Навигация
Візуальне проектування баз знань як інструмент пізнання
52606
знаков
0
таблиц
0
изображений
4. Візуальне проектування баз знань як інструмент пізнання
Візуальні методи специфікації і проектування баз знань і розробка концептуальних структур є достатньо ефективним гносеологічним інструментом (інструментом пізнання). Використання методів інженерії знань як дидактичних інструментів і як формалізмів представлення знань сприяє швидшому і повнішому розумінню структури знань даної предметної області, що є особливо цінним для новачків на стадії вивчення особливостей професійної діяльності.
Методи візуальної інженерії знань можна широко використовувати в різних навчальних закладах – від шкіл до університетів – як для поглиблення процесу розуміння, так і для контролю знань. Більшість учнів і студентів опановують навики візуальної структуризації протягом декількох годин.
4.1 Від понятійних карт до семантичних мереж
Якщо поле знань – це умовний неформальний опис основних понять і взаємозв’язків між поняттями предметної області, виявлених із системи експерта, у вигляді графа, діаграми, таблиці чи тексту, то це визначення дозволяє інженерові по знаннях трактувати форму представлення поля досить широко, зокрема семантичні мережі або понятійні карти (concept maps) є можливою формою представлення. Це означає, що сам процес побудови семантичних мереж допомагає усвідомлювати пізнавальні структури.
Програми візуалізації є інструментом, що дозволяє зробити видимими семантичні мережі пам’яті людини.
Мережі складаються з вузлів і впорядкованих співвідношень або зв’язків, що сполучають ці вузли. Вузли виражають поняття або припущення, а зв’язки описують відношення між цими вузлами. Тому розробка семантичних мереж включає аналіз структурних взаємодій між окремими поняттями предметної області.
В процесі створення семантичних мереж експерт і аналітик вимушені аналізувати структури своїх власних знань, що допомагає їм включати нові знання в структури вже наявних знань. Результатом цього є більш осмислене використання придбаних знань.
Візуальні специфікації у формі мереж можуть використовуватися новачками і експертами як інструменти для оцінки змін, подій в їх мисленні. Якщо погодитися, що семантична мережа є достатньо повним представленням пам’яті людини, то процес навчання з цієї точки зору можна розглядати як реорганізацію семантичної пам’яті.
Козма, один з розробників програми організації семантичної мережі Learning Tool, вважає, що ці засоби є інструментами пізнання, що підсилюють і розширюють пізнання людини. Розробка семантичних мереж вимагає від учнів:
· реорганізації знань;
· вичерпного опису понять і зв’язків між ними;
· глибокої обробки знань, що сприяє кращому запам’ятовуванню і витяганню з пам’яті знань, а також підвищує здібності застосовувати знання в нових ситуаціях;
· зв’язування нових понять з існуючими поняттями і уявленнями, що покращує розуміння;
· просторового вивчення за допомогою просторового представлення понять в області, що вивчається [24].
Корисність семантичних мереж і карт понять, мабуть, краще всього демонструється їх зв’язками з іншими формами мислення вищого порядку. Вони тісно пов’язані з формальним обґрунтуванням в хімії і здатністю аргументувати свої вислови в біології. Також було показано, що семантичні мережі мають зв’язок з виконанням досліджень.
4.2 База знань як пізнавальний інструмент
Коли семантична мережа створюється як прообраз бази знань, розробник повинен фактично моделювати знання експерта. Особливо глибокого розуміння вимагає розробка функціональної структури.
Визначення структури «Якщо…, то…» області знань вимагає чітко формулювати принципи ухвалення рішення. Не можна вважати, що просто розробка поля знань системи обов’язково приведе до отримання повних функціональних знань в даній області.
Розробка експертних систем почала використовуватися як інструмент пізнання порівняно недавно.
Наприклад, Лей встановив, що після того, як студенти-медики створять медичну експертну систему, вони підвищать своє уміння в плані аргументації і отримають глибші знання по предмету, що вивчається.
Шість студентів-першокурсників фізичного факультету, які використовували експертні системи для складання питань, ухвалення рішень, формулювання правил і пояснень щодо руху частинки відповідно до законів класичної фізики, отримали глибші знання в даній області завдяки ретельній роботі, пов’язаній з кодуванням інформації і обробкою великого матеріалу для отримання ясного і зв’язного змісту, а отже, і більшої семантичної глибини [25].
Таким чином, створення бази знань експертної системи сприяє глибшому засвоєнню знань, а візуальна специфікація підсилює прозорість і наочність уявлень.
Коли комп’ютери використовуються в навчанні як інструмент пізнання, а не як контрольно-навчальні системи (навчальні комп’ютери), вони розширюють можливості автоматизованих навчальних систем, одночасно розвиваючи розумові здібності і знання учнів. Результатом такої співпраці учня і комп’ютера є значне підвищення ефективності навчання.
Комп’ютери не можуть і не повинні управляти процесом навчання. Комп’ютери повинні використовуватися для того, щоб допомогти учням придбати знання.
Висновок
У даній роботі розглянуті прикладні аспекти інженерії знань, використання латентних структур знань та психосемантики для видобування глибинних знань, а також описаний метод репертуарних решіток, керування знаннями та проектування бази знань.
Всі ці методи створені і використовуються для спрощення «співпраці» користувача з комп’ютером, для мінімізації труднощів видобування та формалізації знань. Таким чином, розглянуті основні шляхи розв’язання достатньо поширених на сьогодні проблем інженерії знань.
Список використаних джерел
1. Петренко В.Ф. Введение в эксперементальную психосемантику: исследование форм репрезентации в обыденном сознании / В.Ф. Петренко. – М.: МГУ, 1983. – 175 с.
2. Анисимов А.В. система обработки текстов на естественном языке / А.В. Анисимов, А.А. Марченко // Научно-теоретический журнал «Искуственный интелект», ІПШІ «Наука і освіта». – 2002. – Вип. 4 – С. 157–163.
3. Петренко В.Ф. Психосемантика сознания / В.Ф. Петренко. – М.: Издательство МГУ, 1988. – 207 с.
4. Аверкин А.Н. Нечеткие множества в моделях управления и искуственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун. – М.: Наука, 1986. – 312 с.
5. Тиори Т. Проектирование структур баз даннях: В 2-х кн. / Т. Тиори, Дж. Фрай. – М.: Мир, 1985. – 288 с.
6. Дюран Б. Кластерныйанализ / Б. Дюран, П. Оделл. – М.: Статистика, 1977. – 128 с.
7. Кук Н.М. Формальная методология приобретения и представления экспертных знаний / Н.М. Кук, Дж. Макдональд // ТИИЭР. – 1986. – Т. 74. – №10. – С. 145–155.
8. Gruber T.R. A translation approach to portable ontologies // Knowledge Acquisition. – 1993. – №5 (2). – P. 199–220.
9. Гаврилова Т.А. Представление знаний в экспертной диагностической системе АВ-ТАНТЕСТ / Т.А. Гаврилова // Изв. АН СССР. Техническая кибернетика. – 1984. – №5. – С. 165–173.
10. Франселла Ф. Новый метод исследования личности: руководство по репертуарным личностным методикам / Ф. Франселла, Д. Баннистер. – М.: Прогресс, 1987. – 588 с.
11. Похилько В.И. Система КЕПУ / В.И. Похилько, Н.Н. Страхов. – М.: МГУ, 1990. – 35 с.
12. Терехина А.Ю. Представление структуры знаний методами многомерного шкалирования / А.Ю. Терехина. – М.: ВИНИТИ, 1988. – 97 с.
13. Шенк Р. Обработка концептуальной информации / Р. Шенк. – М.: Энергия, 1980. – 361 с.
14. Bosse J.H. Transforming repertory grids to shell-based knowledge based using AQUINAS, a knowledge acquisition workbench / Bosse J.H., Bradshaw J.H., Shema D.B. // Proceedings of the AAAI-88 Integration of Knowledge Acquisition and Performance Systems Workshop. St. Paul.
15. Дэйвисон М. Многомерное шкалирование. Методы наглядного представления данных / М. Дэйвисон. – М.: Финансы и статистика, 1988. – 254 с.
16. Musen M.A. Automated support for building and extending expert models // Machine Learning, 4. – 1989. – pp. 347–376.
17. TOVE, 1999. TOVE Manual. – Department of Industrial Engeneering, University of Toronto.
18. Kuehn O. Corporate Memories for Knowledge Management in Industrial Practice: Prospects and Challenges / Kuehn O., Abecker A. – 1998. – 189 p.
19. Assadi H. Knowledge acquisition from texts. Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics (ACL’97), Madrid? Spain, 1997.
20. Kelly G.A. The Psychology of Personal Constructs. – N.Y.: Norton, 1955. – 493 p.
21. E. Fiesler and H.J. Caulfield, «Neural network formalization», Computer Standarts and Interfaces, 1994 – vol. 16 (3), – pp. 231–239.
22. Maedche A. Ontology learning for the semantic web / Maedche A., Staab S. // IEEE Intelligent Systems 16 (2). – 2001. – pp. 72–79.
23. L. Smith. Using a framework to specify a network of temporal neurons, Technical Report, University of Stirling, 1996. – 289 p.
24. Furna G.W. Multitrees: Enriching and Reusing Hierarchical Structure // Human Factors in Computing Systems. Conference Proceedings. Boston, Ms, 1994. – pp. 330–334.
25. M.A. Atencia, G. Joya and F. Sandoval, «A formal model for definition and simulation of generic neural networks», Neural Processing Letters, Kluwer Academic Publishers. – vol. 11. – 2000. – pp. 87–105.
Похожие работы
... «Черкаси» 2.1 Управління змістом проекту, цілі та задачі Проект, що розглядається в межах цього дослідження, спрямований на створення підприємства з надання послуг громадського харчування. Задум проекту полягає у будівництві приміщення нового ресторану з яскраво вираженим національним колоритом, національною кухнею на високому рівні кулінарної майстерності, яка підкріплюється високим рі ...
... ів з професій (Типові навчальні плани і програми, кваліфікаційні характеристики і т. ін.), що входять до цього переліку, практично робить неможливим перехід на підготовку робітничих кадрів згідно з означеним документом, оновлення змісту професійно-технічної освіти. Сьогодні, на нашу думку, першочерговим завданням у розв'язанні проблеми розробки і впровадження державних стандартів профтехосвіти у ...
... і, перебудову управлінської ієрархії), систем планування, контролю, оцінки діяльності персоналу, його винагороди. Подібні корінні перебудови - результат явної невідповідності стратегії і структури. Досвід внутрішньо фірмового управління 1950-1970-х років, коли жорсткість формалізованих, бюрократичних структур, очевидно, суперечила збільшеній динаміці змін зовнішнього середовища, показав, що часті ...
... забезпечує безперервність циклу "наука - техніка - виробництво - збут - споживання" не зможуть успішно діяти на ринку, не маючи інформації. 2.2 Можливості застосування в інформаційній діяльності організації або установи експертних систем Область застосування експертних систем розширяється швидко. І уряд, і промисловість починають фінансувати комерційні експертні системи, так що вже через дек ...
0 комментариев