Оптимизация автоматизированного обучения специалистов по биомедицинским системам на основе семантического моделирования тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Тужикова, Валентина Ивановна

  • Тужикова, Валентина Ивановна
  • кандидат технических науккандидат технических наук
  • 1998, Воронеж
  • Специальность ВАК РФ05.13.10
  • Количество страниц 168
Тужикова, Валентина Ивановна. Оптимизация автоматизированного обучения специалистов по биомедицинским системам на основе семантического моделирования: дис. кандидат технических наук: 05.13.10 - Управление в социальных и экономических системах. Воронеж. 1998. 168 с.

Оглавление диссертации кандидат технических наук Тужикова, Валентина Ивановна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. АНАЛИЗ СИСТЕМ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ В ВЫСШЕЙ ШКОЛЕ, НАПРВЛЕНИЯ ПО ПОВЫШЕНИЮ ИХ ЭФФЕКТИВНОСТИ

1.1. Классификация и анализ средств компьютерной поддержки процессов обучения

1.2. Методы моделирования учебных курсов и процессов

автоматизированного обучения

1.3. Цель и задачи исследования

2. РАЗРАБОТКА СТРУКТУРЫ ИЭОС И МЕТОДОВ ФОРМАЛЬНОГО ОПИСАНИЯ ПРЕДМЕТНОЙ ОБЛАСТИ УЧЕБНЫХ КУРСОВ ПО БИОМЕДИЦИНСКИМ СИСТЕМАМ

2.1. Разработка структуры интегрированной экспертно-

обучающей системы

2.2. Формирование системы базовых и производных

понятий предметной области

2.3. Методы формирования семантического пространства

знаний и их формализация

2.4. Методы автоматизированного формирования семантического

графа фрагмента предметной области

2.5. Методы определения семантических и дидактических

параметров фрагментов предметной области

2.6. Основные выводы главы

3. РАЗРАБОТКА МОДЕЛЕЙ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ ПРОЦЕССОМ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ ЗНАНИЯМ ПРЕДМЕТНОЙ ОБЛАСТИ НА ОСНОВЕ СЕМАНТИЧЕСКОЙ ИНФОРМАЦИИ

3.1. Формирование иерархической модели обучаемого для целей

управления процессом автоматизированного обучения

3.2. Модели оптимального принятия решений при управлении

процессом автоматизированного обучения

3.3. Построение функциональной семантической сети усвоения

понятий предметной области

3.4. Оптимальная организация информационных потоков при проведении видеокомпьютерной лекции

3.5. Основные выводы главы

4. АНАЛИЗ ЭФФЕКТИВНОСТИ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ НА БАЗЕ ИНТЕГРИРОВАННОЙ ЭКСПЕРТНО-ОБУЧАЮЩЕЙ СИСТЕМЫ

4.1. Техническое и программно-информационное обеспечение ИЭОС

для обучения специалистов по биомедицинским системам

4.2. Анализ эффективности ИЭОС по результатам внедрения

в учебный процесс и медицинскую практику

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЯ

Рекомендованный список диссертаций по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Введение диссертации (часть автореферата) на тему «Оптимизация автоматизированного обучения специалистов по биомедицинским системам на основе семантического моделирования»

ВВЕДЕНИЕ

Актуальность проблемы. Важнейшими направлениями реформирования здравоохранения России являются повышение эффективности использования ресурсов здравоохранения, повышения качества медицинской помощи и эффективности труда, внедрение современных медицинских технологий. В ходе проведения реформ наметилась тенденция к индустриализации отраслей здравоохранения, повышению уровня профессиональной подготовки ее работников. Важная роль отводится специалистам в области биомедицинских систем, призванных обеспечить функционирование таких сложных комплексов, как компьютерные томографы, установки ультразвуковых исследований, системы элек-троэнцефало- диагностики, системы кардиологического мониторинга и др.

Особенность подготовки специалистов данного профиля заключается в том, что ряд учебных дисциплин, обеспечивающих необходимую квалификацию инженера, относится к динамично развивающимся отраслям науки и техники. Проблема преподавания таких дисциплин обусловлена тем, что они должны исчерпывающе отражать данную отрасль научных знаний, в то время как объем этих знаний непрерывно расширяется за счет результатов деятельности крупных научно-технологических центров, результатов научных исследований, которые в короткие сроки становятся достоянием практики. Исходный материал для преподавания этих дисциплин составляют журнальные статьи, научно-технические отчеты, описания разработанных конструкций, диссертации и другие разрозненные материалы, отличающиеся отсутствием единой терминологии и противоречивостью.

Для преодоления противоречия между стремительно нарастающим объемом знаний, подлежащих усвоению, и реальными сроками подготовки специалистов, необходимо определить новые организационные формы обучения, способы получения знаний обучаемыми, закрепления умений и навыков.

Одной из таких форм подготовки и переподготовки высококвалифицированных специалистов в вузах следует считать новую технологию обучения, базирующуюся на применении предметно- и проблемно-ориентированных компьютерных обучающих систем. Использование названных систем способствует повышению эффективности технологий обучения, интенсификации учебного процесса, повышению качества подготовки специалистов.

Разработка и внедрение новых технологий обучения в высшей школе определена научно-техническими программами Государственного комитета Российской Федерации по высшему образованию по следующим основным направлениям (приказ Госкомвуза России от 4 ноября 1994г. № 1071):

фундаментальные и прикладные исследования в области новых, в том числе информационных, технологий обучения;

разработка программных, информационных и методических средств и технологий по базовым естественнонаучным дисциплинам, базовым гуманитарным, социально-экономическим и общеинженерным дисциплинам, информатике, вычислительной технике и автоматизированным системам;

разработка программных, информационных и методических средств и технологий для лекционной формы обучения, для дистанционной формы обучения;

разработка программных, информационных и методических средств и технологий обучения преподавателей в области новых технологий обучения;

разработка критериев, методов и средств оценки качества и эффективности программных, информационных и методических средств и технологий обучения;

маркетинг образовательных технологий, средств и услуг на внутреннем и внешнем рынках.

Исследования по данным направлениям, особенно в области компьютерных технологий обучения, позволили разработать методологические, дидакти-

ческие основы и средства создания автоматизированных учебных курсов, автоматизированных обучающих систем [20,24,46]. Эксплуатация ряда систем, таких как АОС ВУЗ, КОНТАКТ, РАКУРС, АДОНИС, ABC и др. показала эффективность их использования в учебном процессе, позволила выявить недостатки и наметить пути реализации систем следующего поколения.

В настоящее время наиболее перспективным направлением развития автоматизированных обучающих систем является применение для их разработки новых информационных технологий, в частности, технологии искусственного интеллекта. Интеллектуальные обучающие системы представляют один из путей применения достижений искусственного интеллекта в образовании [13,94].

Основными отличительными чертами интеллектуальных обучающих систем от обычных является наличие знаний: о предметной области (курсе обучения); знания об обучаемом; знания о стратегиях обучения; метазнания - знания о том, как применять знания о стратегиях обучения к обучаемому. Эти виды знаний в формализованном виде загружаются в базу знаний и обрабатываются посредством того или иного механизма логического вывода.

Одним из центральных и наиболее сложных моментов в разработке систем, основанных на знаниях, в том числе и интеллектуальных обучающих систем, является представление знаний, поскольку от него зависят интеллектуальные возможности системы и ее эффективность. Разработанный формализм представления знаний позволяет структурировать знания эксперта о предметной области, построить ее семантическую модель. С учетом специфики учебных курсов и видов решаемых задач разрабатывается соответствующий формализм представления профессиональных знаний. Кроме того, существенное влияние оказывает содержание учебных курсов, их вид: описательный, математический, конструкторский и др.

Не менее важной, чем проблема представления знаний, является проблема построения модели обучаемого {student model). В последние годы исследо-

вания сосредоточились на средствах поддержки обучения, предназначенных содействовать "обучению действием" [4,97]. Эти системы пытаются скомбинировать опыт решения задач и руководство обучаемым, которые часто находятся в противоречии. Чтобы преодолеть это противоречие, нужно иметь полные управляющие или обучающие стратегии. Их использование позволит обеспечить интеллектуальное руководство обучаемым, эффективно использовать возможности обучающей системы, оптимизировать процесс обучения. Представление моделей обучаемого осуществляется также с помощью семантических моделей знаний.

Таким образом, необходимость создания средств интеллектуальной обучающей системы на основе семантических моделей знаний для обучения специалистов в быстроразвивающихся областях науки и техники делает актуальной разработку базы знаний, моделей обучаемого, стратегий автоматизированного обучения. Использование такой системы предполагает существенное повышение эффективности и качества подготовки инженеров по биомедицинским системам за счет оптимального построения процесса обучения.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 "Перспективные информаци-

^ и ^

онные технологии в высшей школе в рамках одного из основных направлении Воронежского государственного технического университета "Биокибернетика, компьютеризация в медицине". Научные результаты, изложенные в диссертации, получены при выполнении следующих научно-исследовательских работ: «Разработка алгоритмического, программного обеспечения процессов диагностики и лечения заболеваний и формирования автоматизированных систем» (тема № 96/27, 1996-2000 год) и «Принципы создания моделей и алгоритмов автоматизированных лечебно-диагностических и учебных систем» (тема № 9/97, 1997-1998 год).

Целью работы является разработка методики, моделей представления информации учебных курсов, моделей обучаемого, стратегий оптимального обучения специалистов по биомедицинским системам на основе семантических моделей знаний, позволяющие создать интеллектуальные обучающие системы, обеспечивающие сокращение сроков обучения и повышение качества подготовки путем построения оптимального процесса обучения.

В соответствии с поставленной целью основными задачами исследования являются:

анализ существующих в настоящее время компьютерных средств обучения с точки зрения возможности их использования для обучения динамически изменяющимся инженерным дисциплинам высшего и последипломного образования в области управления биомедицинскими системами;

формирование структуры интегрированной экспертно-обучающей системы;

разработка методов представления системы понятий/умений, составляющих содержание учебных курсов;

разработка семантических моделей представления и обработки знаний о предметной области обучения;

построение лингвистического процессора анализа ответов обучаемого; разработка моделей контроля и диагностики ошибок обучаемого, оптимального управления процессами обучения в области управления биомедицинскими системами.

Методы исследования. При решении поставленной задачи в работе использовались методы системного анализа, теории множеств, методы вычислительной математики и многоальтернативной оптимизации, теории исследования операций и принятия решений.

Разработка семантических моделей предметной области и моделей оптимального управления процессом обучения осуществлялась с применением методов искусственного интеллекта и теории графов.

Решение ряда вопросов, связанных с созданием информационных и программных средств интегрированной обучающей системы, базируется на методах новых информационных технологий.

Научная новизна. В работе получены следующие основные результаты: метод формирования системы понятий учебных курсов, в котором формальное определение понятия задается набором признаков и допускает представление их в виде фреймовой структуры, отличающийся возможностью автоматизированного построения функциональной семантической сети для целей контроля усвоения понятий обучаемым;

процедура формализованного представления учебных знаний в виде семантических моделей логико-предикатного типа, позволяющий автоматизировать процедуру определения дидактических параметров учебных заданий и эффективно организовать манипуляцию ими в базе знаний;

иерархическая модель обучаемого, содержащая статистический, поведенческий, стратегический и когнитивный уровни модели, обеспечивающая возможность учета текущих параметров обучаемого и построения гипотез о стратегиях получения знаний, умений и навыков обучаемым;

метод оптимального управления процессом автоматизированного обучения с учетом индивидуальных характеристик обучаемого, базирующийся на педагогических знаниях и отличающийся использованием многоуровневой модели обучаемого;

функционально-структурная схема интегрированной обучающей системы, отличающаяся учетом особенностей содержания предметной области обучения по управлению в биомедицинских системах и использующая мультимедиа

средства представления информации, возможностью применения видео- и аудиоаппаратуры.

Практическая ценность и реализация результатов работы. Разработаны методики, семантические модели и стратегии оптимального автоматизированного обучения. Создано проблемно-ориентированное программно-информационное обеспечение интеллектуальной обучающей системы, позволяющее применить полученные результаты в компьютерной подготовке специалистов. Сформированные на ее основе обучающие курсы для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы" внедрены в Воронежском государственном техническом университете и в Воронежском областном клиническом лечебно-диагностическом центре при последипломном обучении специалистов на факультете усовершенствования квалификации врачей. Ожидаемый экономический эффект от внедрения составляет 153 тыс. рублей (в ценах 1998 года), что подтверждено актами внедрения.

Апробация работы. Материалы диссертации докладывались и обсуждались на семинарах межвузовской кафедры "Медицинские и гуманитарные системы" (ВГТУ, 1995-1998 гг.), межвузовской кафедры "Управление в социальной сфере и медицине" (ВГТУ, 1996-1997 гг.), Всероссийском совещании-семинаре «Математическое обеспечение информационных технологий в технике, образовании и медицине» (Воронеж; 1997), Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Рязань, 1997), Межрегиональной научно-практической конференции «Актуальные проблемы информационного мониторинга» (Воронеж, 1998), Межрегиональной научно-практической конференции «Актуальные вопросы обеспечения качества медицинской помощи. Аккредитация и лицензирование медицинской и фармацевтической деятельности» (Воронеж, 1998), Всероссий-

ском совещании-семинаре «Высокие технологии в региональной информатике» (Воронеж, 1998).

Публикации. По материалам диссертации опубликовано 16 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 138 страницах машинописного текста, списка литературы из 100 наименований, приложений на 20 страницах, содержит 27 рисунков и 7 таблиц.

В первой главе анализируются современные компьютерные средства обучения, проводится их многоаспектная классификация, выявляются достоинства и недостатки тех или иных систем автоматизированного обучения.

Рассматриваются методы моделирования учебных курсов, способы представления учебной информации, методы управления процессами обучения, выявляются наиболее перспективные подходы.

Показано, что для создания интегрированной обучающей системы необходима разработка многоуровневой модели обучаемого, с помощью которой возможно эффективное построение процесса обучения специалиста в области биомедицинских систем.

Анализируются возможности улучшения качества и эффективности автоматизированных обучающих систем путем разработки специализированных экспертных систем, определяются роль и место подсистемы обучения в структуре автоматизированной обучающей системы и формируются основные требования к интегрированной обучающей системе.

В результате анализа современных компьютерных средств обучения обоснована необходимость применения семантических моделей знаний для представления учебного материала, описания стратегий обучения. Для учета особенностей предметной области показано использование мультимедиа средств и применения видео- и аудиоаппаратуры.

Вторая глава посвящена разработке системы понятий предметной области, которая является одним из учебных средств достижения целей обучения, овладения терминологической лексикой учебной дисциплины, изучения основных классификаций и связей между понятиями. Определены основные шаги по реструктуризации учебных знаний, разделению знаний специалистов (экспертов) данной области от знаний методических. Выделены направления по дальнейшей формализации учебных знаний, ориентированные на максимальное использование возможностей ЭВМ.

Предложено в качестве языка формализации использовать прикладное исчисление предикатов первого порядка. Такой язык представления знаний обладает достаточными выразительными возможностями, позволяет упростить процесс формализации учебных знаний предметной области.

В третьей главе осуществляется разработка моделей оптимального управления процессом автоматизированного обучения знаниям предметной области на основе семантической информации. Производится формирование иерархической модели обучаемого, модели оптимального принятия решений при управлении процессом автоматизированного обучения, производится построение функциональной семантической сети усвоения понятий предметной области.

Четвертая глава посвящена вопросам практической реализации разработанных методов, моделей и алгоритмов и их применению при создании средств обучения специалистов по биомедицинским системам.

В заключении приведены основные результаты диссертационной работы. В приложения вынесены примеры использования предложенных методик, моделей и алгоритмов для решения конкретных задач, тексты и результаты работы программных модулей, а также результаты внедрения диссертационной работы.

1. АНАЛИЗ СИСТЕМ АВТОМАТИЗИРОВАННОГО ОБУЧЕНИЯ В ВЫСШЕЙ ШКОЛЕ, НАПРАВЛЕНИЯ ПО ПОВЫШЕНИЮ ИХ ЭФФЕКТИВНОСТИ

1.1. Классификация и анализ средств компьютерной поддержки процессов обучения

Возрастание требований, предъявляемых к квалификации инженера по биотехническим и медицинским аппаратам и системам, а также проблемы, возникающие при передаче знаний в области биомедицинских систем, обусловили устойчивый интерес к программно-информационным средствам, ориентированных на автоматизированное обучение и подготовку специалистов.

Ряд учебных дисциплин, обеспечивающих необходимую квалификацию инженера по биомедицинским системам, относится к быстроразвивающимся отраслями науки и техники. Это вызывает необходимость использования таких информационных источников, как журнальные статьи, научно-технические отчеты, описания разработанных конструкций, диссертации и другие разрозненные материалы, отличающиеся отсутствием единой терминологии и противоречивостью. Одной из важнейших характеристик таких отраслей науки и техники является бурный рост количества информации, что приводит при подготовке учебного материала к необходимости ее качественного переосмысления. Поэтому возникает потребность в создании компьютерных обучающих программ, имеющих базы знаний и позволяющих представить учебный курс в виде семантических моделей [77, 96]. Возможность корректировки и пополнения баз знаний обеспечивает согласованность, полноту и актуальность информации в этих учебных курсах, а формализация стратегий обучения позволит существенно повысить эффективность учебного процесса за счет улучшения управления процессами усвоения и использования знаний.

Такой подход к выбору форм и средств автоматизации обучения с использованием средств вычислительной техники дает следующие основные преимущества: позволяет проводить обучение любого числа студентов; ведет к сокращению затрат времени на внедрение новых учебных курсов; позволяет наглядно иллюстрировать новые понятия; развивает навыки работы со средствами вычислительной техники; позволяет восполнить нехватку достаточного количества квалифицированных преподавателей.

Согласно [48], под автоматизацией обучения понимается прием технологии обучения, в котором часть рутинных функций, выполнявшихся ранее преподавателем, передается автоматическим устройствам. В настоящее время разработаны различные виды компьютерных средств обучения, такие, как обучающие программы, автоматизированные обучающие системы (АОС), автоматизированные учебные курсы (АУК), программные тренажеры, экспертные обучающие системы [20, 24, 46, 49, 78, 96].

Для анализа возможностей и характерных особенностей компьютерных средств обучения проведем их классификацию по ряду аспектов, определим наиболее перспективные направления и методы их разработки и возможность их применения для обучения специалистов в области биомедицинских систем.

При классификации компьютерных средств обучения по функциональному признаку можно выделить такие виды систем (рис. 1.1): обучающая; консультирующая; диагностирующая; управляющая; сопровождающая и интегрированная. На базе данной классификации коротко рассмотрим их функциональные характеристики, выделим основные преимущества и недостатки.

Обучающие системы предназначены в основном для обучения понятиям и навыкам на базе информационно-справочных сред [96]. В основе систем подобного типа лежит интеллектуальный учебный курс, обладающий развитым языком запросов и богатым набором ассоциативных связей в базе данных. В качестве изъянов в подобных системах можно отметить их недостаточную гибкость и чувствительность к настройке.

Рис. 1.1. Классификация компьютерных обучающих систем по функциональному признаку

Системы консультирующего типа чаще всего предназначены для оказания контекстной помощи или выдачи требуемой информации по запросу пользователя, при этом возможно демонстрационное решение задач с их последующим решением для каждого шага [70]. Чаще всего системы подобного типа

включают в себя информационно-справочную подсистему, подсистему контекстной подсказки и модель обучаемого. К недостаткам можно отнести сложность наполнения подобных систем неквалифицированным пользователем.

Системы диагностирующего типа являются дальнейшим развитием систем консультационного типа. Они дополнены расширенным интерфейсом, фиксацией знаний и умений обучаемого и диагностикой ошибок обучаемого [71]. На практике эти системы часто называют интеллектуально-тренирующими или экспертно-тренирующими. Одним из слабых мест таких систем является невозможность генерации знаний самой системой. Обычно генерация осуществляется преподавателем при настройке системы, что усложняет индивидуализацию знаний.

Управляющие системы являются наиболее сложными из существующих типов АОС и предназначены в основном для управления процессом обучения с помощью средств вычислительной техники [69]. Она содержит в себе все компоненты рассмотренных ранее систем, но дополнена в свою очередь диагностирующей экспертной системой знаний о целях функционирования системы с учетом стратегии обучения. В качестве недостатков систем подобного типа можно отметить их громоздкость и сложность в эксплуатации.

Системы сопровождающего типа отслеживают деятельность обучаемого при работе в некоторой инструментальной среде, содержащей все компоненты реальной системы, с оказанием помощи при обнаружении ошибочных действий обучаемого [72]; сопровождающая система содержит все компоненты экспертной системы, но, в отличие от нее, не знает конечной цели деятельности пользователя и должна ее прогнозировать.

Интегрированные обучающие системы в основном свободны от указанных выше недостатков и, несмотря на некоторую структурную сложность, позволяют значительно расширить функции АОС по диагностике ошибок и прогнозированию целей деятельности пользователя [69].

В плане генезиса интегрированные системы можно рассматривать как дальнейшее развитие систем управляющего, консультирующего и сопровождающего типов [49]. При этом интегрированной обучающей системой называют программную среду, реализующую ту или иную педагогическую цель на основе знаний в некоторой предметной области, в области диагностики знаний обучаемых и в управлении обучением и демонстрирующую поведение на уровне экспертов.

При классификации по дидактическому признаку компьютерные средства обучения можно разделить на следующие классы:

• системы типа лектор, имитирующие лекции и имеющие жесткий план подачи изучаемого материала. Как правило, они дополняются жестким контролем знаний, определяющим возможность перехода к следующему разделу или лекции [59];

• системы типа ассистент, имитирующие семинар, лабораторные занятия или практикум. Создается дружественная среда, в которой учебный материал подается в виде сообщений, подсказок и пояснений. Тестирование осуществляется в основном через самоконтроль. Данный тип программ предназначен для развития практических навыков путем самообразования [5];

• системы типа репетитор, адаптирующиеся к обучаемому выбором темпа изложения материала, проверки начального уровня знания и учета психологических особенностей обучаемого. Допускается выборочное изучение отдельных тем курса. Большое внимание уделяется практической деятельности обучаемого под постоянным контролем системы [28];

• системы типа консультант, представляющие собой справочные базы данных по изучаемому и смежным предметам. Такие базы данных имеют удобные средства поиска информации [60];

• системы типа контролер, предназначенные для тестирования и оценки уровня знаний [78].

Основываясь на принципиальных возможностях известных дидактических систем [6] и учитывая основные цели обучения, можем определить необходимые ступени абстракции и требуемый уровень усвоения знаний обучаемыми, оценить возможность отдельных дидактических систем по достижению гарантированного результата, а затем выбрать нужный тип системы.

Так, дидактическая система "репетитор", предполагающая индивидуальную работу преподавателя с обучаемым, гарантирует достижение третьего уровня усвоения знаний (знание - умение, навыки) на любом уровне абстракции. Таким образом, моделирование этой дидактической системы средствами интегрированной АОС обеспечивает достижение учебных целей абсолютного большинства изучаемых в высшей школе дисциплин.

Тогда, при изучении любой инженерной дисциплины с помощью интегрированной АОС, в ее базе знаний необходимо иметь следующие виды дидактических средств (или их формализованных аналогов): текст с изложением теоретического материала; видеозаписи лекций; вопросы для самоконтроля с подробными ответами на них; задачи для самоконтроля с подробными решениями; контрольные вопросы для проверки знаний; методические указания по лабораторному практикуму; задания для типовых расчетов (курсовых работ, проектов) и методические указания по выполнению этих работ; справочные материалы, необходимые для работы над курсом.

Классифицируя компьютерные средства обучения по видам обеспечений, выделим следующие [20]:

• техническое - комплекс технических средств настраиваемой конфигурации, на котором функционирует компьютерная обучающая система;

• организационное - совокупность мероприятий, положений, инструкций, регламентирующих порядок работы с компьютерными средствами обучения различных категорий пользователей;

• математическое - совокупность методов, моделей и алгоритмов, необходимых для управления процессом автоматизированного обучения;

• учебно-методическое - набор обучающе-контролирующих процедур по изучаемым дисциплинам, учебные пособия, ориентированные на работу с компьютерными средствами обучения, методические указания для различных категорий пользователей;

• информационное - совокупность данных и знаний, используемых или формируемых в ходе обучения и организованных в виде структур баз данных и знаний;

• психолого-педагогическое - совокупность дидактических приемов обучения, составленных с учетом индивидуальных характеристик обучаемых и позволяющих обеспечить адаптивный процесс обучения, а также методов определения этих характеристик;

• лингвистическое - совокупность специализированных языков для описания действий пользователей при эксплуатации системы, правил их формализации и обработки;

• программное - комплекс программных процедур и функций, обеспечивающий функционирование компьютерных средств обучения на ЭВМ.

Классифицируя компьютерные средства обучения по видам применяемых

методов их разработки, выделим следующие:

• традиционные методы представления, хранения и обработки данных (файлы, структуры данных) [59, 60];

• методы представления, хранения и обработки данных и знаний на основе баз данных и баз знаний [28];

• методы комплексного представления информации (мультимедиа) [5];

• методы разработки экспертных систем для решения слабо формализованных задач [36, 49].

В настоящее время наиболее перспективным направлением развития автоматизированных обучающих систем является применение для их разработки новых информационных технологий, в частности, технологии искусственного интеллекта. Интеллектуальные обучающие системы представляют один из путей применения достижений искусственного интеллекта в образовании [13, 37, 79, 94].

Основными отличительными чертами интеллектуальных обучающих систем от обычных является наличие знаний: о предметной области (курсе обучения); знания об обучаемом; знания о стратегиях обучения; метазнания - знания о том, как применять знания о стратегиях обучения к обучаемому. Эти виды знаний в формализованном виде загружаются в базу знаний и обрабатываются посредством того или иного механизма логического вывода. Методология проектирования экспертно-обучающих АОС, основанных на знаниях, описана в [50], вариант архитектуры экспертно-обучающей АОС приведен в [51].

Перспективной для применения в современных компьютерных обучающих системах следует считать технологию комплексного представления информации - мультимедиа [38]. Под мультимедиа понимается одновременное использование различных средств представления информации. Компонентами мультимедиа курсов являются статические и анимированные изображения, а также текстовая и видеоинформация со звуковым сопровождением, которые создают интегрированную среду с большими образовательными возможностями [48].

Программные средства мультимедиа позволяют пользователю адаптировать обучающие программы к своим индивидуальным требованиям. Для реализации таких возможностей разработчики прикладных программных средств, действующих в интерактивном режиме, используют технологию, называемую гиперсреда. В подобных программах пользователь с помощью "мыши" (или другого манипулятора) может выделить слово или другое графическое изо бра-

жение в любом месте экрана и получить немедленный доступ к видео изображениям, звукозаписи, тексту или графическим изображениям, дающим дополнительную информацию по интересующему его предмету. Гиперсреда предоставляет обучаемому возможность влиять как на последовательность изложения, так и на содержание учебного материала.

Одной из основных проблем распространения программного обеспечения по технологии мультимедиа является недостаточная пропускная способность каналов передачи данных в сети [38]. Причина в том, что элементы, из которых синтезируется мультимедиа, - звук, видео, мультипликация - хранятся в файлах, намного превосходящих по размерам аналогичные текстовые файлы. Один графический кадр, в зависимости от цветовой градации и подробностей, занимает от 10 до 500 Кбайт. При воспроизведении цифрового видео или мультипликации таких кадров должно быть от 12 до 30 ежесекундно. Отсюда, как следствие, воспроизводятся гигантские объемы данных. При такой ситуации мультимедиа приобретает "местный" характер - с помощью соответствующих инструментов видео вполне может исполняться на отдельных компьютерах сети, но при передаче от компьютера к компьютеру неминуем длительный процесс копирования.

Классифицируя компьютерные средства обучения по видам используемых инструментальных средств их разработки, выделим основные: обычные алгоритмические языки, используемые для численных расчетов и построения интерфейсов пользователя (например, Basic, Pascal, PL/1, С) [78]; объектно-ориентированные языки программирования (Object Pascal, С++) [5]; языки символьной обработки и языки логического программирования (Lisp, Prolog) [28].

Проведенная классификация и анализ известных компьютерных средств обучения [20,46,49,59,69] позволяют сделать вывод о том, что наиболее перспективными для обучения специалистов в области биомедицинских систем следует считать интегрированные АОС и экспертно-обучающие системы. Нали-

чие в учебных курсах большого объема графического материала (схемы конструкций, объяснение принципов действия, графики и др.) вызывает необходимость использования технологии мультимедиа, применения видео- и аудиоаппаратуры. При разработке экспертно-обучающей системы или интегрированной АОС необходимо использовать модель дидактической системы типа "репетитор". В качестве инструментальных средств разработки АОС необходимо выбрать или объектно-ориентированные языки программирования или языки символьной обработки.

1.2. Методы моделирования учебных курсов и процессов автоматизированного обучения

При разработке компьютерных средств обучения необходимо конкретизировать содержание трех основных вопросов дидактики: "чему учить?", "как учить?", "кого учить?" [20]. Первый из них определяет цель и содержание обучения, второй - методы обучения, третий - объект обучения. Применительно к АОС, необходимо определить процесс обучения знаниям, умениям, навыкам путем описания основных элементов процесса в виде моделей: предметной области знаний (МПОЗ), обучаемого (МО), процесса обучения, целей обучения (ЦО), позволяющий ответить на поставленные вопросы (рис. 1.2).

Проектирование информационной базы предметной области, МПОЗ - одна из наиболее важных проблем создания АОС, т.к. результаты проектных решений по выбору состава и структуры информационной базы оказывают существенное влияние на эффективность и качество процесса обучения в целом. Модель процесса обучения (модель преподавателя) должна реализовать процесс обучения, включающий этапы предъявления информации, контроля знаний, выявления причин, анализа проблем обучения и разрешения этих проблем в обучении. Основные перечисленные этапы могут быть описаны моделями:

контроля (МК), выявления проблемы (МВП), анализа проблем (МАП), разрешения проблемы (МРП) обучения [78]. Рассмотрим основные подходы, используемые при формировании моделей знаний учебных курсов и моделей управления процессами обучения.

Чему учить? кого учить? для чего учить?

Рис. 1.2. Система моделей процесса обучения

Одним из распространенных способов формирования модели предметной области (учебного курса) следует считать ее представление в виде иерархической структуры [78, 89]. Курс состоит из одной или нескольких тем, тема может включать одну или несколько глав, каждая из глав - один или несколько разделов. Раздел - это логически объединенный набор квантов учебной информации (КУИ), предназначенный для формирования у обучаемого требуемой совокупности знаний, умений и навыков по заданному разделу дисциплины. Кванты учебной информации - это элементарные фрагменты информации (ознакомительные тексты, тексты заданий, ожидаемые ответы, комментарии на ответы, тексты разъясняющей информации и т.п.) [59]. Такое представление учебного курса соответствует традиционному способу изложения знаний (рис. 1.3), принятому в учебной литературе.

Иерархическая модель предметной области должна удовлетворять следующим требованиям: каждый узел дерева представляет собой набор информа-

ционных элементов, описывающих конкретные объекты предметной области; структура взаимосвязей между узлами дерева устанавливается в направлении от исходных к порожденным ими узлам; взаимосвязи между узлами внутри отдельных уровней иерархии отражают отношения линейного порядка.

Автоматизированный учебный курс

Тема 1 Тема 2 ТемаЫ 4 Управление

темами

X

Похожие диссертационные работы по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Заключение диссертации по теме «Управление в социальных и экономических системах», Тужикова, Валентина Ивановна

Основные результаты диссертационной работы заключаются в следующем.

1. Сформулированы особенности построения интегрированных экс-пертно-обучающих систем для подготовки специалистов по биомедицинским системам и на этой основе показана необходимость разработки семантических моделей знаний, методов формализации учебных и педагогических знаний, средств их обработки.

2. Проведена классификация и анализ существующих средств компьютерной поддержки процессов обучения, рассмотрены известные методы моделирования учебных курсов и процессов автоматизированного обучения, определены их достоинства и недостатки.

3. Сформированы требования к интегрированной экспертно-обучающей системе и разработана ее структура.

4. Сформирована система базовых и производных понятий предметной области, определены методы формирования семантического пространства знаний и их формализация, методы автоматизированного формирования семантического графа фрагмента предметной области, методы оценки семантических и дидактических параметров фрагментов предметной области.

5. Сформирована иерархическая модель обучаемого для целей управления процессом автоматизированного обучения, разработана модель оптимального принятия решений при управлении процессом автоматизированного обучения, построена функциональная семантическая сеть усвоения понятий предметной области.

6. Создан комплекс технических и программно-информационных средств интегрированной экспертно-обучающей системы, реализующий разработанные модели и методы автоматизированного обучения.

7. Создан комплекс учебно-педагогических средств, реализующий методику разработки автоматизированных учебных курсов в рамках интегрированной экспертно-обучающей системы.

8. Созданные средства внедрены в учебный процесс и медицинскую практику. Ожидаемый экономический эффект от внедрения основных результатов диссертационной работы в Воронежском государственном техническом университете и Воронежском областном клиническом лечебно-диагностическом центре составил более 153 тыс. руб. в год.

ЗАКЛЮЧЕНИЕ

Список литературы диссертационного исследования кандидат технических наук Тужикова, Валентина Ивановна, 1998 год

СПИСОК ЛИТЕРАТУРЫ

1. Архипова Н.В. Человеко-машинные средства психолого-педагогического обеспечения учебного процесса. // Информационные технологии в проектировании. N 2, 1996.

2. Алгоритмическая теория обучения и контроля знаний. Дидактические основы основы компьютерного обучения / Бороненко Т.А., Плоткин В.Б., Румянцев И.А. и др. - Л.: ЛГПИ, 1989.

3. Акофф Р., Эмери Ф. О целеустремленных системах. Пер. с англ. Под ред. И.А. Ушакова. М.: Сов. радио, 1974.

4. Брусиловский П.Л. Построение и использование моделей обучаемого в интеллектуальных обучающих системах. // Известия АН СССР. Техническая кибернетика. 1992. № 5.

5. Брановицкий В.И., Гецко Л.Н. Вопросы организации генерирующих обучающих систем (на базе 111111 ПРОЛОГ-ЕС) // Управляющие системы и машины. 1983. №4.

6. Беспалько В.П. Основы теории педагогических систем. Проблемы и методы психолого-педагогического обеспечения технических обучающих систем - Воронеж: ВГУ, 1977.

7. Беспалько В.П. Слагаемые педагогической технологии. - М.: Педагогика, 1988.

8. Белоногов Г.Г., Новоселов А.П. Автоматизация процессов накопления, поиска и обобщения информации. -М.: Наука, 1979.

9. Богомолов A.M. Твердохлебов В.А. Автоматная модель процесса обучения и проверки знаний. // Методы и системы технической диагностики. Сб. науч. тр. Саратов: СГУ, 1988.

10. Батищев Д.И., Львович Я.Е., Фролов В.Н. Методы оптимизации в САПР. Воронеж: Изд-во ВГУ. 1987.

11. Волков С.З. Применение автоматизированных обучающих систем (АОС) для контроля знаний студентов. // Труды VII конференции молодых ученых,-М.: МФТИ, 1991.

12. Вагин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988.

13. Головина Е.Ю., Чибизова Н.В. О построении интеллектуальной обучающей системы. // Известия академии наук. Теория и системы управления. 1996. № 5.

14. Диалоговые системы в АСУ / Брябрин В.М., Любарский Ю.Я., Ми-кулич Л.И. и др.; Под ред. Д.А. Поспелова. - М.: Энергоатомиздат, 1983.

15. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных / Пер. с англ. B.C. Каменского. - М.: Финансы и статистика, 1988.

16. Добряков A.A. Методы интеллектуализации САПР. - М.: Наука,

1992.

17. Дракин В.И., Попов Э.В., Преображенский А.Б. Общение конечных пользователей с системами обработки данных. - М.: Радио и связь, 1988.

18. Добряков A.A., Архипова Н.В. Трехконтурная схема управления познавательной деятельностью. // Информационные технологии в проектировании. N 1, 1997.

19. Евстигнеев В.А. Применение теории графов в программирова-нии. / Под ред. А.П. Ершова. - М.: Наука, 1985.

20. Зайцева Л.В., Новицкий Л.П., Грибкова В.А. Разработка и применение автоматизированных обучающих систем на базе ЭВМ. - Рига: Зинатне, 1989.

21. Зайцева Л.В., Новицкий Л.П., Прокофьева Н.О. Контроль знаний обучаемых с помощью методов линейно-кусочной аппроксимации и вычис-

ления оценок. // Методы и средства кибернетики в управлении учебным процессом высшей школы. - Рига: РПИ, 1989.

22. Зайцева JI.B. Оценка знаний обучаемых в АОС. // Методы и средства кибернетики в управлении учебным процессом высшей школы. - Рига: РПИ, 1987.

23. Зыкова С.А., Колчин А.Ф. Верификация знаний в интеллектуальных системах, основанных на правилах. // Известия АН СССР. Техническая кибернетика. 1993. № 5.

24. Интеграция лечебно-диагностического процесса и вузовского обучения - новый этап в подготовке специалистов / Петросян C.JL, Родионов О.В., Федянин В.И., Фролов М.В. // Высокие технологии в практике учреждений здравоохранения: Тез.докл. научн.-практ.конф. Воронеж, 1995.

25. Интеграция медицинских задач в проектах, реализуемых на базе геоинформационных систем / Войтенко A.B., Демьянова О.П., Попова О.Б., Федянин В.И. // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез.докл. Всерос.совещания-семинара. Воронеж, 1996.

26. Искусственный интеллект. - В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова - М.: Радио и связь, 1990.

27. Информационно-управляющие человеко-машинные системы: Исследование, проектирование, испытания: Справочник / А.Н. Адаменко, А.Т. Ашеров, И.Л. Бердников и др.; Под общ. ред. А.И. Губинского и В.Г. Евграфова. -М.: Машиностроение, 1993.

28. Колос В.В. Концепция представления методики обучения в адаптивных обучающих системах // Интеллектуализация компьютерных технологий обучения. - Киев: Ин-т кибернетики АН Украины, 1993.

29. Колмогоров А.Н., Драгалин А.Г. Введение в математическую логику. -Изд-во МГУ, 1982.

30. Кузнецов В.Е. Представление в ЭВМ неформальных процедур: продукционные системы / С послесловием Д.А. Поспелова. - М.: Наука, 1989.

31. Клир Дж. Системология. Автоматизация решения системных задач: Пер. с англ. - М.: Радио и связь, 1990.

32. Леонтьев Л.П., Логвинова Н.К. Модель учебного задания, основанная на структурном количественном анализе. // Методы и средства кибернетики в управлении учебным процессом высшей школы. - Рига: РПИ, 1985.

33. Ларичев О.И., Петровский А.Б. Системы поддержки принятия решений: современное состояние и перспективы развития. // Итоги науки и техники. Техническая кибернетика. 1987.

34. Лобанов Ю.И. Операционная среда преподавателей и студентов. // Использование компьютерных технологий в обучении. Киев: Ин-т кибернетики АН Украины. 1990.

35. Ластед Л. Введение в проблему принятия решений в медицине. М.: Мир. 1971.

36. Мартыненко Ю.Г. Применение новых информационных технологий в преподавании фундаментальных наук // Соросовский образовательный журнал, № 3, 1997.

37. Мордухович A.M., Тужикова В.И., Федянин В.И. Организация технологии дистанционного обучения с использованием сети Internet // Прикладные задачи моделирования и оптимизации: Межвуз. сб. научн. тр., Воронеж, ВГТУ. 1998.

38. Мультимедиа /Под ред. Стогния A.A. Киев: Изд-во BHV. 1994.

39. Мордухович A.M., Тужикова В.И., Федянин В.И. Корреляционная модель обучаемого для целей управления процессом обучения // Прикладные задачи моделирования и оптимизации: Межвуз.сб.научн.тр., Воронеж, ВГТУ. 1998.

40. Малиновский Л.Г. Процессы классификации - основа построения наук о действительности // Алгоритмы обработки экспериментальных данных. М.: Наука, 1986.

41. Миронова Т.С. Дедукция в языке логической спецификации понятия // Известия АН СССР. Техническая кибернетика. N 5, 1994.

42. Мордухович A.M., Тужикова В.И., Федянин В.И. Организация технологии дистанционного обучения с использованием сети Internet // Прикладные задачи моделирования и оптимизации. Воронеж: ВГТУ, 1989.

43. Марченко Е.К. Машины для обучения. М.: 1974.

44. Меницкий Д.Н. Вероятностные модели адаптивного поведения. // Физиология поведения. Л.: Наука. 1986.

45. Меницкий Д.Н. Проблемы многомерности человеческого фактора в биотехнических системах управления. // Вопросы кибернетики. М.: АН СССР. 1991.

46. Обучающие машины, системы и комплексы: Справочник / Под общ. ред. А.Я. Савельева. - Киев: Вища шк., 1986.

47. Окунь Я. Факторный анализ. - М.: Статистика, 1974.

48. Пугачев B.C., Латышев В.Л. Введение в терминологическую базу компьютерной технологии обучения: Учеб. пособие. -М.: Изд-во МАИ, 1993.

49. Петрушин В.А. Экспертно-обучающие системы. - Киев: Наук, думка, 1992.

50. Печников А.Н., Мосин В.Д., Стручков А.Н. Методология проектирования АОС и рациональная структура экспертной обучающей системы. // Методы и средства кибернетики в управлении учебным процессом высшей школы. Рига: РПИ. 1990.

51. Петрушин В.А. Архитектура экспертно-обучающих систем. // Разработка и применение экспертно-обучающих систем. М.: НИИВШ, 1989.

52. Печников А.Н. Информационная модель цикличной обучающей системы и классификация обратной связи в обучении. // Методы и средства кибернетики в управлении учебным процессом высшей школы. - Рига: РПИ, 1987.

53. Попов Э.В. Общение с ЭВМ на естественном языке. - М.: Наука,

1982.

54. Представление и использование знаний: Пер. с япон./ Под ред. Х.Уэно, М. Исидзука. - М.: Мир, 1989.

55. Поспелов Д.А. Ситуационное управление: теория и практика. - М.: Наука, 1986.

56. Представление и использование знаний: Пер. с япон./ Под ред. X. Уэно, М. Исидзука. - М.: Мир, 1989.

57. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии. -М.: Наука, 1988.

58. Петрушин В.А. Моделирование состояния знаний обучаемого в интеллектуальных обучающих системах. // Разработка компьютерных технологий обучения и их внедрение. Киев: Ин-т кибернетики АН Украины. 1991.

59. Разработка автоматизированных учебных курсов на персональной ЭВМ/ Грибкова В.А., Гришканс A.A., Каминска В.Х. и др. // Методы и средства кибернетики в управлении учебным процессом высшей школы. - Рига: РПИ. 1990.

60. Романович О.Н., Задорожная А.Е. Обучающе-контролирующая система программирования АССА. // Использование компьютерных технологий в обучении. Киев: Ин-т кибернетики АН Украины. 1990.

61. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. - М.: Наука, 1989.

62. Родионов О.В., Тужикова В.И., Федянин В.И. Структура учебно-исследовательской системы и ее рациональный выбор // Математическое

обеспечение высоких технологий в технике, образовании и медицине: Тез.докл. Всерос.совещания-семинара. Воронеж, 1997.

63. Рациональный выбор структуры учебно-исследовательской системы / Львович Я.Е., Родионов О.В., Тужикова В.И., Федянин В.И. // Оптимизация и моделирование в автоматизированных системах: Межвуз.сб.научн.тр., Воронеж, ВГТУ. 1997.

64. Родионов О.В., Федянин В.И. Принцип действия и устройство оптических и лазерных медицинских приборов / Под ред. академика АЕН В.Н. Фролова: Учеб. пособие. Воронеж, гос. техн. ун-т, Международный университет высоких технологий. Воронеж, 1996.

65. Рыбаков Ф.И., Руднев Е.А., Петухов В.А. Автоматическое индексирование на естественном языке. - М.: Энергия, 1980.

66. Романов А.И. Модель для построения экспертной системы. // Научно-техническая информация. Сер. 2. Информационные процессы и системы. № 1, 1992.

67. Родионов О.В., Тужикова В.И., Федянин В.И. Алгоритмическое обеспечение и оптимизация обучающих процедур // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез.докл. Всерос.совещания-семинара. Воронеж, 1997.

68. Растригин Л.А. Обучение как управление // Методы школы. - Рига: Изд-во РПИ, 1985.

69. Севастьянов В.К. Инструментальные средства для создания экс-пертно-обучаюших систем // Интеллектуальные системы в задачах проектирования, планирования и управления в условиях неполноты информации. -Казань: НПО "Волга", 1990.

70. Савельев А.Я., Лобанов Ю.И. Программированное обучение (Анализ зарубежного опыта). - М.: Наука, 1992.

71. Свиридов А.П. Основы статической теории обучения и контроля знаний. - М.: Высш. шк., 1981.

72. Свиридов А.П. Основы статистической теории обучения и контроля знаний. - М.: Высшая школа, 1986.

73. Стульпинас Б.И. Процесс адаптации в АОС в режиме диалога и пути ее реализации. // Методы и средства кибернетики в управлении учебным процессом высшей школы. Рига: РПИ. 1987.

74. Савельев А.Я., Токарева B.C., Кольцова В.А. Представление учебной информации в экспертно-обучающей системе. // Разработка и применение экспертно-обучающих систем. М.: НИИВШ, 1989.

75. Соловьева Е.А. О математическом моделировании системы понятий, методе и критериях естественной классификации // Научно-техническая информация. Сер. 2. Информационные процессы и системы. N 4, 1991.

76. Скибицкий Э.Г., Слуднов А.В. К вопросу параметризации свойств программных средств обучения. // Программные продукты и системы. № 1, 1994.

77. Тужикова В.И., Федянин В.И. Семантические представления в экспертных обучающих системах // Высокие технологии в региональной информатике: Тез.докл. Всерос.совещания-семинара. Воронеж, 1998.

78. Турунтаев Л.П., Угорелов С.Н., Ямпольский С.З. Структурирование и предъявление знаний в автоматизированных обучающих системах. // Кибернетика и вуз. Межвуз. науч.-техн. сб. Вып. 25. Томск: Изд-во ТПИ. 1990.

79. Тужикова В.И., Федянин В.И. Анализ повышения эффективности процесса обучения при использовании автоматизированных обучаемых систем // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез.докл. Всерос.совещания-семинара. Воронеж, 1997.

80. Талызина Н.Ф. Методика составления обучающих программ. - М.: Изд-во ТГУ, 1980.

81. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / Предисл. Г.С. Оси-пова. - М.: Финансы и статистика, 1990.

82. Тужикова В.И., Федянин В.И. Методы моделирования учебных курсов и процессов автоматизированного обучения// Высокие технологии в региональной информатике: Тез.докл. Всерос. совещания-семинара, Воронеж, 1998.

83. Тужикова В.И., Федянин В.И. Технологические схемы представления лекционного материала // Тез.докл. межрегион.научн.-техн.конф. по лицензированию, Воронеж, 1998.

84. Толмачев С.А. Представление и синтез оптимальной логической структуры учебного материала в автоматизированных тренажерных системах. // Кибернетика и системный анализ. № 1, 1993.

85. Тужикова В.П., Федянин В.И. Оптимизация предъявления графической информации при проведении видеокомпьютерных лекций медикотехни-ческой направленности // Высокие технологии в технике, медицине и образовании: Межвуз.сб.научн.тр., Воронеж, ВГТУ. 1997.

86. Тужикова В.И., Федянин В.И. Анализ применения компьютерных технологий для оптимизации процесса обучения // Высокие технологии в технике, медицине и образовании: Межвуз.сб.научн.тр., Воронеж, ВГТУ. 1997.

87. Тыугу Э.Х. Концептуальное программирование-М.: Наука, 1984.

88. Тужикова В.И., Федянин В.И. Иерархическая модель обучаемого интегрированной экспертно-обучающей системы для подготовки специалистов по биомедицинским системам//Высокие технологии в технике, медицине и образовании: Межвуз.сб.науч.тр. Воронеж,ВГТУ, 1998.

89. Федянин В.И. Разработка биомедицинской учебно-исследовательской системы на основе компьютерной интеграции инструментального обеспечения: Дис. ... канд. техн.наук/ВГТУ. Воронеж, 1995.

90. Федянин В.И. Технологические схемы представления лекционного материала // Актуальные вопросы обеспечения качества медицинской помощи. Аккредитация и лицензирование медицинской и фармацевтической деятельности: Сб.науч.тр.., Изд-во "Истоки", Воронеж, 1998.

91. Федянин В.И. Метод оптимального принятия решений при управлении процессами автоматизированного обучения. // Высокие технологии в технике, медицине и образовании: Межвуз.сб.науч.тр. Воронеж,ВГТУ, 1998.

92. Федянин В.И., Фролов М.В. Процедуры оптимального формирования комплексных заданий в рамках учебно-исследовательской биомедицинской системы // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез.докл. Всерос.совещания-семинара. - Воронеж: ВГТУ, 1994.

93. Федянин В.И. Организация обучения с использованием автоматизированной обучающей системы // Актуальные проблемы информационного мониторинга: Тез.докл. регион.научн.-практ.конф. Воронеж, 1998.

94. Швец В., Бурляев В., Ралеев Н. Экспертно-обучающие системы. // Высшее образование в России. 1997. № 2.

95. Шадриков В.Д., Дружинин В.Н. Системный подход к измерению способностей. // Диагностика профессиональных и познавательных способностей. - М.: АН СССР, 1988.

96. Blerman D., Breuker J., Sandberg J. Control for Intelligent Tutoring Systems: A Blackboard-Based Dynamic Instructional Planner // Artificial Intelligence and Education. Proc. 4th Int. Conf. on AI and Educilion (24-26 May 1989, Amsterdam: IOS, 1989.

97. Elsom-Cook M. Guided discovery tutoring and bounded user modelling // Ed. Self J. Artificial intelligence and human learning. Intelligent computer-aided instruction. -London: Chapman and Hall, 1988.

98. Keravnou E.T., Johnson L. Competent Expert System. A case Study in fault diagnosis. - London: Kogan Page Ltd. 1986.

99. Reggia J., Nau D., Wang P. A formal model of diagnostic inference. I. Problem formulation and decomposition. - Inform. Sci. № 37. 1985.

100. Reggia J., Nau D., Wang P. A formal model of diagnostic inference. II. Algorithmic Solution and Application. - Inform. Sci. № 37. 1985.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.