БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА

БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА часть 1
БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА часть 2

4. База математических моделей
Конкретика знаний по предметной области (модель мира ТС) в базах знаний БОСЭС ТС представляется: ситуационными векторами SV(ТС — ПрС/С); семантической сетью ПрС/С ТВ ТС, значимыми событиями в ТС, альтернативами решения проблем, критериями выбора предпочтительной альтернативы, матрицами парных сравнений, матрицами знаний по прецедентам, математическими моделями (ММ).
В отечественных и зарубежных разработках БОСЭС использованы в моделях мира следующие типы математических моделей (ММ).
ММ первого типа — имитационная ММ пространственно — временного прогноза развития ПрС/С.
Модель включает: дифференциальные уравнения с ограничениями на фазовые координаты и управление, блок генерирования допустимых управлений, условия окончания интегрирования.
Пример использования такой модели дан в [Демкин и др., 2008]
ММ второго типа – модель генерирования и ранжирования альтернатив решения ПрС/С.

( Читать дальше )

БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА

БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА часть 1
БАЗОВАЯ АЛГОРИТМИЧЕСКАЯ ОБОЛОЧКА БОРТОВЫХ ОПЕРАТИВНО СОВЕТУЮЩИХ ЭКСПЕРТНЫХ СИСТЕМ ТИПОВЫХ СИТУАЦИЙ ФУНКЦИОНИРОВАНИЯ АНТРОПОЦЕНТРИЧЕСКОГО ОБЪЕКТА часть 2

Автор: Борис Федунов
Аннотация. Базовая алгоритмическая оболочка для бортовых оперативно советующих экспертных систем типовых ситуаций функционирования (БОСЭС ТС) антропоцентрических объектов ориентирована на формальную модель предметной области, которая включает понятия: генеральные задачи функционирования антропоцентрического объекта (Антр/объекта), семантические сети типовых ситуаций (ТС) функционирования и проблемных субситуаций (ПрС/С) в них. БОСЭС ТС имеет в базе знаний два иерархических уровня. На первом продукционные правила оперативно активизируют адекватную ПрС/С. На втором уровне решаются задачи активизированной ПрС/С с использованием динамических моделей развития ее фрагментов с помощью механизмов вывода: многокритериальный выбор альтернативы решения, решение по прецеденту, решение с помощью оптимизационной задачи, продукционные правила. При разработке БОСЭС ТС для конкретной ТС базовая оболочка наполняется знаниями по этой ТС с одновременным отсечением невостребованных фрагментов. При программной реализации наполненной знаниями алгоритмической оболочки ее адаптируют к бортовой информационной среде заданного типа Антр/объекта и вычислительным возможностям его бортовой вычислительной системы.
Ключевые слова: модель, база знаний, алгоритмическая оболочка.
Conference: The paper is selected from XVth International Conference «Knowledge-Dialogue-Solution» KDS 2009, Varna, Bulgaria, June-July 2009

Введение
Антропоцентрическим объектом (Антр/объектом) называется совокупность измерительных и исполнительных устройств, системообразующего ядра (борт Антр/объекта), в котором главенствующая роль принадлежит команде операторов (экипажу) В названном ядре решаются задачи оперативного целеполагания и определения рационального пути достижения оперативно назначенной цели.

( Читать дальше )

МУЛЬТИАГЕНТНЫЙ ИНТЕРФЕЙС ДЛЯ ДОСТУПА К ОНТОЛОГИЧЕСКОЙ СИСТЕМЕ В АРХИТЕКТУРЕ ИНТЕГРАЦИИ ИНФОРМАЦИОННЫХ СИСТЕМ

Автор: Анна Воскобойникова
Аннотация: В работе проанализированы принципы построения распределенных интеллектуальных информационных систем. В рамках построения модели интеграции информационных систем разработан подход к организации доступа с онтологической системе на основе организации взаимодействия интеллектуальных агентов.
Ключевые слова: онтологическая система, интеллектуальный агент, интеграция информационных систем.
ACM Classification Keywords: C.0 Computer Systems Organization — System architectures, I.2.11 Distributed
Artificial Intelligence — Multiagent systems
Conference: The paper is selected from XVth International Conference «Knowledge-Dialogue-Solution» KDS 2009, Varna, Bulgaria, June-July 2009

Введение
Разработка распределенных интеллектуальных информационных систем сталкивается с различного рода проблемами, однозначных механизмов решения которых на сегодня не существует. Это требует от разработчиков предметного анализа каждой отдельной задачи для выработки процедуры и методов ее решения. Одной из таких задач является задача интеграции нескольких информационных систем, которые построены на онтологиях. Здесь речь идет не просто о том, чтобы объединить несколько систем в одну, организовать их по принципам построения распределенных систем [Таненбаум, 2003] или реализовать общий интерфейс доступа к данным нескольких систем, а о том, что нужно интегрировать знания систем, построенных на онтологиях. Поэтому классические модели интеграции, которые были рассмотрены и проанализированы в [Воскобойникова, 2008-05, Воскобойникова, 2008-09], для решения такого рода задач не подходят. На сегодня были предприняты попытки модифицировать существующие архитектуры интеграции для обеспечения обработки знаний информационных систем и учета их бизнес- логики [Воскобойникова, 2009], что дало значительные результаты при решении таких задач, как построение витрин знаний, Knowledge Module для всех промышленных СУБД. Однако это не дает возможности сказать, что задача интеграции интеллектуальных информационных систем решена.

( Читать дальше )

ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO часть 2

ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO часть 1
ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO часть 2

Профессиональная компетенция CKO
Если выделить в деятельности CKO те же аспекты, что и в деятельности CIO, и условно разделить функции, исполняемые CKO по этим аспектам, то получится структура, представленная на рисунке 6.

Рис.6 Должностные обязанности CKO
По этой структуре определяются навыки и качества CKO, формирующие его профессиональную компетентность.

( Читать дальше )

ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO

ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO часть 1
ПРОБЛЕМЫ ФОРМИРОВАНИЯ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ CIO И CKO часть 2

Авторы: Екатерина Дементьева, Татьяна Гаврилова
Аннотация: В данной статье определяются и сравниваются профессиональные компетенции Chief Information Officer (CIO) и Chief Knowledge Officer (CKO). В деятельности CIO и CKO выделяются три основных аспекта: организационный, технический и стратегический. Каждому аспекту соответствуют специфические требования к профессиональным навыками и личностным характеристикам CIO и CKO. Эти требования не статичны, важность одних качеств и навыков возрастает, другие отходят на второй план, по мере развития областей информационного менеджмента и управления знаниями. Данные вопросы будут подробно обсуждаться в тексте статьи.
Ключевые термины: CIO, CKO, IM, KM, Информационный менеджмент, Управление знаниями.
ACM Classification Keywords: K.7 The Computing Professions – CIO, CKO
Conference: The paper is selected from XVth International Conference «Knowledge-Dialogue-Solution» KDS 2009, Varna, Bulgaria, June-July 2009

Введение
Информация и знания в компаниях сегодня все чаще выступают в роли важного ресурса, необходимого для эффективного производства конечной продукции, а иногда и сами становятся конечным продуктом деятельности компании. Информационный менеджмент (ИМ) и управление знаниями (УЗ) – это направления, позволяющие контролировать, создавать, управлять информацией и знаниями. Основной целью обеих дисциплин является оптимизация и интенсификация работы компании.

( Читать дальше )

ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ

ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ часть 1
ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ часть 2


Технология распределения тестовых заданий разных типов по уровням сложности

Для распределения тестовых заданий по уровням сложности авторами предлагается модификация современной теории тестирования IRT. Модификация IRT заключается в следующем:
-в классическом случае IRT предлагается для вычисления уровня знаний обучаемых. Авторами предлагается применение IRT для определения уровней сложности тестовых заданий;
-модели IRT рассматриваются для случая применения только дихотомической системы оценивания тестовых заданий. Авторами предлагается использование данных моделей для непрерывной системы оценивания знаний, частным случаем которой является дихотомическая;
-предлагается рассматривать одно-, двух- и трехпараметрические модели не в отдельности, а в совокупности в зависимости от типа тестовых заданий.

( Читать дальше )

ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ

ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ часть 1
ТЕХНОЛОГИЯ ОЦЕНИВАНИЯ ТЕСТОВ В ЗАВИСИМОСТИ ОТ ТИПА И УРОВНЯ СЛОЖНОСТИ ТЕСТОВЫХ ЗАДАНИЙ НА ОСНОВЕ ИНТЕГРИРОВАННОЙ МОДЕЛИ часть 2


Авторы: Михаил Бондаренко, Валерий Семенец, Наталия Белоус, Виктор Борисенко, Ирина Куцевич, Ирина Белоус, Олеся Мележик
Аннотация: В работе описывается технология оценивания тестовых заданий, а также распределение заданий разных типов по уровням сложности на основе результатов предварительного тестирования. Актуальность и важность разработки данной технологии определяется ориентацией на практическое использование внепрерывной системе оценивания знаний, применимостью данной технологии для любой системы оценивания знаний, а также индивидуализированным подходом к оцениванию разных типов тестовых заданий с учетом уровня их сложности. При распределении тестовых заданий по уровням сложности предлагается использовать интегрированную функциональную модель, позволяющую применять разные способы распределения тестовых заданий, включенных в тест, в зависимости от их типов. Предлагаемая технология была программно реализована и внедрена в учебный процесс, что позволило проводить более точное и объективное тестирование, а также распределение тестовых заданий разных типов по уровням сложности.
Ключевые слова: тип тестового задания, оценивание тестовых заданий разных типов, уровень сложности, интегрирования модель распределения тестовых заданий разных типов.
ACM Classification Keywords: K.3.1 Computer Uses in Education
Conference: The paper is selected from Fourth International Conference «Modern (e-) Learning» MeL 2009, Varna, Bulgaria, June-July 2009


( Читать дальше )

О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 2

О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 1
О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 2

Обсуждение результатов
Как следует из изложенной выше методики проведения эксперимента, его результатом является текстовый файл, состоящих из пар понятий, объединенных друг с другом связью некоторого типа. Выше уже отмечалось, что на данном этапе исследования тип связи не учитывался. Для обработки итоговых файлов была написана специальная программа, которая объединяла связанные понятия в группы и затем вычисляла те или иные статистические характеристики.
Рассмотрим, какие именно величины можно попробовать принять за характеристики степени целостности системы понятий у студента.
В качестве первичных параметров очевидным образом возникает общее количество терминов и общее количество связей между ними, которые найдены в файле результатов конкретного студента. Их отношение, имеющее смысл среднего количества связей на одно понятие, также можно ввести в рассмотрение. Очевидно, что чем больше величина указанных показателей, тем лучше студент усвоил материал.

( Читать дальше )

О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 1

О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 1
О КОМПЬЮТЕРНОЙ МЕТОДИКЕ ИЗУЧЕНИЯ ЦЕЛОСТНОСТИ СИСТЕМЫ БАЗОВЫХ ПОНЯТИЙ, СФОРМИРОВАВШЕЙСЯ У СТУДЕНТОВ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ КУРСА часть 2

Автор: Евгений Еремин
Abstract: This paper considers the experimental research of interconnections between the basic concepts, formed after learning of the educational course. The special computer technique for estimation of students’ knowledge entirety was developed and successfully tested. New original mode of experimental data visualization is proposed. Several interesting pedagogical regularities were found by means of checking how students have digested the main concepts of the course.
Keywords: entirety, concept, knowledge structure, education, course.
ACM Classification Keywords: K.3.1 Computer Uses in Education; I.2.6 Learning – Knowledge acquisition.
Conference: The paper is selected from Fourth International Conference «Modern (e-) Learning» MeL 2009, Varna, Bulgaria, June-July 2009

Введение
Во всех книгах по педагогике, начиная с трудов ее классиков и кончая современными учебниками, систематичность и последовательность всегда отмечаются в качестве важнейших основополагающих принципов образования. «Человек только тогда обладает настоящим и действительным знанием, когда в его мозгу отражается четкая картина внешнего мира, представляющая систему взаимосвязанных понятий;… если не соблюдать системы и последовательности в обучении, то процесс развития учащихся замедляется.» [1] При этом подчеркивается, что «сформировавшаяся система знаний – важнейшее средство предотвращения их забывания. Забытые знания быстро восстанавливаются в системе, без нее
–с большим трудом.…Не забывайте совет Я.А. Коменского: все должно вестись в неразрывной последовательности, так, чтобы все сегодняшнее закрепляло вчерашнее и пролагало дорогу для завтрашнего.» Известный российский преподаватель А.Г. Кушниренко, который является автором нескольких учебников по информатике, обобщил идеи о необходимости единства всего процесса обучения следующим емким и точным тезисом: учащиеся должны «освоить такой минимум знаний, накопленных человечеством, который позволяет составить целостное представление об окружающем мире, природе и обществе» [2].

( Читать дальше )

ПОДСИСТЕМА ОПРЕДЕЛЕНИЯ МЕТОДОВ МОТИВАЦИИ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ УПРАВЛЕНИЯ

Авторы: Юлия Гуракова, Елена Антонова
Abstract: The article tells about implementation of intellectual management system and motivation methods definition subsystem. The article emphasizes problems of decreasing «unreliability» of management elements and selection of optimal motivation methods of activity each employee taking into account personal characteristics and psychological features. The motivation methods definition subsystem selects such motivation methods which have been based on specific features of employees. The Article describes some aspects, which were used for subsystem developing.
Keywords: The Theory of Unreliable Elements, Knowledge Systems, Intelligent Control.
ACM Classification Keywords: I.2 Artificial Intelligence
Conference: The paper is selected from XVth International Conference «Knowledge-Dialogue-Solution» KDS 2009, Varna, Bulgaria, June-July 2009

Введение
При решении задач управления коллективом необходимо добиться выполнения поставленных перед сотрудниками заданий в срок, снижая “ненадёжность”. Под “ненадёжностью” следует понимать психологические и физические особенности людей, которые могут оказывать неблагоприятное влияние на эффективное функционирование предприятия. Примеры возможного проявления “ненадёжности” сотрудника: “лень”, “нежелание”, “забывчивость”, “утомление”, “незнание” и другие.
В системах, где в качестве объектов управления выступают люди с присущими личностными и психологическими особенностями, управление затруднено в связи с наличием фактора «ненадежности» со стороны элементов управления. Для повышения эффективности управления необходимо максимально учитывать факторы ненадежности элементов управления и предпринимать необходимые меры, чтобы понизить присущую им “ненадежность”. Даже в самом маленьком коллективе можно выделить людей, относящихся к разным психологическим типам. Вполне очевидно, что каждый из них требует особой мотивации.
В современных системах управления предприятиями одной из важнейших подсистем является подсистема управления персоналом, которая автоматизирует многие функции кадровой работы. Однако современные подсистемы управления персоналом слишком универсальны, они не учитывают особенности конкретного сотрудника. Для того чтобы сотрудник не проявил “ненадежность”, его необходимо мотивировать. В связи с этим актуальна разработка и реализация модели интеллектуального управления на основе личностных характеристик и психологических особенностей личности. Практическая значимость интеллектуальной подсистемы определения методов мотивации состоит в выборе эффективных методов мотивации, адаптированных к конкретной личности.

( Читать дальше )