Билет 11 – проблемы и перспективы развития компьютерных обучающих систем

АОС – автоматизированные обучающие системы, предназначенные для частичной автоматизации одной или нескольких функций обучающего, несмотря на все достижения этого направления, все АОС являются диалоговыми, и обладают следующими ограничениями, проблемами:

1. Диалоговые средства примитивны

2. АОС предполагают полную формализацию процесса обучения

3. Роль преподавателя при использовании АОС минимальна

4. Информационная база подготавливается до начала эксплуатации АОС

5. АОС предполагает постоянную поддержку ее программными средствами

ЭОС – экспертные обучающие системы, оказывающие пользователям помощь в процессе анализа проблемных ситуаций и поиска рационального решения на основе ее имитационных моделей. Главное отличие ЭОС от АОС заключается в том, что ЭОС способна не просто сообщить, правильно или неправильно сделано задание, но еще и объясняет, как и почему преподаватель-эксперт решил задачу иначе. Основные трудности при разработке ЭОС включают:

1. Представление субъективных, неформализуемых знаний

2. Интерпретацию семантики в базах данных лингвистической информации

3. Отсутствие типовых моделей предметной области

4. С экономической точки зрения серьезным недостатком традиционных АОС является огромный расход времени, т.к. разработчик, лишенный возможности изменять курс впоследствии, затрачивает один час на создание обучающего курса до 300 часов.

Из перспектив обучающих систем можно выделить:

1. Быстрое распространение знаний, их доступность

2. Быстрый доступ к большим объемам информации

3. Качественное изменение форм образования – например, более совершенное дистанционное образование

4. Быстрое и эффективное внедрение науки в практику

Прикладная эффективность лингвистических моделей

Использование синтаксиса и семантики в процессе распознавания слитной звучащей речи находится на начальной стадии. Известно, что применение данных областей знаний в распознаю-

щих системах позволяет, с одной стороны, осуществить передачу произнесенных фраз, а с другой, — соориентировать распознавание на информацию, полезную для понимания.

Действие синтаксического анализатора, приспособленного для систем распознавания речи, реализуется с учетом двух моментов:

1) необходимость придать смысл сказанному заставляет использовать модель естественных языков

2) неуверенность в результатах, полученных с помощью идентификации фонем или слов, ведет к применению новых алгоритмов. Ввод в ЭВМ синтаксиса и семантики бесспорно содействует повышению эффекта машинного распознавания слитной речи. В специальной литературе отмечается, что синтаксис — не панацея, позволяющая устранить все трудности акустического распознавания. Тем не менее включение синтаксиса и семантики в системы, понимающие речь, оправдано логикой. Ведь человек не строит процесс понимания на идентификации звуков,

а использует все возможности общения. Результаты экспериментов свидетельствуют о том, что при восприятии речи человек руководствуется не только акустическими данными. Более того,

звуки, характеризующиеся одинаковыми акустическими параметрами, могут восприниматься как разные. В то же время разные звуки могут иметь сходные, а иногда и идентичные акустические

параметры. Исследование показало, что синтезированные гласноподобные стимулы с варьирующими значениями первой и второй формант могут восприниматься как один и тот же звук и, наоборот, стимулы, имеющие одинаковые акустические параметры, могут восприниматься как разные звуки. Таким образом, акустическая информация сама по себе не является решающей для правильного восприятия и понимания сообщения. Особую роль в данном случае приобретает семантическая информация, поскольку сам акт общения предполагает определение смысла высказывания.

В настоящее время созданы системы, способные обеспечивать семантическую связь в процессе распознавания. Система устанавливает, что предложения, которые она «слышит», — многозначные и правдоподобные.