Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора

У статті показано відмінності реального процесу навчання від існуючих моделей, що враховують експоненційне зростання рівня знань. Розглянуто процес опанування знань, вмінь та навичок як стохастичний процес, представлено стохастичний показник навченості як результат опанування знань. Виділено три...

Full description

Saved in:

Bibliographic Details
Date:	2013
Main Author:	Борсук, С.П.
Format:	Article
Language:	Ukrainian
Published:	Інститут проблем штучного інтелекту МОН України та НАН України 2013
Series:	Искусственный интеллект
Subjects:	Обучающие и экспертные системы
Online Access:	http://dspace.nbuv.gov.ua/handle/123456789/85233
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора / С.П. Борсук // Искусственный интеллект. — 2013. — № 2. — С. 100–108. — Бібліогр.: 9 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-85233
record_format	dspace
spelling	irk-123456789-852332015-07-23T03:02:03Z Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора Борсук, С.П. Обучающие и экспертные системы У статті показано відмінності реального процесу навчання від існуючих моделей, що враховують експоненційне зростання рівня знань. Розглянуто процес опанування знань, вмінь та навичок як стохастичний процес, представлено стохастичний показник навченості як результат опанування знань. Виділено три складові показника навченості для чотирьох режимів роботи авіаційних операторів. Проаналізовано динаміку змін постійних особистих властивостей оператора та зроблено висновки щодо різниці у таких властивостях у різних режимах роботи. В статье показаны отличия реального процесса обучения от существующих моделей, которые учитывают экспоненциальный рост уровня знаний. Рассмотрен процесс овладения знаниями, умениями и навыками как стохастический процесс, представлен стохастический показатель обученности как результат овладения знаниями. Выделено три составляющих показателя обученности для четырёх режимов работы авиационных операторов. Проанализирована динамика изменения постоянных личностных особенностей оператора и сделаны выводы относительно разницы в таких особенностях на разных режимах работы. Difference of real education process from existing models that takes into account exponential knowledge level growth is shown. Knowledge, abilities and skills mastering process is shown as stochastic one. Stochastic tuition index is presented as result of knowledge mastering. Three components of tuition index are separated for four aviation operators working modes. Changes dynamics of constant personal operator features was analyzed and conclusions on difference related to different operator working modes were made. 2013 Article Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора / С.П. Борсук // Искусственный интеллект. — 2013. — № 2. — С. 100–108. — Бібліогр.: 9 назв. — укр. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/85233 519.876.2:629.735.072.8:004(045) uk Искусственный интеллект 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	Ukrainian
topic	Обучающие и экспертные системы Обучающие и экспертные системы
spellingShingle	Обучающие и экспертные системы Обучающие и экспертные системы Борсук, С.П. Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора Искусственный интеллект
description	У статті показано відмінності реального процесу навчання від існуючих моделей, що враховують експоненційне зростання рівня знань. Розглянуто процес опанування знань, вмінь та навичок як стохастичний процес, представлено стохастичний показник навченості як результат опанування знань. Виділено три складові показника навченості для чотирьох режимів роботи авіаційних операторів. Проаналізовано динаміку змін постійних особистих властивостей оператора та зроблено висновки щодо різниці у таких властивостях у різних режимах роботи.
format	Article
author	Борсук, С.П.
author_facet	Борсук, С.П.
author_sort	Борсук, С.П.
title	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
title_short	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
title_full	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
title_fullStr	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
title_full_unstemmed	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
title_sort	складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора
publisher	Інститут проблем штучного інтелекту МОН України та НАН України
publishDate	2013
topic_facet	Обучающие и экспертные системы
url	http://dspace.nbuv.gov.ua/handle/123456789/85233
citation_txt	Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора / С.П. Борсук // Искусственный интеллект. — 2013. — № 2. — С. 100–108. — Бібліогр.: 9 назв. — укр.
series	Искусственный интеллект
work_keys_str_mv	AT borsuksp skladovístohastičnihpokaznikívnavčenostídlâčotirʹohrežimívrobotiavíacíjnogooperatora
first_indexed	2025-07-06T12:23:56Z
last_indexed	2025-07-06T12:23:56Z
_version_	1836900298935762944
fulltext	ISSN 1561-5359 «Искусственный интеллект» 2013 № 2 100 5Б УДК 519.876.2:629.735.072.8:004(045) С.П. Борсук Національний авіаційний університет, Україна Україна, 03058, м. Київ, пр. космонавта Комарова 1 Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора S.P. Borsuk National Aviation University, Ukraine Ukraine, 03058, c. Kyiv, Kosmonavta Komarova 1 Components of Stochastic Tuition Indexes for Four Working Modes of Aviation Operator С.П. Борсук Национальный авиационный университет, Украина Украина, 03058, г. Киев, пр. космонавта Комарова 1 Составляющие стохастических показателей обученности для четырёх режимов работы авиационного оператора У статті показано відмінності реального процесу навчання від існуючих моделей, що враховують експоненційне зростання рівня знань. Розглянуто процес опанування знань, вмінь та навичок як стохастичний процес, представлено стохастичний показник навченості як результат опанування знань. Виділено три складові показника навченості для чотирьох режимів роботи авіаційних операторів. Проаналізовано динаміку змін постійних особистих властивостей оператора та зроблено висновки щодо різниці у таких властивостях у різних режимах роботи. Ключові слова: авіаційні оператори, стаціонарні стохастичні моделі підготовки, тренування на тренажерах, режими роботи оператора, постійні особисті властивості оператора. Difference of real education process from existing models that takes into account exponential knowledge level growth is shown. Knowledge, abilities and skills mastering process is shown as stochastic one. Stochastic tuition index is presented as result of knowledge mastering. Three components of tuition index are separated for four aviation operators working modes. Changes dynamics of constant personal operator features was analyzed and conclusions on difference related to different operator working modes were made. Key words: aviation operators, stationary stochastic training models, on-simulators training, operator working modes, operator personal features. В статье показаны отличия реального процесса обучения от существующих моделей, которые учитывают экспоненциальный рост уровня знаний. Рассмотрен процесс овладения знаниями, умениями и навыками как стохастический процесс, представлен стохастический показатель обученности как результат овладения знаниями. Выделено три составляющих показателя обученности для четырёх режимов работы авиационных операторов. Проанализирована динамика изменения постоянных личностных особенностей оператора и сделаны выводы относительно разницы в таких особенностях на разных режимах работы. Ключевые слова: авиационные операторы, стационарные стохастические модели подго- товки, тренировка на тренажёрах, режимы работы оператора, постоянные личностные свой- ства оператора. Складові стохастичних показників навченості для чотирьох режимів роботи… «Штучний інтелект» 2013 № 2 101 5Б Вступ Як відомо із попередніх досліджень [1], [2], в ідеальному випадку крива, що описує кількість опанованих знань, вмінь та навичок (ЗВН), із часом набуває ек- споненційну природу (рис. 1). z(t) t00 Рисунок 1 – Ідеальна крива навчання На початку процесу навчання або тренування за одиницю навчального часу авіаційний оператор (АО) опановує велику кількість ЗВН. Чим більше суцільна кількість витраченого навчального часу – тим менше ЗВН буде опановано АО за одиницю навчального часу. У загальному випадку ця залеж- ність описується формулою ( ) ( ) ( )0; 0 >−+= −∞∞ texxxtx tγ , де t – час навчання, ( )tx – показник навченості, 0 x – показник початкової навченості ∞ x – показник кінцевої (бажаної) навченості, γ – константа, що визначає швидкість навчання. При 0>γ відбувається процес навчання, при 0<γ процес навчання набуває нега- тивної динаміки та перетворюється у процес забування (рис. 2а), при 0=γ рівень ЗВН зберігається сталим (рис. 2б). z(t) t0 z(t) t0 а) 0<γ б) 0=γ Рисунок 2 – Показник процесу навчання при 0<γ та 0=γ На відміну від теорії, у реальному процесі навчання завжди є непередбачувана частина показника навченості, зумовлена особистими властивостями АО, його дос- відом, його емоційним станом та іншими параметрами, які можна віднести до ерго- номічних [3]. Таким чином, хоча загальний вигляд функції, що описує зміну показника нав- ченості для кожного АО, буде єдиним, кожна часткова її реалізація буде відрізнятись. Такі дані найкраще описуються стохастичними стаціонарними моделями із сталим середнім значенням [4-6]. Борсук С.П. «Искусственный интеллект» 2013 № 2 102 5Б Актуальність та постановка задачі Моделювання процесу навчання, тренування, опанування та відтворення ЗВН проводиться багатьма способами та достатньо вивчене. Проте, незважаючи на наявність стохастичних методів моделювання [7], [8], у них не проводиться глибо- кий аналіз складових елементів показника навченості. Як результат, не розріз- няються суто стохастичні та детерміновані складові показника навченості, не проводиться їх аналіз, який дозволить розподілити АО за складовими їх показників навченості на групи та розробити рекомендації щодо планування процесу навчання для груп та кожного АО окремо, покращуючи ефективність цього процесу із плином часу та накопиченням статистичних даних. Це питання завжди є актуальним, оскільки технічно тренажери та системи навчання постійно змінюються, вимагаючи нових методологічних та алгоритмічних розробок. Таким чином виявлення зазначених складових, їх математичний опис та аналіз і є метою даної статті. Результати досліджень Як відомо, показники стаціонарного стохастичного процесу можна подати у вигляді tt z ∆+= µ , де t z – показник процесу, µ – постійний середній рівень, t ∆ – випадкове відхилення процесу у час t . В ідеальному випадку при 0=µ маємо 0=∆∑ ∞→t t . Якщо прийняти, що функція ( )tx відповідає ідеальній зростаючій експоненті з рис. 1, то можна увести нормований показник процесу ( )txzz tt =ˆ . Тоді стаціонарний стохастичний процес відносно надбання знань із нормованим показником набуває вигляду ( ) ( )txtx z t t ∆ += µ ˆ . Відомо, щоµ є незмінним середнім рівнем стохастичного процесу. Для суто детермінованого процесу без випадкової складової нормований середній рівень ( )tx=µ . Тоді показник нормованого стаціонарного стохастичного процесу дорівнює ( )tx z t t ∆ +=1ˆ , тобто описує стаціонарний стохастичний процес відносно середнього рівня 1. У випадку ( )tx=µ вважається, що АО демонструє рівень опанування навиків, що описується ідеальним експоненційним законом. У реальному тренуванні усі АО мають особисті риси, що вносять зміни у значення µ . Ці риси акумулюються у випадкове відхилення процесу t ∆ та самі по собі можуть біти розподілені на дві складові tvtct ∆+∆=∆ . Перша складова – це показник постійних особистих влас- тивостей (ПОВ) АО, друга складова – це дійсне відхилення випадкової величини. Складові стохастичних показників навченості для чотирьох режимів роботи… «Штучний інтелект» 2013 № 2 103 5Б Показник нормованого стаціонарного стохастичного процесу у такому випадку приймає вигляд ( ) ( )txtx z tvtc t ∆ + ∆ +=1ˆ . Графічно три складові графіків нормованого та ненормованого показників процесу навчання показано на рис. 3 (за базову функцію узята експоненціальна). t1 20 z(t) x(t) z(t) µ/x(t)=1 t1 20 1,1 z(t) ∆tc=∆y 1 а) б) Рисунок 3 – Графіки показників процесу навчання: а) ненормований, б) нормований На графіках лініями показано детерміновані складові показника процесу нав- чання ( )tx та ( ) tc tx ∆+ , а точками показано реальні значення t z . Як витікає з даних праці [9] в процесі професійної підготовки і діяльності АО послідовно проходять чотири стадії, що ілюструє рис. 4. Рисунок 4 – Трансформація професійних ЗВН в процесі тренувань: tРК – час, потрібний для досягнення рівня праці у режимі компенсації; tПК – переслідування з компенсацією; tП – оптимального передбачення; tСГ – провіщення (синхронного генератора) Згідно з моделлю, представленою на рис. 4, для кожного етапу функція показ- ника стаціонарного стохастичного процесу може відрізнятися. Позначимо показники чотирьох режимів як tttt zzzz 4321 ,,, , а відповідні нормовані показники як tttt zzzz 4321 ˆ,ˆ,ˆ,ˆ . Е ф ек ти в н іс ть д ія л ь н о ст і tРК tПК tП tСГ tРК< tПК< tП< tСГ Борсук С.П. «Искусственный интеллект» 2013 № 2 104 5Б Тоді узагальнений показник нормованого стаціонарного стохастичного процесу t Ẑ , відповідно до моделі із чотирма режимами, можна описати наступним чином:         << << << < = СГ t П t t z П t ПК t t z ПК t РК t t z РК t t z t Z τ τ τ τ ; 4 ˆ ; 3 ˆ ; 2 ˆ ; 1 ˆ ˆ , де τ – поточний момент часу. Кожен із нормованих показників у свою чергу розподіляється на три складові. Позначимо показники ПОВ АО як tctctctc 4321 ,,, ∆∆∆∆ , а дійсні відхилення випадкової величини як tvtvtvtv 4321 ,,, ∆∆∆∆ . t Ẑ приймає вигляд ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )             << ∆ + ∆ + << ∆ + ∆ + << ∆ + ∆ + < ∆ + ∆ + = СГП tvtc ППК tvtc ПКРК tvtc РК tvtc t tt txtx tt txtx tt txtx t txtx Z τ τ τ τ ;1 ;1 ;1 ;1 ˆ 44 33 22 11 . Функція ( )tx лишається однаковою для усіх трьох режимів за припущення ідеальної експоненти як базової функції для усіх режимів. Враховуючи, що різні режими можуть мати різні базові функції, позначимо їх як ( ) ( ) ( ) ( )txtxtxtx 4321 ,,, . Тоді t Ẑ приймає вигляд ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )             << ∆ + ∆ + << ∆ + ∆ + << ∆ + ∆ + < ∆ + ∆ + = СГП tvtc ППК tvtc ПКРК tvtc РК tvtc t tt txtx tt txtx tt txtx t txtx Z τ τ τ τ ;1 ;1 ;1 ;1 ˆ 4 4 4 4 3 3 3 3 2 2 2 2 1 1 1 1 . Відповідні додатки ( )tx µ дорівнюють одиниці у кожному випадку, оскільки значення µ залишаються детермінованими для кожного режиму роботи АО. Для окремого АО зміна режиму у роботі може мати різноманітні наслідки з точки зору його ефективності. Проведення аналізу таких змін найкраще виконувати, Складові стохастичних показників навченості для чотирьох режимів роботи… «Штучний інтелект» 2013 № 2 105 5Б спираючись на детерміновані складові показника нормованого стаціонарного сто- хастичного процесу. Одна з детермінованих складових – це сукупність функцій ( )tx , які безпосередньо дорівнюють постійному середньому рівню µ , але їх використання дозволить тільки визначити, за яким саме ідеальним законом відтворюються ненор- мовані криві показника процесу навчання у кожному режимі. Інша детермінована складова – це tc ∆ , показник ПОВ АО, який змінюється відповідно реагуючи на особ- ливості роботи АО. Розглянемо перехід від режиму компенсації до режиму переслідування з ком- пенсацією. Цей перехід характеризується зміною даних, що надаються АО. Якщо у першому режимі він отримував тільки відхилення контрольованої величини d∆ , то вже у другому режимі він працює із двома додатковими параметрами 21 ,dd , такими, що ddd ∆=− 21 . Отже інформаційне навантаження зростає, що може призвести як до зміни базової функції навчання, так і до зміни показника особистих властивостей. Подальший перехід до режимів оптимального передбачення та провіщення також збільшує кількість інформації, отриманої АО. Причому, починаючи з режиму опти- мального передбачення, отримана інформація ускладнюється не тільки кількісно, але й якісно. При переході до третього режиму вона починає частково набувати ймо- вірнісних характеристик, а при переході до четвертого режиму у склад наявної інформації вводяться правила, які не можна напряму вивести зі спостережень за контрольованою величиною. Розглянемо випадок, коли базова функція залишається сталою, а показники особистих властивостей можуть змінюватись. Для зручності відкинемо дійсне відхи- лення випадкової величини та позначимо ( )tx tcx tc 1 1 1 ∆ =∆ . Тоді необхідно порівняти чотири параметри x tc x tc x tc x tc 4321 ,,, ∆∆∆∆ . Розглянемо найпростіший випадок, коли cconst x tc x tc x tc x tc ==∆=∆=∆=∆ 4321 . Очевид- но, що у такому випадку АО демонструє однакові особисті властивості у кожному режимі. Як результат, такий АО вважається стабільним, та залежно від значення c визначається його здатність до навчання. У випадку 1>c АО має підвищену здат- ність, у випадку 1<c АО має понижену здатність. Графічно описаний випадок пред- ставлено на рис. 5. ∆x tc t z(t) tРК tПК tП tСГ0 c Рисунок 5 – Графік порівняння показника ПОВ стабільного АО для різних режимів В ускладненому випадку із зміною констант відповідають вирази ( )constcconstcconstcconstccccc x tc x tc x tc x tc =====∆=∆=∆=∆ 432144332211 ,,,,,,, . У даному випадку АО демонструє різні особисті властивості у кожному ре- жимі. Здатність такого АО до навчання нестабільна і подальші висновки залежать від значень c . Якщо ( )icc ii ∀< + , 1 , то АО нестабільно покращує результати. Якщо Борсук С.П. «Искусственный интеллект» 2013 № 2 106 5Б ( )icc ii ∀> + , 1 , то АО із кожним нестабільно погіршує результати. У будь-якому ін.- шому випадку додаткові висновки залежать від детального аналізу його результатів. Графічно описаний випадок представлено на рис. 6. ∆x tc t c2 tРК tПК tП tСГ z(t) c3 c4 c1 0 ∆x tc t c2 tРК tПК tП tСГ z(t) c3 c4 c1 0 а) б) ∆x tc t c2 tРК tПК tП tСГ z(t) c3 c4 c1 0 в) Рисунок 6 – Порівняння показників ПОВ нестабільного АО для різних режимів: а) нестабільне покращення; б) нестабільне погіршення; в) нестабільна невизначеність Наступне ускладнення моделі – зміна сталого значення на лінійну функцію ( )tf . Тоді ( ) ( ) ( ) ( )tftftftf x tc x tc x tc x tc 44332211 ,,, =∆=∆=∆=∆ . При наявності лінійної функції когнітивні властивості АО змінюються із плином часу в межах кожного охопленого режиму. Здатність такого АО до навчання нестабільна і подальші висновки залежать від динаміки ( )tf . Якщо ( ) ( ) ( )ttftf ∀+< ,1 11 , і одночасно ( ) ( ) ( )titftf ii ,, 1 ∀< + , то АО постійно покращує результати. Навпаки при ( ) ( ) ( )ttftf ∀+> ,1 11 і одночасно ( ) ( ) ( )titftf ii ,, 1 ∀> + , то АО постійно погіршує результати. Якщо ( ) ( ) ( )ttftf ∀+< ,1 11 і одночасно ( ) ( ),:,, 21121 tftftti ii + >∃ то має місце точка різкого падіння демонстрованого рівня ПОВ АО при переході до нового режиму із подальшим зростанням. Якщо I∃ таке, що ( ) ( ) ( ) ( ) ( ) 21212111 ,,1,1: tttftftftfIi iiii ∀+>+<<∀ +− , то присутня точка зміни динаміки демонстрованого рівня ПОВ АО, до якої його показники зростали, а після якої його показники почали спадати. Графічно описаний випадок представлено на рис. 7. ∆x tc ttРК tПК tП tСГ z(t) 0 ∆x tc ttРК tПК tП tСГ z(t) 0 а) б) ∆x tc ttРК tПК tП tСГ z(t) 0 ∆x tc ttРК tПК tП tСГ z(t) 0 в) г) Рисунок 7 – Порівняння показників ПОВ АО для різних режимів із лінійним законом їх зміни: а) постійне покращення; б) постійне погіршення; в) із точкою тимчасового погіршення; г) із точкою постійного погіршення Складові стохастичних показників навченості для чотирьох режимів роботи… «Штучний інтелект» 2013 № 2 107 5Б Заміна лінійних функцій ( )tf на нелінійні принципово не вплине на графічні від- ображення моделі. Кожний граф можна буде розбити на складові типу точок роз- ривів, перегину та постійно зростаючого або спадаючого проміжків. Спираючись на динаміку ПОВ АО, можна відпрацювати рекомендації, щодо програми їх тренувань. Наприклад, для моделі з рис. 5, 6а, 7а та 7в рекомендувати залишити навчальну програму без змін; для рис. 6б та 7б рекомендовано зменшити темп та збільшити кількість часу для опанування ЗВН; для рис. 6в та 7г рекомен- довано виділити ті режими, у яких АО демонстрував найгірші результати, та при- ділити більше уваги тим завданням, які АО має виконувати у цих режимах. Типові рекомендації для кожного АО також можуть враховувати – які саме ЗВН він опанував під час роботи у кожному з режимів, як пов’язані між собою опановані ЗВН, якою була форма базової функції навчання, тощо. Висновки Згідно з отриманими результатами (графік показників постійних особистих властивостей стабільного АО, графік показників постійних особистих властивостей нестабільного АО, графік показників змінних особистих властивостей АО), які впер- ше формально описують складові показника навченості для чотирьох режимів роботи АО, можна стверджувати, що АО із різними показниками динаміки ПОВ мають отримувати відкориговані навчальні програми. Зазвичай зміна навчальних програм ускладнюється обмеженим часом, призначеним для опанування включених до про- грами ЗВН, але навіть к випадку неможливості внесення змін у саму програму, низка АО може бути допущеною до подальшого навчання або роботи із врахуванням особливостей їх динаміки ПОВ у різних режимах. Література 1. Новиков Д.А. Закономерности итеративного научения / Новиков Д.А. – М. : ИПУ РАН, 1998. 2. Введение в эргономику / [Зараковский Г.М., Королев Б.А., Медведев В.И., Шлаен П.Я.]; под ред. В.П. Зинченко. – М. : Советскоерадио, 1974. – 352 с. 3. Эргономика : [учебник] / [под ред. Крылова А.А., Суходольского Г.В]. – Л. : Изд-во Ленингр. ун-та, 1988. – 184 с. 4. Адомиан Дж. Стохастические системы: научное издание / Адомиан Дж. – М. : Мир, 1987. – 376 с. 5. Бокс Дж. Анализ временных рядов, прогноз и управление: / Дж. Бокс, Г. Дженкинс ; [под ред. В.Ф. Писаренко ; пер. с англ.]. – М. : Мир, 1974. – Кн. 1. – 406 с. 6. Гардинер К.В. Стохастические методы в естественных науках / Гардинер К.В. – М. : Мир, 1986. – 526 c. 7. Буш Р. Стохастические модели обучаемости / Р. Буш, Ф. Мостеллер. – М. : Физматгиз, 1962. – 483 с. 8. Эстес В.К. Статические модели способностей человека-наблюдателя вспоминать и опознавать возбуждающие ответы / В.К. Эстес // Самоорганизующиеся системы. – М., 1964. – С. 50-64. 9. Шеридан Т.Б. Системы человек-машина: Модели обработки информации, управления и принятия решений человеком-оператором / Т.Б. Шеридан, У.Р. Феррел ; [под ред. К.В. Фролова ; пер. с англ.]. – М. : Машиностроение, 1980. – 400 с. Literaturа 1. Novikov D.A. Zakonomernosti iterativnogo nauchenija / Novikov D.A. – M.: IPU RAN, 1998. 2. Vvedenie v jergonomiku / [Zarakovskij G.M., Korolev B.A., Medvedev V.I., Shlaen P.Ja.]; pod red. V.P Zinchenko. – M.: Sovetskoeradio, 1974. – 352 s. 3. Jergonomika: Uchebnik / [pod red. Krylova A.A., Suhodol'skogo G.V]. – L.: Izd-vo Leningr. un-ta. 1988. – 184 s. 4. Adomian Dzh. Stohasticheskie sistemy: nauchnoe izdanie / Adomian Dzh. – M.: Mir, 1987. – 376 s. 5. Boks Dzh. Analiz vremennyh rjadov, prognoz i upravlenie: Per. s angl. / Boks Dzh. Dzhenkins G. [Pod red. V.F. Pisarenko]. – M. : Mir, 1974, kn. 1. – 406 s. Борсук С.П. «Искусственный интеллект» 2013 № 2 108 5Б 6. Gardiner K.V. Stohasticheskie metody v estestvennyh naukah / Gardiner K.V. – M.: Mir, 1986. – 526 c. 7. Bush R. Stohasticheskie modeli obuchaemosti / Bush R., Mosteller F. – M.: Fizmatgiz, 1962. – 483 s. 8. Jestes V.K. Staticheskie modeli sposobnostej cheloveka-nabljudatelja vspominat' i opoznavat' vozbuzhdajushhie otvety / Jestes V.K. // Samoorganizujushhiesja sistemy. – M., 1964. – S. 50-64. 9. Sheridan T.B. Sistemy chelovek-mashina: Modeli obrabotki informacii, upravlenija i prinjatija reshenij chelovekom-operatorom: per.s angl. / Sheridan T.B., Ferrel U.R.; pod red. K.V. Frolova. – M.: Mashinostroenie, 1980. – 400 s RESUME S.P. Borsuk Components of Stochastic Tuition Indexes for Four Working Modes of Aviation Operator Dynamics of operators knowledge level change, presented as sole exponential type tuition index, is shown in the article. Base for stationary stochastic function use to describe operator’s tuition index is given. Index is proposed to be divided into three components, two of which are deterministic type and last one is of stochastic type. Charts of all components that influence upon general level of tuition index are given. Operator four working modes are presented with corresponding three components of tuition indexes for every mode. Each indexes component’s role in general operator’s education process is shown. Normalization of constant personal operator features index is described. Example of constant personal operator features indexes for two neighbor working modes comparison is given. Basing on the results of comparison set of recommendations about operators further work is proposed. Stable and unstable operator indexes comparison are shown both graphical and analythical. Стаття надійшла до редакції 09.04.2013.

Складові стохастичних показників навченості для чотирьох режимів роботи авіаційного оператора

Institution

Similar Items