4.5.3. На шляху до адаптивних навчальних систем

Інструментом пізнання вважатимемо процес проектування структури гіпертексту (ГТ) як «кістяк» поля знань, тобто найбільш інформаційно-навантажений елемент поля знань. Саме це віддзеркалює структуру знань, яку можна назвати гіперзнаннями. Засвоєння цієї структури є найваж­ливішим компонентом процесу навчання. Очевидно, чим більше буде конкретна структура ГТ відповідати індиві­дуальній когнітивній структурі, тим ефективніше буде відбу­ватися процес навчання. Фактично це означає, що навчання й тренінг будуть організовані не через нав'язування конкрет­них когнітивних структур тому, кого навчають, і ламання ста­рих уявлень, а через проекцію нового знання на каркас індивідуального досвіду й нарощування вже наявних когнітивних структур. Така адаптація до індивідуальних пізна­вальних структур може істотно підвищити ефективність на­вчальних систем.

Пропонований підхід дозволяє зобразити поле знань пре­дметної області у вигляді релевантної гіперструктури HS, вузла­ми якої є концепти А, виділені експертами як «опорні», тобто принципово значимі зв'язки або відношення, що використову­ються для переходів між вузлами. Таке трактування є природ­ним розвитком моделей подання знань типу семантичних мереж, які на сучасному етапі вважаються найбільш адек­ватними структурі людської пам'яті. Природно, що такі концептуально-когнітивні структури вирізняються різкою індивідуальністю, пов'язаною з особистими, інтелектуальни­ми й професійними розходженнями носіїв знань. У деякому сенсі така структура є когнітивною моделлю індивіда.

Пропонований підхід узгоджується з концепцією мультидерева, що реалізує множинне відображення ПО. Модель користувача, сформована на цьому принципі, буде відбивати «модель світу» певного конкретного користувача у вигляді гіперграфа, вузли якого, у свою чергу, можуть бути розкриті у вигляді гіперструктур нижчого рівня. Фактично це відпо­відає суб'єктивним концептуальним структурам у пам'яті. Часто в проблематиці АНС використовують поняття сценарію. Традиційно під сценарієм розуміється опис змістовної, логічної й тимчасової взаємодії структурних одиниць програми, за до­помогою яких реалізується авторська мета.

Очевидно, що в гіпермедіа навчальних додатках природ­ним поданням сценарію є граф гіпертексту. При цьому важли­во домогтися, щоб цей сценарій відповідав (був релевантним) уявленням як учителів, так і учнів.

Релевантна ГТ-структура відображає стратифіковану ме­режу HS = <A,R>, що відображає ієрархію понять предметної області у формі, яка відповідає професійним уявленням екс­пертів і не викликає когнітивного дисонансу в користувача.

Для формування стратифікованої множини вершин А мож­на використовувати модифікацію алгоритмів об'єктно-струк­турного аналізу ОСА.

Алгоритм «ОСА-гіпер»

1. Сформулювати мету й зібрати від експертів всю доступ­ну інформацію.

2. Визначити кількість страт N, що підлягають формуванню.

3. З інформації, отриманої від експертів і з літератури, ви­брати всі значимі основні об'єкти й поняття {А} і розмістити їх за витратами, сформувавши опорні метавузли ГТ-структури.

4. Деталізувати концепти, користуючись спадною кон­цепцією (top-down).

5. Утворити метапоняття за концепцією (bottom-up).

6. Виключити повтори, надмірність і синонімію.

7. Обговорити поняття, що не ввійшли в структуру ГТ із експертом і включити їх або вилучити.

8. Виявити основні відносини {R} і спроектувати ескіз ГТ структури.

9. Здійснити обстеження потенційних користувачів з ме­тою виявлення їхніх когнітивних уявлень про задану ПО, а та­кож формування моделі користувача.

10. Привести у відповідність ескіз ГТ і подання користувача.

11. Сформувати ряд сценаріїв обходу ГТ із метою спрощення навігації й обліку необхідних сценарних зв'язків і включити їх у структуру.

Цей алгоритм виявляє канонічний або основний сценарій, альтернативні сценарії формуються на підставі деякого іншо­го досвіду викладання, або з урахуванням категорії користу­вачів.

При розробленні гіпермедіа-додатків необхідно також ура­хувати фактор збалансованості звукових і відеовузлів опорної ГТ-структури, тобто аудіо-і відеофрагменти повинні рівномір­но розподілятися по мережі. Для цього введене поняття «розфарбування» вузлів, що дозволяє наочно оцінити збалан­сованість мережі за аудіо- і відеонавантаженням. Алгоритм «ОСА-гіпер» враховує необхідність аналізу не тільки вихідної інформації, але й навігаційних можливостей:

• переміщення за екраном назад;

• повернення до початку;

• повернення до початку секції;

• перегляд структури;

• озвучування екрана;

• включення відео;

• допомога;

• переміщення на екран уперед.

Особливо корисним в реалізації графічної навігації є те, що в довільний момент користувач може подивитися структуру сценарію й зрозуміти, в якому місці він зараз перебуває.

Такий підхід використаний при створенні ГТ АНС в області інженерії знань для систем дистанційного навчання. Системи навчання в області ШІ мають наразі невелику історію, хоча при відсутності підручників із цих дисциплін ці електронні підручники особливо необхідні. Відомі лише поодинокі роботи в нашій країні й за її межами — «База знань для розроблювачів ЕС» і KARTT (Knowledge Aqcuisition Research and Teaching Tool).

При проектуванні будь-якої ГТ-структури нетривіальним завданням є виділення «опорних» концептів — питань, прак­тично не висвітлених у літературі. У роботі [35] наведений огляд різних методів видобування знань, що частково включа­ють і дослідження з виявлення значущих концептів. Можна запропонувати використовувати для цієї мети методи багатовимірного градуювання, що дозволяють виявляти структуру індивідуальних ментальних просторів, аналізуючи попарні зв'язки понять предметної області.

Ці методи використовувалися й раніше для вивчення се­мантичних просторів пам'яті, однак можна використовувати новий підхід, орієнтований на аналіз не тільки осей менталь­них просторів з виявленням відповідних конструктів, але й то­чок згущення понять, названих «атракторами» для виявлення метапонять або концептів.

Надалі ці концепти утворять вузли {А} релевантної ГТ-структури, яку можна фактично трактувати як модель ко­ристувача UM (user model):

UM = {А, R}.

Глибші дослідження показали, що психосемантичні методи збагачені новими елементами (використання метафорич­них планів), можуть сприяти виявленню імпліцитних структур знань, що не піддаються виявленню іншими методами.

Використання UМ як гіперструктури в гіпертекстових АНС дозволяє створювати «гнучкі» релевантні сценарії, орієнтовані на когнітивні особливості певних груп користу­вачів. Останнє зауваження можна також віднести до розроб­лення систем гіпермедіа. Очевидно, що глибоке й конструк­тивне вивчення людського фактора в області комп'ютерних наук може істотно розсунути межі сучасних інтелектуальних і навчальних систем.

Запитання для повторення та контролю знань

1. Для чого слід використовувати методи психосемантики?

2. Які форми використовують психолінгвістичні методи?

3. Що таке семантичний простір знань? Наведіть приклад.

4. Чому семантичні простори двох кваліфікованих фахівців можуть бути різними?

5. Наведіть приклад асоціативної мережі структури знань.

6. Які методи відносять до методів психологічного градую­вання?

7. Як здійснюється побудова семантичного простору?

8. Що таке багатовимірне градуювання?

9. Для чого використовуються методи багатовимірного гра­дуювання?

10. Яку модель використовують методи багатовимірного градуювання?

11. Чим відрізняється психосемантика від інженерії знань?

12. Поясніть використання метафор для виявлення «прихо­ваних» структур знань.

13. Які Ви знаєте рівні градуювання знань?

14. Які орієнтовані методи видобування знань?

15. У чому полягає підхід використання метафор?

16. Як використовуються решітки Келлі для психосемантичних тестів?

17. Як можна інтерпретувати геометричну модель градую­вання?

18. У чому полягає метод репертуарних решіток?

19. Що являють собою репертуарні решітки?

20. Які Ви знаєте методи виявлення конструктів?

21. Опишіть метод мінімального контексту.

22. Що дозволяє визначити аналіз репертуарних решіток?

23. Що дозволяє визначити аналіз декількох репертуарних решіток?

24. Які існують способи порівняння двох решіток?

25. У чому полягає аналіз груп системних конструктів?

26. Наведіть приклади систем, в яких реалізовані автомати­зоване створення репертуарних решіток і видобування з експертів конструктів.

27. Що означає термін «керування знаннями»?

28. Які технології використовуються для застосування КМ-систем?

29. Які причини розроблення КМ-систем?

30. Що означає поняття «корпоративна пам'ять»?

31. Які існують рівні корпоративної пам'яті?

32. Які існують етапи під час розроблення систем КМ?

33. Які основні функції ОМІS?

34. Як виглядає архітектура ОМІS?

35. Які особливості розроблення ОМІS?

36. Які Ви знаєте візуальні методи специфікації й проекту­вання баз знань і розроблення концептуальних струк­тур?

37. Чим є релевантна ГТ-структура?

Розділ 5. Впорядкування знань на основі Класифікації

• Важливість правильної класифікації

• Ідентифікація класів і об'єктів

• Ключові абстракції й механізми

Класифікація — засіб впорядкування знань. В об’єктно-орієнтовному аналізі визначення загальних властивостей об'єктів допомагає знайти загальні ключові абстракції й механізми, що, своєю чергою приводить нас до простішої архітектури системи менеджменту знань. На жаль, наразі не розроблені строгі методи класифікації й немає правил, що дозволяють виділяти класи й об'єкти. Немає таких понять, як "ідеальна структура класів", "правильний вибір об'єктів". Як і в багатьох технічних дисциплінах, вибір класів є компромісним рішенням.