Понятия, отобранные из науки и включенные в программу (стандарт) учебной дисциплины, образуют состав (содержание) учебной системы знаний (СЗ). В большинстве учебных дисциплин семантическая сеть понятий содержит не менее половины объема всего учебного материала. Вторая половина, включающая описание структуры (формы) СЗ и функции (цели) СЗ, не может быть изучена без усвоения понятийного состава СЗ. Поэтому контроль понятийного состава знаний обучаемых в технологичном учебном процессе имеет приоритетное значение. Опытный преподаватель довольно просто, после нескольких вопросов, может оценить уровень понятийной подготовки обучаемого. Такой опыт можно передать экспертной системе, которую удобно использовать для автоматической многократной проверки понятийных знаний.
Представление понятийного знания в виде семантической сети оправдано, поскольку на множестве понятий существует естественное отношение частичного порядка по включению объемов понятий. Отражая в семантической сети только ближайшие родовидовые связи (и не отражая связи, вытекающие из транзитивности), получим дерево понятий с корнем в понятии " система" -- самом широком по объему понятии. Такое дерево легко хранить в базе данных экспертной системы.
Экспертная система предлагает обучаемому тестовые задания (ТЗ) типа " сравнение по отношению к родовидовой связи", которые автоматически генерируются из дерева понятий. Испытуемому выдаются понятия , которые необходимо сравнить и выбрать одну из четырех альтернатив: А > B, A < B, A = B, несравнимы. Понятия отображаются на экране различными моделями: имя понятия, определение понятия, описание содержания понятия, подмножество (несколько элементов) объема понятия и другие модели. Модели понятий хранятся в базе данных вместе с деревом понятий.
Экспертная система использует два набора продукционных правил. Один -- для выбора очередного ТЗ в зависимости от ответов на предыдущие ТЗ; здесь же анализируется правильность ответа тестируемого.
Второй набор используется при вычисления рейтинга обучаемого -- интегрального критерия обученности. Рейтинг рассчитывается как взвешенная сумма проявлений некоторых свойств обучаемого. Используются такие свойства, как знание родовидовых связей имен понятий, знание определений, представление об объемах понятий, владение содержанием понятий и др. Выбрать конкретные проявления свойств для конкретного испытуемого в условиях неполноты измерения знаний -- это основная задача второго набора правил. Используются правила типа: " Если понятия представлены своими именами, и родовидовая цепочка, связывающая , достаточно длинная, и испытуемый правильно сравнил , то он, по-видимому, владеет родовидовой сетью имен понятий". Ряд правил используется для анализа изменения рейтинга испытуемого; на основе этх правил принимается решение об окончании экспертизы.
Система универсальна: меняя деревья понятий, получим экспертные системы для оценивания понятийного состава знаний по любым учебным предметам.
Демонстрационный прототип системы реализован в интегрированной среде GURU.
Новосибирский Университет