RU194000U1 - Устройство для оценивания выраженности индикаторов достижения компетенций - Google Patents

Устройство для оценивания выраженности индикаторов достижения компетенций Download PDF

Info

Publication number
RU194000U1
RU194000U1 RU2019128480U RU2019128480U RU194000U1 RU 194000 U1 RU194000 U1 RU 194000U1 RU 2019128480 U RU2019128480 U RU 2019128480U RU 2019128480 U RU2019128480 U RU 2019128480U RU 194000 U1 RU194000 U1 RU 194000U1
Authority
RU
Russia
Prior art keywords
block
fuzzy
output
input
unit
Prior art date
Application number
RU2019128480U
Other languages
English (en)
Inventor
Алексей Николаевич Полетайкин
Валерий Семенович Канев
Вадим Владиславович Подколзин
Наталия Владимировна Кулешова
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный университет" (ФГБОУ ВО "КубГУ")
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный университет" (ФГБОУ ВО "КубГУ") filed Critical Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный университет" (ФГБОУ ВО "КубГУ")
Priority to RU2019128480U priority Critical patent/RU194000U1/ru
Application granted granted Critical
Publication of RU194000U1 publication Critical patent/RU194000U1/ru

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/02Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Полезная модель относится к области вычислительной техники. Технический результат заключается в расширении возможности по оцениванию результатов обучения и повышении оперативности выполнения этой процедуры. Технический результат достигается за счет устройства для оценивания выраженности индикаторов достижения компетенций, состоящего из блока конфигуратора нечетких дескрипторов, блока нечеткой классификации результатов обучения (РО), блока хранения данных, блока базы знаний и блока нечеткого контроллера, представляющего собой программируемое логическое устройство, ядром которого является микроконтроллер (МК), работающий под управлением операционной системы реального времени, включающий блок задатчика уровня оценок, блок устройства индикации и блок программируемой логической интегральной схемы (ПЛИС), содержащий в себе блок нечеткого сопроцессора и блок базы знаний (БЗ). 1 ил., 1 табл.

Description

Полезная модель относится к области управления образовательной деятельностью, а именно, к организации профессиональной образовательной программы в части конструирования оценочных средств и оценивания результатов обучения.
Для задачи оценивания результатов обучения разработаны модели дискретного оценивания, описанные в статьях, например: Сибикина И.В. Оценка уровня сформированности компетенции студента вуза на примере графовой модели / И.В. Сибикина, И.М. Космачева, И.Ю. Квятковская // Вестн. Саратов, гос. техн. ун-та. 2014. Т. 2, №1. С. 179-185; Печников А.Н., Прензов А.В. Подход к оценке сформированности специальных компетенций // Образование и наука. 2017. №5. С. 28-54. В них разработаны и исследованы модели оценивания результатов обучения. Однако эти модели не учитывают наличествующий в процедуре оценивания субъективизм, который выражается в субъективных решениях лиц, контролирующих испытание, по оцениванию результатов обучения, что понижает достоверность оценок.
Указанные недостатки удалось частично преодолеть за счет применения аппарата нечеткой классификации, что описано в статье «Подготовка классификационных данных для конструирования профессиональных компетенций» / А.Н. Полетайкин, Т.С. Ильина, Л.Ф. Данилова // Вестник СибГУТИ. - Новосибирск, 2018. - №2. - С. 89-102. Однако авторами не учитываются особенности и требования к реализации профессиональной образовательной программы, регламентированные федеральным государственным образовательным стандартом (ФГОС) модификации 3++, а также не учтено непосредственное влияние на результат оценивания человеческого фактора и специфики контрольных заданий, что делает результатные оценки также недостаточно объективными.
Известно устройство для классификации документов, реализующее алгоритмы лексического, морфологического, синтаксического и семантического анализа текстов, предназначенное для классификации совокупностей электронных документов путем определения классов электронных документов совокупностей (патент RU №159737, МПК G06F 17/27 (2006.01)). Для классификации документов совокупностей в устройстве используется метод семиотического анализа. Для управления классификатором используется задатчик тематической области и глубины классификации. Информационную основу устройства составляет база данных, содержащая наборы семиотических дескрипторов и дескрипторов формата, за наполнение которой отвечает блок классификации. Устройство осуществляет фильтрацию документов согласно дескрипторам и сепарацию документов по заданным критериям. Устройство предназначено для улучшения качества и полноты поисковых выдач в поисковых системах, когда область классификации и глубина классификации предварительно заданы.
Известен нечеткий регулятор с двойной базой правил, относящийся к области управления технологическими процессами. Он состоит из фаззификатора и дефаззификатора, выход которого соединен с входом исполнительного механизма объекта управления, отличающийся тем, что выход фаззификатора подключен к двум блокам нечеткого вывода, выходы которых соединены с входами аккумулятора, соединенного с дефаззификатором, а к каждому блоку нечеткого вывода подключена своя база продукционных правил (патент RU №167890, МПК G06N 7/02 (2006.01), G05B 11/00 (2006.01), G05B 13/02 (2006.01), G05B 19/04 (2006.01), G05B 19/045 (2006.01)). Нечеткий регулятор с двойной базой правил повышает производительность нечеткого регулятора, упрощает конструкцию и позволяет управлять динамическими характеристиками объекта управления.
Известные решения основаны на дескрипторных моделях описания объектов, технологии многопараметрической классификации и устройствах нечеткого логического вывода. Однако эти устройства не могут быть использованы в учебном процессе в силу специфики предметных областей, в которых они применяются.
У этих устройств есть блоки хранения баз данных и блоки баз знаний. Однако ни одно из них не решает проблемы нечеткости процедур построения оценочных средств и оценивания результатов обучения, а также соответствия указанных процедур и самой оценочной базы требованиям действующих ФГОС. Устройство «Нечеткий регулятор с двойной базой правил» (патент RU №167890) позволяет достичь приемлемого результата, оценивания в области контроля технологического процесса за счет применения алгоритм нечеткого вывода. Соответственно, это устройство может быть принято за прототип по достигаемому результату.
Задача - разработать устройство с нечеткой логикой, обладающее точностью и достоверностью оценивания, а именно, устройство для оценивания выраженности индикаторов достижения компетенций, позволяющее существенно расширить возможности по оцениванию результатов обучения и повысить оперативность выполнения этой процедуры.
На фигуре представлена структурная схема заявляемого устройства, реализующего нечеткую дескрипторную модель.
Для решения поставленной задачи предлагается устройство для оценивания выраженности индикаторов достижения компетенций (ИДК), состоящее из блока конфигуратора нечетких дескрипторов, блока нечеткой классификации результатов обучения (РО), блока хранения данных, блока базы знаний и блока нечеткого контроллера (НК). Блок НК представляет собой программируемое логическое устройство, ядром которого является микроконтроллер (МК), работающий под управлением операционной системы реального времени (ОСРВ). Блок нечеткого контроллера включает блок задатчика уровня оценок, блок устройства индикации и блок программируемой логической интегральной схемы (ПЛИС), который содержит блок нечеткого сопроцессора и блок базы знаний (БЗ). При этом вход-выход блока конфигуратора нечетких дескрипторов соединен с первым входом-выходом блока хранения данных, а своим выходом соединен со входом блока базы знаний. Блок нечеткой классификация РО своим выходом соединен со входом блока хранения данных. Второй вход-выход блока хранения данных соединен с первым входом МК, который соединен своим вторым входом с выходом блока базы знаний, а третьим своим входом МК соединен с выходом блока задатчика уровня оценок, а четвертым выходом - с блоком устройства индикации. Пятым своим выходом МК соединен с блоком нечеткого сопроцессора, а шестым входом-выходом - с блоком БЗ. Блоки нечеткого сопроцессора и БЗ соединены входом-выходом между собой.
Отличительной особенностью заявленного устройства является осуществление процедуры оценивания выраженности ИДК посредством нечеткого логического вывода, а также расположение базы знаний в виде выделенного блока БЗ непосредственно во внутренней памяти ПЛИС, что существенно ускоряет процесс оценивания.
Устройство для оценивания выраженности индикаторов достижения компетенций (ИДК) состоит из блока конфигуратора нечетких дескрипторов 1, блока нечеткой классификации результатов обучения (РО) 2, блока хранения данных 3, блока базы знаний 4 и блока нечеткого контроллера (НК) 5 (фиг.). Блок НК 5 представляет собой программируемое логическое устройство, ядром которого является микроконтроллер (МК) 6, работающий под управлением операционной системы реального времени (ОСРВ). Также в состав НК 5 входят блок задатчика уровня оценок 7, блок устройства индикации 8 и блок программируемой логической интегральной схемы (ПЛИС) 9. Блок ПЛИС 9 включает себя блок нечеткого сопроцессора 10 и блок базы знаний (БЗ) 11. При этом вход-выход блока конфигуратора нечетких дескрипторов 1 соединен с первым входом-выходом блока хранения данных 3, а своим выходом соединен со входом блока базы знаний 4. Блок нечеткой классификация РО 2 своим выходом соединен со входом блока хранения данных 3. Второй вход-выход блока хранения данных 3 соединен с первым входом МК 6, который соединен своим вторым входом с выходом блока базы знаний 4. Третьим своим входом МК 6 соединен с выходом блока задатчика уровня оценок 7, а четвертым выходом - с блоком устройства индикации 8. Пятым своим выходом МК 6 соединен с блоком нечеткого сопроцессора 10, а шестым входом-выходом - с блоком БЗ 11. Блоки нечеткого сопроцессора 10 и БЗ 11 соединены входом-выходом между собой.
Для реализации устройства были выбраны в качестве МК 6 - микроконтроллер ARM Cortex-M4 фирмы STMicroelectronics, сопряженный с блоком ПЛИС 9, а именно ПЛИС ЕРЗС25Е144С8 фирмы Altera. В блоке ПЛИС 9 осуществляется вычисление алгоритмов нечеткой логики посредством стандартного программного обеспечения нечеткого сопроцессора 10. Блок БЗ 11 представляет собой область выделенной памяти ПЛИС 9. Блоки 7 и 8 являются стандартными. Работа блоков 1 и 2, являющихся логическими устройствами, осуществляется типовым образом и обеспечивает подготовку соответственно знаний и данных для решения основной задачи оценивания выраженности ИДК. Указанные знания и данные хранятся соответственно в блоках базы знаний 4 и хранения данных 3. Эти блоки организованы стандартным образом: блок базы знаний 4 организован как продукционная база знаний нечеткого типа и хранит знания в декларативном и процедурном виде. Блок хранения данных 3 организован в соответствии с реляционной моделью данных.
Рассмотрим работу заявляемого устройства.
Заявляемое устройство реализует нечеткую дескрипторную модель, а именно -конфигурирование нечетких дескрипторов, которое осуществляется в блоке конфигуратора нечетких дескрипторов 1. Через его выход полученные дескрипторы поступают в блок базы знаний 4. Также устройство реализует формирование бинарных нечетких отношений (БНО), устанавливающих отношение РО к контрольным заданиям, и осуществляется в блоке нечеткой конфигурации РО 2, с выхода которого БНО поступает в блок хранения данных 3. При этом блок конфигуратора нечетких дескрипторов 1 через вход-выход обменивается сформированными лексемами дескрипторов через первый вход-выход блока хранения данных 3. Со второго входа-выхода блока хранения данных 3 в блок МК 6 через его первый вход поступает список нечетких переменных, а из блока базы знаний 4 через его выход на второй вход МК 6 передается список правил нечеткого вывода, необходимых для контроля ИДК. Таким образом НК 5 подготовлен к работе по оцениванию РО при проведении испытания.
При включении МК 6 под управлением ОСРВ через его пятый выход передает на вход блока нечеткого сопроцессора 10 управляющие данные, тем самым осуществляя конфигурирование ПЛИС 9. При этом из МК 6 через его шестой вход-выход в блок БЗ 11 через первый вход-выход поступают данные для реализации нечеткого вывода, представляющие собой декларативную часть нечетких дескрипторов, соответствующих измеряемым ИДК. Через третий вход МК 6 поступают первичные оценочные данные из блока задатчика уровней оценок 7, которые также передаются в память ПЛИС 9 через шестой вход-выход МК 6. Блок ПЛИС 9 реализует нечеткий вывод по Мамдани, в процессе которого блок нечеткого сопроцессора 10 осуществляет взаимодействие с блоком БЗ 11 через его вход-выход, получая из него нечеткие дескрипторы и фиксируя в нем результаты активизации и аккумулирования для каждого дескриптора. Результаты нечеткого вывода, представляющие собой оценки выраженности проверяемых ИДК, передаются из блока БЗ 11 через первый вход-выход в МК 6, где сохраняются во внутренней памяти и выводятся вовне с четвертого выхода в блок устройства индикации 8.
Заявленное техническое решение осуществляется в условиях проведения любых видов испытаний, проверяющих результаты обучения, например, студентов.
Пример использования. Устройство предварительно программируют посредством специального программного обеспечения (драйвера) через интерфейс USB. Ниже представлены листинги файлов исходных данных для программирования устройства для примера оценивания сформированности одной компетенции с одним индикатором. В этом примере для оценивания выраженности ИДК используют две четкие и шесть нечетких входных переменных, а также одну нечеткую выходную переменную (см. листинг 1). Для вывода применяют систему из девять правил вывода (см. листинг 2). На листинге 1 обозначения a1, а2, b1, b2, b3, o1, о2, о3, z1 - идентификаторы переменных, используемых в системе правил нечеткого вывода (см. листинг 2).
Листинг 1. Структура файла исходных данных variables.dat
Figure 00000001
Figure 00000002
Листинг 2. Структура файла исходных данных rules.dat
Figure 00000003
Занесение оперативных данных о результатах испытания в виде оценок контрольных заданий и экспертных оценок нечетких переменных осуществляется посредством блока задатчика уровней оценок 7 (фиг.). После задания всех необходимых данных устройство выполняет расчет результатных оценок уровней выраженности ИДК и уровней сформированности компетенций, которые отображаются на блоке устройства индикации 8 и сохраняются в МК 6. В последствии они могут быть выгружены в ЭВМ через интерфейс USB, а также храниться в памяти устройства до следующего перепрограммирования.
Пример исходных данных для занесения в устройство представлен в таблице.
Figure 00000004
Figure 00000005
Результат расчета может быть выгружен в виде файла, содержание которого отражено на листинге 3
Листинг 3. Структура файла результатных данных result.dat
Figure 00000006
На листинге 3 обозначения b1, b2, b3, o1, о2, о3, z1 - идентификаторы переменных и их значения согласно заданной в файле variables.dat области определения (см. листинг 1). При этом оценки РО o1, о2, о3 представлены в значении по десятибалльной шкале, оценка выраженности ИДК - в значении уровня, согласно области определения переменной z1.
Разработанное устройство за счет применения нечеткого логического вывода снижает чувствительность к вариации входных оценочных данных и исключает субъективизм экспертных суждений лиц, контролирующих испытание, повышая тем самым достоверность результатных оценочных данных.
Предлагаемое техническое решение обладает новизной и применимостью, а, следовательно, удовлетворяет критериям охраноспособности для полезных моделей.

Claims (1)

  1. Устройство для оценивания выраженности индикаторов достижения компетенций состоит из блока конфигуратора нечетких дескрипторов, блока нечеткой классификации результатов обучения (РО), блока хранения данных, блока базы знаний и блока нечеткого контроллера, представляющего собой программируемое логическое устройство, ядром которого является микроконтроллер (МК), работающий под управлением операционной системы реального времени, включающий блок задатчика уровня оценок, блок устройства индикации и блок программируемой логической интегральной схемы (ПЛИС), содержащий в себе блок нечеткого сопроцессора и блок базы знаний (БЗ), при этом вход-выход блока конфигуратора нечетких дескрипторов соединен с первым входом-выходом блока хранения данных, а своим выходом соединен со входом блока базы знаний, а блок нечеткой классификации РО своим выходом соединен со входом блока хранения данных, при этом второй вход-выход блока хранения данных соединен с первым входом МК, соединенного своим вторым входом с выходом блока базы знаний, третьим своим входом МК соединен с выходом блока задатчика уровня оценок, а четвертым выходом - с блоком устройства индикации, пятый выход МК соединен с блоком нечеткого сопроцессора, а шестой вход-выход - с блоком БЗ, которые соединены между собой входом-выходом.
RU2019128480U 2019-09-10 2019-09-10 Устройство для оценивания выраженности индикаторов достижения компетенций RU194000U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2019128480U RU194000U1 (ru) 2019-09-10 2019-09-10 Устройство для оценивания выраженности индикаторов достижения компетенций

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2019128480U RU194000U1 (ru) 2019-09-10 2019-09-10 Устройство для оценивания выраженности индикаторов достижения компетенций

Publications (1)

Publication Number Publication Date
RU194000U1 true RU194000U1 (ru) 2019-11-22

Family

ID=68652677

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2019128480U RU194000U1 (ru) 2019-09-10 2019-09-10 Устройство для оценивания выраженности индикаторов достижения компетенций

Country Status (1)

Country Link
RU (1) RU194000U1 (ru)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070061023A1 (en) * 1991-12-23 2007-03-15 Hoffberg Linda I Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US20090132441A1 (en) * 2005-08-23 2009-05-21 Syneola Sa Multilevel semiotic and fuzzy logic user and metadata interface means for interactive multimedia system having cognitive adaptive capability
RU159737U1 (ru) * 2015-06-30 2016-02-20 Общество с ограниченной ответственностью "Параллелз" (ООО "Параллелз") Устройство для классификации электронных документов
US9424533B1 (en) * 2011-09-24 2016-08-23 Z Advanced Computing, Inc. Method and system for predicting an outcome of an event
RU167890U1 (ru) * 2015-12-16 2017-01-11 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Уфимский государственный нефтяной технический университет" Нечеткий регулятор с двойной базой правил
US9569729B1 (en) * 2016-07-20 2017-02-14 Chenope, Inc. Analytical system and method for assessing certain characteristics of organizations

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070061023A1 (en) * 1991-12-23 2007-03-15 Hoffberg Linda I Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US20090132441A1 (en) * 2005-08-23 2009-05-21 Syneola Sa Multilevel semiotic and fuzzy logic user and metadata interface means for interactive multimedia system having cognitive adaptive capability
US9424533B1 (en) * 2011-09-24 2016-08-23 Z Advanced Computing, Inc. Method and system for predicting an outcome of an event
RU159737U1 (ru) * 2015-06-30 2016-02-20 Общество с ограниченной ответственностью "Параллелз" (ООО "Параллелз") Устройство для классификации электронных документов
RU167890U1 (ru) * 2015-12-16 2017-01-11 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Уфимский государственный нефтяной технический университет" Нечеткий регулятор с двойной базой правил
US9569729B1 (en) * 2016-07-20 2017-02-14 Chenope, Inc. Analytical system and method for assessing certain characteristics of organizations

Similar Documents

Publication Publication Date Title
Jiang et al. A modified combination rule in generalized evidence theory
Yang et al. Belief rule-base inference methodology using the evidential reasoning approach-RIMER
Fischer et al. The process of solving complex problems
Benbasat et al. A framework for the validation of knowledge acquisition
Tvoroshenko et al. Intelligent classification of biophysical system states using fuzzy interval logic
Kabak et al. A cumulative belief degree-based approach for missing values in nuclear safeguards evaluation
Kovalev et al. Educational data mining: current problems and solutions
US5819248A (en) Persuasion organizer and calculator
Cavagnaro et al. Mathematical modeling
Yan et al. Using artificial neural network for predicting and evaluating situation awareness of operator
Zahedi et al. Modeling the interplay between human trust and monitoring
Harte et al. Psychometric and methodological aspects of process tracing research
CN111754370B (zh) 一种基于人工智能的在线教育课程管理方法及系统
RU194000U1 (ru) Устройство для оценивания выраженности индикаторов достижения компетенций
Petukhov et al. Decision support system for assessment of vocational aptitude of man-machine systems operators
Petukhov et al. Assessment of vocational aptitude of man-machine systems operators
Moreno-Jiménez et al. Group decision support using the analytic hierarchy process
de Sousa et al. Uncertainty components in performance measures
Pellegrino THE APPLICATION OF DRIVERS'COGNITIVE RELIABILITY USING FUZZY TECHNIQUES
CN115758561A (zh) 一种飞机飞行模拟参数数据的生成方法
Schwarz et al. Towards an integrated sustainability evaluation of energy scenarios with automated information exchange
Santos et al. Measurement Task Ontology.
Brown et al. Mediation analysis via observation oriented modeling
Ivashnova The model of projection of a fuzzy individual professional educational trajectory
Valdés-Souto et al. Evaluating the software quality non-functional requirement through a fuzzy logic-based model based on the ISO/IEC 25000 (SQuaRE) standard