunnitteluun, joka perustuu sääntöihin ja ennakkotapauksiin perustuviin johtopäätöksiin.

Asiantuntijajärjestelmät mallintavat asiantuntijan päätöksentekoprosessia deduktiivisena prosessina käyttämällä sääntöpohjaista päättelyä. Järjestelmään asetetaan sääntöjoukko, jonka mukaan syöttötietojen perusteella muodostetaan johtopäätös ehdotetun mallin riittävyydestä. Siinä on haittapuoli: deduktiivinen malli jäljittelee yhtä harvinaisimmista lähestymistavoista, joita asiantuntija käyttää ongelman ratkaisemisessa.

Tapauspohjainen johtopäätös tekee johtopäätökset tapaustietokantaan tallennettujen analogioiden etsinnän tuloksista. Tämä menetelmä on tehokas tilanteissa, joissa pääasiallinen tiedonlähde ongelmasta tai tilanteesta on kokemus, ei teoria; ratkaisut eivät ole ainutlaatuisia tietyssä tilanteessa, ja niitä voidaan käyttää muissa vastaavien ongelmien ratkaisemiseen; päätelmän tarkoitus ei ole taattu oikea ratkaisu, vaan paras mahdollinen. Tämän päättelyteknologian toteutus voidaan suorittaa hermoverkkoalgoritmeilla.

Asiantuntijajärjestelmien käyttöä etäopiskelujärjestelmässä käsittelevän kirjallisuuden analyysi osoitti, että tätä aluetta on tutkittu vähän ja se on vasta kehitteillä, mistä on osoituksena tällä ongelma-alueella työskentelevien tutkijoiden opettajien julkaisujen vähäisyys. Tämän alueen julkaisut ovat luonteeltaan pääasiassa ennakoivia.

Etäopiskelujärjestelmässä on kiinnostusta hajautetuista älyjärjestelmistä, mutta ei ole täysin selvää, miten koulutusprosessi voidaan organisoida tehokkaasti niin, että se johtaa haluttuun koulutuksen laatuun. Ilmeisesti meidän pitäisi puhua ennen kaikkea pedagogisten koulutusmallien rakentamisesta avoimen koulutuksen järjestelmässä.

Mielestämme ongelma johtuu siitä, että merkittävä osa etäopiskeluteknologian alan tutkijoista siirtää käytännössä tunnettuja menetelmiä ja tekniikoita täyttäen niillä etäopiskelun. Samalla on aivan selvää, että koulutuksen uusien teknologioiden tulee perustua "uusien tehtävien" periaatteeseen. Kehittyneet teknologiat tuovat mukanaan uuden ratkaisun, uusia menetelmiä, uusia lähestymistapoja, uusia mahdollisuuksia, joita koulutusjärjestelmä ei vielä tunne. Nyt on käynyt selväksi, että "perinteinen luento" ja "perinteinen oppikirja" ovat tehottomia etäopetuksessa. Tarvitsemme organisoitua ja ohjattua pääsyä dynaamisiin ajantasaisen tiedon järjestelmiin, tarvitsemme "automaattisia konsultaatioita" milloin tahansa saatavilla, tarvitsemme uusia tapoja ja tapoja järjestää yhteistä projektitoimintaa ja paljon muuta.

Tähän mennessä on kertynyt tiettyä kokemusta osien kasvatusprosessin organisoimiseen ja toteuttamiseen liittyvien älyllisten toimintojen siirtämisestä avoimen koulutuksen järjestelmässä informatisointityökaluihin.

Joten, G.A. Samigulina antaa esimerkin älykkäästä keinotekoiseen immuunijärjestelmään perustuvasta etäopiskelun asiantuntijajärjestelmästä, jonka avulla opiskelijan tiettyyn ryhmään kuulumisesta riippuen voidaan arvioida hänen älyllistä potentiaaliaan ja sen mukaisesti tarjota viipymättä yksilöllinen koulutusohjelma. Tuotoksena on kattava tiedon arviointi, opiskelijoiden eriyttäminen ja ennuste saadun koulutuksen laadusta. Ryhmät määrittävät asiantuntijat ja ne vastaavat tiettyjä tietoja, käytännön taitoja, luovuutta, loogista ajattelua jne. Kehitetty asiantuntijajärjestelmä edellyttää alijärjestelmien toteuttamista:

- "Tiedon alijärjestelmä" - tiedon tallennusmenetelmien ja -välineiden kehittäminen, tietokantojen, tietokantojen kehittäminen. Sisältää elektroniset oppikirjat, lähteet, luettelot, kirjastot jne.;

- "Älyllinen osajärjestelmä" - immuuniverkoston koulutus, moniulotteisen tiedon käsittely reaaliajassa. Algoritmin käyttö sitoutumisenergioiden estimoimiseksi homologisten peptidien ominaisuuksien perusteella mahdollistaa virheiden vähentämisen älykkään järjestelmän ennustamisessa, mikä mahdollistaa opiskelijoiden kouluttamisen heidän yksilöllisten ominaisuuksiensa mukaisesti;

- "Koulutusalijärjestelmä" kehittää koulutustiedon menetelmiä, välineitä ja muotoja, jotka on sovitettu tietylle käyttäjälle, ottaen huomioon hänen yksilölliset ominaisuutensa. Vaadittujen töiden laajuudesta ja toteutuksen ajoituksesta laaditaan aikataulu;

- "Ohjausalijärjestelmä" on suunniteltu opiskelijan tiedon kokonaisvaltaiseen arviointiin, jotta ohjelmaa ja oppimisprosessia voidaan mukauttaa nopeasti.

Näin ollen valtavan opiskelijoiden tiedon operatiivisen analyysin tuloksena on mahdollista korjata oppimisprosessi nopeasti, koska asiantuntijajärjestelmä tarjoaa yksilöllisen koulutusohjelman.

Etäopetuksen asiantuntijajärjestelmien tutkimuksen analyysi on osoittanut, että kyseessä on uusi ja relevantti tieteenala, jota on vähän tutkittu. Usein opettajat ymmärtävät asiantuntijajärjestelmän opiskelijoiden testaamista tietyssä etäopetusjärjestelmässä ja heidän tietämyksensä tarkastelua.

Joten, A.V. Zubov ja T.S. Denisova kehitti etäopiskelua varten monimutkaisia ​​asiantuntija-Internet-järjestelmiä Finport Training System -etäopiskelujärjestelmään perustuen. Järjestelmällä on kyky kehittää koulutuskursseja, suorittaa koulutusta ja sertifiointia sekä samalla analysoida koulutuksen tuloksia ja tehokkuutta korkeasti koulutettujen asiantuntijoiden kehittämien testien perusteella.

V.G. Nikitaev ja E.Yu. Berdnikovi-than kehitti multimedian

histologisen ja sytologisen diagnostiikan etäkurssit lääkäreille Moodle-sisällönhallintajärjestelmään perustuvilla asiantuntijajärjestelmillä. Järjestelmän avulla voit lisätä kursseja sisältöön ja testauksen perusteella tarkistaa materiaalin assimilaatiotason opiskelijoiden vastauksesta riippuen.

Näin etäopiskelujärjestelmissä on mahdollista tehdä asiantuntija-arvio tiedosta asiantuntijoiden kehittämien testitehtävien perusteella.

Samanaikaisesti etäopiskeluteknologiat vaativat mielestämme useiden osajärjestelmien käyttöä järjestäjien ja ohjaajien rutiinitaakan keventämiseksi. Tämä kuormitus kasvaa johtuen siitä, että ihminen valitsee itselleen oman rytminsä, vauhtinsa ja oppimisaikansa. Yksilöllistäminen vaatii kehittyneen automatisoidun "älykkäiden" kehotteiden, avun, konsulttien järjestelmän koko etäopiskelun ajan sekä erilaisten opetusmenetelmien ja -tekniikoiden käytössä: luentoja, harjoituksia, projektitoimintaa, konferensseja jne. Vain yksilölliset kysymykset osoitetaan asiantuntijalle. opettaja. Julkaisujen analyysin ja henkilökohtaisen etäopiskelun organisointikäytännön perusteella tulimme siihen tulokseen, että edellä mainitut henkiset osajärjestelmät voidaan järjestää eri teoreettisesti ja ohjelmapohjalta erillisinä järjestelmään kytkettyinä moduuleina. Tämä johtuu siitä, että osajärjestelmät kantavat erilaisia ​​älyllisiä "kuormia": jossain tietyn osajärjestelmän suunnittelussa riittää perinteisen logiikan käyttäminen, ja toisessa tapauksessa on kätevää luoda alijärjestelmä sumean logiikkalaitteen avulla.

Bibliografia

1. Andreichikov A.V., Andreichikova O.N. Älykkäät tietojärjestelmät. M.: Talous ja tilastot, 2006.

2. Yugova N.L. Erikoiskoulutuksen sisällön suunnittelu asiantuntijajärjestelmällä: Ph.D. dis. ... cand. ped. Tieteet. Iževsk, 2006.

3. Antipina N.M. Teknologia ammatillisten metodologisten taitojen muodostamiseksi pedagogiikan opiskelijoiden itsenäisen työn aikana

korkeakouluista asiantuntijajärjestelmän avulla: Ph.D. ... cand. ped. Tieteet. M., 2000.

4. Kiryukhina N.L. Asiantuntijajärjestelmän malli opiskelijoiden psykologian tiedon diagnosoimiseksi: dis. ... cand. psychol. Tieteet. M., 1998.

5. Grechin I.V. Uusi lähestymistapa oppimisteknologian asiantuntijajärjestelmään // Izvestiya TSURE. Temaattinen numero "Intellectual CAD". Taganrog: TRTU, 2001. Nro 4.

6. Baranova N.A. Asiantuntijajärjestelmien soveltamisesta jatkuvassa pedagogisessa koulutuksessa // Koulutus ja tiede. 2008. Nro 4. S. 24-28.

7. Moiseev V.B., Andreev A.B. Yliopiston sisäinen järjestelmä asiantuntijakoulutuksen laadun varmistamiseksi // Insinöörikoulutus.

2005. Nro 3. S. 62-74.

8. Myagkova E.V. Rooli ja sovellusmahdollisuudet

asiantuntijajärjestelmien tietotekniikka korkeakoulutuksen alalla // Tietotekniikat suunnittelussa ja tuotannossa: tieteellinen ja tekninen

-lehteä. 2008. Nro 1. S. 13-15.

9. Moskovkin V.M. Simulaatioasiantuntijajärjestelmä yliopistojen valintaan koulutukseen // NTI. Sarja 2. 2009. Nro 10. S. 19-21.

10. Levina E.Yu. Yliopiston sisäinen koulutuksen laadun diagnostiikka automatisoituun asiantuntijajärjestelmään: Ph.D. dis. ... cand. ped. Tieteet. Kazan, 2008.

11. Smirnova M.A. Asiantuntijajärjestelmän soveltaminen tulevan opettajan pedagogisen koulutuksen laadun arviointiin: dis. ... cand. ped. Tieteet. Tula, 1997.

12. Bolotova L.S. [et al.] Kuntien ja pienyritysten tilanteenhallinnan tilannejärjestelmien asiantuntijajärjestelmien teknologiaan perustuva adaptiivinen etäopiskelu päätöksentekoon // Tieteellinen tutkimus. Ongelma. 5. Vuosikertomus tieteellisen tutkimuksen päätuloksista, 2003. M., 2004.

13. Berestneva O.G., Marukhina O.V. Asiantuntijaarvioinnin tuloksiin perustuva tietokonepäätöksentekojärjestelmä koulutuksen laadun arviointitehtävissä // Alueellisen tieteellisen ja metodologisen konferenssin "Moderni koulutus: laadunvarmistusjärjestelmät ja -käytännöt", Tomsk, 29.-30. tammikuuta, aineisto. 2002. Tomsk, 2002. S. 29-30.

14. Snizhko E.A. Metodologia asiantuntijajärjestelmien käyttöön oppimisprosessin sopeuttamisessa ja opetushenkilöstön tehokkuuden arvioinnissa: dis. ... cand. ped. Tieteet. SPb., 1997.

15. Toiskin V.S. Älykkäät tietojärjestelmät: opetusohjelma. Stavropol: SGPI:n kustantaja, 2010. Osa 2.

16. Asiantuntijajärjestelmä koulutuksen tehokkuuden arvioimiseksi, joka perustuu sumean logiikan matemaattiseen laitteistoon / I.V. Solodovnikov [ja muut] // Laatu. Innovaatio. koulutus. 2006. Nro 1. S. 19-22.

17. Samoilo I.V., Zhukov D.O. Tietotekniikka korkea-asteen koulutuksen uuden laadun tarjoamisessa // Tieteellisten artikkelien kokoelma. Kirja. 2. Koko Venäjän kansainvälisen osallistumisen tieteellis-käytännöllisen konferenssin "Tietoteknologiat korkea-asteen koulutuksen uuden laadun tarjoamisessa (14.-15.4.2010, Moskova, NUST MISiS)" aineisto. M.: NUST MISIS:n asiantuntijoiden laatuongelmien tutkimuskeskus, 2010, s. 89-95.

18. Melikhova O.A., Melikhova Z.A. Sumean matematiikan käyttö tekoälyjärjestelmien mallintamisessa // Temaattinen numero "Älykäs CAD": 2 osaa Taganrog: Publishing House of TRTU, 2007. S. 113-119.

19. Popov D.I. Älykkäiden järjestelmien suunnittelu etäopetukseen // Proceedings of the Southern Federal University. Sarja: Tekniset tieteet. 2001. V. 22. Nro 4. S. 325-332.

20. Astanin S.V. [et al.] Etäopetuksen älyllinen koulutusympäristö // Uutisia tekoälystä. 2003. Nro 1.

21. Samigulina G.A. Keinotekoisiin immuunijärjestelmiin perustuva etäopetuksen älykäs asiantuntijajärjestelmä // Mallintamisen ja ohjauksen tietotekniikat. 2007. Numero. 9 (43). s. 1019-1024.

22. Zubov A.V., Denisova T.S. Monimutkaisten asiantuntija-Internet-järjestelmien luominen etäopetukseen // Koulutuksen ja tieteen informatisointi. Moskova: Valtion tietotekniikan ja televiestinnän tieteellinen tutkimuslaitos, 2010.

23. V. G. Nikitaev ja E. Yu. Multimedia etäopiskelukurssien kehittäminen lääkäreille histologisesta ja sytologisesta diagnostiikasta asiantuntijajärjestelmiä käyttäen Perustutkimus: tieteellinen aikakauslehti. 2007. Nro 12. S. 334-334.

1. Andrejchikov A.V., Andrejchikova O.N. Intel-lektual "nykyinen tietojärjestelmä. M .: Finanssi ja tilastot, 2006.

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

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

s primeneniem ekspertnoj system: dis. ... cand. ped. tiede. M., 2000.

4. Kirjuhina N.L. Malli "ekspertnoj sistemy diag-nostiki znanij studentsov po psylogii: dis. ... kand. psihol. nauk. M., 1998.

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

6. Baranova N.A. K voprosu o primenenii ekspertnyh sistem v nepreryvnom pedagogicheskom obrazo-vanii // Obrazovanie i nauka. 2008. Nro 4. S. 24-28.

7. Moiseev V.B., Andreev A.B. Vnutrivuzovskaja sistema obespechenija kachestva podgotovki specialistov // Inzhenernoe obrazovanie. 2005. Nro 3. S. 62-74.

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

ekspertnyh sistem kak informacionnyh tehnologij v sfere vysshego obrazovanija // Informacion-nye tehnologii v proektirovanii i proizvodstve: nauchno-tehnicheskij zhurnal. 2008. Nro 1.

9. Moskovkin V.M. Imitacionnaja ekspertnaja sistema vybora Universityv dlja obuchenija // NTI. Sarja 2. 2009. Nro 10. S. 19-21.

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

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

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

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

13. Berestneva O.G., Maruhina O.V. Komp "juternaja sistema prinjatija reshenij po rezul" tatam jeks-pertnogo ocenivanija v zadachah ocenki kachest-va obrazovanija // Alueellinen aineellinen "noj nauch-no-metodicheskoj konferencii "Sovremennoe ob-razovanie: sistemy, i praktikask, obestva 29.–30. tammikuuta 2002. Tomsk, 2002. S. 29.–30.

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

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

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

thematicheskogo apparata nechetkoj logiciki // Kachestvo. Innovacii. Obrazovanie, 2006. Nro 1.

17. Samojlo I.V., Zhukov D.O. Informacionnye tehnologii v obespechenii novogo kachestva vys-shego obrazovanija // Sbornik nauchnyh statej. Kn. 2. Trudy Vserossijskoj nauchno-praktiche-skoj konferencii s mezhdunarodnym uchastiem "Informacionnye tehnologii v obespechenii no-vogo kachestva vysshego obrazovanija (14.-15.4.2010, Moskova, NITU)". M.: Issledo-vatel "skij centr problem kachestva podgotovki specialistov NITU "MISiS", 2010. S. 89-95.

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

19. Popov D.I. Proektirovanie intellektual "nyh sistem distancionnogo obrazovanija // Izvestija Juzhno-go federal" nogo universiteta. Sarja: Tekniset tieteet. 2001. T. 22. Nro 4. S. 325-332.

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

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

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

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

23. Nikitaev V.G., Berdnikovich E.Ju. Razrabotka mul "timedijnyh kursov distancionnogo obuchenija vrachej po gistologicheskoj i citologicheskoj diagnostike s primeneniem ekspertnyh sistem // Fundamental" nye issledovanija: nauchnyj zhur-nal. 2007. Nro 12. S. 334-334.

ASIANTUNTIJAJÄRJESTELMIEN KÄYTTÖ KOULUTUKSESSA

NEITI. Chvanova, I.A. Kiseleva, A.A. Molchanov, A.N. Bozyukova Tambovin osavaltion yliopisto, joka on nimetty G.R. Derzhavin Tambov, Venäjä. sähköposti: [sähköposti suojattu]

Artikkelissa tarkastellaan koulutuksen asiantuntijajärjestelmien käytön ja kehittämisen ongelmia sekä todellisia esimerkkejä tällaisten järjestelmien käytöstä. Kirjoittajat pitävät tarpeellisena käyttää sumeaa logiikkaa älykkään osajärjestelmän suunnittelussa ja kehittämisessä.

Avainsanat: tietotekniikka, asiantuntijajärjestelmä, sumea logiikka, koulutusjärjestelmä.

Aihe1. EOS osana intensiivistä asiantuntijoiden koulutusta.

Luento 8. Asiantuntijakoulutusjärjestelmät.

Asiantuntijajärjestelmien sovellusalat johtamisessa.

Asiantuntijajärjestelmien kustannukset.

Asiantuntijajärjestelmien kehittäminen.

Viimeisen kahdenkymmenen vuoden aikana älykkäiden järjestelmien asiantuntijat ovat tehneet aktiivisesti tutkimusta koulutusalalle suunniteltujen asiantuntijajärjestelmien luomisen ja käytön alalla. Uusi asiantuntijajärjestelmien luokka on ilmaantunut - asiantuntija-oppimisjärjestelmät - lupaavin suunta ohjelmistopedagogisten työkalujen parantamiseen proseduuritiedon suuntaan.

Asiantuntijajärjestelmä on joukko tietokoneohjelmistoja, jotka auttavat henkilöä tekemään tietoisia päätöksiä. Asiantuntijajärjestelmät käyttävät asiantuntijoilta etukäteen saatua tietoa – ihmisiltä, ​​jotka ovat minkä tahansa alan parhaita asiantuntijoita.

Asiantuntijajärjestelmien tulisi:

• tallentaa tietoa tietystä aihealueesta (faktoja, kuvauksia tapahtumista ja kuvioista);
• pystyä kommunikoimaan käyttäjän kanssa rajoitetulla luonnollisella kielellä (eli kysymään kysymyksiä ja ymmärtämään vastauksia);
• sinulla on joukko loogisia työkaluja uuden tiedon johtamiseen, mallien tunnistamiseen ja ristiriitojen havaitsemiseen;
• asettaa tehtävän pyynnöstä, selventää sen muotoilua ja löytää ratkaisu;
• selittää käyttäjälle, kuinka ratkaisu saatiin.

On myös toivottavaa, että asiantuntijajärjestelmä voisi:

• välittää sellaisia ​​tietoja, jotka lisäävät käyttäjän luottamusta asiantuntijajärjestelmään;
• "kerro" itsestäsi, omasta rakenteestasi

Asiantuntijaoppimisjärjestelmä (ETS) on ohjelma, joka toteuttaa tiettyä pedagogista tavoitetta tietyn aihealueen asiantuntijan tietämykseen perustuen, diagnosoimalla oppimista ja oppimisen johtamista sekä osoittaen asiantuntijoiden (aineasiantuntijat, metodologit, psykologit) käyttäytymistä. . ETS-osaaminen piilee sen opetusmenetelmien tuntemisessa, jonka kautta se auttaa opettajia opettamaan ja opiskelijoita oppimaan.

Asiantuntijaoppimisjärjestelmän arkkitehtuuri sisältää kaksi pääkomponenttia: tietokannan (tietoyksiköiden arkisto) ja ohjelmistotyökalun tiedon hakemiseen ja käsittelyyn, joka koostuu mekanismeista johtopäätösten (ratkaisujen), tiedon hankkimiseen, tulosten selittämiseen ja älykkään tietopohjan tekemiseen. käyttöliittymä.

Tiedonvaihdon opiskelijan ja EOS:n välillä suorittaa älykäs käyttöliittymäohjelma, joka havaitsee opiskelijan viestit ja muuntaa ne tietokantaesityksen muotoon ja päinvastoin kääntää käsittelytuloksen sisäisen esityksen opiskelijan muotoon ja lähettää viestin vaaditulle medialle. Opiskelijan EOS:n kanssa käytävän dialogin organisoinnin tärkein edellytys on luonnollisuus, mikä ei tarkoita opiskelijan tarpeiden kirjaimellista muotoilemista luonnollisen kielen lauseilla. On tärkeää, että ongelman ratkaisujärjestys on joustava, opiskelijan ajatusten mukainen ja ammattimaisesti toteutettu.

Kehitetyn selitysjärjestelmän (SE) olemassaolo on erittäin tärkeää koulutusalalla työskenteleville ETS:lle. Oppimisprosessissa tällaisella ETS:llä ei ole pelkästään "opettajan" aktiivista roolia, vaan myös hakuteoksen roolia, joka auttaa opiskelijaa tutkimaan järjestelmässä tapahtuvia sisäisiä prosesseja sovellusalueen mallinnuksen avulla. Kehitetty SS koostuu kahdesta osasta: aktiivinen, joka sisältää joukon informaatiosanomia, jotka lähetetään opiskelijalle työn aikana, riippuen järjestelmän täysin määrittämästä tietystä tapasta ratkaista ongelma; passiivinen (CO:n pääkomponentti), joka keskittyy opiskelijan alustustoimintoihin.

CO:n aktiivinen komponentti on yksityiskohtainen selostus, joka liittyy järjestelmän toimiin ja tuloksiin. SR:n passiivinen komponentti on laadullisesti uudenlainen tietotuki, joka on ominaista vain tietopohjaisille järjestelmille. Tässä komponentissa on harjoittelijoiden kutsuman kehitetyn HELP-järjestelmän lisäksi selitysjärjestelmä ongelman ratkaisun edistymiselle. Nykyisen EOS:n selitysjärjestelmä on toteutettu monin eri tavoin. Se voi olla: joukko tietoja järjestelmän tilasta; täydellinen tai osittainen kuvaus polusta, jonka järjestelmä kulkee päätöspuuta pitkin; luettelo testattavista hypoteeseista (niiden muodostamisen perusteet ja niiden tarkistamisen tulokset); luettelo järjestelmän toimintaa ohjaavista tavoitteista ja tavoista saavuttaa ne.

Tärkeä ominaisuus kehitetyssä SS:ssä on luonnollisen kommunikaatiokielen käyttö opiskelijan kanssa siinä. "Valikko"-järjestelmien laaja käyttö mahdollistaa paitsi tiedon erottamisen, myös kehitetyssä EOS-järjestelmässä arvioida opiskelijan valmiustason muodostaen hänen psykologisen muotokuvansa.

Harjoittelija ei kuitenkaan välttämättä ole aina kiinnostunut ratkaisun täydellisestä johdosta, joka sisältää monia tarpeettomia yksityiskohtia. Tällöin järjestelmän tulee pystyä valitsemaan ketjusta vain avainpisteitä niiden tärkeyden ja opiskelijan tietotason huomioon ottaen. Tätä varten on tarpeen ylläpitää tietopohjassa mallia opiskelijan tiedosta ja aikomuksista. Jos opiskelija ei edelleenkään ymmärrä saamaansa vastausta, järjestelmän tulisi opettaa hänelle tiettyjä tiedon fragmentteja dialogissa, joka perustuu tuettuun ongelmallisen tiedon malliin, ts. paljastaa yksittäisiä käsitteitä ja riippuvuuksia yksityiskohtaisemmin, vaikka näitä yksityiskohtia ei käytetty suoraan tuotoksessa.

• Erikois HAC RF13.00.02
• Sivumäärä 192

JOHDANTO

LUKU 1. TIETOKONEEN KOULUTUSJÄRJESTELMÄT SISÄÄN

KOULUTUSPROSESSI

1.1. Lyhyt katsaus tietotekniikan käyttöönotosta koulutuksessa.

1.2. Asiantuntijajärjestelmät: niiden perusominaisuudet ja sovellukset.

1.3. Asiantuntijajärjestelmien käyttö oppimisprosessissa. Asiantuntijakoulutusjärjestelmät.

1.4 Varmistuskokeen päätulosten suorittaminen ja analysointi.

1.5. Näkymät asiantuntijajärjestelmien käyttöön koulutusprosessissa.

ENSIMMÄISEN LUKUN PÄÄTELMÄT

LUKU 2. RAKENTAMISEN TEOREETTISET KYSYMYKSET

ASIANTUNTIJAKOULUTUSJÄRJESTELMÄT

2.1. EOS-arkkitehtuuri.

2.2. Tiedon esitys EOS:ssä.

2.3. Oppijan malli.

2.4. EOS-luokitus. 89 PÄÄTELMÄT TOISESTA LUKUSTA

LUKU 3. OPPIMISJÄRJESTELMÄ, JOKA RAKENNUSTA

KALLISTUSVAIKUTUKSIIN LIITTYMISEN ONGELMIEN RATKAISEMINEN SUUNTAUTETTUJEN ASIANTUNTIJAKOULUTUSJÄRJESTELMIEN TOIMINNAN PERIAATE

NOAH LENTO

3.1. Ohjelmistotyökalut, jotka opettavat ratkaisemaan fyysisiä ongelmia.

3.2. Asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetun harjoitusjärjestelmän rakentaminen ja toiminta, joka keskittyy kehon kaltevassa tasossa liikkumiseen liittyvien ongelmien ratkaisemiseen.

3.3. Tehtävät ratkaistu kehitetyn asiantuntijakoulutusjärjestelmän avulla.

PÄÄTELMÄT KOLMANSISTA LUKUSTA

LUKU 4

4.1. Hakukokeen päätulosten suorittaminen ja analysointi.

4.2. Opetus- ja ohjauspedagogiikkakokeilun päätulosten toteuttaminen ja analysointi.

JOHTOPÄÄTÖKSET NELJÄSTÄ LUKUSTA

Suositeltu luettelo väitöskirjoista

• Menetelmät asiantuntijajärjestelmien käyttöön oppimisprosessin säätämiseksi ja opetushenkilöstön tehokkuuden arvioimiseksi 1997, pedagogisten tieteiden kandidaatti Snizhko, Elena Aleksandrovna

• Didaktinen tietokoneympäristö teknologian osana opiskelijoiden yleisten taitojen muodostamiseen kokeellisen tutkimuksen toteuttamisessa 2002, pedagogisten tieteiden kandidaatti Koksharov, Vladimir Leonidovich

• Tietotekniikka koulutustilaisuuksien valmisteluun ja toteuttamiseen 1999, pedagogisten tieteiden kandidaatti Sedykh, Svetlana Pavlovna

• Tietotekniikan didaktinen spesifisyys lukion opetusprosessissa: Perustuu tähtitieteen kurssin aineistoon 2002, pedagogisten tieteiden kandidaatti Rysin, Mihail Leonidovich

• Asiantuntijaoppimisjärjestelmien rakentamisen ja käytön periaatteet kurssilla "Informatiikan teoreettiset perusteet" 2000, pedagogisten tieteiden kandidaatti Kudinov, Vitaly Alekseevich

Opinnäytetyön johdanto (osa abstraktia) aiheesta ”Asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetut tietokonekoulutusjärjestelmät: Kehittäminen ja soveltaminen fyysisen ratkaisun opetuksessa. tehtävät"

Perinteisesti oppimisprosessia yleensä ja erityisesti fysiikan opetusprosessia pidetään kaksisuuntaisena, sisältäen opettajan ja opiskelijoiden toiminnan. Tietokoneiden aktiivinen käyttö koulutusprosessissa tekee siitä täysimittaisen kolmannen kumppanin oppimisprosessissa. Tietokoneet tarjoavat käytännössä rajattomat mahdollisuudet opiskelijoiden itsenäisen luovan ajattelun, älyn sekä opiskelijoiden ja opettajien itsenäisen luovan toiminnan kehittämiseen.

Aktiivinen työ uusien opetusmuotojen ja -menetelmien etsimiseksi alkoi 60-luvulla. Akateemikko A.I. johdolla. Berg organisoi ja toteutti ohjelmoidun oppimisen ongelmia, teknisten opetusvälineiden ja oppimiskoneiden käyttöönottoa. Ohjelmoitu oppiminen oli ensimmäinen askel kohti oppimistoiminnan tehostamista. V.P. suoritti syvällisen tutkimuksen ohjelmoidun oppimisen teoriasta ja käytännöstä. Bespalko, G.A. Bordovsky, B.S. Gershunsky, V.A. Izvozchikov, E.I. Mashbits, D.I. Penner, A.I. Raev, V.G. Razumovski, N.F. Talyzina ja muut.

Tietokoneiden tehokkaan käytön kysymykset opetusprosessissa ja tehokkaiden atk-opetuksen menetelmien ja keinojen kehittämisen tutkimus ovat edelleen ajankohtaisia. Asiaankuuluvaa työtä tällä alalla tehdään kotimaassamme ja ulkomailla. Yhtenäistä näkemystä tietotekniikan käytöstä koulutusalalla ei kuitenkaan ole vielä muodostunut.

Tietokoneiden käytön alkuvaihetta oppimisprosessissa luonnehditaan ohjelmoidun oppimisen ideoiden intensiivisen kehittämisen ja automatisoitujen oppimisjärjestelmien kehittämisen ajanjaksoksi. Automaattisten oppimisjärjestelmien kehittäjät lähtivät olettamuksesta, että oppimisprosessi voidaan toteuttaa hyvin organisoidun koulutus- ja ohjausinformaation kehyssarjan kautta. Ensimmäiset kokeet tietokoneiden käytöstä koulutusprosessissa sisältyivät opetusohjelmiin, joissa oli deterministinen oppimisskenaario. Tällä koulutusohjelmien luokalla on seuraavat haitat: alhainen sopeutumisaste opiskelijan yksilöllisiin ominaisuuksiin; pelkistetään opiskelijan tiedon diagnosointitehtävä tehtäväksi määrittää, kuuluvatko hänen vastauksensa johonkin referenssivastausluokkaan; suuret työvoimakustannukset koulutusmateriaalin valmistelusta.

Vaihtoehtoinen lähestymistapa oppimisen tietokoneistamiseen on ns. oppimisympäristöjen luominen. Oppimisympäristö toteuttaa löytämisen kautta oppimisen käsitettä. Perimmäinen ero tämän lähestymistavan ja edellä käsitellyn välillä on se, että tässä tapauksessa opiskelijaa kohdellaan jonkinlaisena autonomisena järjestelmänä, jolla on omat tavoitteensa. Tälle koulutusohjelmille on ominaista seuraavat piirteet: oppimisympäristö tarjoaa opiskelijalle opetusmateriaaleja ja muita resursseja, jotka ovat tarpeen opettajan tai hänen itsensä asettaman oppimistavoitteen saavuttamiseksi; järjestelmän hallinnan puute opiskelijan toimista. Oppimisympäristön päätarkoituksena on luoda suotuisa, "ystävällinen" ympäristö tai "maailma", "matkustava", jonka kautta opiskelija hankkii tietoa.

Tutkimus ajattelun psykologian alalla, saavutukset tekoälyn ja ohjelmointitekniikoiden alalla ovat laajentaneet tietokoneen ulottuvuutta koulutusprosessissa ja mahdollistaneet uusien tietokoneoppimisen älyllisyyden käsitteiden testaamisen käytännössä.

Tiedon määrän jyrkkä kasvu koulutusprosessissa asettaa uusia vaatimuksia kyberneettiselle oppimisen lähestymistavalle ja sitä kautta myös pedagogisille ohjelmistoille. Niiden tulisi auttaa ratkaisemaan tehokkaasti päätehtävä - oppimisprosessin hallinta palautteen avulla, joka perustuu opiskelijoiden tietojen yksityiskohtaiseen diagnoosiin, tunnistaa heidän virheensä syyt ja samalla selittää tietokoneen ehdottama vaihtoehto koulutusongelman ratkaisemiseksi. Mainitut ominaisuudet toteutetaan tehokkaimmin ennen kaikkea asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetuilla koulutusjärjestelmillä, mikä määrää tämän ongelman teoreettisen ja käytännön tutkimuksen relevanssin.

Asiantuntijajärjestelmien tuominen koulutusprosessiin on luonnollinen looginen jatko koulutuksen tietokoneistamiselle, sen laadullisesti uusi vaihe, joka luo perustan koulutuksen informatisoinnille. Tämä prosessi tuli mahdolliseksi tiedemiesten ja opettajien syvällisten koulutuksen tietokoneistamista koskevien tutkimusten ansiosta. Kun otetaan huomioon, että asiantuntijajärjestelmien käyttö fysiikan ongelmien ratkaisemiseen on tuottanut myönteisiä tuloksia, asiantuntijajärjestelmien kehittämisen ja soveltamisen tutkimus on merkityksellistä tieteellisen lisäksi myös pedagogisessa toiminnassa, mukaan lukien fysiikan opetuksessa.

Asiantuntijakoulutusjärjestelmien periaatteelle rakennettujen koulutusohjelmien käyttö oppimisprosessissa antaa uuden laadullisen harppauksen koulutukseen. Niiden tuominen opetuskäytäntöön mahdollistaa: opetuksen tyylin muuttamisen muuttamalla se informaatio- ja selittävyydestä kognitiiviseksi, kasvatukselliseksi ja tutkimukselliseksi; vähentää tarvittavan tiedon hankkimiseen kuluvaa aikaa.

Tutkimuksen kohteena on fysiikan opetusprosessi.

Tutkimuksen aiheena on fysiikan ongelmien ratkaisemisen oppimisprosessi asiantuntijaoppimisjärjestelmien toimintaperiaatteelle rakennetulla oppimisjärjestelmällä sekä yhteisen ongelmien ratkaisumenetelmän muodostuminen opiskelijoiden keskuudessa.

Työn tarkoituksena oli kehittää ja luoda asiantuntijaoppimisjärjestelmien periaatteelle rakennettu oppimisjärjestelmä, joka keskittyy tietyn luokan fyysisten ongelmien ratkaisemiseen, sekä tutkia mahdollisuutta muodostaa yhteinen menetelmä opiskelijoiden ratkaisemiseksi opetettaessa ongelmien ratkaisua. fysiikkaa käyttäen dataa erityisesti kehitetyistä pedagogisista ohjelmistotyökaluista.

Tutkimuksen hypoteesi on seuraava: asiantuntijoiden oppimisjärjestelmien periaatteelle rakennettu oppimisjärjestelmien käyttöönotto oppimisprosessissa johtaa siihen, että opiskelijat omaksuvat tehokkaammin fysiikan yleisen tavan ratkaista ongelmia, mikä lisää heidän akateemista suorituskykyään, syventää fysiikan tietämystään ja parantaa opiskeluaineen tiedon laatua.

Laaditun hypoteesin perusteella tutkimuksen tavoitteen saavuttamiseksi asetettiin ja ratkaistiin seuraavat tehtävät:

Nykyaikaisten koulutusohjelmien kehittämismenetelmien ja -keinojen analyysi. Keskittyminen niihin, jotka vastaavat työn tavoitteita;

Tietokoneen käyttömahdollisuuksien tutkiminen yhteisen ongelmien ratkaisutavan muodostamisen toteuttamiseksi opiskelijoiden keskuudessa;

Asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetun, tietyn luokan fyysisten ongelmien ratkaisemiseen keskittyvän koulutusjärjestelmän rakenteen ja rakentamisen periaatteiden kehittäminen;

Testaamalla ehdotettua tutkimushypoteesia, arvioimalla kehitetyn metodologian tehokkuutta, kehitetty pedagoginen ohjelmisto pedagogisen kokeilun aikana.

Tehtävien ratkaisemiseksi käytettiin seuraavia tutkimusmenetelmiä:

Ongelman teoreettinen analyysi perustuen pedagogisen, metodologisen ja psykologisen kirjallisuuden tutkimiseen;

Oppilaiden, opiskelijoiden, koulujen ja yliopistojen opettajien kuulustelut ja kuulustelut;

Ongelmien ratkaisun oppimisprosessin ja kehitetyn metodologian opiskelu fysiikan tunneille osallistumisen ja johtamisen, opiskelijoiden tarkkailun, opettajien kanssa puhumisen, kokeiden suorittamisen ja analysoinnin, opiskelijoiden testauksen aikana;

Pedagogisen kokeilun suunnittelu, valmistelu, toteuttaminen ja tulosten analysointi.

Tutkimuksen tieteellinen uutuus on:

Asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetun koulutusjärjestelmän kehittäminen, joka keskittyy fysiikan tietyn luokan ongelmien ratkaisemiseen;

Teoreettinen ja käytännöllinen perustelu mahdollisuudelle muodostaa opiskelijoille yhteinen tapa ratkaista ongelmia käytettäessä kehitettyä pedagogista ohjelmistoa oppimisprosessissa (asiantuntijaoppimisjärjestelmien periaatteelle rakennettu oppimisjärjestelmä);

Asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetun koulutusjärjestelmän käytön metodologian perusteiden kehittäminen fyysisten ongelmien ratkaisun opetuksessa.

Opinnäytetyön teoreettinen merkitys on fysiikan ongelmien ratkaisuopetuksen lähestymistavan kehittämisessä, joka koostuu opiskelijoiden toiminnan valvonnan toteuttamisesta ongelmien ratkaisussa erityisesti kehitetyillä pedagogisilla ohjelmistotyökaluilla (opetusjärjestelmä, joka on rakennettu asiantuntijaopetusjärjestelmien toimintaperiaate).

Opinnäytetyön käytännön merkitys on fysiikan tunneille (asiantuntijaopetusjärjestelmien toimintaperiaatteelle rakennettu opetusjärjestelmä) ohjelmistojen ja metodologisen tuen luominen, sen roolin ja paikan määrittely koulutusprosessissa sekä perusteiden kehittäminen fysiikan tunneille. metodologia näiden pedagogisten ohjelmistotyökalujen käyttämiseksi fyysisten ongelmien ratkaisemiseen liittyvissä tunneissa.tehtävät tietokoneilla.

Puolustukseksi esitetään seuraavat asiat:

Perustetaan mahdollisuus käyttää kehitettyä, asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennettua koulutusjärjestelmää fysiikan ongelmien ratkaisuopetuksessa;

Opiskelijoiden toiminnan johtamisen lähestymistavan kehittäminen erityisesti kehitetyillä pedagogisilla ohjelmistotyökaluilla (asiantuntijaopetusjärjestelmien toimintaperiaatteella rakennettu opetusjärjestelmä) opetettaessa fysiikan ongelmien ratkaisua;

Asiantuntijakoulutusjärjestelmien periaatteelle rakennetun koulutusjärjestelmän käytön metodologian perusteet fysiikan opetusprosessin ongelmien ratkaisukursseissa.

Tutkimustulosten testaus ja toteutus. Tutkimuksen tärkeimmät tulokset raportoitiin, niistä keskusteltiin ja ne hyväksyttiin Moskovan valtion pedagogisen yliopiston fysiikan opetusmenetelmien laitoksen kokouksissa (1994-1997), nuorten tutkijoiden konferenssissa (Mordovia State University, 1996-1997) , Moskovan valtion pedagogisen yliopiston konferensseissa (huhtikuu 1996).

Väitöskirjan pääkohdat näkyvät seuraavissa julkaisuissa:

1. Gryzlov S.V. Asiantuntijakoulutusjärjestelmät (kirjallisuuskatsaus) // Fysiikan opetus korkeakouluissa. M., 1996. Nro 4. - S. 3-12.

2. Gryzlov S.V. Asiantuntijaoppimisjärjestelmien käyttö fysiikan opetusprosessissa // Fysiikan opetus lukiossa. M., 1996. Nro 5.-S. 21-23.

3. S. V. Gryzlov, A. P. Korolev ja D. Yu. Asiantuntijakoulutusjärjestelmä, joka keskittyi ratkaisemaan tehtäväkokonaisuutta kehon liikkeestä kaltevassa tasossa // Koulutusprosessin parantaminen uuteen tietotekniikkaan perustuen. Saransk: Mordovian osavaltio. ped. in-t, 1996. - S. 45-47.

4. Gryzlov S.V., Kamenetsky S.E. Perspektiivisuuntia tietotekniikan käyttöön yliopiston ja koulun koulutusprosessissa // Tiede ja koulu. 1997. Nro 2.-S. 35-36.

Väitöskirjan rakenne ja laajuus. Väitöstyö koostuu johdannosta, neljästä luvusta, johtopäätöksestä, lähdeluettelosta ja liitteestä. Kokonaismäärä on 192 sivua koneella kirjoitettua tekstiä, joista 25 kuvaa, 8 taulukkoa. Lähdeluettelossa on 125 nimikettä.

Samanlaisia ​​teesejä erikoisalalla "Koulutus- ja koulutusteoria ja -menetelmät (alueittain ja koulutustasoittain)", 13.00.02 VAK-koodi

• Didaktiset ehdot automatisoitujen koulutuskurssien käytölle lukiolaisten luonnontieteellisten tieteenalojen opiskeluprosessissa 1999, pedagogisten tieteiden kandidaatti Belous, Natalya Nikolaevna

• Oliolähtöisen matemaattisen ja ohjelmistotietotekniikan kehittäminen rangaistuskoulun yksilöllisen oppimisen hallintaan 2003, Ph.D. Kremer, Olga Borisovna

• Teoreettiset perusteet didaktisten interaktiivisten ohjelmistojärjestelmien luomiselle ja soveltamiselle yleisillä teknisillä aloilla 1999, pedagogisten tieteiden tohtori Zainutdinova, Larisa Khasanovna

• Geometrian opetusmenetelmät lukion luokilla 10-11 tietokoneella 2002, pedagogisten tieteiden tohtori Mehdiyev, Muradkhan Hajikhanovich

• Tietokoneistettu pedagoginen tuki opiskelijan toiminnalle haaroittuneen ohjelman parissa työskennellessä 2002, pedagogisten tieteiden kandidaatti Tsareva, Irina Nikolaevna

Väitöskirjan johtopäätös aiheesta "Koulutuksen ja koulutuksen teoria ja menetelmät (koulutusalojen ja -tasojen mukaan)", Gryzlov, Sergey Viktorovich

JOHTOPÄÄTÖKSET NELJÄSTÄ LUKUSTA

1. Analysoimalla mahdollisia tietokoneen käyttösuuntia opetuksessa tunnistetaan olemassa olevien pedagogisten ohjelmistotyökalujen puutteet, perustellaan tarve luoda ja käyttää koulutusprosessissa asiantuntijakoulutusjärjestelmien periaatteelle rakennettuja opetusohjelmistoja. .

2. Tuntien johtamiseen kehitettyjen ohjelmistotyökalujen avulla on kehitetty metodologia (asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennettu koulutusjärjestelmä).

3. Hakukokeilun aikana määritettiin kehitetyn pedagogisen ohjelmiston sisältö ja sovitettiin rakennetta.

4. Hakukokeilun suorittaminen mahdollisti kehitetyn koulutusjärjestelmän avulla lopullisen version kurssien johtamismetodista, jonka tavoitteena oli kehittää opiskelijoille yhteinen tapa ratkaista ongelmia.

5. Suoritettu vertailupedagogisen kokeen tulosten analyysi todistaa tunneille ehdotetun metodologian merkittävästä vaikutuksesta fyysisten ongelmien ratkaisemiseen kehitetyn pedagogisen ohjelmiston avulla yhteisen ongelmien ratkaisutavan muodostumiseen opiskelijoiden keskuudessa.

Siten esitetyn hypoteesin pätevyys siitä, että ehdotettu menetelmä fyysisten ongelmien ratkaisutuntien johtamiseen kehitetyllä pedagogisella ohjelmistolla on tehokkaampi verrattuna perinteiseen menetelmään, on todistettu.

PÄÄTELMÄ

1. Opiskeli ja analysoi pedagogista, metodologista ja psykologista kirjallisuutta sekä väitöskirjatutkimusta tietokoneen käytön metodologiasta oppimisprosessissa. Tältä pohjalta selvisi, että tehokkaimpia pedagogisia ohjelmistotyökaluja ovat asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennetut koulutusohjelmat.

2. Asiantuntijakoulutusjärjestelmät, jotka keskittyvät opiskelijoiden yhteisen ratkaisutavan muodostamiseen, ovat tehokkain tapa opettaa ongelmanratkaisua.

3. Selvitetään asiantuntijakoulutusjärjestelmien käytön mahdollisuudet koulutusprosessissa, esitetään suuntaviivoja asiantuntijajärjestelmien käytölle oppimisprosessissa.

4. Ehdotetaan ja perustellaan opetusjärjestelmän rakennetta, joka on rakennettu asiantuntijakoulutusjärjestelmien toimintaperiaatteelle, keskittyen opiskelijoiden yhteisen ongelmanratkaisutavan muodostamiseen.

5. On kehitetty asiantuntijakoulutusjärjestelmien toimintaperiaatteelle rakennettu koulutusjärjestelmä, joka keskittyy kehon kaltevassa tasossa liikkumiseen liittyvien ongelmien ratkaisemiseen. Opiskelijoiden toiminnan hallinta ongelmanratkaisun aikana kehitetyn koulutusjärjestelmän avulla toteutetaan: a) tietokonesimulaatiolla, jonka avulla voidaan tunnistaa ongelman kohteena olevien kohteiden olennaiset ominaisuudet ja suhteet; b) heuristiset työkalut, jotka antavat opiskelijoille mahdollisuuden suunnitella toimintaansa; c) Opiskelijan toiminnan asteittainen ohjaus opetusjärjestelmän toimesta ja opiskelijan pyynnöstä referenssiratkaisun esittäminen ongelmaan, kehittää kykyä arvioida toimintaansa, valita tämän arvioinnin kriteerit.

6. Määritetään menetelmät ongelmien ratkaisutunneille kehitetyn pedagogisen ohjelmiston avulla, niiden rooli ja paikka koulutusprosessissa. Tämän tekniikan pääsäännöt ovat seuraavat: a) opiskelijoiden itsenäinen tehtävien valinta tietyn luokan ongelmien yleisen ratkaisutavan hallitsemiseksi; b) kehitettyjen pedagogisten ohjelmistotyökalujen (asiantuntija-oppimisjärjestelmien periaatteelle rakennettu oppimisjärjestelmä) käyttö yhteisen menetelmän muodostamiseksi ongelmien ratkaisemiseksi; c) kunkin opiskelijan itsenäisen ongelmanratkaisun yhdistelmä ratkaisusuunnitelman kollektiiviseen keskusteluun; d) algoritmin valinta tämän luokan ongelmien ratkaisemiseksi jo ratkaistujen ongelmien yleistyksen perusteella.

7. Suoritetun pedagogisen kokeilun tulokset osoittivat, että opiskelijoiden kesken muodostui yhteinen tapa ratkaista ongelmia koeryhmissä, joissa koulutus toteutettiin kehitetyillä pedagogisilla ohjelmistotyökaluilla (asiantuntijakoulutusjärjestelmien periaatteelle rakennettu koulutusjärjestelmä) , on paljon korkeampi kuin kontrolliryhmissä, joissa koulutus suoritettiin yleisimmillä tietokoneohjelmilla (mallinnus ja koulutus), mikä vahvistaa esitetyn hypoteesin luotettavuuden.

Väitöskirjan lähdeluettelo Pedagogisten tieteiden kandidaatti Gryzlov, Sergei Viktorovich, 1998

1. Alekseeva E.F., Stefanyuk V.L. Asiantuntijajärjestelmät (tila ja näkökulma) // Izvestiya AN SSSR. Tekninen kybernetiikka. 1984.- nro 5. s. 153-167.

2. Anatsky N.M., Levin N.A., Pospelova L.Ya. Asiantuntijajärjestelmän "IPILOG" toteutus / V All-Union -seminaarin "PC-ohjelmistojen kehittäminen ja soveltaminen koulutusprosessissa" materiaalit: Tiivistelmät. raportti Ordzhonikidze, 1989. - S. 27-28.

3. Anderson J.R., Reiser B.J. LISP-opettaja // Kirjassa. Tekoälyn todellisuus ja ennusteet: la. tuotteet; per. englannista. /Toim. V.L. Stefanyuk. M.: Mir, 1987. - S. 27-47.

4. Antonyuk L.S., Cherepina I.S. Aktiivisten opetusmenetelmien käytöstä nuoremmilla kursseilla // Ohjelmoitu oppiminen, 1988. -V. 25.-S. 98-101.

5. Aristova L.P. Koululaisten opetuksen automatisointi. M.: Enlightenment, 1968. -139 s.

6. Babansky Yu.K. Opetusmenetelmien valinta lukiossa. M.: Pedagogiikka, 1981. - 176 s.

7. Baikov F.Ya. Fysiikan ongelmaohjelmoidut tehtävät lukiossa. Opas opettajille. M.: Enlightenment, 1982. - 62 s.

8. Balobashko N.G., Kuznetsov V.C., Smirnov O.A. Opetusprosessin tarjoaminen laskentaresursseilla. M .: Korkeampien ongelmien tutkimuslaitos. koulu - 1985. 44 s.

9. Bespalko V.P. Pedagogisten järjestelmien teorian perusteet. Voronezh: Voronežin yliopiston kustantamo, 1977. - 304.

10. Bespalko V.P. Ohjelmoitu oppiminen (didaktiset perusteet). M., 1970. - 300 s.

11. Bobko I.M. Mukautuva pedagoginen ohjelmisto. -Novosibirsk: NSU-kustantamo, 1991. 101 s.

12. Bugaenko G.A., Burkova S.A. Yhden vaikeamman ongelman ratkaiseminen // Fysiikka koulussa. Nro 4. - 1991. - S. 43-46.

13. Bunyaev M.M. Tieteelliset ja metodologiset perusteet haarautuneiden interaktiivisten oppimisjärjestelmien suunnittelulle: Dis. Candin tutkintoa varten. ped. Tieteet. 1992. - 350 s.

14. Vlasova E.Z. Näkymät asiantuntijajärjestelmien käyttöön koulutusprosessissa // Erikoistunut keskiasteen koulutus. 1991. - nro 4. - S. 21.

15. Vlasova E.Z. Asiantuntijajärjestelmien tietopohjan kehittäminen fysiikan opiskelijoiden metodologisessa koulutuksessa: Dis. Candin tutkintoa varten. ped. Tieteet. Pietari, 1993. - 211 s.

16. Gvaramiya M. Kokemus fysiikan tietokoneopetusvälineiden kehittämisestä Informatiikka ja koulutus. 1990. - nro 6. - S. 79.

17. Gergey T., Mashbits E.I. Tietokoneiden tehokkaan käytön psykologiset ja pedagogiset ongelmat koulutusprosessissa Voprosy psikhologii. 1985. - nro 3. - S. 41-49.

18. Gershunsky B.S. Tietokoneisaatio koulutuksessa: ongelmat ja näkymät. M.: Pedagogiikka, 1987. - 264 s.

19. Glushkov V.M. Tietojenkäsittelytekniikan ja ohjauksen aktivointiongelmat. Julkaisussa: The Future of Science. Näkökulmat. Hypoteesit. Nykyajan ongelmat. Ongelma. 4. - M.: Tieto, 1971.

20. Golitsina I., Narkov I. Tietokone fysiikan tunneilla // Informatiikka ja koulutus. 1990. - Nro 3. - S. 31.

21. Gottlieb B. Tietokone- ja didaktinen tuki // Informatiikka ja koulutus. 1987. - Nro 4. - S. 3-14.

22. Gottlieb B. AOS:n rakenne // Informatiikka ja koulutus. 1987. - Nro Z.-S. 11-19.

23. Grabar M.I., Krasnyanskaya K.A. Matemaattisten tilastojen soveltaminen pedagogiseen tutkimukseen. Ei-parametriset menetelmät. -M., Pedagogy, 1977. 136 s.

24. Gryzlov S.V. Asiantuntijakoulutusjärjestelmät (kirjallisuuskatsaus) // La. Fysiikan opetusta korkeakouluissa. Nro 4. - M., 1996. - S. 312.

25. Gutman V.I., Moshchansky V.N. Algoritmit mekaniikkaongelmien ratkaisemiseen lukiossa: Kirja opettajille. M.: Enlightenment, 1988. -95 s.

26. Davydov V.V. Kehityskasvatuksen ongelma: Teoreettisen ja kokeellisen psykologisen tutkimuksen kokemus. M.: Pedagogiikka, 1986. - 240 s.

27. Dalinger V. Interaktiiviset koulutusohjelmat ja niitä koskevat vaatimukset // Informatiikka ja koulutus. 1988. - nro 6. - S. 35-37.

28. Danovski P., Dovgyallo A.M., Kirova K.N. et al. SPOK:iin perustuvat automatisoidut oppimisjärjestelmät // Modern Higher School.-1983.-№ 1.-S. 171-178.

29. Denisov A.E., Bushuev S.D. Ohjelmoitu oppiminen ja koulutusprosessin tietokoneistaminen yliopistossa // Ohjelmoitu oppiminen, 1988.-Vol. 25.-S. 3-9.

30. Lukion didaktiikka: Joitakin modernin didaktiikan ongelmia. /Toim. M.N. Skatkin. M.: Enlightenment, 1982. - 319 s.

31. Driga V.I., Pankov M.N. Kysymys ohjelmistojen ja pedagogisten työkalujen kokoamisen didaktisista vaatimuksista / In la. Tietokone ja koulutus / Toim. Razumovski V.G. M.: APN USSR, 1991 -117 s.

32. Emelyanov V.V., Ukhanova T.V., Yasinovskii S.I. Tekoälymenetelmien käyttö joustavissa tuotantojärjestelmissä: Oppikirja kurssille "GPS:n organisaatiohallinta" / Toim. V.V. Emelyanov. M.: Publishing House of MSTU, 1991. - 36 s.

33. Eslyamov S.G. Menetelmät ja työkalut, jotka varmistavat asiantuntijajärjestelmien tehokkaan käytön opetuksessa: Tiivistelmä teknisten tieteiden kandidaatin tutkinnon väitöskirjasta: 05.25.05. Kiova, 1993.- 16 s.

34. Jablon K., Simon J.-C. Tietokoneiden käyttö fysiikan numeeriseen simulointiin. M.: Nauka, 1983. - 235 s.

35. Zak A.Z. Kuinka määrittää opiskelijan ajattelun kehitystaso. -M.: Knowledge, 1982. 98 s.

36. Ibragimov O.V., Petrushin V.A. Asiantuntijakoulutusjärjestelmät. - Kiova, 1989. 21 s. - (Prepr. / Ukrainan SSR:n tiedeakatemia. V.M. Glushkovin mukaan nimetty kybernetiikan instituutti; 89-47).

37. V.A. Fysiikan atk-koulutuksen didaktiset perusteet. L.: LGPI, 1987. - 256 s.

38. Taksinkuljettajat V.A., Zharkov I.V. Vuoropuhelu oppilaan ja koneen välillä // Fysiikka koulussa. 1985. - nro 5. - S. 48-51.

39. Taksinkuljettajat V.A., Revunov D.A. EVT lukion fysiikan tunneilla. Moskova: Enlightenment, 1988. - 239 s.

40. Ilyina T.A. Pedagogiikka: Luentokurssi. Oppikirja opiskelijoille ped. yliopistot. M.: Enlightenment, 1984. - 202 s.

41. Kybernetiikka ja oppimisongelmat. /Toim. A.I. Berg. M.: Progress, 1970. - 390 s.

42. Tietokone saa älykkyyttä: TRANS. englannista / toim. B.J.I. Stefanyuk. -M.: Mir, 1990. 240 s.

43. Kondratiev A.S., Laptev V.V. Fysiikka ja tietokone. L .: Leningradin valtionyliopiston kustantamo, 1989. - 328 s.

44. Konstantinov A.B. Tietokone teoreetikkona: Symboliset laskelmat ja tekoälyn periaatteet teoreettisessa fysiikassa / Kokeilu näytöllä. M.: Nauka, 1989. - S. 6-44.

45. Korzh E.D., Penner D.I. Ohjelmoidut tehtävät fysiikassa VIII luokalle. Vladimir: V PI, 1984. - 81 s.

46. ​​Krug G.K., Kabanov V.A., Chernykh A.V. Instrumentaaliset interaktiiviset oppimisjärjestelmät mikrotietokoneissa // Mikroprosessorilaitteet ja -järjestelmät. 1987. - Nro 3. - S. 29-30.

47. Kuznetsov A., Sergeeva T. Koulutusohjelmat ja didaktiikka // Informatiikka ja koulutus. 1986. - nro 2. - S. 87-90.

48. Kuznetsov A. Tietokoneiden käytön perusperiaatteet oppimisprosessissa. / la. Koulutuksen tietokoneistamisen teoreettiset ja soveltavat ongelmat. Kazan, 1988. - 184 s.

49. Lanina I.Ya. Opiskelijoiden kognitiivisten kiinnostusten muodostuminen fysiikan tunneilla. M.: Enlightenment, 1985. - 128 s.

50. Lobanov Yu.I., Brusilovsky P.L., Sedin V.V. Asiantuntevat oppimisjärjestelmät. - M., - 56 s. - (Uudet tietotekniikat koulutuksessa: tarkastele, tiedota. / NIIVO; Numero 2)

51. Lyaudis V.Ya. Dialogiopetusjärjestelmien rakentamisen psykologiset periaatteet // Artikkelikokoelmassa. Tietokonekoulutuksen psykologiset-pedagogiset ja psykologiset-fysiologiset ongelmat. M.: Neuvostoliiton tiedeakatemian kustantamo. - 1985.- 162 s.

52. Marcellus D. Ohjelmointiasiantuntijajärjestelmät Turbo Prologissa: Per. englannista. M.: Talous ja tilastot, 1994. - 256 s.

53. Maryasina E.D. Vastausten oikeellisuuden analyysi automatisoiduissa oppimisjärjestelmissä tulkintamalleja käyttäen // Ohjausjärjestelmät ja koneet. 1983. - nro 1. - S. 104-107.

54. Maslov A., Tairov O., Trush V. Henkilökohtaisten tietokoneiden käytön fysiologiset ja hygieeniset näkökohdat opetusprosessissa Informatika i obrazovanie. 1987. - nro 4. - S. 79-81.

55. Mashbits E.I. Dialogi oppimiskoneessa. Kiova: Vishcha-koulu, 1989. -182 s.

56. Mashbits E.I. Koulutuksen tietokoneistaminen: ongelmat ja näkymät. M.: Knowledge, 1986. - 80 s.

57. Mashbits E.I. Koulutuksen tietokoneistamisen psykologiset ja pedagogiset ongelmat. M.: Pedagogiikka, 1988. - 215 s.

58. Aiheen "Sähkökenttä" opiskelumenetelmät lukion fysiikan kurssilla ongelmallisten ohjelmoitujen tehtävien perusteella:

61. Mitrofanov G.Yu. Asiantuntijajärjestelmät oppimisprosessissa. M.: TSNTI of Civil Aviation, 1989. - 32 s.

62. Mikhalevich V.M., Dovgyallo A.M., Saveliev Ya.M., Kogdov N.M. Asiantuntijakoulutusjärjestelmät tietokoneoppimistyökalujen kompleksissa // Modern Higher School. 1988. - nro 1 (61). - S. 125-136.

63. Monakhov V.M. Opiskelijoiden tietokonelukutaidon varmistamisen psykologiset ja pedagogiset ongelmat // Psykologian kysymyksiä. 1985.- nro 3. S. 14-22.

64. Morozova N.V., Ionkin V.P. Kehysjärjestelmien käyttö opiskelijoiden tiedon ohjaamiseen // Kirjassa. Koulutuksen ja tutkimuksen informatisoinnin menetelmät ja keinot / Mosk. ekv.-st. in-t. M., 1992. - S. 43-49.

65. Nevdava L., Sergeeva T. Pedagogisten ohjelmistojen kehittämisen lupaavista suuntauksista // Informatiikka ja koulutus.- 1990.-№6.-S. 79.

66. Nikolov B.C. Työkalujen kehittäminen koulutuksen asiantuntijajärjestelmien luomiseen: Dis. Candin tutkintoa varten. Fys.-Math. Tieteet. M., Neuvostoliiton tiedeakatemia, 1988. - 183 s.

67. Nilson N. Tekoälyn periaatteet / Per. englannista. -M.: Radio ja viestintä, 1985. 373 s.

68. Novikov V.N. Yhdessä vaikeutetussa tehtävässä // Fysiikka koulussa. Nro 5. - 1989. - S. 124-128.

69. Novitsky L.P., Feidberg L.M. Asiantuntijakoulutusjärjestelmä henkilökohtaiselle tietokoneelle // Kirjassa: Kybernetiikan menetelmiä ja keinoja korkeakoulutuksen koulutusprosessin hallinnassa: la. tieteellinen tr. / Moskova. ex-st. in-t. M.; 1992. - S. 43-49.

70. Koulun pedagogiikka. /Toim. SE. Ogorodnikov. M.: Enlightenment, 1978.-320 s.

71. Tietotekniikan kehitysnäkymät: 11 kirjassa: Viite, lisäys / Toim. Yu.M. Smirnova. Kirja. 2. Tietokoneiden älykkyys / E.S. Kuzin, A.I. Roitman, I.B. Fominykh, G.K. Khakhalin. M.: Korkeampi. koulu, 1989. - 159 s.

72. Petrushin V.A. Asiantuntijaoppimisjärjestelmien arkkitehtuuri / Kirjassa. Asiantuntijakoulutusjärjestelmien kehittäminen ja soveltaminen: la. tieteellinen tr. M.: NIIVSH, - 1989. - S. 7-18.

73. Petrushin V.A. Älykkäät oppimisjärjestelmät: arkkitehtuuri ja toteutusmenetelmät (arvostelu) // Izvestiya AN. Tekninen kybernetiikka, nro 2 1993. - S. 164-189.

74. Petrushin V.A. Harjoittelijan tiedon tilan mallintaminen älykkäissä oppimisjärjestelmissä // Kirjassa. Tietokoneoppimistekniikoiden kehittäminen ja toteutus: la. tieteellinen tr. / AN Ukrainan SSR. Kybernetiikkainstituutti im. Glushkova, Kiova, 1991. - S. 26-31.

75. Povyakel N.I. Tavoitteenmuodostus tietokoneen käyttäjäohjelmistojen psykologisessa tuessa. M.: Moskovan valtionyliopiston kustantamo, 1975. -S. 79-81.

76. Popov E.V. Viestintä tietokoneiden kanssa luonnollisella kielellä. M.: Nauka.-1982. - 360 s.

77. Popov E.V. Asiantuntijajärjestelmät: Ei-formalisoitujen ongelmien ratkaiseminen dialogissa tietokoneen kanssa. M.: Tiede. Ch. toim. Fys.-Math. lit., 1987. - 288 s.

78. Asiantuntijajärjestelmien rakentaminen. Ed. F. Hayes-Roth M.: Mir, 1987-442 s.

79. Työpaja pedagogisten ohjelmistojen kehittämisestä toisen asteen oppilaitoksille. / Uch. korvaus toim. V.D. Stepanova. M.: Kustantaja Prometheus, 1990. - 79 s.

80. Tiedon esittäminen ja käyttö: Per. japanista. /Toim. X. Ueno, M. Ishizuka. M.: Mir, 1989.

81. Asiantuntijajärjestelmien käyttö fysiikan opetuksessa: Metodologiset suositukset. / Comp. E.Z. Vlasova, prof., Dr. Ph.-M. Tieteet V.A. Kaverit. Pietari, 1992. - 50 s. - (Kybernetiikka. Pedagogia. Kasvatustiede. / A.I. Herzenin nimetty venäläinen pedagoginen yliopisto. Kirjasta "Koulutus").

82. Putieva A. Tietokoneopetuksen kehittämisen kysymyksiä // Psykologian kysymyksiä. 1987. - nro 1. - S. 63-65.

83. Raev A.I. Ohjelmoidun oppimisen psykologiset kysymykset. Leningrad: LGPI im. Herzen, 1971. - 96 s.

84. Asiantuntevien oppimisjärjestelmien kehittäminen ja soveltaminen. // La. tieteellinen tr. M.: NIIVSH, 1989. - 154 s.

85. Revunov A.D., Izvozchikov V.A. Elektroniset tietokoneet lukion fysiikan tunneilla. Moskova: Enlightenment, 1988. - 257 s.

86. Richmond W.K. Opettajat ja koneet: (Johdatus ohjelmoidun oppimisen teoriaan ja käytäntöön). M., 1968. - 278 s.

87. Savchenko N.E. Virheitä fysiikan pääsykokeissa. -Minsk, korkeampi. koulu, 1975. - 160 s.

88. Sergeeva T. Uudet tietotekniikat ja koulutuksen sisältö // Informatiikka ja koulutus. -1991. Nro 1.

89. Sergeeva T., Chernyavskaya A. Didaktiset vaatimukset tietokoneiden koulutusohjelmille // Informatiikka ja koulutus. -1986. -Nro 1.-S. 48-52.

90. Talyzina N.F. Ohjelmoidun oppimisen teoreettiset ongelmat. M.: Moskovan valtionyliopiston kustantamo, 1969. - 133 s.

91. Talyzina N.F. Oppimisprosessin hallinta. M.: Moskovan valtionyliopiston kustantamo, 1975.-343 s.

92. Tarasov JI.B., Tarasova A.N. Fysiikan kysymykset ja tehtävät (Teknisiin korkeakouluihin tulevien ominaisvirheiden analyysi). Oppikirja lisä, 3. painos, tarkistettu. ja ylimääräistä - M.: Korkeampi. koulu, 1984. - 256 s.

93. Tikhomirov O.K. Dialogin "Ihminen-tietokone" psykologinen rakenne // Moskovan valtionyliopiston tiedote. Ser. 14. Psykologia. - 1984. - nro 2. - S. 1724.

94. Usova A.V., Bobrov A.A. Opiskelijoiden kasvatustaitojen ja kykyjen muodostuminen fysiikan tunneilla. M.: Enlightenment, 1988. - 112 s. (Fysiikan opettajan kirjasto).

95. Usova A.V., Tulkibaeva N.N. Fyysisten ongelmien ratkaisutyöpaja: Oppikirja. lisä fysiikan ja matematiikan opiskelijoille. fak. M.: Enlightenment, 1992. - 208 s.

96. Fedoseenko M.Yu. Tiedon esitystavan valinta asiantuntijakoulutusjärjestelmissä // Kirjassa: Asiantuntijakoulutusjärjestelmien kehittäminen ja soveltaminen: la. tieteellinen tr. M.: NIIVSH, 1989. - S. 43-48.

97. Chekulaeva M.E. Tietokoneiden käyttö opiskelijoiden ajattelun kehittämiskeinona fysiikan opetuksessa: Tiivistelmä pedagogisten tieteiden kandidaatin tutkinnon väitöskirjasta: 13.00.02. -M., 1995.- 17 s.

98. Ihminen ja tietotekniikka / Toim. V.M. Glushkov. Kiova, Naukova Dumka, 1971.

99. Ihminen ja tietotekniikka. / Kokonaissumman alle. toim. V.M. Glushkov. Kiova, 1971.-294 s.

100. Schukina G.I. Opiskelijoiden kognitiivisen toiminnan aktivointi koulutusprosessissa. M.: Enlightenment, 1979. - 160 s.

101. Aiken K. Opettajat ja tietokone. Mikä on avainkomponentti? // Paperi esitelty ABS:ssä (opetusjärjestelmän automatisointi) lukioissa ja lukioissa. Kurchatovan instituutti. M., 1989, 26. toukokuuta - s. 37-41.

102. Anderson J.A. Psykologia ja älykäs tutorointi / Artif. Intel. ja Kouluttaja: Proc. 4th Int. Conf. AI and Educ., Amsterdam, 24.-26. toukokuuta 1989. - Amsterdam jne., 1989. S. 1.

103. Andriole S.J. Tekoälyn lupaus // J. Syst. Manag. -1985.-V. 36.-№7.-P. 8-17.

104. Bodnar Gy. A mesterseges intelligencia es a szakerforendzerek // Minosed es Megbizhatosag, 1988. Nro 3. - P. 11-17.

105. Bork A. Learning with Personal Computers. Cambridge: Harper and Row, 1987. - 238 s.

106. Brown I.S., Burton R.R. Diagnostiset mallit proseduurivirheille matemaattisissa perustaioissa // Kognitiivinen tiede. 1978. - V. 2. - P. 155192.

107 Burton R.R. Vikojen diagnosointi yksinkertaisissa menettelytaidoissa // Intern. J. Man-Machine Studies. 1979. - nro 11.

108. Cumming G., Self J. Yhteistyössä toimivat älykkäät koulutusjärjestelmät / Artif. Intel. ja Kouluttaja: Proc. 4th Int. Conf. AI and Educ., Amsterdam, 2426 toukokuu, 1989. Amsterdam jne., 1989. - s. 73-80.

109. Dutta A. Päättely epätarkalla tiedolla asiantuntijajärjestelmässä // Int. sci. (USA). 1985. - Voi. 37. - Nro 1-3. - s. 3-24.

110. Elson-Cook M. Ohjattu löydösopastus ja rajattu käyttäjämallinnus // Self J. (Toim.) Tekoäly ja ihmisen oppiminen. Älykäs tietokoneavusteinen opetus. L.: Chapman ja Hall, 1988.

111. Feigenbaum E. Yleisyydestä ja ongelmanratkaisusta // Machine Intelligence. 1971. - nro 6.

112. Feigenbaum E.A., Mecorduck P. 5. sukupolvi. Addison Wesley. Massa. 1983.-226 s.

113. Goldstein I.P. Geneettinen graafi: esitys proseduuritiedon kehitykselle // Intern. J. Man-Machine Studies. 1979. -№11.

114. Murray W.R. Älykkäiden opetusjärjestelmien ohjaus: liitutaulupohjainen dynaaminen opetussuunnittelija / Artif. Intel. ja Kouluttaja: Proc. 4th Int. Conf. AI and Educ., Amsterdam, 24.-26. toukokuuta 1989. Amsterdam jne., 1989.-P. 150-168.

115. Newell A. Heuristinen ohjelmointi: huonosti rakennetut ongelmat // Progress in Operation Processing. New York: Wiley and Sons, 1969. - V. 3. - P. 362414.

116. Simon H. Epästrukturoitujen ongelmien rakenne // Tekoäly. 1974. - V. 5. - Nro 2. - P. 115-135.

117. Sleeman D. Joitakin haasteita älykkäille tutorointijärjestelmille / IJCAI 87: Proc. 10. yhteinen konferenssi Artif. Intel, Milano, elokuu 23-28, 1987. P. 11661168.

118. Sleeman D. Perusalgebran pätevyyden aspektien arviointi // Sleeman D., Brown J.S. (toim.) Intelligent Tutoring Systems. New York: Academic Press, 1982.

119. Souldin Y. Optimaalinen opetusjärjestelmä Illuusio vai todellisuus? /East-West: Intern. konferenssi "Human-Computer Interaction", Moskova, 3.-7. elokuuta 1993: Dokl. T. 1. - M., 1993. - S. 59-72.

120. Tompsett C.R. Koulutus, koulutus ja tietopohjan suunnittelu // Expert syst. 1988. - V. 5. - Nro 4. - P. 274-280.

121. Weip S. The Computer in School: Machine as Humanizer // Symposium: Harvard Educational Review, 1989. Voi. 59. - nro 1. - s. 61.

122. Yazadani M. Vieraileva pääkirjoitus: asiantuntijatutorointijärjestelmät // Expert Syst. -1988. V. 5. - nro 4. - P. 271-272.

Huomioi, että yllä esitetyt tieteelliset tekstit lähetetään tarkastettavaksi ja hankitaan väitöskirjojen alkuperäisten tekstien (OCR) tunnistamisen kautta. Tässä yhteydessä ne voivat sisältää virheitä, jotka liittyvät tunnistusalgoritmien epätäydellisyyteen. Toimittamiemme väitöskirjojen ja tiivistelmien PDF-tiedostoissa ei ole tällaisia ​​virheitä.

Asiantunteva opetusjärjestelmä

Johdanto

Tällä hetkellä Internet-teknologioiden nopean kehityksen myötä interaktiivisia palveluita on yhä enemmän Internet ja intranet verkot, kuten etäopiskelu. Etäopiskelujärjestelmä on melko suosittu koulutusmuoto maailmassa niissä maissa, joissa tietotekniikkaan perustuvien viestintävälineiden kehitystaso on melko korkea. Nykyaikaisten asiantuntijoiden koulutus edellyttää koulutusprosessin organisointia näiden uusien tietoteknologioiden ja tietopohjaisten järjestelmien - asiantuntijajärjestelmien (ES) avulla.

ES:n käyttö opiskelijoiden testausjärjestelmien tietämyksen tason arvioinnissa määrittää tärkeän tietokoneohjelmien lohkon - asiantuntijakoulutusjärjestelmät (ETS).

Asiantuntijakoulutusjärjestelmät ovat tietokoneohjelmia, joissa on ES:n pääkomponentit, mutta joissa on lisäksi laajennettu selityskomponentti. Tällaiset järjestelmät perustuvat sekä ohjelmisto-asiantuntijoiden tietoon että opetusmenetelmien asiantuntijoiden tietämykseen. Lisäksi niissä on osa oppimateriaalin esityksen mukauttamista opiskelijalle hänen valmiuksistaan ​​riippuen. Ja ainakin on olemassa useita oppimisstrategioita, joiden yksityiskohtaisuus riippuu opiskelijan aktiivisuudesta vuoropuhelussa järjestelmän kanssa.

EOS:n käyttö testaustyökaluna opiskelijan tiedon laadun määrittämiseen on myös erittäin tärkeää opetuksessa. Koska tällaisessa kokeessa opiskelijaan ei vaikuta subjektiivinen tekijä, eli kokeen tulokset eivät riipu kokeen vastaanottajan ja testattavan henkilökohtaisista ominaisuuksista. Ja yhtenäisten testien käyttö antaa opettajalle mahdollisuuden arvioida objektiivisesti opiskelijoiden valmistautumistasoa.

1. Aiheen relevanssi

Tietokoneiden yleistymisen yhteydessä kasvaa tietokonekoulutuksen rooli, jonka metodologia lisää opiskelijan älyllisiä kykyjä ja päätöksenteon riippumattomuutta. Ja tällaiset ominaisuudet ovat eniten kysyttyjä kilpailukykyisessä taloudessa ja edistävät koulutusta jaammatillinen kasvu. Ongelmia on tehokkaiden oppimisjärjestelmien luomisessa sekä uusien opetusmateriaalin esittämismuotojen ja -tapojen luomisessa, uusien pedagogisten tekniikoiden ja opetusvälineiden etsimisessä. Yksi keino lisätä koulutuksen tehokkuutta, tiedon assimilaatiota ja alentaa itse oppimisprosessin kustannuksia on automatisoitujen asiantuntijakoulutusjärjestelmien kehittäminen ja käyttö. Tällä hetkellä automatisoitua asiantuntijaoppimisjärjestelmää kuvaavia termejä on monia, jotka itse asiassa ovat samanlaisia.

Suosituimmat niistä ovat etäopiskelujärjestelmät, tietokonekoulutusjärjestelmät ja muut. Yllä olevien termien täyden merkityksen selittämiseksi voidaan antaa seuraava määritelmä.
Asiantuntijaoppimisjärjestelmä (ETS) on alan asiantuntijoiden (pätevät opettajat, metodologit, psykologit) tietämyksen pohjalta rakennettu ohjelmisto- ja laitteisto- sekä opetus- ja metodologiset työkalut, jotka toteuttavat ja ohjaavatoppimisprosessi. Tällaisen järjestelmän tarkoitus on, että se toisaalta auttaa opettajaa opettamaan ja ohjaamaan opiskelijaa, toisaalta opiskelija oppii itsenäisesti.

2. Tutkimuksen tarkoitus ja tavoitteet, suunnitellut tulokset

Tutkimuksen tavoitteena on kehittää tietokoneasiantuntijaopetusjärjestelmä, joka auttaa lisäämään hankitun tiedon määrää ja tiedon havainnoinnin tehokkuutta sekä vähentämään aineen opiskeluaikaa, mukaan lukien opettajan tiedon esittämiseen käytettyä aikaa. ja käytännön taitojen juurruttaminen opiskelijoille.

Tutkimuksen päätavoitteet:

1. EOS:n ontologisen mallin kehittäminen;
2. EOS-rakenteen kehittäminen;
3. Toteutustavan perustelut ja valinta tietokoneella;
4. Aktiivisten komponenttien käyttöönotto EOS:ssä (pelit, interaktiiviset järjestelmät, suora pääsy viestintään esimerkiksi Skypen kautta esimiehen kanssa);

Tutkimuksen kohde: asiantuntijaopetusjärjestelmä.

Tutkimusaihe: EOS:n mallit, rakenteet ja toiminnot.

Tieteellinen uutuus koostuu uusi lähestymistapa EOS:n suunnitteluun, joka perustuu opiskelijan toiminnan mallintamiseen ja tekoälymenetelmien käyttöön.

Osana maisterin työtä on tarkoitus hankkia asiaankuuluvia tieteellisiä tuloksia seuraavilla alueilla:

1. Oppimisprosessien mallintaminen.
2. EOS-rakennesuunnittelu Internet ja intranet.

Suunnitellut työn tulokset: prototyyppi asiantuntijakoulutusjärjestelmästä, joka parantaa koulutuksen laatua ja vähentää koulutusaikaa.

3. Tieteellisten tutkimusten kysely.

Koska asiantuntijaoppimisjärjestelmien tutkiminen ja oppimisen tehokkuuden parantaminen tässä järjestelmässä ovat tärkeä osa monimutkaisten ongelmien ratkaisemista asiantuntijajärjestelmien avulla. Sekä ulkomaiset että kotimaiset asiantuntijat ovat tutkineet EOS:ää laajasti.

3.1. Katsaus kansainvälisiin lähteisiin

Ensimmäinen opetusjärjestelmä Platon perustuu vahvaan tietokoneyritykseen" Control Data Corporation ” kehitettiin Yhdysvalloissa 50-luvun lopulla ja sitä on kehitetty 20 vuotta. Koulutusohjelmien luomisesta ja käytöstä on tullut todella massiivista 80-luvun alusta, jolloin henkilökohtaiset tietokoneet ilmestyivät ja yleistyivät. Siitä lähtien tietokoneiden opetussovellukset ovat siirtyneet valtavirtaan tekstinkäsittelyn ja grafiikan ohella, mikä työntää matemaattiset laskelmat taustalle.

ECSI perustettiin myös vuonna 1972 ja on sittemmin vakiinnuttanut asemansa johtavana koulutusalan palveluntarjoajana. Yritys on erikoistunut kehittämään tuotteita ja palveluita oppilaiden ja heidän vanhempiensa oppimiskokemuksen parantamiseksi. ECSI palvelee tällä hetkellä yli 1300 koulua, korkeakoulua ja yliopistot eri puolilla maata ja tarjoavat laajan valikoiman täysin räätälöityjä, intuitiivisia oppimisjärjestelmiä.

3.2. Katsaus kansallisiin lähteisiin

Nykyaikaisiin koulutusjärjestelmiin kuuluvat TrainingWare, eLearning Server 3000 v2.0, eLearningOffice 3000, IBM Workplace Collaborative Learning ja HyperMethod 3.5 -järjestelmät HyperMethodilta, joka on Venäjän suurin multimedian, asiantuntijakoulutuksen ja e-alan valmiiden ratkaisujen ja ohjelmistojen kehittäjä. -kauppa.

4. Asiantuntijaoppimisjärjestelmät

Asiantuntija-oppimisjärjestelmä (ETS) on oppimisprosessia toteuttava ja ohjaava aineasiantuntijoiden (pätevät opettajat, metodologit, psykologit) tietämyksen pohjalta rakennettu tietokoneohjelma. Tällaisen järjestelmän tarkoitus on, että se toisaalta auttaa opettajaa opettamaan ja ohjaamaan opiskelijaa, toisaalta opiskelija oppii itsenäisesti.

EOS:n pääkomponentit ovat:

1. tietopohja;
2. tuotanto kone;
3. tiedon poimintamoduuli;
4. oppimismoduuli;
5. selitysjärjestelmä;
6. testausmoduuli.

Kuva 1- EOS-rakenteen toiminnallinen malli

(animaatio: 8 kehystä, 5 silmukkaa, 118 kilotavua)

Tässä mallissa ETS:n yläosa on peritty ES:stä ja alaosa on lohkot, jotka tarjoavat oppimis- ja testausprosessin.

Tietokanta on tietomoduulien arkisto. Asiantuntijajärjestelmien tietomoduuli on formalisoitu, jossain menetelmässä tiedon esitystapa (tuotantojärjestelmä, kehykset, semanttiset verkot, 1. asteen predikaattilaskenta), aihealueen objektien kartoittaminen, niiden suhteet, kohteissa tapahtuvat toimet.

Työskentely tietokannan kanssa sisältää seuraavat vaiheet:

1. tiedon poimiminen asiantuntijoilta;
2. tiedon virallistaminen;
3. tietomoduulien käyttö, käsittely.

Oppimisprosessissa opiskelijalle voidaan siirtää asiantuntijatietoa tiedon osan muodossa (tekstillinen, graafinen, multimedia) sekä kokemukseen perustuvaa tietoa, jota ei voida siirtää suoraan opiskelijalle, vaan jonka hän hankkii itsenäisen toiminnan kulku].

Asiantuntijoiden tietämyksen siirtämiseen käytetään laajasti kehittynyttä hypertekstitekniikkaa - perinteisistä ohjeohjelmista (apua) nykyaikaisiin työkaluihin web-sivustojen luomiseen ja ylläpitoon (esimerkiksi Dreamweaver MX).

Toisin kuin ES:ssä, tietopohjan rakentamiseksi EES:ssä ei ole mukana vain asiantuntijaopettajia, vaan siinä käytetään myös tietoa pedagogisista tekniikoista ja oppimisstrategioista sekä henkilön psykologisista ominaisuuksista. Siksi tietomoduulit muodostavat monet asiantuntijat. Ja tässä on tarpeen ottaa huomioon asiantuntijoiden mielipiteiden johdonmukaisuus ja hienosäätää tietopohjaa ottaen huomioon asiantuntijoiden pätevyys. Nämä vaikeudet voidaan tietysti kiertää, jos on asiantuntija, joka yhdistää alan asiantuntijan tietämyksen, opetuksen taktiikkojen ja strategioiden tuntemuksen ja joka omistaa psykologiset opetusmenetelmät, eli korkeasti koulutettu opettaja.

Oppimiskomponentti on joukko ohjelmistomoduuleja, jotka toteuttavat erilaisia ​​päättelymekanismeja saavuttaakseen oppimisen pedagogisen tavoitteen. ETS:ssä, toisin kuin muissa tietokoneoppimisvälineissä, on interaktiivisuutta: ne käyvät vuoropuhelua opiskelijan kanssa, mikä on erittäin houkuttelevaa opiskelijalle.

Dialogin rakentaminen perustuu oppimisen psykologisiin perusperiaatteisiin:

1. ystävällinen käyttöliittymä;
2. poistua dialogista milloin tahansa;
3. oikea-aikaista ja motivoitunutta apua.

Jokainen harjoittelijalle esitetty kysymys on harkittava huolellisesti, tarvittaessa esitettävä yksityiskohtaisempi kysymys sen ymmärtämiseksi paremmin.

Tutkimuksen tuloksena osoitettiin, että monet päästökauppajärjestelmän luomisen komponentit riippuvat koulutuksen tuloksesta, joten ES:n tietopohjan luomiseksi tarvitaan asiantuntija, jolla on erinomaiset tiedot aihealueesta ja joka on myös varma oppimistekniikoista. .

5. Asiantuntija-oppimisjärjestelmän asiakas-palvelin-teknologia verkkoihin InternetjaIntranet

Asiakas-palvelin-arkkitehtuuri koostuu seuraavista osista:

palvelin, joka täyttää asiakkaan pyynnöt; asiakas, joka tarjoaa käyttöliittymän, joka lähettää pyyntöjä palvelimelle ja vastaanottaa vastauksia siltä; verkkoviestintäohjelmisto, joka on vuorovaikutuksessa asiakkaan ja palvelimen välillä. Asiakas-palvelin-teknologian käyttö antaa tiettyjä etuja ES:n rakentamisessa: tietokanta on tallennettu palvelimelle ja siksi se on päivitettävä kerran;
tietokanta voidaan käyttää muilla sovelluksilla; Asiantuntija-oppimisjärjestelmien (ETS) etuna on, että voit tallentaa sisältöä palvelimelle ja seurata koulutustilastoja siitä.
Asiakaspalvelin ES ja EOS Internet/Intranet-verkkoihin mahdollistavat niiden soveltamismahdollisuuksien laajentamisen etäopetuksessa.
Tietokoneen koulutusjärjestelmät mahdollistavat sekä ES-prototyyppien kehittämisen että niitä voidaan käyttää mukautetussa testauksessa ja opiskelijoiden opettamisessa paikallisverkon kautta.
EOS:n pääkomponentit ovat seuraavat: tietokantaeditori; loogiset päättelykoneet (suora, käänteinen, epäsuora päättely, Bayesin kaava); selitys osajärjestelmä; testi analysaattori; opettaja moduuli; oppimiskomponentti.

Asiantuntijaoppimisjärjestelmien päätehtävänä on tarjota opiskelijalle mahdollisuus hankkia tietoa, taitoja tietopohjan kehittämisessä ja ES-prototyyppien luomisessa itsenäisesti sekä koulutettuun testaukseen.

On ainakin viisi tärkeää syytä, jotka estävät asiakas-palvelin (hajautetun) ES:n toteuttamisen:

1. ES-komponenttien rakenneosia ei ole eristetty toisistaan.
2. KB ei ole tietokanta, jolle on olemassa tehokkaita DBMS-järjestelmiä (Oracle, InterBase, MySQL ja niin edelleen), jotka käyttävät SQL-kyselyjä.
3. Monen käyttäjän pääsyä KB:hen muokkausta varten ei yksinkertaisesti voida hyväksyä.
4. Looginen päätelmä ja tietopohjan luomisen erityispiirteet (erilaiset tiedon esittämistavat) eivät edistä tarvetta yhdistää niitä yhdeksi järjestelmäksi. Symantec Webille on kehitetty useita kuvauskieliä, Web-palveluita, mutta toistaiseksi ei ole tehty ehdotuksia päättelyn toteuttamiseksi.
5. Ohjelmistotyökalut ES:n ja KB:n rakentamiseen ovat ainutlaatuisia ja kalliita.

Voit tietysti sijoittaa ES:n web-palvelimelle ladataksesi sen asiakaskoneelle latauslinkin avulla ja päivittää sen palvelimelle, mutta tämä ei ole asiakaspalvelinratkaisu.

Samoin voidaan kiistellä kolmikerroksisen asiakas-palvelin-arkkitehtuurin (Server - CORBA - Client) käytöstä, kun tietokanta isännöidään sovelluspalvelimella ja esitetään liiketoimintapäätössääntöjen muodossa.

Myös "thin client" (KB, looginen päättely, selitysjärjestelmä sijaitsee palvelimella ja dialogi ES:n kanssa on tuettu sekä palvelimella että asiakkaalla) ja "paksu asiakas" (KB, looginen päättely) tekniikka , selitysjärjestelmä sijaitsevat asiakkaalla) eivät myöskään sovellu. kone, ja keskusteluliittymää ylläpitävät asiakas ja palvelin).

Huomaa, että KB ES on immateriaaliomaisuus, eikä sitä voida antaa vapaaseen käyttöön. Ja koulutustietokannat tulisi sijoittaa Web-palvelimelle, jotta kuka tahansa kiinnostunut käyttäjä voi analysoida ES:n toimintaa ja parantaa tietämystään aiheesta.

Älä unohda palvelinkuormia ruuhkatilanteissa. Yksikään palveluntarjoaja ei anna palvelinta vain ES:n toimintaa varten, koska käyttäjän reaktio konsultoinnin tai selityksen aikana ei ole ennakoitavissa. Ja nämä ovat tärkeitä kohtia ES:n toiminnassa (neuvottelut voivat kestää minuuteista useisiin tunteihin).

EOS:n kehittäminen Internet/Intranet-verkkoihin on aivan toinen asia.

EOS on aiheen asiantuntijoiden (pätevät opettajat, metodologit, psykologit) tietämyksen pohjalta rakennettu tietokonejärjestelmä, joka toteuttaa ja ohjaa oppimisprosessia. Tällaisen järjestelmän tarkoitus on, että se toisaalta auttaa opettajaa opettamaan ja ohjaamaan opiskelijoita, toisaalta oppilaat oppivat itse.

EOS:n pääkomponentit ovat seuraavat: KB; tuotanto kone; oppimismoduuli; selitysjärjestelmä; oppimistestimoduuli.

Pääsääntöisesti BR sisältää:

Psykodiagnostiset säännöt harjoittelijoiden psykologisten tyyppien tunnistamiseksi.

Didaktiset tekniikat oppimiseen. Säännöt edustavat opettajien keräämää tietoa opiskelijoiden tiedon arvioimiseksi.

Oppimissäännöt muuttavat esitettyjen sisältötehtävien järjestystä. Tämä järjestys on monien muuttujien funktio: oppijan psykologinen tyyppi, oppimisen taso, oppijan nykyinen vastaus, tehtävän vaikeusaste, harjoittelun määrä.

Hajautetun ES:n yllä olevan yhteydessä on suositeltavaa käyttää "paksu asiakas" -tekniikkaa koulutukseen ja testaukseen, eli kun kaikki ETS:n komponentit sijaitsevat asiakaskoneella ja koulutuksen ja testauksen tulokset ovat siirretty palvelimelle. Eikä tarvitse pelätä, että tulokset voidaan korvata, kun otetaan huomioon nykyaikaiset mahdollisuudet salata protokolla etäpalvelimella. Miksi juuri tämä tekniikka? Tiedetään, että noin 80% kaikesta tiedosta, jonka ihminen havaitsee - se on visuaalinen. Siksi multimediatekniikat (avi-tiedostot) ovat opetuksessa etusijalla. Jos ne löytyvät ja juoksevat eteenpäinpalvelin - tämä on valtava kuormitus palvelimelle ja sen seurauksena liikenne kasvaa valtavaksi.

löydöksiä

ETS:llä, toisin kuin muilla tietokoneoppimistekniikoilla, on kyky toteuttaa oppimisprosessi opiskelijan yksilöllisen mallin mukaan. ES:n avulla tapahtuva oppiminen keskittyy harjoittelijoiden itsensä tiedon poimimiseen. Nimittäin tällaisilla asiantuntijoilla on kysyntää nykyaikaisilla työmarkkinoilla. EOS:llä on myös hyvät ja huonot puolensa.

Asiantuntijaoppimisjärjestelmiin liittyvät tärkeimmät haitat voidaan jakaa psykologinen liittyy "elävän" kommunikoinnin puuttumiseen opettajan kanssa, korkeisiin itseorganisaatiovaatimuksiin ja tekninen jotka johtuvat sisällön, teknologian ja tietoliikenneinfrastruktuurin epätäydellisyydestä.

Asiantuntevien oppimisjärjestelmien edut ovat:

1. Maantieteelliset ja ajalliset edut.
2. Oppimisprosessin personointi. Mahdollisuus kouluttaa erilaisia ​​ihmisiä, myös vammaisia.
3. Tutkittavan tiedon laajentaminen ja oppimisen intensiteetin lisääminen.
4. Tiedonsiirtoprosessin optimointi ja automatisointi.

Maisterin työ on omistettu varsinaiselle tieteelliselle asiantuntijakoulutusjärjestelmän automatisoinnin ongelmalle. Osana tutkimusta:

1. Olemassa olevat asiantuntijakoulutusjärjestelmät analysoidaan.
2. Selvitys tehtiin automatisoidusta asiantuntijakoulutusjärjestelmästä.
3. Tarkastellaan Internet- ja intranet-verkkojen asiantuntijakoulutusjärjestelmän Client-server-teknologiaa.

Ongelmanselvityksen mukaisesti tutkimuksen jatkosuuntana on asiantuntijakoulutusjärjestelmän valinta, kehittäminen ja sovittaminen, ohjelmistojen toteutus ja testaus.

Tätä abstraktia kirjoitettaessa maisterin työ ei ole vielä valmis. Lopullinen valmistuminen: joulukuuta 2013. Teoksen koko teksti ja aiheeseen liittyvät materiaalit ovat saatavissa tekijältä tai hänen ohjaajaltaan määritellyn päivämäärän jälkeen.

Lista lähteistä

1. Brooking A. Asiantuntijajärjestelmät. Työn periaatteet ja esimerkit.: Per. englannista. / A. Brooking, P. Jones; [Toim. R. Forsyth. - M.: Radio ja viestintä, 1987. - 224 s.

2. - American Association of Piece Intellect American Association for Artificial Intelligence (AAAI).

7. Karpova I.P. Opiskelijoiden vastausten analyysi automatisoiduissa oppimisjärjestelmissä / I.P. Karpova // - Tietotekniikka, 2001, nro 11. - s.49-55.

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

9. Burdaev V.P. Asiantuntijakoulutusjärjestelmän asiakas-palvelinteknologia Internet- ja intranet-verkkoihin. // Tekoäly.

11. Andreichikov AV Älykkäät tietojärjestelmät. /MUTTA. V. Andreichikov, O. N. Andreichikova.: Oppikirja. - M.: Talous ja tilastot, 2004. - 424 s.

12. Atanov G. A. Koulutus ja tekoäly eli korkeakouluopetuksen modernin didaktiikan perusteet. /G. A. Atanov, I. N. Pustynnikova. - Donetsk: DOU, 2002. - 504 s.

13. Marvin Minsky. Tunnekone: Commonsense ajattelu, tekoäly ja ihmismielen tulevaisuus. 2007. - 332 s.

Asiantuntijajärjestelmät ovat yksi tekoälyn tärkeimmistä sovelluksista. Tekoäly on yksi tietojenkäsittelytieteen haaroista, joka käsittelee älyllisenä pidetyn ihmisen toiminnan laitteisto- ja ohjelmistomallinnuksen tehtäviä.

Tekoälytutkimuksen tuloksia käytetään älykkäissä järjestelmissä, jotka pystyvät ratkaisemaan tiettyyn aihealueeseen kuuluvia luovia ongelmia, joista tieto tallentuu järjestelmän muistiin (tietokanta). Tekoälyjärjestelmät keskittyvät ratkaisemaan suuren luokan tehtäviä, joihin kuuluvat ns. osittain strukturoidut tai rakenteelliset tehtävät (heikosti formalisoidut tai ei-formalisoitavat tehtävät).

Osittain jäsenneltyjen tehtävien ratkaisemiseen käytettävät tietojärjestelmät jaetaan kahteen tyyppiin:

Hallintoraporttien laatiminen (tietojenkäsittelyn suorittaminen: haku, lajittelu, suodatus). Päätös tehdään näiden selvitysten sisältämien tietojen perusteella.

Mahdollisten vaihtoehtoisten ratkaisujen kehittäminen. Päätöksenteko rajoittuu siihen, että valitaan jokin ehdotetuista vaihtoehdoista.

Vaihtoehtoisia ratkaisuja kehittävät tietojärjestelmät voivat olla malli- tai asiantuntija:

Mallitietojärjestelmät tarjoavat käyttäjälle malleja (matemaattisia, tilastollisia, taloudellisia jne.), jotka auttavat varmistamaan ratkaisuvaihtoehtojen kehittämisen ja arvioinnin.

Asiantuntijatietojärjestelmät varmistavat käyttäjän mahdollisten vaihtoehtojen kehittämisen ja arvioinnin luomalla järjestelmiä, jotka perustuvat asiantuntijoilta - asiantuntijoilta saatuun tietoon.

Asiantuntijajärjestelmät ovat tietokoneohjelmia, jotka keräävät asiantuntijoiden - tiettyjen aihealueiden asiantuntijoiden - tietoja, jotka on suunniteltu saamaan hyväksyttäviä ratkaisuja tietojenkäsittelyprosessissa. Asiantuntijajärjestelmät muuttavat asiantuntijoiden kokemukset tietyllä tietämyksen alalla heurististen sääntöjen muotoon, ja ne on suunniteltu kuulemaan vähemmän päteviä asiantuntijoita.

Tiedetään, että tietoa on kahdessa muodossa: kollektiivinen kokemus, henkilökohtainen kokemus. Jos aihealuetta edustaa kollektiivinen kokemus (esim. korkeampi matematiikka), tämä aineala ei tarvitse asiantuntijajärjestelmiä. Jos aihealueella suurin osa tiedosta on korkean tason asiantuntijoiden henkilökohtaista kokemusta ja tämä tieto on puolistrukturoitua, niin tämä alue tarvitsee asiantuntijajärjestelmiä. Nykyaikaiset asiantuntijajärjestelmät ovat laajasti käytössä kaikilla talouden aloilla.

Tietopohja on asiantuntijajärjestelmän ydin. Siirtyminen tiedosta tietoon on seurausta tietojärjestelmien kehityksestä. Tietokantoja käytetään tietojen tallentamiseen ja tietokantoihin tiedon tallentamiseen. Tietokanta tallentaa pääsääntöisesti suuria tietomääriä suhteellisen edullisilla kustannuksilla ja tietokannat pieniä, mutta kalliita tietoryhmiä.

Tietokanta on kokoelma tietoa, joka on kuvattu valitulla esitysmuodolla. Tietokannan täyttäminen on yksi vaikeimmista tehtävistä, joka liittyy tiedon valintaan, formalisointiin ja tulkintaan.

Asiantuntijajärjestelmä koostuu:

tietokanta (osana työmuistia ja sääntöpohjaa), joka on suunniteltu tallentamaan alku- ja välifaktoja työmuistiin (jota kutsutaan myös tietokannaksi) ja tallentamaan malleja ja sääntöjä mallien manipuloimiseksi sääntökantaan

ongelmanratkaisija (tulkki), joka tarjoaa tietokantoihin ja tietokantoihin tallennetun sääntösarjan toteutuksen tietyn ongelman ratkaisemiseksi tosiasioiden ja sääntöjen perusteella

selitysalijärjestelmä, jonka avulla käyttäjä voi saada vastaukset kysymykseen: "Miksi järjestelmä teki tällaisen päätöksen?"

tiedon hankinnan alijärjestelmä, joka on suunniteltu sekä uusien sääntöjen lisäämiseen tietokantaan että olemassa olevien sääntöjen muokkaamiseen.

käyttöliittymä, joukko ohjelmia, jotka toteuttavat käyttäjän dialogin järjestelmän kanssa tietojen syöttämisen ja tulosten saamisen vaiheessa.

Asiantuntijajärjestelmät eroavat perinteisistä tietojenkäsittelyjärjestelmistä siinä, että niissä käytetään yleensä symbolista esitystä, symbolista päättelyä ja heuristista ratkaisuhakua. Heikosti formalisoitujen tai ei-formalisoituvien tehtävien ratkaisemiseen hermoverkot tai neurotietokoneet ovat lupaavampia.

Neurotietokoneiden perustana ovat hermoverkot - adaptiivisten elementtien - neuronien - hierarkkiset järjestetyt rinnakkaisyhteydet, jotka tarjoavat vuorovaikutusta todellisen maailman esineiden kanssa samalla tavalla kuin biologinen hermosto.

Itseoppivien asiantuntijajärjestelmien luomisessa on saavutettu suuria onnistumisia neuroverkkojen käytössä. Verkko on perustettu, ts. juna, kulkee sen läpi kaikki tunnetut ratkaisut ja saa tarvittavat vastaukset ulostulossa. Asetus koostuu hermosolujen parametrien valinnasta. Käytä usein erikoistunutta koulutusohjelmaa, joka kouluttaa verkostoa. Harjoittelun jälkeen järjestelmä on valmis toimimaan.

Jos asiantuntijajärjestelmässä sen luojat asettavat alustavasti tietoa tietyssä muodossa, niin hermoverkoissa ei ole edes kehittäjien tiedossa, kuinka tieto muodostuu rakenteeltaan oppimis- ja itseoppimisprosessissa, ts. Verkko on musta laatikko.

Neurotietokoneet tekoälyjärjestelminä ovat erittäin lupaavia ja niitä voidaan kehittää loputtomiin. Tällä hetkellä tekoälyjärjestelmiä asiantuntijajärjestelmien ja hermoverkkojen muodossa käytetään laajasti taloudellisten ja taloudellisten ongelmien ratkaisemisessa.

"