Brugen af ​​intelligente og ekspertsystemer i uddannelse. Ekspertsystemer i undervisning

• Specialitet for den højere attestationskommission i Den Russiske Føderation13.00.02
• Antal sider 192

INTRODUKTION

KAPITEL 1. COMPUTERTRÆNINGSSYSTEMER I

UDDANNELSESPROCES

1.1. Kort oversigt over implementeringen af ​​computerundervisningsteknologier.

1.2. Ekspertsystemer: deres grundlæggende egenskaber og anvendelser.

1.3. Anvendelse af ekspertsystemer i læringsprocessen. Ekspertlæringssystemer.

1.4. Udførelse og analyse af hovedresultaterne af det konstaterende eksperiment.

1.5. Udsigter for brug af ekspertsystemer i uddannelsesprocessen.

KONKLUSIONER OM DET FØRSTE KAPITEL

KAPITEL 2. TEORETISKE SPØRGSMÅL OM KONSTRUKTION

EKSPERT TRÆNINGSSYSTEMER

2.1. EOS arkitektur.

2.2. Repræsentation af viden i EOS.

2.3. Lærermodel.

2.4. Klassificering af EOS. 89 KONKLUSIONER OM KAPITEL TO

KAPITEL 3. TRÆNINGSSYSTEM BYGGET AF SOFTWARE

PRINCIPPET FOR DRIFT AF EKSPERT TRÆNINGSSYSTEMER ORIENTERET PÅ LØSNING AF PROBLEMER VEDRØRENDE ET KROPS BEVÆGELSE PÅ EN SKRÅNING

NOAH FLY

3.1. Softwareværktøjer, der lærer at løse fysiske problemer.

3.2. Konstruktion og drift af et træningssystem bygget på princippet om drift af eksperttræningssystemer, fokuseret på at løse problemer om bevægelse af en krop på et skråplan.

3.3. Problemer løst ved hjælp af det udviklede eksperttræningssystem.

KONKLUSIONER OM KAPITEL TRE

KAPITEL 4. EKSPERIMENTEL KONTROL AF METODER TIL AT UNDERVISE STUDENTER VED BRUG AF UDVIKLEDE SOFTWAREVÆRKTØJER

4.1. Udførelse og analyse af hovedresultaterne af søgeeksperimentet.

4.2. Gennemførelse og analyse af hovedresultaterne af et undervisnings- og kontrolpædagogisk eksperiment.

KONKLUSIONER OM KAPITEL FIRE

Anbefalet liste over afhandlinger

• Metode til at bruge ekspertsystemer til at justere læringsprocessen og evaluere effektiviteten af ​​lærerpersonalet 1997, kandidat for pædagogiske videnskaber Snizhko, Elena Aleksandrovna

• Didaktisk computermiljø som en del af teknologien til at udvikle elevernes generaliserede færdigheder i at udføre eksperimentel forskning 2002, kandidat for pædagogiske videnskaber Koksharov, Vladimir Leonidovich

• Computerteknologi til forberedelse og afholdelse af træningssessioner 1999, kandidat for pædagogiske videnskaber Sedykh, Svetlana Pavlovna

• Didaktisk specificitet af informationsteknologier i uddannelsesprocessen i gymnasiet: Baseret på materialet fra astronomikurset 2002, kandidat for pædagogiske videnskaber Rysin, Mikhail Leonidovich

• Principper for konstruktion og brug af ekspertundervisningssystemer i kurset "Theoretical Foundations of Computer Science" 2000, kandidat for pædagogiske videnskaber Kudinov, Vitaly Alekseevich

Introduktion af afhandlingen (del af abstraktet) om emnet "Computertræningssystemer bygget på princippet om drift af eksperttræningssystemer: Udvikling og anvendelse i undervisningsløsning af fysiske problemer. opgaver"

Traditionelt betragtes læreprocessen generelt og processen med undervisning i fysik i særdeleshed som tovejs, herunder lærerens og elevernes aktiviteter. Den aktive brug af computere i uddannelsesprocessen gør den til en fuld tredje partner i læringsprocessen. Computere giver praktisk talt ubegrænsede muligheder for udvikling af selvstændig kreativ tænkning af elever, deres intelligens, såvel som selvstændig kreativ aktivitet af elever og lærere.

Et aktivt arbejde med at finde nye undervisningsformer og -metoder begyndte i 60'erne. Under ledelse af akademiker A.I. Berg organiserede og udførte arbejde med problemerne med programmeret træning, indførelse af tekniske læremidler og undervisningsmaskiner. Programmeret træning var det første skridt i retning af at forbedre læringsaktiviteterne. Dybdegående forskning i teori og praksis for programmeret læring blev udført af V.P. Bespalko, G.A. Bordovsky, B.S. Gershunsky, V.A. Izvozchikov, E.I. Mashbits, D.I. Penner, A.I. Raev, V.G. Razumovsky, N.F. Talyzina og andre.

Spørgsmålene om effektiv brug af computere i uddannelsesprocessen og forskning i udvikling af effektive metoder og midler til computertræning er stadig relevante i dag. Relevant arbejde på dette område udføres i vores land og i udlandet. Der er dog endnu ikke dannet et samlet syn på brugen af ​​computerteknologi på uddannelsesområdet.

Den indledende periode med at bruge computere i læringsprocessen er karakteriseret som en periode med intensiv udvikling af ideerne om programmeret træning og udvikling af automatiserede undervisningssystemer. Udviklere af automatiserede træningssystemer gik ud fra den antagelse, at læreprocessen kan udføres gennem en velorganiseret sekvens af rammer for træning og kontrolinformation. De første eksperimenter med brugen af ​​computere i uddannelsesprocessen blev udmøntet i form af uddannelsesprogrammer med et deterministisk læringsscenarie. Denne klasse af uddannelsesprogrammer har følgende ulemper: lavt niveau af tilpasning til den studerendes individuelle karakteristika; at reducere opgaven med at diagnosticere en elevs viden til opgaven med at afgøre, om hans svar tilhører en af ​​klasserne af standardsvar; store arbejdsomkostninger til udarbejdelse af undervisningsmateriale.

En alternativ tilgang til processen med computerisering af læring er skabelsen af ​​såkaldte læringsmiljøer. Læringsmiljøet omfatter begrebet læring gennem opdagelse. Den grundlæggende forskel mellem denne tilgang og den ovenfor diskuterede er, at eleven i dette tilfælde behandles som en slags autonomt system, der er i stand til at have sine egne mål. Denne klasse af uddannelsesprogrammer er kendetegnet ved følgende funktioner: læringsmiljøet giver eleven undervisningsmateriale og andre ressourcer, der er nødvendige for at nå det uddannelsesmål, som læreren eller ham selv har sat for ham; manglende kontrol af elevens handlinger af systemet. Hovedformålet med læringsmiljøet er at skabe et gunstigt, "venligt" miljø eller "verden", hvorigennem eleven "rejser" tilegner sig viden.

Forskning inden for tænkningspsykologi, fremskridt inden for kunstig intelligens og programmeringsteknologier har udvidet computerens omfang i uddannelsesprocessen og gjort det muligt i praksis at teste nye koncepter til intellektualisering af computerlæring.

Den kraftige stigning i informationsmængden i uddannelsesforløbet stiller nye krav til den kybernetiske tilgang til undervisningen og dermed til pædagogisk software. De skal bidrage til effektivt at løse hovedproblemet - styring af læringsprocessen ved hjælp af feedback baseret på en detaljeret diagnose af elevernes viden, identifikation af årsagerne til deres fejl, og samtidig forklare den computer-foreslåede løsning på læringsproblemet. De bemærkede funktioner implementeres mest effektivt, først og fremmest af træningssystemer bygget på princippet om drift af eksperttræningssystemer, som bestemmer relevansen af ​​den teoretiske og praktiske undersøgelse af dette problem.

Indførelsen af ​​ekspertsystemer i uddannelsesprocessen er en naturlig logisk fortsættelse af computeriseringen af ​​uddannelse, dens kvalitativt nye fase, der lægger grundlaget for informatisering af uddannelse. Denne proces blev mulig takket være dybdegående forskning udført i spørgsmålene om computerisering af uddannelse af videnskabsmænd og lærere. I betragtning af, at brugen af ​​ekspertsystemer til at løse problemer i fysik har givet positive resultater, er forskning i udvikling og anvendelse af ekspertsystemer relevant ikke kun i videnskabelige, men også i pædagogiske aktiviteter, herunder undervisning i fysik.

Brugen af ​​træningsprogrammer bygget på princippet om drift af ekspertuddannelsessystemer i læringsprocessen vil give et nyt kvalitativt spring i uddannelsen. Deres introduktion til undervisningspraksis vil gøre det muligt at: ændre undervisningsstilen, vende den fra informativ og forklarende til kognitiv, uddannelsesmæssig og forskning; reducere den tid, det tager at tilegne sig den nødvendige viden.

Formålet med undersøgelsen er processen med at undervise i fysik.

Emnet for undersøgelsen er processen med at lære at løse problemer i fysik ved hjælp af et undervisningssystem bygget på princippet om drift af ekspert-læringssystemer, og dannelsen af ​​en generel måde at løse problemer på hos elever.

Formålet med arbejdet var at udvikle og skabe et undervisningssystem bygget på princippet om drift af ekspertlæringssystemer, fokuseret på at løse fysiske problemer i en bestemt klasse, og at undersøge muligheden for at udvikle en generel løsningsmetode for elever, når de lærer at løse problemer i fysik ved hjælp af data fra specialudviklede pædagogiske softwareværktøjer.

Forskningshypotesen er som følger: introduktionen i læreprocessen for undervisningssystemer bygget på princippet om drift af ekspertundervisningssystemer vil føre til mere effektiv læring af studerende af den generelle metode til at løse problemer i fysik, hvilket vil forbedre deres akademiske præstationer , uddybe deres viden om fysik og vil bidrage til at forbedre kvaliteten af ​​viden i det fag, der studeres.

Ud fra den formulerede hypotese blev følgende opgaver stillet og løst for at nå målet med undersøgelsen:

Analyse af moderne metoder og midler til udvikling af uddannelsesprogrammer. Fokus på dem, der svarer til arbejdets mål;

Forskning i mulighederne for at bruge en computer til at implementere udviklingen af ​​en fælles måde at løse problemer på hos eleverne;

Udvikling af strukturen og principperne for at konstruere et træningssystem, bygget på princippet om drift af eksperttræningssystemer, fokuseret på at løse fysiske problemer i en bestemt klasse;

Test af den foreslåede forskningshypotese, vurdering af effektiviteten af ​​den udviklede metode, udviklet pædagogisk software under det pædagogiske eksperiment.

For at løse problemerne blev følgende forskningsmetoder brugt:

Teoretisk analyse af problemstillingen baseret på studiet af pædagogisk, metodisk og psykologisk litteratur;

Spørgeskemaer og undersøgelser af elever, studerende, lærere på skoler og universiteter;

At studere processen med at lære at løse problemer og den udviklede metodik under besøg og afholdelse af fysikklasser, observation af elever, tale med lærere, gennemførelse og analyse af tests, testning af elever;

Planlægning, forberedelse, gennemførelse af et pædagogisk eksperiment og analyse af dets resultater.

Den videnskabelige nyhed i forskningen består af:

Udvikling af et træningssystem bygget på princippet om drift af eksperttræningssystemer, fokuseret på at løse en bestemt klasse af problemer i fysik;

Teoretisk og praktisk begrundelse for muligheden for hos eleverne at udvikle en generel måde at løse problemer på ved brug af udviklede pædagogiske softwareværktøjer (et undervisningssystem bygget på princippet om drift af ekspert-læringssystemer) i læringsprocessen;

Udvikling af det grundlæggende i en metode til brug af et træningssystem, bygget på princippet om drift af eksperttræningssystemer, når der undervises i løsningen af ​​fysiske problemer.

Undersøgelsens teoretiske betydning ligger i udviklingen af ​​en tilgang til undervisning i at løse problemer i fysik, som består i at implementere kontrol med elevernes aktiviteter, når de løser problemer ved hjælp af specialudviklet pædagogisk software (et undervisningssystem bygget på princippet om drift af ekspertlæring systemer).

Forskningens praktiske betydning ligger i skabelsen af ​​software og metodisk støtte til fysikklasser (et undervisningssystem bygget på princippet om drift af ekspertundervisningssystemer), at bestemme dens rolle og plads i uddannelsesprocessen og udvikle det grundlæggende i en metodologi for at bruge disse pædagogiske softwareværktøjer, når du afholder undervisning i at løse fysikopgaver ved hjælp af en computer.

Følgende er indgivet til forsvar:

Begrundelse for muligheden for at bruge det udviklede træningssystem, bygget på princippet om drift af eksperttræningssystemer, i processen med at lære at løse problemer i fysik;

Udvikling af en tilgang til styring af elevers aktiviteter gennem specialudviklet pædagogisk software (et undervisningssystem bygget på princippet om ekspertlæringssystemer) ved undervisning i løsning af problemer i fysik;

Grundlæggende for metoden til brug af et undervisningssystem, bygget på princippet om drift af ekspertlæringssystemer, når man gennemfører klasser om løsning af problemer i processen med at undervise i fysik.

Test og implementering af forskningsresultater. Hovedresultaterne af undersøgelsen blev rapporteret, diskuteret og godkendt på møder i afdelingen for metoder til undervisning i fysik ved Moscow State University (1994-1997), på en konference for unge videnskabsmænd (Mordovia State University, 1996-1997) ved konferencer ved Moscow State University (april, 1996).

Afhandlingens hovedbestemmelser afspejles i følgende publikationer:

1. Gryzlov S.V. Ekspertlæringssystemer (litteraturgennemgang) // Undervisning i fysik på videregående uddannelser. M., 1996. Nr. 4. - S. 3-12.

2. Gryzlov S.V. Anvendelse af ekspert-læringssystemer i processen med at undervise i fysik // Undervisning i fysik på videregående uddannelser. M., 1996. nr. 5.-S. 21-23.

3. Gryzlov S.V., Korolev A.P., Soloviev D.Yu. Eksperttræningssystem fokuseret på at løse et sæt problemer om en krops bevægelse på et skråplan // Forbedring af uddannelsesprocessen baseret på nye informationsteknologier. Saransk: Mordovisk stat. ped. Instituttet, 1996. - s. 45-47.

4. Gryzlov S.V., Kamenetsky S.E. Lovende retninger for brugen af ​​computerteknologi i uddannelsesprocessen på universiteter og skoler // Videnskab og skole. 1997. nr. 2.-S. 35-36.

Afhandlingens opbygning og omfang. Afhandlingen består af en introduktion, fire kapitler, en konklusion, en referenceliste og et bilag. Det samlede volumen er på 192 sider maskinskrevet tekst, inklusive 25 figurer, 8 tabeller. Listen over referencer omfatter 125 titler.

Lignende afhandlinger i specialet "Teori og metodologi for træning og uddannelse (efter uddannelsesområder og -niveauer)", 13.00.02 kode VAK

• Didaktiske betingelser for brug af automatiserede træningskurser i processen med at studere naturvidenskabelige fag af gymnasieelever 1999, kandidat for pædagogiske videnskaber Belous, Natalya Nikolaevna

• Udvikling af objektorienteret matematisk og informationsteknologisk software til styring af individualiseret læring i en kriminalskole 2003, kandidat for tekniske videnskaber Kremer, Olga Borisovna

• Teoretisk grundlag for skabelse og anvendelse af didaktiske interaktive softwaresystemer i generelle tekniske discipliner 1999, doktor i pædagogiske videnskaber Zainutdinova, Larisa Khasanovna

• Metoder til undervisning i geometri i 10-11 klassetrin på en gymnasieskole ved hjælp af en computer 2002, doktor i pædagogiske videnskaber Mehdiev, Muradkhan Gadzhikhanovich

• Computerstyret pædagogisk støtte til elevhandlinger, når der arbejdes på et omfattende program 2002, kandidat for pædagogiske videnskaber Tsareva, Irina Nikolaevna

Afslutning af afhandlingen om emnet "Teori og metodologi for træning og uddannelse (efter områder og uddannelsesniveauer)", Gryzlov, Sergey Viktorovich

KONKLUSIONER OM KAPITEL FIRE

1. Baseret på analysen af ​​mulige retninger for brug af en computer i undervisningen er manglerne ved eksisterende pædagogiske softwareværktøjer identificeret, behovet for oprettelse og brug i uddannelsesprocessen af ​​softwaretræningsværktøjer bygget på princippet om ekspertdrift. -læringssystemer er blevet underbygget.

2. Der er udviklet en metodik til at afholde undervisning ved hjælp af udviklet software (et træningssystem bygget på princippet om drift af eksperttræningssystemer).

3. Under søgeeksperimentet blev indholdet fastlagt, og strukturen af ​​de udviklede pædagogiske softwareværktøjer blev justeret.

4. Gennemførelsen af ​​et søgeeksperiment gjorde det muligt at udvikle den endelige version af metoden til afholdelse af undervisning ved hjælp af det udviklede undervisningssystem, med det formål at udvikle en generel måde at løse problemer på hos eleverne.

5. Den gennemførte komparative analyse af resultaterne af det kontrolpædagogiske eksperiment indikerer den betydelige indflydelse af vores foreslåede metode til at gennemføre klasser på løsning af fysiske problemer ved hjælp af udviklet pædagogisk software på dannelsen af ​​en generel metode til løsning af problemer hos elever.

Således er validiteten af ​​den fremsatte hypotese om den større effektivitet af vores foreslåede metode til at gennemføre undervisning om løsning af fysiske problemer ved hjælp af udviklede pædagogiske softwareværktøjer blevet bevist i sammenligning med den traditionelle.

KONKLUSION

1. Pædagogisk, metodisk og psykologisk litteratur og afhandlingsforskning om metoder til at bruge en computer i læreprocessen er blevet undersøgt og analyseret. På dette grundlag er det blevet afsløret, at de mest effektive pædagogiske softwareværktøjer er uddannelsesprogrammer bygget på princippet om drift af ekspertlæringssystemer.

2. Ekspertlæringssystemer fokuseret på at udvikle en fælles metode til løsning hos elever er det mest effektive middel til at undervise i problemløsning.

3. Udsigterne for at anvende ekspert-læringssystemer i uddannelsesprocessen fastlægges, og der foreslås retningslinier for anvendelse af ekspertsystemer i læringsprocessen.

4. Strukturen af ​​uddannelsessystemet, bygget på princippet om drift af ekspertlæringssystemer, fokuseret på at udvikle en fælles måde at løse problemer på hos elever, foreslås og begrundes.

5. Der er udviklet et træningssystem, bygget på princippet om drift af eksperttræningssystemer, der fokuserer på at løse et sæt problemer om en krops bevægelse på et skråplan. Styring af elevernes aktiviteter i forbindelse med løsning af et problem ved hjælp af et udviklet undervisningssystem implementeres gennem: a) computermodellering, som gør det muligt at identificere de væsentlige egenskaber og sammenhænge for de genstande, der diskuteres i opgaven; b) heuristiske værktøjer, der giver eleverne mulighed for at planlægge deres handlinger; c) trin-for-trin kontrol af elevens handlinger af læringssystemet og præsentation, på elevens anmodning, af en referenceløsning på problemet, udvikling af evnen til at evaluere sine handlinger og udvælge kriterier for denne evaluering.

6. Metoden til at afholde undervisning om problemløsning ved hjælp af udviklede pædagogiske softwareværktøjer, deres rolle og plads i uddannelsesprocessen er blevet fastlagt. De vigtigste bestemmelser i denne metode er som følger: a) elevernes selvstændige valg af opgaver for at mestre den generelle metode til at løse problemer i en bestemt klasse; b) brugen af ​​udviklet pædagogisk software (et træningssystem bygget på princippet om drift af ekspertuddannelsessystemer) til at danne en generel måde at løse problemer på; c) en kombination af selvstændig problemløsning af hver elev med en fælles diskussion af løsningsplanen; d) at identificere en algoritme til løsning af problemer i denne klasse baseret på en generalisering af allerede løste problemer.

7. Resultaterne af det gennemførte pædagogiske eksperiment viste, at dannelsen af ​​en generel måde at løse problemer på blandt studerende i eksperimentelle grupper, hvor træning blev udført ved hjælp af udviklet pædagogisk software (et undervisningssystem bygget på princippet om drift af ekspert-læringssystemer ), er signifikant højere end i kontrolgrupper , hvor træning blev udført ved hjælp af de mest almindelige typer computerprogrammer (simulering og træning), hvilket bekræfter pålideligheden af ​​den fremsatte hypotese.

Liste over referencer til afhandlingsforskning Kandidat for pædagogiske videnskaber Gryzlov, Sergey Viktorovich, 1998

1. Alekseeva E.F., Stefanyuk V.L. Ekspertsystemer (status og udsigter) // Izvestia fra USSR Academy of Sciences. Teknisk kybernetik. 1984.- nr. 5. s. 153-167.

2. Anatsky N.M., Levin N.A., Pospelova L.Ya. Implementering af ekspertsystemet "IPILOG" / Materialer fra V All-Union Seminar "Udvikling og anvendelse af pc-software i uddannelsesprocessen": Abstrakt. rapport Ordzhonikidze, 1989. - s. 27-28.

3. Anderson J.R., Reiser B.J. LISP-lærer // I bogen. Virkelighed og prognoser for kunstig intelligens: Lør. artikler; bane fra engelsk / Ed. V.L. Stefanyuk. M.: Mir, 1987. - s. 27-47.

4. Antonyuk L.S., Cherepina I.S. Om brugen af ​​aktive undervisningsmetoder i juniorforløb // Programmeret træning, 1988. - Issue. 25.-S. 98-101.

5. Aristova L.P. Automatisering af skolebørns læring. M.: Uddannelse, 1968. -139 s.

6. Babansky Yu.K. Valg af undervisningsmetoder i gymnasiet. M.: Pædagogik, 1981. - 176 s.

7. Baykov F.Ya. Problemprogrammerede opgaver i fysik i gymnasiet. Manual til lærere. M.: Uddannelse, 1982. - 62 s.

8. Balobashko N.G., Kuznetsov V.S., Smirnov O.A. Forsyne uddannelsesprocessen med computerressourcer. M.: Forskningsinstituttet for højere problemer. skole - 1985. 44 s.

9. Bespalko V.P. Grundlæggende i teorien om pædagogiske systemer. Voronezh: Voronezh University Publishing House, 1977. - 304.

10. Bespalko V.P. Programmeret læring (didaktisk grundlag). M., 1970. - 300 s.

11. Bobko I.M. Adaptiv pædagogisk software. -Novosibirsk: NSU Publishing House, 1991. 101 s.

12. Bugaenko G.A., Burkova S.A. Løsning af et problem med øget sværhedsgrad // Fysik i skolen. nr. 4. - 1991. - S. 43-46.

13. Bunyaev M.M. Videnskabeligt og metodisk grundlag for at designe forgrenede interaktive læringssystemer: Dis. for kandidatuddannelsen for naturvidenskab. ped. Sci. 1992. - 350 s.

14. Vlasova E.Z. Udsigter for brug af ekspertsystemer i uddannelsesforløbet // Gymnasial specialundervisning. 1991. - Nr. 4. - S. 21.

15. Vlasova E.Z. Udvikling af vidensbaser for ekspertsystemer til metodisk træning af fysikstuderende: Dis. for kandidatuddannelsen for naturvidenskab. ped. Sci. SP-b, 1993. - 211 s.

16. Gvaramiya M. Erfaring med at udvikle computerlærebøger i fysik // Informatik og uddannelse. 1990. - Nr. 6. - S. 79.

17. Gergey T., Mashbits E.I. Psykologiske og pædagogiske problemer med effektiv brug af computere i uddannelsesprocessen // Spørgsmål om psykologi. 1985. - nr. 3. - S. 41-49.

18. Gershunsky B.S. Computerisering i uddannelse: problemer og udsigter. M.: Pædagogik, 1987. - 264 s.

19. Glushkov V.M. Computerteknologi og kontrolaktiveringsproblemer. I: Videnskabens fremtid. Udsigter. Hypoteser. Moderne problemer. Vol. 4. - M.: Viden, 1971.

20. Golitsina I., Narkov I. Computer i fysikundervisning // Informatik og uddannelse. 1990. - Nr. 3. - S. 31.

21. Gottlieb B. Computer- og didaktisk support // Informatik og uddannelse. 1987. - nr. 4. - S. 3-14.

22. Gottlieb B. Struktur af AOS // Informatik og uddannelse. 1987. - Nr. Z.-S. 11-19.

23. Grabar M.I., Krasnyanskaya K.A. Anvendelse af matematisk statistik i uddannelsesforskning. Ikke-parametriske metoder. -M., Pædagogik, 1977. 136 s.

24. Gryzlov S.V. Ekspertlæringssystemer (litteraturgennemgang) // I samling. Undervisning i fysik i gymnasiet. nr. 4. - M., 1996. - S. 312.

25. Gutman V.I., Moshchansky V.N. Algoritmer til at løse problemer i mekanik i gymnasiet: En bog for lærere. M.: Uddannelse, 1988. -95 s.

26. Davydov V.V. Problemet med udviklingstræning: Erfaring med teoretisk og eksperimentel psykologisk forskning. M.: Pædagogik, 1986. - 240 s.

27. Dahlinger V. Dialogtræningsprogrammer og krav til dem // Informatik og uddannelse. 1988. - nr. 6. - S. 35-37.

28. Danowski P., Dovgyallo A.M., Kirova K.N. Automatiserede undervisningssystemer baseret på SPOK // Modern Higher School.-1983.-Nr. 1.-S. 171-178.

29. Denisov A.E., Bushuev S.D. Programmeret træning og computerisering af uddannelsesprocessen på et universitet // Programmeret træning, 1988.-Udgave. 25.-S. 3-9.

30. Gymnasiedidaktik: Nogle problemer i moderne didaktik. / Ed. M.N. Skatkina. M.: Uddannelse, 1982. - 319 s.

31. Driga V.I., Pankov M.N. Om spørgsmålet om didaktiske krav til kompilering af software og pædagogiske værktøjer / I samling. Computer og uddannelse / Red. Razumovsky V.G. M.: APN USSR, 1991 -117 s.

32. Emelyanov V.V., Ukhanova T.V., Yasinovsky S.I. Brugen af ​​kunstig intelligens metoder i fleksible produktionssystemer: En lærebog til kurset "Organisatorisk ledelse af GPS" / Red. V.V. Emelyanova. M.: Forlaget MSTU, 1991. - 36 s.

33. Eslyamov S.G. Metoder og midler, der sikrer effektiv brug af ekspertsystemer i undervisningen: Resumé af afhandlingen for kandidatgraden teknisk videnskab: 25.05.05. Kiev, 1993.- 16 s.

34. Jablon K., Simon J.-C. Anvendelse af computere til numerisk modellering i fysik. M.: Nauka, 1983. - 235 s.

35. Zak A.Z. Hvordan man bestemmer udviklingsniveauet for en elevs tænkning. -M.: Viden, 1982. 98 s.

36. Ibragimov O.V., Petrushin V.A. Ekspertlæringssystemer. -Kiev, 1989. 21 s. - (Prev. / Academy of Sciences of the Ukrainian SSR. Institute of Cybernetics opkaldt efter V.M. Glushkov; 89-47).

37. Izvozchikov V.A. Didaktiske grundlag for computerundervisning i fysik. L.: LGPI, 1987. - 256 s.

38. Izvozchikov V.A., Zharkov I.V. Dialog mellem en elev og en maskine // Fysik i skolen. 1985. - nr. 5. - S. 48-51.

39. Izvozchikov V.A., Revunov D.A. EVT i fysiktimer i gymnasiet. M.: Uddannelse, 1988. - 239 s.

40. Ilyina T.A. Pædagogik: Forelæsningsforløb. Lærebog for pædagogstuderende. universiteter M.: Uddannelse, 1984. - 202 s.

41. Kybernetik og indlæringsproblemer. / Ed. A.I. Berg. M.: Fremskridt, 1970. - 390 s.

42. Computeren får intelligens: Overs. fra engelsk/red. B.J.I. Stefanyuk. -M.: Mir, 1990. 240 s.

43. Kondratyev A.S., Laptev V.V. Fysik og computer. L.: Leningrad State University Publishing House, 1989. - 328 s.

44. Konstantinov A.B. Computer som teoretiker: symbolske beregninger og principper for kunstig intelligens i teoretisk fysik / Eksperiment udstillet. M.: Nauka, 1989. - S. 6-44.

45. Korzh E.D., Penner D.I. Programmerede problemer i fysik for klasse VIII. Vladimir: I PI, 1984. - 81 s.

46. ​​Krug G.K., Kabanov V.A., Chernykh A.V. Instrumentelle interaktive undervisningssystemer på en mikrocomputer // Mikroprocessorenheder og -systemer. 1987. - nr. 3. - S. 29-30.

47. Kuznetsov A., Sergeeva T. Træningsprogrammer og didaktik // Informatik og uddannelse. 1986. - nr. 2. - S. 87-90.

48. Kuznetsov A. Grundlæggende principper for brug af computere i læringsprocessen. / På lør. Teoretiske og anvendte problemer med computerisering af uddannelse. Kazan, 1988. - 184 s.

49. Lanina I.Ya. Dannelse af elevernes kognitive interesser i fysiktimerne. M.: Uddannelse, 1985. - 128 s.

50. Lobanov Yu.I., Brusilovsky P.L., Syedin V.V. Ekspertuddannelsessystemer. - M., - 56 s. - (Nye informationsteknologier i uddannelse: gennemgang, information /NIIVO; udgave 2)

51. Lyaudis V.Ya. Psykologiske principper for design af interaktive læringssystemer // I samling. Psykologisk-pædagogiske og psykologisk-fysiologiske problemer ved computertræning. M.: Forlag for USSR Academy of Sciences. - 1985.- 162 s.

52. Marcellus D. Programmeringsekspertsystemer i Turbo Prolog: Transl. fra engelsk M.: Finans og statistik, 1994. - 256 s.

53. Maryasina E.D. Analyse af rigtigheden af ​​svar i automatiserede læringssystemer ved brug af fortolkningsmodeller // Styresystemer og maskiner. 1983. - Nr. 1. - S. 104-107.

54. Maslov A., Tairov O., Trush V. Fysiologiske og hygiejniske aspekter af brugen af ​​personlige computere i uddannelsesprocessen // Informatik og uddannelse. 1987. - nr. 4. - S. 79-81.

55. Mashbits E.I. Dialog i en undervisningsmaskine. Kiev: Vishcha-skolen, 1989. -182 s.

56. Mashbits E.I. Computerisering af uddannelse: problemer og udsigter. M.: Viden, 1986. - 80 s.

57. Mashbits E.I. Psykologiske og pædagogiske problemer ved computerisering af uddannelse. M.: Pædagogik, 1988. - 215 s.

58. Metode til at studere emnet "Elektrisk felt" i et fysikkursus på gymnasiet baseret på problembaserede programmerede opgaver:

61. Mitrofanov G.Yu. Ekspertsystemer i læringsprocessen. M.: CSTI for civil luftfart, 1989. - 32 s.

62. Mikhalevich V.M., Dovgyallo A.M., Savelyev Ya.M., Kogdov N.M. Ekspertlæringssystemer i komplekset af computerlæremidler // Modern Higher School. 1988. - nr. 1 (61). - s. 125-136.

63. Monakhov V.M. Psykologiske og pædagogiske problemer med at sikre studerendes computerfærdighed // Psykologiske spørgsmål. 1985.- nr. 3. S. 14-22.

64. Morozova N.V., Ionkin V.P. Brug af rammesystemer til at styre elevernes viden // I bogen. Metoder og midler til informatisering af uddannelse og videnskabelig forskning / Moskva. lign.-st. int. M., 1992.- s. 43-49.

65. Nevdava L., Sergeeva T. Om lovende tendenser i udviklingen af ​​pædagogisk software // Informatik og uddannelse - 1990.-Nr. 6.-S. 79.

66. Nikolov B.S. Udvikling af værktøjer til at skabe pædagogiske ekspertsystemer: Dis. for kandidatuddannelsen for naturvidenskab. fysik og matematik Sci. M., USSR Academy of Sciences, 1988. - 183 s.

67. Nilsson N. Principper for kunstig intelligens / Overs. fra engelsk -M.: Radio og kommunikation, 1985. 373 s.

68. Novikov V.N. Om et problem med øget sværhedsgrad // Fysik i skolen. nr. 5. - 1989. - S. 124-128.

69. Novitsky L.P., Feidberg L.M. Eksperttræningssystem til en personlig computer // I bogen: Metoder og midler til kybernetik til styring af uddannelsesprocessen på videregående uddannelser: Lør. videnskabelig tr. / Moskva eks-st. int. M.; 1992. - s. 43-49.

70. Skolepædagogik. / Ed. DET. Ogorodnikova. M.: Uddannelse, 1978.-320 s.

71. Udsigter til udvikling af computerteknologi: I 11 bøger: Reference, manual / Red. Yu.M. Smirnova. Bestil 2. Intellektualisering af computere / E.S. Kuzin, A.I. Roitman, I.B. Fominykh, G.K. Khakhalin. M.: Højere. skole, 1989. - 159 s.

72. Petrushin V.A. Arkitektur af ekspertlæringssystemer / I bogen. Udvikling og anvendelse af ekspertuddannelsessystemer: Lør. videnskabelig tr. M.: NIIVSH, - 1989. - S. 7-18.

73. Petrushin V.A. Intelligente læringssystemer: arkitektur og implementeringsmetoder (gennemgang) // Izvestia AN. Teknisk kybernetik, nr. 2 1993. - S. 164-189.

74. Petrushin V.A. Modellering af elevens videnstilstand i intelligente læringssystemer // I bogen. Udvikling af og deres implementering: Lør. videnskabelig tr. / Academy of Sciences i den ukrainske SSR. Institut for Kybernetik opkaldt efter. Glushkova, Kiev, 1991. - s. 26-31.

75. Povyakel N.I. Måldannelse i psykologisk støtte af computerbrugersoftware. M.: Moscow State University Publishing House, 1975. -S. 79-81.

76. Popov E.V. Kommunikation med en computer i naturligt sprog. M.: Nauka.-1982. - 360 sek.

77. Popov E.V. Ekspertsystemer: Løsning af uformelle problemer i dialog med computer. M.: Videnskab. Ch. udg. fysik og matematik lit., 1987. - 288 s.

78. Konstruktion af ekspertsystemer. Ed. F. Heyes-Roth M.: Mir, 1987.-442 s.

79. Workshop om udvikling af pædagogisk software til gymnasier. / Uch. manual redigeret af V.D. Stepanova. M.: Prometheus Publishing House, 1990. - 79 s.

80. Præsentation og brug af viden: Overs. fra japansk / Ed. X. Ueno, M. Ishizuka. M.: Mir, 1989.

81. Anvendelse af ekspertsystemer i undervisning i fysik: Metodiske anbefalinger. / Komp. E.Z. Vlasova, prof., doktor i fysiske og matematiske videnskaber Sciences V.A. Cab chauffører. Petersborg, 1992. - 50 s. - (Cybernetics. Pedagogy. Educology. / Russian Pædagogical University opkaldt efter A.I. Herzen. Udgivet af "Education").

82. Putieva A. Spørgsmål om udviklingstræning ved hjælp af computere // Spørgsmål om psykologi. 1987. - nr. 1. - S. 63-65.

83. Raev A.I. Psykologiske problemer ved programmeret læring. L.: LGPI im. Herzen, 1971. - 96 s.

84. Udvikling og anvendelse af ekspertuddannelsessystemer. // Lør. videnskabelig tr. M.: NIIVSH, 1989. - 154 s.

85. Revunov A.D., Izvozchikov V.A. Elektronisk computerteknologi i fysiktimer i gymnasiet. M.: Uddannelse, 1988. - 257 s.

86. Richmond W.K. Lærere og maskiner: (Introduktion til teori og praksis om programmeret læring). M., 1968. - 278 s.

87. Savchenko N.E. Fejl i optagelsesprøver i fysik. -Minsk, Vysheish. skole, 1975. - 160 s.

88. Sergeeva T. Nye informationsteknologier og uddannelsens indhold // Informatik og uddannelse. -1991. nr. 1.

89. Sergeeva T., Chernyavskaya A. Didaktiske krav til computertræningsprogrammer // Informatik og uddannelse. -1986. -Nr. 1.-S. 48-52.

90. Talyzina N.F. Teoretiske problemer ved programmeret læring. M.: Moscow State University Publishing House, 1969. - 133 s.

91. Talyzina N.F. Styring af processen med tilegnelse af viden. M.: Moscow State University Publishing House, 1975.-343 s.

92. Tarasov J.I.B., Tarasova A.N. Spørgsmål og opgaver i fysik (Analyse af typiske fejl hos dem, der går ind på gymnasier). Pædagogisk manual, 3. udg., revideret. og yderligere - M.: Højere. skole, 1984. - 256 s.

93. Tikhomirov O.K. Psykologisk struktur af dialogen "Human-Computer" // Bulletin of Moscow State University. Ser. 14. Psykologi. - 1984. - Nr. 2. - S. 1724.

94. Usova A.V., Bobrov A.A. Dannelse af uddannelsesmæssige færdigheder hos elever i fysiktimer. M.: Uddannelse, 1988. - 112 s. (Fysiklærerens bibliotek).

95. Usova A.V., Tulkibaeva N.N. Workshop om løsning af fysiske problemer: Lærebog. manual for studerende i fysik og matematik. fak. M.: Uddannelse, 1992. - 208 s.

96. Fedoseenko M.Yu. Udvælgelse af midler til videnrepræsentation i ekspert-læringssystemer // I bogen: Udvikling og anvendelse af ekspert-læringssystemer: Lør. videnskabelig tr. M.: NIIVSH, 1989. - s. 43-48.

97. Chekulaeva M.E. Brug af computer som middel til at udvikle elevernes tænkning, når de underviser i fysik: Resumé af en afhandling for kandidatgraden for pædagogiske videnskaber: 13.00.02. -M., 1995.- 17 s.

98. Mennesket og datalogi / Red. V.M. Glushkova. Kiev, Naukova Dumka, 1971.

99. Mennesket og computerteknologi. / Under generelt udg. V.M. Glushkova. Kiev, 1971.-294 s.

100. Shchukina G.I. Aktivering af elevernes kognitive aktivitet i uddannelsesforløbet. M.: Uddannelse, 1979. - 160 s.

101. Aiken K. Lærere og Computer. Hvad er nøglekomponenten? // Paper præsenteret på ABS (Automatisering af uddannelsessystemet) i gymnasier og gymnasier. Institut Kurchatova. M., 1989, 26. maj - s. 37-41.

102. Anderson J.A. Psykologi og intelligent vejledning / Artif. Intel. og Uddannelse: Proc. 4. Int. Konf. AI and Educ., Amsterdam, 24.-26. maj, 1989. -Amsterdam etc., 1989. S. 1.

103. Andriole S.J. Løftet om kunstig intelligens // J. Syst. Manag. -1985.-Bd. 36.-№7.-P. 8-17.

104. Bodnar Gy. A mesterseges intelligencia es a szakerforendzerek // Minosed es Megbizhatosag, 1988. Nr. 3. - S. 11-17.

105. Bork A. Læring med personlige computere. Cambridge: Harper og Row, 1987. - 238 s.

106. Brown I.S., Burton R.R. Diagnostiske modeller for proceduremæssige fejl i grundlæggende matematiske færdigheder // Kognitionsvidenskab. 1978. - V. 2. - P. 155192.

107. Burton R.R. Diagnosticering af fejl i simple proceduremæssige færdigheder // Intern. J. Man-Machine Studies. 1979. - Nr. 11.

108. Cumming G., Self J. Collaborative intelligente uddannelsessystemer / Artif. Intel. og Uddannelse: Proc. 4. Int. Konf. AI and Educ., Amsterdam, 2426 maj, 1989. Amsterdam etc., 1989. - S. 73-80.

109. Dutta A. Ræsonnement med upræcis viden i ekspertsystem // Int. Sci. (USA). 1985. - Vol. 37. - Nr. 1-3. - S. 3-24.

110. Elson-Cook M. Vejledt opdagelsesvejledning og afgrænset brugermodellering // Self J. (Red.) Kunstig intelligens og menneskelig læring. Intelligente computerstøttede instruktioner. L.: Chapman og Hall, 1988.

111. Feigenbaum E. Om almenhed og problemløsning // Machine Intelligence. 1971. - Nr. 6.

112. Feigenbaum E.A., Mecorduck P. Den 5. generation. Addison Wesley. Masse. 1983.-226 s.

113. Goldstein I.P. Den genetiske graf: en repræsentation for udviklingen af ​​proceduremæssig viden // Intern. J. Man-Machine Studies. 1979. -№11.

114. Murray W.R. Kontrol til intelligente vejledningssystemer: en tavlebaseret dynamisk instruktionsplanlægger / Artif. Intel. og Uddannelse: Proc. 4. Int. Konf. AI and Educ., Amsterdam, 24.-26. maj, 1989. Amsterdam etc., 1989.-P. 150-168.

115. Newell A. Heuristisk programmering: ustrukturerede problemer // Fremskridt i operationsbehandling. New York: Wiley and Sons, 1969. - V. 3. - P. 362414.

116. Simon H. Strukturen af ​​ustrukturerede problemer // Kunstig intelligens. 1974. - V. 5. - Nr. 2. - S. 115-135.

117. Sleeman D. Nogle udfordringer for intelligente vejledningssystemer / IJCAI 87: Proc. 10. Fælleskonf. Artif. Intel., Milano, aug. 23-28, 1987. P. 11661168.

118. Sleeman D. Vurdering af kompetenceaspekter i grundlæggende algebra // Sleeman D., Brown J.S. (red) Intelligente vejledningssystemer. New York: Academic Press, 1982.

119. Soudin Y. Optimalt undervisningssystem Illusion eller virkelighed? /Øst-vest: Int. Konference "Human-Computer Interaction", Moskva, 3.-7. august 1993: Dokl. T. 1. - M., 1993. - S. 59-72.

120. Tompsett S.R. Uddannelse, træning og videnbasedesign // Ekspertsystem. 1988. - V. 5. - Nr. 4. - S. 274-280.

121. Weip S. Computeren i skolen: Machine as Humanizer // Symposium: Harvard Educational Review, 1989. Vol. 59. - Nr. 1. - S. 61.

122. Yazadani M. Gæsteredaktion: expert tutoring systems // Expert Syst. -1988. V. 5. - Nr. 4. - S. 271-272.

Bemærk venligst, at de videnskabelige tekster, der præsenteres ovenfor, kun er udgivet til informationsformål og er opnået gennem original afhandlingstekstgenkendelse (OCR). Derfor kan de indeholde fejl forbundet med ufuldkomne genkendelsesalgoritmer. Der er ingen sådanne fejl i PDF-filerne af afhandlinger og abstracts, som vi leverer.

Abstrakt om emnet:

Indhold

Oprettelse af en rapport som et databaseobjekt

Metoder til oprettelse af en rapport

Opret en rapport

Ekspert- og læringssystemer

Oprettelse af en rapport som et databaseobjekt

En rapport er en formateret repræsentation af data, der vises på skærmen, udskrevet eller i en fil. De giver dig mulighed for at udtrække den nødvendige information fra databasen og præsentere den i en form, der er let at forstå, og giver også rig mulighed for at opsummere og analysere data.

Ved udskrivning af tabeller og forespørgsler vises information praktisk talt i den form, den er gemt i. Der er ofte behov for at præsentere data i form af rapporter, der har et traditionelt udseende og er lette at læse. En detaljeret rapport indeholder alle oplysninger fra en tabel eller forespørgsel, men indeholder sidehoveder og er opdelt i sider med sidehoveder og sidefødder.

Rapportstruktur i designtilstand

Microsoft Access viser data fra en forespørgsel eller tabel i en rapport og tilføjer tekstelementer for at gøre det nemmere at læse.

Disse elementer omfatter:

Titel. Dette afsnit udskrives kun øverst på rapportens første side. Bruges til at udlæse data, såsom rapporttiteltekst, en dato eller en erklæring om dokumenttekst, der skal udskrives én gang i begyndelsen af ​​rapporten. For at tilføje eller fjerne et rapporttitelområde skal du vælge kommandoen Rapporttitel/note i menuen Vis.

Sidehoved. Bruges til at vise data såsom kolonneoverskrifter, datoer eller sidetal udskrevet øverst på hver rapportside. For at tilføje eller fjerne et sidehoved skal du vælge Sidehoved og sidefod i menuen Vis. Microsoft Access tilføjer sidehoved og sidefod på samme tid. For at skjule en af ​​sidehovederne og sidefødderne skal du indstille dens egenskab Height til 0.

Dataområdet placeret mellem sidehoved og sidefod på en side. Indeholder rapportens hovedtekst. Dette afsnit viser de udskrevne data for hver af posterne i den tabel eller forespørgsel, som rapporten er baseret på. For at placere kontrolelementer i dataområdet skal du bruge en liste over felter og en værktøjslinje. For at skjule dataområdet skal du indstille sektionens Height-egenskab til 0.

Sidefod. Dette afsnit vises nederst på hver side. Bruges til at vise data såsom totaler, datoer eller sidetal udskrevet nederst på hver rapportside.

Bemærk. Bruges til at udlæse data, såsom konklusionstekst, hovedtotaler eller en billedtekst, der skal udskrives én gang i slutningen af ​​rapporten. Selvom rapporten Note-afsnittet er nederst i rapporten i designvisning, er det udskrevet over sidefoden på den sidste side af rapporten. For at tilføje eller fjerne et område med rapportnoter skal du vælge kommandoen Rapporttitel/Rapportnoter i menuen Vis. Microsoft Access tilføjer og fjerner samtidig titel- og kommentarområderne for en rapport.

Metoder til oprettelse af en rapport

Du kan oprette rapporter i Microsoft Access på en række forskellige måder:

Konstruktør

Rapport Wizard

Autorapport: til kolonne

Automatisk rapport: bånd

Chart Wizard

Postetiketter

Guiden giver dig mulighed for at oprette rapporter ved at gruppere poster og er den enkleste måde at oprette rapporter på. Den placerer de valgte felter i rapporten og tilbyder seks rapportstile. Efter fuldførelse af guiden kan den resulterende rapport ændres i designtilstand. Ved at bruge funktionen Automatisk rapportering kan du hurtigt oprette rapporter og derefter foretage nogle ændringer i dem.

For at oprette en automatisk rapport skal du udføre følgende trin:

Klik på fanen Rapporter i databasevinduet og klik derefter på knappen Opret. Dialogboksen Ny rapport vises.

Vælg kolonnen Autorapport: eller Autorapport: strimler på listen.

I datakildefeltet skal du klikke på pilen og vælge Tabel eller Forespørgsel som datakilde.

Klik på knappen OK.

Auto Report Wizard opretter en autorapport i en kolonne eller stribe (brugerens valg) og åbner den i Preview-tilstand, som giver dig mulighed for at se, hvordan rapporten vil se ud, når den udskrives.

Ændring af rapportvisningsskalaen

For at ændre visningsskalaen skal du bruge markøren - et forstørrelsesglas. For at se hele siden skal du klikke hvor som helst på rapporten. Rapportsiden vil blive vist i reduceret skala.

Klik på rapporten igen for at vende tilbage til en større visning. I den forstørrede rapportvisning vil det punkt, du klikkede på, være i midten af ​​skærmen. Brug navigationsknapperne nederst i vinduet for at rulle gennem rapportsiderne.

Udskriv en rapport

Gør følgende for at udskrive en rapport:

Klik på kommandoen Udskriv i menuen Filer.

Klik på indstillingen Sider i området Udskriv.

For kun at udskrive den første side af rapporten skal du indtaste 1 i feltet Fra og 1 i feltet Til.

Klik på knappen OK.

Før du udskriver en rapport, er det tilrådeligt at se den i Preview-tilstand, for at få adgang til den, som du skal vælge Preview i menuen View.

Hvis du udskriver med en tom side i slutningen af ​​din rapport, skal du sørge for, at højdeindstillingen for rapportnoter er sat til 0. Hvis du udskriver med tomme sider imellem, skal du sørge for, at summen af ​​formularen eller rapportens bredde og venstre og højre margenbredder overstiger ikke bredden på det ark papir, der er angivet i dialogboksen Sideopsætning (menuen Filer).

Når du designer rapportlayouts, skal du bruge følgende formel: rapportbredde + venstre margen + højre margen<= ширина бумаги.

For at justere størrelsen på rapporten skal du bruge følgende teknikker:

ændre rapportens breddeværdi;

Reducer margenbredden eller skift sideretning.

Opret en rapport

1. Start Microsoft Access. Åbn databasen (f.eks. uddannelsesdatabasen "Dekanat").

2. Opret et AutoReport:-bånd med en tabel som datakilde (f.eks. Elever). Rapporten åbnes i Preview-tilstand, som giver dig mulighed for at se, hvordan rapporten vil se ud, når den udskrives.

3. Skift til designtilstand, og rediger og formater rapporten. For at skifte fra forhåndsvisningstilstand til designtilstand skal du klikke på Luk på værktøjslinjen i applikationsvinduet Access. Rapporten vises på skærmen i designtilstand.

Redigering:

1) fjern elevkodefelterne i overskriften og dataområdet;

2) flyt alle felter i overskriften og dataområdet til venstre.

3) Skift teksten i sidetitlen

Vælg Elever i afsnittet Rapporttitel.

Placer musemarkøren til højre for ordet Elever, så markøren ændres til en lodret streg (inputmarkøren), og klik på den position.

Indtast NTU "KhPI" og tryk på Enter.

4) Flyt billedteksten. I sidefoden skal du vælge feltet =Now() og trække det til rapporthovedet under navnet Elever. Datoen vises under titlen.

5) Klik på knappen Eksempel på værktøjslinjen Rapportdesigner for at få vist rapporten.

Formatering:

1) Vælg overskriften Studerende på NTU "KhPI"

2) Skift skrifttype, skrifttype og farve samt baggrundsfyldfarven.

3) Klik på knappen Eksempel på værktøjslinjen Rapportdesigner for at få vist rapporten.

Stilændring:

Gør følgende for at ændre stilen:

Klik på knappen Autoformat på værktøjslinjen Rapportdesigner for at åbne dialogboksen Autoformat.

På listen Rapport - AutoFormat objekttypografier skal du klikke på Streng og derefter klikke på OK. Rapporten vil blive formateret i Strict-stilen.

Skifter til forhåndsvisningstilstand. Rapporten vil blive vist i den stil, du valgte. Fra nu af vil alle rapporter, der er oprettet ved hjælp af AutoReport-funktionen, have stilen Strict, indtil du angiver en anden typografi i AutoFormat-vinduet.

Ekspert- og læringssystemer

Ekspertsystemer er en af ​​de vigtigste anvendelser af kunstig intelligens. Kunstig intelligens er en af ​​de grene af datalogi, der beskæftiger sig med problemerne med hardware- og softwaremodellering af de typer menneskelige aktiviteter, der betragtes som intellektuelle.

Resultaterne af forskning i kunstig intelligens bruges i intelligente systemer, der er i stand til at løse kreative problemer, der hører til et bestemt fagområde, hvor viden er lagret i systemets hukommelse (vidensbase). Kunstige intelligenssystemer er fokuseret på at løse en stor klasse af problemer, som omfatter de såkaldte delvist strukturerede eller ustrukturerede opgaver (svagt formaliserbare eller uformaliserbare opgaver).

Informationssystemer, der bruges til at løse semistrukturerede problemer, er opdelt i to typer:

Oprettelse af ledelsesrapporter (udførelse af databehandling: søgning, sortering, filtrering). Beslutninger træffes på grundlag af oplysningerne i disse rapporter.

Ekspertsystemer er en af ​​de vigtigste anvendelser af kunstig intelligens. Kunstig intelligens er en af ​​de grene af datalogi, der beskæftiger sig med problemerne med hardware- og softwaremodellering af de typer menneskelige aktiviteter, der betragtes som intellektuelle.

Resultaterne af forskning i kunstig intelligens bruges i intelligente systemer, der er i stand til at løse kreative problemer, der hører til et bestemt fagområde, hvor viden er lagret i systemets hukommelse (vidensbase). Kunstige intelligenssystemer er fokuseret på at løse en stor klasse af problemer, som omfatter de såkaldte delvist strukturerede eller ustrukturerede opgaver (svagt formaliserbare eller uformaliserbare opgaver).

Informationssystemer, der bruges til at løse semistrukturerede problemer, er opdelt i to typer:

Oprettelse af ledelsesrapporter (udførelse af databehandling: søgning, sortering, filtrering). Beslutninger træffes på grundlag af oplysningerne i disse rapporter.

Udvikling af mulige løsningsalternativer. Beslutningstagning handler om at vælge et af de foreslåede alternativer.

Informationssystemer, der udvikler løsningsalternativer, kan være model eller ekspert:

Modelinformationssystemer giver brugeren modeller (matematiske, statistiske, økonomiske osv.), der er med til at sikre udvikling og evaluering af løsningsalternativer.

Ekspertinformationssystemer sørger for udvikling og vurdering af mulige alternativer af brugeren gennem oprettelse af systemer baseret på viden opnået fra specialisteksperter.

Ekspertsystemer er computerprogrammer, der akkumulerer viden fra specialister - eksperter inden for specifikke fagområder, som er designet til at opnå acceptable løsninger i processen med informationsbehandling. Ekspertsystemer omdanner eksperternes erfaring inden for et bestemt vidensfelt til form af heuristiske regler og er beregnet til konsultation af mindre kvalificerede specialister.

Det er kendt, at viden findes i to former: kollektiv erfaring og personlig erfaring. Hvis et fagområde er repræsenteret af kollektiv erfaring (for eksempel højere matematik), så behøver dette fagområde ikke ekspertsystemer. Hvis det meste af viden inden for et fagområde er den personlige erfaring fra specialister på højt niveau, og denne viden er svagt struktureret, så har et sådant område brug for ekspertsystemer. Moderne ekspertsystemer har fundet bred anvendelse på alle områder af økonomien.

Videnbasen er kernen i ekspertsystemet. Overgangen fra data til viden er en konsekvens af udviklingen af ​​informationssystemer. Databaser bruges til at lagre data, og vidensbaser bruges til at lagre viden. Databaser opbevarer som udgangspunkt store mængder data til en relativt lav pris, mens vidensbaser gemmer små, men dyre informationssæt.

En vidensbase er en videnbase, der er beskrevet ved hjælp af den valgte form for dens præsentation. At udfylde videngrundlaget er en af ​​de sværeste opgaver, som er forbundet med udvælgelsen af ​​viden, dens formalisering og fortolkning.

Ekspertsystemet består af:

vidensbase (som en del af arbejdshukommelsen og en regelbase), designet til lagring af indledende og mellemliggende fakta i arbejdshukommelsen (også kaldet en database) og lagring af modeller og regler til manipulation af modeller i regelbasen

problemløser (tolk), som giver implementering af en sekvens af regler til løsning af et specifikt problem baseret på fakta og regler gemt i databaser og vidensbaser

forklaringsundersystem giver brugeren mulighed for at få svar på spørgsmålet: "Hvorfor tog systemet denne beslutning?"

et vidensindsamlingsundersystem designet til både at tilføje nye regler til videnbasen og modificere eksisterende regler.

brugergrænseflade, et sæt programmer, der implementerer brugerens dialog med systemet på tidspunktet for indtastning af information og opnåelse af resultater.

Ekspertsystemer adskiller sig fra traditionelle databehandlingssystemer ved, at de typisk bruger symbolsk repræsentation, symbolsk inferens og heuristisk søgning efter løsninger. For at løse svagt formaliserbare eller ikke-formaliserbare problemer er neurale netværk eller neurocomputere mere lovende.

Grundlaget for neurocomputere er opbygget af neurale netværk - hierarkisk organiserede parallelle forbindelser af adaptive elementer - neuroner, som sikrer interaktion med objekter i den virkelige verden på samme måde som det biologiske nervesystem.

Store succeser i brugen af ​​neurale netværk er opnået i skabelsen af ​​selvlærende ekspertsystemer. Netværket er konfigureret, dvs. træne ved at føre alle kendte løsninger igennem det og opnå de nødvendige svar ved udgangen. Opsætningen består i at vælge parametrene for neuronerne. Ofte bruger de et specialiseret træningsprogram, der træner netværket. Efter træning er systemet klar til drift.

Hvis dets skabere i et ekspertsystem forudindlæser viden i en bestemt form, så er det i neurale netværk ukendt selv for udviklerne, hvordan viden dannes i dets struktur i processen med læring og selvlæring, dvs. netværket er en "sort boks".

Neurocomputere, som kunstige intelligenssystemer, er meget lovende og kan forbedres uendeligt i deres udvikling. I øjeblikket er kunstige intelligenssystemer i form af ekspertsystemer og neurale netværk meget brugt til at løse finansielle og økonomiske problemer.

"

Ekspertuddannelsessystem

Introduktion

I øjeblikket, på grund af den hurtige udvikling af internetteknologier, dukker flere og flere nye interaktive tjenester op for Internet og intranet -netværk, såsom fjernundervisning. Fjernundervisningssystemet er en ret populær form for uddannelse i verden i de lande, der har et ret højt udviklingsniveau af computerbaserede kommunikationsværktøjer. Uddannelsen af ​​moderne specialister kræver organisering af uddannelsesprocessen ved hjælp af disse nye informationsteknologier og brug af videnbaserede systemer - ekspertsystemer (ES).

Brugen af ​​ES til at vurdere niveauet af studerendes viden i testsystemer bestemmer en vigtig blok af computerprogrammer - eksperttræningssystemer (ETS).

Ekspertlæringssystemer er computerprogrammer, der har hovedkomponenterne i en ES, men som har en yderligere udvidet forklaringskomponent. Sådanne systemer er baseret både på viden fra softwareeksperter og på viden fra eksperter i undervisningsmetodik. Derudover har de en komponent i at tilpasse præsentationen af ​​undervisningsmateriale til eleven alt efter dennes beredskab. Og som minimum er der flere læringsstrategier, hvis detaljeringsgrad afhænger af elevens aktivitet i dialog med systemet.

Brugen af ​​EOS som et testværktøj til at bestemme kvaliteten af ​​en elevs viden er også af stor betydning i undervisningen. Da den studerende under en sådan test ikke er påvirket af en subjektiv faktor, det vil sige, at testresultaterne ikke afhænger af eksaminatorens og den testedes personlige karakteristika. Og brugen af ​​ensartede test giver læreren mulighed for objektivt at vurdere elevernes forberedelsesniveau.

1. Emnets relevans

I forbindelse med den udbredte brug af computere øges computertræningens rolle, hvis metodik øger elevens intellektuelle evner og beslutningstagningens uafhængighed. Og sådanne kvaliteter er mest efterspurgt i en konkurrencepræget økonomi og bidrager til uddannelsefaglig vækst. Der er problemer med at skabe effektive undervisningssystemer, samt skabe nye former og måder at præsentere undervisningsmateriale på, søge efter nye pædagogiske teknikker og undervisningsmidler. En af retningerne for at øge effektiviteten af ​​træning, assimilering af information og reducere omkostningerne ved selve læreprocessen er udvikling og brug af automatiserede eksperttræningssystemer. På dette tidspunkt er der mange udtryk, der betegner et automatiseret eksperttræningssystem, som faktisk ligner hinanden.

De mest populære af dem er fjernundervisningssystemer, computertræningssystemer og andre. For at forklare den fulde betydning af de ovenfor nævnte begreber kan følgende definition gives.
Et ekspertuddannelsessystem (ETS) er et kompleks af software, hardware, uddannelsesmæssige og metodologiske værktøjer bygget på grundlag af viden fra fageksperter (kvalificerede lærere, metodologer, psykologer), implementering og kontrollæreproces. Formålet med et sådant system er, at det på den ene side hjælper læreren med at undervise og kontrollere eleven, og på den anden side lærer eleven selvstændigt.

2. Undersøgelsens formål og mål, planlagte resultater

Formålet med undersøgelsen er at udvikle et computerekspert undervisningssystem, der vil bidrage til at øge mængden af ​​erhvervet viden og effektiviteten af ​​informationsopfattelse, samt reducere den tid, der bruges på at studere emnet, herunder den tid, læreren bruger på at præsentere information. og bibringe eleverne praktiske færdigheder.

Hovedformål med undersøgelsen:

1. Udvikling af en ontologisk model af EOS;
2. Udvikling af EOS-strukturen;
3. Begrundelse og valg af værktøjer til computerimplementering;
4. Introduktion af aktive komponenter i EOS (spil, interaktive systemer, direkte adgang til kommunikation, for eksempel via Skype med manageren);

Studieobjekt: ekspertuddannelsessystem.

Undersøgelsesemne: modeller, strukturer og funktioner af EOS.

Videnskabelig nyhed består af en ny tilgang til EOS-design baseret på modellering af elevens aktiviteter og brug af kunstig intelligens metoder.

Som en del af kandidatspecialet lægges der op til at opnå relevant videnskabelige resultater på følgende områder:

1. Modellering af læreprocesser.
2. Design af EOS-strukturen til Internet og intranet.

Planlagte resultater af arbejdet: en prototype på et eksperttræningssystem, der vil forbedre kvaliteten af ​​træningen og reducere træningstiden.

3. Gennemgang af videnskabelig forskning.

Da spørgsmålene om at forske i ekspertundervisningssystemer og øge effektiviteten af ​​træning i dette system er en vigtig del af løsningen af ​​komplekse problemer ved hjælp af ekspertsystemer. EOS er blevet undersøgt bredt af både udenlandske og indenlandske specialister.

3.1. Gennemgang af internationale kilder

Første træningssystem Platon baseret på en kraftfuld computer fra virksomheden" Control Data Corporation "blev udviklet i USA i slutningen af ​​50'erne og udviklet over 20 år. Oprettelse og brug af træningsprogrammer er blevet virkelig udbredt siden begyndelsen af ​​80'erne, hvor personlige computere dukkede op og blev udbredt. Siden da er uddannelsesapplikationer af computere blevet en af ​​deres vigtigste applikationer, sammen med tekstbehandling og grafik, der skubber matematiske beregninger i baggrunden.

ECSI blev også grundlagt i 1972 og har siden etableret sig som en førende tjenesteudbyder til uddannelsesindustrien. Virksomheden har specialiseret sig i at udvikle produkter og tjenester for at forbedre læringsoplevelsen for elever og deres forældre. ECSI betjener i øjeblikket mere end 1.300 skoler, gymnasier og universiteter over hele landet, der tilbyder en bred vifte af fuldt tilpassede, intuitive læringssystemer.

3.2. Gennemgang af nationale kilder

Moderne træningssystemer omfatter TrainingWare, eLearning Server 3000 v2.0, eLearningOffice 3000, IBM Workplace Collaborative Learning og HyperMethod 3.5 fra HyperMethod, som er den største russiske udvikler af færdige løsninger og software inden for multimedier, eksperttræning og e- handel.

4. Ekspertuddannelsessystemer

Et ekspertlæringssystem (ETS) er et computerprogram bygget på baggrund af viden fra fageksperter (kvalificerede lærere, metodologer, psykologer), der udfører og kontrollerer læreprocessen. Formålet med et sådant system er, at det på den ene side hjælper læreren med at undervise og kontrollere eleven, og på den anden side lærer eleven selvstændigt.

Hovedkomponenterne i EOS er:

1. vidensbase;
2. output maskine;
3. viden udvinding modul;
4. træningsmodul;
5. forklaringssystem;
6. testmodul.

Billede 1- Funktionel model af EOS-strukturen

(animation: 8 billeder, 5 gentagelsescyklusser, 118 kilobyte)

I denne model er den øverste del af EOS arvet fra ES, og den nederste del repræsenterer blokke, der sikrer processen med træning og test.

En videnbase er et depot af vidensmoduler. Vidensmodulet af ekspertsystemer er en formaliseret, ved hjælp af en eller anden metode til videnrepræsentation (produktionssystem, frames, semantiske netværk, 1. ordens prædikatregning) visning af objekter i emneområdet, deres relationer, handlinger på objekter.

Arbejdet med videnbasen involverer følgende faser:

1. udvinding af viden fra eksperter;
2. formalisering af viden;
3. adgang, bearbejdning af vidensmoduler.

Under læringsprocessen kan ekspertviden overføres til den lærende i form af et stykke information (tekst, grafik, multimedie), samt viden baseret på erfaring, som ikke kan overføres direkte til den lærende, men erhverves pr. ham i løbet af selvstændig virksomhed].

For at overføre ekspertviden bruges udviklet hypertekstteknologi i vid udstrækning - fra traditionelle hjælpeprogrammer til moderne værktøjer til at skabe og understøtte websteder (f.eks. Dreamweaver MX).

I modsætning til ES er det ikke kun ekspertlærere involveret for at opbygge en EOS vidensbase, men også viden om pædagogiske teknikker og undervisningsstrategier og om den enkeltes psykologiske karakteristika. Derfor dannes vidensmoduler af mange eksperter. Og her er det nødvendigt at tage hensyn til konsistensen af ​​ekspertudtalelser og finjustere videnbasen under hensyntagen til eksperternes kompetence. Disse vanskeligheder kan naturligvis omgås, hvis der er en ekspert, der kombinerer viden fra en specialist på fagområdet, viden om undervisningstaktikker og strategier og behersker psykologiske undervisningsteknikker, det vil sige en højt kvalificeret lærer.

Træningskomponenten er et sæt softwaremoduler, der implementerer forskellige outputmekanismer for at nå det pædagogiske mål i træningen. EOS er i modsætning til andre computerlæremidler interaktive: De har en dialog med eleven, hvilket er meget attraktivt for denne.

Konstruktionen af ​​dialog er baseret på de grundlæggende psykologiske principper for læring:

1. brugervenlig grænseflade;
2. forlade dialogen til enhver tid;
3. rettidig og motiveret hjælp.

Hvert spørgsmål, der stilles til eleven, skal gennemtænkes nøje, og om nødvendigt give et mere detaljeret spørgsmål for bedre at forstå det.

Som et resultat af undersøgelsen Det har vist sig, at mange komponenter i at skabe en EOS afhænger af resultatet af træningen, og derfor, for at skabe en EOS vidensbase, har du brug for en specialist, der har fremragende viden om fagområdet og også er sikker på at lære teknikker.

5. Klient-server-teknologi af eksperttræningssystem til netværk InternettetOgIntranet

Klient-server-arkitekturen består af følgende komponenter:

en server, der opfylder klientanmodninger; klient, som giver en brugergrænseflade, der sender anmodninger til serveren og modtager svar fra den; netværkskommunikationssoftware, der kommunikerer mellem en klient og en server. Brugen af ​​klient-server-teknologi giver visse fordele, når man bygger et ES: videnbasen er lagret på serveren, og derfor er behovet for at opdatere det én gang;
videnbasen kan være tilgængelig for andre applikationer; og fordelen ved ekspertlæringssystemer (ETS) er, at du kan gemme indhold på en server og spore læringsstatistikker på den.
Client-server ES og EOS til Internet/Intranet netværk gør det muligt at udvide mulighederne for deres anvendelse i fjernundervisning.
Computertræningssystemer tillader både udvikling af ES-prototyper og kan bruges til skræddersyet test og træning af elever over et lokalt netværk.
Hovedkomponenterne i EOS er følgende: vidensbase editor; logiske inferensmaskiner (direkte, omvendt, indirekte inferens, Bayes formel); forklaring delsystem; dej analysator; lærermodul; træningskomponent.

Ekspertlæringssystemers hovedopgave er at give den studerende mulighed for selvstændigt at tilegne sig viden, færdigheder og evner i at udvikle vidensbaser og skabe prototyper af elektroniske systemer samt til trænet test.

Der er mindst fem vigtige grunde, der hindrer implementeringen af ​​klient-server (distribueret) ES:

1. De strukturelle elementer i ES-komponenterne er ikke isoleret fra hinanden.
2. En database er ikke en database, for hvilken der er kraftfulde DBMS'er (Oracle, InterBase, MySQL og så videre), der bruger SQL-forespørgsler.
3. Flerbrugeradgang til videnbasen til redigering er simpelthen ikke acceptabel.
4. Den logiske konklusion og det specifikke ved at skabe en videnbase (forskellige måder at repræsentere viden på) bidrager ikke til behovet for at kombinere dem i et enkelt system. Der er udviklet en række beskrivelsessprog og webtjenester til Symantec Web, men der er stadig ingen forslag til implementering af logisk inferens.
5. Softwareværktøjer til at konstruere ES og videnbaser er eksklusive og dyre.

Du kan selvfølgelig placere ES på en webserver til download til klientmaskinen via downloadlinket og opdatere den på serveren, men dette er ikke en klient-server løsning.

Tilsvarende kan man diskutere brugen af ​​en tre-tiers klient-server-arkitektur (Server - CORBA - Client), når videnbasen er placeret på applikationsserveren og præsenteres i form af forretningsbeslutningsregler.

Heller ikke egnet til "tynd klient"-teknologien (KB, logisk inferens, forklaringssystem er placeret på serveren, og dialogen med ES understøttes både på serveren og på klienten) og "tyk klient" (KB, logisk inferens, forklaringssystem er placeret på klientmaskinen, og dialoggrænsefladen understøttes af klienten og serveren).

Bemærk venligst, at ES-videnbasen er intellektuel ejendomsret og ikke kan stilles til rådighed for fri brug. Og pædagogiske KB'er bør placeres på en webserver, så enhver interesseret bruger kan analysere, hvordan ES fungerer og forbedre deres viden om emneområdet.

Vi bør ikke glemme serverbelastninger under spidsbelastningssituationer. Ingen udbyder vil give en server væk kun for at fungere som en ES, da brugerens reaktion under konsultation eller forklaring ikke er forudsigelig. Og disse er vigtige aspekter af ES' funktion (konsultationer kan vare fra minutter til flere timer).

At udvikle et EOS til internet/intranet-netværk er en helt anden sag.

EOS er et computersystem bygget på baggrund af viden fra fageksperter (kvalificerede lærere, metodologer, psykologer), som udfører og styrer læringsprocessen. Formålet med et sådant system er, at det på den ene side hjælper læreren med at undervise og kontrollere eleverne, og på den anden side at eleverne lærer selvstændigt.

Hovedkomponenterne i EOS er følgende: vidensbase; output maskine; træningsmodul; forklaringssystem; læringstestmodul.

Videnbasen indeholder som regel:

Psykodiagnostiske regler til at identificere psykologiske typer af elever.

Didaktiske teknikker til undervisning. Reglerne repræsenterer lærernes akkumulerede viden til vurdering af elevernes viden.

Læringsregler ændrer rækkefølgen af ​​præsenterede indholdsopgaver. Denne sekvens er en funktion af mange variabler: elevens psykologiske type, træningsniveauet, elevens aktuelle respons, opgavens sværhedsgrad, mængden af ​​gennemført træning.

I forbindelse med det, der er blevet sagt om distribueret ES, anbefales det at bruge "tyk klient" teknologi til træning og test, dvs. når alle komponenterne i ES er placeret på klientmaskinen, og resultaterne af træning og test. overføres til serveren. Og der er ingen grund til at frygte, at resultaterne kan erstattes, givet protokollens moderne krypteringsmuligheder med en fjernserver. Hvorfor netop denne teknologi? Det er kendt, at omkring 80% af al information opfattes af en person - det er visuelt. Derfor er multimedieteknologier (avi-filer) en prioritet i træningen. Hvis du placerer dem og kører dem påserver - dette er en enorm belastning på serveren, og som et resultat stiger trafikken til enorme størrelser.

konklusioner

EOS har, i modsætning til andre computerlæringsteknologier, evnen til at implementere læreprocessen i henhold til en individuel elevmodel. Læring ved hjælp af ES er fokuseret på tilegnelse af viden af ​​den lærende selv. Sådanne specialister er nemlig efterspurgte på det moderne arbejdsmarked. EOS har også sine fordele og ulemper.

De vigtigste ulemper forbundet med ekspertlæringssystemer kan opdeles i psykologisk forbundet med manglende ”live” kommunikation med læreren, høje krav til selvorganisering og teknisk, som er forårsaget af ufuldkommenheder i indhold, teknologi og telekommunikationsinfrastruktur.

Fordelene ved ekspertuddannelsessystemer er:

1. Geografiske og tidsmæssige fordele.
2. Personalisering af læreprocessen. Mulighed for at træne forskellige kategorier af mennesker, herunder personer med handicap.
3. Udvide den information, der studeres, og øge intensiteten af ​​læring.
4. Optimering og automatisering af videnoverførselsprocessen.

Kandidatafhandlingen er helliget det aktuelle videnskabelige problem med at automatisere et ekspertundervisningssystem. Som en del af undersøgelsen er følgende udført:

1. Eksisterende ekspertuddannelsessystemer analyseres.
2. Der blev gennemført en undersøgelse af et automatiseret ekspertuddannelsessystem.
3. Klient-server-teknologien i et eksperttræningssystem til internet- og intranetnetværk tages i betragtning.

I overensstemmelse med problemformuleringen er den videre forskningsretning udvælgelsen, udviklingen og tilpasningen af ​​et ekspertuddannelsessystem, dets softwareimplementering og testning.

På tidspunktet for skrivning af dette abstract er kandidatafhandlingen endnu ikke afsluttet. Endelig færdiggørelse: december 2013. Den fulde tekst af værket og materialer om emnet kan fås fra forfatteren eller dennes vejleder efter den angivne dato.

Liste over kilder

1. Brooking A. Ekspertsystemer. Driftsprincipper og eksempler: Transl. fra engelsk / A. Brooking, P. Jones; [Red. R. Forsyth. - M.: Radio og kommunikation, 1987. - 224 s.

2. - American Association for Artificial Intelligence American Association for Artificial Intelligence (AAAI).

7. Karpova I.P. Analyse af elevbesvarelser i automatiserede læringssystemer / I.P. Karpova // - Informationsteknologier, 2001, nr. 11. - s. 49-55.

8. Pusilovsky, P., Adaptive og intelligente teknologier til webbaseret uddannelse. I C. Rollinger og C. Peylo (red.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz, 4, 19 - 25.

9. Burdaev V.P. Klient-server-teknologi af et eksperttræningssystem til internet- og intranetnetværk. // Kunstig intelligens.

11. Andreychikov A.V. Intelligente informationssystemer. /EN. V. Andreichikov, O. N. Andreichikova: Lærebog. - M.: Finans og statistik, 2004. - 424 s.

12. Atanov G. A. Træning og kunstig intelligens, eller grundlaget for moderne videregående skoledidaktik. /G. A. Atanov, I. N. Pustynnikova. - Donetsk: DOU, 2002. - 504 s.

13. Marvin Minsky. Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. 2007. - 332 s.

(i medicin tilbyder computeren diagnostiske muligheder og giver råd) Ekspertsystemer- disse er programmer til computere, der akkumulerer (dvs. indsamler, akkumulerer) viden fra specialister - eksperter inden for specifikke fagområder, som er designet til at opnå acceptable løsninger i processen med informationsbehandling. Ekspertsystemer omdanner eksperternes erfaring inden for ethvert specifikt vidensfelt til form af heuristiske regler og er beregnet til konsultation af mindre kvalificerede specialister.

Principperne for driften af ​​et vidensbaseret ekspertsystem: brugeren overfører fakta eller anden information til ekspertsystemet og modtager ekspertrådgivning eller ekspertviden som et resultat.

Ekspertsystemet består af:

Vidensbase (som en del af arbejdshukommelsen og en regelbase), designet til lagring af indledende og mellemliggende fakta i arbejdshukommelsen (også kaldet en database) og lagring af modeller og regler til manipulation af modeller i regelbasen

En problemløser (tolk), der giver implementering af en sekvens af regler til løsning af et specifikt problem baseret på fakta og regler gemt i databaser og vidensbaser

Forklaringsundersystemer giver brugeren mulighed for at få svar på spørgsmålet: "Hvorfor tog systemet denne beslutning?"

Et vidensindsamlingsundersystem designet til både at tilføje nye regler til videnbasen og ændre eksisterende regler.

Brugergrænseflade, et sæt programmer, der implementerer brugerens dialog med systemet på tidspunktet for indtastning af information og opnåelse af resultater.

Generelt ekspertsystemer er klassificeret i tre hovedområder: efter type computer, efter forbindelse med realtid og efter typen af ​​problem, der løses.

Efter computertype ES er klassificeret i: supercomputer; Medium ydeevne computer; tegnprocessorer; personlige computere.

I forbindelse med realtid klassificeret i: Statisk; Kvasidynamisk;

· Dynamisk.

Efter type problem, der løses klassificeret i: Datafortolkning; Diagnostik; Overvågning; Design; Forecasting; Planlægning; Styring; Beslutningsstøtte; Uddannelse.

Ekspertens viden vedrører kun ét fagområde, og det er forskellen mellem metoder baseret på brug af ekspertsystemer og generelle metoder til problemløsning. En eksperts viden relateret til løsning af specifikke problemer kaldes ekspertens vidensområde.

På vidensområdet udfører et ekspertsystem ræsonnementer eller drager logiske konklusioner på samme princip, som en menneskelig ekspert ville ræsonnere eller nå frem til en logisk løsning på et problem. Det betyder, at der ud fra visse fakta dannes en logisk, begrundet konklusion gennem ræsonnementer, som følger af disse fakta.

Ekspertsystemer har mange attraktive funktioner:

Øget tilgængelighed. Enhver passende computerhardware kan bruges til at give adgang til ekspertviden.

· Reducerede omkostninger. Omkostningerne ved at levere ekspertviden pr. individuel bruger reduceres markant.

· Reduceret fare. Ekspertsystemer kan bruges i sådanne miljøer, der kan vise sig at være farlige for mennesker.

· Konstans. Ekspertise forsvinder aldrig. I modsætning til menneskelige eksperter, som kan gå på pension, sige deres job op eller dø, vil kendskabet til et ekspertsystem bestå i det uendelige.

· Mulighed for at få ekspertise fra mange kilder. Ved hjælp af ekspertsystemer kan mange eksperters viden opsamles og bringes i gang med en opgave, der udføres samtidigt og kontinuerligt på ethvert tidspunkt af dagen eller natten. Niveauet af ekspertviden kombineret ved at kombinere viden fra flere eksperter kan overstige vidensniveauet for en enkelt menneskelig ekspert.

· Øget pålidelighed. Brugen af ​​ekspertsystemer kan øge graden af ​​tillid til, at den rigtige beslutning er truffet ved at give en anden informeret udtalelse til en menneskelig ekspert eller mediator, når der skal løses uoverensstemmelser mellem flere menneskelige eksperter. (Selvfølgelig kan denne metode til at løse uoverensstemmende udtalelser ikke bruges, hvis ekspertsystemet er programmeret af en af ​​de eksperter, der er involveret i meningssammenstødet.) Ekspertsystemets beslutning skal altid stemme overens med ekspertens beslutning; et mismatch kan kun skyldes en fejl begået af eksperten, hvilket kun kan ske, hvis den menneskelige ekspert er træt eller stresset.

· Forklaring. Et ekspertsystem er i stand til i detaljer at forklare sin begrundelse, der førte til en bestemt konklusion. Og personen kan være for træt, ikke tilbøjelig til at forklare eller ude af stand til at gøre det hele tiden. Muligheden for at få en forklaring øger tilliden til, at den rigtige beslutning blev truffet.

· Hurtigt svar. Nogle applikationer kan kræve hurtig eller realtidssvar. Afhængigt af den anvendte hardware og software kan et ekspertsystem reagere hurtigere og være mere klar til at arbejde end en menneskelig ekspert. Nogle ekstreme situationer kan kræve hurtigere reaktioner end mennesker; i dette tilfælde bliver brugen af ​​et ekspertsystem i realtid en acceptabel mulighed.

· Konsekvent korrekt, følelsesløst og fuldstændigt svar under alle omstændigheder. Denne egenskab kan være meget vigtig i realtid og i ekstreme situationer, hvor en menneskelig ekspert kan være ude af stand til at udføre maksimal effektivitet på grund af stress eller træthed.

· Mulighed for brug som et intelligent træningsprogram. Et ekspertsystem kan fungere som et intelligent undervisningsprogram, der giver eleven eksempler på programmer, der skal køres og forklarer, hvad systemets ræsonnement bygger på.

· Kan bruges som en intelligent database. Ekspertsystemer kan bruges til at få adgang til databaser ved hjælp af en intelligent adgangsmetode.

25.Fordele ved at bruge IKT i undervisningen

Informationsfænomen den vigtigste reformmekanisme er dannelse. Systemer, f.eks. til højere kvalitet, adgang. og effekt. uddannelse.

Comp. teknologi er kun hardware. I dag har vi endnu en opgave - valmue. Effekt. Brug hende, retning at beslutte strategisk moderniseringsmål Uddannelse – højere. dens kvalitet.

Fordele:

1. Informationsteknologi Midler. udvide mulighederne for at præsentere pædagogisk information Brugen af ​​farver, grafik, lyd, alt sammen moderne. videoudstyr giver dig mulighed for at genskabe den virkelige situation for en aktivitet..

2. Computeren tillader navneord. øge motivationen til at lære.

3. IKT involverer elever i læring. proces, der bidrager til den bredeste afsløring af deres evner, aktivering af mental aktivitet.

4. Brug IKT i uddannelsesprocessen steg. Muligt opstilling af pædagogiske opgaver og styring af processen med at løse dem. Computere gør det muligt at bygge og analysere modeller af forskellige objekter, situationer og fænomener.

5. Ikt gør det muligt kvalitativt at ændre styringen af ​​aktiviteter. Studer samtidig med at du giver fleksibilitet til at styre læringsprocessen.

6. Computeren bidrager til dannelsen. elevernes refleksion. Træningsprogrammet giver eleverne mulighed for visuelt at præsentere resultatet af deres handlinger, den specifikke fase i løsningen af ​​problemet, katten. lavet en fejl og ret den.