Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань

Предложен новый подход к построению базы знаний адаптивных систем дистанционного обучения, цель которого – упрощение процедуры подготовки учебного материала к импорту в базы знаний, к установлению взаимосвязей между отдельными элементами базы знаний и их дальнейшее использование для построения индив...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Управляющие системы и машины
Datum:	2012
Hauptverfasser:	Федорук, П.І., Дутчак, М.С.
Format:	Artikel
Sprache:	Ukrainian
Veröffentlicht:	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2012
Schlagworte:	Теория систем. Системотехника
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/83089
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань / П.І. Федорук, М.С. Дутчак // Управляющие системы и машины. — 2012. — № 5. — С. 3-15. — Бібліогр.: 10 назв. — укр., рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-83089
record_format	dspace
spelling	Федорук, П.І. Дутчак, М.С. 2015-06-14T12:53:29Z 2015-06-14T12:53:29Z 2012 Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань / П.І. Федорук, М.С. Дутчак // Управляющие системы и машины. — 2012. — № 5. — С. 3-15. — Бібліогр.: 10 назв. — укр., рос. 0130-5395 https://nasplib.isofts.kiev.ua/handle/123456789/83089 004.822: 004.823 Предложен новый подход к построению базы знаний адаптивных систем дистанционного обучения, цель которого – упрощение процедуры подготовки учебного материала к импорту в базы знаний, к установлению взаимосвязей между отдельными элементами базы знаний и их дальнейшее использование для построения индивидуальной траектории обучения. A new approach is suggested to building a knowledge base of the adaptive systems of the distance learning, which aims to simplify the preparation of educational material to the import in data basis, establishing relationships between different elements of the data base and their subsequent use for the construction the individual trajectory of study. Запропоновано новий підхід до побудови бази знань адаптивних систем дистанційного навчання, метою якого є спрощення процедури підготовки навчального матеріалу до імпорту в бази знань, до встановлення взаємозв'язків між окремими елементами бази знань і їх подальше використання для побудови індивідуальної траєкторії навчання. uk Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Теория систем. Системотехника Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань The Building of a Knowledge Base of the Adaptive E-learning System Based on the Frame and Productive Models of the Knowledge Representation Построение базы знаний адаптивной системы дистанционного обучения на основе фреймовой и продукционной моделей представления знаний Article published earlier
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
title	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
spellingShingle	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань Федорук, П.І. Дутчак, М.С. Теория систем. Системотехника
title_short	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
title_full	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
title_fullStr	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
title_full_unstemmed	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
title_sort	побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань
author	Федорук, П.І. Дутчак, М.С.
author_facet	Федорук, П.І. Дутчак, М.С.
topic	Теория систем. Системотехника
topic_facet	Теория систем. Системотехника
publishDate	2012
language	Ukrainian
container_title	Управляющие системы и машины
publisher	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
format	Article
title_alt	The Building of a Knowledge Base of the Adaptive E-learning System Based on the Frame and Productive Models of the Knowledge Representation Построение базы знаний адаптивной системы дистанционного обучения на основе фреймовой и продукционной моделей представления знаний
description	Предложен новый подход к построению базы знаний адаптивных систем дистанционного обучения, цель которого – упрощение процедуры подготовки учебного материала к импорту в базы знаний, к установлению взаимосвязей между отдельными элементами базы знаний и их дальнейшее использование для построения индивидуальной траектории обучения. A new approach is suggested to building a knowledge base of the adaptive systems of the distance learning, which aims to simplify the preparation of educational material to the import in data basis, establishing relationships between different elements of the data base and their subsequent use for the construction the individual trajectory of study. Запропоновано новий підхід до побудови бази знань адаптивних систем дистанційного навчання, метою якого є спрощення процедури підготовки навчального матеріалу до імпорту в бази знань, до встановлення взаємозв'язків між окремими елементами бази знань і їх подальше використання для побудови індивідуальної траєкторії навчання.
issn	0130-5395
url	https://nasplib.isofts.kiev.ua/handle/123456789/83089
citation_txt	Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань / П.І. Федорук, М.С. Дутчак // Управляющие системы и машины. — 2012. — № 5. — С. 3-15. — Бібліогр.: 10 назв. — укр., рос.
work_keys_str_mv	AT fedorukpí pobudovabaziznanʹadaptivnoísistemidistancíinogonavčannânaosnovífreimovoítaprodukcíinoímodeleipredstavlennâznanʹ AT dutčakms pobudovabaziznanʹadaptivnoísistemidistancíinogonavčannânaosnovífreimovoítaprodukcíinoímodeleipredstavlennâznanʹ AT fedorukpí thebuildingofaknowledgebaseoftheadaptiveelearningsystembasedontheframeandproductivemodelsoftheknowledgerepresentation AT dutčakms thebuildingofaknowledgebaseoftheadaptiveelearningsystembasedontheframeandproductivemodelsoftheknowledgerepresentation AT fedorukpí postroeniebazyznaniiadaptivnoisistemydistancionnogoobučeniânaosnovefreimovoiiprodukcionnoimodeleipredstavleniâznanii AT dutčakms postroeniebazyznaniiadaptivnoisistemydistancionnogoobučeniânaosnovefreimovoiiprodukcionnoimodeleipredstavleniâznanii
first_indexed	2025-11-25T20:34:28Z
last_indexed	2025-11-25T20:34:28Z
_version_	1850523249891344384
fulltext	УСиМ, 2012, № 5 3 Теория систем. Системотехника УДК 004.822: 004.823 П.І. Федорук, М.С. Дутчак Побудова бази знань адаптивних систем дистанційного навчання на основі фреймової та продукційної моделей представлення знань Предложен новый подход к построению базы знаний адаптивных систем дистанционного обучения, цель которого – упроще- ние процедуры подготовки учебного материала к импорту в базы знаний, к установлению взаимосвязей между отдельными элементами базы знаний и их дальнейшее использование для построения индивидуальной траектории обучения. A new approach is suggested to building a knowledge base of the adaptive systems of the distance learning, which aims to simplify the preparation of educational material to the import in data basis, establishing relationships between different elements of the data base and their subsequent use for the construction the individual trajectory of study. Запропоновано новий підхід до побудови бази знань адаптивних систем дистанційного навчання, метою якого є спрощення процедури підготовки навчального матеріалу до імпорту в бази знань, до встановлення взаємозв'язків між окремими елемен- тами бази знань і їх подальше використання для побудови індивідуальної траєкторії навчання. Вступ. У сучасному суспільстві за умов стрім- кого розвитку науки і техніки все більш акту- альним стає вдосконалення підготовки кадрів у системі багаторівневої безперервної освіти. Від- бувається реформування системи освіти, пере- хід до багаторівневої структури підготовки ба- калавр/магістр на основі компетентного підхо- ду, відповідно до якого оцінка якості освіти ґрунтується не на тривалості або змісті навчан- ня, а на знаннях, уміннях і навичках, отрима- них випускниками [1]. Основною метою нав- чального закладу стає формування ключових компетенцій. Особливістю сучасної системи ос- віти є можливість навчання за індивідуальною освітньою траєкторією, яку складно організува- ти завдяки використанню тільки традиційних систем навчання, на допомогу яким приходять системи комп’ютеризованого навчання [2]. Більшість існуючих освітніх середовищ, пла- тформ та порталів за використання новітніх ком- п'ютерних технологій зазвичай не є адаптивни- ми. Огляд найбільш відомих систем, широко ви- користовуваних у сучасному дистанційному на- вчанні (ДН), таких, як ANGEL, BlackBoard, Desi- re2Learn, ILIAS, Lotus LearningSpace, Moodle, WebCT, TopClass, Zhang показав, що, як прави- ло, навчальний курс, представлений в середо- вищі системи СДН, являє собою набір статичних гіпертекстових документів. Тому з розробкою і удосконаленням адаптивних технологій дистан- ційної освіти з’явиться додаткова можливість надати студенту індивідуальний план, який ви- значає наповнення дисциплін і порядок їх ви- кладу, час навчання. Будь-яка особа, що підви- щує свій кваліфікаційний рівень з використан- ням адаптивних систем дистанційного навчан- ня (АСДН) ідентифікується терміном студент. На даний момент не запропоновано систе- ми, яка б достатньою мірою відповідала сучас- ним вимогам до АСДН, а саме:  визначення освітніх потреб і цілей студента;  визначення наявних у студента знань та навичок, що відповідають цілям навчання;  визначення індивідуальних психофізичних особливостей студента;  побудова і адаптивна підтримка релевант- ного індивідуалізованого навчального процесу на основі відомостей, отриманих в результаті виконання перших трьох вимог. Основою АСДН є база знань (БЗ), від ефек- тивної розробки і реалізації якої залежить ефе- ктивне функціонування всієї системи. БЗ – це ба- за даних, розроблена для управління знаннями (метаданими) – збором, зберіганням, пошуком і видачею знань [3]. При чому пошук і видача знань мають здійснюватися на основі інтелек- туального аналізу встановлених зв’язків між елементами БЗ. Виконання цих етапів функці- 4 УСиМ, 2012, № 5 онування БЗ є особливо актуальним для АСДН. Більшість БЗ існуючих середовищ комп’ютер- ного навчання ґрунтується на розміщенні в них електронних варіантів конспектів традиційних занять і статичній видачі навчального матеріа- лу незалежно від рівня знань і особливостей сту- дента. Хоча можна виділити системи, при фор- муванні БЗ яких частково враховано принцип адаптивності. Наприклад, БЗ АСДН EduPro, роз- роблена Центром дистанційного навчання та кон- тролю знань Прикарпатського національного університету імені Василя Стефаника, містить навчальний матеріал, структурований відповідно до власних стандартів, і має можливість його адаптивної видачі відповідно до прогалин у знаннях студентів. Проте наповнення БЗ даної системи потребує досить значних затрат часу і зусиль викладачів або інженерів зі знань в про- цесі підготовки навчального матеріалу (НМ) для імпорту в БЗ відповідно до вимог cтандарту EduPro [4], також в даній системі недостатньо досліджено і використано взаємозв'язок між окремими елементами БЗ. В даній публікації запропоновано новий під- хід до побудови БЗ АСДН, спрямований на ви- правлення недоліків, відзначених при аналізі БЗ існуючих АСДН і розробку та впровадження додаткових можливостей даних систем. Побудова бази знань АСДН Відповідно до запропонованого підходу, про- водиться формування структури БЗ, її напов- нення та визначення необхідних параметрів кож- ного з її елементів, в основу якого закладено фреймову модель подання знань. Далі органі- зовується адаптивне представлення знань сту- денту з урахуванням параметрів елементів БЗ і відповідних параметрів студента на основі про- дукційної моделі подання знань. Фреймова модель подання знань заснована на теорії фреймів М. Мінскі, відповідно до якої фрейм – це формалізована модель представ- лення образу [5], тобто він є описом деякого об’єкту. Фрейму присвоюється ім’я і певні сло- ти, які містять атрибути або процедурні знан- ня, пов'язані з його атрибутами. З кожним сло- том може пов’язуватись умова на заповнення або асоційовані процедури. У більшості систем штучного інтелекту вико- ристовують набір фреймів, з'єднаних один з од- ним певним числом, що утворюють певну іє- рархію. Однією з найважливіших властивостей фреймів у таких ієрархіях є наслідування влас- тивостей [3]. Для представлення знань у вигляді ієрархіч- ної організації фреймів (ІОФ) весь навчальний матеріал розбивається на навчальні блоки (НБ) різних рівнів ієрархії [6]: перший рівень навчальна дисципліна; другий “ окремі заняття; третій “ пункти плану заняття; четвертий “ підпункти плану заняття або кванти навчальної ін фор формації (КНІ); п’ятий “ підпункти плану заняття або КНІ;   n – 1 рівень: підпункти плану заняття або КНІ; n “ КНІ. Кількість рівнів залежить від глибини стру- ктурованості НМ. Для пунктів та підпунктів плану введено поняття незалежних навчальних блоків (ННБ), для яких висувається вимога синтаксичної не- зв’язності з іншими навчальними блоками (НБ). В межах ННБ виділяють КНІ – сукупність тіс- но пов’язаної інформації, яка формулює певну думку, але при самостійній подачі може бути незрозумілою або потребувати доповнення ін- шими КНІ ННБ. Поділ на НБ має суб’єктивний характер, оскі- льки залежить від суб’єктивного рішення інже- нера зі знань або будь-якого іншого суб’єкта, що здійснює структурування матеріалу. Після поділу НМ на КНІ між ними встанов- люються такі типи зв’язку: синтаксичний, зміс- товний і якісний. Для математичного вираження зв’язку між КНІ введено коефіцієнт залежнос- ті (КЗ) k, який показує щільність зв'язку між дво- ма об’єктами за певними ознаками, він є від- носною мірою і набуває значення від нуля до +1. Що ближче значення k до одиниці, то щіль- ніший зв’язок. При k = 0 зв’язок відсутній. Синтаксичний зв’язок – текст і-го КНІ по- будовано так, що він синтаксично потребує УСиМ, 2012, № 5 5 іншого j-го КНІ, без j-го КНІ і-й КНІ не може бути введений в НМ. Якщо j-й КНІ синтаксич- но залежить від і-го КНІ, то синтаксичний КЗ skj,I = 1, інакше skj,I = 0. Змістовний зв’язок – КНІ пов’язані за зміс- том, але необов’язково за синтаксисом. У випад- ку, коли і-й КНІ синтаксично залежить від j-го КНІ, він обов’язково залежить і змістовно. Зна- чення змістовних КЗ (zk) встановлюються з ви- користанням інструментальних засобів систем одержання інформації з тексту. Якісний зв’язок – якість засвоєння одного КНІ залежить від якості засвоєння іншого. Зна- чення якісного зв’язку виражається якісним КЗ (jk). Якісний КЗ доцільно визначати для зміс- товно зв’язних КНІ, оскільки якщо j-й КНІ не пов’язаний змістовно з і-м безпосередньо або опосередковано, і-й КНІ не може мати впливу на якість засвоєння j-го КНІ. На початковому етапі КЗ визначаються екс- пертом або експертною системою, але за необ- хідності їх уточнюють в процесі засвоєння сту- дентами НМ. Формула уточнення залежності досягнення певної якості засвоєння j-го КНІ від якості засвоєння і-го КНІ має вигляд: , , 1 , l i j m m i j r jk l   , де , , , , , , , , , , , якщо , якщо i m i m j m j m i j m j m j m i m i m z z z z r z z z z       , l – кількість одночасних вивчень і-го та j-го КНІ; m – порядковий номер одночасного ви- вчення цих КНІ [1; ]m l ; zi,m, zj,m – ступінь за- своєння і-го (j-го) КНІ при m вивченні, zi,m, , [0; 1]j mz  ; , ,i j mr – якісний КЗ між i-м та j-м КНІ при m вивченні. Що більше число m, то точніше визначаєть- ся jk між ступенями засвоєння КНІ, оскільки виключаються випадкові залежності. Значення КЗ для всіх трьох типів зв’язку фіксуються у вигляді трьох різних матриць, елементами яких є відповідні значення КЗ: 1 2 3 1 1/ 2 1/3 1/ 2 2 /1 2/3 2 / 3 3/1 3/ 2 3/ /1 / 2 /3 ... 1 ... 1 ... 1 ... ... ... ... ... ... ... ... 1 n n n n n n n n V V V V V k k k V k k k V k k k V k k k , де iV – ідентифікатори КНІ, /i jk – значення КЗ. Дисципліни АСДН являють собою фрейми найвищого рівня ієрархії. Кожен фрейм цього рівня має визначений набір слотів: Слот 1: перелік дисциплін або деяких їх розділів, на базі яких може викладатися дана дисципліна. Цей перелік формується шляхом на- слідування відповідних властивостей фреймів нижніх рівнів ієрархії або визначається інже- нером з знань. На формування переліку дисциплін [d1, d2,  dn] або деяких їх розділів [d1(r1), d2(r4) dn(rm)] впливає множина значень змістових і якісних КЗ [(zk), (jk)] навчальних блоків нижчих рівнів ієрархії даної дисципліни: [(zk), (jk)] → → [d1, d2, dn] [d1(r1), d2(r4) dn(rm)]. Слот 2: тривалість вивчення дисципліни. Слот 3: перелік ключових понять, які є кін- цевою метою вивчення дисципліни з зазначен- ням ідентифікаторів фреймів, які їх містять. Слот 4: ступінь складності дисципліни. Слот 5: фрейми наступного рівня ієрархії (окремі заняття). Даний перелік слотів і їх значення в процесі роботи можуть модифікуватися. Фрейми окремих занять у свою чергу теж мають визначене ім’я, об‘єкт опису і перелік слотів: Слот 1: перелік ідентифікаторів зовнішніх змістовно-зв’язних фреймів із зазначеними змістовними КЗ (zk). Слот 2: перелік ідентифікаторів зовнішніх якісно-зв’язних фреймів із зазначеними якіс- ними КЗ (jk). Слот 3: тривалість заняття. Слот 4: перелік ключових понять заняття (визначаються інженером з знань). Слот 5: ступінь важливості заняття. 6 УСиМ, 2012, № 5 Що більше заняття змістовно і якісно пов’я- зане з ключовими поняттями дисципліни, то вищий ступінь його важливості ( vS ): 1 1(1 ) n m l k l k v jk zk S n m         , де jkl – l-й якісний КЗ; n – кількість якісних КЗ, значення яких вище деякого порогового зна- чення jd; zkk – k-й змістовий КЗ; m – кількість змістових КЗ, значення яких вище деякого по- рогового значення zd; [0;1] – зважений ко- ефіцієнт впливу якісних та змістових КЗ. Слот 6: ступінь складності заняття. Обчис- люється виходячи з твердження: складність за- няття тим вища, чим нижча ймовірність пере- ходу його на високий ступінь засвоєння з пер- шої спроби. Нехай, подія А – проходження заняття на високий ступінь засвоєння з першої спроби. Оцінка ймовірності настання події А: 1( ) ( ) k A P A k  , де k – загальна кількість студентів, що прохо- дили заняття у першій спробі; )(1 Ak – кіль- кість тих, що у першій спробі пройшли заняття на високий ступінь засвоєння. Слот 7: фрейми наступного рівня ієрархії (пункти плану заняття, ННБ, КНІ). Фрейми пунктів плану заняття містять ті самі слоти, що і фрейми вищих рівнів ієрархії, а їх значення наслідуються з фреймів нижчих рівнів ієрархії або обчислюються спеціальними про- цедурами. Фрейми даного рівня надалі ділять- ся на підпункти плану заняття і КНІ. КНІ є кінцевими фреймами кожної з гілок ієрархії, тобто вони можуть розміщуватися на будь-якому рівні, починаючи з четвертого і нижчих рівнів ієрархії, але ними поділ на НБ закінчується. Для фреймів рівня КНІ визначе- но ті ж слоти, що і для вищих рівнів ієрархії, крім того, вводиться додатковий: перелік син- таксично-зв’язних КНІ з зазначеними синтак- сичними КЗ. Об’єктом фрейму КНІ є змістове наповнен- ня даного КНІ. На певному етапі роботи частина слотів мо- же залишатися порожньою і заповнюватися або модифікуватися в процесі роботи системи. На рис. 1 зображено фреймову модель БЗ. . . . ... Слот 6 . . . Слот 5 n БЗ Дисципліна n Дисципліна 1 Дисципліна 2 Тема заняття 2 Тема заняття 1 Тема заняття m Cлот 1 Cлот 2 Cлот 3 Cлот 4 … … Пункт 2 Пункт 1 Пункт n КНІ Cлот 1 Cлот 2 Cлот 3 Cлот 4 Cлот 5 Слот 6 Пункт 1.2 Пункт 1.1 Пункт m КНІ Cлот 1 Cлот 2 Cлот 3 Cлот 4 Cлот 5 ... . . . . . . ... ... . . . . . . … … … Рис. 1. Фреймова модель бази знань Для занесення даної ієрархічної структури у БЗ кожен фрейм представляється у вигляді на- бору параметрів: ІD, I, Р,C1, C2,…, Cn, де ІD – уні- кальне ім’я фрейму; I – інформаційна одиниця (об’єкт фрейму); P – батьківський навчальний блок; C1, C2, , Cn – слоти. Дане структурування навчального матеріалу є зручним для автоматизації процесу внесення даних у БЗ, оскільки дозволяє швидко створю- вати і демонструвати групу табличних даних, яка містить тільки інформаційні одиниці і їх ідентифікатори [7]. Після закінчення процесу занесення навчального матеріалу в БЗ запус- каються процедури аналізу та визначення не- обхідних параметрів НБ. Дана ієрархічна структура дозволяє чітко структурувати НБ і зв’язувати їх з різнотипни- ми параметрами, коли встановлюються зв’язки не тільки між кінцевими фреймами, тобто КНІ, але групуються фрейми у простори (простори пунктів плану заняття, окремих занять або ди- сциплін) і встановлюються зв’язки між ними. Зв’язувані з БЗ процедури обчислюють і запо- внюють значення слотів фреймів. Отже, засто- сування відповідних процедурних правил до- зволяє заповнити слоти коефіцієнтами якісних, змістових і синтаксичних зв’язків, обчислити ступені важливості та складності НБ та інші параметри. УСиМ, 2012, № 5 7 Побудова індивідуальної траєкторії нав- чання Визначення параметрів слотів є важливим для побудови індивідуальної траєкторії навчання в АСДН. Визначення якісних, змістових та син- таксичних зв’язків дозволяє встановити опти- мальну послідовність навчання, забезпечити не- обхідний взаємозв’язок навчального матеріалу, оскільки групуються взаємозалежні кванти, що враховує той факт, що чим довший час між ви- вченням залежних квантів, тим більша ймовір- ність забування початкової інформації [8]. З використанням встановлених зв’язків і ІОФ весь навчальний матеріал розбивається на рів- ні залежності, при чому залежність встановлю- ється не тільки між КНІ, але й між просторами (доменами) ієрархічної структури: перший рівень – КНІ, які не потребують по- передніх знань (аксіоми, КНІ та ін.); другий “ – КНІ, засновані на знаннях першого рівня; третій “ – КНІ, засновані на знаннях першого та/або другого рівнів і т.д. КНІ, залежні від кількох КНІ і які знахо- дяться на різних рівнях, залишаються тільки на найвищому рівні зі збереженням попередніх зв’язків (рис. 2.). 8 2,11 2,10 2,6 2,13 2,12 2,5 3,3 2,4 3,14 3,15 3,7 3,2 1,8 1,1 8 21,1 23,1 23,2 20,1 24,220,2 22,1 25,1 25,2 24,1 17,2 26,1 17,1 19,1 16,1 17,3 18,3 18,4 18,1 28,1 27,1 28,2 28,3 29,1 30,1 31,1D1,1,1 D1,1,3 D1,1,2 D1,1,5 D1,1,4 Рис. 2. Реалізації моделі представлення змістових зв’язків між КНІ у вигляді орієнтованого графу Наведений приклад (див. рис. 2) відображає частину проаналізованого НМ. Ідентифікатори КНІ визначають порядок викладу відповідних КНІ у початковому матеріалі. Виходячи з вста- новлених зв’язків, доцільно домен, який містить фрейми 20–25 (D1,1,3) подавати раніше, ніж до- мен, який містить фрейми 16–19 (D1,1,4), для то- го, щоб забезпечити послідовний виклад доме- нів D1,1,4 і D1,1,5, між якими змістовий зв'язок сильніший, ніж між доменами D1,1,3 і D1,1,5. А у домені D1,1,3 фрейм 23 перемістити на перше місце, оскільки від нього змістовно безпосере- дньо чи опосередковано залежить більшість фреймів домену. Враховуючи перелік ключових понять, які є кінцевою метою вивчення дисципліни і незнан- ня яких визначено з початкового тестування, формується множина НБ, яка містить дані по- няття. Ці НБ називаються ключовими. Виходя- чи з КЗ, визначаються спрямовуючі (допоміж- ні) НБ, необхідні для достатнього засвоєння ключових НБ. Алгоритм адаптивного формування складо- вих НМ: 1. Визначаються ключові НБ. 2. Використовуючи значення якісних КЗ, фор- мується множина НБ, від яких ключові НБ які- сно залежать(якісні НБ). 3. Формується множина НБ, від якої синтак- сично залежать ключові і якісні НБ. 4. Відповідно до встановлених зв’язків і сфор- мованих множин НБ будується послідовність навчання. Це – кістяк НМ. Встановлені КЗ, ступені важ- ливості та складності дають можливість коре- гувати зміст, складність і послідовність викла- ду НМ відповідно до моделі студента. Поступо- ве введення змістовних, менш якісно залежних НБ або роз’яснень існуючих знижує складність заняття. Встановлені зв’язки дозволяють ком- пактніше розмістити більш зв’язні НБ, сприя- ючи тим самим кращому їх засвоєнню. При цьо- му КНІ, належні одному ННБ мають подавати- ся лише в межах цього ННБ, а їх кількість в межах даного ННБ варіюється відповідно до встановлених параметрів. Послідовність навчан- ня змінюється при зміні послідовності викладу ННБ різних рівнів ієрархії. Зміна послідовності і змісту НБ здійснюєть- ся на рівні надбудови до ІОФ, тобто занесені в базу знань фрейми фізично не додаються або (видаляються) з БЗ в процесі адаптивного ви- кладу НМ, а адаптація відбувається в резуль- 8 УСиМ, 2012, № 5 таті аналізу параметрів слотів, що відповідає класичній теорії фреймів. Якщо виникає необ- хідність модифікації внесених в базу знань НБ, то відбувається структурна перебудова тієї гіл- ки бази знань, якої стосується модифікація. Адаптивне представлення НМ здійснюється за використання продукційної моделі, відпові- дно до якої знання надаються у вигляді правил типу: «Якщо <умова> ТО <висновок>» [9]. Умов- на частина складається з елементарних пропо- зицій, об’єднаних логічними зв’язками «І», «АБО», «НІ». Висновок містить одну або кіль- ка пропозицій, які виражають або деякий факт, або вказівку на певну дію. Для процесу адап- тації в умові здійснюється зіставлення параме- трів студента і параметрів слотів фреймів, і як результат одержуємо параметри індивідуаль- ної траєкторії навчання. Відповідно до запропонованої моделі, етап навчання визначається рівнем знань студента, а складність заняття має відповідати ступеню сприйняття нових знань. Для того, аби визначити ступінь сприйняття студента, статистичних даних якого немає у сис- темі, необхідно запропонувати йому для вивчен- ня новий навчальний матеріал, при чому рівень знань студента має бути достатнім для засвоєння нового матеріалу високого рівня. Тоді ступінь сприйняття R(0) обчислюється за формулою (0) m R = n , де m – кількість правильних відповідей (опе- рацій, виконаних правильно), n – кількість всіх питань (операцій). Ступінь сприйняття студента є одним з ос- новних факторів, що впливає на ступінь засво- єння нової інформації. Ступінь засвоєння – це частка правильних відповідей (q) (правильно виконаних операцій) у l завданнях нової теми: S = q / l. Швидкість проходження  – зважена сума відношень витраченого часу t у вдалій спробі до максимально дозволеного часу T та номера цієї спроби і до кількості дозволених спроб f: (1 α) t i = T f         , де коефіцієнт α 1 f = f + . Якість засвоєння нового матеріалу  – це півсума ступеня засвоєння S матеріалу заняття та доповнення до одиниці швидкості прохо- дження заняття : (1 τ) 2 S + =  . Одним із методів визначення необхідних па- раметрів пропонованого студенту заняття є оцін- ка ймовірності достатньої якості засвоєння за- няття з заданими параметрами. Ймовірна якість засвоєння визначається че- рез оцінку ймовірного ступеня засвоєння і оці- нку ймовірної швидкості проходження. Ймовірна вдала спроба і – це спроба, у якій буде досягнуто достатній або необхідний рівень засвоєння, тобто за досягнення якого заняття буде зараховано. Для дослідження ймовірнісних параметрів використано формулу повної ймовірності та формулу Байєса [10]. Використовуючи статистичні дані проходжен- ня занять студентами, ступінь сприйняття яких відповідає ступеню сприйняття досліджувано- го студента, визначається кількість студентів, які пройшли заняття у кожній з і спроб, і їхній ступінь засвоєння (таблиця). Успішність студентів Пере- ходи Спроби E 1→ E 1 Зг од ні E 1→ E 2 Зг од ні E 1→ E 3 Зг од ні E 2→ E 1 Зг од ні E 2→ E 2 Зг од ні E 2→ E 3 Зг од ні E 3→ E 1 Зг од ні E 3→ E 2 Зг од ні E 3→ E 3 Зг од ні 1 9 1 21 15 2 2 6 0 32 25 10 10 1 0 9 1 10 10 2 5 0 9 7 1 1 2 0 8 5 3 3 3 2 0 4 3 1 1 0 0 3 2 2 2 4 1 0 1 1 0 0 0 0 2 2 0 0 Для дослідження використано статистичні дані проходження занять у АСДН EduPro сту- дентами четвертого курсу напрямів підготовки «Інформатика» та «Прикладна математика» Прикарпатського національного університету імені Василя Стефаника з дисципліни «Штуч- ний інтелект». Шкалою оцінювання значень ступеня засво- єння є десятибальна. Стану E1 відповідає ін- тервал [0…5) – низький рівень, стану E2 інтер- УСиМ, 2012, № 5 9 вал [5…9) – середній, стану E3 [9…10] – висо- кий. Позначення Ei → Ej означає перехід із стану i в стан j, а «Згодні» – кількість тих, хто згоден з оцінкою в і-й спробі і не беруть участі у і + 1-спробі. Нехай за першою спробою заняття зарахо- вано k1 студенту, це подія H1, за другою – k2, це подія H2, …, за f-спробою – kf, це подія Hf, заняття не зараховано за жодною з f спроб kf +1 студенту, це подія Hf +1. Всі події H1, H2,…, Hf, Hf +1 утворюють по- вну групу попарно несумісних подій, тобто в результаті експерименту (в даному випадку екс- перимент – це проходження заняття студен- том) відбудеться одна і тільки одна з подій [10]. Необхідно визначити імовірний ступінь засво- єння, тобто ймовірність одержання студентами тієї чи іншої оцінки у кожній із дозволених спроб. Цьому студенту може відповідати тіль- ки одна із подій H1, H2,…, Hf, Hf +1, тобто йому заняття може бути зараховано тільки за однією з дозволених спроб або не зараховано взагалі. У випадку, коли студент хоче покращити оцін- ку, одержану у і-й спробі, і-та спроба вважа- ється невдалою, а береться до уваги тільки оцінка і + 1-ї спроби або заняття зараховується за спробою, у якій оцінка вища. Оскільки події H1, H2,…, Hf, Hf +1 є попарно несумісними, оцінка ймовірності події А, яка може відбутись у результаті появи однієї з по- дій H1, H2,…, Hf, Hf +1, обчислюється за форму- лою повної ймовірності: 1 1 ( ) ( ) f i Hi i= P(A)= P H P A   , де подія А – є проходження студентом заняття на один із ступенів засвоєння. P(Hi) – оцінка ймовірності того, що студен- ту зараховано заняття за і-ю спробою або не зараховано взагалі у випадку і = f + 1: 1 1 ( ) i i f i i k P H k     , де ik – кількість тих, кому заняття зараховано за і-ю спробою ];1[ fi або не зараховано взагалі у випадку і = f + 1. ( )Hi P A – оцінка ймовірності проходження студентом заняття на деякий ступінь засвоєння А у і-й спробі: i i iH k Ak (A)P )(  , де ki(A) – кількість тих, що у і-й спробі пройшли заняття на деякий ступінь засвоєння А. Оцінка ймовірності досягнення певного рівня засвоєння (наприклад, оцінки «відмінно») у кож- ній з і спроб визначається за формулою Байєса: i 1 1 ( ) ( ) (H ) ( ) ( ) i Hi А f i Hi i= P H P A P = P H P A   . Приклад визначення складності і достатньої кількості спроб пропонованого студенту за- няття: якщо з достатньою ймовірністю студент пройде заняття третьої складності на потріб- ний рівень засвоєння, то йому рекомендується ця складність, інакше перевіряється заняття складності E2; якщо і ця складність не підхо- дить, то пропонується заняття складності E1, тобто – максимально допустима складність за- няття. Потім для заняття цієї складності реко- мендується кількість спроб: достатньою буде та кількість, для якої одержана оцінка ймовір- ності настання події А буде більша за деяке наперед задане порогове значення d. Застосування даних формул до занять з різ- ними типами представлення знань та характе- ристиками дає змогу визначати параметри за- няття, найбільш відповідні індивідуальним ха- рактеристикам студента. Висновки. В запропонованому підході до по- будови БЗ адаптивних систем дистанційного на- вчання виділено два основних етапи:  Формування структури бази знань, її на- повнення та визначення необхідних параметрів кожного із її елементів.  Адаптивне представлення знань студенту з урахуванням параметрів елементів БЗ і від- повідних параметрів студента. В основу першого етапу закладено фреймо- ву модель подання знань, а другого – продук- ційна модель. 10 УСиМ, 2012, № 5 Запропонована модель побудови БЗ має такі переваги:  знання добре структуровані;  можливість динамічного управління знан- нями;  необов’язковість визначення усіх параметрів;  можливість відслідковування і ручного ре- жиму зміни параметрів;  адаптивна видача НМ. Недоліки більшою мірою проявляються з збільшенням обсягу БЗ:  за великої кількості НБ довго виконуються всі операції;  складність перевірки цілісності БЗ. Перспективним напрямом подальших до- сліджень є удосконалення запропонованої мо- делі БЗ. 1. Войтович І.С. Застосування інформаційно-комп'ю- терних технологій у навчальному процесі ВНЗ в кон- тексті впровадження європейських стандартів осві- ти // Наук. пр. Донецького нац. техн. ун-ту. Серія: Педагогіка, психологія і соціологія. – Донецьк: ДВНЗ «ДонНТУ», 2008. – С. 26–30. 2. Ong J., Ramachandran S. An Intelligent Tutoring Sys- tem Approach to Adaptive Instructional Systems. – United States Army Research Institute for the Behav- ior and Social Sciences, 2005. – 54 с. 3. Субботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навч. посібник. – Запоріжжя: ЗНТУ, 2008. – 341 с. 4. Технічний опис спеціальних позначень стандарту імпорту/експорту «EduPRO/Owl». – http://wenet.pu.if. ua/?mod=blog&action=ReviewOneArticle&id_ba=18 &page=1 5. Minsky M. A Framework for Representing Knowledge. – MIT-AI Laboratory Memo 306, 1974. – 76 с. 6. Федорук П.І. Адаптивна система дистанційного нав- чання та контролю знань на базі інтелектуальних In- ternet-технологій. – Івано-Франківськ: Плай, 2008. – 326 с. 7. Уорсли Дж., Дрейк Дж. У64 PostgreSQL. Для про- фессионалов . – СПб.: Питер, 2003. – 496 с. 8. Зайцева Л.В. Модели и методы адаптации в систе- мах компьютерного обучения // Тр. Х Всерос. науч.- метод. конф. «Телематика 2003», 14–17 апр. 2003 г. – С-Пб.: С-ПИТМО, 2003. – Т. 2. – С. 502–503. 9. Бурдаєв В.П. Моделі баз знань: монографія. – Хар- ків: Вид-во. ХНЕУ, 2010. – 300 с. 10. Венецкий И.Г., Кильдишев Г.С. Основы теории ве- роятностей и математической статистики. – М.: Статистика, 1968. – 360 с. Поступила 03.11.2011 Тел. для справок: (0342) 59-6048, 59-6058 (Ивано-Франковск) E-mail: pavlo@pu.if.ua, marichka@pu.if.ua © П.І. Федорук, М.С. Дутчак, 2012  П.И.Федорук, М.С. Дутчак Построение базы знаний адаптивных систем дистанционного обучения на основе фреймовой и продукционной моделей представления знаний Введение. В современном обществе в условиях стреми- тельного развития науки и техники все более актуальной становится задача усовершенствования подготовки кад- ров в системе многоуровневого непрерывного образова- ния. Происходит реформирование системы образования, переход к многоуровневой структуре подготовки бака- лавр/магистр на основе компетентного подхода, согласно которому оценка качества образования основывается не на длительности или содержании обучения, а на знани- ях, умениях и навыках, полученных выпускниками [1]. Ос- новной целью учебного учреждения есть формирование ключевых компетенций. Особенностью современной сис- темы образования стала возможность обучения по инди- видуальной образовательной траектории, которую сложно организовать с использованием только традиционных сис- тем обучения. На помощь традиционным приходят сис- темы компьютеризированного обучения [2]. Большинство существующих образовательных сред, платформ и порталов, использующих новейшие компь- ютерные технологии, обычно не адаптивны. Обзор наи- более известных систем, широко используемых в совре- менном дистанционном обучении (ДО), таких как ANGEL, BlackBoard, Desire2Learn, ILIAS, Lotus LearningSpace, Moodle, WebCT, TopClass, Zhang показал, что, как пра- вило, учебный курс, принятый в среде системы ДО, пред- ставляет собой набор статических гипертекстовых до- кументов. Поэтому с разработкой и усовершенствовани- ем адаптивных технологий дистанционного образования появится дополнительная возможность предложить сту- денту индивидуальный план, определяющий наполне- ние дисциплин и порядок их изложения, время обуче- ния. Любой человек, повышающий свой квалификацион- ный уровень с использованием адаптивных систем ДО (АСДО) идентифицируется термином студент. УСиМ, 2012, № 5 11 На данный момент не предложена система, которая в достаточной степени соответствовала бы современным требованиям к АСДО, а именно:  определение образовательных потребностей и це- лей студента;  определение имеющихся у студента знаний и на- выков, соответствующих целям обучения;  определение индивидуальных психофизических осо- бенностей студента;  построение и адаптивная поддержка релевантного индивидуализированного учебного процесса на основе сведений, полученных в результате выполнения первых трех требований. Основой АСДО есть база знаний, от эффективной раз- работки и реализации которой зависит эффективное функ- ционирование всей системы. База знаний (БЗ) – это база данных, разработанная для управления знаниями – сбо- ром, хранением, поиском и выдачей знаний, которые осу- ществляются на основе интеллектуального анализа ус- тановленных связей между элементами БЗ [3]. Выпол- нение этих функций актуально для АСДО. Большинство БЗ существующих СДО основаны на размещении в них электронных вариантов конспектов традиционных заня- тий и статической выдачи учебного материала (УМ) не- зависимо от уровня знаний и возможностей студента. Хотя можно выделить системы, при формировании БЗ которых частично учтены принципы адаптивности. Напри- мер, БЗ АСДО EduPro, разработанная Центром дистанци- онного обучения и контроля знаний Прикарпатского на- ционального университета имени Василия Стефаника, со- держит УМ, структурированный в соответствии с собствен- ными стандартами и имеет возможность его адаптивной выдачи в соответствии с пробелами в знаниях студентов. Однако наполнение БЗ данной системы требует значи- тельных затрат времени и усилий преподавателей или ин- женеров по знаниям в процессе подготовки УМ для им- порта в БЗ [4], также в данной системе недостаточно ис- следованы и использованы взаимосвязи между отдель- ными элементами БЗ. В данной публикации предложен новый подход к построению БЗ АСДО, направленный на исправление недостатков, отмеченных при анализе БЗ существующих АСДО, а также на разработку и вне- дрение дополнительных возможностей данных систем. Построение базы знаний АСДО Согласно предложенному подходу проводится фор- мирование структуры БЗ, ее наполнение и определения необходимых параметров каждого из ее элементов, в основу которого заложено фреймовую модель представ- ления знаний. Далее организуется адаптивное представле- ние знаний студенту с учетом параметров элементов БЗ и соответствующих параметров студента на основе про- дукционной модели представления знаний. Фреймовая модель подачи знаний основана на теории фреймов М. Мински, в соответствии с которой фрейм – это формализованная модель представления образа [5], т.е. описания некоторого объекта. Фрейму присваивает- ся имя и ряд слотов, содержащих атрибуты или проце- дурные знания, связанные с его атрибутами. С каждым слотом может связываться условие на заполнение или ассоциируемые процедуры. Большинство систем искусственного интеллекта ис- пользуют набор фреймов, соединенных определенным числом и образующих определенную иерархию. Одним из наиболее важных свойств фреймов в таких иерархиях есть наследование свойств [3]. Для представления знаний в виде иерархической орга- низации фреймов (ИОФ) весь учебный материал разбива- ется на учебные блоки (УБ) разных уровней иерархии [6]: первый уровень учебная дисциплина; второй “ отдельные занятия; третий “ пункты плана занятия; четвертый “ подпункты плана занятия или кван- ты учебной информации (КУИ); пятый “ подпункты плана занятия или КУИ;   n – 1 уровень подпункты плана занятия или КУИ; n “ КУИ. Количество уровней зависит от глубины структури- рованности УМ. Для пунктов и подпунктов плана вве- дено понятие независимых учебных блоков (НУБ), для них выдвигается требование синтаксической несвязно- сти с другими УБ. В пределах НУБ выделяют КУИ – совокупность тесно связанной информации, которая фор- мулирует определенную мысль, но при самостоятельной подаче может быть непонятной или требовать дополне- ния другими КУИ НУБ. Разделение на УБ носит субъективный характер, по- скольку зависит от субъективного решения инженера по знаниям или любого другого субъекта, осуществляюще- го структуризацию материала. После разделения УМ на КУИ между ними устанав- ливаются следующие типы связи: синтаксическая, со- держательная и качественная. Для математического выражения связи между КУИ введен коэффициент зави- симости (КЗ) k. КЗ показывает плотность связи между двумя объектами по определенным признакам, он есть относительной мерой и приобретает значение от нуля до +1. Чем более близкое значение k к единице, тем более плотная связь. При k = 0 связь отсутствует. Синтаксическая связь – текст і-го КУИ построен так, что он синтаксически требует другого j-го КУИ, без j-го КУИ і-й КУИ не может быть введен в УМ. Если j-й КУИ синтаксически зависит от і-го КУИ, то синтаксический КЗ skj,i = 1, иначе skj,i = 0. Содержательная связь – КУИ связаны по содержа- нию, но необязательно по синтаксису. В случае, когда і-й КУИ синтаксически зависит от j-го КУИ, он обязатель- но зависит и содержательно. Качественная связь – качество усвоения одного КУИ зависит от качества усвоения другого КУИ. Значе- ние качественной связи выражается качественным КЗ (jk). Качественный КЗ целесообразно определять для 12 УСиМ, 2012, № 5 содержательно связных КУИ, поскольку если j-й КУИ не связан содержательно с і-м КУИ, і-й КУИ не может иметь влияния на качество усвоения j-го КУИ. На начальном этапе КЗ определяются экспертом или экспертной системой, но при необходимости их уточня- ют в процессе усвоения студентами УМ. Формула уточне- ния зависимости достижения определенного качества ус- воения j-го КУИ от качества усвоения i-го КУИ имеет вид , , 1 , l i j m m i j r jk l   , где , , , , , , , , , , если если , , i m i m j m j m i j m j m j m i m i m z z z z r z z z z       , l – количество одновременных изучений і-го и j-го КУИ; m – порядковый номер одновременного изучения i-го и j-го КУИ [1; ]m l ; zi,m, zj,m – степень усвоения і-го (j-го) КУИ при m изучении , ,, [0;1]i m j mz z  ; , ,i j mr – качествен- ный КЗ между i-м и j-м КУИ при m изучении. Чем большее число m, тем точнее определяется jk между степенями усвоения КУИ, поскольку исключа- ются случайные зависимости. Значение КЗ для всех трех типов связи фиксируются в виде трех разных матриц, элементами которых будут соответствующие значения КЗ: 1 2 3 1 1/2 1/3 1/ 2 2/1 2/3 2/ 3 3/1 3/2 3/ /1 /2 /3 ... 1 ... 1 ... 1 ... ... ... ... ... ... ... ... 1 n n n n n n n n V V V V V k k k V k k k V k k k V k k k , где iV – идентификаторы КУИ, /i jk – значение КЗ. Дисциплины АСДО представляют собой фреймы на- ивысшего уровня иерархии. Каждый фрейм этого уров- ня имеет определенный набор слотов: Слот 1: перечень дисциплин или некоторых их разде- лов, на базе которых может быть изложена данная дис- циплина. Этот перечень формируется путем наследова- ния соответствующим свойствам фреймов нижних уров- ней иерархии или определяется инженером по знаниям. На формирование перечня дисциплин [d1, d2,dn] или некоторых их глав [d1(r1), d2(r4)dn(rm)] влияет множество значений содержательных и качественных КЗ [(zk), (jk]) УБ низших уровней иерархии данной дис- циплины: [(zk), (jk)] → [d1, d2,dn] [d1(r1), d2(r4) dn(rm)]. Слот 2: длительность изучения дисциплины. Слот 3: перечень ключевых понятий, которые пред- ставляют собой конечную цель изучения дисциплины с указанием идентификаторов фреймов, их содержащих. Слот 4: степень сложности дисциплины. Слот 5: фреймы следующего уровня иерархии (от- дельные занятия). Данный перечень слотов и их значение в процессе работы могут модифицироваться. Фреймы отдельных занятий в свою очередь тоже имеют определенное имя, объект описания и перечень слотов: Слот 1: перечень идентификаторов внешних содер- жательно связных фреймов с отмеченными содержа- тельными КЗ (zk). Слот 2: перечень идентификаторов внешних качест- венно связных фреймов с отмеченными качественными КЗ (jk). Слот 3: продолжительность занятия. Слот 4: перечень ключевых понятий занятия (опре- деляются инженером по знаниям). Слот 5: степень важности занятия. Чем больше занятие содержательно и качественно связано с ключевыми понятиями дисциплины, тем выше степень его важности vS : 1 1(1 ) n m l k l k v jk zk S n m         , где jkl – l-й качественный КЗ; n – количество качествен- ных КЗ, значение которых выше некоторого порогового значения jd; zkk – k-й смысловой КЗ; m – количество смысловых КЗ, значение которых выше некоторого по- рогового значения zd; [0;1] – взвешенный коэффи- циент влияния качественных и смысловых КЗ. Слот 6: степень сложности занятия. Вычисляется исходя из утверждения: сложность занятия тем выше, чем ниже вероятность выполнить его на высокую сте- пень усвоения с первой попытки. Пусть, событие А – прохождение занятия на высо- кую степень усвоения с первой попытки. Оценка веро- ятности наступления события А: 1( ) ( ) k A P A k  , где k – общее количество студентов, которые проходили занятие в первой попытке; 1( )k A – количество тех, кто в первой попытке прошел занятия на высокую степень усвоения. Слот 7: фреймы следующего уровня иерархии (пунк- ты плана занятия, НУБ, КУИ). Фреймы пунктов плана занятия содержат те же сло- ты, что и фреймы высших уровней иерархии, а их зна- чения наследуются из фреймов низших уровней иерар- хии или вычисляются с помощью специальных проце- дур. Фреймы данного уровня в дальнейшем делятся на подпункты плана занятия и КУИ. КУИ – конечные фреймы каждой из веток иерархии, т.е. они могут размещаться на любом, начиная с четвер- того и ниже уровней иерархии, но ими разделение на УБ заканчивается. Для фреймов уровня КУИ определены те УСиМ, 2012, № 5 13 же слоты, что и для высших уровней иерархии, кроме того, вводится дополнительный: перечень синтаксичес- ки связных КУИ с отмеченными синтаксическими КЗ. Объектом фрейма КУИ есть содержательное напол- нение данного КУИ. На некотором этапе работы часть слотов могут оста- ваться пустыми и заполняться или модифицироваться в процессе работы системы (рис. 1). ... ... ... Слот 6 Слот 5 БЗ Дисциплина nДисциплина 1 Дисциплина 2 Тема занятия 2 Тема занятия 1 Тема занятия m Cлот 1 Cлот 2 Cлот 3 Cлот 4 … Пункт 2 Пункт 1 Пункт n КУИ Cлот 1 Cлот 2 Cлот 3 Cлот 4 Cлот 5 Слот 6 Пункт 1.2 Пункт 1.1 Пункт m КУИ Cлот 1 Cлот 2 Cлот 3 Cлот 4 Cлот 5 … … ... ... ... ... ... ... ... Рис. 1. Фреймовая модель базы знаний Для внесения данной иерархической структуры в БЗ, каждый фрейм представляется в виде набора парамет- ров: ІD, I, Р, C1, C2,., Cn, где ІD – уникальное имя фрей- ма; I – информационная единица (объект фрейма); P – родительский учебный блок; C1, C2,, Cn – слоты. Данная структуризация УМ удобна для автоматиза- ции процесса внесения данных в БЗ, поскольку позволя- ет быстро создавать и демонстрировать группу таблич- ных данных, содержащую только информационные еди- ницы и их идентификаторы [7]. После завершения про- цесса внесения УМ в БЗ запускаются процедуры анали- за и определения необходимых параметров УБ. Данная иерархическая структура позволяет четко структурировать УБ и связывать их с разнотипными па- раметрами, когда устанавливаются связи не только между конечными фреймами, т.е. КУИ, но группируются фрей- мы в пространства (пространства пунктов плана занятия, отдельных занятий или дисциплин) и устанавливаются связи между ними. Связываемые с БЗ процедуры вычис- ляют и заполняют значения слотов фреймов. Так, приме- нение соответствующих процедурных правил позволяет заполнить слоты коэффициентами качественных, содер- жательных и синтаксических связей, вычислить степени важности и сложности УБ и другие параметры. Построение индивидуальной траектории обучения Определение параметров слотов важно для построе- ния индивидуальной траектории учебы в АСДО. Опреде- ление качественных, содержательных и синтаксических связей позволяет установить оптимальную последователь- ность учебы, группировать взаимозависимые КУИ, ко- гда учитывается тот факт, что чем более продолжительное время между изучением зависимых КУИ, тем больше вероятность забывания начальной информации [8]. С использованием установленных связей и ИОФ весь УМ разбивается на уровне зависимости, когда зависи- мость устанавливается не только между КУИ, но и меж- ду пространствами иерархической структуры: первый уровень – КУИ, не требующие предыдущих знаний (аксиомы, КУИ и др.); второй “ – КУИ, основанные на знаниях первого уровня; третий “ – КУИ, основанные на знаниях пер- вого и/или второго уровней и т.д. КУИ, зависящие от нескольких КУИ, и которые на- ходятся на разных уровнях, остаются только на самом вы- соком уровне с сохранением предыдущих связей (рис. 2). Приведенный пример (см. рис. 2) отображает часть проанализированного УМ. Идентификаторы КУИ опре- деляют порядок изложения соответствующих КУИ в на- чальном материале. Исходя из установленных связей, целесообразно домен, содержащий фреймы 20–25 (D1,1,3), подавать раньше, чем домен, содержащий фреймы 16–19 (D1,1,4) для того, чтобы обеспечить последовательное из- ложение доменов D1,1,4 и D1,1,5, между которыми содержа- тельная связь сильнее, чем между доменами D1,1,3 и D1,1,5. А в домене D1,1,3 фрейм 23 переместить на первое место, поскольку от него содержательно непосредственно или опосредованно зависит большинство фреймов домена. 8 2,11 2,10 2,6 2,13 2,12 2,5 3,3 2,4 3,14 3,15 3,7 3,2 1,8 1,1 8 21,1 23,1 23,2 20,1 24,220,2 22,1 25,1 25,2 24,1 17,2 26,1 17,1 19,1 16,1 17,3 18,3 18,4 18,1 28,1 27,1 28,2 28,3 29,1 30,1 31,1D1,1,1 D1,1,3 D1,1,2 D1,1,5 D1,1,4 Рис. 2. Пример реализации модели представления содержа- тельных связей между КУИ Учитывая перечень ключевых понятий, которые есть конечной целью изучения дисциплины и незнание кото- рых определено из начального тестирования, формиру- ется множество УБ, содержащих данные понятия. Эти УБ называются ключевыми. Исходя из КЗ определяются направляющие (вспомогательные) УБ, необходимые для достаточного усвоения ключевых УБ. Алгоритм адаптивного формирования составляю- щих УМ: 1. Определяются ключевые УБ. 2. Используя значений качественных КЗ, формирует- ся множество УБ, от которых ключевые УБ качественно зависят (качественные УБ). 14 УСиМ, 2012, № 5 3. Формируется множество УБ, от которых синтак- сически зависят ключевые и качественные УБ. 4. В соответствии с установленными связями и сфор- мированными множествами УБ строится последова- тельность учебы. Это – костяк УМ. Установлены КЗ, степени важно- сти и сложности которых дают возможность корректи- ровать содержание, сложность и последовательность из- ложения УМ в соответствии с моделью студента. Посте- пенное введение содержательных, менее качественно зави- симых УБ или разъяснений существующих, снижает слож- ность занятия. Установленные связи позволяют компакт- нее разместить более связные УБ, способствуя тем са- мым лучшему их усвоению. При этом КУИ, принадле- жащие одним НУБ должны подаваться лишь в пределах этого НУБ, а их количество в пределах данного НУБ варьируется в соответствии с установленными парамет- рами. Последовательность учебы изменяется с измене- нием последовательности изложения НУБ разных уров- ней иерархии. Изменение последовательности и содержания УБ осу- ществляется на уровне надстройки над ИОФ, т.е. вне- сенные в БЗ фреймы физически не добавляются или уда- ляются из нее в процессе адаптивного изложения УМ, а адаптация происходит в результате анализа параметров слотов, что соответствует классической теории фреймов. Если возникает необходимость модификации внесенных в БЗ УБ, то происходит структурная перестройка той ветви БЗ, которой касается модификация. Адаптивное представление УМ осуществляется с ис- пользованием продукционной модели, в соответствии с которой знания представляются в виде правил: «Если <условие> ТО <вывод>» [9]. Условная часть состоит из элементарных предложений, объединенных логически- ми связками «И», «ИЛИ», «НЕТ». Вывод содержит одно или несколько предложений, выражающих или некоторый факт, или указание на определенное действие. Для про- цесса адаптации в условии осуществляется сопоставление параметров студента и параметров слотов фреймов; как результат получаем параметры индивидуальной траекто- рии учебы. В соответствии с предложенной моделью этап учебы определяется уровнем знаний студента, а сложность заня- тия должна соответствовать степени восприятия новых знаний. Чтобы определить степень восприятия студента, ста- тистических данных которого нет в системе, ему необхо- димо предложить для изучения новый УМ, при этом уро- вень знаний студента должен быть достаточным для ус- воения нового материала высокого уровня. Тогда степень восприятия R(0) вычисляется по формуле (0) m R = n , где m – количество правильных ответов (правильно выпол- ненных операций), n – количество всех вопросов (опе- раций). Степень восприятия студента – один из основных фак- торов, влияющих на степень усвоения новой информации. Степень усвоения – это часть правильных ответов (правильно выполненных операций) в l заданиях новой темы: S = q / l. Скорость прохождения  – взвешенная сумма отно- шений затраченного времени t в удачной попытке к мак- симально разрешенному времени T и номера этой попытки і к количеству разрешенных попыток f: τ (1 α) α( ) t i = T f   , где коэффициент α 1 f = f + . Качество усвоения нового материала  – это пол- суммы степени усвоения S материала занятия и допол- нения к единице скорости прохождения занятия  : (1 ) μ 2 S + =   . Одним из методов определения необходимых пара- метров предлагаемого студенту занятия есть оценка ве- роятности достаточного качества усвоения занятия с за- данными параметрами. Вероятное качество усвоения определяется через оцен- ку вероятной степени усвоения и оценку вероятной ско- рости прохождения. Вероятная удачная попытка i – попытка, в которой будет достигнут достаточный или необходимый уровень усвоения, т.е. при достижении которого занятие будет зачтено. Для исследования вероятностных параметров исполь- зована формула полной вероятности и формула Байєса [10]. Используя статистические данные прохождения за- нятий студентами, степень восприятия которых соответ- ствует степени восприятия исследуемого студента, оп- ределяется количество студентов, прошедших занятие в каждой из i попыток, и их степень усвоения (таблица). Успешность студентов Пере- хо- ды По- пытки E 1→ E 1 С ог ла сн ы E 1→ E 2 С ог ла сн ы E 1→ E 3 С ог ла сн ы E 2→ E 1 С ог ла сн ы E 2→ E 2 С ог ла сн ы E 2→ E 3 С ог ла сн ы E 3→ E 1 С ог ла сн ы E 3→ E 2 С ог ла сн ы E 3→ E 3 С ог ла сн ы 1 9 1 21 15 2 2 6 0 32 25 10 10 1 0 9 1 10 10 2 5 0 9 7 1 1 2 0 8 5 3 3 3 2 0 4 3 1 1 0 0 3 2 2 2 4 1 0 1 1 0 0 0 0 2 2 0 0 Для исследования использовались статистические дан- ные прохождения занятий в АСДО EduPro студентами четвертого курса подготовки в направлениях «Инфор- матика» и «Прикладная математика» Прикарпатского национального университета имени Василия Стефаника по дисциплине «Искусственный интеллект». Шкала оценивания значений степени усвоения – деся- тибалльная. Состоянию E1 соответствует интервал [0;5) – низкий уровень, состоянию E2 – интервал [5;9) – сред- УСиМ, 2012, № 5 15 ний, состоянию E3 – [9;10] – высокий. Выражение Ei→Ej означает переход из состояния i в состояние j, а «Согласны» – количество согласных с оценкой в і-й по- пытке и не участвующих в і + 1-й попытке. Пусть по первой попытке занятия зачтено k1 студен- ту, это событие H1, по второй – k2, – событие H2, по f попытке – kf, – событие Hf, занятие не зачтено ни по од- ной из f попыток kf+1 студенту, – событие Hf+1. Все события H1, H2, …, Hf, Hf+1 образуют полную группу попарно несовместимых событий, т.е. в результате эксперимента (прохождение занятия студентом) состо- ится одно и только одно из событий [10]. Необходимо определить предполагаемую степень усвоения, т.е. веро- ятность получения студентами той или иной оценки в каждой из разрешенных попыток. Уровню знаний этого студента может соответствовать только одно из событий H1, H2, …, Hf, Hf+1, т.е. ему занятие может быть зачтено только в одной из разрешенных попыток или не засчи- тано вообще. В случае, когда студент хочет улучшить оценку, полученную в i-й попытке, эта попытка считает- ся неудачной, а учитывается только оценка i + 1-й по- пытки или занятие засчитывается по попытке, в которой оценка выше. Поскольку события H1, H2, …, Hf, Hf+1 попарно- несовместимы, оценка вероятности события А, которая может состояться в результате появления одного из со- бытий H1, H2, …, Hf, Hf+1, вычисляется по формуле пол- ной вероятности: 1 1 ( ) = ( ) ( ) f i Hi i= P A P H P A   , где событие А – это прохождение студентом занятия на одну из степеней усвоения. ( )iP H – оценка вероятности того, что студенту за- чтено занятие по і-й попытке или не зачтено вообще в случае i = f + 1: 1 1 ( ) i i f i i k P H k     , где ik – количество тех, кому занятие зачтено по і-й попытке [1; ]i f  или не зачтено вообще в случае i = f + 1. ( )Hi P A – оценка вероятности прохождения студен- том занятия на некоторую степень усвоения А в і-й по- пытке: ( ) ( ) i Hi i k A P A k  , где ( )ik A – количество тех, кто в і-й попытке прошел занятия на некоторую степень усвоения А. Оценка вероятности достижения определенного уровня усвоения (например, оценки отлично) в каждой из i по- пыток определяется с помощью формулы Байєса: 1 1 ( ) ( ) ( ) ( ) ( ) i Hi А i f i Hi i= P H P A P H = P H P A   . Пример определения сложности и достаточного ко- личества попыток предлагаемого студенту занятия: если с достаточной вероятностью студент пройдет занятие третьей сложности на нужный уровень усвоения, то ему рекомендуется эта сложность, иначе проверяется заня- тие сложности E2, если и эта сложность не подходит, то предлагается занятие сложности E1, т.е. максимально до- пустимая сложность занятия. Затем для занятия этой слож- ности рекомендуется количество попыток: достаточным будет то количество, для которого полученная оценка ве- роятности наступления события А будет больше некото- рого заданного порогового значения d. Применение данных формул к занятиям с разными типами представления знаний и характеристиками дает возможность определять параметры занятия, наиболее соответствующие индивидуальным характеристикам сту- дента. Заключение. В предложенном подходе к построению БЗ адаптивных систем дистанционного обучения можно выделить два основных этапа: I. Формирование структуры БЗ, ее наполнения и оп- ределения необходимых параметров каждого из ее эле- ментов. II. Адаптивное представление знаний студенту с уче- том параметров элементов БЗ и соответствующих пара- метров студента. В основу первого этапа заложена фреймовая модель представления знаний, а второго – продукционная модель. Преимущества предложенной модели построения БЗ:  знания хорошо структурированы;  возможность динамического управления знаниями;  необязательность определения всех параметров;  возможность отслеживания и ручного режима из- менения параметров;  адаптивная выдача УМ. Недостатки в большей мере проявляются при увели- чении объема БЗ:  при большом количестве УБ долго выполняются все операции;  сложность проверки целостности БЗ. Перспективным направлением дальнейших иссле- дований будет усовершенствование предложенной мо- дели БЗ.  << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /None /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Error /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /DetectCurves 0.0000 /ColorConversionStrategy /CMYK /DoThumbnails false /EmbedAllFonts true /EmbedOpenType false /ParseICCProfilesInComments true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveDICMYKValues true /PreserveEPSInfo true /PreserveFlatness true /PreserveHalftoneInfo false /PreserveOPIComments true /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /CropColorImages true /ColorImageMinResolution 300 /ColorImageMinResolutionPolicy /OK /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageMinDownsampleDepth 1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False /CreateJDFFile false /Description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> /CHS <FEFF4f7f75288fd94e9b8bbe5b9a521b5efa7684002000410064006f006200650020005000440046002065876863900275284e8e9ad88d2891cf76845370524d53705237300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c676562535f00521b5efa768400200050004400460020658768633002> /CHT <FEFF4f7f752890194e9b8a2d7f6e5efa7acb7684002000410064006f006200650020005000440046002065874ef69069752865bc9ad854c18cea76845370524d5370523786557406300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c4f86958b555f5df25efa7acb76840020005000440046002065874ef63002> /CZE <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> /DAN <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> /DEU <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> /ESP <FEFF005500740069006c0069006300650020006500730074006100200063006f006e0066006900670075007200610063006900f3006e0020007000610072006100200063007200650061007200200064006f00630075006d0065006e0074006f00730020005000440046002000640065002000410064006f0062006500200061006400650063007500610064006f00730020007000610072006100200069006d0070007200650073006900f3006e0020007000720065002d0065006400690074006f007200690061006c00200064006500200061006c00740061002000630061006c0069006400610064002e002000530065002000700075006500640065006e00200061006200720069007200200064006f00630075006d0065006e0074006f00730020005000440046002000630072006500610064006f007300200063006f006e0020004100630072006f006200610074002c002000410064006f00620065002000520065006100640065007200200035002e003000200079002000760065007200730069006f006e0065007300200070006f00730074006500720069006f007200650073002e> /ETI <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> /FRA <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> /GRE <FEFF03a703c103b703c303b903bc03bf03c003bf03b903ae03c303c403b5002003b103c503c403ad03c2002003c403b903c2002003c103c503b803bc03af03c303b503b903c2002003b303b903b1002003bd03b1002003b403b703bc03b903bf03c503c103b303ae03c303b503c403b5002003ad03b303b303c103b103c603b1002000410064006f006200650020005000440046002003c003bf03c5002003b503af03bd03b103b9002003ba03b103c42019002003b503be03bf03c703ae03bd002003ba03b103c403ac03bb03bb03b703bb03b1002003b303b903b1002003c003c103bf002d03b503ba03c403c503c003c903c403b903ba03ad03c2002003b503c103b303b103c303af03b503c2002003c503c803b703bb03ae03c2002003c003bf03b903cc03c403b703c403b103c2002e0020002003a403b10020005000440046002003ad03b303b303c103b103c603b1002003c003bf03c5002003ad03c703b503c403b5002003b403b703bc03b903bf03c503c103b303ae03c303b503b9002003bc03c003bf03c103bf03cd03bd002003bd03b1002003b103bd03bf03b903c703c403bf03cd03bd002003bc03b5002003c403bf0020004100630072006f006200610074002c002003c403bf002000410064006f00620065002000520065006100640065007200200035002e0030002003ba03b103b9002003bc03b503c403b103b303b503bd03ad03c303c403b503c103b503c2002003b503ba03b403cc03c303b503b903c2002e> /HEB <FEFF05D405E905EA05DE05E905D5002005D105D405D205D305E805D505EA002005D005DC05D4002005DB05D305D9002005DC05D905E605D505E8002005DE05E105DE05DB05D9002000410064006F006200650020005000440046002005D405DE05D505EA05D005DE05D905DD002005DC05D405D305E405E105EA002005E705D305DD002D05D305E405D505E1002005D005D905DB05D505EA05D905EA002E002005DE05E105DE05DB05D90020005000440046002005E905E005D505E605E805D5002005E005D905EA05E005D905DD002005DC05E405EA05D905D705D4002005D105D005DE05E605E205D505EA0020004100630072006F006200610074002005D5002D00410064006F00620065002000520065006100640065007200200035002E0030002005D505D205E805E105D005D505EA002005DE05EA05E705D305DE05D505EA002005D905D505EA05E8002E05D005DE05D905DD002005DC002D005000440046002F0058002D0033002C002005E205D905D905E005D5002005D105DE05D305E805D905DA002005DC05DE05E905EA05DE05E9002005E905DC0020004100630072006F006200610074002E002005DE05E105DE05DB05D90020005000440046002005E905E005D505E605E805D5002005E005D905EA05E005D905DD002005DC05E405EA05D905D705D4002005D105D005DE05E605E205D505EA0020004100630072006F006200610074002005D5002D00410064006F00620065002000520065006100640065007200200035002E0030002005D505D205E805E105D005D505EA002005DE05EA05E705D305DE05D505EA002005D905D505EA05E8002E> /HRV (Za stvaranje Adobe PDF dokumenata najpogodnijih za visokokvalitetni ispis prije tiskanja koristite ove postavke. Stvoreni PDF dokumenti mogu se otvoriti Acrobat i Adobe Reader 5.0 i kasnijim verzijama.) /HUN <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> /ITA <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> /JPN <FEFF9ad854c18cea306a30d730ea30d730ec30b951fa529b7528002000410064006f0062006500200050004400460020658766f8306e4f5c6210306b4f7f75283057307e305930023053306e8a2d5b9a30674f5c62103055308c305f0020005000440046002030d530a130a430eb306f3001004100630072006f0062006100740020304a30883073002000410064006f00620065002000520065006100640065007200200035002e003000204ee5964d3067958b304f30533068304c3067304d307e305930023053306e8a2d5b9a306b306f30d530a930f330c8306e57cb30818fbc307f304c5fc59808306730593002> /KOR <FEFFc7740020c124c815c7440020c0acc6a9d558c5ec0020ace0d488c9c80020c2dcd5d80020c778c1c4c5d00020ac00c7a50020c801d569d55c002000410064006f0062006500200050004400460020bb38c11cb97c0020c791c131d569b2c8b2e4002e0020c774b807ac8c0020c791c131b41c00200050004400460020bb38c11cb2940020004100630072006f0062006100740020bc0f002000410064006f00620065002000520065006100640065007200200035002e00300020c774c0c1c5d0c11c0020c5f40020c2180020c788c2b5b2c8b2e4002e> /LTH <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> /LVI <FEFF0049007a006d0061006e0074006f006a00690065007400200161006f00730020006900650073007400610074012b006a0075006d00750073002c0020006c0061006900200076006500690064006f00740075002000410064006f00620065002000500044004600200064006f006b0075006d0065006e007400750073002c0020006b006100730020006900720020012b00700061016100690020007000690065006d01130072006f00740069002000610075006700730074006100730020006b00760061006c0069007401010074006500730020007000690072006d007300690065007300700069006501610061006e006100730020006400720075006b00610069002e00200049007a0076006500690064006f006a006900650074002000500044004600200064006f006b0075006d0065006e007400750073002c0020006b006f002000760061007200200061007400760113007200740020006100720020004100630072006f00620061007400200075006e002000410064006f00620065002000520065006100640065007200200035002e0030002c0020006b0101002000610072012b00200074006f0020006a00610075006e0101006b0101006d002000760065007200730069006a0101006d002e> /NLD (Gebruik deze instellingen om Adobe PDF-documenten te maken die zijn geoptimaliseerd voor prepress-afdrukken van hoge kwaliteit. De gemaakte PDF-documenten kunnen worden geopend met Acrobat en Adobe Reader 5.0 en hoger.) /NOR <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> /POL <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> /PTB <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> /RUM <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> /RUS <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> /SKY <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> /SLV <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> /SUO <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> /SVE <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> /TUR <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> /UKR <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> /ENU (Use these settings to create Adobe PDF documents best suited for high-quality prepress printing. Created PDF documents can be opened with Acrobat and Adobe Reader 5.0 and later.) >> /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ << /AsReaderSpreads false /CropImagesToFrames true /ErrorControl /WarnAndContinue /FlattenerIgnoreSpreadOverrides false /IncludeGuidesGrids false /IncludeNonPrinting false /IncludeSlug false /Namespace [ (Adobe) (InDesign) (4.0) ] /OmitPlacedBitmaps false /OmitPlacedEPS false /OmitPlacedPDF false /SimulateOverprint /Legacy >> << /AddBleedMarks false /AddColorBars false /AddCropMarks false /AddPageInfo false /AddRegMarks false /ConvertColors /ConvertToCMYK /DestinationProfileName () /DestinationProfileSelector /DocumentCMYK /Downsample16BitImages true /FlattenerPreset << /PresetSelector /MediumResolution >> /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ] >> setdistillerparams << /HWResolution [2400 2400] /PageSize [612.000 792.000] >> setpagedevice

Побудова бази знань адаптивної системи дистанційного навчання на основі фреймової та продукційної моделей представлення знань

Institution

Ähnliche Einträge