Концепция программно-аналитического комплекса образовательного процесса на основе онтологии и искусственных нейронных сетей

Четвёртая промышленная революция влияет на формирование нового подхода к образованию, основанного на массовом внедрении информационных технологий (ИТ) во все сферы деятельности общества. Выпускникам ВУЗов необходимо владеть навыками работы в условиях применения систем искусственного интеллекта (ИИ), Интернета вещей, биотехнологий и нейротехнологий. Источниками получения навыков могут быть как объективизированные знания, переведённые в форму, доступной для потребителя, так и экспертные знания, которые не зафиксированы в информационных хранилищах. При этом знания должны постоянно совершенствоваться и накапливаться в автоматизированных базах знаний систем управления для их эффективного применения в дальнейшем. Развитие сферы ИТ приводит к необходимости постоянного изменения и управления образовательным процессом в области разработки и внедрения новых ИТ, использования нейронных сетей (НС) [1-4]. Одним из способов управления образовательным процессом является разработка программно-аналитических комплексов (ПАК), призванных обеспечить информационное сопровождение контроля и анализа получаемых компетенций в процессе обучения со стороны ВУЗа и предприятия.

Для формализации знаний, имеющих качественные характеристики организации управления при динамическом изменении бизнес-процессов (БП), применяются теория нечётких множеств, методы ИИ и НС. Принципы непрерывного совершенствования БП на основе цикла «планирование-выполнение-проверка-действие» ( Plan - Do - Check - Act, PDCA ) является одним из направлений Индустрии 4.0 в рамках перехода к управлению интеллектуальными системами в режиме постоянного взаимодействия с внешней средой.

1 Модель непрерывного совершенствования процессов дополнительного профессионального образования

Основной целью развития и реализации дополнительного профессионального образования (ДПО) является обеспечение качественным образованием сотрудников организаций в непрерывном производственном процессе. Для обеспечения непрерывного совершенствования учебного процесса на всех этапах жизненного цикла (ЖЦ) образовательной программы ДПО целесообразно использовать ПАК для контроля и анализа получаемых компетенций в процессе обучения как со стороны учебного заведения, так и со стороны контролирующих процесс обучения органов (ведомств и министерств РФ) и заинтересованных предприятий.

В области управления БП актуальны исследования, основанные на онтологическом подходе [5, 6]. Правила взаимодействия БП и информационных ресурсов в ПАК строятся на основе теории множеств, что позволяет разработать формальную модель [3]. Для управления и повышения качества БП и построения модели применяется цикл PDCA (цикл Шухарта-Деминга) [7, 8]. Такая модель позволяет определить правила взаимодействия БП, выявить объекты в ПАК, отразить последовательность БП и контрольные показатели эффективности. Модель непрерывного совершенствования БП ДПО представлена на рисунке 1.

Для организации обучения по программам ДПО в процессе планирования ( Plan ) контролирующими органами и ведомствами определяются основные требования к процессу подготовки обучающихся по ДПО, разрабатываются нормативные документы. Определение перечня необходимого программного обеспечения, оборудования, лабораторий и др. представлено в виде функции Z( N) , отражающей регламентирующую документацию для организации учебного процесса (планы, рабочие программы, положения практик и т.д.), где N = { n 1 ,_,n d } - множество целей и задач процессов обучения, включающее программы профессиональной переподготовки, d - количество целей и задач.

На каждом этапе описываемого БП, профессиональные компетенции Ф(ОЬ) обучаемого Ob могут быть оценены функцией, отражающей трудовые действия F={f 1 ,^f i } е Q . Необходимые компетенции программ ДПО, установленные со стороны государства (профессиональные стандарты, справочник профессиональных компетенций и т.д.), могут быть представлены множеством функций Ф ( Ob ) ^ F, где Q - множество компетенций, удовлетворяющих требованиям государства и работодателей, т.е. эталонная модель обучаемого.

Обобщённые трудовые функции и действия обучаемого по программам ДПО определяются значением величины Ф' ( Ob ) на этапе проверки ( Check ) в виде итоговой аттестации. На завершающем этапе - действие ( Act ), появляется возможность анализа выполнения требований как со стороны контролирующих органов, так и со стороны работодателей, определяются новые и востребованные направления программ ДПО, в соответствии с профессиональными стандартами и соответствующими требованиями работодателей, обеспечивающими конкурентоспособность реализации программ ДПО.

N ' = N ® Y (N)

Рисунок 1 – Модель непрерывного совершенствования БП ДПО

Ф' ( Ob ) = Ф ( Ob ) ® Z ( N )

На этапе выполнения (Do) ВУЗами составляются учебные планы, положения и рабочие программы дисциплин. В образовательном процессе программ ДПО объект Ob осваивает новые необходимые знания и умения новыми значениями Ф ( Ob), имеет отражение в виде полилинейной функции объектов некоторой категории f: Ф(Ob) х Z (N) > Ф (Ob). Исходя из полилинейности отображения и применив Первую теорему об изоморфизме [9], можно прийти к коммутативности диаграммы, представимой формулой:

/ f : Ф ( Ob ) х Z ( N ) > ф ; ( Ob ) ‘ g : Ф ( Ob ) х Z ( N ) > Ф 2 ( Ob )

^ 3 h : Ф 1 ( Ob ) >  Ф 2 ( Ob )

Т.е. композиция морфизмов вдоль любого направленного пути зависит только от начала и конца пути, а в данном случае достижение необходимого значения объектом Ob новых необходимых знаний и умений может быть получено по разным траекториям, что открывает возможности оптимизации процесса [10]. Универсальный объект этой диаграммы есть тензорное произведение Ф ( Ob ) и Z ( N ) , т.е. имеем формулу:

Ф ( Ob ) = Ф ( Ob ) ® Z ( N ) , (1) где знак ® - тензорное произведение.

Все объекты рассматриваемой предметной области (ПрО) представлены значениями своих параметров. Для формирования различных альтернативных цепочек можем использовать упорядочение объектов по их схожести методом кластеризации, представляя объекты векторами. Числовые параметры таких векторов являются атрибутами соответствующих объектов и могут интерпретироваться в качестве геометрического расположения объекта в некотором пространстве. Учёт нечёткости (или неполноты) данных о свойствах объектов приводит к размытости границ кластеров и нечёткой кластеризации.

Выбор любой альтернативной траектории образовательного процесса сводится к варианту выбора учитываемых компонент и осуществляется по совокупности сложных нечётких критериев [9].

В ПАК необходимо применение непрерывной информационной поддержки ЖЦ процессов [10]. На стадиях ЖЦ рассматриваемого процесса возможно выделение подмножеств критериев оценок качества компетенций с разных позиций участников процесса:

GC u ( X) - ВУЗа;

GC r ( V) - организации;

GC ra ( L ) - контролирующих ведомств и органов;

GC pak ( U) — администратора ПАК.

Усиление контроля со стороны государства отражается в требованиях к обучающимся -подмножество L= { l 1 ,^,l k }; ВУЗы определяют требования в виде подмножества X= { x 1 ,_,x n }, которое используется в основных критериях. Все требования анализируются и контролируются в подмножестве U= { u1,...,Uj }, что позволяет своевременно вносить изменения в процесс обучения.

Организации определяют требования к трудовым действиям, необходимым умениям и знаниям сотрудников, что может быть формализовано в виде подмножества V ={ v 1 ,...,v m }.

В качестве ограничений могут быть использованы требования к уровню необходимых знаний и умений обучаемых со стороны:

• ■    работодателей в виде функции ф = { ^ ,...,у_ч } е M ;

• ■    ВУЗа в виде функции H = {h₁,...,h } е M.

Здесь M - множество требований к специалисту из профессионального стандарта, отражённое в обобщённых функциях.

Система, позволяющая достичь поставленные цели и задачи, может быть представлена ' Ф ( Ob ) о Т

« Ф ( Ob ) о H                                  (2)

Ф ( Ob ) о F .

Требования профессионального стандарта, определяющие полученный опыт, могут быть представлены в виде функции, зависящей от множества целей и задач реализации ДПО Y(N) . При изменениях требований формируется множество Y '( N ) = Y ( N ) ® Ф ( ОЬ ) , для которого справедливо Y ' ( N ) о Ф ( ОЬ ) . На основании данных требований может быть сформировано множество уточнённых целей и задач N , представленных формулой

N ‘ = N ® Y ‘ ( N )                           (3)

Формирование новых регламентирующих документов может быть представлено формулой

Z ' ( N ) = Z ( N ) ® N'                                    (4)

Таким образом, разработана формальная модель непрерывного совершенствования БП ДПО, что позволяет сформировать единое хранилище данных ПАК.

2    Структура ПАК

Эффективность использования онтологического подхода при проектировании систем с ИИ отмечается в [11-13]. Для формирования структуры ПАК была построена онтологическая модель (см. рисунок 2) . В качестве программного средства для создания онтологии использован редактор онтологий Protege и плагин OntoGraph.

Рисунок 2 - Структура ПАК

Модель онтологии ПАК может быть представляется упорядоченной тройкой следующего вида [14, 15]:

PAK =< M, R, U >, где М - множество модулей ПАК;

R - множество отношений между модулями ПАК;

U - множество функций, выполняемых модулями ПАК.

Перечень модулей ПАК можно представить как конечное множество вида M ={ M 1 ,...,M_n }. Элементы множества M описываются m признаками P= {p 1 ,...,p_m }. Каждый элемент М имеет вид M i ={p i1 .... p ,.., p _k }, где к - количество экземпляров j -го признака p элемента M i .

Перечень функций модулей можно представить как конечное множество вида U ={ u 1 ,u₂,...,u_n }. Элементы множества U описываются парой следующего вида u i = {name, source}, где name - название модуля, source - множество функций модуля, i=1,...,n .

Модель онтологии ПАК получает следующий вид: O AK ={ PAK,R,U} .

3    Схема узла нейронной сети ПАК

Системы, основанные на искусственных НС, позволяют решать различные задачи такие, как распознавание образов, выполнение прогнозов, оптимизацию, управление [16-18].

Разработка ПАК для контроля и анализа получаемых в процессе обучения по программам ДПО компетенций предусматривает наличие узла НС, представляющего собой схему искус- ственного нейрона, соответствующую формальной модели непрерывного совершенствования БП на основе цикла PDCA (см. рисунок 3).

В разделе Plan входным сигналом является величина, соответствующая компетенциям обучаемого - Ф(ОЬ). Весом выступает вектор из трёх элементов:

• ■   множество требований к уровню обучаемых со стороны работодателей - ¥ ;

• ■   множество целей и задач процесса обучения - N ;

• ■    множество требований к компетенциям обучаемых со стороны государства (профессиональные стандарты, справочник профессиональных компетенций и т.д.) - F.

В первом блоке сумматора раздела plan выполняется сравнение компетенций обучаемого с требованиями к рассматриваемым компетенциям обучаемых со стороны государства. Если компетенции обучаемого превышают требования государства, то в ПАК происходит корректировка вектора веса в разделе множества целей и задач, что может быть достигнуто, например, повышением уровня квалификации и т.д. Если требования государства превышают компетенции обучаемого, то осуществляется переход ко второму блоку сумматора. Здесь, вектор из трёх описанных элементов является входом, а весом выступают требования ВУЗа к уровню обучаемых по программам ДПО.

Во втором блоке сумматора реализуется формирование регламентирующей документации для организации учебного процесса (планы, рабочие программы, положения практик и т.д.) на основе множества целей и задач Z(N) .

Раздел «Do, check» на представленной схеме узла НС предполагает выполнение процесса обучения (согласно графику обучения и расписанию проводятся учебные занятия, в том числе и на материально-технической базе предприятия). Входом, в данном случае, также является величина, соответствующая компетенциям обучаемого Ф(ОЬ) , вес представлен документацией для организации учебного процесса Z(N) . Блок сумматора раздела « Do, check » направлен на пополнение компетенций новыми значениями.

Раздел «Act » получает на вход компетенции, пополненные новыми значениями Ф ' ( Ob ) , весом является вектор из двух элементов:

• ■    требования к уровню обучаемых со стороны предприятий-работодателей ¥ ;

• ■    требования к компетенциям обучаемых со стороны государства (профессиональные стандарты, справочник профессиональных компетенций и т.д.) F.

Сумматор раздела « Act » выявляет соответствие компетенций, пополненных новыми значениями Ф '( Ob ) , требованиям к уровню обучаемых со стороны предприятий-работодателей ¥ , а также требованиям к компетенциям обучаемых со стороны государства F.

В случае, когда компетенции, пополненные новыми значениями Ф ' ( Ob ) превышают требования к уровню обучаемых со стороны предприятий-работодателей ¥ , а также требования к компетенциям обучаемых со стороны государства F , в ПАК происходит корректировка вектора веса в разделе множества целей и задач, связанная с уточнением целей. Это может быть достигнуто аналогично разделу « Plan» , например, повышением уровня квалификации и т.д.

Если требования к уровню обучаемых со стороны предприятий-работодателей ¥ , а также требования к компетенциям обучаемых со стороны государства F не достигнуты, то процесс обучения следует начать сначала. При этом необходимо выполнить корректировку значений вектора веса раздела « Plan» , направленную на понижение требований к результатам обучения.

Результат итоговой аттестации, являющийся выходом из сумматора раздела « Act » заносится в блок запоминания состояний полученного опыта Y '( N ) .

мный ком плекс (ПАК)

Витрины данных

Рисунок 3 - Схема узла НС на основе цикла PDCA

Блок представления оперативных данных

Информация о полученном опыте К-пользователям

Блок представления информации

(внешние

Аналитики пользователи)

запоминания СОСТОЯНИЙ полученного

Интеллектуальный анализатор

Категории конечных пользователей

Руководители высшего звена

Руководители среднего звена

Практические работники

Множества объектов каждого раздела (рисунок 3) образуют категории, функторные отношения между которыми задаются «сопряжёнными» функторами [19, 20]. Это позволяет применить к каждому приведённому разделу одинаковые выводы, подробно рассматривать любой из них и использовать наиболее важное свойство сопряжённых функторов — их непрерывность.

Для полноценного функционирования узла НС следует уделять особое внимание её способности к обучению на основе данных, поступающих из внешней среды [21, 22]. В настоящее время НС обучают с учителем или без учителя. Выбор метода зависит от условий, в которых обучается НС.

Представленная схема узла НС предполагает применение алгоритма обучения с учителем, когда на вход поступает тренировочный набор данных, на основе которых НС выявляет зависимости и реагирует на этот набор данных. Таким образом, знания, полученные от учителя, будут передаваться в сеть в полном объёме. После завершения обучения учителя можно отключить и перейти в автономную работу НС.

Представленная модель узла НС также может быть применима для автоматизации других БП в сфере образования.

Заключение

Предложена концепция ПАК образовательного процесса. Разработанные модели целесообразно применять при реализации ПАК в целях управления процессом обучения.

Построенная схема узела НС предоставляет возможность осуществлять реализацию формальной модели непрерывного совершенствования БП на основе цикла PDCA . Результатом работы узла НС является возможность внесения необходимых корректировок в вектор веса, в требования к уровню обучаемых со стороны предприятий-работодателей, в множество целей и задач процесса обучения или в требования к компетенциям обучаемых со стороны государства.

Исследование проводится при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках основной части государственного задания высшим учебным заведениям № FEUE-2020-0007.