авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 | 5 |
-- [ Страница 1 ] --

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ

Восточно-Сибирский государственный технологический университет

Л.В. Найханова, С.В. Дамбаева

МЕТОДЫ И АЛГОРИТМЫ ПРИНЯТИЯ

РЕШЕНИЙ В

УПРАВЛЕНИИ УЧЕБНЫМ ПРОЦЕССОМ

В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Издательство ВСГТУ

Улан-Удэ – 2004

УДК 004.02:519.816

ББК 32.81

Н20

Л.В. Найханова, С.В. Дамбаева.

Н20 Методы и алгоритмы принятия решений в управлении учебным процессом в условиях неопределенности: Монография. – Улан-Удэ: Изд-во ВСГТУ, 2004. – 164 с.:

ил.

Монография посвящена исследованию методов принятия решений в задачах управления учебным процессом вуза. Не претендуя на полноту раскрытия проблемы, авторами предпринята попытка разработки подхода решения слабослабоформализованных, слабоструктурированных задач управления учебным процессом вуза, характеризующихся расплывчатыми ограничениями, неполными и нечеткими данными, сильно зависящими от изменений внешней среды и субъективных предпочтений лица, принимающего решение. Разработана двухкомпонентная модель принятия решений для информационно сложных и информационно несложных задач принятия решений. Описаны методы, входящие в двухкомпонентную модель и необходимые для решения задач управления учебным процессом вуза. Достоверность основных положений работы показывается на примере решения задачи формирования учебного плана специальности/направления технического вуза.

Ключевые слова: принятие решений, информационно сложные задачи, модель принятия решений, методы и алгоритмы принятия решений, методы и алгоритмы генерации, оценки альтернатив, экспертный опрос, экспертная оценка альтернатив, задачи распределения в управлении учебным процессом вуза, нечеткое регулирование, управление учебным процессом в вузе, формирование учебного плана специальности, формирование национально-регионального компонента, базовая таксономия учебного плана.

Рецензенты Г.А. Доррер, д.т.н., проф. СибГТУ (г. Красноярск), Д.Ш. Ширапов, д.ф-м.н., проф. ВСГТУ Печатается по решению редакционно-издательского совета ВСГТУ ББК 32. Найханова Л.В., Дамбаева С.В., 2004 г.

ВСГТУ, 2004 г.

Содержание Введение............................................................................................................................................. 1 Описание проблемы и обзор методов принятия решений.......................................................... 1.1 Описание проблемы................................................................................................................. 1.1.1 Обзор задач управления учебным процессом вуза........................................................ 1.1.2 Содержательное описание задачи формирования учебного плана специальности... 1.1.2.1 Основные термины предметной области................................................................. 1.1.2.2 Методические указания к разработке учебных планов........................................ 1.2 Обзор существующих подходов к формированию учебного плана специальности....... 1.2.1 Формирование учебного плана специальности на основе дерева целей подготовки.................................................................................................................................................... 1.2.2 Организация модульного обучения и формирование учебного плана на основе связей между модулями.......................................................................................................... 1.2.3 Анализ исследований, посвященных методикам формирования учебного плана специальности.......................................................................................................................... 1.3 Обзор моделей и методов принятия решений..................................................................... 1.3.1 Модели принятия решений............................................................................................ 1.3.2 Обзор методов генерации альтернатив......................................................................... 1.3.2.1 Подход формирования альтернатив с помощью экспертного опроса................ 1.3.2.2 Подходы к генерации альтернатив на основе применения эвристик................. 1.3.3 Обзор методов оценки и выбора альтернатив.............................................................. 1.4 Модели принятия решений в задачах управления учебным процессом.......................... 1.5 Выводы по главе и постановка задачи................................................................................. 2 Методы и алгоритмы принятия решений слабоформализованных задач в условиях неопределенности............................................................................................................................ 2.1 Методы извлечения знаний................................................................................................... 2.1.1 Основные аспекты составления анкеты........................................................................ 2.1.2 Формальное представление вопросно-ответных отношений..................................... 2.2 Методы генерации альтернатив........................................................................................... 2.2.1 Интерактивный метод экспертного опроса с применением метода анкетирования 2.2.2 Метод генерации альтернатив-распределений с применением стратегии направленного перебора.......................................................................................................... 2.3 Методы экспертной оценки и ранжирования альтернатив................................................ 2.3.1 Экспертная оценка и ранжирование альтернатив на основе метода парных сравнений.................................................................................................................................. 2.3.2 Метод упорядочивания многокритериальных альтернатив ЗАПРОС....................... 2.3.3 Экспертная оценка и ранжирование альтернатив на основе метода анкетирования.................................................................................................................................................... 2.4 Методы нечеткого регулирования в задачах управления учебным процессом............... 2.4.1 Методы введения в нечеткость...................................................................................... 2.4.1.1 Формирование терм-множества............................................................................. 2.4.1.2 Формирование универсального множества лингвистической переменной нечеткого регулятора........................................................................................................... 2.4.2. Формирование базы правил.......................................................................................... 2.5 Выводы по главе и анализ приведенных методов принятия решений............................. 3 Методы и алгоритмы решения задачи «Формирование учебного плана специальности».... 3.1 Системный анализ проблемной среды................................................................................. 3.1.1 Стандарт IDEF0.............................................................................................................. 3.1.2 Функциональная модель................................................................................................ 3.1.3 Определение свойств объектов проблемной среды.................................................... 3.1.3.1 Определение множества факторов......................................................................... 3.1.3.2 Определение множества ограничений учебного плана....................................... 3.1.4 Модель системы формирования учебного плана специальности.............................. 3.2 Алгоритмы решения задачи формирования национально-регионального компонента учебного плана специальности................................................................................................... 3.2.1 Алгоритмы функционирования подсистемы формирования национально регионального компонента учебного плана.......................................................................... 3.2.1.1 Формирование исходных данных.......................................................................... 3.2.1.2 Алгоритм ранжирования элементов множества критериев отбора.................... 3.2.1.3 Алгоритм определения степени соответствия дисциплин-претендентов критериям отбора................................................................................................................. 3.2.1.4 Алгоритм выбора дисциплин в НРК...................................................................... 3.2.2 Алгоритмы нечеткого регулятора, распределяющего объемы часов дисциплин национально-регионального компонента цикла................................................................... 3.3 Методы и алгоритмы формирования базовой таксономии............................................... 3.3.1 Формирование межпредметных связей и построение графа межпредметных связей.................................................................................................................................................... 3.3.2 Методы оптимизации графа межпредметных связей.................................................. 3.3.2.1 Выявление и удаление контуров............................................................................ 3.3.2.2 Метод определения несущественных связей..................................................

...... 3.3.3 Алгоритм формирования уровней базовой таксономии............................................. 3.4 Методы и алгоритмы распределения дисциплин по семестрам........................................ 3.4.1 Формирование учебного плана семестра..................................................................... 3.4.1.1 Регулятор усреднения интенсивностей................................................................. 3.4.1.2 Описание управления диапазонами универсального множества........................ 3.4.2.2 База правил нечеткого регулятора и алгоритм нечеткого вывода...................... 3.4.2 Регулятор проверки дисциплин семестра на ограничения......................................... 3.4.3 Регулятор перераспределения дисциплин.................................................................. 3.4.3.1 Разделение дисциплины на несколько поддисциплин для изучения их в нескольких семестрах........................................................................................................ 3.4.3.2 Перераспределение объема часов........................................................................ 3.4.4 Регулятор анализа учебного плана на соответствие ограничениям всего учебного плана........................................................................................................................................ 3.5 Выводы по главе.................................................................................................................. Заключение..................................................................................................................................... Список использованных источников........................................................................................... Приложение А................................................................................................................................ Приложение Б................................................................................................................................. Приложение В................................................................................................................................ Приложение Г................................................................................................................................. Приложение Д................................................................................................................................ Введение Переход России на новые рыночные отношения и ее вступление в Болонскую конвенцию [78] повлекли за собой серьезные изменения в деятельности высшей школы. Это, в свою очередь, активизировало усилия по развитию эффективных систем обеспечения качества, увеличению совместимости и сопоставимости образования, созданию более прозрачных структур высшего образования на уровне вузов, национальном и общеевропейском уровнях.

Правительство России подчеркивает необходимость развития общих критериев и методологий по обеспечению качества [73]. В соответствии с принципом институциональной автономии основная ответственность за обеспечение качества лежит на каждом из вузов.

Реализация систем качества невозможна без информатизации сферы образования.

Одной из ближайших стратегических целей научно-технической и финансовой политики Минобразования РФ в области информатизации является создание единой образовательной информационной среды, объединяющей министерство, образовательные учреждения, органы управления образованием и федеральные органы. Одним из ключевых компонентов среды должна стать вертикаль «Министерство образования – вузы», опирающаяся на отраслевую интегрированную автоматизированную информационную систему (ИАИС), развернутую в вузах и министерстве и взаимодействующую через среду общего доступа [38]. Согласно [38] интегрированные автоматизированные информационные системы сферы образования включают в себя следующие компоненты: ядро ИАИС Министерства образования Российской Федерации;

ИАИС территориальных органов управления образованием;

ИАИС учебного заведения;

ИАИС управления учебным процессом.

В настоящее время активно разрабатываются и начинают внедряться корпоративные ИАИС класса систем обработки информации (СОИ, иначе OLTP-систем). Внедрение корпоративных информационных систем (КИС), как правило, начинается с решения задач учета. Автоматизация задач учета позволяет использовать накопленную информацию для автоматизированного решения задач управления. На современном этапе развития информационных технологий существуют готовые информационные системы управления, которые могут быть интегрированы с разработанными СОИ. Однако сфере образования свойственны специфические задачи управления, для которых нет готовых программных средств. В первую очередь к ним относятся задачи управления учебным процессом. Для их решения к настоящему времени разработаны визуальные среды, играющие роль вспомогательного инструментария, которые невозможно отнести к средствам поддержки принятия решений.

Такое состояние в области управления учебным процессом связано с тем, что задачам данной сферы свойственны слабая структурированность предметной области и трудность в её формализации. Кроме того, отсутствует методология разработки проблемно ориентированных систем поддержки принятия решений в сфере образования, для создания которой необходимо разработать соответствующие методы и алгоритмы. В связи с этим целью работы является разработка модели принятия решений слабоформализованных задач управления учебным процессом в области высшего образования.

Работа состоит из трех глав.

В первой главе работы даются анализ основных аспектов автоматизированного решения задачи принятия решений в управлении высшим учебным заведением, обзор методов принятия решений и содержательная постановка задачи. Показывается, что задачи управления учебным процессом относятся к классу слабоформализованных, слабоструктурированных задач с расплывчатыми ограничениями, неполными и нечеткими данными, сильно зависящими от изменений внешней среды и субъективных предпочтений лиц, принимающих решения. Поэтому для их решения необходимо применять методы и алгоритмы теории принятия решений, теории нечетких множеств, искусственного интеллекта. Предложена двухкомпонентная модель принятия решений для информационно сложных и информационно несложных задач.

Вторая глава посвящена вопросам разработки методов принятия решений слабоформализованных задач в условиях неопределенности. Исследованы и разработаны методы генерации и оценивания альтернатив. Предложен метод генерации альтернатив с использованием метода «Анкетирование». Исследованы и модифицированы методы экспертной оценки альтернатив. Для информационно сложных задач при выводе решения предложено применять методы нечеткого регулирования.

Третья глава посвящена рассмотрению вопросов реализации разработанных методов принятия решений на примере системы формирования учебного плана специальности высшего профессионального образования. Предложены способы выделения множества факторов и параметров исследуемого объекта. Разработана формальная модель подсистемы построения базовой таксономии учебного плана, обеспечивающая построение семейств таксонов по отношению наследования знаний и построение уровней иерархии. Разработан метод определения существенных, менее существенных и несущественных эквивалентных связей, дающий возможность оптимизации графа межпредметных связей. Предложено решение задачи распределения дисциплин учебного плана по семестрам как задачи принятия решений. Множество ограничений, накладываемых на учебный план специальности, было разбито на три подмножества – ограничения на формирование учебного плана семестра, на учебный план в целом и на возможное перераспределение часов между дисциплинами и циклами дисциплин. В соответствии с выделенными группами ограничений построены три базы правил нечеткого регулятора, на основе которых формируются учебный план семестра, перераспределение объема часов между дисциплинами и учебный план в целом. В основу алгоритмов формирования нечеткого регулятора легли методы нечеткого регулирования, описанные во второй главе.

Не претендуя на полноту раскрытия проблемы, авторами предпринята попытка разработки подхода решения слабослабоформализованных, слабоструктурированных задач управления учебным процессом вуза, характеризующихся расплывчатыми ограничениями, неполными и нечеткими данными, сильно зависящими от изменений внешней среды и субъективных предпочтений лица, принимающего решение.

1 Описание проблемы и обзор методов принятия решений В данной главе приведено содержательное описание задач принятия решений в управлении учебным процессом, выделены класс решаемых в работе задач и его характерные признаки, рассмотрены распространенные классификации моделей и методов принятия решений, определены методы, которые необходимо использовать при решении выделенного класса задач управления учебным процессом высшего учебного заведения, предложена двухкомпонентная модель принятия решений.

1.1 Описание проблемы Многие задачи, решаемые в каждом виде деятельности учебного заведения, относятся к задачам принятия решений. Кратко рассмотрим наиболее важные задачи принятия решений по основным направлениям деятельности учебного заведения. Затем приведем содержательное описание одной из характерных задач управления учебным процессом.

К учебной деятельности вуза относятся задачи по поддержке учебного процесса, такие как управление контингентом студентов (планирование открытия новых специальностей;

планирование приема, выпуска, текущей успеваемости);

управление учебным процессом (формирование учебного плана специальности;

распределение учебной нагрузки между кафедрами и преподавателями;

составление расписания и т.д.);

поддержка учебного процесса (использование обучающих систем, систем контроля знаний учащихся и т.д.) и другие.

К задачам принятия решений в научно-исследовательской деятельности относятся задачи управления ростом научной квалификации персонала, управления и планирования научных исследований и ряд других.

Финансово-экономической деятельности свойственны традиционные задачи принятия решения в этой области. В административно-хозяйственной деятельности кроме традиционных задач принятия решения должны решаться и задачи, свойственные учебному заведению. Это такие задачи, как выбор специальностей, подлежащих первоочередному оснащению необходимым оборудованием;

в условиях недофинансирования вузов – выбор объектов, подлежащих первоочередному ремонту (текущему, капитальному) и другие.

Задачи принятия решений в области научно-исследовательского, финансово экономического и административно-хозяйственного направлений решаются и в других сферах деятельности, они не относятся к специфическим задачам сферы образования.

Главной, определяющей деятельностью сферы образования является собственно учебная деятельность, в которой так же, как и другим видам деятельности, свойственны задачи принятия решений. Поэтому данная работа посвящена задачам принятия решений в учебной деятельности, которые будем называть задачами управления учебным процессом.

1.1.1 Обзор задач управления учебным процессом вуза Задача управления контингентом студентов заключается в планировании контингента студентов образовательного учреждения и управлении его движением в рамках лимитов, устанавливаемых Министерством образования и науки РФ. Для того чтобы запланировать количество студентов, которые будут обучаться на специальностях, выпускаемых вузом, необходимо знать востребованность специалистов по этим направлениям подготовки в регионе. Необходимо проводить исследования трудоустройства выпускников специальностей вуза, определения и открытия востребованных специальностей, уменьшения набора на невостребованные специальности, т.е. пересмотра контрольных цифр набора абитуриентов на существующие специальности с учетом открытия новых специальностей и т.д. В задаче принятия решений по открытию новых специальностей вузом альтернативными решениями являются специальности, востребованные в регионе, выбор должен основываться на знаниях о степени востребованности, уровне материально-технической базы и кадровом потенциале вуза, научных интересах и предпочтениях ведущих сотрудников вуза. Решение задачи требует создания процедур приобретения знаний, их формализации, создания методов генерации альтернатив, их оценки и выбора. При этом следует отметить, что многие знания предметных областей рассматриваемых задач носят неточный характер.

Процедура распределения педагогической нагрузки преподавателей на следующий учебный год также относится к сложным задачам со слабоформализованной предметной областью. Для её решения необходимо знать область научных интересов, уровень подготовленности преподавателей по различным дисциплинам, предпочтения преподавателей к ведению дисциплин и группам студентов, нормы педагогических нагрузок в зависимости от должности преподавателя. Большинство знаний характеризуются качественными показателями с субъективной оценкой.

Задача формирования учебного плана специальности/направления тоже относится к трудоемким задачам. При ее решении нужно знать список дисциплин специальности, распределение часов между дисциплинами, обеспечить правильную последовательность изучения дисциплин. Эти знания необходимы при распределении дисциплин по семестрам.

Формирование списка дисциплин затрудняется введением в ГОС ВПО национально регионального компонента и элективных курсов, в которые должны включаться дисциплины, учитывающие особенности социально-экономического развития региона.

Внешние факторы, определяющие национально-региональный компонент, являются качественными показателями с субъективной оценкой. Формирование учебного плана специальности производится при условии выполнения множества требований, определенных в регламентирующих документах. В большинстве своем они носят расплывчатый характер.

Требования, с одной стороны, можно представить как ограничения, накладываемые на формирование учебного плана, с другой – как целевые функции, значение которых необходимо максимизировать (минимизировать).

На практике эти задачи зачастую решаются под влиянием ситуативных предпочтений и инерции мышления, без полного анализа на основе здравого смысла, а иногда вообще не осмысленно.

Формулирование проблемы. Все перечисленные задачи принятия решений управления учебным процессом имеют одну проблемную область, направлены на поддержку учебного процесса и обладают следующими общими свойствами:

- сильно зависят от внешних факторов, например, от образовательной политики государства, региона, вуза. Так, например, деятельность образовательного учреждения регламентируется законами, приказами и другими управляющими документами;

- регламентирующие указания в документах носят расплывчатый характер.

Например, разрешается изменять объем часов, отводимых на освоение учебного материала для циклов дисциплин в пределах 5%, а на отдельные дисциплины внутри цикла – в пределах 10%;

- многие входные данные характеризуются неопределенностью, неполнотой;

зачастую в этих задачах невозможно точно определить последствия принимаемых решений;

- решение задач характеризуется значительным влиянием человека, т.к. каждое образовательное учреждение обладает ресурсами, характеристики которых свойственны только ему (например, кадровый потенциал и материально-техническая база, исторические традиции, направление исследований и т.д.);

- решение задач во многом зависит от поставленных целей и решающих правил, принятых в образовательном учреждении;

- задачи управления учебным процессом имеют в своем составе подзадачу распределения одних сложных объектов по другим сложным объектам.

Перечисленные основные свойства задач принятия решений поддержки учебного процесса относят их к классу слабоформализованных, слабоструктурированных задач с расплывчатыми ограничениями, неполными и нечеткими данными. При решении этих задач невозможно найти единственное оптимальное решение, поэтому окончательный выбор решения остается за ЛПР. Все это обусловливает многовариантность решений, причем выбор конкретного решения зависит от субъективных факторов и при попытке их формализации – от принятых моделей и методологий.

В работах [80,59,62,18,83] задачи управления учебным процессом решались методами динамического программирования. В них для оптимизации применяется критериальный язык описания многокритериальной задачи выбора. В этих работах множество критериальных функций, описывающих ограничения, сводится к суперкритерию, полученному с помощью аддитивных функций, иногда мультипликативных. Это приводит к тому, что, во-первых, в решениях не учитываются предпочтения ЛПР и многие другие субъективные факторы, учитываемые в реальном принятии решения;

во-вторых, суперкритерий, с помощью которого производится упорядочение альтернатив в многомерном пространстве критериев, в принципе не может быть однозначным и полностью определяется видом упорядочивающей функции. Суперкритерий играет роль упорядочивающей функции, и даже его небольшое изменение может привести к тому, что оптимальная в новом смысле альтернатива окажется очень сильно отличающейся от старой.

Поэтому в задачах управления учебным процессом эти методы не дают адекватного результата.

В работах [9,28] задачи управления учебным процессом решаются как комбинаторные задачи. Для уменьшения объема вычислений в них используются эвристические функции оценки. При таком подходе обычно не учитываются неопределенность и неполнота входных данных, расплывчатость ограничений, что также не приводит к получению удовлетворительного результата.

В данной работе предлагается решать задачи управления учебным процессом как задачи принятия решения в условиях неопределенности с использованием аппарата нечеткой логики. Для построения модели решения данного класса в этой главе рассматриваются наиболее распространенные модели и методы принятия решений.

Типичным примером выделенного класса задач является формирование учебного плана специальности. Рассмотрим содержательное описание этой задачи. Это позволит подтвердить достоверность предлагаемых в работе моделей и методов посредством применения их при решении этой задачи.

1.1.2 Содержательное описание задачи формирования учебного плана специальности 1.1.2.1 Основные термины предметной области Основная образовательная программа вуза по направлению или специальности представляет собой комплект нормативных документов, определяющих в соответствии с ГОС ВПО цели, содержание и методы реализации процесса обучения и воспитания.

Основными документами основной образовательной программы высшего профессионального образования (ООП ВПО) [48] являются:

учебный план;

программы учебных дисциплин и практик, определяющих полное содержание ООП;

перечень специализаций;

содержание и порядок проведения итоговой государственной аттестации.

Нормативный срок освоения выпускником ООП ВПО установлен Государственным образовательным стандартом высшего профессионального образования (ГОС ВПО) для очной формы обучения и включает время, отводимое на теоретическое обучение, практики, сессии, подготовку квалификационной работы, каникулы. Сроки освоения ООП ВПО для других форм обучения устанавливаются вузом при условии обеспечения обязательного освоения обучающимся полного объема часов теоретического обучения, отводимого на изучение дисциплин основной образовательной программы и устанавливаемого ГОС ВПО, а также практик.

Учебный план по специальности/направления – основной документ, определяющий структуру учебного процесса по специальности, перечень и объемы учебных дисциплин, последовательность их изучения, названия и продолжительность практик, используемые виды занятий (лекции, лабораторные и практические занятия, семинары и др.), аттестации, формы контроля и т.д. Он разрабатывается учебно-административным аппаратом на основе ГОС ВПО и примерного учебного плана по форме, определяемой университетом, и утверждается ректором.

Примерный учебный план – документ, представляющий собой разбивку содержания образовательной программы по учебным курсам, дисциплинам и годам обучения.

Разрабатывается соответствующим учебно-методическим объединением по специальности (направлению) и утверждается Минобразованием России.

1.1.2.2 Методические указания к разработке учебных планов Учебный план должен предусматривать [57]:

последовательность изучения дисциплин, основанную на их преемственности;

рациональное распределение дисциплин по семестрам с точки зрения равномерной загруженности студента;

эффективное использование кадрового и материально-технического потенциала университета.

Отклонения в объеме часов отдельных дисциплин и циклов дисциплин при составлении учебных планов не должны превышать 5% рекомендованной ГОС ВПО трудоемкости – числа часов аудиторных занятий и самостоятельной работы студентов.

Срок действия учебного плана соответствует нормативному периоду обучения по данной специальности или направлению ВПО, который определяется ГОС ВПО и примерно составляет для бакалавров – 4 года, специалистов – 5 лет, магистров – 6 лет с учетом бакалавриата.

Учебный план специалиста оформляется как самостоятельный документ.

Учебный план основной образовательной программы подготовки специалиста и бакалавра включает в себя следующие разделы:

1. Заголовок.

2. График учебного процесса.

3. Баланс учебного времени в неделях.

4. План учебного процесса.

5. Факультативные дисциплины.

6. Учебные практики.

7. Производственные практики.

8. Выпускная квалификационная работа.

9. Государственные экзамены.

10. Заключительная часть.

В заголовке учебного плана указываются наименование факультета, код и наименование специальности/направления, квалификация выпускника, срок и форма обучения: очная, очно-заочная (вечерняя), заочная.

В графике учебного процесса соответствующими символами для каждого курса и семестра обозначаются календарные дни (по неделям и месяцам) теоретического обучения, практик, экзаменационных сессий, каникул и итоговой государственной аттестации.

Планируемое количество учебных недель, как правило, в нечетном семестре может составлять 19, а в четном – 17 недель. При составлении графика учебного процесса следует исходить из 52 недель в году, а общее число недель каникулярного времени должно составлять 7-10 недель, в том числе две недели в зимний период.

Расчетное начало учебного года – 1 сентября.

Баланс учебного времени представляет собой сводные данные по бюджету времени в неделях. При его составлении необходимо произвести расчет количества недель по годам обучения и за весь период обучения, выделяемый на теоретическое обучение (в том числе и на экзаменационные сессии), практики, выпускные квалификационные работы, итоговую аттестацию и каникулы.

План учебного процесса содержит перечень всех изучаемых дисциплин, распределенных по учебным курсам и семестрам, количество часов в неделю, а также включает виды контроля.

Общее количество часов теоретического обучения с учетом факультативных занятий, распределяемое по учебным дисциплинам, должно быть равно произведению количества недель теоретического обучения на максимальный объем учебной нагрузки студента в неделю в часах (в настоящее время он равен 54).

В соответствии с постановлением правительства Российской Федерации «Об утверждении государственного образовательного стандарта высшего профессионального образования» от 12.08.1994 г. № 940обязательными являются 4 блока (цикла) дисциплин:

цикл общих гуманитарных и социально-экономических дисциплин (ГСЭ);

цикл общих математических и естественно-научных дисциплин (ЕН);

цикл общепрофессиональных дисциплин (ОПД);

цикл специальных дисциплин (СД), включая дисциплины специализаций (ДС), если они предусмотрены ГОС ВПО.

В настоящее время общая трудоемкость по циклу ГСЭ для технических вузов установлена в объеме 1800 часов. Федеральный компонент цикла составляет 70%, вузовский компонент - 30% общего объема часов, на дисциплины по выбору студента отводится 15% общего объема часов цикла. Дисциплины по выбору студента являются обязательными и устанавливаются факультетом.

В инструктивном письме Минобразования России от 18.07.2000 № 14-55-455ин/ рекомендовано включать в учебные планы все одиннадцать базовых дисциплин, приведенных в ГОС ВПО: иностранный язык, физическая культура, отечественная история, культурология, политология, правоведение, психология и педагогика, русский язык и культура речи, социология, философия, экономика.

Если базовая дисциплина является частью общепрофессиональной или специальной подготовки, например, "Философия" на философском факультете, "Экономика" на экономическом факультете и т.д., то выделенные на ее изучение часы могут перераспределяться в рамках цикла по другим дисциплинам.

В обязательном порядке, в соответствии с ГОС ВПО, во все учебные планы должны быть включены иностранный язык, физическая культура, отечественная история и философия. В настоящее время на иностранный язык выделяется не менее 340 часов, а на физическую культуру – не менее 408 часов, из них 26 часов лекционных.

Рекомендуется устанавливать на физическую культуру по 4 аудиторных часа в неделю на 1-2 курсах и по 2 аудиторных часа в неделю на 3-4 курсах, по мере развития спортивной базы вуза.

Объем федерального компонента цикла ЕН составляет не менее 80% общего объема часов, выделяемых на цикл в ГОС ВПО. Остальной объем цикла распределяется между вузовским компонентом и дисциплинами, устанавливаемыми УМО, в том числе дисциплинами по выбору студента, приблизительно в равных пропорциях.

Федеральный компонент цикла ЕН формируется из дисциплин: математика, информатика, физика или концепции современного естествознания, экология или биология с основами экологии, химия, а также дисциплин, включаемых по предложению УМО по направлениям подготовки.

Федеральный компонент цикла ОПД устанавливается в объеме не менее 80% общего объема цикла. Вузовский компонент – не более 20% общего объема цикла, включая 10% по выбору студента.

В цикл СД у специалистов могут входить дисциплины специализаций (ДС). Некоторые специальности могут не иметь специализаций. Специализации являются частью специальности, в рамках которой они создаются, и предполагают получение более углубленных профессиональных знаний, умений и навыков в различных областях деятельности по профилю этой специальности (см. инструктивное письмо Минобразования России от 15.03.99 № 4).

По каждой специализации факультетом разрабатывается свой набор дисциплин.

Фактические названия дисциплин специализаций и элективных дисциплин указываются в отдельном перечне в конце учебного плана.

Объем учебной нагрузки студента определяется трудоемкостью (числом часов аудиторных занятий и самостоятельной работы). Согласно ГОС ВПО он не должен превышать 54 часов в неделю. Объем обязательных аудиторных занятий студента не должен превышать за период теоретического обучения в среднем 27 часов в неделю. В это количество часов не входят обязательные занятия по физической культуре, а также по факультативным дисциплинам. Превышение указанного количества часов возможно лишь в том случае, если таковое предусмотрено ГОС ВПО по соответствующему направлению (специальности).

Количество экзаменов и зачетов в семестре, включая зачеты по курсовым работам и практикам, не должно превышать одиннадцати. При этом количество экзаменов, выносимых на каждую сессию, не должно превышать пяти, а количество зачетов за семестр, как правило, не должно быть более шести (эта норма утверждается приказом ректора вуза). В указанное число не входит отчетность по физической культуре, военной подготовке и другим факультативам.

И последняя рекомендация, которую необходимо учитывать при составлении учебного плана, – это то, что число часов на дисциплину в семестре целесообразно устанавливать кратным числу учебных недель в семестре, если используется при планировании занятий недельная форма расписания, а число часов на дисциплину в неделю - четным - для удобства составления расписания занятий.

Надо отметить, что вышеприведенные нормы времени не являются полностью статичными, они могут изменяться через некоторый период времени.

Все требования к составлению учебного плана можно разделить на две группы:

1) требования к учебному процессу, установленные Государственным образовательным стандартом и включающие совокупность обязательных предметов и продолжительность их изучения;

2) требования, не являющиеся инвариантами к вузу (последовательность преподавания дисциплин, перечень дисциплин национально-регионального компонента и элективных курсов, набор факультативных предметов и прочие). Последняя группа требований зависит от субъективных факторов.

Таким образом, учебный план является основным руководящим документом, определяющим процесс обучения в любом учебном заведении. В соответствии с ГОС ВПО для формирования учебного плана необходимо:

определять оптимальный перечень дисциплин специализаций, элективных дисциплин и дисциплин национально-регионального компонента, оптимальное распределение бюджета времени между ними;

определять межпредметные связи между дисциплинами и последовательность их изучения;

распределять дисциплины по семестрам.

Этот процесс является сложным, трудоемким, итеративным. Периодичность его выполнения в последние годы значительно сократилась. Это вызвано такими процессами, как модернизация системы образования, вхождение России в Болонскую конвенцию, адекватное реагирование на развитие экономики и научного прогресса, требующее повышения динамичности системы образования. Примерами факторов, которые порождают эти процессы, на уровне государственной образовательной политики являются введение многоуровнего образования, изменение номенклатуры специальностей, поддержка индивидуальных траекторий обучения, соотнесение учебных планов с общеевропейскими стандартами. На региональном уровне – введение новых специальностей, смена соотношений между аудиторной и самостоятельной нагрузкой. Перечисленные и многие другие факторы требуют формирования новых или совершенствования существующих учебных планов. Этот процесс не отъемлем от высшего учебного заведения, его автоматизация необходима каждому вузу.

1.2 Обзор существующих подходов к формированию учебного плана специальности Анализ работ, выполненных по данной теме [57,33,84,77,18,69,70,6,60,7,3,34,75,80,83], позволил классифицировать подходы к решению задачи формирования учебного плана специальности следующим образом:

а) подход, основанный на построении дерева целей подготовки специалиста;

б) подход, основанный на организации модульного обучения.

Рассмотрим оба подхода.

1.2.1 Формирование учебного плана специальности на основе дерева целей подготовки Решение задачи формирования учебного плана специальности на основе дерева целей подготовки относится к методикам системного анализа. В настоящее время существует несколько методик структуризации целей и функций систем управления. Наиболее известные из них приведены в таблице 1.1. Во всех методиках строится дерево целей, которое имеет несколько уровней иерархии.

Таблица 1.1 – Методики структуризации целей и функций систем управления № Методика Описание Определены порядок, методы формирования и оценки структур 1 ПАТТЕРН целей Изложены принципы формирования дерева целей и признаки 2 Ю.И. Черняка структуризации Ориентирована на структуризацию функций систем 3 С.А. Валуева организованного управления, учитывает этапы цикла принятия решений А.И. Уемова и Базируется на двойственном отношении определения системы Б.Д. Кошарского через понятия «вещи», «свойства», «отношения»

В.Н. Учитываются понятия цели, среды и интервала времени, периода Сагатовского существования системы Используется в педагогике и психологии, базируется на 6 А.Н. Леонтьева концепции деятельности Р.Акоффа и Ф.

7 Основана на структуризации целей систем, стремящихся к идеалу Эмери Для построения дерева формулируется глобальная цель, которая должна описывать конечный продукт, определяются признаки структуризации, осуществляется декомпозиция глобальной цели на подцели по признакам, выявляются новые функции и задачи, определяется степень влияния подцелей на глобальную цель. Для определения степени влияния могут использоваться методы структуризации целей деятельности специалиста, информационный подход [15,66,75] и другие.

Метод составления учебных планов на основе дерева целей подготовки специалиста используется в работах [84,69,75,62,14,28,45]. Метод реализуется на основе построения дерева целей подготовки специалиста: что он должен знать, уметь, чем владеть, о чем должен иметь представление и т.д. Таким образом, глобальная цель связана с основной целью обучения – что должен знать и уметь выпускник вуза, которая декомпозируется на подцели по определенным признакам, затем выявляются новые функции и задачи. Каждой цели ставится в соответствие одна или несколько дисциплин учебного плана. После этого решается задача по определению требований к содержанию дисциплины. Естественно, что дерево целей имеет несколько иерархических уровней.

Наиболее полно этот метод развит в работе [75], в которой осуществляется анализ требований к специалистам, анализ соответствия преподаваемых дисциплин требованиям к специалисту. На основе соответствия выводятся рекомендации к изменению рабочего учебного плана, или строится новый рабочий учебный план. Автор работы, М.С. Соколова считает, что в реальных условиях невозможно построить формализованную модель системы, обеспечивающую целостность содержания обучения, требований к специалистам и их отражения в дисциплинах учебного плана. Эту проблему она решает с помощью построения семейства моделей. Методика построения иерархического семейства моделей базируется на стратифицированном представлении процесса проектирования.

При разработке стратифицированной модели управления формированием учебного плана в работе применяется два подхода:

а) формирование структур целей специальности и требований к специалисту (целевой подход или подход "сверху");

б) анализ существующих квалификационных характеристик, отраженных в стандартах специальности, и учебных планов разных вузов по этой специальности (подход, называемый терминальным, морфологическим или подходом "снизу").

Для определения требований к специалистам используются общеметодологические представления и закономерности систем, в частности, в данной работе применяется методика, основанная на концепции системы, учитывающей среду, целеполагание и взаимоотношения с внешней средой в процессе развития системы.

В работе рассмотрен пример построения дерева целей для специальности «Маркетинг». В качестве внешней среды рассматривается задача "Управление маркетингом".

Построение дерева целей для задачи "Управление маркетингом" согласно предложенной методике проходит в три этапа:

а) формулировка глобальной цели, которая должна описывать конечный продукт.

Глобальная цель в данной задаче сформулирована следующим образом: обеспечение эффективного функционирования и развития предприятия;

б) декомпозиция глобальной цели на подцели по следующим признакам:

(1) виды конкретных целей;

(2) пространство инициирования целей;

(3) виды деятельности;

(4) жизненный цикл;

(5) функции и задачи;

(6) управленческий цикл;

(7) делегирование полномочий;

в) затем выявляются новые функции и задачи.

Таким образом, М.С.Соколова идет от деятельности специалиста. Для структуризации деятельности специалиста применена методика, базирующаяся на концепции деятельности, в соответствии с которой вначале выделяются основные направления деятельности специалиста. Затем в каждом из направлений деятельности выделяются подцели и устанавливается соответствие видов деятельности и подцелей деятельности специалиста с компонентами маркетинга. Так строится страт влияния требований к профессиональной подготовке. Он состоит из двухуровневой иерархической модели, в которой требования объединены на основе моделей деятельности специалиста. Анализ страта приводит к выводу, что в большей степени умения и навыки будущего специалиста лежат в реализации требований по циклу специальных дисциплин. Таким образом, на этом страте выявляются направления деятельности, в конечном результате формируются требования по циклу СД учебного плана специальности.

1.2.2 Организация модульного обучения и формирование учебного плана на основе связей между модулями Другой методикой составления учебных планов и программ является организация модульного обучения [33,80,83,3,41]. При решении поставленной задачи по этой методике основной проблемой является выделение модулей. Для ее решения в первую очередь определяется единица учебного материала. В вышеприведенных работах за единицу учебного материала принято считать:

дисциплину;

шаг (14-17 или кратных им аудиторных часов);

квант (неделимая часть учебного материала - тема, раздел);

ТЭП (типовой элемент планирования) – материал, требующий для своего изложения число аудиторных часов, кратных числу недель в семестре;

модуль (учебный материал, количество часов на изучение которого равно 15 или кратно ему).

Каждая единица учебного материала кратна заданному числу часов и в соответствии с выделенными часами заполняется необходимым содержанием.

В работе [80] предлагается следующая методика формирования содержания модулей.

Строится граф логической структуры предмета, в котором указываются не только внутрипредметные, но и межпредметные связи. Затем в отдельные учебные элементы, составляющие структуру модуля, выбираются полностью только те темы, которые необходимы для изучения конкретного учебного элемента, что позволяет по возможности обеспечить его большую автономность и достичь полноты содержания учебного материала.

Алгоритмы оптимизации учебных планов на основе связей между модулями рассматриваются в работах [84,18,36,80,83,3]. В большинстве работ предлагается сначала на основе графа связности учебного материала установить логичность изложения, т.е. порядок изучения учебных модулей. Для каждого модуля определяется временной промежуток изучения материала модуля. Затем по выбранному критерию оптимизации модули распределяются по неделям. Во всех перечисленных выше работах, кроме [36,18], связь между модулями – величина логическая, т.е. фиксируется наличие или отсутствие связи.

1.2.3 Анализ исследований, посвященных методикам формирования учебного плана специальности В разработанных методиках формирования учебного плана специальности применяется системный подход к решению задачи. В частности, в работах [84,70,75,62,14,28,45], выполненных на основе построения дерева целей подготовки специалиста, используются методы системного анализа: формулируется глобальная цель, описывающая конечный продукт, определяются признаки структуризации, осуществляется декомпозиция глобальной цели на подцели по признакам, выявляются новые функции и задачи, определяется степень влияния подцелей на глобальную цель. Выявление целей и подцелей производится на основе анализа требований к уровню подготовки специалиста. В работах, основанных на организации модульного обучения, известные методики системного подхода применяются для устранения логического несоответствия последовательности изучения дисциплин и на основе этого – устранения лишних связей между дисциплинами.

Также достоинством некоторых методик [57] является параллельная разработка учебного плана и учебных программ. На наш взгляд, это позволяет устранить следующие основные недостатки планирования учебного процесса:

1. Отбор необходимого для изучения материала не всегда определяется требованиями к профилю подготовки, а во многом зависит от квалификации и научных интересов кафедр и даже отдельных преподавателей. Время между учебными дисциплинами распределяется без детального анализа возложенных на них задач в системе подготовки.


2. Формирование учебных программ проводится, как правило, без детального учета объективно существующих взаимосвязей между дисциплинами учебного плана. При этом неизбежны параллелизм, дублирование или же изучение тех или иных вопросов без необходимой теоретической базы. Кроме того, это не позволяет тщательно учитывать перспективы использования формируемой информации, снижает целенаправленность обучения и порождает различия в обозначениях и терминологии. В результате возникающего снижения преемственности в изучении смежных дисциплин учебное время используется недостаточно эффективно.

3. Не планируется должным образом время самостоятельной работы студентов, что приводит к неравномерной загрузке их как в течение семестра, так и в течение всего периода обучения.

Общим недостатком первых работ, выполненных в 60-70-е годы, является отсутствие разработанных методов и алгоритмов автоматизации формирования учебного плана.

Дальнейшее развитие эта тема получила в работах [75,80,18,69,70,89,20,38,26,27] по автоматизации как формирования учебных планов, так и учебного процесса в целом. Во всех работах, кроме [75], используется рассмотренная выше методика представления предметной области, в которой для анализа задачи используются качественные методы системного анализа, модель предметной области представляется в виде сетевых графиков. В [75] для моделирования предметной области интегрируются методы сетевого и структурно лингвистического подхода. В [36,18,83] задача решается как многокритериальная задача принятия решений.

Однако работы по автоматизации формирования учебного плана так и не дали удовлетворительного результата. На наш взгляд, это связано с тем, что эта задача является сложной, многоаспектной, интеллектуальной. Поэтому решать ее надо действительно как задачу принятия решений на основе комбинации всех методов, изложенных в данной главе.

Для анализа предметной области и исследования проблемной среды необходимо применять методы системного анализа и инженерии знаний. Для построения графовой модели представления учебного плана необходимо использовать методы модульного обучения. А для вывода окончательного решения – не многокритериальный подход оптимизации, а методы нечеткого регулирования.

1.3 Обзор моделей и методов принятия решений 1.3.1 Модели принятия решений Как правило, при определении модели принятия решений рассматривается некоторое подмножество исходных структур предпочтений и исследуется определенная задача принятия решений. Процесс решения задачи принятия решений понимается как оптимальный выбор метода обработки исходных структур из некоторого базового класса методов, которые хранятся в библиотеке моделей задач принятия решений. При этом считается, что на множестве исходных структур задана модель задачи принятия решения, если указан некий принцип или правило, согласно которому произвольному отношению ставится в соответствие некоторый набор методов библиотеки моделей задач принятия решений. Конкретные модели ориентированы на соответствие тех или иных методов принятия решений определенным базовым структурам [9].

В работах [13,85] по созданию модели принятия решений предлагается классификация моделей, основанная на ее формальном представлении:

t, X, R, A, F, G, D, где:

t – постановка задачи;

X – множество допустимых альтернатив;

R – множество критериев оценки степени достижения поставленных целей;

А – множество шкал измерения по критериям;

F – отображение множества допустимых альтернатив в множество критериальных оценок;

G – система предпочтений решающего элемента;

D – решающее правило, отображающее систему предпочтений.

В соответствии с формальным представлением модель задачи принятия решений классифицируется по признакам этого представления:

По виду отображения F – детерминированная, вероятностная, неопределенная. В соответствии с видом отображения выделяются задачи принятия решений в условиях определенности, риска, неопределенности соответственно. Аналогичным образом по полноте описания исследуемого объекта классифицируются задачи принятия решений в [12].

По мощности множества R – модель с одним критерием оценки степени достижения поставленных целей или с множеством критериев. Соответственно выделяются задачи принятия решений со скалярным или векторным критерием (многокритериальные задачи).

По типу системы G – отражает предпочтение одного лица или коллектива в целом, т.е.

выделяются задачи индивидуального и группового принятия решений.

В работе интерес представляют задачи принятия решений в условиях неопределенности. Неопределенности являются неотъемлемой частью процессов принятия решений. Их принято разделять на три класса [50]:

а) неопределенности, связанные с неполнотой знаний о проблеме, по которой принимается решение;

б) неопределенность, связанная с невозможностью точного учета реакции окружающей среды на наши действия;

в) неопределенность, связанная с неточным пониманием целей лицом, принимающим решение.

Свести задачи с подобными неопределенностями к точно поставленным целям крайне трудно и почти невозможно [50]. Для этого надо «снять» неопределенности. Одним из распространенных способов снятия является субъективная оценка специалиста (эксперта, руководителя), определяющая его предпочтения. Субъективная оценка оказалась в настоящее время единственно возможной основой объединения разнородных физических параметров решаемой проблемы в единую модель, позволяющую оценивать варианты решений [50]. Учет фактора субъективности ЛПР в принятии решения нарушает фундаментальный принцип методологии исследования операций: поиск объективно оптимального решения. Признание права ЛПР на субъективность решения есть признак появления новой парадигмы, характерной для другого научного направления – принятия решений при многих критериях [79,43]. С другой стороны, при принятии решений по многим критериям существует и объективная составляющая. Обычно эта составляющая включает в себя ограничения, накладываемые внешней средой на возможные решения (наличие ресурсов, временные ограничения, экологические требования, социальная обстановка и т.п.).

Задачи принятия решений в управлении учебным процессом, в том числе задача формирования учебного плана, характеризуются большим числом расплывчатых ограничений, неполнотой исходных данных, множеством целей, декомпозирующихся на подцели, поэтому при их решении необходимо применять модели принятия решений в условиях неопределенности. Это означает, что создаваемая модель описывается следующим образом: отображение F множества допустимых альтернатив во множество критериальных оценок – неопределенное;

множество R критериев оценки степени достижения поставленных целей – множество, состоящее из нескольких критериев;

система предпочтений G решающего элемента отражает предпочтение в конечном итоге одного лица, базирующееся на предпочтениях коллектива в целом (таким образом, выделяются задачи как индивидуального принятия решений, так и задачи группового принятия решений).

Для построения модели принятия решения необходимо рассмотреть методы генерации альтернатив, методы их оценки и методы выбора альтернатив.

1.3.2 Обзор методов генерации альтернатив Формирование множества альтернатив является трудоемким, творческим процессом [65]. Этот процесс, как правило, выполняется в две стадии. На первой стадии формируется первичное множество альтернатив. На второй – либо генерирование множества альтернатив на основе первичного, либо его уточнение. На первой стадии рекомендуется использовать текстологические и коммуникативные методы извлечения знаний. На второй – для уточнения первичного множества альтернатив можно применять коммуникативные методы извлечения знаний (метод экспертного опроса), а для генерации множества альтернатив на основе первичного множества можно использовать методы автоматической генерации.

Автоматическая генерация в зависимости от мощности генерируемого множества альтернатив может осуществляться двумя способами, основанными на эвристиках. При первом способе, когда мощность генерируемого множества невелика (10), рекомендуется использовать процедуру увеличения числа альтернатив. При втором способе, когда мощность генерируемого множества большая, рекомендуется использовать процедуру сокращения числа альтернатив. Первый способ легко реализуется посредством искусственных нейронных сетей, второй – с помощью эвристического алгоритма, построенного по стратегии направленного перебора.

1.3.2.1 Подход формирования альтернатив с помощью экспертного опроса Методы экспертного опроса – это методы организации работы со специалистами экспертами и обработки мнений экспертов, выраженных в количественной и/или качественной форме. К основным стадиям экспертного опроса относятся разработка сценария проведения сбора информации, проведение сбора экспертной информации, анализ экспертной информации и интерпретация полученных результатов.

Стадия сбора информации близка к методам извлечения знаний, их использование позволит формализовать вышеперечисленные этапы проведения опроса.

Методы извлечения знаний подразделяются на коммуникативные и текстологические.

Текстологические методы извлечения знаний обязательно применяются на этапе изучения предметной области. Аналитик, изучив специальную литературу, может сформировать первичный набор альтернатив. Однако при решении сложных задач со слабоформализованной предметной областью требуются знания и опыт экспертов, тогда необходимо применять коммуникативные методы извлечения знаний.

Коммуникативные методы подразделяются на активные и пассивные. Для извлечения знаний эксперта удобно использовать активные методы, которые подразделяются на индивидуальные и групповые. В данном случае достаточно использовать индивидуальные методы: диалог, интервью, анкетирование, беседа. Так как наша дальнейшая цель состоит в автоматизации процесса, в данном случае лучшим образом подходит метод анкетирования.


Анкетирование – наиболее жесткий метод, т.е. наиболее стандартизированный. В этом случае аналитик определяет цель опроса, составляет вопросник или анкету и осуществляет процедуру опроса.

Основными элементами анкет являются вопросы и ответы. Формирование вопросов анкеты зависит от множества факторов, которые определяются на этапе анализа предметной области методами системного анализа, в общем, влияют на решение задачи и выявление гипотез (альтернативы) в частности. В некоторых случаях при формировании альтернатив требуется выявить дополнительную информацию, которая позволит сузить область поиска альтернатив.

Метод экспертного опроса следует использовать в случаях, когда требуется сформировать множество альтернатив небольшой мощности, исчисляемой количеством не более одного десятка, или когда необходимо сформировать первичное множество альтернатив, на основе которого будут порождаться новые популяции. Метод экспертного опроса реализуется в виде устного или письменного опроса. В работе будем применять второй тип опроса на базе метода анкетирования.

1.3.2.2 Подходы к генерации альтернатив на основе применения эвристик Сформированный первичный набор альтернатив, как правило, требует дальнейшей обработки, которая заключается либо в сокращении набора, либо в его увеличении, либо в некотором уточнении.

Сокращение набора альтернатив. Один из подходов сокращения первичного набора альтернатив состоит в применении широко известных эвристик [72,71,17], таких как ограниченный направленный перебор, исключение и отсечение.

Стратегия направленного перебора реализуется двумя подходами: как управление данными или как управление исходя из цели. При первом подходе ограничение полного перебора осуществляется на основе анализа данных, при втором – проверяется достижение поставленной цели и выбор новой подцели.

Исключение или отсечение – это эффективный механизм сокращения области поиска.

Если решение не обладает свойством Р, то все варианты, которые устанавливают Р или вытекают из него, отбрасываются. Иначе говоря, если W Р, где - импликация, W частное решение (альтернатива), Р - свойство искомого решения (альтернативы), то W отбрасывается, равно как и любое другое решение U, логически предполагающее W.

Отметим, что если P W, то отсечение в этом случае является лишь правдоподобным.

Примерами метода исключения или отсечения являются метод ветвей и границ, ( )-процедура и другие. Эти алгоритмы используются в тех случаях, когда четко определены цель решаемой задачи и состав элементов альтернативы.

Увеличение набора альтернатив. Для автоматического генерирования множества альтернатив, предназначенного для увеличения его мощности, можно использовать следующие эвристики:

- увеличение числа альтернатив за счет их комбинирования, образования промежуточных вариантов между предложенными ранее (т.е. не «либо-либо», а кроме того, еще и «от одной и от другой альтернативы»);

- модификация имеющейся альтернативы, т.е. формирование альтернатив, лишь частично отличающихся от известной;

- включение альтернатив, противоположных предложенным, в том числе и «нулевой»

альтернативы («не делать ничего», т.е. рассмотреть последствия развития событий без нашего вмешательства).

Предложенные эвристики удобно реализовывать посредством генетических алгоритмов. Процедура генерации альтернатив предполагает, что уже известна структура альтернативы, т.е. будем полагать, что каждая альтернатива Ai имеет множество признаков aij (i=1,…,n, j=1,…,m). Тогда для реализации эвристик необходимо определить способ кодирования альтернативы для представления её в виде хромосомы. Длина бинарного представления хромосомы зависит от m – числа признаков альтернативы, точности результата и производительности алгоритма. Структура хромосомы представляет собой конкатенацию битовых представлений признаков альтернативы: ai1 ai2 … aim Первая эвристика предполагает, что на начальном этапе существует несколько альтернатив. Тогда после кодирования альтернатив с целью увеличения мощности множества А можно перейти к алгоритмам кроссовера и затем мутации. Множество альтернатив согласно терминологии искусственных нейронных сетей называются особями.

Кроссоверу подвергаются n особей с заданной вероятностью Pc. Случайным образом n строк разбиваются на n/2 пары. Для каждой пары с вероятностью Pc может применяться кроссовер. Соответственно с вероятностью 1-Pc кроссовер не происходит, и неизмененные особи переходят на стадию мутации. Если кроссовер происходит, полученные потомки заменяют собой родителей и переходят к мутации.

Одноточечный кроссовер работает следующим образом. Сначала случайным образом выбирается одна из l-1 точек разрыва. (Точка разрыва - участок между соседними битами в строке.) Обе родительские структуры разрываются на два сегмента по этой точке. Затем соответствующие сегменты различных родителей склеиваются и получаются два генотипа потомков.

После того, как закончится стадия кроссовера, выполняются операторы мутации. В каждой строке, которая подвергается мутации, каждый бит с вероятностью Pm изменяется на противоположный. Популяция, полученная после мутации, записывается поверх старой и этим цикл одного поколения завершается. Последующие поколения обрабатываются таким же образом: отбор, кроссовер и мутация.

Для работы алгоритма отбора необходимо определить функцию приспособленности, которая в общем случае может совпадать с целевой функцией.

Для выбора родительской пары можно использовать следующие методы селекции:

случайный выбор пар;

по принципу «дальнего родства»;

по принципу «близкого родства».

В первом методе селекции оба родителя выбираются случайным образом. Во втором – первый родитель выбирается случайным образом, в качестве второго родителя берется особь наиболее отдаленная (функция приспособленности сильно отличается от функции приспособленности первого родителя). В третьем методе родителями становятся пары с близкими и высокими функциями приспособленности, но разные по структуре. Выбор случайных и сильно отличающихся пар повышает генетическое разнообразие в популяции.

Нейрон состоит из двух основных элементов: адаптивного сумматора, нелинейного преобразователя (функция активации). На вход искусственных нейронных сетей подается сигнал (на один нейрон подается n сигналов): значение нейрона и его весовой коэффициент.

Адаптивный сумматор нейрона перемножает значение нейрона и его весовой коэффициент и складывает все перемноженные значения. Функция активации работает на выход, т.е. выход нейрона. Она может иметь, например, сигмоидальный характер или вид пороговой функции (0 или 1;

1 и -1).

Нейросетевые методы применяются тогда, когда исходное число альтернатив невелико и из них нужно сгенерировать большое число альтернатив. Это возможно, когда значения структурных элементов альтернативы (нейрона) могут принимать значения из области допустимого интервала. Если набор структурных элементов однозначно определяет альтернативу, то этот метод использовать нельзя.

Уточнение набора альтернатив. В некоторых задачах не требуется сокращение или увеличение мощности первичного множества альтернатив – необходимо только их уточнение. В этом случае лучше всего использовать методы экспертного опроса.

Однако в связи с тем, что при управлении учебным процессом решаются задачи распределения, то для генерации множества альтернатив-распределений необходимо разработать специальный метод генерации таких альтернатив, основанный на одном из вышеизложенных эвристических алгоритмов.

1.3.3 Обзор методов оценки и выбора альтернатив К настоящему времени имеется большой выбор методов оценки сгенерированного множества альтернатив и выбора лучших альтернатив. Их в общем случае называют собственно методами принятия решений. Прежде чем выбрать методы, подходящие для класса задач управления учебным процессом, рассмотрим классификацию методов принятия решений на основе содержания экспертной информации, предложенной в работе [85]. И.А.

Шуйкова выделяет четыре класса методов, соответствующих четырем видам экспертной информации:

– экспертная информация не используется;

– информация о предпочтениях на множестве критериев;

– информация о предпочтительности альтернатив;

– информация о предпочтениях на множестве критериев и о последствиях альтернатив.

В первый класс входят все методы, не использующие экспертную информацию. В остальных классах методы различаются по типу экспертной информации.

Во втором классе выделяют три типа экспертной информации, задающейся на множестве критериев: качественная (порядковая) информация, количественная информация о предпочтительности критериев, количественная информация о замещениях. В соответствии с типом экспертной информации выделяют три группы методов. К первой группе относятся лексикографическое упорядочивание, сравнение разностей критериальных оценок, метод приписывания. Вторую группу составляют метод «стоимость-эффективность», методы линейной и нелинейной свертки, методы порогов несравнимости, методы идеальной точки. В третью группу входят методы кривых безразличия, методы теории ценностей.

В третьем классе методов экспертная информация извлекается парным сравнением альтернатив. Сравнивая альтернативы попарно, эксперты могут давать им количественные или качественные оценки. В соответствии с видом оценивания альтернатив различают две группы методов, входящих в этот класс: методы с количественной и качественной оценкой альтернатив. В первую группу входят методы математического программирования и методы линейной и нелинейной свертки. Вторую группу составляют методы линейной свертки, группового упорядочивания и выделения подмножества объектов.

В четвертом классе методов эксперты дают информацию о предпочтениях на множестве критериев и о последствиях альтернатив. При этом могут быть следующие типы экспертной информации: отсутствие информации о предпочтениях и количественная информация о последствиях;

качественная информация о предпочтениях и количественная информация о последствиях;

качественная информация о предпочтениях и последствиях, количественная информация о замещениях и количественных последствиях. В соответствии с типом получаемой экспертной информации выделяются четыре группы методов. К первой группе относится метод принятия решений с дискретной неопределенностью. Ко второй – метод стохастического доминирования, методы принятия решений в условиях риска и неопределенности, в условиях глобальных критериев. Третью группу составляют методология практического принятия решений, методы выбора статистически ненадежных решений. Четвертую группу – метод кривых безразличия для принятия решений в условиях риска и неопределенности, методы деревьев решений, декомпозиционные методы теории ожидаемой полезности.

Согласно свойствам, характеризующим класс задач принятия решений управления учебным процессом, описанным в подразделе 1.1, для их решения необходима субъективная оценка альтернатив экспертами. Методы извлечения знаний с экспертной информацией о предпочтительности альтернатив объединены в третий класс. В него входят такие группы методов, как методы парного сравнения альтернатив и методы ранжирования альтернатив одним или группой экспертов. Они отличаются организацией процедуры экспертного опроса. При применении первой группы методов альтернативы предъявляются эксперту попарно, и он, сравнивая их, отдает предпочтение одной из предъявленных альтернатив.

Результаты экспертной оценки обрабатываются методом линейной свертки. Во второй группе методов эксперту предъявляется весь набор альтернатив, и он по своему усмотрению их линейно упорядочивает. В обеих группах методов для упорядочивания альтернатив строятся модели простого линейного упорядочивания альтернатив. Каждой альтернативе аi сопоставляется определенный интегральный показатель i, оценивающий итоги его сравнений с остальными альтернативами, а далее альтернативы просто упорядочиваются по убыванию значений этого ранжирующего фактора.

Более сложные модели линейного упорядочивания строятся на основе применения методов группового упорядочивания, выделения подмножества объектов, относящихся к комбинаторно-логическим и теоретико-графовым методам. В них оцениваются показатели не отдельных альтернатив, а всего множества в целом. Упорядочивание осуществляется максимизацией некоторого функционала качества.

Экспертные методы принятия решений для оценки и выбора альтернатив эффективны при небольшой мощности множества оцениваемых альтернатив (не более 5-10). Для оценки множества альтернатив большой мощности лучше использовать интеллектуальные методы, например, методы нечеткого регулирования, которые позволяют производить автоматическое ранжирование альтернатив на основе решающих правил.

Моделирование нечетких регуляторов1 основано на использовании нечеткой логики и нечеткого логического вывода, которые позволяют представить систему управления как набор решающих правил. Модель, основанная на нечетком регуляторе, представляет собой таблицу лингвистических правил, непосредственно связывающих входные и выходные переменные. Распределение исходного множества альтернатив производится по набору решающих правил, описывающих множество требований исходной задачи.

Нечеткие регуляторы были разработаны в 1970-е годы как результат внедрения фундаментальных работ Л.Заде по теории нечетких множеств в задачи автоматического управления [64,94]. Методы и алгоритмы, лежащие в основе реализации нечетких регуляторов, создаются на базе формализма теории нечетких множеств, основные понятия которой приведены в Приложении А. Первые публикации и значительные результаты были получены в исследовательских группах, возглавляемых E. Мамдани [93] начиная с 1970-х годов.

Процедура нечеткого вывода, осуществляемая в нечетком регуляторе, включает в себя следующие операции:

- формирование базы правил системы нечеткого вывода;

- преобразование входных переменных в значения функций принадлежности элементов нечетких множеств входных лингвистических переменных (фаззификация);

- сопоставление значений функций принадлежности различных входных переменных для получения веса каждого правила (агрегация);

- определение выходных нечетких значений от каждого правила (аккумуляция);

- преобразование значений принадлежности выходных переменных в выходное значение (дефаззификация).

Описание базового формализма нечетких продукционных моделей приводится в Приложении Б.

В связи с большой зависимостью принимаемых решений в задачах принятия решений управления учебным процессом от внешних условий, в т.ч. от влияния человека, их характерным свойством является наличие большого количества критериев отбора элементов управления в учебном процессе (например, дисциплин в национально-региональный компонент учебного плана). Иногда их бывает так много, что приходится решать задачу о предпочтениях на множестве критериев отбора. При решении таких задач необходимо Системы нечеткого вывода на основе решающих правил называют нечеткими регуляторами [10,48,53].

использовать группы методов с экспертной информацией о предпочтениях на множестве критериев и последствиях альтернатив. По типу экспертной информации они разделяются на три группы:

- качественная о предпочтениях и количественная о последствиях;

- качественная о предпочтениях и последствиях;

- количественная о замещениях и количественная о последствиях.

Из них наиболее подходящим является второй тип экспертной информации. Это обусловливается тем, что знания и последствия принимаемых решений в задачах управления учебным процессом в основном имеют качественный характер. В группу методов, использующих качественную информацию о предпочтениях и последствиях, входят методология практического принятия решений и методы выбора статистически ненадежных решений. Поскольку решение задач во многом зависит от поставленных целей и решающих правил, принятых в образовательном учреждении, то в работе предлагается использовать методологию практического принятия решений.

Таким образом, исходя из характера изложенных выше задач управления учебным процессом для задач принятия решений управления учебным процессом необходимо использовать методы третьего и четвертого классов, а именно методы извлечения экспертной информации парным сравнением альтернатив и методы извлечения экспертной информации о предпочтениях на множестве критериев и информации о последствиях выбора альтернатив.

1.4 Модели принятия решений в задачах управления учебным процессом Материал, рассмотренный в данной главе, позволяет сформировать модель принятия решений в задачах управления учебным процессом. В зависимости от информационной сложности задачи принятия решений, которая определяется мощностью множества альтернатив и ограничений, накладываемых проблемной средой на решение задачи предлагается сформировать двухкомпонентную модель принятия решений в управлении учебным процессом.

Информационная сложность имеет два аспекта: «количественный» и «качественный»

[42]. Количественная сложность зависит от объема обрабатываемой информации, требуемой скорости обработки (средней и пиковой), ее распределенности в пространстве и т.п. Качественная сложность определяется составом и характером информации, необходимой для успешного решения задачи: числом и разнообразием смысловых аспектов проблемной среды, которые должны отображаться в информационной системе, характером взаимосвязей между компонентами программной системы (ПС), существенных для решения задачи, степенью влияния через эти взаимосвязи результатов решения одних подзадач на пути решения других подзадач, априорной обозримостью ПС и т.п. Задачи, обладающие большой информационной сложностью, называют информационно сложными задачами.

Таким образом, в зависимости от информационной сложности, задачи принятия решений можно разделить на информационно несложные и информационно сложные задачи.

Каждой из определенных таким образом видов задач принятия решений соответствует свой компонент модели принятия решений. В основе предложенной модели лежат методы принятия решений, необходимые для решения задач управления учебным процессом.

Первый компонент модели предназначен для информационно несложных задач, второй – информационно сложных задач. Схемы компонентов приведены на рисунках 1.1 и 1.2. В приведенных схемах в прямоугольниках описаны исходные данные, а в фигурных стрелках – методы обработки исходных данных.

Генерация альтернатив Оценка альтернатив Вывод решения Множество Исходные данные:

- неполные и нечеткие альтернатив:

данные;

-существенных Ранжированные Методы Методы - множество факторов;

множества оценки извлечения возможных объектов -объектов альтернатив альтернатив знаний задачи;

управления;

- множество факторов -предпочтений внешней среды;

ЛПР и - расплывчатые экспертов Выбор и т.д.

ограничения ЛПР Решение Рисунок 1.1 - Схема принятия решений для информационно несложных задач принятия решений Множество Исходные данные:

альтернатив:

- множество возмож -существенных Множества ных объектов задачи;

Методы Методы факторов;

альтернатив - неполные и нечет-ки автоматичес- нечеткого -объектов как данные о свойствах кой генерации регулирования управления;

распределения объектов;

альтернатив -предпочтений - множество факто ЛПР и экспер ров внешней среды;



Pages:   || 2 | 3 | 4 | 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.