Czego nie zapewniają systemy szkoleń eksperckich. Systemy eksperckie i uczące się

(w medycynie komputer oferuje możliwości diagnostyczne i udziela porad) Systemy eksperckie- są to programy dla komputerów, które akumulują (tj. gromadzą, kumulują) wiedzę specjalistów - ekspertów w określonych obszarach tematycznych, które mają na celu uzyskanie akceptowalnych rozwiązań w procesie przetwarzania informacji. Systemy eksperckie przekształcają doświadczenie ekspertów z dowolnej konkretnej dziedziny wiedzy w postać reguł heurystycznych i służą konsultowaniu mniej wykwalifikowanych specjalistów.

Zasada działania systemu ekspertowego opartego na wiedzy: użytkownik przekazuje fakty lub inne informacje do systemu ekspertowego i w rezultacie otrzymuje poradę ekspercką lub wiedzę ekspercką.

System ekspertowy składa się z:

Baza wiedzy (jako część pamięci roboczej i bazy reguł), przeznaczona do przechowywania faktów początkowych i pośrednich w pamięci roboczej (zwanej także bazą danych) oraz przechowywania modeli i reguł manipulacji modelami w bazie reguł

Narzędzie do rozwiązywania problemów (interpreter), które zapewnia implementację ciągu reguł rozwiązania konkretnego problemu w oparciu o fakty i reguły przechowywane w bazach danych i bazach wiedzy

Podsystemy objaśnień pozwalają użytkownikowi uzyskać odpowiedź na pytanie: „Dlaczego system podjął taką decyzję?”

Podsystem pozyskiwania wiedzy zaprojektowany tak, aby zarówno dodawać nowe reguły do bazy wiedzy, jak i modyfikować istniejące reguły.

Interfejs użytkownika, zestaw programów realizujących dialog użytkownika z systemem na etapie wprowadzania informacji i uzyskiwania wyników.

Ogólnie Systemy ekspertowe dzieli się na trzy główne obszary: według typu komputera, połączenia z czasem rzeczywistym i rodzaju rozwiązywanego problemu.

Według typu komputera ES dzieli się na: superkomputer; Komputer o średniej wydajności; procesory znaków; komputery osobiste.

W połączeniu z czasem rzeczywistym podzielone na: Statyczne; Quasi-dynamiczny;

· Dynamiczny.

Według rodzaju rozwiązywanego problemu podzielone na: Interpretację danych; Diagnostyka; Monitorowanie; Projekt; Prognozowanie; Planowanie; Kontrola; Wspomaganie decyzji; Edukacja.

Wiedza eksperta dotyczy tylko jednego obszaru tematycznego i na tym polega różnica pomiędzy metodami opartymi na wykorzystaniu systemów ekspertowych a ogólnymi metodami rozwiązywania problemów. Wiedza eksperta związana z rozwiązywaniem konkretnych problemów nazywana jest obszarem wiedzy eksperta.

W dziedzinie wiedzy system ekspertowy przeprowadza rozumowanie lub wyciąga logiczne wnioski na tej samej zasadzie, na której rozumowałby ekspert będący człowiekiem lub dochodził do logicznego rozwiązania problemu. Oznacza to, że na podstawie pewnych faktów dochodzi do logicznego, uzasadnionego wniosku poprzez rozumowanie, które z tych faktów wynika.

Systemy ekspertowe posiadają wiele atrakcyjnych funkcji:

Zwiększona dostępność. Aby zapewnić dostęp do wiedzy eksperckiej, można zastosować dowolny odpowiedni sprzęt komputerowy.

· Obniżone koszty. Koszt dostarczenia wiedzy eksperckiej w przeliczeniu na pojedynczego użytkownika ulega znacznemu obniżeniu.

· Zmniejszone niebezpieczeństwo. Systemy ekspertowe mogą być stosowane w takich środowiskach, które mogą okazać się niebezpieczne dla człowieka.

· Stałość. Fachowość nigdy nie przeminie. W przeciwieństwie do ludzkich ekspertów, którzy mogą przejść na emeryturę, rzucić pracę lub umrzeć, wiedza systemu eksperckiego będzie trwała przez czas nieokreślony.

· Możliwość zdobycia wiedzy specjalistycznej z wielu źródeł. Za pomocą systemów ekspertowych można zgromadzić wiedzę wielu ekspertów i zastosować ją w zadaniu, które jest realizowane jednocześnie i w sposób ciągły, o każdej porze dnia i nocy. Poziom wiedzy eksperckiej połączony poprzez połączenie wiedzy kilku ekspertów może przekraczać poziom wiedzy pojedynczego eksperta-człowieka.

· Zwiększona niezawodność. Korzystanie z systemów eksperckich może zwiększyć stopień pewności, że podjęto właściwą decyzję, poprzez dostarczenie kolejnej opartej na faktach opinii ekspertowi lub mediatorowi w przypadku rozstrzygania rozbieżnych opinii pomiędzy kilkoma ekspertami będącymi ludźmi. (Oczywiście tej metody rozstrzygania rozbieżnych opinii nie można zastosować, jeśli system ekspertowy jest programowany przez jednego z ekspertów zaangażowanych w zderzenie opinii.) Decyzja systemu ekspertowego musi zawsze zgadzać się z decyzją eksperta; rozbieżność może być spowodowana jedynie błędem eksperta, co może mieć miejsce tylko wtedy, gdy ekspert jest zmęczony lub zestresowany.

· Wyjaśnienie. System ekspertowy jest w stanie szczegółowo wyjaśnić swoje rozumowanie, które doprowadziło do określonego wniosku. Osoba ta może być zbyt zmęczona, niechętna do wyjaśniania lub niezdolna do robienia tego przez cały czas. Możliwość otrzymania wyjaśnień zwiększa pewność, że podjęto właściwą decyzję.

· Szybka odpowiedź. Niektóre aplikacje mogą wymagać szybkiej reakcji lub reakcji w czasie rzeczywistym. W zależności od użytego sprzętu i oprogramowania system ekspercki może reagować szybciej i być bardziej gotowy do pracy niż ekspert będący człowiekiem. Niektóre ekstremalne sytuacje mogą wymagać szybszych reakcji niż ludzie; w tym przypadku akceptowalną opcją staje się wykorzystanie systemu eksperckiego działającego w czasie rzeczywistym.

· Konsekwentnie poprawna, pozbawiona emocji i pełna odpowiedź w każdych okolicznościach. Właściwość ta może być bardzo ważna w czasie rzeczywistym oraz w sytuacjach ekstremalnych, w których specjalista może nie być w stanie działać z maksymalną wydajnością z powodu stresu lub zmęczenia.

· Możliwość wykorzystania jako inteligentny program treningowy. System ekspertowy może pełnić funkcję inteligentnego programu nauczania, podając uczniowi przykłady programów do uruchomienia i wyjaśniając, na czym opiera się rozumowanie systemu.

· Może służyć jako inteligentna baza danych. Systemy ekspertowe umożliwiają dostęp do baz danych przy wykorzystaniu inteligentnej metody dostępu.

25.Zalety wykorzystania ICT w edukacji

Zjawisko informacyjne najważniejszym mechanizmem reformy jest formacja. Systemy m.in. wyżej jakość, dostęp. i efekt. Edukacja.

komp. technologia to tylko sprzęt. Dziś mamy kolejne zadanie - mak. Efekt. Używać ona, kierunek decydować strategicznie cele modernizacyjne Wykształcenie – wyższe. jego jakość.

Zalety:

1. Technologia informacyjna Oznacza. poszerzyć możliwości prezentacji informacji edukacyjnych.Wykorzystanie koloru, grafiki, dźwięku, wszystko nowoczesne. sprzęt wideo pozwala na odtworzenie rzeczywistej sytuacji danej czynności.

2. Komputer dopuszcza rzeczownik. zwiększyć motywację do nauki.

3. ICT angażują uczniów w naukę. proces, przyczyniając się do jak najszerszego ujawnienia swoich umiejętności, aktywacji aktywności umysłowej.

4. Użyj Wzrosła liczba ICT w procesie edukacyjnym. Możliwy wyznaczanie zadań edukacyjnych i kierowanie procesem ich rozwiązywania. Komputery umożliwiają budowanie i analizowanie modeli różnych obiektów, sytuacji i zjawisk.

5. ICT umożliwiają jakościową zmianę kontroli działań. Ucz się, zapewniając jednocześnie elastyczność w zarządzaniu procesem uczenia się.

6. Komputer przyczynia się do formacji. refleksja uczniów. Program szkolenia pozwala uczniom wizualnie przedstawić wynik swoich działań, konkretny etap rozwiązania problemu, kota. popełniłeś błąd i popraw go.

Temat 2.3. Oprogramowanie do prezentacji i podstawy programowania biurowego

Temat 2.4.

2.4.11. Baza szkoleniowa z głównym przyciskiem w postaci „Training_students” - Pobierz

Systemy zarządzania bazami danych i systemy ekspertowe

2.4. Systemy zarządzania bazami danych i systemy ekspertowe

2.4.10. Systemy eksperckie i uczące się

Systemy ekspertowe są jednym z głównych zastosowań sztucznej inteligencji. Sztuczna inteligencja to jedna z gałęzi informatyki zajmująca się problematyką sprzętowego i programowego modelowania tych rodzajów działalności człowieka, które uznawane są za intelektualne.

Wyniki badań nad sztuczną inteligencją wykorzystywane są w inteligentnych systemach, które są w stanie rozwiązywać twórcze problemy należące do określonej dziedziny tematycznej, o której wiedza przechowywana jest w pamięci (bazie wiedzy) systemu. Systemy sztucznej inteligencji skupiają się na rozwiązywaniu dużej klasy problemów, do których zaliczają się tzw. zadania częściowo ustrukturyzowane lub nieustrukturyzowane (zadania słabo sformalizowane lub niesformalizowalne).

Systemy informacyjne stosowane do rozwiązywania problemów częściowo ustrukturyzowanych dzielą się na dwa typy:

Tworzenie raportów zarządczych (wykonanie przetwarzania danych: wyszukiwanie, sortowanie, filtrowanie). Decyzje podejmowane są na podstawie informacji zawartych w tych raportach.
Opracowanie możliwych alternatywnych rozwiązań. Podejmowanie decyzji sprowadza się do wyboru jednej z proponowanych alternatyw.

Systemy informacyjne, które opracowują alternatywne rozwiązania, mogą być modelowe lub eksperckie:

Systemy informacji modelowej zapewniają użytkownikowi modele (matematyczne, statystyczne, finansowe itp.), które pomagają zapewnić rozwój i ocenę alternatywnych rozwiązań.
Eksperckie systemy informacyjne zapewniają opracowanie i ocenę możliwych alternatyw przez użytkownika poprzez tworzenie systemów w oparciu o wiedzę uzyskaną od specjalistycznych ekspertów.

Systemy ekspertowe to programy komputerowe gromadzące wiedzę specjalistów – ekspertów z określonej dziedziny, których zadaniem jest uzyskanie akceptowalnych rozwiązań w procesie przetwarzania informacji. Systemy eksperckie przekształcają doświadczenie ekspertów w danej dziedzinie wiedzy w postać reguł heurystycznych i służą konsultacjom z mniej wykwalifikowanymi specjalistami.

Wiadomo, że wiedza istnieje w dwóch postaciach: doświadczenia zbiorowego i doświadczenia osobistego. Jeśli obszar przedmiotowy jest reprezentowany przez zbiorowe doświadczenie (na przykład matematyka wyższa), wówczas ten obszar tematyczny nie potrzebuje systemów eksperckich. Jeśli w danej dziedzinie większość wiedzy stanowi osobiste doświadczenie specjalistów wysokiego szczebla i wiedza ta jest słabo ustrukturyzowana, wówczas taki obszar potrzebuje systemów eksperckich. Nowoczesne systemy ekspertowe znalazły szerokie zastosowanie we wszystkich obszarach gospodarki.

Baza wiedzy stanowi rdzeń systemu ekspertowego. Konsekwencją rozwoju systemów informatycznych jest przejście od danych do wiedzy. Bazy danych służą do przechowywania danych, a bazy wiedzy służą do przechowywania wiedzy. Bazy danych z reguły przechowują duże ilości danych przy stosunkowo niskim koszcie, podczas gdy bazy wiedzy przechowują małe, ale drogie zbiory informacji.

Baza wiedzy to zbiór wiedzy opisany za pomocą wybranej formy jej prezentacji. Wypełnianie bazy wiedzy to jedno z najtrudniejszych zadań, które wiąże się z selekcją wiedzy, jej formowaniem i interpretacją.

System ekspertowy składa się z:

baza wiedzy (jako część pamięci roboczej i bazy reguł), przeznaczona do przechowywania w pamięci roboczej faktów początkowych i pośrednich (nazywana także bazą danych) oraz przechowywania modeli i reguł manipulacji modelami w bazie reguł;
rozwiązujący problem (interpreter), który zapewnia wdrożenie ciągu reguł rozwiązania konkretnego problemu w oparciu o fakty i reguły zapisane w bazach danych i bazach wiedzy;
podsystem objaśnień pozwala użytkownikowi uzyskać odpowiedź na pytanie: „Dlaczego system podjął taką decyzję?”;
podsystem pozyskiwania wiedzy zaprojektowany tak, aby zarówno dodawać nowe reguły do bazy wiedzy, jak i modyfikować istniejące reguły;
interfejs użytkownika, zestaw programów realizujących dialog użytkownika z systemem na etapie wprowadzania informacji i uzyskiwania wyników.

Systemy ekspertowe różnią się od tradycyjnych systemów przetwarzania danych tym, że zazwyczaj wykorzystują reprezentację symboliczną, wnioskowanie symboliczne i heurystyczne poszukiwanie rozwiązań. Do rozwiązywania problemów słabo sformalizowanych lub niemożliwych do sformalizowania bardziej obiecujące są sieci neuronowe lub neurokomputery.

Podstawą neurokomputerów są sieci neuronowe – hierarchicznie zorganizowane równoległe połączenia elementów adaptacyjnych – neuronów, które zapewniają interakcję z obiektami świata rzeczywistego w taki sam sposób, jak biologiczny układ nerwowy.

Duże sukcesy w wykorzystaniu sieci neuronowych osiągnięto przy tworzeniu samouczących się systemów ekspertowych. Sieć jest skonfigurowana, tj. trenować, przepuszczając przez niego wszystkie znane rozwiązania i uzyskując wymagane odpowiedzi na wyjściu. Konfiguracja polega na wyborze parametrów neuronów. Często korzystają ze specjalistycznego programu szkoleniowego, który szkoli sieć. Po przeszkoleniu system jest gotowy do pracy.

Jeżeli w systemie ekspertowym jego twórcy wstępnie ładują wiedzę w określonej formie, to w sieciach neuronowych nawet twórcy nie wiedzą, w jaki sposób wiedza kształtuje się w jej strukturze w procesie uczenia się i samouczenia, tj. sieć jest „czarną skrzynką”.

Neurokomputery, jako systemy sztucznej inteligencji, są bardzo obiecujące i można je bez końca udoskonalać w ich rozwoju.

Obecnie systemy sztucznej inteligencji w postaci systemów ekspertowych i sieci neuronowych znajdują szerokie zastosowanie w rozwiązywaniu problemów finansowych i gospodarczych.

Nesterov A.V., Timchenko V.V., Trapitsyn S.Yu Informacyjne technologie pedagogiczne. Podręcznik edukacyjno-metodyczny, – St. Petersburg: Wydawnictwo „Book House” LLC, 2003 – 340 s.

Systemy ekspertowe w edukacji. Cztery problemy rozwojowe

I to nie mundur jest ceniony w ziemniakach,

i treść wewnętrzna

Systemy eksperckie (ES) opierają się na wykorzystaniu elementów sztucznej inteligencji i wykorzystywane są w zautomatyzowanych systemach edukacyjnych w celu podnoszenia jakości nauczania poprzez automatyzację procesu uczenia się oraz zwiększania efektywności poprzez odciążenie nauczyciela od rutynowej pracy.

Główną wadą istniejących elektronicznych narzędzi edukacyjnych jest stosowanie nierozwiniętych, prymitywnych form dialogicznej komunikacji z użytkownikiem. Przejście od dialogu pierwotnego, jakim jest „menu”, do dialogu w języku „naturalnym”, do dialogu „z głosu” wymaga zastosowania systemów eksperckich.

Obecnie nie ma jasnej definicji terminu „system ekspercki”. Najogólniejsza definicja: ES to sztuczny system, który może skutecznie zastąpić człowieka-eksperta w danej dziedzinie. Zautomatyzowane systemy informacyjne, które koncentrują się na rozwiązywaniu problemów w określonym obszarze tematycznym o wystarczającej jakości, można nazwać ekspertami.

ES mają na celu udostępnienie kombinacji wiedzy, doświadczenia, umiejętności i intuicji wykwalifikowanych specjalistów. ES w połączeniu z kompleksem informacji edukacyjnych, w przeciwieństwie do istniejących zautomatyzowanych szkoleń, stanowią zasadniczo nowy kierunek zwiększania efektywności dydaktycznej oprogramowania i kompleksów metodologicznych wdrażających kontrolę i zarządzanie procesem uczenia się. Różnica polega na możliwości wsparcia intelektualnego uczniów o różnym poziomie przygotowania. Możliwość ta wynika z obecności bazy wiedzy.

Rodzaje zadań, przy których wskazane jest wykorzystanie ES:

zarządzanie procesem uczenia się, biorąc pod uwagę indywidualne przygotowanie ucznia, jego indywidualne cechy;

diagnostyka i przewidywanie jakości przyswajania informacji przedmiotowych oraz kształtowania się zmian w kolejności prezentacji materiałów edukacyjnych;

utrzymanie poziomu zawodowego studenta w zakresie danej dziedziny;

Streszczenie na temat:

„Tworzenie raportu jako obiektu bazy danych. Systemy eksperckie i uczące się”

Zawartość

Tworzenie raportu jako obiektu bazy danych

Struktura raportu w trybie projektowania

Metody tworzenia raportu

Utwórz raport

Tworzenie raportu jako obiektu bazy danych

Raport to sformatowana reprezentacja danych wyświetlana na ekranie, drukowana lub w pliku. Pozwalają wydobyć z bazy niezbędne informacje i przedstawić je w zrozumiałej formie, a także dają szerokie możliwości podsumowania i analizy danych.

Podczas drukowania tabel i zapytań informacja jest wyświetlana praktycznie w takiej formie, w jakiej jest przechowywana. Często istnieje potrzeba prezentacji danych w formie raportów, które mają tradycyjny wygląd i są łatwe do odczytania. Raport szczegółowy zawiera wszystkie informacje z tabeli lub zapytania, ale zawiera nagłówki i jest podzielony na strony z nagłówkami i stopkami.

Struktura raportu w trybie projektowania

Microsoft Access wyświetla dane z zapytania lub tabeli w raporcie, dodając elementy tekstowe, aby ułatwić ich odczytanie.

Elementy te obejmują:

Tytuł. Ta sekcja jest drukowana tylko na górze pierwszej strony raportu. Służy do wyprowadzania danych, takich jak tekst tytułu raportu, data lub zestawienie tekstu dokumentu, które powinny zostać wydrukowane jednorazowo na początku raportu. Aby dodać lub usunąć obszar tytułu raportu, wybierz polecenie Tytuł raportu/Notatka z menu Widok.

Nagłówek. Służy do wyświetlania danych, takich jak nagłówki kolumn, daty lub numery stron, drukowanych u góry każdej strony raportu. Aby dodać lub usunąć nagłówek, wybierz opcję Nagłówek i stopka z menu Widok. Program Microsoft Access dodaje jednocześnie nagłówek i stopkę. Aby ukryć jeden z nagłówków i stopek, musisz ustawić jego właściwość Height na 0.

Obszar danych znajdujący się pomiędzy nagłówkiem a stopką strony. Zawiera główny tekst raportu. W tej sekcji wyświetlane są dane wydrukowane dla każdego rekordu w tabeli lub zapytaniu, na którym opiera się raport. Aby umieścić kontrolki w obszarze danych, użyj listy pól i paska narzędzi. Aby ukryć obszar danych, należy ustawić właściwość Height sekcji na 0.

Stopka. Ta sekcja pojawia się na dole każdej strony. Służy do wyświetlania danych, takich jak sumy, daty lub numery stron, drukowanych u dołu każdej strony raportu.

Notatka. Służy do wyprowadzania danych, takich jak tekst wniosków, sumy końcowe lub podpis, które należy wydrukować jednorazowo na końcu raportu. Chociaż sekcja Notatki do raportu znajduje się na dole raportu w widoku Projekt, jest ona drukowana nad stopką strony na ostatniej stronie raportu. Aby dodać lub usunąć obszar notatek do raportu, wybierz polecenie Tytuł raportu/Notatki do raportu z menu Widok. Microsoft Access jednocześnie dodaje i usuwa obszary tytułu i komentarza raportu.

Metody tworzenia raportu

Raporty w programie Microsoft Access można tworzyć na różne sposoby:

Konstruktor

Kreator raportów

Raport automatyczny: do kolumny

Raport automatyczny: taśma

Kreator wykresu

Etykiety pocztowe

Kreator umożliwia tworzenie raportów poprzez grupowanie rekordów i jest najprostszym sposobem tworzenia raportów. Umieszcza wybrane pola w raporcie i oferuje sześć stylów raportów. Po zakończeniu działania Kreatora powstały raport można modyfikować w trybie Projektowania. Korzystając z funkcji automatycznego raportowania, możesz szybko tworzyć raporty, a następnie wprowadzać w nich pewne zmiany.

Aby utworzyć raport automatyczny, należy wykonać następujące kroki:

W oknie bazy danych kliknij zakładkę Raporty, a następnie kliknij przycisk Utwórz. Pojawi się okno dialogowe Nowy raport.

Wybierz z listy kolumnę Autoreport: lub pozycję Autoreport: pasek.

W polu źródła danych kliknij strzałkę i jako źródło danych wybierz opcję Tabela lub Zapytanie.

Kliknij przycisk OK.

Kreator raportów automatycznych tworzy raport automatyczny w kolumnie lub pasku (wybór użytkownika) i otwiera go w trybie podglądu, co pozwala zobaczyć, jak raport będzie wyglądał po wydrukowaniu.

Zmiana skali wyświetlania raportu

Aby zmienić skalę wyświetlacza, użyj wskaźnika - szkła powiększającego. Aby zobaczyć całą stronę należy kliknąć w dowolnym miejscu raportu. Strona raportu zostanie wyświetlona w zmniejszonej skali.

Kliknij raport ponownie, aby powrócić do większego widoku. W powiększonym widoku raportu kliknięty punkt będzie znajdował się na środku ekranu. Do przewijania stron raportów służą przyciski nawigacyjne znajdujące się na dole okna.

Wydrukuj raport

Aby wydrukować raport, wykonaj następujące czynności:

W menu Plik kliknij polecenie Drukuj.

W obszarze Drukuj kliknij opcję Strony.

Aby wydrukować tylko pierwszą stronę raportu, wpisz 1 w polu Od i 1 w polu Do.

Kliknij przycisk OK.

Przed wydrukowaniem raportu zaleca się obejrzenie go w trybie Podgląd, aby uzyskać do niego dostęp należy wybrać opcję Podgląd z menu Widok.

Jeśli drukujesz z pustą stroną na końcu raportu, upewnij się, że ustawienie Wysokość notatek raportu jest ustawione na 0. Jeśli drukujesz z pustymi stronami pomiędzy nimi, upewnij się, że suma szerokości formularza lub raportu i szerokość lewego i prawego marginesu nie przekracza szerokości arkusza papieru określonej w oknie dialogowym Ustawienia strony (menu Plik).

Projektując układy raportów, należy stosować następujący wzór: szerokość raportu + lewy margines + prawy margines

Aby dostosować rozmiar raportu, musisz zastosować następujące techniki:

zmienić wartość szerokości raportu;

Zmniejsz szerokość marginesu lub zmień orientację strony.

Utwórz raport

1. Uruchom program Microsoft Access. Otwórz bazę danych (np. bazę edukacyjną „Dziekkan”).

2. Utwórz AutoReport: taśmę, używając tabeli jako źródła danych (na przykład Studenci). Raport otwiera się w trybie podglądu, który pozwala zobaczyć, jak raport będzie wyglądał po wydrukowaniu.

3. Przejdź do trybu projektowania i edytuj oraz sformatuj raport. Aby przejść z trybu podglądu do trybu projektowania, należy kliknąć przycisk Zamknij na pasku narzędzi okna aplikacji Access. Raport pojawi się na ekranie w trybie Projektowania.

Redagowanie:

1) usunąć pola z kodem studenta w nagłówku i obszarze danych;

2) przesuń wszystkie pola w nagłówku i obszarze danych w lewo.

3) Zmień tekst w tytule strony

W sekcji Tytuł raportu wybierz opcję Studenci.

Umieść wskaźnik myszy na prawo od słowa Studenci tak, aby wskaźnik zmienił się w pionową kreskę (kursor wejściowy) i kliknij w tej pozycji.

Wpisz NTU „KhPI” i naciśnij Enter.

4) Przesuń podpis. W stopce wybierz pole =Now() i przeciągnij je do nagłówka raportu pod nazwą Studenci. Data pojawi się pod tytułem.

5) Na pasku narzędzi Projektanta raportów kliknij przycisk Podgląd, aby wyświetlić podgląd raportu.

Formatowanie:

1) Wybierz nagłówek Studenci NTU „KhPI”

2) Zmień krój pisma, styl i kolor czcionki, a także kolor wypełnienia tła.

3) Na pasku narzędzi Projektanta raportów kliknij przycisk Podgląd, aby wyświetlić podgląd raportu.

Zmiana stylu:

Aby zmienić styl, wykonaj następujące czynności:

Na pasku narzędzi Projektanta raportów kliknij przycisk Autoformatowanie, aby otworzyć okno dialogowe Autoformatowanie.

Na liście Raport — Style obiektów autoformowania kliknij opcję Ścisłe, a następnie kliknij przycisk OK. Raport zostanie sformatowany w stylu Ścisłym.

Przełącza do trybu podglądu. Raport zostanie wyświetlony w wybranym stylu. Od tej chwili wszystkie raporty utworzone za pomocą funkcji AutoReport będą miały styl Ścisły, dopóki nie określisz innego stylu w oknie Autoformatowania.

Systemy eksperckie i uczące się

Systemy informacyjne stosowane do rozwiązywania problemów częściowo ustrukturyzowanych dzielą się na dwa typy:

Tworzenie raportów zarządczych (wykonanie przetwarzania danych: wyszukiwanie, sortowanie, filtrowanie). Decyzje podejmowane są na podstawie informacji zawartych w tych raportach.

Opracowanie możliwych alternatywnych rozwiązań. Podejmowanie decyzji sprowadza się do wyboru jednej z proponowanych alternatyw.

Systemy informacyjne, które opracowują alternatywne rozwiązania, mogą być modelowe lub eksperckie:

Systemy informacji modelowej zapewniają użytkownikowi modele (matematyczne, statystyczne, finansowe itp.), które pomagają zapewnić rozwój i ocenę alternatywnych rozwiązań.

Eksperckie systemy informacyjne zapewniają opracowanie i ocenę możliwych alternatyw przez użytkownika poprzez tworzenie systemów w oparciu o wiedzę uzyskaną od specjalistycznych ekspertów.

System ekspertowy składa się z:

baza wiedzy (jako część pamięci roboczej i bazy reguł), przeznaczona do przechowywania faktów początkowych i pośrednich w pamięci roboczej (zwanej także bazą danych) oraz przechowywania modeli i reguł manipulacji modelami w bazie reguł

problem Solver (interpreter), który zapewnia implementację ciągu reguł rozwiązania konkretnego problemu w oparciu o fakty i reguły przechowywane w bazach danych i bazach wiedzy

podsystem objaśnień pozwala użytkownikowi uzyskać odpowiedź na pytanie: „Dlaczego system podjął taką decyzję?”

podsystem pozyskiwania wiedzy, którego zadaniem jest zarówno dodawanie nowych reguł do bazy wiedzy, jak i modyfikowanie istniejących.

interfejs użytkownika, zestaw programów realizujących dialog użytkownika z systemem na etapie wprowadzania informacji i uzyskiwania wyników.

Neurokomputery, jako systemy sztucznej inteligencji, są bardzo obiecujące i można je bez końca udoskonalać w ich rozwoju. Obecnie systemy sztucznej inteligencji w postaci systemów ekspertowych i sieci neuronowych znajdują szerokie zastosowanie w rozwiązywaniu problemów finansowych i gospodarczych.

Temat 1. EOS jako element intensywnego szkolenia specjalistów.

Wykład 8. Eksperckie systemy uczenia się.

Obszary zastosowań systemów ekspertowych w zarządzaniu.

Koszt systemów ekspertowych.

Rozwój systemów ekspertowych.

Na przestrzeni ostatnich dwudziestu lat specjaliści z zakresu systemów inteligentnych prowadzą aktywne badania w zakresie tworzenia i wykorzystania systemów ekspertowych przeznaczonych dla obszaru edukacji. Pojawiła się nowa klasa systemów ekspertowych – eksperckie systemy nauczania – najbardziej obiecujący kierunek doskonalenia programowych narzędzi pedagogicznych w kierunku wiedzy proceduralnej.

System ekspertowy to zestaw oprogramowania komputerowego, który pomaga osobie podejmować świadome decyzje. Systemy ekspertowe wykorzystują informacje otrzymane wcześniej od ekspertów – osób, które są najlepszymi specjalistami w dowolnej dziedzinie.

Systemy ekspertowe muszą:

przechowują wiedzę na określony temat (fakty, opisy zdarzeń i prawidłowości);
móc komunikować się z użytkownikiem w ograniczonym języku naturalnym (tj. zadawać pytania i rozumieć odpowiedzi);
posiadać zestaw logicznych narzędzi do zdobywania nowej wiedzy, identyfikowania wzorców i wykrywania sprzeczności;
postawić problem na żądanie, wyjaśnić jego sformułowanie i znaleźć rozwiązanie;
Wyjaśnij użytkownikowi, w jaki sposób uzyskano rozwiązanie.

Pożądane jest także, aby system ekspertowy potrafił:

dostarczać informacji zwiększających zaufanie użytkowników do systemu eksperckiego;
„opowiedz” o sobie, o swojej własnej strukturze

Ekspercki system uczenia się (ETS) to program realizujący ten lub inny cel pedagogiczny w oparciu o wiedzę eksperta z określonej dziedziny, diagnozujący uczenie się i zarządzanie uczeniem się, a także demonstrujący zachowania ekspertów (specjalistów przedmiotowych, metodologów, psychologów ). Kompetencja EOS polega na znajomości metod nauczania, dzięki którym pomaga nauczycielom uczyć, a uczniom uczyć się.

Architektura systemu uczenia się eksperckiego obejmuje dwa główne komponenty: bazę wiedzy (repozytorium jednostek wiedzy) oraz narzędzie programowe umożliwiające dostęp i przetwarzanie wiedzy, składające się z mechanizmów wyciągania wniosków (decyzji), zdobywania wiedzy, wyjaśniania uzyskanych wyników, i inteligentny interfejs.

Wymiana danych między uczniem a systemem EOS odbywa się za pomocą inteligentnego programu interfejsu, który odbiera wiadomości ucznia i konwertuje je do postaci reprezentacji bazy wiedzy i odwrotnie, tłumaczy wewnętrzną reprezentację wyniku przetwarzania na format ucznia i wysyła wiadomość do wymagane medium. Najważniejszym wymogiem organizacji dialogu studenta z EOS-em jest naturalność, która nie oznacza dosłownego formułowania potrzeb ucznia w zdaniach w języku naturalnym. Ważne, aby kolejność rozwiązywania problemu była elastyczna, zgodna z pomysłami ucznia i prowadzona profesjonalnie.

Obecność rozwiniętego systemu wyjaśnień (SO) jest niezwykle istotna dla EOS działającego w obszarze edukacji. W procesie uczenia się taki EOS będzie pełnił nie tylko aktywną rolę „nauczyciela”, ale także rolę podręcznika, pomagając uczniowi w badaniu wewnętrznych procesów zachodzących w systemie z wykorzystaniem modelowania obszaru zastosowań. Opracowany system komunikacji składa się z dwóch komponentów: aktywnego, który obejmuje zbiór komunikatów informacyjnych wydawanych uczniowi w trakcie pracy, w zależności od konkretnej ścieżki rozwiązania problemu, całkowicie wyznaczonej przez system; pasywny (główny składnik SO), skupiający się na inicjujących działaniach ucznia.

Aktywnym elementem CO jest szczegółowy komentarz towarzyszący działaniom i wynikom uzyskiwanym przez system. Pasywny element wsparcia informacyjnego jest jakościowo nowym rodzajem wsparcia informacyjnego, właściwym jedynie systemom opartym na wiedzy. Komponent ten, oprócz rozbudowanego systemu POMOC wywoływanych przez studenta, posiada systemy wyjaśniające postęp w rozwiązywaniu problemu. System wyjaśnień w istniejącym EOS jest realizowany na różne sposoby. Może to być: zestaw certyfikatów informacyjnych o stanie systemu; pełny lub częściowy opis ścieżki, jaką podąża system w drzewie decyzyjnym; listę testowanych hipotez (podstawa ich sformułowania i wyniki ich testowania); listę celów rządzących działaniem systemu i sposobów ich osiągnięcia.

Ważną cechą rozwiniętego systemu komunikacji jest wykorzystanie naturalnego języka komunikacji z uczniem. Powszechne stosowanie systemów „menu” pozwala nie tylko różnicować informacje, ale także, w rozbudowanych systemach elektronicznych, oceniać poziom przygotowania ucznia, tworząc jego portret psychologiczny.

Jednak uczeń nie zawsze może być zainteresowany pełnym rozwiązaniem, które zawiera wiele niepotrzebnych szczegółów. W takim przypadku system powinien mieć możliwość wybrania z łańcucha jedynie kluczowych punktów, biorąc pod uwagę ich wagę i poziom wiedzy ucznia. Aby to osiągnąć, konieczne jest wsparcie w bazie wiedzy modelu wiedzy i intencji osoby uczącej się. Jeśli uczeń w dalszym ciągu nie rozumie otrzymanej odpowiedzi, system powinien w dialogu opartym na wspieranym modelu wiedzy problemowej nauczyć go pewnych fragmentów wiedzy, tj. ujawnić bardziej szczegółowo poszczególne pojęcia i zależności, nawet jeśli szczegóły te nie zostały bezpośrednio wykorzystane we wnioskach.