Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
1Разработка методовавтоматического решения задачи моделей обучаемого вобучающих средахСмирнова Н.В.
2Анализатор действийобучаемогоАвтор курса-подсказка-показпримера-…Авторский инструментарийКоммуникационнаямодельИнтерфейсР...
Параметрическая идентификация МВК-1Мотивационно-волевой компонент модели обучаемого (МВК) :•«Самостоятельность»,•«Усилия»,...
Параметрическая идентификация МВК-2Соотнесение оценок эксперта вида X1X2X3 с действиями студента может бытьреализовано нес...
Автоматизированная проверка решений-1Шаг студента – фрагмент решения минимальной длины, который может бытьпроверен системо...
Автоматизированная проверка решений-2. Пример работы алгоритма решенияПР-проблемы6Шаг студента:Стоп. Совпало сОтвет:Все вр...
Автоматизированная проверка решений-3. Борьба с имитацией правильновведенных шаговПусть студент узнал, что (c,c)=8 и (c,c)...
Результаты• Получены некоторые результаты по параметрической идентификации МВК моделиобучаемого,• Предложен алгоритм опред...
Upcoming SlideShare
Loading in …5
×

смирнова мнш 2013_3

538 views

Published on

  • Be the first to comment

  • Be the first to like this

смирнова мнш 2013_3

  1. 1. 1Разработка методовавтоматического решения задачи моделей обучаемого вобучающих средахСмирнова Н.В.
  2. 2. 2Анализатор действийобучаемогоАвтор курса-подсказка-показпримера-…Авторский инструментарийКоммуникационнаямодельИнтерфейсРешениеобучаемого(шагрешения)Прочие действияобучаемого(запрос подсказоки т.д.)Модель обучаемого• Самостоятельность• Усилия• Фрустрац.поведение…Модуль управления процессомобучения…ОбучаемыйРежим офф-лайнРешение,синтезированноепрограммамиИОС(шаг решения)Модель предметнойобласти•Базовые понятия•правилаРешатели задачПедагогическаямодель• Стратегии• Учебныйплан…Направленность исследованийМетоды принятиярешений
  3. 3. Параметрическая идентификация МВК-1Мотивационно-волевой компонент модели обучаемого (МВК) :•«Самостоятельность»,•«Усилия»,•«Фрустрационное поведение»,Применение МВК:•управление учебным процессом,•диагностика плохо проработанных мест курса,•оценивание студентов перед экзаменом/зачетомЦель эксперимента: апробация отличного (и, возможно, более рационального)протокола сбора и обработки данныхСобраны данные для параметрической идентификации•23 студента решали 1 или 2 задачи в системе,•2 эксперта (преподаватели факультета) оценивали каждый 5-минутный фрагментдеятельности студентов,•790 оценок для каждого из 2 показателей,•проблема смещенных классов,•высокая вероятность шума в экспертных оценкахРаспределение экспертных оценок(показатель «Усилия»)
  4. 4. Параметрическая идентификация МВК-2Соотнесение оценок эксперта вида X1X2X3 с действиями студента может бытьреализовано несколькими способами.2 алгоритма адаптивного разбиения 5-минутного фрагмента на 3 однородных интервалаРазличные алгоритмы формированияточек для обучения (f1-scores)[100,100,100] 0.62 0.22 0.23Адапт 1 0.65 0.22 0.29Адапт 2 0.64 0.16 0.23«Огрубление» 0.72 0.44 0.26Avg test f1-score («Усилия»): [0.64, 0.59]Этап анализа ошибок:• стратифицированный k-fold,• другие наборы признаков,• изменение данных (undersampling, oversampling, исключение шума в оценкахэкспертов)
  5. 5. Автоматизированная проверка решений-1Шаг студента – фрагмент решения минимальной длины, который может бытьпроверен системой на правильностьВерификация шагаРасчет прогрессав решенииОбновление инф. в БД(для подсказок,оценки за решение)Сообщение студентурезультата проверкишагаУточняющийвопрос?
  6. 6. Автоматизированная проверка решений-2. Пример работы алгоритма решенияПР-проблемы6Шаг студента:Стоп. Совпало сОтвет:Все время сравниваем то,что получается, с( , ) ( , )p a b c c=( , )p a b( , )c c( , )],[( , )][| | c c c cc =| |c( , )p a b ( , )p a b( , ), ( , ) | |],[( , ),| |][| | c c p a b c c c cc ==( , ), ( , ) | |][| | c c p a b cc ==
  7. 7. Автоматизированная проверка решений-3. Борьба с имитацией правильновведенных шаговПусть студент узнал, что (c,c)=8 и (c,c) некоторым образом зависит от c1,c2 и ввелформулу f:(c,c)= c1 + c2 + 12Это имитация правильно введенного шага!Проверка на имитацию правильно введенного шага1. С помощью отношений вычислимости получаем выражение e:c12+ c222. Заменяем в e все переменные, кроме встречающихся в правой части fна числовые значения, получаем:c12+ c223. simplify(c1 + c2 + 12 - (c12+ c22)) != 0 Обнаружена имитация
  8. 8. Результаты• Получены некоторые результаты по параметрической идентификации МВК моделиобучаемого,• Предложен алгоритм определения прогресса в решении студента, на примерахпоказаны его преимущества по сравнению с известным алгоритмом (Andes PhysicsTutor): поддерживается проверка формул, содержащих векторы и матрицы, большаяпростота в реализации. Показано: оба алгоритма уязвимы к имитации правильновведенных шагов. Исследованы различные случаи форм шагов студента, длякаждого случая предложены допольнительные эвристики.Публикации ВАК:• Смирнова Н.В., Шварц А.Ю. Мотивационно-волевой компонент модели обучаемого в следящихинтеллектуальных системах. Часть 1/Часть 2. Искусственный интеллект и принятие решений, 2012, № 1, №2.• Васильев С.Н., Смирнова Г.С., Сабитов Ш.Р., Сиразетдинов Б.Р., Смирнова Н.В. Архитектура и функцииследящей интеллектуальной обучающей системы «Волга». Вестник КГТУ им. А.Н. ТуполеваДокладов в сборниках конференций: 7Конференции:• «Современные информационные технологии и ИТ-образование»,• «Современные технологии, материалы, оборудование и ускоренное восстановление квалифицированногокадрового потенциала – ключевые звенья в возрождении отечественного и ракетостроения»,• «Информационно-технологическое обеспечение образовательного процесса государств-участников СНГ»

×