Українська  English
ДонНТУ  Портал магистров

Реферат по теме: Агентно‑ориентированное моделирование подготовки и трудоустройства молодых специалистов

Содержание:

1. Цели и задачи исследования

Целью данной работы является построение имитационной модели процесса подготовки молодых специалистов с помощью агентно‑ориентированного подхода.

Задачи исследования:

  1. Анализ процесса обучения студентов университета как системы с распределенным интеллектом.
  2. Описание процедуры передачи знаний от преподавателя к студенту.
  3. Определение внешних и внутренних факторов, влияющих на успеваемость студентов и качество усваивания знаний и навыков.
  4. Разработка методики определения ментальных и психофизиологических особенностей преподавателей и студентов.
  5. Разработка структуры искусственных агентов для преподавателей и студентов на основе нейронных сетей.
  6. Разработка алгоритмов обучения искусственных агентов.

2. Актуальность темы исследования

Агентно‑ориентированный подход к моделированию – это разновидность представления имитационных моделей совокупностью взаимодействующих искусственных агентов, в которых основополагающими концепциями являются понятия агента и его ментальное поведение, зависящее от среды, в которой он находится.

Агентно‑ориентированные модели представляют собой специальный класс имитационных моделей, основанных на индивидуальном поведении множества агентов, и создаваемых для компьютерных симуляций. Эти компьютерные симуляции тесно взаимосвязаны со следующими понятиями: вычислимая экономика, сложные распределённые системы, метод Монте – Карло, вычислительная социология, системы с множеством интеллектуальных агентов и эволюционное программирование.

Такие модели дают возможность описывать процессы не только с математической стороны, но также учитывать другие факторы, такие как психология, экономика, социальные факторы. Это делает данный инструмент очень востребованным в современной науке.

Актуальность данного исследования заключается в том, что построенная модель позволит анализировать качество учебного процесса в высшем учебном заведении и прогнозировать трудоустройство выпускников вуза с учётом требований работодателей. Данная модель будет учитывать распределённость и интеллектуальность системы обучения студентов вуза, а также факторы, влияющие на них.

3. Научная новизна исследования

Модель будет отличаться возможностью более реалистично отражать трансформацию знаний в обучающем процессе преподаватель – студент, то есть имитировать процесс передачи профессиональных навыков и знаний в зависимости от личностных характеристик участников процесса (преподавателей и студентов).

В разрабатываемой имитационной модели будут использованы методы искусственных нейронных сетей, что делает данную работу по‑своему уникальной.

4. Планируемые практические результаты

  1. Агентно‑ориентированная модель подготовки молодых специалистов.
  2. Методика определения личностных характеристик преподавателей и студентов.
  3. Структура алгоритма обучения искусственных агентов.

5. Обзор исследований и разработок по теме

Данная тема интенсивно развивается в Донецком национальном техническом университете на кафедре прикладной математики и информатики под руководством доцента Федяева О. И. Под его руководством защитили магистерские работы следующие магистры:

  1. Стропалов А. С. Выпускная работа Нейросетевые модели программных агентов в социально‑ориентированных мультиагентных системах.
  2. Лукина Ю. Ю. Выпускная работа Агентно‑ориентированные программные модели поведения человека в социально‑экономической среде.
  3. Зудикова Ю. В. Выпускная работа Оценка эффективности многоагентного моделирования систем с распределенным интеллектом.
  4. Грач Е. Г. Выпускная работа Модель предприятия как интеллектуальная искусственная система для анализа и управления на основе знаний.
  5. Лямин Р. В. Выпускная работа Многоагентная система обучения студентов на кафедральном уровне.
  6. Зайцев И. М. Выпускная работа Модели коллективного поведения интеллектуальных агентов в многоагентных системах моделирования и управления предприятием.

Агенно‑ориентированным моделированием и программированием занимаются ученые и программисты по всему миру, в том числе и в ведущих университетах планеты. Существует крупный сайт, на котором размещены электронные научные публикации.

Так же доказательством актуальности этой темы в мире может служить количество ответов на запрос multi agent systems modeling в поисковой системе Google – более 12 миллионов.

Мультиагентные системы применяются в различных областях человеческой деятельности, таких как образование, медицина и экономика.

6. Теория агентно‑ориентированных систем

6.1. Интеллектуальный агент

Термин агент происходит от латинского глагола agere, что означает действовать, двигать, править, управлять. В Википедии агент – это некоторая сущность (система), которая обладает свойствами, помимо свойств объекта – существовать и объединять, необходимыми для взаимодействия с внешней средой.

Для работы искусственный агент должен иметь определённые интеллектуальные способности, а также возможность взаимодействовать с владельцем для получения заданий и передачи результатов.

Общепринятого определения интеллектуального агента пока нет. Но наиболее популярное из них следующее.

Интеллектуальным называется искусственный агент, который способен действовать автономно и гибко (flexible) для достижения поставленных перед ним целей, при этом под гибкостью понимают:

6.2. Мультиагентные системы

Из отдельных агентов можно строить многоагентные (мультиагентные) системы (МАС). Среди специалистов используется следующее формальное определение многоагентной системы МАС:

MAС = (A, E, R, ORG, ACT, COM, EV),

где: А – множество агентов среды Е, находящихся в определенных отношениях R и взаимодействующих друг с другом, формирующие некоторую организацию ORG, обладающих набором индивидуальных и совместимых действий ACT (стратегия поведения и поступков), включая возможные коммуникативные действия COM и возможность эволюции EV.

Чтобы сделать МАС готовыми к промышленному применению, некоммерческая ассоциация под названием FIPA, предложила ряд норм и стандартов, которые разработчики мультиагентных систем должны выполнять, чтобы МАС были совместимыми с другими системами:

Недостатки МАС [4]:

7. Агентная система моделирования подготовки и трудоустройства специалистов на рынке труда

7.1. Система взаимодействия агентов на рынке труда

В данной работе рассматривается имитационная система, которая изначально включает в себя три типа искусственных агентов, которые реализуют главные функции своих реальных объектов и их взаимодействие в моделируемом процессе. Для моделирования процессов подготовки и трудоустройства молодых специалистов необходимы следующие агенты:

Взаимодействие этих агентов определяет сущность модели подготовки молодых специалистов для рынка труда. В данной модели предусмотрены три типа взаимодействия.

  1. Взаимодействие работодателей и выпускников.
  2. Взаимодействие работодателей и университетов.
  3. Взаимодействие выпускников и университета в процессе обучения.
Система подготовки и трудоустройства молодых специалистов

Рисунок 1. Система подготовки и трудоустройства молодых специалистов (анимация: 7 кадров, 10 циклов повторения, 91 килобайт)

Для формализации взаимодействия данных объектов были использованы следующие предположения и упрощения:

  1. Процесс обучение происходит непосредственно между преподавателем и студентом, под влиянием внешнего фактора – плана обучения, а так же внутренних факторов, которые определяются личностными характеристиками студентов и преподавателей.
  2. В процессе обучения для каждого предмета, в соответствии с его учебной программой, установлен определенный набор профессиональных знаний в виде навыков и умений, необходимых для усвоения студентами.
  3. Реальный уровень усвоения студентами знаний по предмету определяется экзаменационной оценкой, выставляемой преподавателем.
  4. Для каждого студента формируется личный (индивидуальный) набор из знаний и умений, усвоенный в процессе изучения данной дисциплины и который будет использоваться при собеседовании с работодателем.
  5. Учебная программ дисциплины рассматривается как нормативная информация.

7.2. Модель взаимодействия университета и выпускников (студентов)

На рисунке 2 показана предложенная нами модель обучения студента по одному предмету. На выходе модели формируется вектор – список знаний и умений по одной дисциплине, которыми студент овладел после окончания университета. Стоит заметить, что некоторые знания и умения не присутствуют в конечном варианте вектора, так как студент, в силу своих ментальных особенностей, не усвоил их.

Процесс обучения студента по одному предмету

Рисунок 2. Процесс обучения студента по одному предмету

Позже этот вектор будет рассмотрен работодателем, который и сделает вывод – сможет ли выпускник с таким вектором знаний и навыков справляться с предложенной должностью.

Как известно, на успешность обучения студента влияет ряд факторов. Эти факторы были разделены на несколько категорий и по каждому из них планируется анализ и разработка методики оценки действия того или иного фактора на студента.

Факторы, влияющие на усвоение материала студентом

Рисунок 3. Факторы, влияющие на усвоение учебного материала студентом

Качество усвоения материала студентами во многом определяется мастерством преподавателя. Поэтому агент Преподаватель должен быть наделён своей собственной ментальностью, уровнем профессионализма и способом преподнесения информации.

У преподавателя так же имеются факторы, влияющие на его способность правильно и доходчиво объяснить предмет. Эти факторы в данной работе рассматриваться не будут в связи с их схожестью с факторами, влияющими на студентов.

Модель взаимодействия агентов приведена на рисунке 4. Она иллюстрирует эффективность передачи знаний и навыков в зависимости от личностных характеристик агентов.

Взаимодействие агентов <q>Преподаватель</q> и <q>Студент</q>

Рисунок 4. Взаимодействие агентов Преподаватель и Студент

Выводы

Таким образом, в данном исследовании будет формализован процесс обучения специалистов, который является частью большой модели подготовки и трудоустройства специалистов, которая рассматривается как динамическая система с распределённым интеллектом. Эта работа может иметь продолжение в направлении формализации взаимоотношений университетов и работодателей для оптимизации учебных планов, которые в данном исследовании задаются априори.

Планом данного исследования предусмотрено получение агентно‑ориентированной модели подготовки специалистов, которая позволит проводить анализ и прогнозирование процесса обучения студентов в учебном заведении.

Для построения программных агентов, которые должны реализовать трудно формализуемые роли участников учебного процесса, будут использованы искусственные нейронные сети чрезвычайно популярные в наше время.

Список источников

  1. Лукина Ю. Ю., Федяев О. И. Технология создания мультиагентных систем в инструментальной среде MadKit Электронный ресурс]. – Режим доступа: http://www.masters.donntu.ru.
  2. Бугайченко Д. Ю., Соловьев И. П. Абстрактная архитектура Интеллектуального агента и методы ее реализации [Электронный ресурс]. – Режим доступа: http://www.sysprog.info/2005/03.pdf.
  3. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям [Электронный ресурс]. – Режим доступа: http://www.burnlib.com.
  4. Jacques Ferber, Olivier Gutknecht, Fabien Michel From Agents to Organizations: an Organizational View of Multi‑Agent Systems [Электронный ресурс]. – Режим доступа:http://www.lirmm.fr.
  5. Зудикова Ю. В. Оценка эффективности многоагентного моделирования систем с распределенным интеллектом [Электронный ресурс]. – Режим доступа: http://masters.donntu.ru.
  6. Клебанов Б. И., Москалев И. М., Бегунов Н. А., Крицкий А. В. Мультиагентная имитационная модель муниципального образования [Электронный ресурс]. – Режим доступа: http://window.edu.ru.
  7. Котенко И. В. Многоагентное моделирование для исследования механизмов защиты информации в сети Интернет – ИММОД 2009 с. 38–47 [Электронный ресурс]. – Режим доступа: http://www.spiiras.nw.ru/files/conferences.
  8. Лямин Р. В. Многоагентная система обучения студентов на кафедральном уровне [Электронный ресурс]. – Режим доступа: http://masters.donntu.ru.
  9. А. Н. Швецов. Агентно‑ориентированные системы: от формальных моделей к промышленным приложениям [Электронный ресурс]. – Режим доступа: http://window.edu.ru.
  10. Зайцев И. М., Федяев О. И. Агентно‑ориентированный подход к моделированию интеллектуальных распределённых систем: Сб. – Донецк: ДонНТУ, 2008. – С. 337–338.
  11. Тарасов В. Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта: Сб. – 1998. – № 2.

Примечание

При написании данного автореферата магистерская работа еще не завершена. Окончательное завершение – 1 декабря 2014 г.