Научный журнал

Современные наукоемкие технологии

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

• Авторы
• Файлы

Уварова И.В.

Статья в формате PDF

119 KB

Современные образовательные стандарты до 40% объема дисциплин предоставляют в качестве дисциплин по выбору на усмотрение вуза.
В системе непрерывного образования, когда в вуз приходят студенты, имеющие определенный объем знаний по целому ряду специальных дисциплин, полученных на предыдущих этапах образования (техникум, колледж, лицей) очень важно учесть их мнение при формировании состава объемов и структуры элективных курсов.

При проектировании индивидуального образовательного маршрута идет уточнение проблем обучающихся и помощь каждому студенту в их осмыслении, идет поиск компромиссов между тем, что обязательно заложено в программе и личностно-профессиональными устремлениями конкретного студента.

Для практической реализации предлагаемого подхода по привлечению студентов к проектированию индивидуальных образовательных планов и в целях его автоматизации предлагается использовать последние достижения в области информационных технологий и искусственного интеллекта - технологию построения экспертных систем.

Анализ показал, что для эффективного решения этой задачи необходимо использовать способ формализации принятия решений основанный на методе репертуарных решеток. Обычно репертуарная решетка представляет собой матрицу, которая заполняется либо самим студентом, либо совместно с преподавателем в процессе беседы. В нашем случае матрица заполняется в диалоге с компьютером. Столбцам матрицы соответствует определенная группа элементов. В качестве элементов могут выступать отдельные разделы курсов, понятия, выводы, предметы и т.п. все, что, по мнению преподавателя, подлежит анализу. Строки матрицы представляют собой конструкты - биполярные признаки, параметры, шкалы, альтернативные предложения и т.п.

В процессе заполнения репертуарной решетки студент должен оценить каждый предмет по каждому конструкту и в диалоге с компьютером поставить в соответствие элементы конструкта.

Репертуарную решетку в нашем случае можно рассматривать как специальную разновидность структурированного интервью, которое ведет компьютер. Решетка формализует этот процесс и дает математическое обоснование связей между конструктами данного студента, позволяет более детально изучить отдельные подсистемы конструктов, подметить индивидуальное, специфичное в структуре знаний и взглядов студента на содержание предлагаемых для изучения дисциплин.

Важное положение техники репертуарных решеток: ориентация на выявление собственных конструктов студента, а не навязывание их ему извне.

Для анализа репертуарной решетки использован кластерный анализ. Этот алгоритм структурирует конструкты в линейный порядок так, что конструкты, находящиеся близко в пространстве решетки оказываются близки в порядке. Этот алгоритм имеет преимущество при демонстрации студенту, т.к. представление просто реорганизует решетку, показывая соседства конструктов и элементов. Таким образом, формируется две матрицы - одна для элементов, другая для конструктов. Кластеры определяются выбором наибольших значений в этих матрицах - то есть наиболее связанных составляющих матрицы - до тех пор, пока все элементы и конструкты не оказываются включенными в кластерное дерево. Таким образом, компьютерная программа производит иерархическую кластеризацию системы конструктов и представляет собой систему извлечения знаний.

Кроме того, для каждого конструкта имеются численные значения в решетке как вектор величин, связанных с расположением элементов относительно полюсов данного конструкта.
С этой точки зрения каждый конструкт может быть представлен как точка в многомерном пространстве, а его плоскость определяется числом связанных с ним элементов. Естественной мерой отношений между конструктами является, следовательно, расстояние между ними в этом многомерном пространстве. При этом, возможно, построить логический анализ репертуарной решетки, используя конструкты как предикаты относительно элементов.

То есть метод репертуарных решеток в сочетании с кластерным анализом позволяет в достаточной мере формализовать и на этой основе автоматизировать процесс участия студента в формировании состава и объемов дисциплин регионального компонента и дисциплин по выбору и своего индивидуального плана.

СПИСОК ЛИТЕРАТУРЫ

1. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПб: Питер, 2000. - 384 с.: ил.

2. Андрейчиков, А.В. Интеллектуальные информационные системы: учебник / А.В. Андрейчиков, О.Н. Андрейчикова. - М.: Финансы и статистика, 2004.-424с.: ил.

Библиографическая ссылка