Адаптивний контроль знань в системах дистанційного навчання.
Модуль оцінки складності завдань на основі параметричної моделі Раша

Тип работы:
Дипломная
Предмет:
Программирование


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Міністерство освіти і науки України

Криворізький інститут

Кременчуцького університету економіки, інформаційних технологій і управління

Кафедра технічної кібернетики

ДИПЛОМНА РОБОТА

зі спеціальності

7. 91 402 «Гнучкі комп’ютеризовані системи та робототехніка»

Адаптивний контроль знань в системах дистанційного навчання. Модуль оцінки складності завдань на основі параметричної моделі Раша

Студента групи ГКС-05-д

Дадашової Гюнель Рафік кизи

Керівник роботи доц., к.т.н.

Моня Григорій Михайлович

Кривий Ріг

2010

ЗАВДАННЯ

на дипломну роботу студента

Дадашової Гюнель Рафік кизи

1. Тема роботи: Адаптивний контроль знань в системах дистанційного навчання. Модуль оцінки складності завдань на основі параметричної моделі Раша, затверджена наказом по інституту від «29 «жовтня 2009 р. № 73С-01

2. Термін здачі студентом закінченої роботи 25. 05. 10

3. Вхідні дані до роботи: Вимоги до кінцевого програмного продукту, вихідні масиви даних, матеріали наукових досліджень, математична модель системи.

4. Зміст розрахунково-пояснювальної записки (перелік питань, що підлягають розробці): Постановка завдання, Загальна характеристика та основні напрями розвитку систем дистанційного навчання; Моделі та методи контролю знань в автоматизованій системі управління навчальним процесом; Принципи роботи і структура Web-додатків на основі технології ASP. NET; Опис функціональних можливостей та програмної реалізації проектованої системи; Економічне обґрунтування доцільності розробки програмного продукту; Охорона праці.

5. Перелік графічного матеріалу (з точними вказівками обов’язкових креслень)

1. Схема архітектури Web-додатку

2. Схема взаємозв'язку Web-додатку з клієнтом

3. Співвідношення між адаптивними і інтелектуальними освітніми системами

4. Схема процесів управління навчальною діяльністю

5. Структура засобів діагностики якості вищої освіти

6. Логіко-функціональна схема роботи системи

7. Структурна схема зв’язку таблиць БД

8. Приклади Web-інтерфейсу користувача системи

6. Консультанти з роботи, з вказівками розділів роботи, що належать до них

Розділ

Консультант

Підпис, дата

Завдання видав

Завдання прийняв

Спеціальна частина

Лукашенко Й.М.

Програмна частина

Вдовиченко І.Н.

Економічна частина

Тимко Є.В.

Охорона праці

Климович Г. Б.

7. Дата видачі завдання 01. 11. 09 р.

Керівник

Завдання прийняв до виконання

КАЛЕНДАРНИЙ ПЛАН

№ п/п

Найменування етапів дипломної роботи

Термін виконання етапів роботи

Примітки

Отримання завдання на дипломну роботу

01. 11. 09

Огляд існуючих рішень

20. 02. 10

1.

Теоретичне дослідження особливостей проектування систем дистанційного навчання

13. 03. 10

2.

Програмна частина (постановка задачі, створення програмного забезпечення, опис алгоритму рішення задачі, проектування та опис інтерфейсу користувача, опис програми)

28. 04. 10

3.

Оформлення пояснювальної записки

06. 05. 10

4.

Оформлення графічної документації

14. 05. 10

5.

Оформлення електронних додатків до диплому

20. 05. 10

6.

Представлення дипломної роботи до захисту

25. 05. 10

Студент-дипломник

Керівник роботи

АНОТАЦІЯ

Метою даної комплексної дипломної роботи є розгляд особливостей побудови та програмної реалізації адаптивного контролю знань в системах дистанційного навчання. Розроблений модуль призначений для автоматизації оцінки складності завдань на основі параметричної моделі Раша та статистичного аналізу отриманих результатів.

Система реалізована в середовищі Microsoft Visual Studio 2008 на мові C# з використанням новітньої технології ASP. NET.

Розділів 7, схем та рисунків 18, таблиць 13, бібліографічних посилань 30, загальний обсяг — 111.

АННОТАЦИЯ

Целью данной комплексной дипломной работы является рассмотрение особенностей построения и программной реализации адаптивного контроля знаний в системах дистанционного обучения. Разработанный модуль предназначен для автоматизации оценки сложности заданий на основе параметрической модели Раша и статистического анализа полученных результатов.

Система реализована в среде Microsoft Visual Studio 2008 на языке C# с использованием новейшей технологии ASP. NET.

Разделов 7, схем и рисунков 18, таблиц 13, библиографических ссылок 30, общий объем — 111.

THE SUMMARY

The purpose of this complex diploma work is сonsideration of construction and programmatic realization features of adaptive knowledges control in the distance departmental teaching. The developed module is intended for automation of tasks complication estimation on the basis of self-reactance model Раша and statistical analysis of the got results.

The system is developed with Microsoft Visual Studio 2008 integrated development environment in C# with the use of the newest technology of ASP. NET.

Sections 7, circuits and figures 18, tables 13, bibliographic references 30, total amount — 111.

ЗМІСТ

  • ВСТУП 9
  • 1. ПОСТАНОВКА ЗАВДАННЯ 11
    • 1.1 Найменування та галузь застосування 11
    • 1.2 Підстава для створення 11
    • 1.3 Характеристика розробленого програмного забезпечення 11
    • 1.4 Мета й призначення 12
    • 1.5 Загальні вимоги до розробки 12
    • 1.6 Джерела розробки 12
  • 2. ЗАГАЛЬНА ХАРАКТЕРИСТИКА ТА ОСНОВНІ НАПРЯМИ РОЗВИ-ТКУ СИСТЕМ ДИСТАНЦІЙНОГО НАВЧАННЯ 13
    • 2.1 Призначення і основні характеристики адаптивних інтелектуальних си-стем 13
    • 2.2 Проблеми створення гіпертекстового навчаючого середовища 22
  • 3. МОДЕЛІ ТА МЕТОДИ КОНТРОЛЮ ЗНАНЬ В АВТОМАТИЗОВА-НІЙ СИСТЕМІ УПРАВЛІННЯ НАВЧАЛЬНИМ ПРОЦЕСОМ 24
    • 3.1 Системи знань у завданнях управління складними об'єктами і про-цесами 24
    • 3.2 Формалізація вимог стандартів навчання 25
    • 3.3 Аналіз основних моделей представлення знань 34
    • 3.4 Характеристика адаптивного навчання 39
    • 3.5 Класифікація методів і засобів адаптивного навчання 40
    • 3.6 Сфера використання адаптивного навчання 44
    • 3.7 Порівняльна характеристика деяких підходів до комп’ютерного тесту-вання 47
  • 4. ПРИНЦИПИ РОБОТИ І СТРУКТУРА WEB-ДОДАТКІВ НА ОСНОВІ ТЕХНОЛОГІЇ ASP. NET 49
    • 4.1 Архітектура Web-додатків 49
    • 4.2 Опис архітектури ASP. NET і. NET Framework 51
  • 5. ОПИС ФУНКЦІОНАЛЬНИХ МОЖЛИВОСТЕЙ ТА ПРОГРАМНОЇ РЕАЛІЗАЦІЇ ПРОЕКТОВАНОЇ СИСТЕМИ 58
    • 5.1 Функціональне призначення та технологічні особливості розробки 58
    • 5.2 Логіко-функціональна схема роботи системи 59
    • 5.3 Математична модель оцінки рівня складності завдання 60
    • 5.4 Опис моделі і структури таблиць бази даних 64
    • 5.5 Інтерфейс користувача проектованої системи 71
    • 5.6 Опис основних процедур і функцій 75
  • 6 ЕКОНОМІЧНЕ ОБҐРУНТУВАННЯ ДОЦІЛЬНОСТІ РОЗРОБКИ ПРОГРАМНОГО ПРОДУКТУ 100
  • 7. ОХОРОНА ПРАЦІ 111
    • 7.1 Аналіз небезпечних та шкідливих факторів на робочому місці 112
    • 7.2 Заходи щодо нормалізації шкідливих та небезпечних факторів 115
    • 7.3 Пожежна безпека 120
  • ВИСНОВКИ 122
  • СПИСОК ЛІТЕРАТУРИ

ВСТУП

дистанційне навчання програма тест

За останні роки в усьому світі в системах освіти відбулися істотні структурні зміни, зумовлені розвитком Інтернет та його зростаючим впливом на всі сторони діяльності суспільства. Основну роль в удосконаленні системи освіти, без сумніву, будуть мати нові інформаційні технології і, в першу чергу, дистанційні засоби навчання. На сьогодні у світі накопичено значний досвід реалізації систем дистанційного навчання. Вони використовують комп’ютерні мережі, системи безпосереднього телевізійного мовлення та сучасні телекомунікаційні технології.

Але системи дистанційного навчання ще не знайшли достатнього поширення в Україні. Отже, важливо забезпечити постійну освіту і, що найголовніше, — ефективний контроль знань. Тому в останні роки підвищена увага приділяється методикам дистанційного навчання й контролю знань. Комп’ютерні системи контролю знань достатньо ефективні і дозволяють не тільки забезпечити державну перевірку якості знань, але й забезпечити основу самовдосконалення. Тому ретельне вивчення принципів, логіки, технологій і валідності дистанційного навчання і контролю знань, дослідження ефективності систем дистанційного навчання і контролю знань є актуальною і важливою проблемою, яка потребує свого вирішення.

Проблему адаптації учбового матеріалу можна розглядати двояко: адаптивне представлення матеріалу, що залежить від рівня знань учня і адаптивна навігація по учбовому курсу в залежності від конкретних цілей користувача і від самого поточного процесу навчання. Для цього в будь-якому адаптивним учбовому ресурсі повинні бути представлені дві головні складові - це база знань предметної області учбового курсу і механізм моделювання учня в системі.

З розвитком освітніх систем все більше уваги приділяється контролю знань тих, хто навчається за допомогою тестування. В сучасних навчальних системах тест повинен бути індивідуалізований. Тобто, він повинен мати певну довжину, а для всіх його завдань, апробованих емпірично, необхідно однозначно знати їх складність. Так виникає одне із головних питань теорії тестів — питання побудови оптимального тесту.

Сучасне тестування являє собою комплекс стандартизованих методів вимірювання тих латентних (тобто недоступних для безпосереднього спостереження) параметрів людини, які визначають її рівень підготовки і відповідність освітнім стандартам у конкретній області знань. При цьому широко використовуються математичні методи планування й обробки результатів тестування, а також сучасні технології обробки інформації. Об'єктивний контроль знань, вмінь і навичок — одне із актуальних завдань нашого часу. Його вдається виконати при критеріально-орієнтованій інтерпретації тестування. Критеріально-орієнтоване тестування призначене не тільки для оцінювання рівня знань, а й для визначення рівня індивідуальних досягнень відносно певного критерію на підставі логіко-функціонального аналізу змісту завдань.

Тому, враховуючи індивідуалізацію навчання, конструювання критеріально-орієнтованих тестів є одним із провідних та найактуальніших напрямків розвитку теорії тестів.

В дослідницькій частині дипломної роботи розглянуто можливості статистичних методів аналізу результатів тестування, представлено найпростіші та необхідні процедури статистичної обробки результатів тестування знань і методи оцінки якості тесту. Також розглянуто підхід до конструювання тестів, представлений у сучасній теорії тестування на основі математичної теорії параметричної оцінки тестових завдань на базі моделі Раша. Відмінною особливістю розробки є максимальна адаптація розробленої системи до дистанційного навчання. Саме тому для практичного втілення системи була застосована новітня технологія ASP. NET.

ASP. NET -- це технологія створення веб-додатків і веб-сервісів, яка є складовою частиною платформи Microsoft. NET. Це дозволяє використовувати всі нові можливості, що надаються цією платформою.

1. ПОСТАНОВКА ЗАВДАННЯ

1.1 Найменування та галузь застосування

Найменування розробки: Адаптивна система контролю знань в системах дистанційного навчання.

Розроблений модуль призначений для автоматизації оцінки складності завдань на основі параметричної моделі Раша та статистичного аналізу отриманих результатів.

1.2 Підстава для створення

Підставою для розробки є наказ № 73С-01 від 29 жовтня 2009 р. по Криворізькому інституту КУЕІТУ.

Початок робіт: 01. 11. 09. Закінчення робіт: 25. 05. 10.

1.3 Характеристика розробленого програмного забезпечення

Система була реалізована в середовищі Microsoft Visual Studio 2008 на мові C# з використанням новітньої технології ASP. NET. База даних представлена у форматі SQLite.

До складу системи входять:

· AdminsSetting. aspx — файл сценарію управління базою даних;

· User. aspx — файл сценарію проведення тестування студентів;

· Graph. aspx — файл сценарію побудови графічних даних (статистика);

· Edu_tree. xml — структура курсу;

· Edubase. db3 — файл бази даних формату Sqlite;

· Style0. css, AdminStyle. css — дизайн сторінки.

1.4 Мета й призначення

Метою дипломної роботи є дослідження статистичних методів аналізу і обробки результатів тестування знань, а також методів оцінки якості тесту. Також розглянуто підхід до конструювання тестів, представлений у сучасній теорії тестування на основі математичної теорії параметричної оцінки тестових завдань на базі моделі Раша.

1.5 Загальні вимоги до розробки

Вимоги до програмного забезпечення:

· Робота в середовищі операційних систем Windows 2000/XP;

· Простота й зрозумілість інтерфейсу.

Мінімальні вимоги до апаратного забезпечення:

· IBM-сумісний комп’ютер, не нижче Pentium IІ, RAM-128Mb, SVGA-800*600*16bit;

· Вільний простір на жорсткому диску не менш 800 Мб.

· Додаткове програмне забезпечення: IIS-сервер з підтримкою SSL, а також платформа Microsoft. NET Framework 2.0.

1.6 Джерела розробки

Джерелами розробки дипломної роботи є:

· довідкова література;

· наукова література;

· технічна література;

· програмна документація.

2. ЗАГАЛЬНА ХАРАКТЕРИСТИКА ТА ОСНОВНІ НАПРЯМИ РОЗВИТКУ СИСТЕМ ДИСТАНЦІЙНОГО НАВЧАННЯ

2.1 Призначення і основні характеристики адаптивних інтелектуальних систем

Адаптивні і інтелектуальні освітні Інтернет-системи (АІОІС, англ. Adaptive and intelligent Web-based educational systems — AIWBES) надають альтернативу для традиційного підходу «просто виклади це в Інтернет» в розробці освітнього програмного забезпечення. АІОІС намагаються бути більш адаптивними за допомогою побудови моделі цілей, переваг та знань для кожного окремого студента, використовуючи цю модель на протязі взаємодії із студентом з метою пристосування до його потреб. Вони також намагаються бути більш інтелектуальними, об'єднуючи і виконуючи деяку діяльність, що традиційно виконується вчителем-людиною — наприклад, інструктування студентів, або перевірка їх неправильного розуміння. Перші інтелектуальні і адаптивні освітні системи для Інтернет були розроблені у 1995−1996 роках. З того часу було розроблено і представлено багато цікавих систем. Зацікавленість в забезпеченні дистанційного навчання через Інтернет сильно спонукала ці дослідницькі намагання. Дослідницьке товариство отримувало допомогу забезпеченням ряду конференцій, які об'єднали дослідників, що працюють над АІОІС, їм надали змогу вчитися один від одного і потім пропагувати ідеї цього дослідницького напрямку через он-лайнові праці конференції.

Тип розвинутих навчальних Інтернет-системи, про які іде мова, найчастіше називають адаптивні освітні Інтернет-системи, або інтелектуальні освітні Інтернет-системи. Ці терміни насправді не є синонімами. Говорячи про адаптивні системи ми акцентуємо, що ці системи намагаються бути різними для різних студентів і груп студентів завдяки додаванню до облікового запису інформації, що накопичується в індивідуальній або груповій моделі студентів.

Говорячи про інтелектуальні системи ми підкреслюємо, що такі системи застосовують технології з області штучного інтелекту (ШІ) щоб забезпечити користувачам навчальної Інтернет-системи ширшу і кращу підтримку. В той же час багато систем можуть бути класифіковані як інтелектуальні і адаптивні одночасно, значне число систем підпадають лише під одну, з цих категорій. Наприклад, багато інтелектуальних діагностичних систем, включаючи German Tutor є неадаптивними, тобто вони забезпечать ту ж оцінку у відповідь на той самий розв’язок проблеми, незалежно від минулого досвіду роботи студента із системою. З іншого ж боку велика кількість адаптивних гіпермедійних і адаптивних інформаційно-фільтруючих систем, таких як AHA (De Bra, & Calvi, 1998) або WebCOBALT (Mitsuhara, Ochi, Kanenishi, & Yano, 2002) використовують ефективні але дуже прості технології, які можуть бути віднесені до «інтелектуальних» з великою натяжкою. Перетин між адаптивними і інтелектуальними системами все ще великий (рис. 2. 1), межі між «інтелектуальними» і «неінтелектуальними» все ще не чіткі, і обидві групи без сумніву є предметом зацікавленості співтовариства області штучного інтелекту в освіті.

Рис. 2.1 Співвідношення між адаптивними і інтелектуальними освітніми системами (ОС)

Існуючі АІОІС дуже різноманітні. Вони надають різні види підтримки як для студентів, так і для вчителів, задіяних в процесі Інтернет-навчання. Щоб допомогти зрозуміти це розмаїття систем та ідей, пропонується зосередитися на адаптивних і інтелектуальних технологіях. Під адаптивними і інтелектуальними технологіями ми маємо на увазі різні по суті шляхи додавання адаптивної і інтелектуальної функціональності у навчальну систему. Технологія як правило може бути надалі розкладена на структурно менші техніки і методи, які відповідають різним варіантам цієї функціональності і різним шляхам її реалізації.

Огляд визначив п’ять головних технологій, що використовуються в АІОІС (рис. 2.2). Ці технології мають прямі корені у двох дослідницьких областях, які добре розвинулись до ери Інтернету — Адаптивне гіпермедіа і Інтелектуальні навчаючі системи (ІНС). Так як їх застосування в контексті Інтернету було відносно простим, ці технології були першими, що з’явилися в АІОІС і вони можуть розглядатися як «класичні» АІОІС-технології. У відповідності до їх виникнення згруповані п’ять класичних технологій у Адаптивні технології гіпермедіа та Інтелектуальні технології навчання (рис. 2. 2). Огляд також визначає і групує деякі технології АІОІС у технології «породжені Інтернетом», що з’явилися в Інтернеті недавно і не мають прямих коренів у до-Інтернет навчальних системах.

Рис. 2.2 Класичні технології АІОІС і їх виникнення

Підрозділяємо оригінальну групу породжених Інтернетом технологій на три групи: адаптивна фільтрація інформації, інтелектуальний моніторинг класів і інтелектуальна підтримка співробітництва. П’ять результуючих груп технологій і областей їх виникнення показані на рис. 2.3. Таблиця 2.1. надає огляд цих п’яти груп технологій і простих систем для кожної з груп.

Рис. 2.3 П’ять груп сучасних технологій АІОІС

Таблиця 2. 1

Технології АІОІС, їх виникнення та системи-представники.

Джерела АІОІС-технологій

Технології

Приклади систем

Адаптивне гіпермедіа

Адаптивна підтримка навігації

Адаптивне подання

AHA (De Bra, et al., 1998)

InterBook (Brusilovsky, Eklund, & Schwarz, 1998)

KBS-Hyperbook (Henze, & Nejdl, 2001)

MetaLinks (Murray, 2003)

ActiveMath (Melis, et al., 2001)

ELM-ART (Weber, & Brusilovsky, 2001)

INSPIRE (Papanikolaou, Grigoriadou, Kornilakis, & Magoulas, Submitted)

Адаптивна фільтрація інформації

Фільтрація на основі вмісту

Сумісна фільтрація

MLTutor (Smith, & Blandford, 2003)

WebCOBALT (Mitsuhara, et al., 2002)

Інтелектуальний моніторинг класу (нагляд за класом)

HyperClassroom (Oda, Satoh, & Watanabe, 1998)

Інтелектуальне колективне навчання

Адаптивне формування груп і рівноправна (партнерська) допомога

Адаптивна підтримка співробітництва (тренери та наставники)

Віртуальні студенти

PhelpS (Greer, et al., 1998)

HabiPro (Vizcaino, Contreras, Favela, & Prieto, 2000)

COLER (Constantino Gonzalez, Suthers, & Escamilla De Los Santos,

2003)

EPSILON (Soller, & Lesgold, 2003)

Інтелектуальне навчання (викладання)

Програмування (планування) курсу навчання

Інтелектуальний аналіз рішень

Підтримка прийняття рішень

VC-Prolog-Tutor (Peylo, Teiken,

Rollinger, & Gust, 1999)

SQL-Tutor (Mitrovic, 2003)

German Tutor (Heift, et al., 2001)

ActiveMath (Melis, et al., 2001)

ELM-ART (Weber, et al., 2001)

Інтелектуальний аналіз рішень має справу із студентськими розв’язками навчальних задач (які можуть змінюватись від простих запитань до комплексних програмних завдань). На відміну від неінтелектуальних перевіряючих інструментів, які здатні лише сказати розв’язок вірний чи ні, інтелектуальні аналізатори можуть сказати, що саме невірно або що розв’язано не повністю, і які пропущені чи невірні знання можуть відповідати за помилку. Інтелектуальні аналізатори здатні забезпечити студента потужною технікою зворотнього зв’язку опрацювання помилок і оновленням моделі студента. Через низьку інтерактивність і природну відповідність Інтернету-інтерфейсу форм, ця технологія була реалізована в Інтернеті одною з перших на таких ранніх АІОІС, як ELM-ART та WITS. Системи SQL-Tutor, German Tutor і остання версія ELM-ART демонструють декілька шляхів реалізації інтелектуального аналізу рішень у WWW.

Метою інтерактивної підтримки прийняття рішень є забезпечення студента інтелектуальною допомогою на кожному етапі вирішення проблеми — від надання підказки до виконання наступного етапу замість студента. Технологія інтерактивної підтримки прийняття рішень не так популярна у веб-системах, як у окремих інтелектуальних навчальних системах — в основному через проблеми з реалізацією. Як було показано початковими системами, чиста реалізація на стороні сервера, така як PAT-Online не в змозі активно слідкувати за діями студента і може забезпечувати допомогу лише по запиту. Чиста реалізація на стороні клієнта, така як ADIS має обмеження по складності. Необхідна функціональність і рівень складності для реалізації інтерактивної підтримки прийняття рішень потребує клієнт-серверної реалізації, такої як AlgeBrain але такі системи складніші в реалізації. ActiveMath реалізує інтерактивну підтримку прийняття рішень у її планувальнику доведень Омега. На додаток до цього ELM-ART представляє унікальний приклад підтримки прийняття рішень на основі прикладів — це інша низько інтерактивна технологія підтримки, що стає багатообіцяючою у контексті Інтернет.

Адаптивне подання та адаптивна підтримка навігації — дві найбільші технології, що розглядаються системами адаптивного гіпертексту та адаптивного гіпермедіа. Метою технології адаптивного подання є пристосування вмісту кожного вузла (сторінки) до цілей студента, знань і іншої інформації, що зберігається в моделі студента. У системі адаптивного подання сторінки є не статичними, а такими, що адаптивно генеруються або збираються для кожного користувача. ActiveMath представляє один з найширших серед існуючих прикладів адаптивного подання. На додаток ELM-ART демонструє спеціальну форму адаптивного подання — адаптивні попередження про освітній стан поточної сторінки. MetaLinks демонструє адаптивне подання для «оповідального згладжування».

Метою технології підтримки адаптивної навігації є допомога студенту зорієнтуватися і переміщуватися у гіперпросторі за допомогою зміни вигляду видимих посилань. Наприклад, система адаптивного гіпермедіа може адаптивно сортувати, анотувати, або частково сховати посилання поточної сторінки для того, щоб спростити вибір, куди пересуватися далі. Підтримка адаптивної навігації розділяє ту саму мету, що й програмування курсу навчання — допомогти студенту знайти оптимальний шлях через навчальний матеріал. В той же час підтримка адаптивної навігації менше управляюча і більше «партнерська» ніж традиційне програмування: вона провадить студента, залишаючи йому можливість самостійно обрати наступний элемент знань для вивчення, наступне завдання для розв’язання. У контексті WWW, де гіпермедіа є базовою організаційною парадигмою, підтримка адаптивної навігації стає як природною, так і ефективною. Вона була серед трьох найперших технологій АІОІС, використаних у таких системах як ELM-ART, InterBook, і стала можливо найпопулярнішою технологією у АІОІС. KBSHyperbook, ActiveMath та ELM-ART демонструють декілька варіантів адаптивної анотації (коментування) посилань. MLTutor використовує сортування та генерацію посилань.

Адаптивна фільтрація інформації (АФІ) — класична технологія з області інформаційного пошуку. Її мета — знайти декілька елементів, що відповідають інтересам користувача, у великому об'ємі (текстових) документів. У Інтернет ця технологія була використана як у пошуковому контексті, так і в контексті перегляду. Вона була застосована для пристосування результатів веб-пошуку, із використанням фільтрації і впорядкування і для вироблення рекомендацій щодо найбільш відповідних документів серед отриманого набору, використовуючи генерацію посилань. Хоча механізми, що використовуються у системах АФІ, дуже відрізняються від механізмів адаптивного гіпермедіа, на рівні інтерфейсу АФІ для Інтерент найчастіше використовують техніку підтримки адаптивної навігації. Існує два принципово різних типи механізмів АФІ, які можуть розглядатися, як дві різні технології АФІ - фільтрація на основі вмісту і сумісна фільтрація. Перша спирається на вміст документа, тоді як остання абсолютно ігнорує вміст, намагаючись замість цього підібрати користувачів, які будуть зацікавлені в однакових документах. Сучасна технологія АФІ широко використовує технології машинного навчання, особливо це стосується фільтрації на основі вмісту. Будучи дуже популярною у області інформаційних систем, АФІ не використовувалися у навчальному контексті у минулому. Об'єм навчального вмісту був порівняно невеликим, і потреба спрямовувати користувача до найбільш підходящого матеріалу з легкістю підтримуваліася адаптивним програмуванням (плануванням) і адаптивним гіпермедіа. Однак Інтернет з його великою кількістю неіндексованих відкритих освітніх ресурсів зробив АФІ-технологію дуже привабливою для освітян. MLTutor представляє один перших цікавих прикладів застосування фільтрації інформації на основі вмісту у навчанні.

Інтелектуальне колективне навчання — цікава група технологій, розроблена на роздоріжжі двох областей, що початково були далеко одна від одної: колективне навчання з комп’ютерною підтримкою (КНКП) та інтелектуальні навчаючі системи (ІНС). Сучасний напрямок роботи у використанні штучного інтелекту для підтримки колективного навчання призводить до збільшення рівня взаємодії цих двох областей. Тоді як рання робота над інтелектуальним колективним навчанням була виконана у до-Інтеренет контексті, сьогодні маємо Інтернет та Інтернет-освіту, що забезпечили як платформу, так і зростаючий попит на такий тип технології. У Інтернет-освіті потреба у інструментах підтримки колективного навчання є критичною, тому що студенти рідко (чи ніколи) особисто зустрічаються один з одним. Інтелектуальні технології можуть корінним чином розширити міць простих інструментів підтримки колективної роботи (таких як групи потокових дискусій та спільні дошки), що надаються різними системами управління курсами. На даний момент ми можемо зазначити як мінімум три окремі технології у групі інтелектуального колективного навчання: адаптивне формування групи та рівноправна допомога, адаптивна підтримка співробітництва та віртуальні студенти.

Технології адаптивного формування груп і рівноправної (партнерської) допомоги намагаються використовувати знання про співпрацюючих членів групи (найчастіше ці знання представлені у моделях студента) для формування підходящої групи для різних типів колективних завдань. Ранні приклади включають формування груп для спільного розв’язання задачі та пошук найбільш компетентного члена групи для відповіді на питання. Обидві течії роботи зараз розвиваються. Команди-початківці узагальнили і розширили свою роботу, а ряд нових команд розпочали дослідження в цьому напрямку.

Технології для адаптивної підтримки співробітництва намагаються забезпечити інтерактивну підтримку колективного процесу так само, як системи інтерактивної підтримки проблем допомагають окремому студенту у розв’язанні проблеми. Використовуючи деякі знання про хороші і погані зразки співробітництва (які надаються авторами системи або отримуються із журналів спілкування), системи підтримки співробітництва, такі як COLER або EPSILON, можуть тренувати або консультувати членів колективу. Це новий напрямок роботи, який проте швидко розвивається, він бере свої ідеї із класичних областей навчання, таких як ІНС та КНКП (колективне навчання з комп’ютерною підтримкою).

На відміну, технологія віртуальних студентів порівняно стара. Замість підтримуючого вивчення або співробітництва з позиції старшого над студентами (викладач або консультант) ця технологія намагається ввести різні типи рівноправних віртуальних партнерів у навчальне середовище: навчаючий партнер, учень або навіть порушник порядку. У контексті Інтернет-освіти, де студенти спілкуються головним чином через низько пропускні канали (електронна пошта, чат, форуми), віртуальний студент стає дуже привабливим уособленням для реалізації різних стратегій підтримки. Очікуються більші дослідження у цьому напрямку та його подальша інтеграція з напрямками анімованих агентів та інтелектуальної підтримки співробітництва.

Інтелектуальний моніторинг класів — інша АІОІС-технологія, мотивована Інтернет-освітою. У контексті Інтернет-освіти «віддалений викладач» не може бачити вирази нерозуміння або загубленості на обличчях студентів. З таким чітким браком зворотного зв’язку стає дуже важко визначити проблемних студентів, що потребують додаткової уваги, яскравих студентів, яким слід кинути виклик, так само і визначення частин навчального матеріалу, які є занадто легкими, занадто складними, або незрозумілими. Системи освіти на основі Інтернет можуть відслідковувати кожну дію студента, проте це майже неможливо для викладача-людини знайти який-небудь сенс у великому об'ємі даних, що збирається системою. Системи інтелектуального моніторингу класу (нагляду за класом) намагаються використовувати штучний інтелект, щоб допомогти викладачу в даній ситуації. Цей напрямок роботи було започатковано у HyperClassroom, де використовувалася нечітка технологія для визначення студентів, що опинилися в тупику. До недавнього часу HyperClassroom була єдиним прикладом у цьому роді, проте останні роки принесли декілька інших прикладів.

2.2 Проблеми створення гіпертекстового навчаючого середовища

Світ дедалі більше прискорюється. Це також виражається у такій галузі як освіта і підготовка фахівців. Якщо колись було можливим, пройшовши навчання протягом п’яти років (вища освіта), працювати все життя, ґрунтуючись на здобутих знаннях, то сьогодні ми можемо спостерігати велику потребу у постійному вдосконаленні професійного рівня, освоєння нових досягнень і здобуття нових навичок. Освіта переходить під лозунг «Навчання через все життя», суспільство вимагає інтенсифікації процесів передачі знань, знання стають більш доступними, все це прискорює темпи загального розвитку, які в свою чергу породжують нове коло вимог до технологій освіти. Колись Інтернет (WWW) призвів до вибуху в інформаційній сфері, ставши відкритим середовищем для збереження і руху інформації без географічних і часових обмежень, сьогодні Всесвітня Мережа стоїть перед викликом зробити знання такими ж легко доступними, як і іншу інформацію. Всесвітнє гіпертекстове інформаційне середовище має стати гіпертекстовим середовищем передачі і збереження знань. Мережа WWW має весь необхідний потенціал для того, щоб стати фундаментом для побудови новітніх освітніх середовищ, які задовольнять вимоги часу по наданню і розповсюдженню знань.

Ми можемо спостерігати цей поступальний рух Всесвітньої Павутини до «мережі знань» вже сьогодні. Дедалі більших обертів набирає концепція відкритого доступу, що пропагує вільний доступ до знань через Інтернет. Виникає таке поняття, як відкритий університет: створюються віртуальні навчальні заклади, що безкоштовно надають повний об'єм навчальних матеріалів через Інтернет (фінансова складова виникає, лише коли студент бажає отримати підтвердження, чи диплом того, що він успішно завершив певний навчальний процес). З технологічного боку розробники, дослідники і науковці WWW вже довгий час працюють над технологією «розумного» Інтернету, так званою Семантичною Павутиною (Semantic Web), що має на меті застосування технологій подання знань для інтелектуального користування Веб-вмістом для вирішення різноманітних завдань.

Сьогодні ми маємо безліч чудових прикладів Веб-систем для організації дистанційного навчання, серед них Blackboard, WebCt, Moodle, IBM LearningSpace та ін. Такі системи впевнено застосовують переваги інформаційних технологій. Проте слід підкреслити — інформаційних, тоді як дедалі більше ми стикаємося з потребою у технологіях знань. Тут передусім слід згадати науковий напрямок, що безпосередньо займається даною проблемою, а саме — дослідження штучного інтелекту і його розділ подання знань. Не зважаючи на давню історію і значущі досягнення цього напрямку, дуже специфічно тут постає задача репрезентації знань саме для освіти, так як педагогічне подання часто не вписується в загальну парадигму і класичну постановку проблеми подання знань у штучному інтелекті. У зв’язку з цим нижче спробуємо розглянути різні підходи до подання знань, що надихаються різними галузями і перспективу до синтезу цих підходів з метою ефективного вирішення проблеми подання знань для освіти.

3. МОДЕЛІ ТА МЕТОДИ КОНТРОЛЮ ЗНАНЬ В АВТОМАТИЗОВАНІЙ СИСТЕМІ УПРАВЛІННЯ НАВЧАЛЬНИМ ПРОЦЕСОМ

3.1 Системи знань у завданнях управління складними об'єктами і процесами

На початку створення навчальних систем відповідно до глобальної мети їх побудови під поняттям Автоматизованих навчаючих систем (АНС) розглядали комплекс програмних і апаратних засобів, призначених для автоматизації процесу навчання.

Минув час -- і розуміння суті АНС змінилося. На сьогодні сформувалося ставлення до АНС як до «організованого на базі комп’ютера комплексу засобів технічного, лінгвістичного, навчально-методичного і програмного забезпечення, що призначене для діалогової навчальної взаємодії та є програмною оболонкою, яка пристосована для заповнення навчальним матеріалом користувачем-непрограмістом».

Враховуючи тенденції розвитку та відповідно до поставленої мети автоматизації навчання, можна дати ще одне визначення: АНС -- це інструментальний комплекс, що містить математичне, методологічне і програмне забезпечення і призначений для заповнення знаннями користувачем -- непрограмістом, з метою створення навчальної системи і, зрештою, реалізації автоматизованого навчання.

Одним з найважливіших аспектів функціонування будь -- яких систем є відповідність їх можливостей меті, яка повинна бути досягнута. Будь -- яка система, процес, повинен забезпечувати певний результат, виходячи з якого можна пояснити їх функціонування. Системи, яким не властиві ці риси, називаються нецілеспрямованими. Цілеспрямовані системи поділяються на керовані, мету яких встановлює система більш високого порядку, і власне цілеспрямовані, які мають здібності до самостійного цілевизначення.

Поняття «мета» тісно пов’язано з поняттям «знання». Так само, як і знання, мета може бути представлена декларативно, -- у вигляді описів об'єктів і відносин між ними, і процедурно -- у вигляді алгоритмів (процедур), які містять необхідні описи інформаційних елементів і одночасно визначають спосіб їх обробки. В сучасних АСУ НП застосовуються обидва підходи. Знання в АСУ НП організовуються так, щоб знання про предметну сферу відділити від інших типів знань системи, таких, як загальні знання про те, як виконувати завдання, або знання про те, як взаємодіяти з користувачем. Виділені знання про предметну сферу називаються базою знань, загальні знання про знаходження способів вирішення завдань називаються механізмами логічного виводу. Програма, яка працює із знаннями, організованими так само, називається системою, заснованою на знаннях.

Знання -- це результат розумової діяльності людини, спрямованої на узагальнення її досвіду, набутої внаслідок практичної діяльності.

Найважливішим елементом системи управління навчанням є модель пам’яті. Завдяки пам’яті людина здобуває нові знання, класифікує і удосконалює набуті.

3.2 Формалізація вимог стандартів навчання

У системі професійної освіти України первинні посади для кожної кваліфікації здебільшого визначаються за одним з основних нормативно-правових документів сфери праці та соціального захисту -- «Довідником кваліфікаційних характеристик професій працівників». У «Довіднику» представлено кваліфікаційні характеристики посад, тобто переліки завдань і обов’язків, які мають виконувати працівники, вимоги до їх професійних знань, освітнього та освітньо-кваліфікаційного рівнів. На підставі кваліфікаційних характеристик (вимог сфери праці) та вимог до соціальнозначущих рис та якостей випускника вищого навчального закладу (вимоги суспільства) формується компетентнісна модель фахівця у вигляді складової системи стандартів вищої освіти -- освітньо-кваліфікаційної характеристики (ОКХ). У цій складовій визначаються місце фахівця в структурі галузей економіки держави, вимоги до його компетентності, інші соціально-важливі якості, і головне, відображаються завдання вищої освіти та професійної підготовки у формі системи умінь вирішувати певні завдання діяльності (рис. 3. 1).

Рис. 3.1 Структура освітньо-кваліфікаційної характеристики

ОКХ, тобто модель фахівця, має бути трансформована у модель підготовки цього фахівця, що також подається у вигляді складової системи стандартів вищої освіти -- освітньо-професійної програми підготовки (ОПП). В останній установлюються вимоги до змісту, обсягу і рівня освіти й професійної підготовки фахівця (у формі системи модулів змісту навчання, точніше, назв змістових модулів) та нормативний термін навчання відповідно до визначеного рівня професійної діяльності (рис. 3. 2).

Рис. 3.2 Структура освітньо-професійної програми

Завдання навчальної дисципліни (а також її місце в навчальному процесі, очікувані результати дидактично обґрунтованої діяльності викладача і навчальної діяльності тих, хто навчається, узагальнений опис навчальних ситуацій у конкретних умовах вивчення певної дисципліни, формулювання суті дидактичних проблем і відомості щодо можливих шляхів їх вирішення у межах реалізації навчального плану, міждисциплінарні зв’язки тощо) мають ґрунтуватися на результатах аналізу цільової настанови та містити зрозумілі для тих, хто навчається, умови досягнення цілей навчальної дисципліни.

Ці умови закладено в модульно-кредитній системі, яка має за мету:

— досягнення відповідності стандартам європейської системи освіти, яка виходить із знань, умінь і навичок, що є надбанням випускника;

— використання українських освітніх кваліфікацій європейським ринком праці;

— затвердження загальноприйнятої і порівняльної системи освітньо-кваліфікаційних ступенів;

— впровадження стандартного додатку до диплома, модель якого було розроблена Європейською Комісією, Радою Європи і UNESCO/CEPES і який містить детальну інформацію про результати навчання випускника;

— стимулювання викладачів і студентів вищих навчальних закладів до вдосконалення системи об'єктивного оцінювання якості знань;

— забезпечення «прозорості» системи вищої освіти і відповідного академічного і професійного визнання кваліфікацій.

Кредитно-модульній системі, як невід'ємному атрибуту Болонської декларації, надаються дві основні функції:

— перша -- сприяння мобільності студентів і викладачів і спрощення переходів з одного ВНЗ до іншого;

— друга -- акумулююча, чітке визначення обсягів проведеної студентом роботи з урахуванням усіх видів навчальної і наукової діяльності.

Відповідність освітніх послуг вимогам стандартів вищої освіти визначається під час акредитації напрямів та спеціальностей, атестації і професійної сертифікації випускників вищого навчального закладу. При цьому застосовуються засоби діагностики якості вищої освіти -- стандартизовані методики об'єктивного оцінювання якості освіти, яку особа набула в результаті реалізації освітньо-професійної програми підготовки вищим навчальним закладом, та визначення ступеня відповідності показників вищої освіти вимогам освітньо -- кваліфікаційної характеристики за критеріями досягнення остаточних завдань освіти та професійної підготовки.

Засоби діагностики якості вищої освіти також є складовою системи стандартів вищої освіти (рис. 3. 3).

Рис. 3.3 Структура засобів діагностики якості вищої освіти

Новим для освіти України є те, що як засіб діагностики введено критеріально-орієнтовані тести і психодіагностичні методики, спрямовані на вимірювання й оцінювання повноти, системності й рівня професійних знань, а також дієвості й самостійності випускників навчальних закладів, що дає змогу порівняти рівень їх досягнень у процесі підготовки з еталонними вимогами освітньо-кваліфікаційних характеристик.

Основними елементами кредитно-модульної системи є модулі і кредити. Модулі конструюються як системи навчальних елементів, з'єднаних ознакою відповідності певному об'єкту професійної діяльності. Останній розглядається як деякий обсяг навчальної інформації, що має самостійну логічну структуру, зміст і дозволяє оперувати цією інформацією в процесі розумової діяльності студента.

Кредит (credit) -- умовна одиниця вимірювання навчального навантаження студента при вивченні складової навчальної програми або окремої дисципліни (курсу), виконаної студентом під час навчання. Кредит -- мінімальна одиниця, яка точно документується, часто означає навчання упродовж тижня (суму аудиторної і самостійної роботи студента).

Кредити єдиної системи трансферів і залікових одиниць (ЕСТS) являються кількісним еквівалентом оцінки (від 1 до 60), призначеної для елементів навчального плану, щоб охарактеризувати навчальне навантаження студента, яке потрібне для завершення навчання.

При кредитно -- модульній системі організації навчального процесу у ВНЗ зміст навчальних дисциплін розподіляється на змістовні модулі, які мають бути вивчені студентом та оцінені викладачем.

Студент інформується про результати оцінювання навчального модуля, як складової підсумкового оцінювання засвоєння навчальної дисципліни.

Підсумкове оцінювання засвоєння навчального матеріалу дисципліни визначається без проведення семестрового іспиту (заліку) як інтегрована оцінка засвоєння всіх змістовних модулів з урахуванням «вагових коефіцієнтів».

До знань, які набув студент, додаються знання щодо майбутньої діяльності -- про методи та прийоми вирішення завдань діяльності. Відповідно до завдань навчання навчальний процес будується таким чином, що забезпечує поетапне, з урахуванням закономірностей, формування пізнавальної діяльності і переведення тих, хто навчається, з вихідного рівня навченості до необхідного.

Діяльність, а точніше уміння діяти, є однією з основних системоутворювальних ознак сучасних систем праці та вищої професійної освіти. Завданнями навчання стають тільки уміння, а знання є науковим змістом навчання. Відповідно до встановлених завдань навчання (системи умінь) здійснюється відбір знань про об'єкти та процеси, що є необхідними для умінь.

Прийняття на озброєння вимог стандартів навчання і критеріїв прийняття рішень створює принципові передумови до того, щоби досягти у кожного студента максимальної, теоретично найвищої якості знань при мінімальній витраті часу і сил самого студента і викладача.

Найефективнішим способом організації управління навчанням, прийняття рішення та підвищення якості процесу навчання є адаптивний підхід. При цьому адаптивна система налагоджується під студента, встановлюючи черговість та інтенсивність вивчення матеріалу, з урахуванням досягнутих студентом результатів. Під час індивідуального контакту викладача зі студентом важливо мати інструмент для контрольного тестування рівня засвоєння знань. Контроль проводиться особами, що приймають рішення, і не впливає на оцінку, він дозволяє побачити стан підготовки кожного і внести відповідні корекції в навчальний процес.

Успішне керівництво і управління підготовкою фахівців потребує здійснення цієї діяльності за певною системою і зрозумілим способом. Успіх може бути досягнутий в результаті впровадження та інформаційної підтримки системи менеджменту, спрямованої на постійне поліпшення діяльності. Структурна схема процесів управління якістю підготовки фахівців у ВНЗ наведена на рис. 3.4.

Стандарти сімейства ІSО 9000 виділяють основні принципи менеджменту якості, що можуть використовуватися для підвищення ефективності процесу підготовки фахівців: орієнтація на споживачів; роль керівництва; залучення наукових і педагогичних кадрів для використання їх здібностей з максимальною ефективністю; підхід до управління навчальною діяльностю і необхідними для неї ресурсами, як до процесу; системний підхід до менеджменту; постійне поліпшення; прийняття рішень, засноване на фактах; взаємовигідні відносини з установами, які постачають абітурієнтів.

Вищезгадані принципи менеджменту якості є основою всіх стандартів систем менеджменту сімейства ISO 9000 і покладені в основу створення стандартів ОНПУ в контексті Болонського процесу.

Рис. 3.4 Схема процесів управління навчальною діяльністю

Об'єктами комплексної системи управління функціонуванням ОНПУ є навчальна діяльність, наукова діяльність, аспірантура і докторантура, інформаційно-бібліотечне обслуговування студентів і співробітників, кадрова робота, система оплати праці і заохочення працівників за високі трудові досягнення, діловодство і обіг документів, господарське обслуговування і матеріально -- технічне забезпечення, заходи з охорони праці тощо.

Предметом дослідження є параметри управління процесом діяльності ОНПУ зі створенням системи стандартів підприємства.

Реалізація результатів роботи виконується у вигляді оприлюднення нормативів комплексної системи управління функціонуванням ОНПУ в контексті Болонського процесу з розміщеннням на Web-сайті ОНПУ.

Матеріали мають два варіанти доступу: загальний -- для зовнішніх користувачів; внутрішній -- за рівнями доступу для певних категорій користувачів.

3.3 Аналіз основних моделей представлення знань

У сучасній інженерії знань не існує достатньо універсальної або типової моделі представлення знань. Різноманітність моделей відображення знань призводить до того, що необхідно вибирати засоби для реалізації того чи іншого завдання. З урахуванням даних, що зустрічаються в різних джерелах, можна запропонувати наступні якісні критерії оцінки моделей представлення знань:

— рівень складності елемента знань, з якими працює модель;

— універсальність представлення знань -- можливість описати знання з різних наочних сфер;

— природність і наочність представлення знань при використанні;

— здібність моделі до навчання і формування нових, несуперечливих знань;

— розмірність моделі за обсягом пам’яті, необхідним для зберігання елемента моделі;

— зручність розробки системи на основі моделі.

Знання традиційно поділяють на процедурні і декларативні. Історично первинними були процедурні знання, тобто знання, «розчинені» в алгоритмах. Вони керували даними, і для їхньої зміни було потрібно змінювати програми. Однак пріоритет даних поступово змінювався, і все більша частина знань зосереджувалася в структурах даних (таблиці, списки, абстрактні типи даних), у такий спосіб збільшувалася роль декларативних знань.

Сьогодні знання набули суто декларативної форми, а саме, знання -- це речення, записані мовами представлення знань, наближених до природної мови і зрозумілих нефахівцям. Представлення знань є фундаментальним поняттям, що визначає описові можливості систем з базами знань. Рішення про вибір способу представлення знань впливає на будь-яку складову частину таких систем. Представлення знань є засобом опису знань людини і його можливості повинні бути найвищими. Однак, якщо форма представлення дуже складна, то ускладнюється механізм виводу.

Існують десятки моделей (або мов) представлення знань для різних предметних галузей. У більшості випадків виділяють 4 типові моделі: логічна, продукційна, семантична мережа, фреймова.

Логічна модель заснована на класичному визначенні предикатів першого порядку, коли предметна галузь описується у вигляді набору аксіом. Логіка предикатів -- наукова галузь, яка називається символьною логікою. Логіка як система конструюється з мови числення предикатів першого порядку, декількох теорем, представлених у термінах цієї мови, що описують відносини, які закладаються в базис логічно повної системи, і правил висновку, які із заданої групи представлень виводять представлення, що відрізняються від усіх заданих представлень цієї групи. Основними формалізмами представлення предикатів є «терм», що встановлює відповідність знакових символів описуваному об'єкту, і предикат для опису відносини сутностей, у вигляді реляційної формули, що містить у собі терми. Предикат, усі терми якого є термами -- константами, називають висловленням. Коли ж кажуть «предикат», то передбачають, що до нього входить терм -- змінна. Якщо в предикаті забезпечена можливість застосування природної мови, то він відповідає реченню в найбільш простій його формі, так званому простому реченню. Виходячи з цієї форми, присвоюються символи і синтаксичні правила для визначення предикатних формул, які відповідають звичайному реченню.

Продукційна модель або модель, заснована на правилах, дозволяє представити знання у вигляді речень типу: «Якщо (умова), то (дія)». Під «умовою» мають на увазі якесь речення-зразок, за яким здійснюється пошук у базі знань, а під «дією» -- дії або оператори, виконані при успішному результаті пошуку (вони можуть бути проміжними, виступати далі як умови і цільовими, що завершують роботу системи). Найчастіше висновок на такій базі знань буває прямий (від даних до пошуку мети) чи зворотній (від мети для її підтвердження -- до даних). До складу продукційної моделі входить база правил, глобальна база даних, інтерпретатор правил. Базою правил є ділянка пам’яті, що містить базу знань -- сукупність знань, представлених у формі правил вигляду «Якщо -- то». Глобальною базою даних є ділянка пам’яті, що містить фактичні дані (факти), які описують дані, що вводяться, і стан системи. Інтерпретатор -- це механізм висновку, він тим компонентом системи, що формує висновки, використовуючи базу правил і базу даних. Механізм висновку виконує функції пошуку в базі знань, послідовного виконання операцій над знаннями й одержання висновків.

Перші ІС були побудовані саме на основі моделі представлення знань за допомогою продукційних правил. Не зважаючи на всі недоліки таких моделей, ці системи дуже ефективні і продовжують використовуватися і сьогодні.

ПоказатьСвернуть
Заполнить форму текущей работой