Онтологический подход в управлении адаптивной подготовкой групп специалистов

Бесплатный доступ

1) Предлагается комплексный подход к решению задач управления процессом адаптивной подготовки групп специалистов, который позволит учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня подготовки специалистов и оперативно подстраивать сценарий обучения под текущую ситуацию. Реализация этого подхода основана на онтологическом и прогнозном моделировании процесса адаптивной подготовки специалистов. В статье описывается метаонтология адаптивной подготовки групп специалистов организационно-технических систем для автоматизированного решения задач управления процессом подготовки. Рассматривается подход к решению задач сбора, обобщения и анализа цикла интеллектуального управления адаптивной подготовкой групп специалистов на основе метаонтологии. Применение разработанной метаонтологии позволяет автоматически определять наличие знаний и умений обучаемых, которые хранятся в их профилях и обновляются по результатам пройденных этапов подготовки. Это позволяет повысить оперативность формирования управляющих воздействий (учебно-тренировочных задач) и качество подготовки.

Еще

Адаптивная подготовка, метаонтология, группы специалистов, предметные онтологии, управляющие воздействия, учебно-тренировочные задачи

Короткий адрес: https://sciup.org/170205616

IDR: 170205616   |   DOI: 10.18287/2223-9537-2024-14-2-205-216

Текст научной статьи Онтологический подход в управлении адаптивной подготовкой групп специалистов

В современном обществе существует проблема повышения эффективности процесса подготовки специалистов и его адаптации к динамично изменяющимся внешним и внутренним факторам, таким как изменение рынка труда, смена предпочтений потребителей, развитие перспективных технологий, индивидуальные особенности специалистов и др. Профессиональное образование нередко отстаёт от развития экономики, что приводит к дисбалансу подготовки специалистов и реальных потребностей общества [1].

На приобретение специалистами дополнительных компетенций, необходимых для решения поставленных работодателем задач, тратятся значительное время и материальные ресурсы. Для подготовки специалистов существует большое количество прикладных обучающих, в т.ч. интеллектуальных, систем (ИС) [2, 3], а также краткосрочных курсов переподготовки специалистов в соответствии с их устремлениями и возможностью вариации содержания [1].

Можно выделить проблему повышения эффективности подготовки специалистов организационно-технических систем (ОТС), выполняющих сложные задачи в составе групп в условиях, связанных с риском для здоровья и необходимостью адаптации процесса их подго- товки к изменяющимся условиям деятельности. Осуществлять подготовку таких групп специалистов к выполнению задач в реальных условиях возможно только с использованием специальных тренажеров и технических средств.

Для повышения эффективности подготовки групп специалистов ОТС необходимо повышать качество и оперативность управления этим процессом, в т.ч. за счёт учёта индивидуальных психофизиологических особенностей (ПФО) каждого специалиста группы [4]. Учёт ПФО специалистов на этапах индивидуальной подготовки обусловливает необходимость гибкого изменения сценария подготовки специалистов непосредственно в процессе занятий.

Необходимость учёта имеющихся знаний, умений и индивидуальных особенностей каждого специалиста (различная скорость усвоения материала, потребность в различных подходах и методиках к обучению) при одновременной подготовке большого количества специалистов в составе групп обусловливает обработку руководителем занятия больших объёмов данных. С увеличением плотности потока поступающей информации, на основании которой необходимо принимать управляющее решение, психофизиологические возможности руководителя занятия снижаются [5]. Это определяет актуальность автоматизации процесса управления адаптивной подготовкой (АП) групп специалистов ОТС.

1 Автоматизация управления адаптивной подготовкой групп специалистов

Одним из путей повышения качества управления подготовкой групп специалистов является адекватный учёт индивидуальных ПФО каждого специалиста из состава группы в процессе адаптивного формирования для них управляющих воздействий [6-8].

В процессе проведения занятий наибольшие трудности возникают при адаптивном формировании учебно-тренировочных задач (УТЗ) для каждого специалиста группы с учётом их текущего уровня подготовленности и результатов выполнения предыдущих УТЗ (с учётом времени выполнения задачи, результатов её выполнения и совершённых ошибок).

Решение этих задач руководителем занятий занимает длительное время и обусловливает субъективизм оценки текущего уровня подготовленности обучаемых, на основе которой принимаются решения по формированию управляющих воздействий УТЗ, и анализа результатов их реализации и последующей корректировки.

Для обучаемых характерно забывание пройденного материала, что происходит индивидуально [7] и обусловливает неопределённость в достижении целей этапов подготовки. Изменение уровня подготовленности каждого специалиста в процессе обучения аппроксимируется соответствующей экспоненциальной функцией [8]. Руководителю занятия трудно учесть эти изменения при формировании индивидуальных управляющих воздействий в процессе занятия.

Поэтому на этапах групповой подготовки адаптивное индивидуальное управление приведёт к существенному увеличению времени на анализ, изменение и выработку управляющих воздействий в процессе подготовки обучаемых [4].

Эти факторы обусловливают необходимость автоматизации процесса управления АП групп специалистов за счёт разработки адаптивной системы управления (СУ) процессом подготовки, которая должна учитывать специфику предметной области (ПрО) и индивидуальные ПФО обучаемых специалистов (скорость приобретения и утраты знаний, умений и навыков).

Задача управления АП групп специалистов не может быть задана в числовой форме, её цели не могут быть выражены в терминах точно определённой целевой функции, не существует общего алгоритма её решения. Это позволяет отнести названную задачу к классу слабоструктурированных или неформализованных задач [2].

Автоматизация процесса управления подготовкой может быть осуществлена с помощью ИС управления, построенной на основе модели ПрО и включающей знания о стратегиях и методах подготовки, предметах обучения и обучаемых [8-10]. Для формализации знаний ПрО АП групп специалистов ОТС целесообразно применение онтологического инжиниринга [11].

2 Метаонтология адаптивной подготовки групп специалистов

Метаонтология АП групп специалистов ( MetOap ) является моделью знаний и представляет собой онтологию верхнего уровня, включающую совокупность взаимосвязанных предметных онтологических моделей (ОМ): ОМ предметов АП ( Op ), ОМ объектов АП ( Oop ), ОМ ресурсов для АП ( ORes ), множество отношений между онтологиями ( R s ), множество аксиом ( Ax ), позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами.

MetOap = Sttgg e G Goal , Op , Oop , ORes , R s , Ax ,

где   Stage   -   множество этапов   АП   (одиночная   подготовка, в составе групп специалистов); Goal - цели этапов АП групп специалистов. Op представлена в виде (см. также рисунок 1) Р(b) _ (р( b)     р( b)     р( b) 1 п — P       {P 1 ,.••’ Pq ’•••’ PQ }, q 1,...’ Q, b = 1’.., B; лл(b) - f лЛb)     лп(b) Apq = { Apq,1 ’•••, Apq,c ’ ..., Ap’bC}, c = 1,...’ C; F )={ ciq’..’ dqbp cl’bP} ,p = 1,...’ P; Op = ■ Pq’Ь) ^ Rc’b) = { Rc’F, Rc’bК ..’ Rc’bL}, l = 1,...’ L; Rs’b) ={ RsqF; Rs’‘i,. ..’ Rs’bM}, m = 1,..., M; Rn(b )=[Rn’b,)    Rn’ b) pq     |' pF Д’.”’7 pF, s ’ .., Rp’bS}, s = 1’-, S; Ap(bc’ ^ Fp(bc’ = (Fp(bc’ ’•••’Fp(bc’ r q, c         r q, c     i r q, c1         1 q, cj ,..., Fp’bj }, j = 1,-’ J, подготовка где P(b) = {Pf-b),„.,Pb),...,PQb)} - множество элементов АП (предметов, тем, занятий, изучаемых понятий и отрабатываемых умений);

Р (1) = 1р(1)     р(1)    р(1)1.

{ 1 ,..., q ,..., Q } ;

р W < \ р(2)= / р(2)    р(2)    р(2) 1 f = 1 р

  • 1    q q |J q Д,.”,2 q , f ’...p q , F } , f    b.-P ;

P (2) г s p(3) — / p(3)    p(3)    P(3) I — 1 Г

Pq , f ^ Pf,     { Pf, ,1 ’...’ Pf, , ' ’...’ Pf, , I } i   1’...’ I

P' = (Nq ’ GZk', GUi,'', Wq) , где Nq - имя q-го элемента АП;

GZ’ kz' ) = { gz iz’ ’,..., gz’^ П ,..., gz ^’N } , kz = 1,...’ KZ , n = 1,...’ N - множество обобщённых гранул знаний, содержащихся в q -м элементе АП;

gz k ( z q , ) n - атомарная гранула знаний, представляющая собой семантически неделимое понятие ПрО (например, определение);

GU ku' ) = { gu kq )1 ,..., gu ^qv ,..., gu kuV } , ku = 1,..., KU , v = 1,..., V — множество обобщённых гранул умений, содержащихся в q -м элементе АП;

gu^ V — атомарная гранула умений, представляющая собой элементарную операцию, являющуюся составной частью действий, выполняемых специалистом при решении задач.

Рисунок 1 - Онтологическая модель предметов адаптивной подготовки

Множество обобщённых гранул знаний и умений формируется в результате процесса информационной грануляции содержания АП и группирования атомарных гранул знаний и умений на различных a i - уровнях по семантической близости [12, 13]. Полученная таким образом иерархическая структура является основой при построении дерева целей АП.

  • w q - степень влияния элемента АП на достижение частной цели подготовки, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

gz k.п, = ( N g nn , , Т’ n , Res kn , W z g) . guz V = (№ 'V .C• Res^ v ' w 'V ).

где N't.n / N .qv - имя n -й гранулы знаний / v -й гранулы умений;

Т (i / ТШ — время, необходимое для изучения n -й гранулы знаний / v -й гранулы умений;

Res kz'n, / Res ^ - ресурсы, необходимые для изучения (отработки) n -й гранулы знаний / v -й гранулы умений;

w £ =[ o-i ] / w kqv =[ 0...1 ] - степень влияния n -й гранулы знаний / v -й гранулы умений на достижение частной цели подготовки нижнего уровня иерархии;

Ap qb ) = { Ap q%

,...,

Ap qc )

, •••,

AP qbe } — множество атрибутов элементов АП (имя элемента

АП, множество атомарных гранул знаний и атомарных гранул умений, степень влияния элемента АП на достижение частной цели подготовки, время, необходимое для овладения элементом АП);

CLq) ={cqb),...,clqbp,.**,clqbp} - множество частных целей, соответствующих элементам АП, образующих дерево целей (например, занятию, входящему в определённую тему, соот- ветствует частная цель, а предмету подготовки может соответствовать конечная цель подготовки).

ciqbp={NcP 5 Fcp5 wcp], где Ncp - имя p-й частной цели;

Fcp : P qb ) ^ cl ^bP - функция отображения элементов АП частным целям;

wc p - степень значимости p -й частной цели нижнего уровня иерархии цели более верхнего уровня иерархии, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

Rc ^b ) = { Rc ^b) ,.., Rc ^b) ,.., Rc ^bL } - множество иерархических отношений (отношение «часть-целое») между элементами АП на различных уровнях;

Re qb ) = { Rs qb) ,..,Rs ^bm„,.. ,Rs ^bM } - множество отношений причинно-следственной зависимости между элементами АП на b -м уровне иерархии (последовательное изучение и отработка тем, занятий, понятий и умений);

Rp(b) = [Rp(b),..., Rp(b',...,Rp(b)Л - множество отношений влияния элементов АП нижнего q               q,1             q, s             q, S уровня на элементы более высокого уровня;

^bI = { rplqb) , rpmqbs', rpsqbI} , где rpiqb) - отношение слабого взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины, но не является обязательным), степень влияния элемента АП на достижение частной цели подготовки w„ < 0.4 ;

q rpmq(b,s) - отношение среднего взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.4 < wq < 0.7;

rps q ( b , s ) - отношение сильного взаимовлияния между элементами АП (означает, что для достижения родительской вершины необходимо владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.7 w q 1.

Критерии взаимовлияния между элементами АП определены на основе метода эксперт- ных оценок и не противоречат программам подготовки и накопленному опыту подготовки групп специалистов.

FP^ j

, Fp ( b } — множество ограничений атрибутов элементов АП.

Oop представлена в следующем виде (см. также рисунок 2).

' OP ( d ) = { d ) ,..., OP Vd ) ,..., OP Vd ) } , v = 1,..., V , d = 1,.., D ;

( d )      (    d )     4лл( d )     4/эл( d )1

Oop = ’

OP d ) o

Aop v = { Aop v 1 ,..., Aop v r ,..., Aop v R } , r = 1, ..., R ;

Roc vd ) = { Roc^,..., Roc^,..., Roc v dU } , u = 1,..., U ;

( d )             d )      RvrTd )             d )             d )

Aopv  °’ Rvpv  = { Rvpv ,1 ,.”, Rvpv, g ,..., Rvpv, G } , g = 1,..., G, где OP(d) = {OP(d),..., OPvd),..., OPd)} - множество объектов АП (отдельные специалисты, груп пы специалистов);

( d ) _ ( лпГ)(d )           ( d )

Aopv = { Aopv ,1 ,..., Aopv , r

Aop ^R } - множество атрибутов объектов АП;

Roc vd ) = { Roc vd\,:, Roc^u,.-.,Roc vUU } - множество иерархических отношений (отношение «часть-целое») между объектами АП;

Rvp(d) = \Rvpd(d),..., RvpVd',..., RvpVdU - множество отношений соответствия между атрибу- v                  v ,1 , "        v, g , ,        v, G тами объектов АП и элементами АП онтологии предметов подготовки.

Рисунок 2 - Онтологическая модель объектов адаптивной подготовки

ORes имеет следующий вид (см. также рисунок 3).

Res = { Res1,..., Res i ,..., Res I } , i = 1,..., I ;

1 Ari = ORes = J Resi o • Ror {Ar1,..., Ar^ kr,-, Ar, kr }, kr = 1,..., KR; = {Ror^,..., Rorqqn,..., RorQqn }, qn = 1,..., QN; Rvr Ar o\ Fri = = {Rvr-1,..., Rvr, gt,..., Rvr, gt }, gt = 1,..., GT; {Fr,1,..., Fre,..., Fr e }, e = 1,..., E, где Res = { Res1,..., Resi,..., ResI} - множество ресурсов, необходимых для отработки элемен- тов АП;

Resi = {Iresi,rs,Mresi,re}, rs = 1,...,RS, re = 1,..., RE, где Iresir rs ={ Iresrs 1,..., Iresrs, nm,..., Iresrs, NM}, nm = 1,..., NM — множество информационных ресурсов (литература, видеоматериалы и т.п.);

Mres ire = { Mres re,1 ,..., Mres re , zs ,..., Mres re , ZS } , zs = 1,..., ZS - множество материальных ресурсов (реальная техника, технические средства обучения и т.п.);

Ar i = { Ar^ ,..., Arikr ,..., AriKR } — множество атрибутов ресурсов для АП;

Ror = ROor.„..,.Ror„„,..,,RornA — множество иерархических отношений (отношение i               i ,1               i , qn              i , QN

«часть-целое») между ресурсами для АП;

Rvr i = { Rvr i i ,

...

Rvr i , gt ,

...

, Rvr iGT } — множество отношений соответствия между атрибута-

ми ресурсов для АП и элементами АП онтологии предметов подготовки;

Fr i = { Fr^,..., Frie,..., Fr iE } — множество ограничений атрибутов ресурсов для АП.

Рисунок 3 - Онтологическая модель ресурсов для адаптивной подготовки

R s = { Rs,.., R , ..., R } , jn = 1, ными онтологиями;

. .

., J - множество отношений соответствия между предмет-

Ax = { Ax ,

...

, Ax h } - множество аксиом, позволяющих делать обобщённые выводы из со-

вокупности атрибутов и отношений между классами (подклассами) и атрибутами метаонтологии.

  • 3 Практическое применение

Для практического решения задач управления АП групп специалистов разработанная метаонтология реализована в среде Protege . С помощью запросов на языке SPARQL осуществляется процесс получения необходимой для руководителя занятий информации об обучаемых специалистах для планирования мероприятий их АП .

Пример запроса о составе группы и выполняемых функциях специалистов в группе представлен на рисунке 4. Результаты запроса выводятся в виде таблицы, что позволяет руководителю занятия оперативно планировать мероприятия АП независимо от специфики задач, выполняемых группой обучаемых . Для руководителя занятия имеется возможность с использованием запросов к метаонтологии уточнять информацию о наличии определённых знаний и умений у обучаемых.

На рисунке 5 приведён пример запроса к метаонтологии о специалистах, изучивших требования безопасности. По результатам запроса руководителю занятия выводится информация о членах группы, изучивших этот вопрос.

Для автоматического обновления информации о пройденных этапах АП в разработанной метаонтологии сформированы правила на языке SWRL. Правила позволяют автоматически обновлять информацию о полученных каждым обучаемым знаниях и умениях в процессе АП и представлять информацию (перечень атомарных гранул знаний и умений) руководителю занятия об оставшихся этапах для каждого обучаемого группы.

На рисунке 6 представлен пример правила, которое определяет требуемые знания для продолжения подготовки согласно сформированному дереву целей.

Рисунок 5 – Пример запроса к метаонтологии о специалистах, изучивших требования безопасности

Рисунок 4 – Пример запроса к метаонтологии о составе группы

Д Edit

Property assertions: Жарков_А_П

TSOS

Name

Comment

Правило Status

Ok

аи1оделО:ФИОрс)Л аи1одел0:3нает(?с, autogenO:TTX_n3PK)

-> autogenO OcBonnpc. autogenO:

Занятие_1_ТБ_согласно_инструкции_по_эксплуатации)Л autogenO Далее_необходимо_изучить(?с. autogenO: Занятие_1_Назначение_состав_ТТХ_и_общее_устройство_ ракеты)

Object property assertions 0

■ Освоил Занятие_1_ТБ_согласно_инструкции_по_эксплуатации

■ Дал ее_необходиш о_и зу ч ить

3 а няти е_1 _Наз н а ч е ни е_соста в_ТТХ_и_обш е е_у строй ство_ра кеты

■ Знает ТТХ-ПЗРК

Data property assertions 0

■ Время_обучения 0

■ ФИО "Жарков Антон Павлович'

Negative object property assertions 0

#000 0000

o@oo

0000 0000

Cancel

Negative data property assertions 0

Рисунок 6 – Пример правила, которое определяет требуемые знания для продолжения подготовки

На рисунке 7 представлены результаты АП специалиста (оценки атомарных гранул знаний и умений в соответствии с деревом целей).

Документирование полученных результатов позволяет руководителю занятия делать выводы о процессе АП, динамике овладения знаниями и умениями каждым обучаемым группы и дифференцированно формировать для них управляющие воздействия с учётом текущих результатов.

Все данные об обучаемом, получаемые из метаонтологии, хранятся в цифровом двойнике объекта подготовки SP q

SP q

SPq   IDsPqPq ’ LKSPq ’ Ytekm (t)’ CSSPq ’ TRSPq/ , где IDSP - идентификатор q-го специалиста;

LKSP - индивидуальные ПФО специалиста, определяемые моделями приобретения и утраты навыков [15];

Y SP ( t ) — текущий уровень подготовленности q -го специалиста на m -м этапе подготовки, оцениваемый в соответствии с руководящими документами об организации подготовки групп специалистов и методиками оценки;

Рисунок 7 - Результаты адаптивной подготовки специалиста

CSSP - цифровой след q -того специалиста (результаты прохождения этапов подготовки по различным дисциплинам);

TRSP - эталонный сценарий подготовки q -того специалиста.

Эталонный сценарий подготовки формируется на основе дерева целей, где каждой частной цели соответствуют обобщённые гранулы знаний и обобщённые гранулы умений. Выбор цели и эталонного сценария зависит от заданного времени на подготовку групп специалистов. Поэтому целью АП может быть цель не самого верхнего уровня a n , а частная цель уровня a (n-1) . В этом случае содержание подготовки определяется в соответствии с отношением влияния элементов АП нижнего уровня на элементы более высокого уровня.

Получаемый с помощью метаонтологии в соответствии с деревом целей перечень необходимых знаний и умений используется при формировании сценарно-информационной модели процесса АП в виде упорядоченной последовательности элементов для прогнозного моделирования достижимости цели АП. Сценарно-информационная модель представляет собой множество возможных сценариев АП для каждого специалиста и группы в целом путём объединения индивидуальных сценариев отдельных специалистов группы. В результате моделирования выбирается рациональный сценарий и осуществляется процесс подготовки специалистов. Сценарий представляет собой структуру процесса АП групп специалистов в виде последовательности атомарных гранул знаний и атомарных гранул умений с учётом уже имеющихся у специалиста знаний и умений в усовершенствованной нотации ARIS , предназначенной для моделирования бизнес-процессов.

При отработке сценария АП групп специалистов фиксируются полученные результаты в виде оценок по четырёхбалльной шкале и ошибки, допускаемые специалистами группы при выполнении алгоритма деятельности, которые учитываются при адаптации сценария к теку- щим результатам.

Заключение

Предложен подход к решению задач управления процессом АП групп специалистов, который позволяет учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня качества подготовки специалистов и изменять сценарий обучения с учётом текущей ситуации. Для реализации предложенного подхода разработана метаонтология - модель знаний ПрО, отражающая взаимосвязи между предметами, объектами АП и ресурсами, необходимыми для проведения АП.

Разработанная метаонтология позволяет повысить качество решения задач поиска, сбора, агрегирования и анализа исходной информации для процесса интеллектуального управления АП групп специалистов ОТС за счёт сформированных SWRL -правил и SPARQL- запросов.

Список литературы Онтологический подход в управлении адаптивной подготовкой групп специалистов

  • Соловов А.В., Меньшикова А.А. Трансформация онтологии образования: от классно-урочной системы к смарт-инновациям // Онтология проектирования. 2022. Т.12, №4(46). С.470-480. DOI: 10.18287/2223-9537-2022-12-4-470-480.
  • Рыбина Г.В. Интеллектуальные обучающие системы на основе интегрированных экспертных систем. М.: Директ-Медиа, 2023. 132 с.
  • Рыбина Г.В. Интеллектуальные системы: от А до Я. Серия монографий в трѐх книгах. Книга 1. Системы, основанные на знаниях. Интегрированные экспертные системы. М.: ООО «Научтехлитиздат», 2014. 224 с.
  • Фролов И.А., Борисов В.В. Сценарно-информационный анализ и моделирование адаптивной подготовки групп специалистов на основе нечѐткого онтологического подхода // Прикладная информатика. 2023. Т.18. № 6. С.54–66. DOI: 10.37791/2687-0649-2023-18-6-54-66.
  • Фролов И.А. Метод сценарно-информационного анализа для интеллектуального управления адаптивной подготовкой групп специалистов // XXI национальная конференция по искусственному интеллекту с международным участием, КИИ-2023 (Смоленск, 16-20 октября 2023 г.). Труды конференции. В 2-х томах. Т.1. Смоленск: Принт-Экспресс, 2023. С.304-314.
  • Соловов А.В. Электронное обучение: проблематика, дидактика, технология. – Самара: «Новая техника», 2006. – 462 с
  • Майер Р.В. Исследование математических моделей дидактических систем на компьютере. [Электронный ресурс]: Глазов: Глазов. гос. пед. ин-т, 2018. http://maier-rv.glazov.net/Mayer_monograph2018.pdf.
  • Рыбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика; ИНФРА-М, 2014. 432 с.
  • Петрушин В.А. Экспертно-обучающие системы. Киев: Наукова. Думка, 1992. – 196 с.
  • Брусиловский П.Л. Интеллектуальные обучающие системы // Информатика. Информационные технологии. Средства и системы. 1990. № 2. С.3-22.
  • Gruber T.R. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993. №5(2). P.199-220.
  • Тарасов В.Б., Калуцкая А.П., Святкина М.Н. Гранулярные, нечѐткие и лингвистические онтологии для обеспечения взаимопонимания между когнитивными агентами // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2012): материалы II Международной научно-технической конференции (Минск, 16-18 февраля 2012) / В. В. Голенков (отв. ред.). Минск: БГУИР, 2012. C.267-278.
  • Алтунин А.В. Теоретическое и практическое применение методов принятия решений в условиях неопределѐнности: Том 1. Общие принципы принятия решений в условиях различных видов неопределѐнности. [б.м.]: Издательские решения, 2019. 484 с.
  • Харитонов Е.В. Метод согласования субъективных измерений в иерархиях матриц отношений предпочтения // Математическая морфология: электронный математический и медико-биологический журнал, 1999. Т.3. №2. С.52-57.
  • Шибанов Г.П. Количественная оценка деятельности человека в системах человек-техника. – М.: Машиностроение. 1983. 263 с.
Еще
Статья научная