sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical Universitysapi-109Research ArticleИнформационные технологии в образованииInformation technologies in educationПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ОБУЧАЮЩИХ СИСТЕМАХ НА ОСНОВЕ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВREPRESENTATION OF KNOWLEDGE IN LEARNING SYSTEMS BASED ON THE THEORY OF FUZZY SETSПоповаЮ. Б.PopovaY. B.

Yuliya B. Popova, PhD, Associate Professor at the Software Department

julia_popova@mail.ruБураковскийА. И.BurakovskiA. I.

Alexander Burakovski received the graduate degree in software engineering from the Belarusian National Technical University in 2012 and the Master’s degree in system analysis and control of information processing in 2013. He is currently working on PhD degree program.

julia_popova@mail.ruБелорусский национальный технический университет, г. МинскБеларусьBelarusian National Technical University, MinskBelarus201626072016025865Copyright © Попова Ю.Б., Бураковский А.И., 20162016Попова Ю.Б., Бураковский А.И.Popova Y.B., Burakovski A.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/109

Использование информационных технологий и, в частности, информационных обучающих систем увеличивает возможности как преподавателя, так и обучаемого, в достижении своих целей в образовательном процессе, учитывая индивидуальные характеристики каждого и предоставляя возможности непрерывного образования. Несмотря на большое количество исследований в этой области и очевидные преимущества таких систем, их использование пока ограничено. Одной из главных причин здесь является использование точных количественных методов в такой сложно-структурированной и нечеткой области как учебный процесс. При проектировании информационных обучающих систем разработчики сталкиваются с проблемой моделирования знаний, которые условно могут быть разделены на две категории: предметные и персональные. Предметные знания определяются программой обучения и представляют знания эксперта (преподавателя) о составе и структуре учебного предмета. Персональные знания позволяют определить степень изученного материала обучаемым. Эти знания динамичные, изменяются в процессе обучения и предназначены для адаптации информационных обучающих систем к конкретному обучаемому. В настоящее время существует большое количество моделей представления знаний, среди которых наиболее используемыми являются логические, продукционные, сетевые, фреймовые и математические. Главными преимуществам математической модели являются точность, работа с абстракциями, передача информации логически однообразным способом. Математическая модель представления знаний на основе теории нечетких множеств позволяет, в отличие от остальных, учесть семантическую неопределенность оценивания экспертом (преподавателем) степень подготовки обучаемого.

Using of information technologies and e-learning systems increases opportunities of teachers and learners in reaching their studying process goals. It takes into account the individual characteristics of each and provides opportunities for e-learning. But e-learning systems using is limited despite of many researchers and the obvious advantages of such systems. One of the main reasons of such limitation is the usage of precise quantitative techniques in a hard-structured and fuzzy area as a learning process. In designing of information learning systems developers are faced with the problem of modeling knowledge which can be divided into two categories conventionally: personal and subject. Subject knowledge is defined education program and represents expert knowledge (the teacher) about the composition and structure of the subject. Personal knowledge can determine the level of the material studied by learner. This kind of knowledge is dynamic, changing in the educational process and designed to adapt e-learning systems to the particular learner. There are a large number of knowledge representation models. Commonly used models are logical, productional, network, frame-based and mathematical models. The main advantage of the mathematical model is the accuracy, abstraction processing, communication logically uniform way. Mathematical model of knowledge representation based on the theory of fuzzy sets take into consideration the semantic ambiguity expert assessment (teacher) degree of preparation to learner.

знанияинформационные обучающие системыматематическая модельнечеткие множестваknowledgee-learningmathematical modelfuzzy setsReferencesБураковский, А. И. Математические модели пользователей в адаптивных обучающих системах / А. И. Бураковский, Ю. Б. Попова // Информационные технологии в образовании, науке и производстве : материалы МНТИК. — Режим доступа: http://www.bntu.by/news/67-conference-mido/1545–2014–11–22–12–18–35.html.Burakovskij, A. I. Mathematical models of users in adaptive learning systems / A. I. Burakovskij, Y. B. Popova // Informacionnye tehnologii v obrazovanii, nauke i proizvodstve : materialy MNTIK. — Rezhim dostupa: http://www.bntu.by/news/67-conferencemido/1545–2014–11–22–12–18–35.html.Брусиловский, П. Л. Адаптивные и интеллектуальные технологии в сетевом обучении / П. Л. Брусиловский // Новости искусственного интеллекта. – 2002. – № 5. – С. 25–31.Brusilovskij, P. L. Adaptive and intelligent technologies in network learning / P. L. Brusilovskij // Novosti iskusstvennogo intellekta. – 2002. – № 5. – P. 25–31.Брусиловский, П. Л. Интеллектуальные обучающие системы / П. Л. Брусиловский // Информатика. Информационные технологии. Средства и системы. – 1990. – № 2. – С. 3–22.Brusilovskij, P. L. Intelligent tutoring systems / P. L. Brusilovskij // Informatika. Informacionnye tehnologii. Sredstva i sistemy. – 1990. – № 2. – P. 3–22.Савельев, А. Я. Автоматизированная обучающая система КОНТАКТ на базе ЕС ЭВМ: версия КОНТАКТ/ОС. Вып. 2 / А. Я. Савельев ; под ред. Л. В. Ницецкого. – Рига : РПИ, 1979. — 67 с.Savel’ev, A. Ja. Automated Training System CONTACT based on ES computers: version KONTAKT/OS. Vyp.2 / A. Ja. Savel’ev ; pod red. L. V. Niceckogo. – Riga : RPI, 1979. – 67 p.Garret, B. The value of intelligent multimedia simulation for teaching clinical decision-marking skills. / B. Garret, D. Callear // Nurse Educ Today. – 2001. – № 21. – P. 382–390.Garret, B. The value of intelligent multimedia simulation for teaching clinical decision-marking skills / B. Garret, D. Callear // Nurse Educ Today. – 2001. – № 21. – P. 382–390.Спицын, В. Г. Представление знаний в информационных системах : учебное пособие / В. Г. Спицын, Ю. Р. Цой. – Томск : Изд-во Томского политехнического университета, 2008. – С. 8.Spicyn, V. G. Knowledge representation in information systems. / V. G. Spicyn, Ju. R. Coj. – Tomsk : Izd-vo Tomskogo politehnicheskogo universiteta, 2008 – P. 8.Полани, М. Личностное знание / М. Полани. – М. : Прогресс, 1985. – 103 с.Polani, M. Personal knowledge / M. Polani. — M. : Progress, 1985. – 103 p.Попов, Э. В. Искусственный интеллект : справочник. Кн. 1. Системы общения и экспертные системы / под ред. Э. В. Попова. – М. : Радио и связь, 1990. – 464 с.Popov, Je. V. Iskusstvennyj intellect : spravochnik. Kn. 1. The communication systems and expert systems / pod red. Je. V. Popova. – M. : Radio i svjaz’, 1990. – 464 p.Клыков, М. С. Основы управления : учебное пособие / М. С. Клыков, Н. П. Григорьев, Т. И. Балалаева. – Хабаровск : Издательство ДВГУПС, 2007 – C. 2.Klykov, M. S. Fundamentals of Management : uchebnoe posobie / M. S. Klykov, N. P. Grigor’ev, T. I. Balalaeva. – Habarovsk : Izdatel’stvo DVGUPS, 2007. – P. 2.Берштейн, Л. С. Функционально-структурное исследование ситуационно-фреймовой сети эксплуатационной системы с нечеткой логикой / Л. С. Берштейн [и др.] // Изв. АН. Сер. Техническая кибернетика. – 1994. – № 2. – С. 120–124.Bershtejn, L. S. Functional-structural research of situational framing network operating system with fuzzy logic / L. S. Bershtejn [i dr.] // Izv. AN. Ser. Tehnicheskaja kibernetika. – 1994. – № 2. – P. 120–124.Головчинер, М. Н. Введение в системы знаний : курс лекций / М. Н. Головчинер. – Томск, 2011. – С. 20.Golovchiner, M. N. Introduction to knowledge system : kurs lekcij / M. N. Golovchiner. – Tomsk, 2011. – P. 20.Коробова, И. Л. Методы представления знаний / И. Л. Коробова. – Тамбов : Издательство ТГТУ, 2003. – C. 10–13.Korobova, I. L. Methods of knowledge representation / I. L. Korobova. – Tambov : Izdatel’stvo TGTU, 2003. – P. 10–13.Борисов, А. Н. Обработка нечеткой информации в системах принятия решений. / А. Н. Борисов [и др.]. – М. : Радио и связь, 1989. – 304 с.Borisov, A. N. Processing fuzzy information in decision-making systems / A. N. Borisov [i dr.] – M. : Radio i svjaz’, 1989. – P. 304.Карелин, В. П. Модели и методы представления знаний и выработки решений в интеллектуальных информационных системах с нечеткой логикой / В. П. Карелин // Вестник Таганрогского института управления и экономики. – 2014. – № 1 (19) – С. 75–83.Karelin, V. P. Models and methods of knowledge representation and decision-making in intelligent information systems with fuzzy logic / V. P. Karelin // Vestnik Taganrogskogo instituta upravlenija i jekonomiki. – 2014. – № 1 (19). – P. 75–83.Белоус, В. А. Современные модели представления знаний в обучающих системах / В. А. Белоус, Е. С. Кудинов, М. Э. Желнин // Ученые записки. Электронный научный журнал Курского государственного университета. – 2010. – № 1. – С. 9–14.Belous, V. A. Modern knowledge representation models in training systems / V. A. Belous, E. S. Kudinov, M. Je. Zhelnin // Uchenye zapiski. Jelektronnyj nauchnyj zhurnal Kurskogo gosudarstvennogo universiteta. – 2010. – № 1. – P. 9–14.Денисова, И. Ю. Математические модели представления знаний эксперта в информационной обучающей системе дистанционного обучения / И. Ю. Денисова, М. В. Баканова // Известия Пензенского государственного педагогического университета. ПГУ. – 2011. – С. 360–361.Denisova, I. Ju. Mathematical models of expert knowledge representation in e-learning system / I. Ju. Denisova, M. V. Bakanova // Izvestija Penzenskogo gosudarstvennogo pedagogicheskogo universiteta. PGU. – 2011. – P. 360–361.

The authors declare that there are no conflicts of interest present.