Исследование и разработка моделей рассуждений в интеллектуальных обучающих системах тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Жуковская, Наталья Константиновна

• Жуковская, Наталья Константиновна
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Жуковская, Наталья Константиновна

ВВЕДЕНИЕ

1. АНАЛИЗ ПОДХОДОВ К СОЗДАНИЮ

ОБУЧАЮЩИХ СИСТЕМ

1.1. Классификация обучающих систем

1.2. Особенности интеллектуальных обучающих систем

1.3. Обзор существующих интеллектуальных обучающих систем

1.4. Выводы

2. РАЗРАБОТКА МОДЕЛЕЙ РАССУЖДЕНИЙ ОРГАНИЗАЦИИ АДАПТИВНОГО УПРАВЛЕНИЯ ПРОЦЕССОМ ОБУЧЕНИЯ

2.1. Особенности систем оценки уровня знаний

2.2. Особенности построения модели обучаемого на основе методов распознавания образов

2.3. Классификация обучаемых по уровням знаний на основе правдоподобных рассуждений

2.4 Разработка алгоритмов адаптации на основе модели обучаемого

2.5. Выводы

3. МЕТОДЫ ПРЕДСТАВЛЕНИЯ И ОБРАБОТКИ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ СИСТЕМАХ

3.1. Моделирование принятия решений на основе процедурного подхода

3.2. Методы обучения и оценки знаний в игровой обучающей системе

3.3. Ситуационная модель обучения в среде виртуальной реальности

3.4. Выводы

4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ СИСТЕМ

4.1. Особенности построения и верификация интеллектуальной системы адаптивного управления процессом обучения и оценки знаний

4.2. Реализация интеллектуальной системы передачи процедурных знаний

4.3. Разработка игровой обучающей системы

4.4. Разработка системы ситуационного обучения в среде виртуальной реальности

4.5. Выводы

Введение диссертации (часть автореферата) на тему «Исследование и разработка моделей рассуждений в интеллектуальных обучающих системах»

Актуальность проблемы. Существующие на сегодня средства обучения можно отнести к двум противоположным полюсам: обучающие программы и комплексные тренажерные системы [1]. Первые достаточно просты и решают частные задачи подготовки. Вторые представляют собой сложные, закрытые и дорогие программно-аппаратные комплексы, ориентированные на профессиональную подготовку операторов в различных областях человеческой деятельности.

В последние годы, в связи с развитием ресурсов вычислительных средств и телекоммуникационных технологий наметилась тенденция к проектированию обучающих систем, занимающих промежуточное место между обучающими программами и комплексными тренажерными системами. Эти системы должны предоставить возможность свободного управления объектом, с информационным обеспечением процесса управления примерно такой же полноты, как и в комплексных тренажерах.

Основной проблемой при реализации таких систем является разработка механизмов рассуждений, обеспечивающих адаптивное обучение, контроль и оценку знаний. В этой связи задача создания моделей рассуждений, позволяющих организовать открытые системы обучения, является актуальной. Такого рода системы должны анализировать стратегии поведения обучаемого и выявлять области незнания.

Вопросы построения и использования экспертных обучающих систем рассматривались в работах Адамович И.М., Черевик Д.В., Бабанина JI.H., Брусиловского П.Л., Баловнева О.Т, Казеннова А.Ю., Берестовой В.И., Заволович О.В., Рыбиной Г.В. Принципы построения систем диалога для обучающих систем рассмотрены в работах Машбиц Е.И., Андриевской В.В., Комиссаровой Е.Ю., Голицыной И.Н., Гофен A.M., Левина Н.А., Корниловой Т.В., Тихомирова O.K., Петровой Н.А., Сухининой М.А., Федорова Б.И.,

Джалиашвили 3.0. Подходы к построению архитектуры экспертных обучающих систем рассматривались Поповым Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д., Петрушиным В.А.

В представляемой диссертации разрабатываются вопросы, связанные с проектированием интеллектуальных обучающих и информационно-советующих систем. Данная работа является частью исследований в области наукоемких технологий обучения, проводимых в Таганрогском государственном радиотехническом университете.

Исследования выполнялись в рамках научно-исследовательских и хоздоговорных работ с образовательными учреждениями, а также согласно программам Министерства образования Российской Федерации: «Научное, научно-техническое, материально-техническое и информационное обеспечение системы образования», «Создание системы открытого образования».

Диссертация посвящена решению научной проблемы, связанной с разработкой методов и моделей представления и обработки знаний в интеллектуальной обучающей многофункциональной среде, основанной на интеграции процесса обучения и современных информационных технологий.

Целью исследований является повышение эффективности средств обработки знаний в процессе обучения и тренинга, за счет использования интеллектуальных обучающих систем, обеспечивающих адаптивное обучение в среде Интернет.

Основными задачами диссертации являются:

1. Исследование и разработка моделей и алгоритмов правдоподобных рассуждений при контроле и оценке знаний;

2. Разработка моделей представления и обработки знаний в интеллектуальных адаптивных обучающих и информационно-советующих системах;

3. Построение прикладных интеллектуальных обучающих систем на основе предложенных моделей и алгоритмов.

В диссертации разрабатываются, исследуются и защищаются следующие основные положения:

• модели правдоподобных рассуждений и методика адаптивного тестирования;

• .модели представления и обработки знаний в интеллектуальных обучающих системах;

• методы построения интеллектуальных обучающих систем в среде виртуальной реальности.

Метод исследований заключается в системном подходе к разработке принципов, методов и моделей представления и обработки знаний, базирующихся на использовании теорий адаптивного тестирования, нечеткой логики, искусственного интеллекта, объектно-ориентированного программирования.

Научная новизна. Основным научным результатом диссертации является разработка моделей представления и обработки знаний в интеллектуальных обучающих системах, функционирующих в среде Интернет. Вклад в развитие исследований в области наукоемких технологий обучения составляют:

•модели правдоподобных рассуждений при оценке уровня знаний; •методика адаптивного тестирования;

•методы представления и обработки знаний в интеллектуальных обучающих системах;

•технология построения игровых обучающих систем и информационно-советующих систем в среде виртуальной реальности. Достоверность полученных в диссертации результатов подтверждается теоретическими исследованиями математических методов и моделей адаптивного обучения и контроля знаний, экспериментальными данными при практическом использовании интеллектуальных обучающих систем в среде Интернет, выступлениями с докладами на российских и международных конференциях.

Практическая ценность и рекомендации по применению. Полученные в диссертации результаты позволяют повысить эффективность обучения за счет открытости, многофункциональности и адаптивности интеллектуальных обучающих систем. Предложенные математические методы и модели доведены до уровня алгоритмического и программного обеспечения. Научные и практические результаты, полученные в диссертации, представляют интерес при построении интеллектуальных обучающих систем и тренажерно-моделирующих комплексов.

Разработанные программные средства используются в процессе дистанционного обучения Таганрогского государственного университета и применяются в циклах лабораторных работ по курсам «Методы распознавания образов», «Системы искусственного интеллекта», «Теория принятия решений», «Математическое моделирование на ЭВМ».

Результаты диссертации были внедрены в государственном университете печати (г.Москва), Российском государственном институте открытого образования (г.Москва), Донском государственном техническом университете (г.Ростов-на-Дону), НКБ «МИУС» (г.Таганрог), Центре дистанционного образования ТРТУ (г.Таганрог).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на всероссийской научно-методической конференции «Развитие методов и средств компьютерного адаптивного тестирования» (г.Москва); на всероссийской научно-методической конференции «Телематика-2003», (г.Санкт-Петербург, 2003); на научной молодежной школе "Экстремальная робототехника ЭР'2003", (пос.Дивноморское, 2003); на VII всероссийской научно-технической конференции студентов и аспирантов (г.Таганрог, 2003), на всероссийской научно-практической конференции «Человеческое измерение в информационном обществе» (г.Москва, 2003).

Публикации. Результаты теоретических и экспериментальных исследований нашли свое отражение в 9 печатных работах, включая монографию, а также в 4 отчетах по НИР.

Объем работы. Диссертация содержит 161 страниц машинописного текста, включая введение, четыре раздела, заключение, приложение содержит 59 страницы, список источников из 107 наименований, 69 рисунков, 8 таблиц.

Заключение диссертации по теме «Теоретические основы информатики», Жуковская, Наталья Константиновна

4.5. Выводы

1. Интеллектуальная система адаптивного управления процессом обучения позволяет повысить эффективность контроля обучения за счет построения модели обучаемого и снижения затрат времени на его аттестацию.

2. Интеллектуальная система передачи процедурных знаний позволяет повысить эффективность обучения за счет введения обратной связи на основе анализа логики рассуждений обучаемого.

3. Внедрение игровой обучающей системы позволяет сократить сроки обучения и повысить комфортность обучения за счет повышения мотивации обучаемого.

4. Использование динамических интеллектуальных систем в обучении позволяет повысить эффективность обработки знаний за счет организации поддержки принятия решений в условиях изменяющихся характеристик внешней среды.

ЗАКЛЮЧЕНИЕ

В диссертации рассмотрены результаты исследований в области наукоемких технологий обучения. Основное внимание было уделено проблемам разработки методов и моделей рассуждений открытых интеллектуальных обучающих систем, функционирующих в среде Интернет.

Решение этих проблем позволяет достичь цели повышения эффективности представления и обработки знаний в интеллектуальных системах адаптивного обучения и контроля знаний.

При решении этих проблем были получены следующие результаты:

1. Разработаны модели и алгоритмы правдоподобных рассуждений при контроле и оценке знаний, отличающиеся от известных возможностью адаптации к обучаемому и оптимизацией времени анализа уровня знаний;

2. Разработаны модели представления и обработки знаний в адаптивных интеллектуальных обучающих и информационно-советующих системах, отличающиеся от известных гибкостью, активностью и динамичностью за счет анализа логики рассуждений обучаемого, активной обратной связи и игровой среды обучения;

3. Разработаны прикладные интеллектуальные обучающие системы, отличающиеся от известных универсальностью, уменьшением временных затрат на обучение и контроль знаний с сохранением их эффективности, увеличением мотивации к обучению и эффективностью обработки знаний за счет организации поддержки принятия решений в условиях изменяющихся характеристик внешней среды.

Список литературы диссертационного исследования кандидат технических наук Жуковская, Наталья Константиновна, 2004 год

1. Redeker G.H.J. An Educational Taxonomy for Learning Objects // Proceedings of the 3rd IEEE International Conference on Advanced Learning Technologies. ICALT 2003. Athens, Greece, 2003. - P. 250 - 251.

2. А. В. Соловов. Информационные технологии обучения в профессиональной подготовке //Информатика и образование, 1996, №1, С. 13-19.

3. Чистякова Т. Б. Интеллектуальные автоматизированные тренажерно-обучающие комплексы в системах управления потенциально-опасными химическими производствами: Дис. докт. техн. наук/ С.-Пб., 1997.- 485 с.

4. Мельников А.В, Цытович П.Л. Принципы построения обучающих систем и их классификация//Педагогические и информационные технологии в образовании.-Изд.:ЮУГУ, 2001, вып.4,http://scholar.urc.ac.ru/Teachers/methodics/journal/numero4/all.html

5. Брусиловский П.Л., Зырянов М.И. Интеллектуальная учебная среда "Остров"// В.И. Берестова, О.В. Заволович, Г.В. Рыбина, Ю.А. Чернышов //Третья конференция по искусственному интеллекту. Тверь: Ассоциация искусственного интеллекта, 1992. - с.33-35.

6. Карпов В.Э, Карпова И.П. К вопросу о принципах классификации систем// Информационные технологии.-М., №2, 2002

7. Кривошеев А. Проблемы оценки качества программных средств учебного назначения // Сборник докладов первого научно-практического семинара "Оценка качества программных средств учебного назначения". — М.: "Гуманитарий", 1995.-е. 5-12.

8. Вавилова Н.И. Модели и алгоритмы автоматизированного проектирования макетов сцен мультимедиа тренажеров. Диссертация на соиск. уч. ст. к.т.н. Тверь. 2002

9. Обучающие машины и комплексы: Справочник / Под ред. А.Я. Савельева. -Киев: Вища шк., 1986. 303 с.

10. Разработка и исследование системных средств и прикладных программ для автоматизации обучения и научных исследований на базе ЭВМ: Отчет по НИР / № гос. per. 01860022813 Мн.: БГУ, НИИ ПФП, 1990.

11. Петрушин В.А. Экспертно-обучающие системы. Киев: Наукова думка,1991.- 196 с.

12. Соловов А.В. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995. - 137 с.

13. Brusilovsky, P., Ritter, S., and Schwarz, Е. Distributed intelligent tutoring on the Web// Proceedings of AI-ED'97, 8th World Conference on Artificial Intelligence in Education, 18-22 August 1997, Amsterdam: IOS, pp. 482-489/

14. Jcobson L. Virtual: a status//AI Expert, 1991. V.6, №8.

15. Брусиловский П.Л. Построение и использование моделей обучаемого в интеллектуальных обучающих системах//Изв. РАН. Техническая кибернетика.1992, №5.

16. Вишняков Ю.М., Родзин С.И. Интеллектуализация обучения как методическая основа виртуального университета// Известия ТРТУ, специальный выпуск, "материалы трудов XLIII НТК ТРТУ", Таганрог: Изд-во ТРТУ, 2000, вып. 1 (15), с.50-54.

17. Вишняков Ю.М., Родзин С.И. Интеллектуальный сервер международной лаборатории ELDIC// Материалы международной конференции "Наукоемкие технологии образования", Москва-Таганрог: Изд-во ТРТУ, 1999, с. 68-69.

18. Гаврилова Т.А, Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб: Питер, 2000. — 384 с.

19. Freedman, R. Atlas: A plan manager for mixed-initiative, multimodal dialogue /Freedman, R.//AAAI '99 Workshop on Mixed-Initiative Intelligence.-Orlando, 1999. P. 16 - 24.

20. Hume, G. D. Hinting as a tactic in one-on-one tutoring / Hume, G. D., Michael, J. A., Rovick, A., Evens, M. W. // The Journal of the Learning Sciences. 1996. -N5. - P. 23-47.

21. Person Natalie K. The Model of "Human-Tutor" Dialogue Controls the Activities in AutoTutor / Natalie K. Person, Arthur S. Grasser, Roger J. Kreuz, Victoria Pomeroy// International Journal of Artificial Intelligence. 2001. - № 12.- P. 23-39.

22. Стефанюк В.JI. Исследование и разработка интеллектуальных обучающих сред: Проект по направлению ГНТП "Системы искусственного интеллекта". -ИЦИИ ИПС РАН, 1995. -9с.

23. Волкова В.Н., Денисок А.А. Основы теории систем и системного анализа. — СПб.: Изд-во СПбГТУ, 1997. 510с.

24. Wiriyacookasem S., Esterline A. Adaptive learning expert system//IEEE. 2000, pp.445-448.

25. Хартман К., Лецкий Э., Шэфер В. И др. Планирование эксперимента в исследовании технологических процессов.//Перевод с немецкого. М.:«Мир», 1977.-525с.

26. Головина Е.Ю, Чибизова Н.В. О построении интеллектуальной обучающей системы

27. Машбиц Е. И. Компьютеризация обучения: проблемы, перспективы.-М.: Знание, 1986.-88 с.

28. Рыбина Г.В., Левин Д.Е., Смирнов В.В., и др. Инструментальный комплекс АТ-ТЕХНОЛОГИЯ для поддержки разработки интегрированных экспертных систем//В кн.: Научная сессия МИФИ-2002. Сборник научных трудов. В 14 томах. Т. 10.-М.: МИФИ, 2002.

29. С.Б. Бушманов, О.П. Бушманова. Опыт использования экспертно-обучающей системы UNIMATH в преподавании курса "Обыкновенные дифференциальные уравнения": htpp://altnet.nsu.ru/archive/conf/nit/96

30. А.А.Калмыков. Экспертная система «Рыболов» для тестирования понятийного знания обучаемых: http://uniserv.math.psu.ru/conf/t/kalmykov.htm.

31. Khuwaja R.A„ Evens M.W., Rovick A.A., Michael J.A. Knowledge Representation fjr an Intelligant Tutoring System jn Multilevel Causal Model//Lecture Notes in Computer Science, 1992. V.608.

32. Wang H. The UNIX for Tutor// Lecture Notes in Computer Science, 1992. V.608.

33. Major N.P., Reichgelt H. Using COCA to Build an Intelligent Tutoring Systems for simple algebra//In Nwana, H.S. (Ed). Mathematical Leaning Environment, Intellect, 1992.

34. Kono Y., Ilkeda M., Mizoguchi R. To Contradict is Human. Student Modelling of Iconsistency// Lecture Notes in Computer Science, 1992. V.608.

35. Stone P., Veloso M. Multiagent Systems: A Survey from a Machine Learning Perspective, IEEE Transactions on Knowledge and Data Engineering (TKDE), June,1996.

36. Takaoka R., Okamoto T. An Intelligent Programming Supporting Environment based on Agent Model. IEICE Trans. INF. & SYST., vol. E80-D, No. 2 February,1997.

37. Brusilovsky, P., Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz, 4, pp. 19-25.

38. Barr, A., Beard, M., and Atkinson, R. C.: The computer as tutorial laboratory: the Stanford BIP project. International Journal on the Man-Machine Studies 8, 1976, pp.567-596.

39. Specht, M. and Oppermann, R.: ACE Adaptive Courseware Environment. The New Review of Hypermedia and Multimedia 4,1998, pp. 141-161.

40. Rios, A., Millan, E., Trella, M., J.L., P., and Conejo, R.: Internet based evaluation system. In: Laojie, S. P. and and Vivet, M. (eds.) Artificial Intelligence in Education: Open Learning Environments. IOS Press, Amsterdam, 1999, pp.387-394.

41. Vassileva, J.: Dynamic Course Generation on the WWW. In: Boulay, B. d. and Mizoguchi, R. (eds.) Artificial Intelligence in Education: Knowledge and Media in Learning Systems. IOS, Amsterdam, 1997, pp.498-505.

42. Shaw, E., Johnson, W. L., and Ganeshan, R.: Pedagogical agents on the Web. In: Proc. of Third International Conference on Autonomous Agents, ACM Press, 1999, pp.289-290.

43. Anderson, J. R. and Reiser, В.: The LISP tutor. Byte 10, 1985, pp. 159-175.

44. Weber, G.: Individual selection of examples in an intelligent learning environment. Journal of Artificial Intelligence in Education 7, 1, 1996, pp.3-31.

45. Weber, G. and Specht, M.: User modeling and adaptive navigation support in WWW-based tutoring systems. In: Jameson, A., Paris, C. and Tasso, C. (eds.) User Modeling. Springer-Verlag, Wien, 1997, pp.289-300.

46. Крайтор Д.В. Адаптивные алгоритмы, основанные на нечеткой логике в контексте инструментальной среды для обучающих систем//Информационные технологии в образовании.-М., 2003

47. Кузовлева К.Т. Конструирование педагогических тестов на основе современных математических моделей./ЛГезисы докладов семинара «Новые информационные технологии в образовании».-Владивосток: Центр НОТ ДВГУ, 1997.-С.116.

48. Анастази А. Психологическое тестирование. М.: Педагогика, 1982.-Т.1. -320 с.

49. Аванесов B.C. Основы научной организации педагогического контроля в высшей школе. М.: Исследовательский центр Гособразования СССР, 1989. -168 с.

50. Челышкова М.Б. Применение математических моделей для разработки педагогических тестов: Учебное пособие. М.: Исследовательский центр, 1995. -48 с.

51. Keeves J.P. Educational Research, Methodology and Measurement: An International Handbook. Oxford, Pergamon Press, 1988.

52. Челышкова М.Б. Разработка педагогических тестов на основе современных математических моделей: Уч.пособие.-М.: Исследовательский центр проблем качества подготовки специалистов, 1995. -32с.

53. Лазарсфельд П. Ф. Латентно-структурный анализ и теория тестов. В кн.: Математические методы в социальных науках.- М.: Наука. 1973.

54. Васильев В.И., Тягунова Т.Н. Культура компьютерного тестирования. 4.1. Философия адаптивного тестирования.- М.: МГУП. 2002.- 200 с.

55. Гафт М.Г. Принятие решений при многих критериях.-М.: Знание, 1979.

56. Берштейн JI.C., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах.-Ростов-на-Дону: РГУ, 1999.-278с.

57. Астанин С.В. Оценка уровня знаний на основе нечеткой логики/Юткрытое образование в России XXI века.-М.: МЭСИ, 2001.

58. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. М.: «Наука», 1974.-415с.

59. Заде JI.A. Размытые множества и их применение в распознавании образов и кластер-анализе. В кн. Классификация и кластер /Под ред. Дж.Вэн Райзина.-М.: Мир, 1980. С.208-247.

60. Кини P.JI., Райфа X. Принятие решений при многих критериях: предпочтения и замещения.—М.: Радио и связь, 1981.

61. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике.-М.: Радио и связь, 1990.-288с.

62. Краудер Н.А. О различиях между линейным и разветвленным программированием /В сб."Программированное обучение за рубежом".-М.: Высшая школа, 1968. С.58-67.

63. Исследование и разработка методов и средств представления и оценки знаний в системе открытого образования. Астанин С.В., Жуковская Н.К., Попов Д.И. и др., №02200206550. ВНТИЦ, 2001 .-115с.

64. Пойа Д. Математика и правдоподобные рассуждения.- М.: Наука, 1975.-464с.

65. Астанин С.В. Правдоподобные рассуждения в системах принятия решений. -Таганрог: ТРТУ, 2000.-90с.

66. Астанин С.В., Грицанов А.А., Жуковская Н.К. Автоматизированная система оценки знаний на основе нечеткой логики /Телекоммуникации и информатизация образования, 2002.-№4.-С.57-67.

67. Исследование и разработка методов и средств адаптивного обучения. Астанин С.В., Курейчик В.М., Жуковская Н.К., и др., №02200300383. ВНТИЦ, 2002.-124с.

68. Смете Ф. Простейшие семантические операторы. В кн.: Нечеткие множества и теория возможностей/Под ред. Р. Ягера.-М.: Радио и связь, 1986.-408с.

69. Астанин С.В., Захаревич В.Г., Калашникова Т.Г. Правдоподобные рассуждения в системах принятия решений //СКНЦВШ. Технические науки,-Ростов-на-Дону, 1999.-№4.- С.10-18.

70. Белавин В.А., Капица С.П., Курдюмов С.П. Математическая модель демографических процессов с учетом пространственного распределения. //Ж.вычисл. матем и матем. физ. 1998. Т.38. №6.-С.885-902.

71. Капица С.П. Математическая модель роста народонаселения Земли. //Матем. Моделирование. 1992. Т.4. № 6.- С.65-79.

72. Николис Дж. Динамика иерархических систем М: Мир, 1989.

73. Ларичева О.И., Нарыжный Е.В, Кузнецова В.П., Брук Э.И.Новые возможности компьютерного обучения. // Вестник РАН, 1999. Т.69, №2. С. 106-119.

74. Филатова Н.Н., Вавилова Н.И. Проектирование мультимедиа тренажеров на основе сценарных моделей представления знаний// Educational Technology & Society 3(4) 2000. ISSN 1436-4522, pp. 193-202.

75. Берштейн JI.С., Коровин А.Я., Мелихов А.Н., Сергеев Н.Е. Функционально-структурное исследование ситуационно-фреймовой сети экспертной системы с нечеткой логикой//Изв. РАН. Техн.киберн., 1994. №2.-С.71-83.

76. Берштейн Л.С., Боженюк А.В. Введение в теорию нечетких графов: Учебное пособие. Таганрог.: Изд-во ТРТУ. 1999. 212с.

77. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Д.А. Поспелова. М. Наука. Гл. ред. физ.-мат. лит., 1986. - 312с.

78. Астанин С.В., Драгныш Н.Г., Жуковская Н.К. Особенности разработки обучающей экспертной системы// Перспективные информационные технологии и интеллектуальные системы.-Таганрог: ТРТУ, 2002.-№1(9).-С.72-77.

79. Геронимус Ю.В. Игра. Модель. Экономика. М.: Знание, 1989. - 208 с.

80. Кавтарадзе Д.Н. Обучение и игра: введение в активные методы обучения -М.: Флинта, 1998.-91 с.

81. Астанин С.В., Жуковская Н.К., Чепиков Э.В. Игровая обучающая экспертная система//Материалы Всероссийской научн.-практ. конф. «Человеческое измерение в информационном обществе».-М.: ВВЦ, 2003.-С.115-116.

82. Бухаров М.Н., Учаев Р.С. Применение экспертных систем в компьютерном обучении// Труды LV научной сессии "Радиотехника, электроника и связь на рубеже тысячелетия".-М.: РНТО РЭС им. А.С.Попова, 2000.-С. 161-164.

83. Астанин С.В., Жуковская Н.К., Попов Д.И. Особенности информационно-образовательной среды «KnowledgeCT» // Труды X Всероссийской науч.-мет. конф. «Телематика-2003».-СПб. 2003. Т.2.-С.527-528.

84. Жуковская Н.К. Применение экспертных систем в дистанционном обучении//Труды X Всероссийской науч.-мет. конф. «Телематика-2003».-СПб.2003. Т.2.-С.395-396.

85. Жуковская Н.К. Архитектура и принципы работы игровой обучающей экспертной системы//Изв. ТРТУ «Материалы 49 НТК ТРТУ».-Таганрог:ТРТУ,2004, №1(36).-С.81.

86. Вишняков Ю.М., Родзин С.И. Проблемы интеграции интеллектуальных гипермедийных обучающих сред в виртуальные образовательные структуры //Новости искусственного интеллекта. 2000, № 3.-С.89-101.

87. Дозорцев В.М. Динамическое моделирование в оптимальном управлении и автоматизированном обучении операторов технологических процессов// Приборы и системы управления. 1996.4.2, № 8.

88. Виноградов А.Н., Осипов Г.С., Жилякова Л.Ю. Динамические интеллектуальные системы. Представление знаний и основные алгоритмы. //Известия АН. Теория и системы управления.- М: Наука, 2002. 4.1. №6.- С.119-127

89. Виноградов А.Н., Осипов Г.С., Жилякова Л.Ю. Динамические интеллектуальные системы. Моделирование целенаправленного поведения//Известия АН. Теория и системы управления, М: Наука, 2003, 4.2. №1.-С.87-94.

90. Жуковская Н.К. Моделирование движения роботаЮкстремальная робототехника «ЭР-2003». Материалы второй молодежной школы

91. Интеллектуальные мехатронные и робототехнические системы».-ТаганропТРТУ, 2003.-С.59-61

92. Вагнер Г. Основы исследования операций.-М.: Мир, 1973. Т.2.-488с.

93. Беллман Р., Калаба Р. Динамическое программирование и современная теория управления. М.: Наука, 1969. -118с.

94. Астанин С.В., Попов Д.И., Жуковская Н.К. Применение математических методов и моделей в дистанционном обучении.-Таганрог: ТРТУ, 2003.-186с.

95. Вишняков Ю.М., Родзин С.И. Виртуальный университет: миф или реальность?//Известия ВУЗов, Тематический выпуск-материалы международной научно-технической конференции ИСАПР.- Таганрог: ТРТУ, № 2 (16), 2000.- С.275-282

96. Дженнингс Р. Использование Microsoft Access 2000. Специальное издание.- С.-Пб: Вильяме, 2000.- 1152с.

97. Брумбах-Дункан Ш. Flash5 на примерах.- С.-Пб.: "Вильяме", 2001.-368с.

98. Галявов И.Р. Borland С++ 5 для себя.- М.: ДМК Пресс, 2001.-432с.

99. Мельтцер К, Михальски Б. Разработка CGI-приложений на Perl.- С.-Пб.: "Вильяме", 2001.-400с.