Научные статьи
\
Общие вопросы науки и культуры
\
Информационные технологии. Вычислительная техника. Обработка данных
\
Искусственный интеллект
Комплексная система коллаборативного обучения на основе нечетких моделей для описания поведения систем с частичным знанием
Автор: Куликовских Илона Марковна, Прохоров Сергей Антонович, Сучкова Светлана Анатольевна, Матыцин Ефим Владимирович
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 4-4 т.18, 2016 года.
Бесплатный доступ
В работе рассматриваются аспекты поведения систем с частичным знанием в условиях стимулирования и совместного обучения. Предложены нечеткие модели для описания поведения систем и даны определения оценивания уровня частичного знания с нечетко заданными когнитивными уровнями при самостоятельном и совместном обучении. Разработанные модели были положены в основу комплексной системы коллаборативного обучения, для которой было приведено описание и реализуемые функции.
Коллаборативное обучение, частичное знание, когнитивный уровень, нечеткое множество, адаптивное обучение
Короткий адрес: https://sciup.org/148204765
IDR: 148204765 | УДК: 004.8,
Complex system for collaborative learning based on fuzzy models to describe systems behavior with partial knowledge
This paper considers the aspects of systems behavior with partial knowledge in motivation and collaborative learning environment. We propose fuzzy models to describe the behavior of these systems, which allow us to provide the definitions of partial knowledge level both in self-learning and collaborative learning if Bloom's cognitive levels are fuzzy. Those models are used to develop a complex system for collaborative learning presented in the form of block diagrams and implemented functions.
Список литературы Комплексная система коллаборативного обучения на основе нечетких моделей для описания поведения систем с частичным знанием
- Using clickers in class. The role of interactivity, active collaborative learning and engagement in learning performance/L. Blasco-Arcas, I. Buil, B. Hernandez-Ortega, F. Javier Sese//Computers & Education. 2013. 62. pp.102-110.
- McDonough K., Foote J.A. The impact of individual and shared clicker use on students' collaborative learning//Computers & Education. 2015. 86. Pp.236-249.
- Vygotsky L.S. Mind in society: The development of higher psychological processes. Cambridge, Mass.: Harvard University Press, 1978. 174 p.
- Brady M., Seli H., Rosenthal J. «Clickers» and metacognition: A quasi-experimental comparative study about metacognitive self-regulation and use of electronic feedback devices//Computers & Education. 2013. 65. Pp. 56-63.
- Cook R. Calkins S. More than recall and opinion: Using «clickers» to promote complex thinking//Journal on Excellence in College Teaching. 2013. 24(2). Pp. 51-76.
- Lantz M.E. The use of «Clickers» in the classroom: Teaching innovation or merely an amusing novelty//Computers in Human Behavior. 2010. 26(4). Pp.556-561.
- Lantz M.E., Stawiski A. Effectiveness of clickers: Effect of feedback and the timing of questions on learning//Computers in Human Behavior. 2014. 31. Pp.280-286.
- Clickers in college classrooms: Fostering learning with questioning methods in large lecture classes/R.E. Mayer, A. Stull, K. DeLeeuw, K. Almeroth, B. Bimber, D. Chun, et al.//Contemporary Educational Psychology. 2009. 34. Pp.51-57.
- Chien, Y.-T., Chang Y.-H., Chang C.-Y. Do we click in the right way? A meta-analytic review of clicker-integrated instruction//Educational Research Review. 2016. 17. Pp.1-18.
- Why peer discussion improves student performance on in-class concept questions/M.K. Smith, W.B. Wood, W.K. Adams, C. Wieman, J.K. Knight, N. Guild, et al.//Science. 2009. 323. Pp.122-124.
- Неосознанно воспринятая информация как основа принятия решения о принадлежности к классу/В.Ю.Карпинская, Н.С.Куделькина, Ю.Ю.Карпинская, Ю.Е.Шилов//Известия Самарского научного центра РАН. 2015. T. 17. № 1(4). С.891-896.
- Шилов Ю.Е. Когнитивные аспекты изучения бессознательного в современной психологии//Известия Самарского научного центра РАН. 2015.T. 17, № 1(4). С.907-912.
- Prokhorov S.A., Kulikovskikh I.M. Fuzzy learning performance assessment based on decision making under internal uncertainty//7th Computer Science and Electronic Engineering Conference (CEEC 2015). Colchester, UK, 2015. pp. 65-70.
- Карпинская В.Ю. Владыкина Н.П., Шилов Ю.Е. Классификация в процессе зрительного восприятия//Известия Самарского научного центра РАН. 2015.T. 17. №1(3).С. 642-650.
- Interval type-2 fuzzy sets are generalization of interval-valued fuzzy sets: Towards a wider view on their relationship/H. Bustince, J. Fernandez, H. Hagras, M. Pagola, E. Barrenechea//IEEE Tran. On Fuzzy Sets. 2014 DOI: 10.1109/TFUZZ.2014.2362149
- Almohammadi K., Hagras H. An interval type-2 fuzzy logic based system for customised knowledge delivery within pervasive e-learning platform//Systems, Man and Cybernetics: Proc. 2013 IEEE International Conference on. Manchester, UK, 2013. pp.2872-2879.
- Chen S.-M., Chang Y.-C. Fuzzy rule interpolation based on principle membership functions and uncertainty grade functions of interval type-2 fuzzy sets//Expert Systems with Applications. 2011. 38. Pp. 11573-11580.
- Mendel J.M., John R.I.B. Type-2 fuzzy sets made simple/J.M. Mendel//IEEE Tran. On Fuzzy Sets. 2002. 10(2). Pp. 117-127.
- Zadeh L.A. Interval type-2 fuzzy logic systems: Theory and design//Inf. Sci. 1971. 3. Pp. 159-176.
- Mizumoto M., Tanaka K. Interval type-2 fuzzy logic systems: Theory and design//Inf. Control. 1976. 31. Pp. 312-340.
- Goguen J. Fuzzy rule interpolation based on principle membership functions and uncertainty grade functions of interval type-2 fuzzy sets//J. Math. Anal. Appl. 1967. 18. Pp. 145-174.
- Karnik N.N., Mendel J.M., Liang Q. Type-2 fuzzy logic systems//IEEE Trans. Fuzzy Syst. 1999. 7(6). Pp. 643-658.
- Mendel J.M., John R.I.B. Type-2 fuzzy sets made simple//IEEE Tran. On Fuzzy Sets. 2002. 10(2). Pp. 117-127.
- Garibaldi J.M., Ozen T. Uncertain Fuzzy Reasoning: A Case Study in Modelling Expert Decision Making//IEEE Trans. Fuzzy Syst. 2007. 15(1). Pp. 16-30.
- Ozen T., Garibaldi J.M. Effect of type-2 fuzzy membership function shape on modelling variation in human decision making//Fuzzy Systems: The proceedings of IEEE International Conference on. Budapest, Hungary, 2004. Pp. 971-976.
- Meng F., Chen X. A new method for group decision making with incomplete fuzzy preference relations//Knowledge-Based Systems. 2015. 73. Pp. 111-123.
- On multi-granular fuzzy linguistic modeling in group decision making problems: A systematic review and future trends/J.A. Morente-Molinera, I.J. Perez, M.R. Urena, E. Herrera-Viedma//Knowledge-Based Systems. 2015. 74. Pp. 49-60.
- Taxonomy of educational objectives: The classification of educational goals. Handbook 1: Cognitive domain/B.S. Bloom (Ed.), M.D. Engelhart, E.J. Furst, W.H. Hill, D.R. Krathwohl. -New York: David McKay, 1956. 207 p.
- A taxonomy for learning, teaching, and assessing: A revision of Bloom's Taxonomy of Educational Objectives/L.W. Anderson (Ed.), D.R. Krathwohl (Ed.), P.W. Airasian, K.A. Cruikshank, R.E. Mayer, P.R. Pintrich, J. Raths, M.C. Wittrock. New York: Longman, 2001. 336 p.
- Прохоров С.А., Куликовских И.М. Создание комплекса программ на основе пространственной схемы взаимодействия объектов//Программные продукты и системы. 2012. № 3. С.5-8.
- Прохоров С.А., Куликовских И.М. Система адаптивного обучения на основе иерархических конечных автоматов//Известия Самарского научного центра РАН. 2015. T. 17. № 2(5). С.1087-1091.
- Прохоров С.А. Сучкова С.А., Куликовских И.М. Кластеризация диагностических тестов при изучении предлогов английского языка в соответствии с таксономией Блума//Известия Самарского научного центра РАН. 2015. T. 17. № 2(5). С.1097-1103.
- Система адаптивного обучения на основе коллаборативной фильтрации/С.А. Прохоров, С.А. Сучкова, Е.В. Матыцин, И.М. Куликовских//Перспективные информационные технологии (ПИТ-2016): материалы Международной конференции. Самара, 2016. С. 150-156.
