ФОРМИРОВАНИЕ ОБУЧАЕЩЕГО МНОЖЕСТВА ЗАВИСИМОСТИ ЗНАНИЙ СТУДЕНТОВ ОТ ИХ МЕНТАЛИТЕТА ДЛЯ ДВУХСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ

Введение

В качестве объекта исследования рассматривается университетская система подготовки профессиональных специалистов, состоящая из студентов, преподавателей и среды обучения [1]. Если учесть, что образовательный процесс невозможно описать математически точно из-за неоднородности, многопараметричности, интеллектуальности и сложности взаимодействия элементов структуры, то очень продуктивным способом, которым можно воспользоваться для исследования такого объекта – моделирование на основе искусственных нейронных сетей [2]. Для построения модели неоднородного объекта целесообразно применить нейросетевую методологию как универсальное средство аппроксимации функции, зависящей как от числовых, так и от качественных данных.

Поэтому целью данной работы является разработка нейросетевой модели, способной функционально описать зависимость получаемых студентом профессиональных знаний и умений от факторов, влияющих на полноту этих знаний, в частности от психофизиологических характеристик студента. Для достижения этой цели необходимо решить следующие задачи:

• определить внешние и внутренние факторы, влияющие на качество усваивания знаний и навыков;
• разработать методику определения ментальных и психофизиологических особенностей преподавателей и студентов;
• разработать структуру и способ обучения нейросетевой модели.

Назначение данной модели состоит в прогнозировании качества профессионального обучения студентов в зависимости от их личностных характеристик и знаний.

Личностные характеристики определяются путѐм тестирования студента и анализеполученных результатов. Оценки для построения обучающего множества для первой нейросети берутся из экзаменационной ведомости дисциплины.

Остаточные знания студентов по дисциплине определяются во второй нейросети.

Входными данными для этой нейросети выступают: прогнозируемые оценки с выхода первой нейросети, а перечень знаний и умений берутся из учебной программы дисциплины. Обучающее множество для второй нейросети формирует преподаватель, используя свой профессиональный опыт, получаемых студентом профессиональных знаний и умений по одной дисциплине от факторов, влияющих на полноту этих знаний [3].

Структура нейросетевой модели изображена на рис. 1.

Также были применены оценочные методики определения ментальных и психофизиологических особенностей студента. Эти методики в совокупности образуют систему, которая определяет ментальный портрет студента. В табл. 1 представлена данная систематизация.

После прохождения всех тестов будет определѐн ментальный портрет студента, который можно будет использовать при разработке модели передачи знаний [2], [4].

Процесс обучения студентов заключается в передаче знаний и навыков от преподавателей. Качество обучения фиксируется в экзаменационной ведомости. Разрабатываемая модель процесса обучения должна формировать на выходе остаточные знания студента по отдельной дисциплине, с которыми он выходит на рынок труда. По ним работодатели решают вопрос о трудоустройстве кандидатов на вакантные должности [5].

Таблица 1. Систематизация характеристик студента

Прогноз остаточных знаний по одной конкретно взятой дисциплине для одного студента осуществляется в два этапа. На первом этапе прогнозируется экзаменационная оценка, а на втором этапе, исходя из прогнозируемой оценки, формируется усреднѐнный набор остаточных знаний и умений, соответствующий данной оценке. Первая нейронная сеть будет обучаться на основании ментальных портретов группы студентов и экзаменационной ведомости. Вторая нейросеть – на основании критериев оценки и учебной программы дисциплины, в которой содержится перечень знаний и умений [6].

Структура обоих нейросетей относится к классу однородных многослойных персептронов с полными последовательными связями и с сигмоидальной функцией активации. Обучение нейросетей проводилось по стратегии «обучение с учителем» по алгоритму обратного распространения ошибки. Обучающее множество для второй нейросети составляет преподаватель-профессионал (эксперт) по своей дисциплине, используя утверждѐнные критерии оценки и учебную программу дисциплины, которая содержит перечень знаний и умений. Для проверки адекватности нейросетевой модели в качестве среды моделирования искусственных нейронных сетей использовался пакет NeuralNetworkToolbox, который входит в стандартную поставку MATLAB [1], [6].

Выводы

Предложен подход к нейросетевому моделированию трудно формализуемого процесса профессионального обучения молодых специалистов, основанный на имитации процесса передачи профессиональных навыков и знаний в зависимости от личностных характеристик студентов.

Установлены внешние и внутренние факторы, влияющие на успеваемость студентов и качество усваивания знаний и навыков. Особое внимание было уделено студенту как личности и его месту в процессе обучения. Исходя из этого, была разработана специальная методика, позволяющая анализировать психологические, эмоциональные, природные и физические способности студента.

Первые результаты исследования наNetworkToolboxпакета MATLABпоказали, что предложенная идея построения моделиможет быть положена в основу построения системы моделирования процесса обучения в ВУЗе.

Список литературы

1.Федяев О.И. Нейросетевая модель процесса профессионального обучения молодых специалистов. – В сб. 5-й междунар. науч.-техн. конф. «Открытые семантические технологии проектирования интеллектуальных систем» (OSTIS2015) (Минск,19-21 февраля 2015 г.). – Минск: БГУИР, 2015. – С. 357-364.

2.Бусленко Н.П. Моделирование сложных систем.– М.: Наука, 1978. – 250 с.

3.Аверченков В.И. и др. Основы математического моделирования технических систем, 2-е изд. – М.: ФЛИНТА, 2011. - 271 с.

4.Шенон Р. Имитационное моделирование систем – искусство и наука: Пер. с англ. – М.: Мир, 1978. – 320с.

5.Ильин Е.П. Психология творчества, креативности, одарѐнности. – СПб.: Питер, 2004. – 537 с.

6.Айзенк Г. Новые тесты IQ - М.: Изд-во «ЭСКМО», 2003. – 189.