Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта

Описывается подход и используемые технологии для задач мониторинга производственного процесса дистанционного образования на основе онтологического подхода для представления данных информационного пространства. Характерными особенностями подхода являются шифрование данных маркерами расширенной реаль...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2010
Автори:	Шевченко, А.И., Гудаев, О.А., Некрашевич, С.П.
Формат:	Стаття
Мова:	Russian
Опубліковано:	Інститут проблем штучного інтелекту МОН України та НАН України 2010
Назва видання:	Штучний інтелект
Теми:	Системы и методы искусственного интеллекта
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/56116
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта / А.И. Шевченко, О.А. Гудаев, С.П. Некрашевич // Штучний інтелект. — 2010. — № 1. — С. 6-15. — Бібліогр.: 8 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-56116
record_format	dspace
spelling	irk-123456789-561162014-02-12T03:09:55Z Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта Шевченко, А.И. Гудаев, О.А. Некрашевич, С.П. Системы и методы искусственного интеллекта Описывается подход и используемые технологии для задач мониторинга производственного процесса дистанционного образования на основе онтологического подхода для представления данных информационного пространства. Характерными особенностями подхода являются шифрование данных маркерами расширенной реальности и реализация в виде мультиагентной системы. Описується підхід і використання технології для моніторингу виробничого процесу дистанційної освіти на основі онтологічного підходу для представлення даних інформаційного простору. Важливими особливостями підходу є шифрування даних маркерами розширеної реальності і реалізація у вигляді мультіагентної системи. The approach and in-use technologies are described for the tasks of monitoring of production process distance education on the basis of ontological approach for presentation of information. The characteristic features of the approach are coding of information and realization the markers of the Augmented Reality as a multi-agent. 2010 Article Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта / А.И. Шевченко, О.А. Гудаев, С.П. Некрашевич // Штучний інтелект. — 2010. — № 1. — С. 6-15. — Бібліогр.: 8 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/56116 004.89 ru Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Системы и методы искусственного интеллекта Системы и методы искусственного интеллекта
spellingShingle	Системы и методы искусственного интеллекта Системы и методы искусственного интеллекта Шевченко, А.И. Гудаев, О.А. Некрашевич, С.П. Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта Штучний інтелект
description	Описывается подход и используемые технологии для задач мониторинга производственного процесса дистанционного образования на основе онтологического подхода для представления данных информационного пространства. Характерными особенностями подхода являются шифрование данных маркерами расширенной реальности и реализация в виде мультиагентной системы.
format	Article
author	Шевченко, А.И. Гудаев, О.А. Некрашевич, С.П.
author_facet	Шевченко, А.И. Гудаев, О.А. Некрашевич, С.П.
author_sort	Шевченко, А.И.
title	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
title_short	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
title_full	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
title_fullStr	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
title_full_unstemmed	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
title_sort	проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2010
topic_facet	Системы и методы искусственного интеллекта
url	http://dspace.nbuv.gov.ua/handle/123456789/56116
citation_txt	Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта / А.И. Шевченко, О.А. Гудаев, С.П. Некрашевич // Штучний інтелект. — 2010. — № 1. — С. 6-15. — Бібліогр.: 8 назв. — рос.
series	Штучний інтелект
work_keys_str_mv	AT ševčenkoai proektirovaniesistemymonitoringaučebnogoprocessadistancionnogoobrazovaniânabazetehnologijiskusstvennogointellekta AT gudaevoa proektirovaniesistemymonitoringaučebnogoprocessadistancionnogoobrazovaniânabazetehnologijiskusstvennogointellekta AT nekraševičsp proektirovaniesistemymonitoringaučebnogoprocessadistancionnogoobrazovaniânabazetehnologijiskusstvennogointellekta
first_indexed	2025-07-05T07:21:54Z
last_indexed	2025-07-05T07:21:54Z
_version_	1836790700194136064
fulltext	«Искусственный интеллект» 1’2010 6 1Ш УДК 004.89 А.И. Шевченко, О.А. Гудаев, С.П. Некрашевич Государственный университет информатики и искусственного интеллекта, г. Донецк, Украина Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта∗ Описывается подход и используемые технологии для задач мониторинга производственного процесса дистанционного образования на основе онтологического подхода для представления данных информационного пространства. Характерными особенностями подхода являются шифрование данных маркерами расширенной реальности и реализация в виде мультиагентной системы. Особенности предметной области Рассмотрим документальный обмен информацией в среде мониторинга процес- сов дистанционного образования. Главный принцип функционирования схемы доку- ментооборота: информационное пространство строится в массовом некомпьютерном сообществе с разными уровнями освоения компьютерных технологий, с вырожденными коммуникационными связями, не поддающимися объединению технологиями компью- терных сетей. Государственные департаменты, студенты и преподаватели, админист- рация ВУЗа и муниципальные службы имеют разные уровни представления инфор- мации и сложности её обработки и в целом составляют массовое некомпьютерное сообщество, которое регулирует свою деятельность документальным способом. Цемен- тирующим фактором обмена информацией в сообществе выступает печатный документ, который рассматривается через призму человеческого фактора, когда содержание мо- жет быть уточнено через новую копию. Такая система документооборота ориентирова- на на человека принимающего решение, который не спешит заполнять поля докумен- та, относящиеся к рубрикации, версионированию и хронологии процесса обработки. Заполнение такого рода полей позволяет компьютеризировать построение информа- ционного пространства. В действительности этого не происходит из-за непосильного объема рутинных работ, возлагаемых на автора документа. Взамен автору предлага- ется призрачная выгода от участия в цифровом обмене данными и автоматизирован- ной обработке документов. В обществе не существует доверия к электронным способам передачи электронных данных, так как вероятность манипуляции с данными очень высока. Поэтому преобладает фиксация сведений о производственном процессе на материальных носителях. Многократно изменяя электронный документ, автор не забо- тится о контексте его создания. Место расположения электронного документа, версия и хронология модификаций являются контекстом создания. Документ в печатном ∗Работа выполняется в рамках научной темы № 0109U002906 «Разработка интеллектуальной сис- темы мониторинга учебного процесса дистанционного образования, которая использует шифрование управляющей информации маркерами расширенной реальности». Проектирование системы мониторинга учебного процесса... «Штучний інтелект» 1’2010 7 1Ш виде получает перечисленные характеристики естественным путём, приобретая про- странственную и логическую локализацию, когда копии документов раскладываются по стопкам или папкам на столе. Фундаментальный принцип организации документооборота Учитывая особенности среды документооборота, можно предложить следующий подход организации информационного пространства с применением технологий ис- кусственного интеллекта [1]. Реальная конфигурация компьютерного класса, домашнего компьютера студента и рабочего места преподавателя не предполагают постоянного подключения к системе. Поэтому выполнение и сбор учебных заданий по дисциплине разнесен в пространстве и времени. Рассмотрим три варианта организации учебного процесса на базе компью- терных технологий. Вариант «А». Студент выполняет задание в компьютерном классе, используя терминал системы. Недостатки: отсутствует работа с преподавателем над примерами, необходимость мониторинга лектором результатов работы с применением компьютера или затраты на печать результатов ассистентом, необходимость переноса электронно- го задания из системы на домашний компьютер студента. Вариант «Б». Студент получает задание в виде исполняемого модуля и копирует его в классе на запоминающее устройство Flash-памяти. Студент выполняет задание в часы самоподготовки в домашних условиях, в условиях дополнительной работы в классе или в библиотеке. Возможна консультация с преподавателем и работа над ошибками. Сведения о результатах работы над заданием студент сдает ассистенту в электронном виде. Недостатки: сложность в организации сбора электронных данных ассистентом и потеря времени на практических занятиях на это, затраты на оператив- ность анализа лектором результатов, как в варианте «А». Вариант «С». Студент получает задание как в варианте «Б», но результат печа- тает в виде специальной формы документа с электронной подписью. Ассистент на практическом занятии оперативно собирает документальные сведения, затрачивая ми- нимум организационных усилий, так как документ не требует регистрации и проверки его корректности принимающим лицом. В случае непредвиденных ситуаций (медос- мотр, каникулы, перенос занятий, тревога гражданской обороны, болезни студента) документ может быт передан (старостой группы, деканом, родителями) лектору лю- бым способом (почтой или курьером). Лектор оперативно и без дополнительных средств, рассмотрев печатные документы, может оценить объем выполненных работ ассистен- том и студентами. Для анализа результатов лектор организует ввод документа в сис- тему в виде растрового изображения по средствам планшетного сканера или мобильного телефона, поручая эту работу любому сотруднику учреждения, умеющему работать с копировальной техникой. Многолетняя практика компьютерных комплексов ввода печатных документов показала, что с функциями сканирования может справиться любой низкоквалифици- рованный работник без специального компьютерного образования и навыков рабо- ты, если он умеет переключать пультом дистанционного управления программы на телевизоре. Организовав цепочку технологического процесса сбора данных, разнесенного в про- странстве и времени, лектор добивается тотального контроля над выполнением опера- ций и полного понимания участниками процесса его организации. Шевченко А.И., Гудаев О.А., Некрашевич С.П. «Искусственный интеллект» 1’2010 8 1Ш Недостатки: небольшой объем учебных заданий, затруднена работа студентов по исправлению ошибок в результатах и затраты на печать нового ответа, затраты на получения графических изображений документов. Использование варианта «С» позволяет увеличить количество проверяемых пре- подавателем заданий за счет автоматизации обработки информации и формирование первичных данных, вводимых в систему, на месте их образования. Поэтому недостаток небольшого объема учебного задания нивелируется, если увеличить количество заданий. Небольшой объем задания служит предпосылкой к повышению качества обра- зования: преподаватель не может разработать сложные путанные задания и студент работает с небольшими порциями материала. Небольшая порция материала в задании порождает меньшее количество ошибок. В случае если ошибки присутствуют, то они несущественно влияют на общую картину мониторинга образовательного процесса, так как аналогичное задание не сложно выполнить повторно. Затраты на неквалифицированный труд по вводу документов могут быть распре- делены между лектором, ассистентом, методистом и практикантами, позволив сконцен- трироваться на разработке серии заданий. Вывод. Ценности Болонского процесса разработаны высокоразвитыми страна- ми, как эволюция корпоративных АСУ университетов, когда компьютерная обработка данных учебного процесса автоматизирована полностью. Построенная по варианту «С» распределенная система искусственного интеллекта учитывает возможности су- ществующей инфраструктуры образования в Украине и только тогда раскрывает в полном объеме ценности Болонского процесса. Проектирование архитектуры Система проектируется как архитектура Клиент/Сервер (рис. 1). Клиентами яв- ляются удаленные пользователи системы с непостоянным подключением. Клиент по- лучает обновления некоторыми порциями данных и размещает в локальном хранилище. Принцип организации хранилища позволяет репликацию данных самым простым ме- тодом: порция данных дописывается в файл как новый слой семантической сети. Рисунок 1 – Архитектура системы Проектирование системы мониторинга учебного процесса... «Штучний інтелект» 1’2010 9 1Ш В системе сервер выступает в качестве центра распределения цифровых подпи- сей. Центр распределения накапливает сведения об учебном процессе в онтологическом хранилище. Центр генерирует шаблон документа и модель кодирования электронных сведений, которые размещаются на печатном документе [2]. Для удалённой работы с локальным хранилищем клиента сервер организует пакетную передачу новых сведе- ний об учебном процессе. Новые данные могут представлять собой шаблоны докумен- тов с указанием словаря кодирования маркерами электронной подписи [3]. Сбор и обработка данных, циркулирующих в системе, имеет уникальную схему. Уникальность схемы заключается в использовании комбинации методов искусствен- ного интеллекта. В начале работы системы глобальное хранилище сервера имеет первоначальный шаблон документа, который предполагается заполнять клиенту. Шаблон документа представляется семантической сетью и хранится в виде пакета синхронизации [4], [5]. Глобальное хранилище не содержит сведений о клиентах и имеет самое общее описа- ние структуры предметной области без заполнения базы данных. База данных на ниж- нем уровне представления имеет сетевую модель хранения данных, а на предметном уровне имеет смешанную модель хранения гетерогенных сведений. В предметной базе данных можно хранить сеть онтологий и реляционные таблицы с данными. Напри- мер, такой подход развития нереляционных способов ведения глобальных хранилищ преобладает в современной системе Facebook [6]. Пользователь программного модуля клиента заполняет бланк документа. Например, документ содержит поля «Фамилия» и «Учебная группа». К документу прикрепляется электронная подпись, содержащая заполненные поля. Клиент электронную подпись кодирует графическим способом с помощью маркеров расширенной реальности [2], [3]. Правила кодирования являются неотъемлемой частью шаблона документа. Правила описываются семантической сетью онтологий. Графическое изображение кода раз- мещается в некоторой зоне печатного документа. Кодирование электронных данных маркерами и размещение их на печатных документах позволяет автоматизировать обработку документа сервером. Электронная подпись на печатном документе решает следующие задачи: регистрация документа, разрешение конфликтов дублирования документов, составление временной хронологии и версии документа. Самое главное, электронная подпись позволяет автоматизировать ввод первичных данных в автомати- зированную систему. Таким образом используется децентрализованная модель сбора данных. Пользователь клиента выполняет роль оператора системы. Где зарождается информация, там и организован её ввод в систему. Печатный документ выполняет роль транспортного носителя электронных данных при передаче системе. Печатный документ содержит поля, которые заполнены вручную. Например, рецензию руководителя или ответы на вопросы теста. В рассматриваемой системе гра- фическое изображение печатного документа попадает в графическое хранилище сер- вера. Используя методы распознавания графических образов, электронная подпись документа расшифровывается [3]. Извлеченные из документа электронные данные об- рабатываются интеллектуальным агентом и в виде семантической сети сохраняются в глобальное хранилище сервера. Теперь система больше знает о пользователе. Система использует полученные сведения о пользователе для мониторинга учебного процесса. Система работает по принципу растущей пирамидальной сети, когда пополняет семантическую сеть глобального хранилища сведениями о конечном пользователе. Следующий шаг в обработке данных делают эксперт предметной области и инженер по знаниям. Они могут составить новый шаблон документа на основании рекоменда- ций интеллектуального агента системы. Например, агент, сделав логический вывод в онтологическом пространстве хранилища, предлагает сформировать журнал студентов, Шевченко А.И., Гудаев О.А., Некрашевич С.П. «Искусственный интеллект» 1’2010 10 1Ш объединив их по признаку принадлежности к учебной группе. Журнал – это реляцион- ное представление списка студентов, каждая запись которого может быть закодиро- вана первичным ключом. Ключи остаются узлами семантической сети. Теперь новый шаблон цифровой подписи документа вместо поля «Фамилия» содержит значение ключа в журнале студентов. Тогда возникает задача: как передать пользователю новый шаблон документа и его персональный ключ, сгенерированный центром распределения цифровых подписей. Сервер формирует пакет обновления локального хранилища поль- зователя, которое легко передать по сети Интернет. Такой семантический приём кодирования уменьшает объем кодируемого сообще- ния. Это важно в условиях дефицита свободного пространства для размещения цифро- вой подписи на печатном документе. Но самое главное, семантический приём норма- лизует информацию о пользователе для принятия решений агентами системы и для использования OLAP-анализа. Таким образом, шаблон цифровой подписи документа изменяется по мере наполнения онтологического хранилища. Вывод. Управляя эволюционным ростом онтологического хранилища, система планирует акции взаимодействия с пользователем. У пользователя создается впечатление об персонификации интерфейса. Уточняя сведения о пользователе, система эволю- ционирует на основании объективных условий учебного процесса: отсутствует отвле- ченность от предметной области проектировщика, а в случае его заблуждения – отвлечен- ность отмирает на новом этапе обновления шаблонов документа, как неиспользуемый балласт. Документно-ориентированный подход Предметная область (ПрО) дистанционного образования содержит понятия, цент- ральное место среди которых занимают документы различных типов. В отличие от классической системы документооборота, эти документы являются открытыми, распре- деленными во времени и пространстве, федеративными (интегрируют данные, ресур- сы и сервисы из различных источников), противоречивыми (обладают неполнотой и многозначностью). Характерной особенностью документов является то, что они содер- жат описательную часть, понятную как человеку, так и компьютеру. Документ содержит часть информации, закодированной с использованием мар- керов расширенной реальности. Таким образом, информация, представленная на естест- венном языке, с использованием маркеров расширенной реальности представляется в удобном для машинной обработки формате, а с использованием специальных аудио и визуализаторов, доступна и для человека. Автором каждого документа является человек-пользователь системы, который внес первичную информацию (данные) в документ. Соавтором документа является человек, который добавляет дополнительную информацию, например результаты оценок или аттестации. Каждый документ имеет определенную структуру (схему), задаваемую разработ- чиком системы. Тогда будем говорить об авторе схемы документа, им обычно явля- ется разработчик. Современной тенденцией в разработке распределенных информационных сис- тем является уменьшение времени разработки систем. Часто пользователи вовлекают- ся в проектирование и совместное построение системы. Таким образом, значительно сокращается время до введения системы в эксплуатацию, а также становится возмож- ным функционирование системы еще на этапе прототипирования. Важной задачей при таких подходах является поддержка целостности данных при версионном измене- нии системы. Проектирование системы мониторинга учебного процесса... «Штучний інтелект» 1’2010 11 1Ш Формализация производственного процесса обработки документов Информация, содержащаяся в документах, имеет смысл в терминах рабочего про- цесса, она определяет действия, которые необходимо предпринять по обработке и даль- нейшему использованию в рабочем процессе. Таким образом, работа с документами в системе сводится к управлению задача- ми. Появление в системе нового или обновленного документа приводит к генерации новых задач. Для каждого типа документов вводится свой жизненный цикл задач, который можно формально представить в виде UML диаграмм состояний (рис. 2). Обработка Проверка [обработана] Выполнение Постановка [поставлена] [выполнена] [проверена] [возврат на доработку] [изменение требований] Принятие Рисунок 2 – Жизненный цикл документа В любой момент времени документ может находиться только в одном из мно- жества состояний. С определенной вероятностью документ может перейти на другой этап обработки. Каждая задача является элементарным действием. Для выполнения задачи назна- чается 1 или более исполнителей. При количестве исполнителей более 1 необходимо организовать согласования для совместного выполнения задачи. Для проверки задачи задается один или несколько контроллеров. При количе- стве контроллеров более 1 необходимо организовать согласования для совместного принятия задачи. Согласования при проверке и выполнении отличаются видами дея- тельности, и часто первое может выполняться параллельно, в то время как выполне- ние может требовать определенной последовательности действий. Рисунок 3 – Выполнение этапа одним и двумя исполнителями Если отдельный этап производственного процесса является композитным, напри- мер, состоит из нескольких независимых подзадач или требует вовлечения нескольких исполнителей, то диаграмму состояний документа можно модифицировать по схеме, приведенной на рис. 3, включающей разветвления работ и блокировки параллельных процессов для ожидания их совместного выполнения. Шевченко А.И., Гудаев О.А., Некрашевич С.П. «Искусственный интеллект» 1’2010 12 1Ш Реализация мультиагентной системы Для реализации предлагается использовать мультиагентную систему (МАС), сос- тоящую из агентов различных видов. 1. Агент анализа и обработки документа. 2. Агент взаимодействия и планирования. 3. Агент экспертной аттестации документа. 4. Агенты мониторинга параметров ПрО. 5. Агент коммуникаций. Агенты являются программными модулями, которые предоставляют определен- ные сервисы [7], [8]. Агенты используют данные и знания, представленные в хранили- щах. В качестве основного интерфейса доступа к данным используется декларативный язык запросов SPARQL. Также агенты обладают собственными данными и знаниями и действуют по ситуации, то есть являются нерефлексивными. Агент анализа и обработки документа выполняет диспетчеризацию обработки пер- вичного документа, позволяет осуществить связь между физическими документами различных типов и версий и семантическим представлением информации, которая ис- пользуется в задачах мониторинга предметной области: 1. Получение документа (1 лист, несколько листов, несколько документов). 2. Обнаружение маркеров. 3. Получение семантики документа (анализ маркеров). 4. Аудио и визуализация результатов. 5. Предварительная обработка документа – расширенный анализ документа с ис- пользованием агентов. 6. Постобработка документа – событийный запуск агентов с возможным челове- ко-машинным интерфейсом. Агент взаимодействия и планирования выполняет координацию работы агентов, а также взаимодействует с человеком как специалистом в разработке, так и пользо- вателем системы. Агент выполняет следующие задачи: 1. Формирование задач на обработку и аттестацию документов. 2. Подготовка новых версий документов. 3. Оценивание приоритета задач, формирование очереди для одного исполнителя. 4. Планирование встреч, занятий, экзаменов. Агент экспертной аттестации документа выполняет проверку и принятие доку- мента, выводит и добавляет новые знания в онтологию (оценки, рекомендации, страте- гии), выполняет следующие задачи: 1. Поиск аналогичных документов (подобие, заимствование). 2. Классификация и кластеризация документов. 3. Определение структуры документа. 4. Извлечение программной части. 5. Оценивание работы. 6. Валидация работы (обнаружение ошибок, несоответствий, отклонений). 7. Получение метрик документа (объем, количество страниц, графики, ссылки). Агенты мониторинга параметров ПрО выполняют интеллектуальный анализ дан- ных в режиме онлайн на основе онтологии, содержащей представление семантики данных о документах в системе. Агент предоставляет следующие сервисы: 1. Интеллектуальный онтолого-ориентированный поиск данных. 2. OLAP-анализ. Проектирование системы мониторинга учебного процесса... «Штучний інтелект» 1’2010 13 1Ш 3. Датамайнинг – выявление скрытых трендов. 4. Кластеризация. 5. Прогнозирование. 6. Планирование и выбор стратегий. Агент мониторинга параметров ПрО использует текущее состояние документов в производственном процессе, оперируя следующими метриками: 1. % документов, находящихся в определенном состоянии (обрабатываются, на проверке). 2. Вероятности возврата документа с определенного этапа. 3. Профиль документа и совокупности для определенного автора. 4. Профиль загрузки исполнителей. Агент коммуникаций используется для гарантированной доставки документа ад- ресату. Агент является независимым от транспортного протокола: в каждом конкрет- ном случае может использоваться электронная почта, веб-интерфейс, СМС и другие коммуникационные способы передачи сообщений. Поскольку постоянное соединение клиентов с агентом отсутствует, то необходимо использовать промежуточное ПО оче- реди сообщений для гарантированной доставки сообщения. Кодирование маркерами данных документа Когда система начинает работать с пользователем, то предоставляет ему типо- вой шаблон документа. Документ в клиенте представлен графической формой ввода данных. Заполненные поля формы будут отражены в электронной подписи маркерами. Широко известные форматы файлов PDF и XML используют произвольный по- рядок полей. В них для обозначения структурных элементов документа используют метки. Метка является идентификатором значения в потоке данных. В языке представ- ления документов XML в качестве метки используют символьный тег. В бинарных спецификациях для представления меток используют числовой код. В настольных ба- зах данных обходятся без меток, так как знают размер всех полей записи. В электронной подписи документа метку можно представить одним набором мар- керов, а значения – другим набором маркеров (рис. 4). Используя несколько кодовых алфавитов маркеров (табл. 1), можно уменьшит длину электронной подписи. Одни маркеры обозначают номер поля, другие – 8 бит данных, а третьи – символы текста в ASCII-кодировке. Из представленной на рис. 4 семантической сети документа можно составить шаб- лон электронной подписи, имеющий следующее формальное представление: 01,02(4e402fb3de7e447ea68144cd92f11a05), 03(662ed1b21b484367a79a96a78bf34508), 04(4440f57ae54c4494b8b5133d3b68a7b6), 05("Бобров"), 06("Кирилл"), 07("Олегович"), 08("ПО07а"), 09("2009"). Таблица 1 – Распределение маркеров Ко- во Диапазон маркеров Назначение 50 [1..50] Обозначение полей семантической сети 256 [51-307] Кодирование цифр 256-ричной системы счисления 256 [308-564] Кодирование ASCII-символов Шевченко А.И., Гудаев О.А., Некрашевич С.П. «Искусственный интеллект» 1’2010 14 1Ш Рисунок 4 – Кодирование семантической сети маркерами Выводы В работе описывается структура и бизнес-процессы системы мониторинга учеб- ного процесса дистанционного образования. Разработана функциональная модель на основе мультиагентного подхода. Предложен формат представления семантики до- кумента в виде семантической сети. Для представления информации в документе, подлежащей компьютерной обработке мультиагентной системой, используются мар- керы расширенной реальности. Посредством использования предложенных подходов Проектирование системы мониторинга учебного процесса... «Штучний інтелект» 1’2010 15 1Ш решается вопрос интеграции сервисов предметной области. Таким образом, становит- ся возможным переход от автоматизации рабочих процессов дистанционного обра- зования к интеллектуальной обработке с использованием аппарата искусственного интеллекта. Литература 1. Шевченко А.И. Актуальные проблемы теории искусственного интеллекта: [Монографія] / Шевчен- ко А.И. – Київ : ІПШІ «Наука і освіта», 2003. – 226 с. 2. Гудаев О.А. Аффинные углы поворота плоскости маркера расширенной реальности ARGET, исполь- зуемые в интеллектуальной обработке информации системой дистанционного образования / О.А. Гу- даев, А.И. Шевченко // IX Международная научная конференция имени Т.А. Таран «Интеллектуаль- ный анализ информации ИАИ-2009» (Киев, 19 – 22 мая 2009 г.): сб. тр. / [ред. кол. : С.В. Сирота (гл. ред.) и др.] − К. : Просвіта, 2009. − С. 87-93. 3. Гудаев О.А. Синтез и анализ предложений графического языка передачи сообщений в мобильных робототехнических системах с элементами расширенной реальности (ARGET) / О.А. Гудаев // Искусственный интеллект. − 2006. − № 2. − С. 467-498. 4. Некрашевич С.П. Представление данных в Интернет на основе семантических сетей / С.П. Некра- шевич, Д.В. Божко // Искусственный интеллект. – 2006. – № 1. – С. 57-65. 5. Некрашевич С.П. Построение модели онтологии интеллектуальной системы мониторинга учебного процесса дистанционного образования / С.П. Некрашевич // Искусственный интеллект. − 2009. − № 2. − С. 124-129. 6. Зубинский А. Время других DBMS / А. Зубинский // Компьютерное Обозрение. – 19 – 25 мая 2009. – № 16 – 17 (683). – С. 48-50. 7. Некрашевич С.П. Агентно-ориентированный подход к разработке сложных программных систем / С.П. Некрашевич // Вестник НТУ«ХПИ». – 2004. – № 36. 8. Некрашевич С.П. Интеллектуализация средств предоставления бизнес-услуг на основе сети Интер- нет / С.П. Некрашевич, И.Н. Рубцова // Искусственный интеллект. – 2006. – № 1. – С. 66-70. А.І. Шевченко, О.О. Гудаєв, С.П. Некрашевич Проектування системи моніторингу навчального процесу дистанційної освіти на базі технологій штучного інтелекту Описується підхід і використання технології для моніторингу виробничого процесу дистанційної освіти на основі онтологічного підходу для представлення даних інформаційного простору. Важливими особливостями підходу є шифрування даних маркерами розширеної реальності і реалізація у вигляді мультіагентної системи. A.I. Shevchenko, O.O. Gudayev, S.P. Necrashevich Design of Monitoring System of Distance Education Teaching on the Basis of Artificial Intelligence Technologies The approach and in-use technologies are described for the tasks of monitoring of production process distance education on the basis of ontological approach for presentation of information. The characteristic features of the approach are coding of information and realization the markers of the Augmented Reality as a multi-agent. Статья поступила в редакцию 25.01.2010.

Проектирование системы мониторинга учебного процесса дистанционного образования на базе технологий искусственного интеллекта

Репозитарії

Схожі ресурси