АРХИТЕКТУРА БАЗЫ ЗНАНИЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБУЧЕНИЯ

Автор:

Посадская Ирина Сергеевна, Черниговский национальный технологический университет (ул. Шевченко, 95, г. Чернигов, 14027, Украина)

Язык статьи: русский

Аннотация:

Актуальность темы исследования. При проектировании знание-ориентированной автоматизированной системы обучения важнейшей задачей является создание такой архитектуры базы знаний, которая будет обладать возможностями работы с различными видами представлений знаний, при этом сохраняя их в актуальном виде.

Постановка проблемыОдной из разновидностей автоматизированных систем обучения являются знание-ориентированные автоматизированные системы обучения. Проанализировав особенности построения архитектуры базы знаний таких систем, возникла необходимость предложить новую архитектуру, которая дает возможность хранить знания в актуальном виде, не влияя на взаимодействие функциональных модулей автоматизированных систем обучения, базирующихся на знаниях.

Анализ последних исследований и публикацийВ последних исследованиях представлено широкий спектр представления знаний о предметной области курса, в частности естественно-языковые представления учебного курса, формализованные представления фрагментов предметной области в виде диаграмм UML, формализованные представления, базирующиеся на определенном исчислении, таком как исчисление предикатов 1-го порядка, фреймы, продукционные правила и др. Однако, каждый из видов имеет как свои достоинства, так и свои недостатки.

Выделение неисследованных частей общей проблемы. Рассматриваемые виды представления знаний о предметной области курса имеет существенные недостатки. Поэтому постает необходимость предложения других критериев для представления знаний об учебном курсе, которые будут основой для построения архитектуры базы знаний знание-ориентированной автоматизированной системы обучения.

Постановка задания. Целью статьи является описание и обоснование архитектуры базы знаний для знание-ориентированной автоматизированной системы обучения.

Изложение основного материалаПроанализировано разные виды представлений знаний, рассмотрено их достоинства и недостатки. Так как наилучшего представления знаний об учебном курсе не существует, то предложено использовать несколько его представлений в соответствие с целями использования. Предложена трехслойная архитектура и особенности базы знаний знание-ориентированных автоматизированных систем обучения. Среди выделенных критериев для методов представления знаний особенное внимание уделено критерию возможности контролировать усвоение учебного материала. Основным для контроля при обучении является проведение опросов по пройденному материалу (экзамен). В статье рассмотрены сходства процесса контроля знаний и процесса тестирования объектно-ориентированных программ. Также выделены уровни сложности тестов.

Выводы. Предложенная архитектура позволяет сохранять и эффективно использовать преимущества каждого из слоев представления знаний в общей системе. При данной архитектуре важную роль в обеспечении эффективности работы системы играют преобразователи «ЕЯ текст→UML» и «UML→Логические представления».

Ключевые слова:

автоматизированная система обучения, знание, база знаний, формализация, предметная область

Список использованных источников:

1. Lytvynov V. Knowledge representation in the automated learning systems / Vitalii Lytvynov, Iryna Posadska // International Journal “Information Technologies & Knowledge”. – 2015. – Vol. 9, Nо. 1. – Pр. 34–43.

2. Литвинов В. В. Архитектура знание-ориентированной автоматизированной системы обучения / В. В. Литвинов, И. С. Посадская, М. В. Савельев // Технічні науки та технології. – 2016. – № 3 (5). - C. 122–130.

3. Клыков Ю. И. Банки данных для принятия решений / Ю. И. Клыков, Л. Н. Горьков. – М. : Сов. радио, 1980. – 208 с.

4. Шустов С. Б. Теория ресурсов и ресурсные кризисы: прошлое, настоящее и будущее: аналитический обзор / С. Б. Шустов. – Нижний Новгород : Нижний Новгород, 2009. – 163 с.

5. Bruce Powel Douglass. Real – Time UML. Second Edition. Developing Efficient Objects for Embedded Systems / Bruce Powel Douglass. – Wesley, 1999. – 238 p.

6. Лорьер Ж.-Л. Системы искусственного интеллекта : пер. с франц. / Ж.-Л. Лорьер. – М. : Мир, 1991. – 568 с.

7. Minsky M. A Framework for Representing Knowledge: Patrick Henry Winston / Marvin Minsky // The Psychology of Computer Vision. – McGraw-Hill : New York (U.S.A.), 1975. – 76 p.

8. Искусственный интеллект. Кн. 2: Модели и методы : справочник / под ред. Э. В. Попова. М. : Радио и связь, 1990. – 303 с.

9. Питерсон Дж. Теория сетей Петри и моделирование систем / Дж. Питерсон. – М. : Мир, 1984. – 264 с.

10. Королюк В. С. Процессы марковского восстановления в задачах надежности систем / В. С. Королюк, А. Ф. Турбин. – К. : Наук, думка, 1982. – 236 с.

Скачать