Спросить
Войти
ТЕХНИЧЕСКИЕ НАУКИ
МЕТОД ПРИМЕНЕНИЯ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ ДЛЯ ОЦЕНКИ ПРОЦЕССА ОБУЧЕНИЯ Егоров С.А. Email: Egorov689@scientifictext.ru
Егоров Сергей Анатольевич - магистрант, механический факультет, Воронежский государственный лесотехнический университет им. Г.Ф. Морозова,
г. Воронеж
Аннотация: в данной статье описан метод использования нечеткой логики для оценки процесса обучения. Настройка параметров и нечетких правил дает возможность использовать метод как основу интеллектуальной системы. Для формирования итоговой успеваемости учащегося за семестр, четверть или итоговые оценки успеваемости учащегося формируются из трех нечетких контроллеров, работа каждого из которых формируется из своей системы знаний. Данная тема как никогда актуальна, поскольку роль дистанционного обучения вышла на первый план в Российской системе образования.
THE METHOD OF APPLYING THE THEORY OF FUZZY SETS TO EVALUATE THE LEARNING PROCESS Egorov S.A.
Egorov Sergej Anatol&evich - Master, MECHANICAL FACULTY, VORONEZH STATE UNIVERSITY OF FORESTRY AND TECHNOLORIES NAMED AFTER G.F. MOROZOV, VORONEZH
Abstract: this article describes the method of using fuzzy logic to evaluate the learning process. Setting parameters and fuzzy rules makes it possible to use the method as the basis of an intelligent system. To form the student&s final academic performance for a semester, a quarter or final student&s academic performance is formed from three fuzzy controllers, each of which is formed from its own knowledge system. This topic is more relevant than ever, since the role of distance learning has come to the fore in the Russian education system.
УДК 681.518.2; 004.942
Реализации параметров оценки процесса обучения и уменьшения показателя субъективизма в модели, построена на использовании логических функций. Частные показатели логических функции имеют качественный характер и не имеют точного количественного измерения. Так при оценке одного и того же показателя несколькими экспертами могут появляться разные мнения. Эксперт не всегда способен устно оценить частный показатель, хотя подсознательно чувствует его показатель.
Для формирования итоговой успеваемости учащегося за семестр, используем следующие факторы:
а) присутствие на занятиях;
б) ведение конспекта лекции;
в) практические, лабораторные, контрольные работы и аудиторные задания и т.д.;
г) подготовка к занятиям, домашнее задание, рефераты, курсовые и т.д.
Полученные результаты по каждому из факторов используется в качестве
исходных данных база знаний. Факторы объединяются по группам, что дает возможность обеспечить учёт успеваемости по категориям. В первую группу входят присутствие и ведение конспекта на занятиях, которые получают критерий количество полученного материала учащемся. А во вторую группу практические, лабораторные, контрольные работы и аудиторные задания и т.д. и подготовка к занятиям, домашнее задание, рефераты курсовые и т.д. получают критерий продуктивности учащегося. Таким образом образуется промежуточный уровень из критериев полученного материала и продуктивности учащегося.
В данной схеме оценки успеваемости учащегося используется три нечетких контроллера, работа каждого из которых формируется из своей системы знаний. На Рис. 1 показан общий принцип работы оценки успеваемости учащегося.
Рис. 1. Общий принцип работы оценки успеваемости учащегося
Ранее были выделены факторы, от степени выполнения которых зависит успеваемость учащегося:
а) Присутствие на занятиях
Расчет посещаемости производится по среднему арифметическому всех посещений занятий:
У7^ Р ¿-4= 1 *
пр Р,
- количество занятий;
- оценка посещаемости 1-го занятия.
б) Ведение конспекта лекции
Аналогичным образом произведем расчёт ведение конспекта лекции:
УПЛ Л. 71А
где: ПА
- количество конспектов;
- оценка 1-го конспекта.
в) Практические, лабораторные, контрольные работы и аудиторные задания и т.д.: Чтобы учитывать выполнения сложных работ в большей степени, чем лёгких, вводится относительно весовой коэффициент сложности, который назначаются для каждой работы.
где: 71
т - количество заданий; ТП;
- оценка за выполнения 1-го задания;
г) подготовка к занятиям, домашнее задание, рефераты, курсовые и т.д.: Аналогичным образом произведем расчёт подготовки к занятиям:
У™1 t■ ■ С¿4=1ьг ьI
¿4=1 где:
- количество заданий;
& - оценка за выполнения i-го задания; - коэффициент сложности 1-го задания.
Для оценки успеваемости учащегося введем лингвистические переменные «посещение занятий», «ведение конспекта», «выполнял контрольные работы», «выполнял домашние задания». Характеристики переменных представим в виде понятий: «полученный материал», «продуктивность учащегося», «успеваемость учащегося».
Далее на Рис. 2 - Рис. 8 показаны функции принадлежности «посещение занятий», «ведение конспекта», «выполнял контрольные работы», «выполнял домашние задания», «полученный материал», «продуктивность учащегося», «успеваемость учащегося» соответственно.
О 0.1 0.2 0 2 04 0.5 0.5 0.7 0.3 0.9 I
¡прый уагЫе *посещеи№_эз1тт№й*
Рис. 2. Функция принадлежности «посещение занятий»
¡п риг чапзЫе &веден №_кос песта&
Рис. 3. Функция принадлежности «ведение конспекта»
низкая средня« высокая
О 0.1 0.2 0.1 ОЬ 0.6 0.7 Об 0 0 1
Рис. 4. Функция принадлежности «выполнял контрольные работы»
Рис. 5. Функция принадлежности «выполнял домашние задания»
Рис. 6. Функция принадлежности «полученный материал»
а о.1 0.2 ■;: :: о б 0.7 о.а 09 1
йигриг улгоЫс &продуетивность_учэщегкл&
Рис. 7. Функция принадлежности «продуктивность учащегося»
О 0.1 02 0.3 0.4 0.5 0.6 0.7 0.8 0.Э
Рис. 8. Функция принадлежности «успеваемость учащегося»
В таблице 1 показана работа правил нечеткого контроллера «инициативность учащегося».
Таблица 1. Правила нечеткого контроллера «полученный материал»
Полученный материал Посещение занятий
низкая средняя высокая
Ведение конспекта отсутствует низкий низкий низкий
не полный низкий средний средняя
полный средняя средний полный
В таблице 2 показана работа правил нечеткого контроллера «продуктивность учащегося».
Таблица 2. Правила нечеткого контроллера «продуктивность учащегося»
Продуктивность учащегося выполнял контрольные работы
низкая средняя высокая
выполнял домашние задания низкая низкая низкая средняя
средняя низкая средняя выше среднего
высокая средняя выше среднего высокая
В таблице 3 показана работа правил нечеткого контроллера «успеваемость учащегося».
Таблица 3. Правила нечеткого контроллера «успеваемость учащегося»
Успеваемость учащегося Продуктивность учащегося
низкая средняя выше среднего высокая
Полученный материал низкий низкая низкая ниже среднего выше среднего
средний низкая ниже среднего средняя высокая
высокий низкая средняя выше среднего высокая
Особо хочется отметить, что необходим второй этап, на котором осуществляется тонкая настройка по экспериментальным данным путем обучения нечеткой модели. А
само определение нечеткого подмножества путем опроса экспертов, которые будут проставлять коэффициенты степени предпочтения перед элементами в упорядоченной последовательности, тем самым увеличивая или уменьшая отношения предпочтений. В итоге все сводится к нахождению параметров заранее заданной функции, а результаты экспертного опроса используются для решения поставленной задачи.
Список литературы /References
