10.14489/vkit.2022.05.pp.036-048

DOI: 10.14489/vkit.2022.05.pp.036-048

Тагирова Л. Ф., Зубкова Т. М.
НЕЧЕТКАЯ МОДЕЛЬ ОБУЧАЮЩЕГОСЯ В ИНТЕЛЛЕКТУАЛЬНЫХ ОБУЧАЮЩИХ СИСТЕМАХ
(с. 36-48)

Аннотация. Разработана нечеткая модель обучающегося в обучающих интеллектуальных системах, в основе которой лежит «статус обучаемого». При этом параметрами выступают уровень усвоения дисциплины и личностные качества обучаемого. Особенностью предложенной нечеткой модели является совместное использование стереотипной и оверлейной моделей обучаемого. В соответствии с разработанной нечеткой моделью не только оцениваются знания студентов, но и учитываются личностные качества обучаемых – ответственность, стремление к самообучению и развитию, усидчивость, внимательность, стрессоустойчивость. В качестве инструмента для поддержки принятия решения при определении статуса студента предлагается использовать нечеткую экспертную систему, в основе построения базы знаний которой использовалась продукционная модель. В процессе эксплуатации экспертной системы происходит оценка характеристик студентов, которые сравниваются с правилами нечеткой базы правил. При реализации логического вывода студенту присваивается одно из возможных значений статуса, на завершающем шаге обучающемуся предлагается изучить адаптированный под его особенности теоретический материал дисциплины.

Ключевые слова: интеллектуальная обучающая система; модель обучаемого; нечеткая логика; экспертная система.

Tagirova L. F., Zubkova T. M.
DEVELOPMENT OF A FUZZY MODEL OF A STUDENT INTELLIGENT TEACHING SYSTEM OF TECHNICAL DISCIPLINE
(pp. 36-48)

Abstract. The development of computer technology provides great opportunities for modernizing the learning process. Teachers are actively introducing various electronic learning systems, the leading positions among which are occupied by intelligent learning systems. One of the tasks of developing an intelligent learning system is the implementation of dynamic adaptation of educational material to the level of knowledge of students. Therefore, it is necessary that it includes a student model that reflects the characteristics of the student that are important for managing the learning process. The paper describes the development of a fuzzy model of a student in teaching intelligent systems. This model is based on the concept of “student status”, the parameters of which are the level of mastering the discipline and the student’s personal qualities. A distinctive feature of the proposed fuzzy model is the joint use of the stereotypical and overlay models of the student. In addition, the developed fuzzy model is based not only on the assessment of student’s knowledge, but takes into account the personal qualities of students (responsibility, desire for self-learning and development, perseverance, attentiveness, stress tolerance). The paper proposes the use of a fuzzy expert system as a tool for decision support in determining the status of a student. During the operation of the expert system, the characteristics of students are evaluated, which are compared with the rules of the fuzzy rule base. When implementing a logical inference, a student is assigned one of the possible status values (beginner, trainee, master, professional and expert). At the final step, the student is offered to study the theoretical material of the discipline adapted to his characteristics.

Keywords: Intelligent teaching system; Student model; Fuzzy logic; Expert system.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

Л. Ф. Тагирова, Т. М. Зубкова (Оренбургский государственный университет, Оренбург, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

L. F. Tagirova, T. M. Zubkova (Orenburg State University, Orenburg, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Лященко Н. И. Построение модели обучаемого в автоматизированной обучающей системе // Вестник ТГПИ. 2012. № 12. С. 125 – 130.
2. Трембач В. М. Основные этапы создания интеллектуальных обучающих систем // Программные продукты и системы. 2012. № 3. С. 147 – 151.
3. Попов Д. И., Лазарева О. Ю. Нечеткая оверлейная модель учащегося в интеллектуальной обучающей системе // Научный вестник МГТУ ГА. 2015. № 213. С.141 – 148.
4. Щеголькова В. А., Любчик В. А., Рудень Р. Н. Модель ученика в компьютерных обучающих системах [Электронный ресурс]. URL: https://refdb.ru/look/2597800.html (дата обращения: 29.04.22).
5. Никитин П. В., Горохова Р. И. Проектирование интеллектуальной обучающей системы на основе теории конечных автоматов // Вестник Иркутского государственного технического университета. 2015. № 10(105). С. 33 – 37.
6. Семенова Н. Г., Крылов И. Б. Разработка агентно-ориентированной интеллектуальной обу-чающей системы на основе нечеткой нейронной сети Такаги–Сугено–Канга // Вектор науки Тольяттинского государственного университета. 2015. № 2-1 (32-1). С. 11 – 19.
7. Слепченко Н. Н., Цибульский Г. М., Ямских Т. Н. От модели обучаемого к его адаптации в интеллектуальных обучающих системах // Инфор-матизация образования и науки. 2018. № 1(37). С. 68 – 79.
8. Dai K.-Y., Zhao Y.-M., Lu J., Lu S.-Q. Construction of Intelligent Tutoring System Based on Semantic Web // Frontiers In Artificial Intelligence And Applications. 2017. V. 297. P. 779 – 793.
9. An Adaptive Self-Assessment Model for Improving Student Performance in Language Learning Using Massive Open Online Course (MOOC) / H. Hashim, S. Salam, S. N. M. Mohamad et al. // Lecture Notes In Electrical Engineering. 2020. V. 678. P. 1 – 17.
10. Nadeem F., Mahgoub S. Student-Centered Role-Based Case Study Model to Improve Learning in Decision Support Systems // International Journal of Modern Education and Computer Science. 2014. V. 6, No 10. P. 16 – 22.
11. Arsovic B., Stefanovic N. Е-Learning Based on the Adaptive Learning Model: Case Study in Serbia // Sadhana: Academy Proceedings in Engineering Sciences. 2020. V. 45, No 1. P. 266.

Eng

1. Lyashchenko N. I. (2012). Building a student model in an automated learning system. Vestnik TGPI, (12), pp. 125 – 130. [in Russian language]
2. Trembach V. M. (2012). The main stages of creating intelligent learning systems. Programmnye produkty i sistemy, (3), pp. 147 – 151. [in Russian lan-guage]
3. Popov D. I., Lazareva O. Yu. (2015). Fuzzy Overlay Model of a Student in an Intelligent Learning System. Nauchniy vestnik MGTU GA, 213, pp.141 – 148. [in Russian language]
4. Shchegol'kova V. A., Lyubchik V. A., Ruden' R. N. Student model in computer learning systems. Available at: https://refdb.ru/look/2597800.html (Accessed: 29.04.22). [in Russian language]
5. Nikitin P. V., Gorohova R. I. (2015). Designing an intelligent learning system based on the theory of finite automata. Vestnik Irkutskogo gosudarstvennogo tekhnicheskogo universiteta, 105(10), pp. 33 – 37. [in Russian language]
6. Semenova N. G., Krylov I. B. (2015). Development of an agent-based intelligent learning system based on the Takagi-Sugeno-Kanga fuzzy neural network. Vektor nauki Tol'yattinskogo gosudarstvennogo universiteta, 32-1(2-1), pp. 11 – 19. [in Russian language]
7. Slepchenko N. N., Tsibul'skiy G. M., Yamskih T. N. (2018). From the student model to its adaptation in intelligent learning systems. Informatizatsiya obrazova-niya i nauki, 37(1), pp. 68 – 79. [in Russian language]
8. Dai K.-Y., Zhao Y.-M., Lu J., Lu S.-Q. (2017). Construction of Intelligent Tutoring System Based on Semantic Web. Frontiers In Artificial Intelligence And Applications, Vol. 297, pp. 779 – 793.
9. Hashim H., Salam S., Mohamad S. N. M. et al. (2020). An Adaptive Self-Assessment Model for Improving Student Performance in Language Learning Using Massive Open Online Course (MOOC). Lecture Notes In Electrical Engineering, Vol. 678, pp. 1 – 17.
10. Nadeem F., Mahgoub S. (2014). Student-Centered Role-Based Case Study Model to Improve Learning in Decision Support Systems. International Journal of Modern Education and Computer Science, Vol. 6, (10), pp. 16 – 22.
11. Arsovic B., Stefanovic N. (2020). Е-Learning Based on the Adaptive Learning Model: Case Study in Serbia. Sadhana: Academy Proceedings in Engineering Sciences, Vol. 45, (1).

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

DOI: 10.14489/vkit.2022.05.pp.036-048

Скопируйте DOI статьи и перейдите по ссылке https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

В комментарии к заказу обязательно укажите DOI статьи.

Eng

This article is available in electronic format (PDF).

DOI: 10.14489/vkit.2022.05.pp.036-048

Copy the article DOI and follow the link https://id-spektr.ru/product/pokupka-elektronnoy-stati-iz-zhurnala-vestnik-kompyuternyh-i-informatsionnyh-tehnologiy

Please specify the article DOI in the order comments.