Статья: Диагностика результатов обучения средствами нечеткого моделирования

ДИАГНОСТИКА РЕЗУЛЬТАТОВ ОБУЧЕНИЯ СРЕДСТВАМИ НЕЧЕТКОГО МОДЕЛИРОВАНИЯ

Абсалямова Г.Х., Новрузов А.Р.

Уфимский государственный авиационный технический университет

Введение

Первостепенной задачей в подготовке специалиста является формирование конкурентоспособной, готовой к постоянному профессиональному росту, творческой, активной личности. Ключевым понятием в сложившихся условиях становится компетентность будущего специалиста. компетентность личность мышление нечеткий

Исследования в области теории компетентностного образования указывают на перенос акцентов с триады «знание - умение - навыки» на триаду «знание - понимание - умение». Именно такое интегрирование является основой формирования компетенций как способности и готовности личности к выполнению профессиональной деятельности. Профессиональные компетенции представляют сложный конгломерат из знаний, умений, психологической устойчивости и способностей к обучению, адаптации, предвидению, творчеству и саморазвитию [1].

Таким образом, понятие компетенции значительно шире традиционной триады ЗУН (знания, умения, навыки), поскольку включает не только знания и опыт их применения, но и личностную (или мотивационную) составляющую владеющего компетенцией человека. При этом первая часть является измеримой в виде оценки посредством вспомогательных инструментов измерения компетенции (тесты, анкеты и т.п.). Вторая часть - готовность к реализации соответствующей компетенции - представляется трудно измеримой [2].

Преодоление указанного затруднения является актуальной задачей современного образования и требует поиска эффективных подходов к диагностике результатов обучения. Одним из путей решения этой задачи представляется использование возможностей нечеткой логики.

Анализ литературы позволяет отметить интерес ученых, представляющих различные области науки, к нечеткой логике как основе моделирования образовательной деятельности. В частности, Монахов В.М. [8], Большаков А.А. [2, 10], Вешнева И.В. [2, 9, 10, 11, 12], Мельников Л.А. [2, 10, 11, 12], Калниболотский Ю.М. [4], Короткий Е.В. [4], Мальтекбасов М.Ж. [7], Перова Л.Г. [10], Зеер Э.Ф. [13], Зимняя И.А. [14], Ильяcова М.Д. [15], Шкиль А.В. [16], Каук В.Г.[16] видят широкие перспективы применения нечеткой логики в гуманитарных исследованиях, то есть в таких исследованиях, где могла бы формализоваться субъективная оценка эксперта. Вместе с тем, в большинстве работ авторы ограничиваются лишь постановкой проблемы или теоретическим описанием возможного применения аппарата нечеткой логики, при этом конкретных методик реализации не приводится. Наиболее полное раскрытие вопроса было найдено в работах Вешневой И.В.

Таким образом, имеет место противоречие между имеющимся вниманием к нечеткой логике как идее построения действенных диагностических инструментов с одной стороны, и отсутствием практической реализации потенциала нечеткого моделирования с другой стороны. Из противоречия вытекает проблема исследования: как на практике применить возможности нечеткой логики? Целью исследования является изучение возможностей нечеткого моделирования в диагностике личностной составляющей компетенции.

Разработка модели коммуникативной компетентности

Для определения уровня сформированности компетентности должны быть определены уровни соответствующих компетенций, входящих в ее состав. Однако не все компетенции могут быть обработаны с помощью математического аппарата. В некоторых случаях целесообразнее принимать во внимание экспертные оценки, которые чаще всего выражаются словами естественного языка и носят нечеткий, неопределенный характер. Нечеткое моделирование позволяет строить учитывающие ассоциативное мышление человека модели и применять их в компьютерных системах.

Эффективное применение нечеткого моделирования в решении широкого класса задач управления послужило основой становления нечеткой логики как прикладной науки с богатым спектром приложений. Нечеткий вывод занимает центральное место в системах нечеткого моделирования. Процесс нечеткого вывода представляет собой определенную процедуру или алгоритм получения нечетких заключений на основании нечетких предпосылок с использованием основных операций нечеткой логики [3].

Особенностью нечеткого моделирования является возможность обработки минимального набора закономерностей с заданием функций принадлежности, показывающих степень принадлежности элемента определенному множеству между ложностью и истинностью (или между нулем и единицей) [4].

Г.В. Мухаметзянова в своей работе [5] раскрывает сущность коммуникативной компетентности следующим образом. Коммуникативная компетентность представляет собой способность осуществлять речевую деятельность, реализуя коммуникативное речевое поведение на основе фонологических, лексико-грамматических, социолингвистических и страноведческих знаний и навыков с помощью умений, связанных с дискурсивной, иллокутивной и стратегической компетенцией в соответствии с различными задачами и ситуациями общения. Коммуникативная компетентность предполагает владение лингвистической компетенцией, знание сведений о языке, наличие умений соотносить языковые средства с задачами и условиями общения, понимание отношений между коммуникантами, умение организовать речевое общение с учетом социальных норм поведения и коммуникативной целесообразности высказывания [5, с. 115].

Следуя принципу многомерности [1] была разработана модель коммуникативной компетентности с целью структуризации рассматриваемого объекта для дальнейшего анализа и математического описания (см. рис. 1).

Рисунок 1 - Структурная модель коммуникативной компетентности Раскроем сущность структурных компонент предлагаемой модели.

1. Компетенции вербальной операциональности связаны с овладением средствами общения и предполагают:

- способность к письменной и устной коммуникации; умение логически верно, аргументированно и ясно строить устную и письменную речь (ВК1);

- способность и готовность к публичным выступлениям (ВК2);

- готовность к использованию одного из иностранных языков (ВК3).

2. Компетенции социального взаимодействия направлены на самоопределение в социуме и подразумевают:

- готовность к кооперации с коллегами, к работе в коллективе (СК1);

- способность к ведению дискуссии и полемики (СК2);

- способность находить организационно-управленческие решения в условиях различных мнений (СК3).

3. Компетенции личностной репрезентации ориентируют на самореализацию и саморазвитие и включают:

- способность к обобщению, анализу, восприятию информации, постановке цели и выбору путей ее достижения (ЛК1);

- способность к восприятию и преобразованию информации, трансформирования ее в личностно значимый результат (ЛК2);

- готовность к самостоятельной, индивидуальной работе, принятие решений в рамках своей профессиональной компетенции (ЛК3) [3, с. 232-233].

Каждая отдельно взятая компетенция включает в себя, в большинстве своем, совокупность личностных качеств, таких как: внимательность, организованность, сообразительность, мобильность и тому подобное. Уровень сформированности таких компонент носит субъективный характер и может быть определен только словами естественного языка: не совсем внимательный, достаточно организованный и так далее.

Разработка системы нечеткого вывода для задачи «Мобильность мышления»

Одной из составляющих компетенции «готовность к самостоятельной, индивидуальной работе, принятие решений в рамках своей профессиональной компетенции» является «мобильность мышления». Мобильность мысли - это скорость мышления, умноженная на идею и заключенная в совершенную интеллектуальную мысль [6].

Задача состоит в том, чтобы разработать экспертную систему «Мобильность мышления», которая была бы реализована в виде системы нечеткого вывода и позволяла бы определять уровень сформированности компетенции на основе субъективных оценок преподавателей. Компьютерное моделирование проводится в среде MATLAB с расширением Fuzzy Logic Toolbox.

Эмпирические знания о рассматриваемой проблемной области могут быть представлены в форме следующих эвристических правил-продукций:

1. Если темп медленный и качество решения плохое, то уровень недостаточный.

2. Если темп средний и качество решения хорошее, то уровень - средний.

3. Если темп быстрый и качество решения хорошее, то уровень - продвинутый.

4. Если темп быстрый и качество решения плохое, то уровень - недостаточный.

Качество решения включает в себя правильность ответа задачи и оценку хода решения преподавателем, которая носит субъективный характер.

В качестве входных параметров системы нечеткого вывода будем рассматривать две нечеткие лингвистические переменные (ЛП): «Темп выполнения» и «Качество решения задачи», а в качестве выходного параметра - нечеткую лингвистическую переменную «Уровень».

Согласно [6] лингвистическая переменная определяется как кортеж: <b, T, X, G, M>, где b - имя лингвистической переменной; Т - базовые терм-множества; X - область определения нечетких переменных; G - синтаксическая процедура, позволяющая генерировать новые термы; М - семантическая процедура, позволяющая преобразовать новое значение лингвистической переменной, образованной процедурой G, в нечеткую переменную, то есть сформировать соответствующее нечеткое множество.

Опишем лингвистическую переменную «Качество решения» - это кортеж < b, Т, X, G, М >, где b - качество решения, Т={«плохое», «хорошее»}, Х=[0,2], G - процедура образования новых термов с помощью логических связок «И», «ИЛИ», «НЕ» и модификаторов типа «очень», «достаточно», «недостаточно» и др., M - процедура задания на X=[0,2] нечетких переменных б₁=«плохое», б₂=«хорошее», а также соответствующих нечетких множеств для термов из G(T) в соответствии с правилами трансляции нечетких связок и модификаторов «И», «ИЛИ», «НЕ», «очень», «достаточно», «недостаточно» [3].

В качестве терм-множества первой ЛП «Темп выполнения» будем использовать множество Т1={«медленный», «быстрый»}. В качестве терм-множества второй ЛП «Качество решения» будем использовать множество Т2={«плохое», «хорошее»}. В качестве терм-множества выходной ЛП «Уровень» будем использовать множество Т3={«недостаточный», «средний», «продвинутый»}. Терм-множество характеризует уровень сформированности каждого параметра.

Каждому терму ставится в соответствие функция принадлежности. В качестве диапазона значений ЛП «Темп выполнения» возьмем множество Q1={1,…,60}, что соответствует 60-балльной шкале. В качестве диапазона значений ЛП «Качество решения» возьмем множество Q2={1,…,2}. В качестве диапазона значений ЛП «Уровень» возьмем множество Q3={1,…,5}.

Для каждого терма лингвистической переменной заданы функции принадлежности.

Задание лингвистических переменных, термов и функций принадлежности в редакторе представлено на рисунках 2 - 4.

Рисунок 2 - Вид функций принадлежности для термов лингвистической переменной «Темп выполнения»

Рисунок 3 - Вид функций принадлежности для термов лингвистической переменной «Качество решения»

Рисунок 4 - Вид функций принадлежности для термов лингвистической переменной «Уровень»

Следующим этапом при построении модели является формирование базы правил. Правила сформированы на основе оговоренных ранее эмпирических знаний о системе. Правило-продукция состоит из двух частей: условия и вывода. Условие состоит из высказываний, соединенных связками «И». Например: ЕСЛИ (Темп=медленный) И (Качество= плохое), ТО (Уровень=недостаточный). Графический интерфейс редактора базы правил представлен на рисунке 5.

Рисунок 5 - Графический интерфейс редактора базы правил

Программа просмотра правил обеспечивает ввод исходных данных и представление полученных результатов (см. рисунок 6). Для пользователя система нечеткого вывода работает по принципу «черного ящика». Но алгоритм Мамдани включает в себя ряд этапов: формирование базы правил, фаззификация входных переменных, агрегирование подусловий, активизация подзаключений, аккумулирование заключений, деффазификация выходных переменных.

Рисунок 6 - Визуализация нечеткого логического вывода

Для оценки взаимовлияния значений ЛП двух любых лингвистических переменных на результат работы системы нечеткого вывода можно воспользоваться программой просмотра поверхности нечёткого вывода системы (см. рисунок 7).

Рисунок 7 - Визуализация поверхности нечеткого вывода

С целью апробации разработанной системы нечеткого вывода проведен эксперимент. Студентам было предложено решить математическую задачу, при этом фиксировались показатели: время выполнения задания и правильность решения. Были получены следующие результаты, представленные в табл. 1.

Таблица 1 - Результаты эксперимента