Онтологический подход в управлении адаптивной подготовкой групп специалистов
Автор: Фролов И.А.
Журнал: Онтология проектирования @ontology-of-designing
Рубрика: Прикладные онтологии проектирования
Статья в выпуске: 2 (52) т.14, 2024 года.
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.
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 ,
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 ) = { 0р 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 ;
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.