Ontological approach to managing adaptive training for specialist groups
- 作者: Frolov I.A.1
-
隶属关系:
- Military Academy of Military Air Defense of the Armed Forces of the Russian Federation
- 期: 卷 14, 编号 2 (2024)
- 页面: 205-216
- 栏目: APPLIED ONTOLOGIES OF DESIGNING
- 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
如何引用文章
全文:
详细
An integrated approach to solving the problems of managing the adaptive training process for groups of specialists is proposed, allowing for the consideration of changing external and internal factors, as well as the dynamics of changes in the specialists' training levels. This approach enables rapid adjustment of the training scenario to current situations. The implementation is based on ontological and predictive modeling of the adaptive training process. The article describes the meta-ontology for adaptive training of specialist groups in organizational and technical systems for automated training process management. It discusses an approach to solving problems of collecting, summarizing, and analyzing the cycle of intelligent management of adaptive training for specialist groups using meta-ontology. The developed meta-ontology enables automatic determination of trainees' knowledge and skills, stored in their profiles and updated based on completed training stages. This increases the efficiency of forming control actions (educational and training tasks) and improves the quality of training.
全文:
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 (Rs), множество аксиом (Ax), позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами.
,
где – множество этапов АП (одиночная подготовка, подготовка в составе групп специалистов); – цели этапов АП групп специалистов.
Op представлена в виде (см. также рисунок 1)
Рисунок 1 – Онтологическая модель предметов адаптивной подготовки
где – множество элементов АП (предметов, тем, занятий, изучаемых понятий и отрабатываемых умений);
;
;
;
,
где Nq – имя q-го элемента АП;
– множество обобщённых гранул знаний, содержащихся в q-м элементе АП;
– атомарная гранула знаний, представляющая собой семантически неделимое понятие ПрО (например, определение);
– множество обобщённых гранул умений, содержащихся в q-м элементе АП;
– 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 -уровнях по семантической близости [12, 13]. Полученная таким образом иерархическая структура является основой при построении дерева целей АП.
– 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];
, ,
где – имя n-й гранулы знаний/v-й гранулы умений;
– время, необходимое для изучения n-й гранулы знаний/v-й гранулы умений;
– ресурсы, необходимые для изучения (отработки) n-й гранулы знаний/v-й гранулы умений;
– степень влияния n-й гранулы знаний/v-й гранулы умений на достижение частной цели подготовки нижнего уровня иерархии;
– 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);
– 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).
,
где – имя p-й частной цели;
– функция отображения элементов АП частным целям;
– 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];
– множество иерархических отношений (отношение «часть-целое») между элементами АП на различных уровнях;
– множество отношений причинно-следственной зависимости между элементами АП на b-м уровне иерархии (последовательное изучение и отработка тем, занятий, понятий и умений);
– множество отношений влияния элементов АП нижнего уровня на элементы более высокого уровня;
,
- где – 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 wq < 0.4;
- – 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 ≤ wq < 0.7;
- – 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 ≤ wq ≤ 1.
Критерии взаимовлияния между элементами АП определены на основе метода экспертных оценок и не противоречат программам подготовки и накопленному опыту подготовки групп специалистов.
– множество ограничений атрибутов элементов АП.
представлена в следующем виде (см. также рисунок 2).
Рисунок 2 – Онтологическая модель объектов адаптивной подготовки
где – множество объектов АП (отдельные специалисты, группы специалистов);
– множество атрибутов объектов АП;
– множество иерархических отношений (отношение «часть-целое») между объектами АП;
– множество отношений соответствия между атрибутами объектов АП и элементами АП онтологии предметов подготовки.
имеет следующий вид (см. также рисунок 3).
Рисунок 3 – Онтологическая модель ресурсов для адаптивной подготовки
где – множество ресурсов, необходимых для отработки элементов АП;
,
где – множество информационных ресурсов (литература, видеоматериалы и т.п.);
– множество материальных ресурсов (реальная техника, технические средства обучения и т.п.);
– множество атрибутов ресурсов для АП;
– множество иерархических отношений (отношение «часть-целое») между ресурсами для АП;
– множество отношений соответствия между атрибутами ресурсов для АП и элементами АП онтологии предметов подготовки;
– множество ограничений атрибутов ресурсов для АП.
– множество отношений соответствия между предметными онтологиями;
– 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
,
где – идентификатор q-го специалиста;
– индивидуальные ПФО специалиста, определяемые моделями приобретения и утраты навыков [15];
– 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;
– цифровой след q-того специалиста (результаты прохождения этапов подготовки по различным дисциплинам);
– 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 αn, 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.
作者简介
Igor Frolov
Military Academy of Military Air Defense of the Armed Forces of the Russian Federation
编辑信件的主要联系方式.
Email: igor-frolov-81@mail.ru
Cand. Sci. (Tech.), Lecturer of the department
俄罗斯联邦, Smolensk参考
- Solovov AV, Menshikova AA. Transformation of the ontology of education: from a classroom lesson system to smart innovations [In Russian]. Ontology of design. 2022; 12(4): 470-480. doi: 10.18287/2223-9537-2022-12-4-470-480.
- Rybina GV. Intelligent learning systems based on integrated expert systems [In Russian]. Textbook. Moscow: Direct-Media, 2023. 132 p.
- Rybina GV. Intelligent systems: from A to Z. A series of monographs in three books [In Russian]. Book 1. Knowledge-based systems. Integrated expert systems. Moscow: LLC "Nauchtehlitizdat", 2014. 224 p.
- Frolov IA, Borisov VV. Scenario-information analysis and modeling of adaptive training of groups of specialists based on a fuzzy ontological approach [In Russian]. Applied Informatics. 2023; 18(6): 54-66. doi: 10.37791/2687-0649-2023-18-6-54-66.
- Frolov IA. Method of scenario-information analysis for intelligent management of adaptive training of groups of specialists [In Russian]. XXI National Conference on Artificial intelligence with international participation, KII-2023 (Smolensk, October 16-20, 2023). Proceedings of the conference. In 2 volumes. Vol.1. Smolensk: Print-Express, 2023. P.304-314.
- Solovov AV. Electronic learning: problems, didactics, technology [In Russian]. Samara: "New Technique", 2006. 462 p.
- Mayer RV. Research of mathematical models of didactic systems on a computer. [Electronic resource]: monograph [In Russian]. Glazov: Glazov. state Pedagogical Institute, 2018.
- Rybina GV. Fundamentals of building intelligent systems [In Russian]. Moscow: Finance and statistics; INFRA-M, 2014. 432 p.
- Petrushin VA. Expert training systems [In Russian]. Kiev: Naukova Dumka, 1992. 196 p.
- Brusilovsky PL. Intelligent learning systems [In Russian]. Informatics. Information technologies. Tools and systems. 1990; 2: 3-22.
- Gruber TR. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993; 5(2): 199-220.
- Tarasov VB, Kalutskaya AP, Svyatkina MN. Granular, fuzzy and linguistic ontologies for ensuring mutual understanding between cognitive agents [In Russian]. Open Semantic Technologies for Intelligent Systems. 2012. P.267-278.
- Altunin AV. Theoretical and practical application of decision-making methods in conditions of uncertainty: Volume 1 [In Russian]. Vol.1. General principles of decision–making in conditions of various types of uncertainty. Publishing solutions, 2019. 484 p.
- Kharitonov EV. The method of matching subjective measurements in the hierarchies of the relationship matrices of the pre-reading [In Russian]. Mathematical Morphology: Electronic Mathematical and Biomedical Journal, 1999; 3(2): 52-57.
- Shibanov GP. Quantitative assessment of human activity in human-engineering systems [In Russian]. Moscow: Mechanical engineering. 1983. 263 p.
补充文件








