ИНФОРМАЦИОННАЯ ПОДДЕРЖКА
ПРИНЯТИЯ РЕШЕНИЙ В ПРОФОРИЕНТАЦИОННОЙ
ПЕДАГОГИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ
М.В.Танюкевич
(Уфимский государственный авиационный
технический университет, Россия)
Сложность принятия управленческого решения
связана с тем, что лицо, принимающее решение, не
имеет релевантной информации об объекте
управления ( о том, в каком состоянии он
находится, к какому классу относится наблюдаемая
ситуация и т.д.), которая позволила бы однозначно
определить правильное решение. Получение такой
информации либо вообще не представляется
возможным, либо требует значительных временных
или материальных затрат. Те же сведения, которые
есть об объекте в момент принятия решения, хотя в
какойто мере и характеризуют объект управления,
однако недостаточны для точного определения
правильного решения.
Ситуации, когда необходимо принять решение в
условиях неопределенности, часто возникают и в
педагогике. В настоящее время во многих школах
практикуется создание классов с различным
уклоном (математическим, гуманитарным и т.д.),что
приводит к проблеме распределения детей по таким
классам. Для оценки интеллектуальных
способностей ученика, в этом случае, обычно
используется тестирование. Однако оно
затруднено тем, что области значений
характеристик тестируемых неизвестны.
Для систем поддержки принятия решений в таких
условиях неопределенности разработан алгоритм,
в основе которого лежит идея использования
прошлого опыта управления системой для
выработки текущих рекомендаций. Для этого
использовав метод потенциальных функций
ЭМБравермана [I], a также метод полного
сингулярного разложения матриц, позволивший
решить проблему плохой их обусловленности при
решении задачи методом наименьших квадратов.
В процессе реального функционирования системы
по мере накопления новых знаний об объекте
управления производится ее обучение,
заключающееся в корректировке вектора
параметров потенциальных функций
соответствующих классов путем решении системы
линейных уравнений. Решение такой системы
уравнений производится после добавления в базу
данных новых наборов информативных показателей
с указанием класса ситуаций, к которому
относится набор. С течением времени получаемые в
результате решения системы линейных уравнений
вектора параметров потенциальных функций
сходятся к таким оптимальным векторам, которые
обеспечивают максимальную точность
классификации.
Одним из наиболее популярных тестов является
школьный тест умственного развития (ШТУР),
который состоит из 6 субтестов: осведомленность (2
субтеста);
• аналогии;
• классификация;
• обобщение;
• числовые ряды.
При этом, вопросы теста могут быть
сгруппированы и по принципу отвесенности к
разным группам школьных предметов.
Для проверки возможности применения
предлагаемого алгоритма для системы поддержки
принятия решения о том, какой класс
порекомендовать ученику, использовались
результаты тестирования учащихся 10-11 классов по
методике ШТУР (тестирование проводилось, когда
дети учились в 9 классе) и результаты опроса
завуча и учителей школы (им предлагалось
разделить учащихся по классам). Общий объем
выборки составил 60.
Проведенное тестирование алгоритма показало
следующее. 1) С ростом объема выборки улучшается
качество классификации (уменьшение числа
ошибок), что говорит об успешности процесса
обучения системы решения вопроса деления детей
на классы; 2) Обучение системы при использование в
качестве характеристик ученика показателей по
предметам более эффективно: процесс улучшения
качества классификации идет стабильнее и
быстрее. Предполагается, что это связано с тем,
что эти показатели, в отличие от показателей по
субтестам, отражают не только умственные
способности ученика, но и его интерес к предмету,
который немаловажен для успешного его усвоения.
3) Качество классификации зависит от числа
интервалов разбиения. При малых объемах выборки
качество классификации лучше при малом числе
интервалов разбиения. С ростом объема выборки
качество классификации становится лучше при
большем числе интервалов разбиения. Поэтому
вопрос об оптимальном числе интервалов
разбиения требует дополнительного исследования.
ЛИТЕРАТУРА
1 .Айзерман М.А., Браверман Э.М., Розоноэр ЛД.
Теоретические основы метода потенциальных
функций в задаче об обучении автоматов
разделению входных ситуаций на классы //
Автоматика и телемеханика, 1964.Т.25, №6.С.801-816. |