Ontological approach to managing adaptive training for specialist groups

Igor A. Frolov; Фролов Игорь Анатольевич

doi:10.18287/2223-9537-2024-14-2-205-216

Онтологический подход в управлении адаптивной подготовкой групп специалистов

Авторы: Фролов И.А.¹
Учреждения:
1. Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации
Выпуск: Том 14, № 2 (2024)
Страницы: 205-216
Раздел: ПРИКЛАДНЫЕ ОНТОЛОГИИ ПРОЕКТИРОВАНИЯ
URL: https://journals.rcsi.science/2223-9537/article/view/352560
DOI: https://doi.org/10.18287/2223-9537-2024-14-2-205-216
ID: 352560

Цитировать

Полный текст

Аннотация
Полный текст
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

Предлагается комплексный подход к решению задач управления процессом адаптивной подготовки групп специалистов, который позволит учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня подготовки специалистов и оперативно подстраивать сценарий обучения под текущую ситуацию. Реализация этого подхода основана на онтологическом и прогнозном моделировании процесса адаптивной подготовки специалистов. В статье описывается метаонтология адаптивной подготовки групп специалистов организационно-технических систем для автоматизированного решения задач управления процессом подготовки. Рассматривается подход к решению задач сбора, обобщения и анализа цикла интеллектуального управления адаптивной подготовкой групп специалистов на основе метаонтологии. Применение разработанной метаонтологии позволяет автоматически определять наличие знаний и умений обучаемых, которые хранятся в их профилях и обновляются по результатам пройденных этапов подготовки. Это позволяет повысить оперативность формирования управляющих воздействий (учебно-тренировочных задач) и качество подготовки.

Ключевые слова

адаптивная подготовка, метаонтология, группы специалистов, предметные онтологии, управляющие воздействия, учебно-тренировочные задачи

Полный текст

Введение

В современном обществе существует проблема повышения эффективности процесса подготовки специалистов и его адаптации к динамично изменяющимся внешним и внутренним факторам, таким как изменение рынка труда, смена предпочтений потребителей, развитие перспективных технологий, индивидуальные особенности специалистов и др. Профессиональное образование нередко отстаёт от развития экономики, что приводит к дисбалансу подготовки специалистов и реальных потребностей общества [1].

На приобретение специалистами дополнительных компетенций, необходимых для решения поставленных работодателем задач, тратятся значительное время и материальные ресурсы. Для подготовки специалистов существует большое количество прикладных обучающих, в т.ч. интеллектуальных, систем (ИС) [2, 3], а также краткосрочных курсов переподготовки специалистов в соответствии с их устремлениями и возможностью вариации содержания [1].

Можно выделить проблему повышения эффективности подготовки специалистов организационно-технических систем (ОТС), выполняющих сложные задачи в составе групп в условиях, связанных с риском для здоровья и необходимостью адаптации процесса их подготовки к изменяющимся условиям деятельности. Осуществлять подготовку таких групп специалистов к выполнению задач в реальных условиях возможно только с использованием специальных тренажеров и технических средств.

Для повышения эффективности подготовки групп специалистов ОТС необходимо повышать качество и оперативность управления этим процессом, в т.ч. за счёт учёта индивидуальных психофизиологических особенностей (ПФО) каждого специалиста группы [4]. Учёт ПФО специалистов на этапах индивидуальной подготовки обусловливает необходимость гибкого изменения сценария подготовки специалистов непосредственно в процессе занятий.

Необходимость учёта имеющихся знаний, умений и индивидуальных особенностей каждого специалиста (различная скорость усвоения материала, потребность в различных подходах и методиках к обучению) при одновременной подготовке большого количества специалистов в составе групп обусловливает обработку руководителем занятия больших объёмов данных. С увеличением плотности потока поступающей информации, на основании которой необходимо принимать управляющее решение, психофизиологические возможности руководителя занятия снижаются [5]. Это определяет актуальность автоматизации процесса управления адаптивной подготовкой (АП) групп специалистов ОТС.

1 Автоматизация управления адаптивной подготовкой групп специалистов

Одним из путей повышения качества управления подготовкой групп специалистов является адекватный учёт индивидуальных ПФО каждого специалиста из состава группы в процессе адаптивного формирования для них управляющих воздействий [6-8].

В процессе проведения занятий наибольшие трудности возникают при адаптивном формировании учебно-тренировочных задач (УТЗ) для каждого специалиста группы с учётом их текущего уровня подготовленности и результатов выполнения предыдущих УТЗ (с учётом времени выполнения задачи, результатов её выполнения и совершённых ошибок).

Решение этих задач руководителем занятий занимает длительное время и обусловливает субъективизм оценки текущего уровня подготовленности обучаемых, на основе которой принимаются решения по формированию управляющих воздействий УТЗ, и анализа результатов их реализации и последующей корректировки.

Для обучаемых характерно забывание пройденного материала, что происходит индивидуально [7] и обусловливает неопределённость в достижении целей этапов подготовки. Изменение уровня подготовленности каждого специалиста в процессе обучения аппроксимируется соответствующей экспоненциальной функцией [8]. Руководителю занятия трудно учесть эти изменения при формировании индивидуальных управляющих воздействий в процессе занятия.

Поэтому на этапах групповой подготовки адаптивное индивидуальное управление приведёт к существенному увеличению времени на анализ, изменение и выработку управляющих воздействий в процессе подготовки обучаемых [4].

Эти факторы обусловливают необходимость автоматизации процесса управления АП групп специалистов за счёт разработки адаптивной системы управления (СУ) процессом подготовки, которая должна учитывать специфику предметной области (ПрО) и индивидуальные ПФО обучаемых специалистов (скорость приобретения и утраты знаний, умений и навыков).

Задача управления АП групп специалистов не может быть задана в числовой форме, её цели не могут быть выражены в терминах точно определённой целевой функции, не существует общего алгоритма её решения. Это позволяет отнести названную задачу к классу слабоструктурированных или неформализованных задач [2].

Автоматизация процесса управления подготовкой может быть осуществлена с помощью ИС управления, построенной на основе модели ПрО и включающей знания о стратегиях и методах подготовки, предметах обучения и обучаемых [8-10]. Для формализации знаний ПрО АП групп специалистов ОТС целесообразно применение онтологического инжиниринга [11].

2 Метаонтология адаптивной подготовки групп специалистов

Метаонтология АП групп специалистов (MetOap) является моделью знаний и представляет собой онтологию верхнего уровня, включающую совокупность взаимосвязанных предметных онтологических моделей (ОМ): ОМ предметов АП (Op), ОМ объектов АП (Oop), ОМ ресурсов для АП (ORes), множество отношений между онтологиями (R_s), множество аксиом (Ax), позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами.

$M e t O a p = ⟨S t a g e, G o a l, O p, O o p, O R e s, R_{s}, A x⟩$ ,

где $S t a g e$ – множество этапов АП (одиночная подготовка, подготовка в составе групп специалистов); $G o a l$ – цели этапов АП групп специалистов.

Op представлена в виде (см. также рисунок 1)

Рисунок 1 – Онтологическая модель предметов адаптивной подготовки

$O p = \{\begin{cases} P^{(b)} = \{P_{1}^{(b)},..., P_{q}^{(b)},..., P_{Q}^{(b)}\}, q = 1, ..., Q, b = 1, .., B; \\ P_{q}^{(b)} \leftrightarrow \{\begin{cases} A p_{q}^{(b)} = \{A p_{q,1}^{(b)},..., A p_{q, c}^{(b)},..., A p_{q, C}^{(b)}\}, c = 1, ..., C; \\ C L_{q}^{(b)} = \{c l_{q,1}^{(b)},..., c l_{q, p}^{(b)},..., c l_{q, P}^{(b)}\}, p = 1, ..., P; \\ R c_{q}^{(b)} = \{R c_{q,1}^{(b)},..., R c_{q, l}^{(b)},..., R c_{q, L}^{(b)}\}, l = 1, ..., L; \\ R s_{q}^{(b)} = \{R s_{q,1}^{(b)},..., R s_{q, m}^{(b)},..., R s_{q, M}^{(b)}\}, m = 1, ..., M; \\ R p_{q}^{(b)} = \{R p_{q,1}^{(b)},..., R p_{q, s}^{(b)},..., R p_{q, S}^{(b)}\}, s = 1, ..., S; \end{cases} \\ A p_{q, c}^{(b)} \leftrightarrow F p_{q, c}^{(b)} = \{F p_{q, c_{1}}^{(b)},..., F p_{q, c_{j}}^{(b)},..., F p_{q, c_{J}}^{(b)}\}, j = 1, ..., J, \end{cases}$

где $P^{(b)} = \{P_{1}^{(b)},..., P_{q}^{(b)},..., P_{Q}^{(b)}\}$ – множество элементов АП (предметов, тем, занятий, изучаемых понятий и отрабатываемых умений);

$P_{}^{(1)} = \{P_{1}^{(1)},..., P_{q}^{(1)},..., P_{Q}^{(1)}\}$ ;

$P_{q}^{(1)} \leftrightarrow P_{q}^{(2)} = \{P_{q,1}^{(2)},..., P_{q, f}^{(2)},..., P_{q, F}^{(2)}\}, f = 1, ..., F$ ;

$P_{q, f}^{(2)} \leftrightarrow P_{f_{q}}^{(3)} = \{P_{f_{q},1}^{(3)},..., P_{f_{q}, i}^{(3)},..., P_{f_{q}, I}^{(3)}\}, i = 1, ..., I$ ;

$P_{q}^{(b)} = ⟨N_{q}, G Z_{k z}^{(q)}, G U_{k u}^{(q)}, w_{q}⟩$ ,

где N_q – имя q-го элемента АП;

$G Z_{k z}^{(q)} = \{g z_{k z,1}^{(q)},..., g z_{k z, n}^{(q)},..., g z_{k z, N}^{(q)}\},$ $k z = 1, ..., K Z, n = 1, ..., N$ – множество обобщённых гранул знаний, содержащихся в q-м элементе АП;

$g z_{k z, n}^{(q)}$ – атомарная гранула знаний, представляющая собой семантически неделимое понятие ПрО (например, определение);

$G U_{k u}^{(q)} = \{g u_{k u,1}^{(q)},..., g u_{k u, v}^{(q)},..., g u_{k u, V}^{(q)}\},$ $k u = 1, ..., K U, v = 1, ..., V$ – множество обобщённых гранул умений, содержащихся в q-м элементе АП;

$g u_{k u, v}^{(q)}$ – атомарная гранула умений, представляющая собой элементарную операцию, являющуюся составной частью действий, выполняемых специалистом при решении задач.

Множество обобщённых гранул знаний и умений формируется в результате процесса информационной грануляции содержания АП и группирования атомарных гранул знаний и умений на различных $α_{i}$ -уровнях по семантической близости [12, 13]. Полученная таким образом иерархическая структура является основой при построении дерева целей АП.

$w_{q}$ – степень влияния элемента АП на достижение частной цели подготовки, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

$g z_{k z, n}^{(q)} = ⟨N_{k z, n}^{(q)}, T_{k z, n}^{(q)}, R e s_{k z, n}^{(q)}, w_{k z, n}^{(q)}⟩$ , $g u_{k u, v}^{(q)} = ⟨N_{k u, v}^{(q)}, T_{k u, v}^{(q)}, R e s_{k u, v}^{(q)}, w_{k u, v}^{(q)}⟩$ ,

где $\frac{N_{k z, n}^{(q)}}{N_{k u, v}^{(q)}}$ – имя n-й гранулы знаний/v-й гранулы умений;

$\frac{T_{k z, n}^{(q)}}{T_{k u, v}^{(q)}}$ – время, необходимое для изучения n-й гранулы знаний/v-й гранулы умений;

$\frac{R e s_{k z, n}^{(q)}}{R e s_{k u, v}^{(q)}}$ – ресурсы, необходимые для изучения (отработки) n-й гранулы знаний/v-й гранулы умений;

$\frac{w_{k z, n}^{(q)} = [0...1]}{w_{k u, v}^{(q)} = [0...1]}$ – степень влияния n-й гранулы знаний/v-й гранулы умений на достижение частной цели подготовки нижнего уровня иерархии;

$A p_{q}^{(b)} = \{A p_{q,1}^{(b)},..., A p_{q, c}^{(b)},..., A p_{q, C}^{(b)}\}$ – множество атрибутов элементов АП (имя элемента АП, множество атомарных гранул знаний и атомарных гранул умений, степень влияния элемента АП на достижение частной цели подготовки, время, необходимое для овладения элементом АП);

$C L_{q}^{(b)} = \{c l_{q,1}^{(b)},..., c l_{q, p}^{(b)},..., c l_{q, P}^{(b)}\}$ – множество частных целей, соответствующих элементам АП, образующих дерево целей (например, занятию, входящему в определённую тему, соответствует частная цель, а предмету подготовки может соответствовать конечная цель подготовки).

$с l_{q, p}^{(b)} = ⟨N c_{p}, F c_{p}, w c_{p}⟩$ ,

где $N с_{p}$ – имя p-й частной цели;

$F c_{p} : P_{q}^{(b)} \to c l_{q, p}^{(b)}$ – функция отображения элементов АП частным целям;

$w c_{p}$ – степень значимости p-й частной цели нижнего уровня иерархии цели более верхнего уровня иерархии, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

$R c_{q}^{(b)} = \{R c_{q,1}^{(b)},..., R c_{q, l}^{(b)},..., R c_{q, L}^{(b)}\}$ – множество иерархических отношений (отношение «часть-целое») между элементами АП на различных уровнях;

$R s_{q}^{(b)} = \{R s_{q,1}^{(b)},..., R s_{q, m}^{(b)},..., R s_{q, M}^{(b)}\}$ – множество отношений причинно-следственной зависимости между элементами АП на b-м уровне иерархии (последовательное изучение и отработка тем, занятий, понятий и умений);

$R p_{q}^{(b)} = \{R p_{q,1}^{(b)},..., R p_{q, s}^{(b)},..., R p_{q, S}^{(b)}\}$ – множество отношений влияния элементов АП нижнего уровня на элементы более высокого уровня;

$R p_{q, s}^{(b)} = \{r p l_{q, s}^{(b)}, r p m_{q, s}^{(b)}, r p s_{q, s}^{(b)}\}$ ,

где $r p l_{q, s}^{(b)}$ – отношение слабого взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины, но не является обязательным), степень влияния элемента АП на достижение частной цели подготовки w_q < 0.4;
$r p m_{q, s}^{(b)}$ – отношение среднего взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.4 ≤ w_q < 0.7;
$r p s_{q, s}^{(b)}$ – отношение сильного взаимовлияния между элементами АП (означает, что для достижения родительской вершины необходимо владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.7 ≤ w_q ≤ 1.

Критерии взаимовлияния между элементами АП определены на основе метода экспертных оценок и не противоречат программам подготовки и накопленному опыту подготовки групп специалистов.

$F p_{q, c}^{(b)} = \{F p_{q, c_{1}}^{(b)},..., F p_{q, c_{j}}^{(b)},..., F p_{q, c_{J}}^{(b)}\}$ – множество ограничений атрибутов элементов АП.

$O o p$ представлена в следующем виде (см. также рисунок 2).

Рисунок 2 – Онтологическая модель объектов адаптивной подготовки

$O o p =$ $\{\begin{cases} O P^{(d)} = \{O P_{1}^{(d)},..., O P_{v}^{(d)},..., O P_{V}^{(d)}\}, v = 1, ..., V, d = 1, .., D; \\ O P_{v}^{(d)} \leftrightarrow \{\begin{cases} A o p_{v}^{(d)} = \{A o p_{v,1}^{(d)},..., A o p_{v, r}^{(d)},..., A o p_{v, R}^{(d)}\}, r = 1, ..., R; \\ R o c_{v}^{(d)} = \{R o c_{v,1}^{(d)},..., R o c_{v, u}^{(d)},..., R o c_{v, U}^{(d)}\}, u = 1, ..., U; \end{cases} \\ A o p_{v}^{(d)} \leftrightarrow R v p_{v}^{(d)} = \{R v p_{v,1}^{(d)},..., R v p_{v, g}^{(d)},..., R v p_{v, G}^{(d)}\}, g = 1, ..., G, \end{cases}$

где $O P^{(d)} = \{O P_{1}^{(d)},..., O P_{v}^{(d)},..., O P_{V}^{(d)}\}$ – множество объектов АП (отдельные специалисты, группы специалистов);

$A o p_{v}^{(d)} = \{A o p_{v,1}^{(d)},..., A o p_{v, r}^{(d)},..., A o p_{v, R}^{(d)}\}$ – множество атрибутов объектов АП;

$R o c_{v}^{(d)} = \{R o c_{v,1}^{(d)},..., R o c_{v, u}^{(d)},..., R o c_{v, U}^{(d)}\}$ – множество иерархических отношений (отношение «часть-целое») между объектами АП;

$R v p_{v}^{(d)} = \{R v p_{v,1}^{(d)},..., R v p_{v, g}^{(d)},..., R v p_{v, G}^{(d)}\}$ – множество отношений соответствия между атрибутами объектов АП и элементами АП онтологии предметов подготовки.

$O R e s$ имеет следующий вид (см. также рисунок 3).

Рисунок 3 – Онтологическая модель ресурсов для адаптивной подготовки

$O R e s =$ $\{\begin{cases} R e s = \{R e s_{1},..., R e s_{i},..., R e s_{I}\}, i = 1, ..., I; \\ R e s_{i} \leftrightarrow \{\begin{cases} A r_{i}^{} = \{A r_{i,1}^{},..., A r_{i, k r}^{},..., A r_{i, K R}^{}\}, k r = 1, ..., K R; \\ R o r_{i}^{} = \{R o r_{i,1}^{},..., R o r_{i, q n}^{},..., R o r_{i, Q N}^{}\}, q n = 1, ..., Q N; \end{cases} \\ A r_{i}^{} \leftrightarrow \{\begin{cases} R v r_{i}^{} = \{R v r_{i,1}^{},..., R v r_{i, g t}^{},..., R v r_{i, G T}^{}\}, g t = 1,..., G T; \\ F r_{i}^{} = \{F r_{i,1}^{},..., F r_{i, e}^{},..., F r_{i, E}^{}\}, e = 1,..., E, \end{cases} \end{cases}$

где $R e s = \{R e s_{1},..., R e s_{i},..., R e s_{I}\}$ – множество ресурсов, необходимых для отработки элементов АП;

$R e s_{i} = \{I r e s_{i, r s}, M r e s_{i, r e}\}, r s = 1, ..., R S, r e = 1, ..., R E$ ,

где $I r e s_{i, r s} = \{I r e s_{r s,1},..., I r e s_{r s, n m},..., I r e s_{r s, N M}\}, n m = 1, ..., N M$ – множество информационных ресурсов (литература, видеоматериалы и т.п.);

$M r e s_{i, r e} = \{M r e s_{r e,1},..., M r e s_{r e, z s},..., M r e s_{r e, Z S}\}, z s = 1, ..., Z S$ – множество материальных ресурсов (реальная техника, технические средства обучения и т.п.);

$A r_{i}^{} = \{A r_{i,1}^{},..., A r_{i, k r}^{},..., A r_{i, K R}^{}\}$ – множество атрибутов ресурсов для АП;

$R o r_{i}^{} = \{R o r_{i,1}^{},..., R o r_{i, q n}^{},..., R o r_{i, Q N}^{}\}$ – множество иерархических отношений (отношение «часть-целое») между ресурсами для АП;

$R v r_{i}^{} = \{R v r_{i,1}^{},..., R v r_{i, g t}^{},..., R v r_{i, G T}^{}\}$ – множество отношений соответствия между атрибутами ресурсов для АП и элементами АП онтологии предметов подготовки;

$F r_{i}^{} = \{F r_{i,1}^{},..., F r_{i, e}^{},..., F r_{i, E}^{}\}$ – множество ограничений атрибутов ресурсов для АП.

$R_{s} = \{R_{s_{1}},..., R_{s_{j n}},..., R_{s_{J N}}\}, j n = 1, ..., J N$ – множество отношений соответствия между предметными онтологиями;

$A x = \{A x_{1},..., A x_{h}\}$ – множество аксиом, позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами метаонтологии.

3 Практическое применение

Для практического решения задач управления АП групп специалистов разработанная метаонтология реализована в среде Protégé. С помощью запросов на языке SPARQL осуществляется процесс получения необходимой для руководителя занятий информации об обучаемых специалистах для планирования мероприятий их АП.

Пример запроса о составе группы и выполняемых функциях специалистов в группе представлен на рисунке 4. Результаты запроса выводятся в виде таблицы, что позволяет руководителю занятия оперативно планировать мероприятия АП независимо от специфики задач, выполняемых группой обучаемых. Для руководителя занятия имеется возможность с использованием запросов к метаонтологии уточнять информацию о наличии определённых знаний и умений у обучаемых.

Рисунок 4 – Пример запроса к метаонтологии о составе группы

На рисунке 5 приведён пример запроса к метаонтологии о специалистах, изучивших требования безопасности. По результатам запроса руководителю занятия выводится информация о членах группы, изучивших этот вопрос.

Рисунок 5 – Пример запроса к метаонтологии о специалистах, изучивших требования безопасности

Для автоматического обновления информации о пройденных этапах АП в разработанной метаонтологии сформированы правила на языке SWRL. Правила позволяют автоматически обновлять информацию о полученных каждым обучаемым знаниях и умениях в процессе АП и представлять информацию (перечень атомарных гранул знаний и умений) руководителю занятия об оставшихся этапах для каждого обучаемого группы.

На рисунке 6 представлен пример правила, которое определяет требуемые знания для продолжения подготовки согласно сформированному дереву целей.

Рисунок 6 – Пример правила, которое определяет требуемые знания для продолжения подготовки

На рисунке 7 представлены результаты АП специалиста (оценки атомарных гранул знаний и умений в соответствии с деревом целей).

Рисунок 7 – Результаты адаптивной подготовки специалиста

Документирование полученных результатов позволяет руководителю занятия делать выводы о процессе АП, динамике овладения знаниями и умениями каждым обучаемым группы и дифференцированно формировать для них управляющие воздействия с учётом текущих результатов.

Все данные об обучаемом, получаемые из метаонтологии, хранятся в цифровом двойнике объекта подготовки $S P_{q}$

$S P_{q} = ⟨I D_{S P_{q}}, L K_{S P_{q}}, Y_{t e k_{m}}^{S P_{q}} (t), C S_{S P_{q}}, T R_{S P_{q}}⟩$ ,

где $I D_{S P_{q}}$ – идентификатор q-го специалиста;

$L K_{S P_{q}}$ – индивидуальные ПФО специалиста, определяемые моделями приобретения и утраты навыков [15];

$Y_{t e k_{m}}^{S P_{q}} (t)$ – текущий уровень подготовленности q-го специалиста на m-м этапе подготовки, оцениваемый в соответствии с руководящими документами об организации подготовки групп специалистов и методиками оценки;

$C S_{S P_{q}}$ – цифровой след q-того специалиста (результаты прохождения этапов подготовки по различным дисциплинам);

$T R_{S P_{q}}$ – эталонный сценарий подготовки q-того специалиста.

Эталонный сценарий подготовки формируется на основе дерева целей, где каждой частной цели соответствуют обобщённые гранулы знаний и обобщённые гранулы умений. Выбор цели и эталонного сценария зависит от заданного времени на подготовку групп специалистов. Поэтому целью АП может быть цель не самого верхнего уровня α_n, а частная цель уровня α₍_n-1₎. В этом случае содержание подготовки определяется в соответствии с отношением влияния элементов АП нижнего уровня на элементы более высокого уровня.

Получаемый с помощью метаонтологии в соответствии с деревом целей перечень необходимых знаний и умений используется при формировании сценарно-информационной модели процесса АП в виде упорядоченной последовательности элементов для прогнозного моделирования достижимости цели АП. Сценарно-информационная модель представляет собой множество возможных сценариев АП для каждого специалиста и группы в целом путём объединения индивидуальных сценариев отдельных специалистов группы. В результате моделирования выбирается рациональный сценарий и осуществляется процесс подготовки специалистов. Сценарий представляет собой структуру процесса АП групп специалистов в виде последовательности атомарных гранул знаний и атомарных гранул умений с учётом уже имеющихся у специалиста знаний и умений в усовершенствованной нотации ARIS, предназначенной для моделирования бизнес-процессов.

При отработке сценария АП групп специалистов фиксируются полученные результаты в виде оценок по четырёх бальной шкале и ошибки, допускаемые специалистами группы при выполнении алгоритма деятельности, которые учитываются при адаптации сценария к текущим результатам.

Заключение

Предложен подход к решению задач управления процессом АП групп специалистов, который позволяет учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня качества подготовки специалистов и изменять сценарий обучения с учётом текущей ситуации. Для реализации предложенного подхода разработана мета-онтология - модель знаний ПрО, отражающая взаимосвязи между предметами, объектами АП и ресурсами, необходимыми для проведения АП.

Разработанная метаонтология позволяет повысить качество решения задач поиска, сбора, агрегирования и анализа исходной информации для процесса интеллектуального управления АП групп специалистов ОТС за счёт сформированных SWRL-правил и SPARQL-запросов.

Об авторах

Игорь Анатольевич Фролов

Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации

Автор, ответственный за переписку.
Email: igor-frolov-81@mail.ru

кандидат технических наук, преподаватель кафедры

Россия, Смоленск

Список литературы

Соловов А.В., Меньшикова А.А. Трансформация онтологии образования: от классно-урочной системы к смарт-инновациям // Онтология проектирования. 2022. Т.12, №4(46). С.470-480. doi: 10.18287/2223-9537-2022-12-4-470-480.
Рыбина Г.В. Интеллектуальные обучающие системы на основе интегрированных экспертных систем. М.: Директ-Медиа, 2023. 132 с.
Рыбина Г.В. Интеллектуальные системы: от А до Я. Серия монографий в трёх книгах. Книга 1. Системы, основанные на знаниях. Интегрированные экспертные системы. М.: ООО «Научтехлитиздат», 2014. 224 с.
Фролов И.А., Борисов В.В. Сценарно-информационный анализ и моделирование адаптивной подготовки групп специалистов на основе нечёткого онтологического подхода // Прикладная информатика. 2023. Т.18. № 6. С.54–66. doi: 10.37791/2687-0649-2023-18-6-54-66.
Фролов И.А. Метод сценарно-информационного анализа для интеллектуального управления адаптивной подготовкой групп специалистов // XXI национальная конференция по искусственному интеллекту с международным участием, КИИ-2023 (Смоленск, 16-20 октября 2023 г.). Труды конференции. В 2-х томах. Т.1. Смоленск: Принт-Экспресс, 2023. С.304-314.
Соловов А.В. Электронное обучение: проблематика, дидактика, технология. – Самара: «Новая техника», 2006. – 462 с
Майер Р.В. Исследование математических моделей дидактических систем на компьютере. [Электронный ресурс]: Глазов: Глазов. гос. пед. ин-т, 2018. http://maier-rv.glazov.net/Mayer_monograph2018.pdf.
Рыбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика; ИНФРА-М, 2014. 432 с.
Петрушин В.А. Экспертно-обучающие системы. Киев: Наукова. Думка, 1992. – 196 с.
Брусиловский П.Л. Интеллектуальные обучающие системы // Информатика. Информационные технологии. Средства и системы. 1990. № 2. С.3-22.
Gruber T.R. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993. №5(2). P.199-220.
Тарасов В.Б., Калуцкая А.П., Святкина М.Н. Гранулярные, нечёткие и лингвистические онтологии для обеспечения взаимопонимания между когнитивными агентами // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2012): материалы II Международной научно-технической конференции (Минск, 16-18 февраля 2012) / В. В. Голенков (отв. ред.). Минск: БГУИР, 2012. C.267-278.
Алтунин А.В. Теоретическое и практическое применение методов принятия решений в условиях неопределённости: Том 1. Общие принципы принятия решений в условиях различных видов неопределённости. [б.м.]: Издательские решения, 2019. 484 с.
Харитонов Е.В. Метод согласования субъективных измерений в иерархиях матриц отношений предпочтения // Математическая морфология: электронный математический и медико-биологический журнал, 1999. Т.3. №2. С.52-57.
Шибанов Г.П. Количественная оценка деятельности человека в системах человек-техника. – М.: Машиностроение. 1983. 263 с.