Бакалавр
Дипломные и курсовые на заказ

Разработка статистических процедур адаптации в автоматизированных обучающих системах

Диссертация: Разработка статистических процедур адаптации в автоматизированных обучающих системах
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Отсутствие специальных теоретических разработок, непосредственно ориентированных на статистическое описание процесса обучения, существенно усложняет создание адаптивных алгоритмов управления этим процессом, в полной мере учитывающих специфику самого процесса и структуру используемых АОС. Под адаптацией в автоматизированных обучающих системах будем понимать «процесс изменения параметров системы… Читать ещё >

Содержание

  • ГЛАВА I. АНАЛИЗ ПРИНЦИПОВ ПОСТРОЕНИЯ ОБУЧАЮЩИХ СИСТЕМ
    • I. I. Классификация систем обучения с помощью ЭВМ
      • 1. 2. Моделирование предметной среды в АОС
      • 1. 3. Генерирование заданий

Разработка статистических процедур адаптации в автоматизированных обучающих системах (реферат, курсовая, диплом, контрольная)

В материалах ХХУ1 съезда КПСС подчеркивается необходимость развития работ, позволяющих совершенствовать подготовку, повышение квалификации и аттестацию научных и научно-педагогических кадров. Одним из путей повышения эффективности обучения и подготовки кадров является внедрение в учебный процесс автоматизированных обучающих систем (АОС).

Автоматизированные обучающие системы, функционирующие в режиме диалога и непосредственно управляющие процессом обучения, призваны обеспечить подготовку высококвалифицированных специалистов и разрешить существующее противоречие между ограниченными сроками обучения и все возрастающим объемом научно-технической информации за счет интенсификации процесса обучения.

Теоретической основой для разработок таких систем служат работы по кибернетическим проблемам обучения 1Берг А.И., Глуш-ков В.М., Довгялло A.M., Ляпунов А. А., Шрейдер Ю. А. и др.) и психологопедагогическим аспектам обучения Шеспалько В. П., Архангельский С. И., Калмыкова З. И., Ланда Л. Н., Талызина Н. Ф., Давыдов В. В., Фридман Л. М. и др.).

Перспективные направления теории и практики обучающих систем отражены в диссертационных работах Довгялло A.M., Савельева А. Я., Кузнецова С. И., Марченко Е. К., Алексеева В. Е., Габричидзе В. Ф., Гениса А. А., Гергея Т., Платонова Б. А., Рынгача В. Ф., Клочкова Г. А, Градинаровой М. Г., Лысенко Л. Г., Масса Д. И. и др.

Большая работа по исследованию автоматизированного обучения ведется в США. Около 40 специальных центров и лабораторий, научно-исследовательских групп и лабораторий университетов, а том числе фирм IBM, Generaf Е fee tri-C, Стэнфордского, Иллиной-ского, Калифорнийского университетов, занято разработками, связанными с применением электронных вычислительных машин (ЭВМ) в учебном процессе.

В настоящее время во Франции проводится общенациональный эксперимент по применению автоматизированного обучения, контролируемый министерством образования. За последние пять лет обучением с помощью ЭВМ охвачены в этой стране двести тысяч учащихся и около ста тысяч подвергались машинному тестированию [ X1 .

Широко проводятся исследования по использованию ЭВМ в автоматизированном обучении в ряде организаций нашей страны (Институт кибернетики АН УССР, Московский энергетический институт, Новосибирский электротехнический институт, Рижский политехнический институт, Научно-исследовательский институт проблем высшей школы и др.). Но эти исследования затруднены из-за отсутствия математического описания процесса обучения, учитывающего индивидуальные особенности обучаемых и используемого для управления этим процессом в автоматизированных обучающих системах.

Отсутствие специальных теоретических разработок, непосредственно ориентированных на статистическое описание процесса обучения, существенно усложняет создание адаптивных алгоритмов управления этим процессом, в полной мере учитывающих специфику самого процесса и структуру используемых АОС. Под адаптацией в автоматизированных обучающих системах будем понимать «процесс изменения параметров системы и управляющих воздействий на основе текущей информации с целью достижения определенного, обычно оптимального, состояния системы при начальной неопределенности и изменяющихся условиях работы» [ 2 ] .

— б.

Автоматизированное обучение представляет собой процесс управления сложным объектом — обучаемым, а источником управления является автоматизированная обучающая система [ 3]. Сложный объект характеризуется отсутствием математического описания, стохастического поведения, нестационарностью и невоспроизводимостью экспериментов. Невоспроизводимость экспериментов проявляется в различной реакции объекта управления на о: дну и ту же ситуацию или управление в различные моменты времени. Этого нельзя учесть при синтезе модели объекта управления, поэтому в систему управления вводится ее коррекция или адаптация.

Схема управления процессом обучения представлена на рис. В1. Наряду с количественными переменными (вектор ЗС), на учебный процесс оказывают влияние личностные характеристики обучаемых и другие факторы, являющиеся качественными величинами, а не количественными (вектор К). Результатом деятельности автоматизированной обучающей системы по управлению учебным процессом является вектор результата Y «который сравнивается с вектором — заданных показателей процесса обучения. Допустимое отклонение для A Y = Y ~ Yo * определяемое экспериментально и обозначаемое Д, накладывает ограничение на вектор управляющих воздействий Z «в качестве которых в АОС выступают тексты учебной информации, задания, предписания или комментарии. Пусть множественная «регрессия» аналитически описывает связь между векторами К, ЭС и Yo.

Yo =f (K + ё, где.

С — ошибка влияния неучтенных факторов, а ^ - функция.

Рис. BI. Схема управления процессом обучения.

X — количественные параметры, К — неуправляемые факторы, Y — результат деятельности объекта управления, 10- вектор заданных показателей процесса обучения, И — вектор управляющих воздействий, •f — оператор модели объекта управления. в классе непрерывных функций. Блок адаптации обеспечивает изменение параметров или коэффициентов регрессионных моделей.

Задача оптимального управления АОС для достижения целей обучения заключается в отыскании такого вектора управляющих воздействий Z * ~ Ф (Y), который обеспечивал бы Л Y ^ А с учетом качественных и количественных факторов при описании вектора Yfl по критерию минимума среднеквадратичного отклонения экспериментальных данных и теоретических (Ф — некоторая функция от отклонения A Y.

Целью настоящей работы является разработка способов и конкретных алгоритмов оптимального управления последовательностью заданий, предъявляемых обучаемому АОС, учитывающих особенности самого процесса обучения и специфику используемой автоматизированной обучающей системы.

В соответствии с поставленной целью конкретные исследования по диссертационной работе предполагали:

— анализ процесса функционирования АОС как кибернетической системы и выделение структурных особенностей «генерирующих» автоматизированных обучающих систем 1ГА0С);

— разработку способов порождения вероятностных языков, используемых для автоматического генерирования заданий в ГАОС;

— разработку статистического метода адаптации для управления процессом обучения на основе многофакторных «регрессионных» моделей с количественными и качественными факторами;

— разработку метода построения регрессионных моделей неполного ранга, пригодного для ГАОС, реализацию алгоритма этого метода в виде пакета подпрограмм;

— экспериментальный анализ разработанных алгоритмов адаптации в работе автоматизированного класса с терминалами типа «дисплей» на примерах отдельных курсов.

В процессе исследований использовались элементы теории формальных грамматик, теории адаптивных систем, математической теории эксперимента.

Материал диссертации изложен в четырех главах.

В первой главе проведена классификация моделей обучения в соответствии с описанием процесса функционирования адаптивной АОС как кибернетической системы и выделены структурные особенности «генерирующих» автоматизированных обучающих систем на базе ЭВМ второго и третьего поколений.

Во второй главе рассматриваются особенности использования вероятностных грамматик в ГАОС. Для генерирования задач по «задач-ным примитивам» вводятся «процедурные» индексные вероятностные грамматики.

Третья глава посвящена разработке статистического метода параметрической адаптации на основе многофакторных «регрессионных» моделей с качественными и количественными факторами в АОС и метода построения моделей неполного ранга, программной реализации их алгоритмов и методике определения характеристик учебного процесса на основе такого подхода.

В четвертой главе изложена методика проведения эксперимента и описаны программные модули, используемые для адаптации в АОС при реализации курсов по «Методам вычислений» и «Методам решения прикладных задач на ЭВМ». Проведен анализ эффективности разработанных алгоритмов и методики подготовки обучающих программ.

Автор защищает.

I. Способ автоматического генерирования задач в АОС на основе «процедурных» индексных вероятностных грамматик.

2. Метод построения регрессионных моделей неполного рангамодифицированный метод «перепараметризации», методику использования программно реализованного алгоритма этого метода для описания показателей процесса обучения.

3. Способ подготовки методических материалов для АОС на основе предложенного подхода математического описания учебного процесса на основе статистических моделей. Результаты экспериментов, проведенных в автоматизированном классе с терминалами типа «дисплей» .

Научная новизна.

В диссертации впервые определена структура и выделены особенности «генерирующих» автоматизированных обучающих систем, введен новый класс вероятностных порождающих грамматик — «процедурные» индексные вероятностные грамматики, обеспечивающие автоматическое генерирование индивидуальных заданий для каждого обучаемого в АОС на основе предыстории обучения.

Предложен новый подход к выдаче управляющих воздействий с адаптацией в автоматизированных системах управления сложными объектами, основанный на учете личностных характеристик обучаемых в «регрессионных» моделях с количественными и качественными факторами при описании показателей процесса обучения.

Предложен метод построения регрессионных моделей неполного ранга в АОС — модифицированный метод «перепараметризации», характеризующийся экономичностью в сравнении с шаговой процедурой Эфроим-сона.

Предложены алгоритмы и средства автоматического генерирования заданий в ГАОС. Разработан также способ подготовки методических материалов для АОС с определением сложности заданий, который совместно со специальным математическим обеспечением обеспечивает индивидуализацию и интенсификацию процесса обучения.

Практическая значимость.

Разработанные способы и конкретные алгоритмы адаптации в АОС непосредственно направлены на использование в реальных системах управления сложными объектами.

Алгоритмы оптимального управления сложными объектами с помощью ЭВМ реализованы программно и используются в учебном процессе Белгосуниверситета имени В. И. Ленина, Московского технологического института пищевой промышленности. Акты о внедрении результатов диссертационной работы приведены в приложении.

Разработанная методика и алгоритмы автоматического генерирования заданий в ГАОС могут быть реализованы как функции или утилиты в «СПОК» — системе программирования обучающих курсов или других языках авторов курсов, а также при подготовке контрольных заданий и работ по математическим и техническим дисциплинам.

Результаты диссертации могут быть рекомендованы к использованию в организациях, включенных в Комплексную программу работ по созданию автоматизированных обучающих систем на базе ЭВМ (приказ Минвуза СССР № 79 от 18.01.1979 г.) — результаты работы по разработке статистических процедур адаптации в АОС, в Новосибирском электротехническом институте, в Московском технологическом институте пищевой промышленности — результаты работы по созданию пакета подпрограмм построения регрессионных моделей с количественными и качественными факторами, переданного в Республиканский фонд алгоритмов и программ.

Апробация результатов работы и публикации.

Материалы диссертации докладывались и обсуждались на:

Всесоюзной научной сессии, посвященной Дню радио и Дню связиста, г. Москва, 1972 г. 1два доклада);

Ш зональной научно-методической конференции преподавателей вузов Прибалтики и Белоруссии, Рига, 1972 г.;

У1 Всесоюзной конференции по автоматизации эксперимента в научных исследованиях, М., I960 г.;

У Республиканской конференции математиков Белоруссии, Гродно, I960 г.

Часть результатов диссертационной работы вошла в отчеты по НИР Белгосуниверситета с номерами государственной регистрации 75 059 355, 76 027 922.

Основные результаты диссертации опубликованы в следующих работах:

1. Калацкая Л. В. Об одном подходе к определению сложности задач в автоматизированных обучающих системах. — Вестник Белорусского университета, серия I, № 2, 1978, с. 55−58.

2. Калацкая JI.B. 0 генерировании задач в автоматизированных обучающих системах. — Вестник Белорусского университета, серия I, № 2, 1979, с.6−7.

3. Савельев А. Я., Калацкая Л. В. Особенности построения регре-сионных моделей при определении сложности задач в автоматизированных обучающих системах. — В сб. Тезисы докладов УХ Всесоюзной конференции по планированию и автоматизации эксперимента в научных исследованиях, ч. Х, 1VL, 1980, с. 28.

4. Лозовик М. С., Калацкая Л. В. Методические указания по спецлаборатории «Методы вычислений» для обучающей системы ЭВОС, Мн., БГУ, 1979, с.3−50.

5. Зеленков Н. И., Калацкая Л. В., Лозовик М. С., Орлов А. В., Стрикелева Л. В. Об использовании автоматизированной обучающей системы в курсе «Методы вычислений». — В сб. У Республиканская конференция математиков Белоруссии. Тез. докл., ч.1, Гродно, I960, с.114−115.

6. Барановский Л. К., Калацкая Л. В., Новиков С. В., Орлов А. В., Тихоненко О. М. Разработка обучающей программы по курсу «Основы математической логики». — В сб. Диалоговые обучающие системы, Киев, 1973, с.112−121.

7. Барановский Л. К., Калацкая Л. В., Новиков С. В., Орлов А. В., Тихоненко О. М. Применение ЭВМ для проверки домашних заданий и репетиторства, но разделам «Алгебра высказываний «Булевы функции» курса «Основы математической логики». — В сб. Вопросы программирования в преподавании математики, Рига, 1972, с. И-15.

6. Барановский Л. К., Калацкая Л. В., Новиков С. В., Орлов А. В., Тихоненко О. М. Применение ЭВМ при изучении курса «Математическая логика». — В сб. Труды научной сессии, посвященной Дню радио и Дню связиста, М., 1972, с. 6−7.

Автор выражает искреннюю благодарность научному руководителю доктору технических наук профессору Савельеву А. Я. за постоянное внимание к работе и сотрудникам кафедры электронных математических машин, принимавшим участие в разработке технического, математического и методического обеспечений автоматизированных обучающих систем Белгосуниверситета им. В. И. Ленина.

Основные результаты и выводы.

1. Разработаны алгоритмы и программы генерирования заданий по задачным «примитивам», обеспечивающие универсальный способ порождения заданий в A0U на основе предыстории обучения при условии замены банка «примитивов» и модулей-процедур множества индексных правил вероятностной порождающей грамматики (п. 4.2.).

2. Осуществлена экспериментальная проверка полученных результатов на примере лабораторных занятий по курсу «Методы решения прикладных задач на ЭВМ», которая показала, что система обучения-контроля с использованием вычислительных возможностей базовой.

ЭВМ — эффективная форма обучения (п. 4.3.). Время проведения одного четырехчасового лабораторного занятия по разработанному автоматизированному курсу сокращено в среднем в 1,5 раза при одновременном увеличении объема учебной информации, примерно в 1,5 раза (в сравнении с традиционной формой обучения). Решение АОС задачи адаптации к индивидуальным особенностям обучаемых позволяет получить дополнительное сокращение времени обучения в среднем на 15% по сравнению с работой по эквивалентной неадаптивной обучающей про грамме (п. 4.4.).

ЗАКЛЮЧЕНИЕ

.

Экспериментальное исследование подтвердило эффективность решений, предложенных для автоматизированных обучающих систем генерирующего типа, проявившуюся в значительной интенсификации учебных занятий и возросшей активности обучаемых.

На основе проведенных исследований в работе получены следующие результаты:

1. Выделен и обоснован комбинированный способ описания предметной среды для автоматизированных обучающих систем на базе.

ЭВМ третьего поколения Эффективность выбранного способа подтверждена опытом использования в конкретной системе и сопоставлением с представлением предметной среды в различных автоматизированных системах управления сложными объектами. Структурные особенности генерирующих АОС включают: I) автоматическое генерирование заданий на основе предыстории обучения, 2) интерпретацию сгенерированных задач, 3) аналитическое описание характеристик обучения регрессионными моделями с количественными и качественными факторами (гл.1).

2. Установлено, что вероятностные порождающие грамматики описывают задания в АОС для курсов, связанных с использованием вычислительных возможностей базовых ЭВМ в соответствии с целями обучения, при этом правила порождения соответствующих грамматик включают от трех до двадцати правил (п. 2.1.).

Введенный класс «процедурных» вероятностных индексных грамматик обеспечивает генерирование заданий по задачным примитивам (п. 2.2.).

3. Решена задача идентификации характеристик процесса обучения. Количественная мера усвоения описывается неполноквадратич-ными моделями линейной множественной «регрессии» с количественными и качественными факторами (п. 3.5.).

4. Разработана и обоснована методика задания структурных переменных на примере характеристики — сложности lой задачи в серии задач одного класса. Эти факторы определяются как экспериментальные данные, собранные по схеме пассивных наблюдений п. 3.5.).

5. Предложен метод построения «регрессионных» моделей неполного ранга, модифицированный метод «перепараметризации», реализованный в виде пакета подпрограмм MULT К на алгоритмическом языке FORTRKN-IV для ЭВМ Единой Серии (п. 3.4.).

6. Методические указания, разработанные в соответствии с предложенным подходом, обеспечивающие адаптацию к индивидуальным особенностям обучаемых, использованы при проведении лабораторных занятий для студентов физических специальностей Белгосуниверсите-та по курсам 'Методы вычислений" и «Методы решения прикладных задач на ЭВМ» (гл.4).

7. Разработанные алгоритмы управления процессом обучения в АОС обеспечивают усвоение учебного материала на уровне «знание-умений с сокращением времени обучения в среднем в 1,5 раза при одновременном увеличении объема учебной информации в 1,5 раза в сравнении с традиционной формой обучения. Решение задачи адаптации к индивидуальным особенностям обучаемых позволяет получить дополнительное сокращение времени обучения в среднем на 15% по сравнению с работой по эквивалентной неадаптивной обучающей программе (гл.4).

Показать весь текст

Список литературы

  1. Высшая и средняя специальная школа за рубежом. Экспресс-информация. — М.: Изд-во НИИ Bill, вып. 1, с. 10-i4.
  2. Я.З. Адаптация и обучение в автоматических системах. -М.: Наука, 1968, с. 56−90.
  3. Растригин J1.A. Адаптация сложных систем. Рига: Зинатне, 1981, с. 134−165.
  4. KoWnnan E.B., bCount S.E. CL VCoduiav System for Qeneraiive CClI in TTlacKne Language Programmuicj, — IEEE Transactions of S^t.f ТПап. and Cy&er., N k, 4974, p. 335 -343.
  5. А.И., Пасхин E.H. Об адаптивных стратегиях в автоматизированном обучении. Вестник Московского университета, серия 15, № 2, 1980, с. 58−65.
  6. М.В., Найдович И. Н. Вопросы разработки архитектуры автоматизированных систем обучения lACO) на базе ЭВМ Ш поколения. В сб. Труды МЭИ, вып. 299, 1976, с. 30−34.
  7. Л.К., Калацкая Л. В., Новиков С. В., Орлов А. В., Тихоненко О. М. Разработка обучающей программы по курсу «Основы математической логики». В сб. Диалоговые и обучающие системы", Киев, 1973, с. 112−121.
  8. А.Я. Исследование и разработка методов использования ЭВМ в обучающих системах. Дис.. докт. тех. наук, М., 1972,
  9. Н.Ф. Управление процессом усвоения знаний. М.: Изд-во МГУ, 1975, с. 48−53.
  10. М.Г. Вопросы разработки методического и технического обеспечения системы автоматизации учебного процесса. Автореферат дис.. канд. тех. наук, М., 1974.
  11. А.П. Обучение и самообучение обучающих и контроли- 129 ругощих машин. М.- Изд-во МЭИ, 1976, с. 7−178.
  12. В.Д. Некоторые вопросы организации и разработки адаптивных обучающих систем на базе ЭЦВМ. Автореферат дис.. канд. тех. наук. Тбилиси, 1970.
  13. Р. Структура выбора решений для обучающих машин. -Киев, 1966, 180 с.
  14. Л.Г. Разработка и реализация алгоритмов обучения обучающих и контролирующих машин, автореферат дис.. канд. тех. наук. М., 1976.
  15. В.Е. Разработка и исследование принципов построения обучающих комплексов на базе ЭВМ. Дис.. канд. тех. наук. М., 1968.
  16. В.М., Довгялло A.M., Машбиц Е. И., Ющенко Е. Л. Основные проблемы использования вычислительной техники в учебном процессе. В сб. Применение ЭВМ в учебном процессе. — М.: Советское радио, 1969, с. 7−34.
  17. Отчёт о НИР «Исследование и разработка автоматизированных обучающих систем (АОС) на базе ЭВМ», т. 4. Мн., БГУ, 1980, номер, гос. регистрации 76 027 922.
  18. Краснов Н.§-. Технические средства обучения. БСЭ, т. 25, с. 529.
  19. О.А. Исследование и разработка автоматизированной системы обучения и частной методики преподавания специальной дисциплины с использованием технических средств. Автореферат дис.. канд. тех. наук. М., 1976.
  20. B.C. Вопросы разработки и внедрения некоторых современных технических средств обучения в условиях AC0 вуза. Автореферат дис.. канд. тех. наук. М., 1972.
  21. Методы системного педагогического исследования. Л., 1980, с. 129−165.
  22. А.А., Кушелев Ю. Н. Современные системы обучения. М.: Изд-во МЭИ, 1973, с. 80−92.
  23. Д., Дконсон Р. Система PLATO техническое средство обучения, использующее ЭВМ. — В сб. Кибернетика и педагогика, М.: Мир, 1972, с. 147−156.
  24. В.М., Довгялло A.M. и др. Типовая диалоговая обучающая система «Педагог» с сервисным режимом «Автор» для обучения языкам программирования. В сб. Теория языков и методы построения систем программирования, ИК АН УССР, 1972, с. 82 110.
  25. С.И. Применение ЭВМ для управления процессом обучения. М.: Знание, 1972, с. 3−15.
  26. Отчёт о НИР «Разработка и исследование экспериментальной вычислительной обучающей системы», т. 2. Мн., БГУ, 1976, номер гос. регистрации 75 059 355.
  27. A.M. Разработка и исследование комплекса технических средств автоматизированных обучающих систем вуза. Дис.. канд. тех. наук. Минск, 1977.
  28. В.Д., Алексеенко Е. А., Колычко С. Н., Агамирова Р. С., Куперман Э. И. Обучающе-программирующая система Дипрофор и некоторые результаты ее экспериментального исследования. -Управляющие системы и машины, № 6, 1975, с. 48−56.
  29. Г. А. Разработка и исследование алгоритмических методов анализа ответов для обучающей системы на базе ЭВМ. Автореферат дис.. канд. тех. наук. М., 1973.
  30. Kojfwcm Е.ь., Mount Е- CLrtijiciat Intelligence and CiutomalLc. Programming i-r> Cdl. CLrtUicLat, Vb f M3, №S, p. 245 -234 .
  31. Welter 3-D- Information //etu^orfts dn Generative. Computer-asststed Instruction. IEEE Trans.)TIan-П1achive Systems, liM, , p.79-S8.
  32. Ackers F.D. Co^nit Lire and Creative Test Generators -* Fait JoLni. Compuier Conference, i7. k f p. 2, <{97*2, p. Ш 653.
  33. Summons R.F. Haturat Language Jn$iructCoy, a? CommunwcatCon, OLrti^iciat bte^u^"nce amd HevKetilc Programming, OdCn&urgli, Wt*, p.27~k?.
  34. В.А. Сетевые грамматики для анализа естественных языков, Кибернетический сборник. Новая серия, вып. 13, М.: Мир, 1976, с. 120−158.
  35. В.И., Савельев А. Я. 0 формальном представлении учебных дисциплин при решении задачи составления учебного плана. Сборник научных трудов по проблемам микроэлектроники, вып. 6, М., 1971, с. 41−45.
  36. Н. Искусственный интеллект. Методы поиска решений. -М.- Мир, 1973, с. 41−45.
  37. Lee R.C., Chqnj С. L., Vatdinyer R.3. Q" Improved Program Sdi’Ythe.Svzun^. CK^ori-tlii-yi avid Correctness -CommUHbcqUon's <4 the IСГЛ, vj?, M, p
  38. H.K., Звягина Н. И., Самитов P.К. Программное обеспечение автоматизированной обучающей системы ГАММА. В сб. Тезисы докладов I Всесоюзной конференции «Человеко-машинные обучающие системы», М., 1979, с. 105−106.
  39. Go?d?erJ a., Suppes Р- Q Computer assisted Instruction Program -for on FCndiLn^ Qxiloms. — Tec. k Reporttarcljorcl IWversci^ - ?5 p.
  40. Н.И., Орлов А. В., Стрикелева Л. В. Математическое обеспечение автоматизированной обучающей системы «ЭВОС». «Экспресс-информация», изд-во НИИ Bill, М., 1976, с.3−10.
  41. Автоматизированные обучающие системы на базе ЭВМ, под ред. Чернявского А. Ф. Мн.: Изд-во БГУ, 1980. — 171 с.
  42. Н.Н. Методические указания по алгоритмическом/ языку Фортран-1У для обучающей системы «ЭВОС», гл. 1,П, Мн.: БГУ, 1976. 168 с.
  43. М.В. Методические указания по алгоритмическому языку Фортран-1У для обучающей системы «ЭВОС», гл.ШЛУ, Мн., БГУ, 1976. 119 с.
  44. Дк. Машинно-ориентированная логика, основанная на принципе резолюций. Кибернетический сборник. Новая серия, вып.7, 1970, с.194−218.
  45. Манна 3. Правильность программ. Кибернетический сборник. Новая серия, вып.7, 1970, с.85−93.
  46. Н.А., Давыдов Г. В., Маслов С. Ю., Минц Г. Е., Оревков В. П., Слисенко А. О. Алгоритм машинного поиска естественного логического вывода в исчислении высказываний. Л., 1965, с.3−38.
  47. Отчет о НИР «Разработка математического обеспечения методов обучения решению математических задач. Горький, НИИ механики при ГГУ им. Н. И. Лобачевского, 1980, номер гос. регистрации 78 008 408.
  48. Базовый язык обучающих курсов. СПОК-ВУЗ. т.2. — М.-К., 1980, с.18−105.
  49. Ю.И., Пушкин В. Н. О языке решения проблем. В сб. Вопросы кибернетики. Теория принятия решения.- М., 1975, с.13−20.
  50. Ю.И. Структура семантического языка. В сб. Автоматизация информационных работ и вопросы математической лингвистики, вып. I, К., 1967, с. 3−24.
  51. Ю.И. Ситуационное управление большими системами. М., „Энергия“, 1974. 120 с.
  52. Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981, с. 35−193.
  53. Г. А. О психологическом содержании понятия „задача“. Вопросы психологии, № 6, 1970, с. 75−85.
  54. Bobrou- D.G., Kaptan R.M., Norman D-A., Thompson Й., drtcj. Inlet., N2, -19??, p. 455 473.
  55. Г. П. Проблемы методологии системного исследования. М.: Знание, 1964, с. 3−15.
  56. Л.М. Дидактические основы применения задач в обучении. Автореферат докт. пед. наук. МГУ, I97i.
  57. A.M. Психологические закономерности мышления в проблемном обучении. Советская педагогика, № 9, 1969, с. 142−144.
  58. Э.Х. На пути к практическому синтезу программ. Кибернетика, К., № 6, 1976, с. 34−43.
  59. Э.Х. Применение вычислительных моделей в математическом обеспечении машинного проектирования. Л., 1972, с.3−12.
  60. Р. Теория решения задач. М.: Мир, 1972, с. 35−73.
  61. М.Ф. Семантическое представление и фрейм. -Ученые записки Тартусского государственного университета, 594, 1961, с. 135−148.
  62. В.И. Организация диалоговой системы для конструирования алгоритмов решения одного класса задач преобразования.- В сб. Теория задач и способов их решения, К., 1973, с.35−47.
  63. И.А., Коробов Б. В. К вопросу реализации в ЭВМ модели предметной области. Труды МЭИ, 1976, в. 299, с. 4−6.
  64. .А. Вопросы построения диалоговых обучающих систем на базе ЭЦВМ с коллективным пользованием. Автореферат дис.. канд. тех. наук. К., 1973.
  65. JI.B. О генерировании задач в автоматизированных обучающих системах. Вестник Белорусского университета, сер. I, № 2, 1979, с. 6−7.
  66. Weacfer j. V. Ci Teaching Program That Gieneraiespfe (Arithmetic. Pro^ems. Inl. J. Won — №acUwe iiudies, (tf 4, Шо, p. -27.
  67. Н.И., Калацкая JI.B., Лозовик M.C., Орлов А. В., Стрикелева А. В. Об использовании автоматизированной обучающей системы в курсе „Методы вычислений“. В сб. У^Республиканская конференция математиков Белоруссии, ч. I, ic. II4-II5.
  68. Г. А., Гергей Т., Довгялло A.M. Об одном подходе к построению адаптивных обучающих систем. „Кибернетика“, № 3, 1968, с. 71−79.
  69. A.M., Ющенко Е. Л. Системы для обучения и решения задач в режиме диалога в вычислительной машине. Кибернетика, № 3, 1973, с. 134−145.
  70. В.В., Калацкая Л. В., Вавилова А. В. Программированное обучение автокоду „Инженер“ с помощью многопультовой системы на базе ЭВМ „Минск-2“. В сб. Применение ЭВМ в учебном процессе, К., 1970, с. 78−87.
  71. В.А., Калацкая Л. В. 0 математическом обеспечении многопультовой обучающей системы на базе „Минск-2/22“. В сб. Математические и информационные проблемы прогнозирования и управления наукой, К., 1971, с. 194−201.
  72. В.А., Барановский Л. К., Калацкая Л. В., Орлов А. В., Новиков С. В. Об одной обучающей системе на базе ЭВМ „Минск2“. В сб. Труды научной сессии, посвященной Дню радио и Дню связиста, М., 1972, с. б.
  73. Л.К., Калацкая Л. В., Новиков С. В., Орлов А. В., Тихоненко О. М. Применение ЭВМ при изучении курса „Математическая логика“. В сб. Труды научной сессии, посвященной Дню радио, и Дню связиста, М., 1972, с. 6−7.
  74. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977, с. 35−186.76. buppes Р- ProSaEiXtstLc. Qr-ommar Jor NoturaC Languages.-Syhthese y 22, К i~2, №?0 .
  75. Santos ?u<3 еие <>. Pro&afcitCziic Qramtnars and (Automata,-bvfoir-ma-lCoH ancl Control, 2J j Ш2, p.2.7−47.
  76. H.A., Шлезингер М. И. Синтез вероятностной автоматной грамматики, описывающей заданное множество последовательностей. Кибернетика, 4, 1977, с. II6-I20.
  77. Н. Формальные свойства грамматик. Кибернетический сборник. Новая серия, вып. 2, 1966, с. 121−230.
  78. Ахо Альфред. Индексные грамматики расширение контекстно-свободных грамматик. — В сб. Языки и автоматы, М.: Мир, 1975, с. 130−165.
  79. Д. Программные грамматики и классы формальных языков. В сб. Сборник переводов по вопросам информационной теории и практики, М.: Изд-во ВИНИТИ, 1970, с. 28−40.
  80. Fu K.S., Huan^ Т. StoclnasUc Grammars anol1. n^uojes. Ihi. 3. Computer and l^-f. Sec, t % ЫmZt p- 34 -42.
  81. Дж., Стэнли Дж. Статистические методы в педагогике и психологии. М.: Прогресс, 1976, с. 123−178.
  82. Л.М. О корректном применении статистических методов в психолого-педагогических исследованиях. Советская педагогика, № 3, 1971, с. 64−74.
  83. М. Экспериментальная психология. М.: Мысль, 1966, с. 12−19.
  84. В.К. Технические средства обучения, вып. 3. М., 1974, с. 3−29.
  85. В.П. Основы теории педагогических систем. Воронеж, 1977. — 304 с.
  86. Р.Я. Адаптивное программированное пособие для обучения решению задач. М., 1973, — 38 с.
  87. Ю.А. Об одной семантической модели теории информации. В сб. Проблемы кибернетики, вып. 13, 1965, с. 233−240.
  88. П.М., Пойда В. Н. Методы, алгоритмы и программы статистического анализа. Мн.: Наука и техника, I97I.-223 с.
  89. A.M. Логическая структура учебного материала. М.- Педагогика, 1974. — 192 с.
  90. Н.В. Методические указания к зачету по темам „Криволинейные интегралы, ряды и функции многих переменных для обучающей системы „ЭВОС“, Мн., БГУ, 1976. 8 с.
  91. Suppes P. t Loftus Е-, Jerrr>an ГП. Proper* „Ufcvilhg or) a Computer -&ased Tefeti^pe.- Technucat Report j1. N -102 p.
  92. В. Гипотеза глубины. В сб. Новое в лингвистике, вып. 4, М., 1965, с. 128−134.
  93. JI.B. Об одном подходе к определению сложности за-зач в автоматизированных обучающих системах. Вестник Белорусского университета, сер. I, 1978, № 2, с. 55−58.
  94. Математическое обеспечение ЕС ЭВМ. Мн., 1973, вып. 2, с. 34−40.
  95. Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973, с. 357−376.
  96. М.Дк., Стьюарт А. Теория распределений. М.: Наука, 1966. — 587 с.
  97. В.И. Математическое обеспечение системы ЭВМ экспериментатор. — М.: Наука, 1977, с. 143−184.
  98. Л.В., Лозовик М. С. Методические указания по курсу „Методы вычислений“. Мн., БГУ, 1979. — 50 с.
  99. С.И. Основные направления применения ЭВМ в учебном процессе. Проблемы педагогической квалиметрии, М., вып. 2, 1975, с. 3−15.)
  100. В.П., Лецкий Э. К. Статистическое описание промышленных объектов. М.: Энергия, 1971, с. 3−23.
  101. Рао С. Р. Линейные статистические методы и их применения. -М.: Наука, 1968, 547 с.
  102. С., Госман У. Матричная алгебра в экономике. М.: Статистика, 1974. 374 с.
  103. Дк. Линейный регрессионный анализ. М.: Мир, 1980, с. 74−92.
  104. Г. Дисперсионный анализ. М.: Наука, 1980. — 512 с.
  105. Н.Ф., Ковгунова Н. Ф. Моделирование процесса составления контролирующих программ. В сб. Вопросы программирования в преподавании математики, Рига, 1972, с. 49−61.
  106. B.C., Щербакова О. Н. Содержательно-методическая структура курса обучения РЕФАЛу. В сб. Машинное обучение с помощью диалога. М., 1976, с. 32−37.
  107. НО. Мухарский A.M., Тарнопольский А. И. Комплекс техническихсредств автоматизированной обучающей системы. В сб. Машинное обучение с помощью диалога, М., 1976, с. 134−138.
  108. ИЗ. Озолинь М. Э. Способ представления знаний в автоматизированной обучающей системе. Ученые записки Тартусского государственного университета, 594, 1981, с. 89−101.
  109. Перечисленные выше результаты тов. Калацкой Л. В. в полной мере реализованы в названных организациях.
  110. Пакет подпрограмм MULTK для построения"регресионных“ моделей с количественными и качественными факторами входит в программное обеспечение системы „АТОС“ БГУ и может обеспечить автоматическое генерирование задач на основе предыстории обучения.
  111. В Московском технологическом институте пищевой промышленности пакет прикладных программ MULTK использован в курсовом и дипломном проектировании и позволил решать принципиально новые задачи анализа экономических процессов.
  112. Акты и справка о внедрении результатов работы прилагаются.
  113. Применение пакета подпрограмм MULTK позволило повысить качество и обоснованность проектных решений и увеличить на Ъ% применение ЭВМ в учебном процессе экономического факультета Московского технологического института пищевой промышленности.
  114. Завкафедрой электронных математических машин, к.т.н., доцент1. Г. К.АФАНАСЬЕВ/организации и внедрение ЁГУ им. В.И.Ленина1. Зам.зав.отделом1. В.П.ХРИТОНЕНКО/1. УТВЕРЖДАЮ“
  115. Характеристика качества использования (внедрения) результатов1. НИР:
  116. Студенты обучаются на системе коллективного пользования с терминалами типа „дисплей в диалоговом режиме, т. е. работают на системах, наиболее перспективных для различных производств и систем научных исследований.
  117. Повышен уровень обучения студентов sa счет интенсификации индивидуальной работы на оборудовании АОС.
  118. Сокращено время, необходимое на проведение одного лабораторног ванятия при одновременном увеличении объема информации, передаваемой студентам.
  119. Прилагаются и являются неотъемлемой частью настоящего акта:
  120. Выписка из протокола заседания кафедры ЭММ с рекомендациями к внедрению результатов работы-
  121. А.С. / Корзюк М.И. Кузичев Г. К.З^ ¦J! ^Си^ Пальцев А. А. / /2-Рг^Зи|юков A.M. ^ииш^фная U.В.1. Исполнители НИРjWSU, >
  122. М. С. Калацкая Л.В. Зеленков Н. И. Орлов А.В. Стрикелева Л.В.
  123. МИНИСТЕРСТВО ВЫСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЯ БЕЛОРУССКОЙ ССР
  124. БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМ.В.И.ЛЕНИНА
  125. МНК подпрограмма для вычисления расширенной матрицы коэффициентов системы нормальных уравнений при приближении функции’по методу наименьших квадратов полиномом степени Vw.-
  126. Л)М- подпрограмма для нахождения корня нелинейного уравнения по методу Ньютона-- подпрограмма для нахождения корня нелинейного уравнения по методу итераций-
  127. TI подпрограмма для отыскания значений интеграла по методу трапеций g — подпрограмма для вычисления значения определенного интеграла по формуле Симпсона-
  128. PI подпрограмма для решения системы линейных алгебраических уравнений методом простой итерации-
  129. В качестве положительных эффектов следует отметить:
  130. Студенты обучаются на системе коллективного пользования с терминалами типа „дисплей“ в. диалогом режиме, т. е. работают на системах, наиболее перспективных для различных производств и систем научных исследований.
  131. Повышен уровень обучения студентов за счет интенсификации индивидуальной работы на оборудовании АОС.
  132. Сокращено время, необходимое на проведение одного лабораторного занятия, при одновременном увеличении объема информации, передаваемой огудеытам.
  133. Студентами приобретены навыки практической работы с использованием алгоритмического языка „Фортран“.
  134. Б разработке темы принимали участие ст. преподаватель кафедры ЭММ Лозовик U.C., ассистент кафедры ЭММ Калацкая Л. В., ст.н.с.Зеленков Н. И., ст.н.с.Орлов А. В., ст.н.с.Стрикелева Л.В.
  135. Результаты работы доложены на У1 Всесоюзной конференции по планированию и автоматизации эксперимента в научных исследованиях (г.Москва, 1980), межвузовском научно-методическом семинаре „Состояние и перспективы развития АОС на базе ЭВМ“ (г.Минск, 1980).
  136. За в. кафедрой 3Mi/ Факультета радиофизики и> 1):Пэлектроники, доцент-, /Афанасьев Г. К./
  137. ЛАБОРАТОРНАЯ РАБОТАВ I (4 ч.)
  138. Выполнишь задания обучающе-контролирующей программы по теме „Теория погрешностей“ в диалоговом режиме с терминала типа „дисплей“.
  139. Решить задачу индивидуального задания с помощью программы „Интерпретатор“ Составив Фортран-программу, ввести ее пооператорно с пульта, решить задачу в режиме „Выполнить, наблюдая“.
  140. Цель работы: закрепить лекционный материал, получить численные результаты и оценить их погрешность.
  141. ЛАБОРАТОРНАЯ РАБОТА № 2 (4 ч.)
  142. Выполнить задания обучающв-:контролирующей программы по теме „Приближение функций“ в диалоговом режиме на системе „ЭВОС“ с терминала типа „дисплей“.
  143. С помощью программы „Интерпретатор“ решить задачу, сгенерирован-. ную системой, учитывающую предысторию обучения и факторы, влиящие на сложность задачи.
  144. Цель работы: закрепить лекционный материал, получить численные результаты индивидуальной задачи, провести оценку погрешностей полученных результатов с помощью программы 'кнтерпре та тор“.
  145. ЛАБОРАТОРНАЯ РАБОТА № 3 (4.4.)
  146. Выполнить задания обучающе-контролирующей программы по теме „Приближенное решение алгебраических и трансцендентных уравнений“ в диалоговом режиме на системе ЭВОС» с терминала типа «дисплей».
  147. Целъ работы: закрепить лекционный материал, получить приближенны! значения корней нелинейных уравнений, определить число итераций.
  148. ЛАБОРАТОРНАЯ РАБОТА № 4- (4ч.)
  149. Выполнить задания обучающе-контролирующей программы по теме «Приближенное вычисление определенных интегралов» в диалоговом режимес терминала типа «дисплей».
  150. Решить задачу индивидуального задания с помощью программы «Интерпретатор».
  151. Цель работы: закрепить лекционный материал, получить приближенные значения определенных интегралов, определить шаг интегрирования, позволяющий найти значение интеграла с требуемой точностью.
  152. ЛАБОРАТОРНАЯ РАБОТА й 5 (4 ч.)
  153. Выполнить задания обучающе-контролирующей программы по теме «Чис-леннве решение обыкновенных дифференциальных уравнений» в диалоговом режиме с терминала типа «дисплей».
  154. Решить задачу индивидуального задания с помощью программы «Интерпретатор».
  155. Директор ВЦ БГУ им. В. И. Ленина, к.ф.-м.н., доцент а>' • ^ ' ~ /Пальцев А.А./
  156. Ответственный за ФАП БГУ им. В.И.Ленина1. Саенко А.П./
Заполнить форму текущей работой

Сдать сессию!