facebook
twitter
vk
instagram
linkedin
google+
tumblr
akademia
youtube
skype
mendeley
Wiki
Page translation
 

ПРИМЕНЕНИЕ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ДЕШИФРАЦИИ И ОЦЕНИВАНИЯ РЕЗУЛЬТАТОВ ОБУЧЕНИЯ, ПРЕДСТАВЛЕННЫХ В КОМПЕТЕНТНОСТНОМ ФОРМАТЕ

ПРИМЕНЕНИЕ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ ДЛЯ ДЕШИФРАЦИИ И ОЦЕНИВАНИЯ РЕЗУЛЬТАТОВ ОБУЧЕНИЯ, ПРЕДСТАВЛЕННЫХ В КОМПЕТЕНТНОСТНОМ ФОРМАТЕ
Freyman Vladimir, candidate of technical science, associate professor, doctoral candidate

Perm National Research Polytechnic University, Russia

Championship participant: the National Research Analytics Championship - "Russia";

APPLICATION OF FUZZY LOGIC METHODS FOR DECRYPTION AND ASSESSMENT OF LEARNING OUTCOMES PRESENTED IN THE COMPETENCE-BASED FORMAT

УДК 378.14

Для повышения точности и достоверности оценивания результатов обучения, заданных в компетентностном формате, возможно использование апробированных подходов и методов из смежных областей науки. В частности, предлагается применение аппарата нечеткой логики для снятия неопределенности при дешифрации результатов тестового диагностирования уровня освоения компетенций и их составляющих. Выполнена адаптация основных понятий аппарата нечеткой логики применительно к заданной предметной области. Приведены иллюстрирующие примеры, показывающие принципиальную возможность и корректность применения предлагаемого аппарата и подходов к решению задачи оценки приобретенных компетенций. Предлагается алгоритм дешифрации результатов тестового диагностирования уровня освоения элементов компетенций, построенный на основе адаптированных к предметной области понятий и методов аппарата нечеткой логики..

Ключевые слова: элементы и компоненты компетенций; тестовое диагностирование; дешифрация; нечеткая логика; функция принадлежности; терм-множество; лингвистическая переменная.

To increase the accuracy and reliability of estimation of  results of a given study, which is in competence-based format, it is possible to use approved approaches and methods from contiguous scientific areas. We propose using the logic for  uncertainty removal when decoding the results  of test diagnosing levels in the development of competencies and their components. The adaptation of basic definitions of fuzzy logic to the set subject domain is executed. Approaches to solve the problem of acquired competence estimation are given as well as illustrative examples, which show the basic capabilities of the proposed methods, and their robustness. An algorithm is proposed for decoding the results  of test diagnosing levels in the development of element competencies, constructed on the basis of concepts adapted to fuzzy logic definitions and methods.

Keywords: competence element; test diagnosing; decoding; fuzzy logic; membership function; term-set; linguistic variable.

Введение. Постановка задачи. Для современной науки характерна диверсификация методов решения сложных задач в смежных областях науки, техники и технологии. Это позволяет найти нетривиальные решения актуальных задач, которые оказываются более эффективными, чем известные и апробированные подходы. Так, например, при решении ряда проблем в социальных и экономических системах находят применение такие «неклассические» для указанных отраслей научные направления, как теория информации, теория автоматического управления, техническая диагностика, теория вероятности, теория систем массового обслуживания, аппарат нечеткой логики, принципы нейронных сетей и т.д. Это позволяет адаптировать отработанные механизмы и алгоритмы к новым объектам и процессам, дать эффективные решения, особенно для многопараметрических и слабоформализуемых задач.

В настоящей статье предложены подходы к решению задач контроля результатов обучения, заданных в компетентностном формате, с использованием математического аппарата и методов нечеткой логики [1]. Аппарат нечеткой логики был  применен, в частности, для решения задач автоматического управления объектами, для которых отсутствует или сложнореализуемо математическое описание. Объекты управления и контроля в рамках системы образования попадают именно под такое описание из-за «человеческого фактора» [2, 3, 4]. Также имеется большое количество взаимувязанных недетерминированных параметров [5, 6], учесть которые корректной математической моделью невозможно [7, 8, 9].

Возникающие неопределенности, например, на этапе дешифрации результатов контроля [10], предлагается разрешать при помощи методов нечеткого вывода, с последующим преобразованием и приведением к четкому выводу. Это позволит, в частности, получить необходимую информацию о результатах контроля, которую можно использовать для оценки, аттестации, определения недостаточно освоенных вопросов, формирования перечня корректирующих мероприятий и других действий по управлению и контролю качества обучения [11]. Предлагаемые подходы и алгоритмы могут быть использованы в составе методического, информационного и алгоритмического обеспечения автоматизированной системы управления и контроля качества обучения.

1. Основные понятия аппарата нечеткой логики применительно к предметной области контроля результатов обучения. Нечеткую логику эффективно применять в тех ситуациях, когда нет точного математического описания объекта управления и/или контроля, а также нет детерминированного описания исходных данных (используется интервальное задание области значений переменных). Указанная особенность примененияполностью подходит для рассматриваемой предметной области, в которой объектом контроля является совокупность элементов дисциплинарных компетенций (ЭДК), а предметом контроля – уровень (степень) их освоения в соответствии с заданной шкалой оценивания [2].

Введем основные определения аппарата нечеткой логики применительно к рассматриваемой предметной области. Для этого выберем простейшую задачу контроля – один ЭДК (Э) проверяется индивидуальным (простым) тестом (Т) [10].

Универсальное множество(универсум) в данном случае представляет собой совокупность возможных значений результатов тестирования (оценки за тест) Т (примем, что оценка за тест нормализована в диапазоне [0; 1]). Выходная лингвистическая переменная определяет уровень освоения ЭДК, т.е. принадлежность результата к определенному уровню заданной шкалы оценивания (примем двухуровневую шкалу оценивания – по положению результата тестирования относительно заданного порогового значения принятия решения Опор.) с использованием функции принадлежности (ФП). Выходная лингвистическая переменная может быть выражена через терм-множество, представляющее множество возможных выводов по результатам тестирования и состоящее, в частности, из двух термов: {«ЭДК не освоен» (); «ЭДК освоен» (Э)}. Конкретное значение ФП будем называть степенью принадлежности (СП).

Функция принадлежностикаждого терма по результатам моделирования может быть описана линейной зависимостью (рис. 1) и представлена следующим образом:

а                                               б                                 в

Рис. 1. Функции принадлежности термов:

а– ФП терма «ЭДК не освоен»; б – ФП терма «ЭДК освоен»; в – ФП терм-множества

Характер функции принадлежности для терма «ЭДК не освоен» обусловлен принятой моделью снижения степени «неосвоения» ЭДК от 1 до 0. Характер функций принадлежности для терма «ЭДК освоен» обусловлен принятой моделью повышения степени «освоения» ЭДК от 0 до 1. Дадим комментарии по некоторым значениям результата тестирования и соответствующим им значениям функции принадлежности для заданного Опор. (например, выберем Опор. = 0,6). Можно интерпретировать Опор. следующим образом – менее 60 % ответов на тестовые задания правильные – ЭДК не освоен, 60 % и более ответов на тестовые задания правильные – ЭДК освоен.

В модели простого теста неопределенности при локализации значения выходной переменной нет, так как нет области наложения функций принадлежности разных термов. Далее перейдем к  моделям более сложных тестов, контролирующих несколько ЭДК.

2. Применение нечеткого вывода для дешифрации результатов сложного теста. Построим модель для сложного теста, контролирующего два ЭДК: Э1 и Э2. Универсальное множествов данном случае представляет собой совокупность результатов тестирования в виде оценки О(Т), нормализованной в диапазоне [0; 1] и обозначаемую далее также через Т. Выходной лингвистической переменной является информация об уровне освоения всех контролируемых ЭДК S, определяемая количеством неосвоенных ЭДК (нЭДК). Она может быть выражена через терм-множество, состоящее из трех термов: {«оба ЭДК не освоены» (S2); «один из ЭДК не освоен» (S1); «все ЭДК освоены» (S0)}. Варианты значений выходной лингвистической переменной могут быть представлены в табличном виде через все варианты сочетаний значений уровня освоения каждого из контролируемых ЭДК (табл. 1). В табл. 1 приняты следующие условные обозначения: 0 – ЭДК не освоен, 1 – ЭДК освоен.

Табл. 1.

Варианты значений выходной лингвистической переменной

В общем случае из множества, содержащегоhпроверяемых тестом ЭДК, iэлементов могут быть не освоены, а (hi) – освоены. Поэтому оценка за тест О(i) при iнеосвоенных ЭДК, с учетом введенных ограничений и допущений, строится в соответствии с аддитивным интегро-дифференциальным критерием [12], при фиксированных значениях hи Опор.:

                           (1)

где lj– весовой коэффициент (показатель важности критерия), приняты одинаковы для всех ЭДК; Оj– оценка уровня освоения j-го контролируемого тестом ЭДК (неизвестна, так как в результате проверки получен только общий результат теста; Оj– ЭДК не освоен, ОjÎ[0; Опор.); Оj+– ЭДК освоен, Оj+Î[Опор.; 1]).

Оценка за тест при iнеосвоенных ЭДК О(i) имеет граничные значения: О(i)min– мин. возможная оценка за тест при iнЭДК ("Оj= Оjmin= 0; Оj+= Оj+min= Опор.); О(i)max– макс. возможная оценка за тест при iнЭДК ("Оj= Оjmax= Опор.; Оj+= Оj+max= 1):

                               О(i) Î[О(i)min; О(i)max];                                                                    (2)

О(i)min = 1/h · (i·Оmin+ (hi)·О+min) = (1 – i/h)·Опор.= Опор.i·Опор./h;                  (3)

О(i)max = 1/h · (i·Оmax+ (hi)·О+max) = 1 – i/h·(1 – Опор.) = 1 – i·(1 – Опор.)/h.         (4)

Можно сделать вывод, что граничные значения оценки при заданном количестве нЭДК (i) определяются общим числом равнозначных ЭДК hи пороговым значением принятия решения Опор.. Граничные оценки будут использованы для задания логических условий при дешифрации результатов проверки.

Выполним расчеты для теста, контролирующего h= 2 ЭДК, которые определят минимально и максимально возможные значения оценок при разных i= 0, 1, 2 нЭДК:

О(0)min= (1 – 0/2)·Опор. = Опор.;                    О(0)max= 1 – 0/2·(1 – Опор.) = 1;

О(1)min= (1 – 1/2)·Опор. = Опор./2;                 О(1)max= 1 – 1/2·(1 – Опор.) = (1 + Опор.)/2;

О(2)min= (1 – 2/2)·Опор. = 0;                         О(2)max= 1 – 2/2·(1 – 0,5) = Опор..

Функция принадлежности для каждого значения выходной переменной характеризует степень принадлежности, может быть представлена линейной зависимостью:

Представим функции принадлежности на графике (рис. 2). Характеристики функций принадлежности подтверждаются моделированием всех возможных сочетаний значений уровней освоения каждого из контролируемых ЭДК и в настоящей работе не приводятся.

Наличие одного теста не дает возможности сделать четкий вывод (выполнить дефаззификацию [1]) из-за вероятности возникновения компенсации высоких оценок низкими и наоборот. В практике применения нечеткой логики значение переменной дополняют, например, значением ее производной [1]. В нашем случае возможно дополнение одного теста другим, пересекающимся по некоторым из контролируемых элементов [13].

а                                               б                                 в                                  г

Рис. 2. Функции принадлежности:

а– терма S2; б – терма S0; в – терма S1; г – терм-множества

3. Дешифрация результатов реализации совокупности сложных тестов с применением аппарата нечеткой логики.Пусть тест Т1 контролирует элементы Э1 и Э2, а тест Т2 – элементы Э2 и Э3 (пересечение тестов по элементу Э2). Длякаждогоиз них проводится фаззификация и определяются функции принадлежности. Размерность каждого терм-множества равна максимальному количеству возможных значений неосвоенных ЭДК (нЭДК) – (hj+ 1), где hj– количество ЭДК, контролируемых конкретным тестом Тj. Поэтому общее количество продукционных правил, в каждом из которых по выполнению условий вида (IF ... THEN...) принимается решение о значении выходной переменной [12], определяется как произведение размерностей всех терм-множеств: (h1+ 1)×(h2+ 1) = 9.

Выходная лингвистическая переменная принимает значения, определяемые числом сочетаний состояний («освоен»/«не освоен») для каждого из hконтролируемых всей совокупностью тестов элементов, т.е. 2h. Поскольку в нашем случае h= 3 (Э1, Э2, Э3), то общее количество вариантов значений (состояний) выходной переменной определяется как 2h= 23 = 8 и может быть представлено в табличном виде (табл. 2). Значения выходной переменной Sзададим в виде десятичного числа, соответствующего двоичному коду, характеризующему состояние освоения элементов (0 – ЭДК не освоен, 1 – ЭДК освоен).

Табл. 2.

Значения выходной переменной

Таким образом, значения выходной переменной задаются термами с функциями принадлежности в виде синглетонов (только значения m= 1) [13] (рис. 3).

Рис. 3. Функции принадлежности выходной переменной

Запишем продукционные правила. Для этого предлагается ввести логическое описание (L) каждого элемента терм-множества через булевы функции:

– для Т1:

– для Т2:

Тогда значение выходной переменной Sв каждом правиле будет определяться как логическое произведение выражений для соответствующих термов (L= L1·L2) из табл. 2.

: если результаты обоих тестов принадлежит интервалу S2, то выходная переменная S= 0, что соответствует решению о том, что все контролируемые ЭДК не освоены.

Примечание. * – результат не может быть получен; правило не используется;

**– результат не может быть определен; правило записывается в обоих вариантах.

Совокупность всех правил удобно представить в виде матрицы решений. В ней столбцы соответствуют условиям одного параметра (T1), а строки – условиям другого параметра (T2). На пересечении столбцов и строк записываются выводы, соответствующие указанным условиям (табл. 3). Далее предлагается алгоритм решения задачи дешифрации результатов реализации совокупности тестов с использованием дефаззицикации (по методу Заде) [13].

Табл. 3.

Матрица решений

 

 

T1

 

 

S2

S1

S0

T2

S2

0

4

S1

1

2 or5

6

S0

3

7

 

Далее предлагается алгоритм решения задачи дешифрации результатов реализации совокупности тестов с использованием дефаззицикации (по методу Заде) [13].

  • 1. По заданным значениям результатов тестов определяются значения степеней принадлежности (значение функции принадлежности терма для заданного значения универсума, т.е. результата соответствующего теста) для всех термов.
  • 2. Выбираются правила, содержащие условия с ненулевыми степенями принадлежности (термы, которым соответствуют ненулевые значения функций принадлежности для заданных конкретных результатов тестов).
  • 3. На первом шаге логического вывода определяется степень принадлежности всего антецедента каждого правила (по функции минимума).
  • 4. На втором шаге формирования нечеткого вывода определяется степень принадлежности терм выходной переменной (по функции максимума).

5. Для дефаззификации применяется метод центроида, который позволяет определить текущее значение выходной переменной для текущих значений входных лингвистических переменных. В результате определяется четкий результат, дающий информацию об уровне освоения каждого из контролируемых всей совокупностью тестов ЭДК. В [13, 14] приведен иллюстрирующий пример, показывающий  корректность предложенного алгоритма. Также проведено исследование алгоритма дешифрации в среде MatLabFuzzyLogic, результаты аналитических расчетов и моделирования показали совпадение с достаточной точностью.

Заключение. Применение аппарата нечеткой логики позволяет сделать четкие выводы при решении задач дешифрации результатов реализации совокупности тестов, проверяющих уровень освоения набора элементов дисциплинарных компетенций. Также возможно снизить эффект взаимной компенсации интегральных оценок на любом уровне иерархической модели результатов обучения (интегральный показатель подготовленности – компетенции – дисциплинарные компетенции – компоненты дисциплинарной компетенции – элементы компонентов дисциплинарной компетенции) [2, 3]. Предложенные подходы эффективно алгоритмизируются и могут быть использованы в составе информационного и программного обеспечения автоматизированной системы сопровождения учебного процесса.

Литература:

  • 1. Хижняков Ю.Н. Нечеткое, нейронное и гибридное управление: учеб. пособие. – Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2013. 303 с.
  • 2. Кон Е.Л., Фрейман В.И., Южаков А.А. Оценка качества формирования компетен­ций студентов технических вузов при двухуровневой системе обучения // Научные труды SWorld. 2012. Т. 9. № 3. С. 39-41.
  • 3. Фрейман В.И. К вопросу о формировании компетентностной модели выпускника // Прикладная фотоника. 2012. № 1-4. С. 43-55.
  • 4. Кон Е.Л., Фрейман В.И., Южаков А.А. Анализ возможности применения аппарата и методов технической диагностики для контроля и оценки результатов освоения компетентностно-ориентированных образовательных программ // Известия Санкт-Петербургского государственного электротехнического университета ЛЭТИ. 2014. № 7. С. 66-71.
  • 5. Фрейман В.И. Применение методов и процедур технической диагностики для контроля и оценки результатов обучения, заданных в компетентностном формате // Известия Санкт-Петербургского государственного электротехнического университета ЛЭТИ. 2014. № 6. С. 79-85.
  • 6. Фрейман В.И. Разработка методики контролепригодного проектирования компонентной структуры дисциплинарной компетенции // Образование и наука. 2014. № 10 (119). С. 31-46.
  • 7. Кон Е.Л., Фрейман В.И., Южаков А.А. Разработка подходов к формализованному описанию контролепригодной компонентной структуры дисциплинарной компетенции // Образование и наука. 2015. № 4 (123). С. 52-68.
  • 8. Кон Е.Л., Фрейман В.И., Южаков А.А. Разработка и исследование подходов к управлению, контролю и оцениванию качества реализации компетентностно-ориентированных образовательных программ // Наука и образование: электронное научно-техническое издание. 2015. № 3. С. 356-372.
  • 9. Фрейман В.И. Разработка учебно-методического комплекса дисциплины в соот­ветствии с ФГОС нового поколения // Вестник Пермского национального исследователь­ского политехнического университета. Электротехника, информационные технологии, системы управления. 2009. № 3. С. 47-50.
  • 10. Кон Е.Л., Фрейман В.И., Южаков А.А. Новые подходы к подготовке специалистов в области инфокоммуникаций // Вестник Поволжского государственного технологического университета. Серия: Радиотехнические и инфокоммуникационные системы. 2015. № 1 (25). С. 73-89.
  • 11. Фрейман В.И. Реализация одного алгоритма условного поиска элементов компе­тенций с недостаточным уровнем освоения // Информационно-управляющие системы. 2014. № 2 (69). С. 93-102.
  • 12. Кон Е.Л., Фрейман В.И., Южаков А.А. Количественная оценка результатов обучения, представленных в компетентностном формате // Вестник Уфимского государственного авиационного технического университета. 2015. Т. 19. № 1. С. 206-212.
  • 13. Кон Е.Л., Фрейман В.И., Южаков А.А. Применение аппарата нечеткой логики для контроля результатов обучения, заданных в компетентностном формате // Нейрокомпьютеры: разработка, применение. 2014. № 12. С. 20-25.
  • 14. Фрейман В.И. Разработка метода дешифрации результатов диагностирования уровня освоения элементов компетенций с использованием нечеткой логики // Нейрокомпьютеры: разработка, применение. 2014. № 12. С. 26-30.
0
Your rating: None Average: 7.5 (8 votes)
Comments: 10

Adambaev Murat

Интересная статья. К сожалению не приведены конкретные примеры использования в учебном процессе предлагаемых методов с целью оценки качества обучения в численном аспекте.

Freyman Vladimir

Уважаемый Мурат Джамантаевич! Спасибо за комментарии. Пока предложенный подход проходит апробацию в процессе оценивания результатов освоения компетенций и их компонентов в дисциплинарном поле, поэтому примеров применения, возможно, на так и много, к тому же рамки доклада не позволили представить полный объем информации, например, по моделированию. Рассмотрен пример абстрактной дисциплины, в которой задано некоторое количество контролируемых элементов компетенций, контролирующих их тестов, их покрытие. В примере я постарался показать процедуру принятия решения об уровне освоения всех элементов по конкретным результатам тестов. Предлагаемые подходы планируется применять в рамках автоматизированной системы сопровождения учебного процесса. Примите наилучшие пожелания! С уважением, Владимир Фрейман

Taratin Vjacheslav Victorovich

Уважаемый Владимир Исаакович! С интересом ознакомился с Вашей работой. Понравился стиль изложения, научная аргументация. Согласен с проф. Трещалиным, что программная реализация ваших методов - следующий этап проработки этой актульной темы. Желаю дальнейших успехов. С уважением к.т.н., доц.Таратин Вячеслав Викторович

Freyman Vladimir

Уважаемый Вячеслав Викторович! Спасибо за комментарии и пожелания, буду продолжать работу, надеюсь на получение интересных и востребованных научных и практических результатов. Желаю всего наилучшего! С уважением, Владимир Фрейман

Gorbiychuk Mikhail

Уважаемый Владимир Фрейдман! Применение аппарата нечеткой логики к решению задачи оценки знаний имеет важное практическое значение при использовании тестов. Предлагаемый подход недостаточно гибкий посколько расматривается только три градации оценки знаний. Например Международная система оценки знаний ECTS рекомендуетприменять 6 градаций. Поэтому важно адаптировать разработаный метод к шкале ECTS. С уважением проф. М. Горбийчук.

Freyman Vladimir

Уважаемый Михаил Иванович! Благодарю Вас за комментарии. В настоящее время продолжаются работы по применению предлагаемого подхода к оценке результатов в многоуровневой шкале, в частности, в традиционной для нашей системы образования четырехуровневой. Представляется возможным "портировать" разработанные методы и алгоритмы дешифрации при увеличении количества уровней, учитывая при этом нелинейно возрастающую сложность модели. Надеюсь, что полученные результаты удастся довести до практического применения, получив ожидаемый эффект - более точное, объективное и адекватное (при заданных требованиях) оценивание результатов обучения, заданных в компетентностном, или в произвольном, формате. Желаю Вам всего наилучшего! С уважением, Владимир Фрейман

Treschalin Michail Yuriyevich

Уважаемый Владимир Исаакович! В Вашей работе четко указаны цель и постановка задачи исследования. Подробно изложен алгоритм. В ответе на комментарий уважаемого Накибулло Хабибуллаевича указано программное обеспечение. По опыту зная насколько сложно объективно оценить качество обучения в численном выражении, хотелось бы (в следующих статьях) увидеть примеры использования предлагаемых Вами методов в учебном процессе. Кроме того, следует иметь ввиду, что не всех ВУЗах ППС владеет MatLab и Visual Basic. Желаю дальнейших успехов. С уважением д.т.н., профессор М.Ю. Трещалин

Freyman Vladimir

Уважаемый Михаил Юрьевич! Спасибо Вам за комментарии, оценку и пожелания. Сейчас ведется работа по апробации предлагаемого подхода. Хотелось бы уточнить, что упомянутые программные средства использовались мною на этапе моделирования и проверки адекватности предлагаемых методов и алгоритмов. В дальнейшем планируется разработка автоматизированной системы сопровождения учебного процесса, где все технические и алгоритмические нюансы будут заложены в соответствующего вида обеспечение. Пользователю (преподавателю) будет предоставлена возможность в удобном и понятном виде задать необходимую исходную информацию (например, по дисциплине), связи, ранжировать средства контроля, ввести результаты тестирования и получить оценки. Буду рад в будущем представить результаты работы. Желаю всего наилучшего! С уважением, Владимир Фрейман

Babayev Naqibullo Habibullayevich

Здравствуйте уважаемый Владимир! Представленный Вами доклад по сути имеет огромное значение для науки и является актуальной проблемой при разработке систем автоматического управления различных технологических процессов, а также и организации учебного процесса. В данной работе вызывает симпатия сам подход к решению задач контроля результатов обучения, заданных в компетентностном формате, с использованием математического аппарата и методов нечеткой логики. В качестве рекомендаций могу высказать в статье не приведена каким образом решены поставленные в задаче вопросы, вернее с использованием каких программных средств, я думаю что Вы при решении данной задачи использовали средства Матлаб, однако об этом не приведены сведения. В целом работу оцениваю оценкой 8 балов. Желаю Вам дальнейших успехов в Ваших научных исследованиях и в работе. С уважением д.т.н., проф. Накибулло Бабаев

Freyman Vladimir

Здравствуйте, уважаемый Накибулло Хабибуллаевич! Спасибо Вам за комментарии и положительную оценку полученных результатов. К сожалению, ограничения по объему доклада не позволили привести результаты программного моделирования, хотя в исходной версии присутствовали необходимые скриншоты и описание построенной модели. Поэтому на Ваш вопрос могу ответить, что для моделирования мною использовался, как Вы совершенно верно отметили, инструмент MatLab Fuzzy Logic (упоминание об этом я привел в абзаце перед заключением), а для проверки корректности предлагаемых алгоритмов - Visual Basic for Applications, интегрированный в приложение Microsoft Excel. Благодарю Вас за пожелания, всего Вам наилучшего! С уважением, Владимир Фрейман.
Comments: 10

Adambaev Murat

Интересная статья. К сожалению не приведены конкретные примеры использования в учебном процессе предлагаемых методов с целью оценки качества обучения в численном аспекте.

Freyman Vladimir

Уважаемый Мурат Джамантаевич! Спасибо за комментарии. Пока предложенный подход проходит апробацию в процессе оценивания результатов освоения компетенций и их компонентов в дисциплинарном поле, поэтому примеров применения, возможно, на так и много, к тому же рамки доклада не позволили представить полный объем информации, например, по моделированию. Рассмотрен пример абстрактной дисциплины, в которой задано некоторое количество контролируемых элементов компетенций, контролирующих их тестов, их покрытие. В примере я постарался показать процедуру принятия решения об уровне освоения всех элементов по конкретным результатам тестов. Предлагаемые подходы планируется применять в рамках автоматизированной системы сопровождения учебного процесса. Примите наилучшие пожелания! С уважением, Владимир Фрейман

Taratin Vjacheslav Victorovich

Уважаемый Владимир Исаакович! С интересом ознакомился с Вашей работой. Понравился стиль изложения, научная аргументация. Согласен с проф. Трещалиным, что программная реализация ваших методов - следующий этап проработки этой актульной темы. Желаю дальнейших успехов. С уважением к.т.н., доц.Таратин Вячеслав Викторович

Freyman Vladimir

Уважаемый Вячеслав Викторович! Спасибо за комментарии и пожелания, буду продолжать работу, надеюсь на получение интересных и востребованных научных и практических результатов. Желаю всего наилучшего! С уважением, Владимир Фрейман

Gorbiychuk Mikhail

Уважаемый Владимир Фрейдман! Применение аппарата нечеткой логики к решению задачи оценки знаний имеет важное практическое значение при использовании тестов. Предлагаемый подход недостаточно гибкий посколько расматривается только три градации оценки знаний. Например Международная система оценки знаний ECTS рекомендуетприменять 6 градаций. Поэтому важно адаптировать разработаный метод к шкале ECTS. С уважением проф. М. Горбийчук.

Freyman Vladimir

Уважаемый Михаил Иванович! Благодарю Вас за комментарии. В настоящее время продолжаются работы по применению предлагаемого подхода к оценке результатов в многоуровневой шкале, в частности, в традиционной для нашей системы образования четырехуровневой. Представляется возможным "портировать" разработанные методы и алгоритмы дешифрации при увеличении количества уровней, учитывая при этом нелинейно возрастающую сложность модели. Надеюсь, что полученные результаты удастся довести до практического применения, получив ожидаемый эффект - более точное, объективное и адекватное (при заданных требованиях) оценивание результатов обучения, заданных в компетентностном, или в произвольном, формате. Желаю Вам всего наилучшего! С уважением, Владимир Фрейман

Treschalin Michail Yuriyevich

Уважаемый Владимир Исаакович! В Вашей работе четко указаны цель и постановка задачи исследования. Подробно изложен алгоритм. В ответе на комментарий уважаемого Накибулло Хабибуллаевича указано программное обеспечение. По опыту зная насколько сложно объективно оценить качество обучения в численном выражении, хотелось бы (в следующих статьях) увидеть примеры использования предлагаемых Вами методов в учебном процессе. Кроме того, следует иметь ввиду, что не всех ВУЗах ППС владеет MatLab и Visual Basic. Желаю дальнейших успехов. С уважением д.т.н., профессор М.Ю. Трещалин

Freyman Vladimir

Уважаемый Михаил Юрьевич! Спасибо Вам за комментарии, оценку и пожелания. Сейчас ведется работа по апробации предлагаемого подхода. Хотелось бы уточнить, что упомянутые программные средства использовались мною на этапе моделирования и проверки адекватности предлагаемых методов и алгоритмов. В дальнейшем планируется разработка автоматизированной системы сопровождения учебного процесса, где все технические и алгоритмические нюансы будут заложены в соответствующего вида обеспечение. Пользователю (преподавателю) будет предоставлена возможность в удобном и понятном виде задать необходимую исходную информацию (например, по дисциплине), связи, ранжировать средства контроля, ввести результаты тестирования и получить оценки. Буду рад в будущем представить результаты работы. Желаю всего наилучшего! С уважением, Владимир Фрейман

Babayev Naqibullo Habibullayevich

Здравствуйте уважаемый Владимир! Представленный Вами доклад по сути имеет огромное значение для науки и является актуальной проблемой при разработке систем автоматического управления различных технологических процессов, а также и организации учебного процесса. В данной работе вызывает симпатия сам подход к решению задач контроля результатов обучения, заданных в компетентностном формате, с использованием математического аппарата и методов нечеткой логики. В качестве рекомендаций могу высказать в статье не приведена каким образом решены поставленные в задаче вопросы, вернее с использованием каких программных средств, я думаю что Вы при решении данной задачи использовали средства Матлаб, однако об этом не приведены сведения. В целом работу оцениваю оценкой 8 балов. Желаю Вам дальнейших успехов в Ваших научных исследованиях и в работе. С уважением д.т.н., проф. Накибулло Бабаев

Freyman Vladimir

Здравствуйте, уважаемый Накибулло Хабибуллаевич! Спасибо Вам за комментарии и положительную оценку полученных результатов. К сожалению, ограничения по объему доклада не позволили привести результаты программного моделирования, хотя в исходной версии присутствовали необходимые скриншоты и описание построенной модели. Поэтому на Ваш вопрос могу ответить, что для моделирования мною использовался, как Вы совершенно верно отметили, инструмент MatLab Fuzzy Logic (упоминание об этом я привел в абзаце перед заключением), а для проверки корректности предлагаемых алгоритмов - Visual Basic for Applications, интегрированный в приложение Microsoft Excel. Благодарю Вас за пожелания, всего Вам наилучшего! С уважением, Владимир Фрейман.
PARTNERS
 
 
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Would you like to know all the news about GISAP project and be up to date of all news from GISAP? Register for free news right now and you will be receiving them on your e-mail right away as soon as they are published on GISAP portal.