3. Выбор метода интеллектуализации для решения основных задач магистерской диссертации

Нечёткая логика (НЛ) – это математическая теория о «размытых нечётких множествах, в которой говорится о том, что характеристическая функция (функция принадлежности элемента множеству, заданная на лингвистической переменной, значения которой используются в качестве оценочных категорий) может принимать любые значения в интервале [0, 1], а не только значения 0 и 1.

Основные преимущества систем на основе НЛ:

– возможность оперирования нечеткими входными данными: например, значениями, которые невозможно задать однозначно («сильно уязвимый», «довольно дорогой» и т. п.);

– возможность нечеткой формализации критериев оценки и сравнения: оперирование критериями «большинство», «возможно», «преимущественно»;

– возможность проведения качественных оценок, как входных данных, так и выходных результатов;

– возможность проведения имитационного моделирования сложных динамических систем и их сравнительный анализ с заданной степенью точности;

– простота реализации программного кода при реализации в виде компьютерной программы.

3.1. Применение нечёткой логики в решении задачи по определению степени приближения ответа обучаемого к эталону

При использовании НЛ, полученная оценка будет более точной, так как будут рассмотрены не только варианты ответа «правильно» или «неправильно», но и «не совсем правильно» – «неполно» – «неточно» – «неопределенно», что даст, в конечном счете, больше информации о степени обученности обучаемого.

Примеры присвоения баллов с использованием элементов «жёсткой» и нечёткой логики на рис. 1 и 2.

Рис. 1. Пример присвоения баллов на «жёсткой» логике

Рис. 2. Пример присвоения баллов на НЛ

3.2. Применение нечёткой логики в решении задачи по регулированию сложностной и временной адаптации

Адаптивность – способность (для повышения эффективности работы), в зависимости от внешних факторов, изменять свои параметры и характеристики.

Под адаптивностью в обучающих системах понимают – свойство системы приспосабливаться к действиям обучаемого, т. е. изменять свои параметры и структуру в зависимости от последовательности выполнения решения обучаемым [1].

В классическом адаптивном тестировании рассматривается только сложностная адаптация, но для достижения максимальной степени индивидуализации (адаптации) по отношению к обучаемому требуется использование как временной, так и сложностной адаптации [2].

Под временной адаптацией подразумевают процедуру изменения времени (его увеличение или уменьшение), отведенного обучаемому для дачи ответа на тестовые задания (ТЗ), при правильном/ неправильном ответе на вопрос время увеличивается/ уменьшается.

Разновидности временной адаптации представлены на рис. 3.

Рис. 3. Временная адаптация

Временная адаптация позволяет понизить явление списывания за счет ограничения времени (даётся оптимальное время для тестирования, такое, чтобы его было достаточно для прочтения вопроса и вариантов ответа (ВО), для выбора правильного ответа и перехода к следующему вопросу, чтобы при этом не оставался временной запас для списывания). Как правило, время выбирается экспертно, и настраивается по результатам нескольких экспериментов в группе студентов различной подготовленности.

Под сложностной адаптацией подразумевают процедуру смены сложности ТЗ в зависимости от ответа обучаемого (при даче правильного ответа – последующее ТЗ усложняется, при не неправильном – упрощается).

Сложностная адаптация позволяет, исходя из ответов на предшествующее ТЗ, повысить эффективность контрольно-оценочных процедур за счет индивидуализации процедуры тестирования и предъявления обучаемому таких ТЗ, которые ему посильны для выполнения, что, в свою очередь, приводит к точности измерения, минимизации числа заданий и сокращению времени на контроль. Из множества доступных ТЗ «агрегируется» индивидуальная форма контроля знаний для каждого отдельного обучаемого.

Временная и сложностная адаптации позволяют снизить психологическую загруженность обучаемого и повысить мотивацию к обучению.

Применение НЛ в реализации временной и сложностной адаптации позволяет сформировать индивидуальную траекторию обучения для каждого обучаемого.

Пример алгоритма реализованного мотивационного тестирования с применением НЛ представлен на рис. 4.

Рис. 4. Алгоритм, реализованного мотивационного тестирования