Разработка и исследование интеллектуальных контролирующих систем с настраиваемой нечеткой экспертной подсистемой выставления оценок тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Ивлева, Елена Владимировна

• Ивлева, Елена Владимировна
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Ивлева, Елена Владимировна

ВВЕДЕНИЕ.

ГЛАВА 1. ИНТЕЛЛЕКТУАЛЬНЫЕ АВТОМАТИЗИРОВАННЫЕ ОБУЧАЮЩИЕ СИСТЕМЫ: ЭТАПЫ РАЗВИТИЯ, КЛАССИФИКАЦИЯ И ПРОБЛЕМЫ СОЗДАНИЯ.

1.1. Основные теории, лежащие в основе построения автоматизированных систем обучения.

1.2. Этапы развития АОС.

1.3. Классификация АОС.

1.4. Структура интеллектуальной обучающей системы и функциональное назначение ее элементов.

1.5. Классификация интеллектуальных обучающих систем.

1.6. Примеры ИОС.

1.8. Программный контроль знаний.

1.9. Проблемы, возникающие при проверке знаний.

1.10. Задача автоматизированного проектирования контролирующих курсов.

1.11. Цели и задачи диссертационной работы.

Выводы.

ГЛАВА 2. МОДЕЛИРОВАНИЕ И АЛГОРИТМЫ РАБОТЫ ПРОЦЕССА УПРАВЛЕНИЯ КОНТРОЛЕМ ЗНАНИЙ.

2.1. Структура системы проверки знаний.

2.2. Основные понятия сетей Петри.

2.3. Моделирование процесса контроля знаний.

2.4. Цели контроля.

2.5. Модель обучаемого.

2.6. Методы управления контролем.

2.7. Алгоритм управления процессом контроля.

2.7.1. Алгоритм «Краткий опрос».

2.7.2. Алгоритм «Полный опрос».

2.7.3. Адаптация процесса контроля к индивидуальным особенностям опрашиваемого.

2.7.4. Алгоритм создания множества входных (выходных) элементов.

2.7.5. Алгоритм проверки перехода на активность.

Выводы.

ГЛАВА 3. ПРОГРАММНЫЙ КОНТРОЛЬ ЗНАНИЙ.

3.1. Статистические методы обработки ответов.

3.2. Использование методов искусственного интеллекта.

3.3. Грубые функции принадлежности.

3.4. Алгоритм принятия решения.

3.5. Тонкая настройка нечеткой базы знаний.

3.6. Генетические алгоритмы.

3.7. Применение генетического алгоритма для настройки подсистемы выставления оценок.

Выводы.

ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ КОНТРОЛЯ ЗНАНИЙ.

4.1. Требования к программе.

4.2. Технические и программные средства для создания и функционирования интеллектуальной контролирующей системы.

4.3. Структура данных.

4.4. Программная реализация системы управления контролем знаний.

4.4.1. Описание структуры.

4.4.2. Используемые методы.

4.4.3. Алгоритм программы.

4.4.4. Используемые технические средства.

4.4.5. Вызов и загрузка.

4.4.6. Входные данные.

4.4.7. Выходные данные.

4.5. Архитектура подсистемы приобретения знаний.

4.6. Программная реализация подсистемы создания контролирующих курсов.

4.6.1. Описание структур.

4.6.2. Используемые методы.

4.6.3. Алгоритм программы.

4.6.4. Функциональные ограничения.

4.6.5. Используемые технические средства.

4.6.6. Вызов и загрузка.

4.6.7. Входные данные.

4.6.8. Выходные данные.

4.7. Система автоматизированного контроля знаний.

4.8. Исследование работы программы контроля.

4.8.1. Настройка системы выставления оценок.

4.8.2. Характеристики процесса контроля.

4.8.3. Статистика по вопросам.

4.9. Применение автоматизированной системы контроля знаний к реализации учебной темы "Логические основы ЭВМ". Результаты внедрения в учебный процесс.

Выводы.

Введение диссертации (часть автореферата) на тему «Разработка и исследование интеллектуальных контролирующих систем с настраиваемой нечеткой экспертной подсистемой выставления оценок»

Актуальность исследований. Обучение является древнейшим процессом человеческой деятельности. Необходимость значительного повышения эффективности обучения привела к тому, что ряд функций преподавателя передается компьютеру. Внедрение новых информационных технологий в обучение открывает широкие возможности к более качественной подготовке специалистов и индивидуализации обучения. Анализ работ в области создания автоматизированных обучающих систем (АОС) [3, 5, 7-11, 14, 15, 20, 4648, 62, 66, 68, 72, 75, 77, 79, 80, 90-92, 107, 112-114, 125, 127-134] показал, что развитие систем идет по пути интеллектуализации управления процессом обучения, а механизм контроля плавно перетекает в механизмы анализа высказываний обучаемого. В настоящее время наиболее перспективным является развитие АОС, применяющих методы искусственного интеллекта для управления процессом обучения, - интеллектуальных обучающих систем (ИОС). ИОС способны «понимать» преподаваемый предмет и обучаемого, адаптироваться к его знаниям и особенностям, обеспечивать гибкий процесс обучения.

Анализ работ в области создания ИОС [3, 5, 7-11, 14, 15, 20, 46-48, 62, 66, 68, 72, 75, 77, 79, 80, 90-92, 107, 112-114, 125, 127-134] позволил выявить следующие недостатки:

- использование только определенной предметной области;

- стратегия управления не зависит от логической структуры курса;

- все системы используются в основном только для обучения или диагностики знаний обучаемых;

- контроль знаний используется чаще всего для выбора следующего управляющего воздействия или задачи;

- при оценивании знаний не учитываются нечеткость, неопределенность данных о результате контроля.

Два последних недостатка особенно значимы, так как контроль знаний учащихся является одним из важных этапов обучения и средством обратной связи между преподавателем и обучаемым. Насыщенность занятий новым материалом не позволяет проводить опрос всех учащихся в течение одного занятия и оценивать уровень освоения ими материала. Решить эту проблему помогут интеллектуальные контролирующие системы. Использование интеллектуальных систем проверки знаний позволяет поддерживать нужный образовательный уровень обучаемых, увеличивает возможности преподавателя при проверке знаний. Программный контроль требует от студента кратких ответов, что позволяет сократить время, необходимое для оценки степени подготовки. В свою очередь, оперативная проверка знаний дает возможность немедленно скорректировать и восполнить знания, что ведет к увеличению объема и улучшению качества знаний. Применение интеллектуальных систем проверки знаний, предназначенных для проведения адаптивных опросов, сложность задания в которых изменяется в зависимости от ответов обучаемых, позволяет:

- значительно сократить временные рамки, отводимые на обработку результатов проверки знаний;

- автоматизировать процесс обработки ответов;

- свести к минимуму субъективное мнение преподавателя на результаты контроля.

Цель диссертационной работы состоит в разработке методик, алгоритмов и инструментальных программных средств для проведения адаптивного контроля знаний в условиях неопределенности данных о состоянии знаний обучаемого с использованием логической структуры курса.

Для достижения цели необходимо решить следующие задачи:

- разработать модели представления знаний о процессе контроля;

- разработать алгоритмы управления контролем на основе моделей представления знаний;

- разработать алгоритм оценивания знаний;

- разработать структуру подсистемы приобретения знаний;

- определить архитектуру контролирующей системы и функциональное назначение ее компонент;

- реализовать компоненты интеллектуальной системы контроля знаний и подсистемы приобретения знаний.

Методы исследования. Разработка и исследования проводились на основе теории сетей Петри, теории нечетких множеств и нечеткой логики, теории принятия решения, теории экспертных систем, теории генетических алгоритмов, теории структур и баз данных, технологий модульного и объектно-ориентированного программирования.

Научная новизна заключается в следующем:

1) для решения задач оценивания качества знаний предложено вместо статистических методов обработки ответов применять методы искусственного интеллекта, которые позволяют при построении математической модели оценки качества знаний использовать логический опыт квалифицированных преподавателей, принимающих оценочные решения;

2) предложено в структуру интеллектуальной обучающей системы помимо экспертных систем (ЭС) по решению задач, диагностике ошибок и управлению обучением включать ЭС по выставлению оценок;

3) предложена структура построения экспертной системы, использующей для выставления оценки нечеткую базу знаний;

4) предложена методика настройки ЭС с помощью генетического алгоритма;

5) разработаны алгоритмы управления процессом контроля, позволяющие проводить контроль в различных предметных областях и адаптироваться к уровню знаний каждого обучаемого.

Практическая ценность работы. Осуществлена программная реализация интеллектуальной контролирующей системы с настраиваемой экспертной подсистемой выставления оценок, использующая указанные выще алгоритмы и методы. Для представления знаний в моделях предметной области, обучаемого и управления процессом контроля использовалась модифицированная нечеткая сеть Петри. В Рязанском филиале Военного университета связи с помощью разработанной системы был создан контролирующий курс по дисциплине «Вычислительная техника». Проведенный с помощью данного курса контроль знаний показал, что предложенные алгоритмы и методы могут использоваться:

- при проектировании ЭС, т.е. такого управления частными показателями, при которых интегральный показатель качества будет принимать желаемое значение; - для построения экспертных систем, которые способны оценить качество интеллектуальной деятельности;

- для управления процессом адаптивного контроля знаний, при этом могут использоваться различные стратегии выбора контролирующего воздействия;

- для поддержания различных форм контроля: текущего, промежуточного, итогового.

На защиту выносятся:

- алгоритмы управления процессом контроля на основе используемых модели предметной области и модели обучаемого;

- методика построения экспертной подсистемы, использующей для выставления оценки нечеткую логику;

- методика и алгоритм настройки нечеткой подсистемы выставления оценки с помощью генетического алгоритма.

Достоверность полученных в диссертационной работе результатов подтверждается использованием положений и понятий теории экспертных систем, нечеткой логики, генетических алгоритмов; разработкой действующего программного обеспечения и внедрением полученных результатов.

Реализация и внедрение результатов. В рамках диссертационной работы разработана и внедрена интеллектуальная система контроля знаний, которая имеет свидетельство об официальной регистрации программы для

ЭВМ в РОСПАТЕНТ. Разработанные алгоритмы и инструментальные программные средства управления процессом контроля использованы в НИР «Исследование возможностей современных компьютерных технологий и инструментальных средств для проведения лабораторных работ по дисциплине «ВТ и ИТ», шифр «Средства», выполненной на кафедре «Автоматизированных систем управления войсками и связи» Рязанского филиала Военного университета связи, и внедрены в учебный процесс Рязанского филиала Военного университета связи (дисциплина «Вычислительная техника и информационные технологии») и Рязанского военного автомобильного института (дисциплина «Информатика»).

Апробация работы. Материалы докладывались и обсуждались на 4 конференциях:

- межвузовской научно-методической конференции «Творческий подход к реализации государственного образовательного стандарта высшего профессионального образования. VIII Рязанские педагогические чтения», РГПУ, 2 февраля 2001 г., г. Рязань;

- 13-й межвузовской научно-практическая конференции, РВАИ, 24-25 февраля, 2002 г., г. Рязань;

- 14-й межвузовской научно-практическая конференции, РВАИ, 27-28 февраля, 2003 г., г. Рязань;

- 12-й международной научно-технической конференции, РГРТА, 13-14 января, 2004 г., г. Рязань.

По материалам диссертации опубликовано 18 работ, из них 5 в соавторстве. В их числе 1 статья в межвузовском сборнике, 2 статьи в вузовских сборниках, 12 тезисов докладов на конференциях, 3 свидетельства об официальной регистрации программ в РОСПАТЕНТ.

В первой главе проводится анализ состояния работ в области создания интеллектуальных обучающих систем, дается их классификация. Рассматриваются архитектура ИОС, функциональное назначение ее компонент. Проводится анализ существующих ИОС, определяются их недостатки и нерешенные проблемы. Проводится анализ проблем в области контроля знаний. Ставятся цели и задачи диссертационной работы. В качестве разрабатываемой выбирается система управляющего типа.

Во второй главе разрабатываются структура интеллектуальной контролирующей системы и функциональное назначение ее компонент. Рассматриваются модели обучаемого, предметной области и управления процессом контроля. Для представления знаний использовалась нечеткая сеть Петри. На основе разработанных моделей разработаны алгоритмы управления процессом контроля. Предложен алгоритм адаптации к уровню знаний обучаемых.

В третьей главе рассматриваются имеющиеся методы контроля знаний. Предложена методика построения нечеткой системы выставления оценки. Рассмотрена настройка данной системы с помощью генетического алгоритма. Рассмотрена задача автоматизированного проектирования контролирующих курсов. Определена структура и функции подсистемы приобретения знаний. Рассмотрена возможность увеличения числа вопросов за счет генерации условий.

В четвертой главе рассматриваются требования к программной реализации системы. Основные требования - выполнение всех функций управления контролем знаний; объективное выставление оценки; максимально удобный, «дружественный» интерфейс пользователей. Рассматриваются технические и программные средства для создания и функционирования интеллектуальной контролирующей системы и ее подсистем. Приведены результаты исследования работы интеллектуальной системы контроля знаний и результаты внедрения системы в учебный процесс.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Ивлева, Елена Владимировна

Выводы

1. Были определены требования к интеллектуальной системе контроля знаний и подсистеме приобретения знаний.

2. Выполнена программная реализация данной системы.

3. С помощью разработанных инструментальных программных средств был реализован автоматический контролирующий курс по теме «Логические основы ЭВМ» дисциплины «Вычислительная техника и информационные технологии».

4. Были проведены эксперименты по использованию разработанных алгоритмов и методов, которые позволили сделать сравнительный анализ работы алгоритмов и дать рекомендации по их использованию. Проанализирована работа подсистемы выставления оценки.

5. Полученные в результате контроля данные показали эффективность применения на практике разработанных алгоритмов и программных средств контроля знаний.

ЗАКЛЮЧЕНИЕ

Данная диссертационная работа содержит теоретические и экспериментальные исследования, направленные на разработку моделей, алгоритмов и инструментальных средств управления и проведения процесса контроля знаний с учетом нечеткости, неопределенности и субъективности данных о предметной области курса и о результатах контроля знаний обучаемых.

В диссертационной работе рассмотрены и решены следующие вопросы.

1. В качестве разрабатываемой выбрана ИОС управляющего типа, так как именно эти системы способны адаптивно управлять процессом контроля. Определены архитектура интеллектуальной системы контроля знаний и функциональное назначение ее компонент. Для моделирования процесса контроля используются нечеткие модифицированные сети Петри [44, 56, 66, 76].

2. На основе используемой модели представления знаний разработаны два алгоритма управления контролем. Первый алгоритм не использует моделирующие свойства сети Петри. Сеть служит только для представления логики курса. Второй алгоритм использует сеть Петри для управления процессом контроля. Программа опрашивает обучаемых до тех пор, пока не выяснит меру знания им каждого понятия каждой темы. Для предотвращения «зацикливания» программы предусмотрена адаптация к индивидуальным особенностям обучаемого.

3. Для выставления оценки предложено использовать методы искусственного интеллекта, которые позволяют при построении математической модели оценки качества знаний использовать логику рассуждений квалифицированных преподавателей, принимающих оценочные решения.

4. Разработан алгоритм построения нечеткой экспертной системы.

5. Определены критерии выставления оценки и параметры грубых функций принадлежности.

6. Разработан алгоритм принятия решения об оценке знаний обучаемых, учитывающий нечеткость знаний об уровне подготовки обучаемых.

8. Для настройки нечеткой системы выставления оценок предложено использовать генетический алгоритм. Применение данного метода поиска оптимального решения позволяет избежать трудностей, связанных с проблемой локального экстремума и «проклятия размерности». Выбор генетического алгоритма обусловлен тем, что эволюционные операции генетических алгоритмов позволяют эффективно отыскивать глобальный оптимум функции многих переменных (в данной диссертационной работе оптимизируется 70 переменных). Кроме того, ГА не имеет значительных математических требований к видам целевых функций и ограничений. Исследователь не должен упрощать модель объекта, теряя ее адекватность, и искусственно добиваясь возможности применения доступных математических методов.

9. Выполнена программная реализация данной системы. С помощью разработанных инструментальных программных средств был реализован автоматический контролирующий курс по теме «Логические основы ЭВМ» дисциплины «Вычислительная техника и информационные технологии».

10. Были проведены эксперименты по использованию разработанных алгоритмов и методов, которые позволили сделать сравнительный анализ работы алгоритмов и дать рекомендации по их использованию. Проанализирована работа подсистемы выставления оценки.

11. Полученные в результате контроля данные показали эффективность применения на практике разработанных алгоритмов и программных средств контроля знаний.

Разработанный с помощью данных алгоритмов и инструментальных программных средств контролирующий курс используются при проведении занятий по дисциплине «Вычислительная техника».

Разработанные алгоритмы и инструментальные программные средства управления процессом контроля внедрены в НИР «Исследование возможностей современных компьютерных технологий и инструментальных средств для проведения лабораторных работ по дисциплине «ВТ и ИТ», шифр «Средства», выполненной на кафедре «Автоматизированных систем управления войсками и связи» Рязанского филиала Военного университета связи.

Разработанное программное обеспечение зарегистрировано в Российском агентстве по патентам и товарным знакам. Свидетельство об официальной регистрации и акты реализации результатов диссертационной работы приведены в приложении 4.

Список литературы диссертационного исследования кандидат технических наук Ивлева, Елена Владимировна, 2004 год

1. Аверкин А.Н. Нечеткие множества в моделях искусственного интеллекта //Вопросы кибернетики. Проблемы искусственного интеллекта. -М.: ВИНИТИ, 1980. С. 79-86.

2. Агапов О.И., Кривошеев А.О., Ушаков А.С. О трех поколениях компьютерных технологий обучения // Информатика и образование. 1994. №2. С. 34-40.

3. Андреев А.Н. Разработка универсальной оболочки для компьютерной обучающей системы. Измерительная техника. 2001. №9. С. 67-68.

4. Архангельский А.Я. Программирование в Delphi 5 2-е изд., перераб. и дополн. М.: ЗАО «Издательство БИНОМ», 2000 г. 1072 е.: ил.

5. Башкатова Ю.В. О принципах построения автоматизированных обучающих систем. // Педагогическая информатика. 2001. №1. С. 49-52.

6. Беспалько В.П. Стандартизация образования: Основные идеи и понятия. //Педагогика. 1993. №5. С. 18-25.

7. Брусиловский П.Л. Информационное ядро экспертно-обучающих систем. // Разработка и применение экспертно-обучающих систем: Сб. науч. тр. -М.: НИИВШ, 1989. С. 18-25.

8. Брусиловский П.Л. Модели предметной области и обучаемого для управления обучением // Методы и средства кибернетики в управлении учебным процессом /В.Ш. Рига, Рижский политех., 1989. вып. 5.

9. Брусиловский П.Л. Построение и использование моделей обучаемого в ИОС //Техническая кибернетика. Известия РАН. 1992. №5. С. 97-11.

10. Брусиловский П.Л., Зырянов М.И. Интеллектуальная учебная среда «Остров» // Сб. трудов 3-й конф. По искусственному интеллекту, Тверь, 1992. т.2. С. 33-35.

11. П.Васильев В.Н., Стафеев С.К. Единая система компьютерного тестирования: состояние и перспективы. // Открытое образование. 2002. №2. С. 4255.

12. Вентцель Е.С. Теория вероятности. М.: Наука, 1964, 576 с.

13. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петраше С.Н., Сергеев С.А. Харьков: Основа, 1997. 212 с.

14. Гиркин И.В. Новые подходы к организации учебного процесса с использованием современных компьютерных технологий. II Информационные технологии. 1998. №6. С. 44-47.

15. Головишников К.В. Компьютерная реализация информационно-педагогической модели тестирования в школе. // Педагогическая информатика. 2001. №2. С. 31-35.

16. Гофман В.Э. Хомоненко А.Д. Работа с базами данных в Delphi. СПб.: . БХВ-Петербург, 2001. 656 с.

17. Дегтярева Т.Д., Спешилова Н.В. Информационные технология организации педагогического контроля в ВУЗах // Компьютерные учебные программы и инновации. 2002. №2(6). С. 60-68.

18. Демушкин А.С., Кириллов А.И., Сливина Н.А„ Чубров Е.В., Кривощеев А.О., Фомин С.С. Компьютерные обучающие программы //Информатика и образование. 1994. №3. С. 15-22.

19. Дмитренко В. Дистанционное образование кому это надо? // Компьютер пресс. 1999. № 9. С. 20-22.

20. Ежова Т.В. Программный инструментарий педагога средство повышения эффективности компьютерных программ учебного назначения в компьютерных технологиях обучения. // Компьютерные учебные программы и инновации. 2002. №4(8). С. 67-74.

21. Епанешников A.M. Епанешников В.A. DELPHI. Проектирование СУБД. М.: ДИАЛОГ-МИФИ, 2001. 528 с.

22. Загидуллин P.P., Зориктуев В.Ц. Концептуальные вопросы дистанционного образования. // Информационные технологии. 1999. №5. С. 33-36.

23. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 167 с.

24. Зайцева JI.B. Оценка знаний обучаемых в АОС. //Методы и средства кибернетики в управлении учебным процессом высшей школе: Сб. науч. тр. Рига: Риж.политехн.ин-т, 1987. вып. 3. С. 86-92.

25. Ибрагимов О.В. Инструментальная экспертная система, основанная на байесовом методе принятия решений. // Разработка и применение экс-пертно-обучающих систем: Сб. науч. тр. М.: НИИВШ, 1989. С. 94-103.

26. Ивлева Е.В. Использование компьютерных технологий в обучении // ВМИРЭ им. А.С. Попова, Петродворец, 10 межвузовская научнотехническая конференция «Военная радиоэлектроника: опыт использования и проблемы, подготовка специалистов», 1999. С. 97.

27. Ивлева Е.В. Модели обучаемого //Сборник научных трудов. Вып. 13. Военный автомобильный институт. Рязань, 2002. С. 99-107.

28. Ивлева Е.В. Применение новых информационных технологий в образовании // ВМИРЭ им. А.С. Попова, Петродворец, 11 межвузовская научно-техническая конференция «Военная радиоэлектроника: опыт использования и проблемы, подготовка специалистов», 2000. С. 131.

29. Ивлева Е.В., Ивлева JI.A., Курашин В.Н. Обучающие и контролирующие программы по математике в высшем военном учебном заведении // Труды 27 научно-практической конференции. Рязань, РФВУС, 2000. С. 87-90.

30. Ивлева Е. В. Нечеткая экспертная система выставления оценок // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Материалы 12 межд. научн.-техн. конф. Рязань: РГРТА, 2.

31. Колос В.В. Методы параметрического представления методики обучения в адаптивных обучающих системах // Управляющие системы и машины, 1994. №3. С. 48-54.

32. Колос В.В. Разработка и реализация семейства интеллектуальных обучающих систем на основе учебных структур данных. // Техническая кибернетика. Известия РАН, 1993. №2. С. 190-198.

33. Колос В.В., Кудрявцева С.П. ПАЛЕВАС/И: технология создания адаптивных обучающих систем. // Управляющие системы и машины. 1995. №3. С.46-51.

34. Коротеева Е., Беляев А. Обучение, компьютеры, Internet. // Компьютер Пресс. 1997. №9. С. 56-59.

35. Котов B.C. Сети Петри. М.: Наука, 1990. 325 с.

36. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с.

37. Кречетников К.Г. Организационные аспекты использования информационных технологий в ВУЗе. // Компьютерные учебные программы и инновации. 2003. №2. С. 64-71.

38. Кривошеев А.О. Проблема развития компьютерных обучающих программ //Высшее образование в России. 1994. №3. С. 12-20.

39. Кривошеев А.О. Разработка и использование компьютерных обучающих программ//Информационные технологии. 1996 г. №2. С. 14-18.

40. Крыжановский Г.А., Санников В.А. Организация процедуры управления и контроля в обучающей системе. // Методы и средства кибернетики в управлении учебным процессом высшей школе: Сб. науч. тр. Рига: Риж.политехн.ин-т, 1987. вып. 4. С.38-44.

41. Курашин В.Н., Ивлева Е. В., Ивлева Л.А. НИР «Составление обучающих и контролирующих программ по курсу математики». Шифр «Урок». РФВУС, Рязань. 2001. 71 с.

42. Курашин В.Н., Ивлева Е. В., Ивлева JI.A. НИР «Составление обучающих и контролирующих программ по курсу математики». Шифр «Урок1». РФВУС, Рязань. 2002. 29 с.

43. Курашин В.Н., Ивлева Е. В., Ивлева JI.A. НИР «Составление обучающих и контролирующих программ по курсу математики». Шифр «Урок2». РФВУС, Рязань, 2003 . 122 с.

44. Леннон Д., Маурер Г. Применение систем мультимедиа. // Программирование. 1995. №3. С. 17-34.

45. Лескин А.А., Мальцев П.А., Спиридонов A.M. Сети Петри в моделировании и управлении. Л.: Наука, 1989. 133 с.

46. Лобанов Ю.И. Структура рефлексивного автоматизированного учебного курса. // Исследование и применение автоматизированных обучающих систем в учебном процессе. Сборник научных трудов. М.: НИИВШ, 1985. С. 27-38.

47. Лобанов Ю.И., Брусиловский П.Л., Съедин В.В. Экспертно-обучающие системы. М. НИИВШ, 1991. 56 с. (Новые информационные технологии в образовании: обзор, информ. /НИИВО; Вып. 2).

48. Машбиц Е.И. Психолого-педагогические проблемы компьютеризации обучения. М.: Педагогика, 1989. 333 с.

49. Молибог А.Г. Вопросы научной организации педагогического труда в высшей школе. М.: Высшая школа, 1971. 396 с.

50. Немного истории. // Компьютер-Пресс. 1999. №9. CD-ROM.

51. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука. 1986. 312 с.

52. Никичкин Б. В., Цуканова Н.И. Управление процессом обучения с использованием нечетких сетей Петри // «Микросистема-93»: Тезисы докладов научно-техн. конф., Москва, МГИЭМ, 1993. С. 8-11.

53. Никичкин Б.В. Разработка и исследование интеллектуальных обучающих систем на основе нечетких сетей Петри. Диссертационная работа на соискание ученой степени канд. техн. наук. 214 с.

54. Никичкин Б.В., Цуканова Н. И. Представление знаний сетями Петри в обучающей системе // Обработка и передача данных в информационно-вычислительных сетях; Межвузовский сб. науч. тр. Рязань, РРТИ, 1992. С. 97-106.

55. Новицкий Л.П. Структура экспертной обучающей системы. // Методы и средства кибернетики в управлении учебным процессом высшей школе: Сб. науч. тр. Рига: Риж.политехн.ин-т, 1987. вып. 4. С. 26-37.

56. Новичков B.C. Подход к оцениванию качества знаний. // Методы обучения и организации учебного процесса в вузе: Труды IX научно-методической конференции РГРТА / Рязан. гос. радиотехн. акад.: Рязань, 1999. С. 42-44.

57. Российские образовательные CD-ROM: сегодня и вчера. // КомпьютерПресс. 1998. №9. С. 74-93.

58. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989. 293 е., ил.

59. Петрушин В.А. Архитектура экспертно-обучающих систем // Разработка и применение экспертно-обучающих систем: Сб. науч. тр. М.: НИИВШ, 1989. С. 7-18.

60. Петрушин В.А. Интеллектуальные обучающие системы. Архитектура и методы реализации //Техническая кибернетика. Известия РАН. 1993. № 2. С. 164-189.

61. Питерсон Дж. Теория сетей Петри и моделирование систем: Пер. с англ. М.: Мир, 1984. 264с., ил.

62. Потопахин В.В. О технологиях разработки системы автоматизированного контроля знаний. // Компьютерные учебные программы и инновации. 2002. №1(5). С. 52-57.

63. Представление и использование знаний: пер. с япон. / Под ред. X. Уэно,• М. Исидзука. М.: Мир, 1989. 220 е., ил.

64. Прикладные программные средства для решения организационно-экономических задач в системе образования. // Компьютерные учебные программы и инновации. 2003. №1. С. 7-16.

65. Прохоров А. Новинки крупномасштабных медиа-проектов. // КомпьютерПресс. 2002. №4. С. 186-188.

66. Растригин JI.A. Обучение как управление -// Методы и средства кибернетики в управлении учебным процессом высшей школе: Сб. науч. тр. j Рига: Риж.политехн.ин-т, 1987.- вып. 1, 216 с. С. 16-36.

67. Растригин JI.A. Адаптивные компьютерные системы. М.: Знание, 1987. 64 с. (Новое в жизни, науке, технике. Сер. "Радиоэлектроника и связь"; № 10).

68. Растригин JI.A., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. Рига: Зинатне, 1988. 160 с.

69. Ретинская И. В. Шугрина М.В. Характеристики качества инструментальных систем для создания компьютерных обучающих программ. //Информатика и образование. 1994. №5. С. 69-77.

70. Ретинская И.В. Отечественные системы для создания компьютерныхучебных курсов // Мир ПК. 1993. №7. С. 55-60.

71. Ротштейн А.П. , Кательников Д.И. Идентификация нелинейных объектов нечеткими базами знаний // Кибернетика и системный анализ. 1998. №5. С. 53-61.

72. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети. Винница: «УШВЕРСУМ-Вшниця», 1999. 320 с.

73. Савельев А.Я, Новиков В.А., Лобанов Ю.И. Подготовка информации для автоматизированных обучающих систем. Метод, пособие для преподавателей и студентов вузов / Под ред. А.Я. Савельева. М.: Высшая школа. 1986. 176 е., ил.

74. Савельев А.Я., Токарева B.C., Кольцова Н.Е. Представление учебной информации в ЭОС // Разработка и применение экспертно-обучающих систем: Сб. науч. тр. М.: НИИВШ, 1989, С. 29-36.

75. Савин К. А. Роль компьютерного тестирования в повышении качества обучения. // Стандарты и качество. 2000. №10. С. 107-109.

76. Садовничий В.А. Компьютерная система проверки знаний студентов // Высшее образование в России. №3. 1994. С. 20-26.

77. Саранцев Г.И. Теория, методика и технология обучения. // Педагогика. 1999. №1. С. 19-23.

78. Свидетельство об официальной регистрации программ для ЭВМ № 2002611150. Зарегистрировано в Реестре программ для ЭВМ 10.07.2002. Авторы: Ивлева Е.В., Трушин А.С. Программа для ЭВМ. Изучение логических схем.

79. Свидетельство об официальной регистрации программ для ЭВМ №2003612097. Зарегистрировано в Реестре программ для ЭВМ 08.09.2003. Автор: Ивлева Е.В. Программа для ЭВМ. Программа контроля знаний.

80. Свидетельство об официальной регистрации программ для ЭВМ №2003612098. Зарегистрировано в Реестре программ для ЭВМ 08.09.2003. Автор: Ивлева Е.В. Программа для ЭВМ. Создание контролирующих курсов.

81. Свиридов А.П. Основы статической теории обучения и контроля знаний: Метод. Пособие. М.:Высш. Школа, 1981. 262 е., ил.

82. Скиннер В.Ф. Наука об учении и искусство обучения. // Программированное обучение за рубежом. М., 1958. С. 32-45.

83. Старов М.И., Чванов М.В., Вислобокова М.В. Психолого-педагогические аспекты дистанционного образования. // Педагогическая информатика. 1999. №1. С. 38-45.

84. Съедин В.В. Задачи планирования в ЭОС // Разработка и применение экспертно-обучающих систем: Сб. науч. тр. М.: НИИВШ, 1989, С. 37-42.

85. Талызина Н.Ф. Управление процессом усвоения знаний. М.: издательство МГУ, 1975. 344 с.

86. Терещенко Л.Я. , Панов В.П., Майоркин С.Г. Управление обучением с помощью ЭВМ. / Л.: Изд-во Ленингр. ун-та, 1981, 168 с. Ил. 31, табл. -19, библиогр. - 81 назв.

87. Тестовый контроль знаний. Проблемы педагогического тестирования. -Научно-методические материалы. Москва: Издание ВИУ, 1999. 29 с.

88. Толковый словарь по искусственному интеллекту / авторы-составители А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов М.: Радио и связь, 1992. 256 с: ил.

89. Усков В.Л., Ускова М. Дистанционное образование: организационные, технологические и финансовые аспекты. // Информационные технологии. 1999. №1. С. 31-37.

90. Федосенко М.Ю. Выбор средств представления знаний в экспертно-обучающей системе // Разработка и применение экспертно-обучающих систем: Сб. науч. тр. М.: НИИВШ, 1989. С. 43-54.

91. Швец В., Бурляев В., Ралеев Н. Экспертно-обучающие системы. // Высшее образование в России. 1997. №2. С. 108-113.

92. Щеглов Н.Н., Богомолов А.В., Печатнов Ю.А. Интенсификация разработки автоматизированной системы обучения на основе нейросетевых технологий. // Информационные технологии. 2003. №4. С. 31-36.

93. Экспертно-обучающие системы. М.: НИИВШ, 1991. 52 с. (Обзор. Инф./ НИИ пробл. Высш. Школы. Сер. «Средства обучения в высш. и сред, спец школе»: вып. 2).

94. Экспертные системы. М.: Знание, 1990. 48 с. (Новое в жизни, науке, технике. Сер. "Вычислительная техника и ее применение"; № 10).

95. Экспертные системы. Принципы работы и примеры: Пер. с англ./ А.Брукинг, П. Джонс, Ф. Кокс и др.: Под ред. Р Форсайта. М.: Радио и связь, 1987. 224 е.: ил.

96. Элти Ж., Кумбс М. Экспертные системы: концепции и примеры. /Пер. с англ. и предисл. Б.И. Шитикова. М.: Финансы и статистика, 1987. 191 е.: ил.

97. Atapov G.A. Моделирование учебной предметной области или предметная модель обучаемого. // Educational Technology & Society. 2001. №4(1) . С. 111-121.

98. Bennet F. Education & Future. // Educational Technology & Society. 1999. V2(l). P.57-60. Англ.

99. Brusilovsky P., Karagiannidis С and Sampson D. A Case for layered Evalu-tion of adaptive Application of Adaptive Application and Services. Submitted for Publication, 2000.

100. Chen S.M. An Improved Algorithm for inexact reasoning based on extended fuzzy production rules //Cybernetics & Systems. 1992. v. 23. №5. P.463-481. Англ.

101. Gen M., Cheng R. Genetic Algorithms and Engineering design. John Wiley & Sons, 1997. 352 p. Англ.

102. Gilbert J. and Han C. Adapting Instruction in Search of 'A Significant Difference' //Journal of Network and Computing Applications. 1999. 22(3). P. 149-160.

103. Hauph R., Hauph S. Practical Genetic Algorithms. John Wiley & Sons. 1998. 177 p. Англ.

104. Kardel A Fuzzy Expert System. CRC Press, Boca-Raton, FL, 1992. 314 p.

105. Kasprzyk J. Multistage Fuzzy Control: A model-based approach to fuzzy control and decision making. John Wiley & Sons, 1997. 327 p. Англ.

106. Kent T. & McMergney R. Will Technology Really Change Education: From Blackboard to Web? Thousand Oaks, CA: Corwin Press, 1999. 204 p.

107. Nauck D., Klawonn F., Kruse R. Foundation of Neuro-Fuzzy Systems. John Wiley & Sons, 1997. 305 p. Англ.

108. Rotshtein A.P., Kafelnikov D.I. Tuning of Fuzzy Rules for Nonlinear Objects j-L1.entification with Discreet and Continuous Output. EUFIT'98 6 European

109. Congress of Intelligent Techniques and Soft Computing in Aachen, Germany, 1998. P. 929-934. Англ.

110. Schneider M., Kandel A., Langholz G., Chew G. Fuzzy Expert System Tools. John Wiley & Sons. 1996. 198 p. Англ.

111. Shute V. and Psotka J. Intelligent Tutoring Systems: Past, Present and Future. In Jonassen D(Ed) Handbook of Research for Educational Communications and Technology, New York, MacMillan Publishers. 1996. P 570-600.

112. Tang K.S., Man K.F., Known S. and Q. He Genetic Algorithms and their Applications // IEEE Signal Processing Magazine. 1996. Nov. P. 22-36. Англ.