Exploiting the knowledge engineering paradigms for designing smart learning systems

Автор(и)

  • Abdel Badeeh Mohamed M. Salem University of Economics – Varna Research Institute of the University of Economics – Varna Knyaz Boris I blvd., 77, Varna, Bulgaria, 9002, Болгарія
  • Silvia Parusheva University of Economics – Varna Knyaz Boris I blvd., 77, Varna, Bulgaria, 9002, Болгарія https://orcid.org/0000-0002-7050-3514

DOI:

https://doi.org/10.15587/1729-4061.2018.128410

Ключові слова:

інженерія знань, системи розумного навчання, штучний інтелект, інтелектуальні агенти, інтелектуальний аналіз даних, міркування на основі прецедентів, розумні обчислення

Анотація

Інженерія знань (ІЗ) – це пiдобласть штучного інтелекту (ШІ). Останнім часом парадигми ШІ та розумних обчислень отримують все більш широке поширення в сферi розумної освіти i навчання. Розробка систем розумного навчання (СРН) є дуже важким з технологічної точки зору і складним завданням. У даній статті ми вивчили три парадигми ШІ, а саме міркування на основі прецедентів, інтелектуальний аналіз даних та інтелектуальні агенти. Наше дослідження вказує на те, що такі парадигми можуть ефективно використовуватися для СРН

Біографії авторів

Abdel Badeeh Mohamed M. Salem, University of Economics – Varna Research Institute of the University of Economics – Varna Knyaz Boris I blvd., 77, Varna, Bulgaria, 9002

PhD, Professor

Silvia Parusheva, University of Economics – Varna Knyaz Boris I blvd., 77, Varna, Bulgaria, 9002

Doctor on Economic Sciences, Associate Professor

Department of Informatics, Faculty of Computer Science

Посилання

  1. Castillo, L., Morales, L., González-Ferrer, A., Fernández-Olivares, J., García-Pérez, Ó. (2007). Knowledge Engineering and Planning for the Automated Synthesis of Customized Learning Designs. Lecture Notes in Computer Science, 40–49. doi: 10.1007/978-3-540-75271-4_5
  2. Salem, A.-B. M. (2007). The Role of Artificial Intelligence Technology in Education. Proceedings of 5th International Conference on Emerging e-Learning Technologies and Applications, Information and Communication Technologies in Learning, ICETA. Slovakia, 1–9.
  3. Greer, J. (Ed.) (1995). Artificial intelligence in education. Proceedings of AI-ED 95-7th World Conference on Artificial Intelligence in Education. Washington, DC.
  4. Mazza, R., Milani, C. (2005). Exploring usage analysis in learning systems: Gaining insights from visualizations. Workshop on usage analysis in learning systems at 12th International Conference on artificial intelligence in education. New York, USA, 1–6.
  5. Clarke, A. (2004). e-Learning Skills. Palgrave Macmillan.
  6. Widenská, E. (2014). Efficiency of practicing with materials using ICT and paper ones in mathematics. Journal on Efficiency and Responsibility in Education and Science, 7 (2), 37–43. doi: 10.7160/eriesj.2014.070203
  7. El-Hmoudova, D. (2015). Assessment of Individual Learning Style Preferences with Respect to the Key Language Competences. Procedia – Social and Behavioral Sciences, 171, 40–48. doi: 10.1016/j.sbspro.2015.01.086
  8. Milkova, E., Korinek, O. (2014). Future ICT Teachers – Programming Aptitude. Proceedings of the 11th International Conference Efficiency and Responsibility in Education (ERIE 2014). Prague, 456–462.
  9. Holsapple, C. W., Whinston, A. B. (1989). Business Expert Systems, Computer science series. Galgotia Publication Pvt. Ltd.
  10. Kalibova, P., Milkova, E. (2016). Internet Addictive Behavior of Adolescents. International journal of education and information technologies, 10, 139–143.
  11. Milkova, E., Pekarkova, S., Salem, A.-B. M. (2016). Information and Communication Technology in Education – Current Trends. MATEC Web of Conferences, 76, 04022. doi: 10.1051/matecconf/20167604022
  12. Cakula, S., Salem, A.-B. M. (2011). Ontology-based Collaborative Model for e-Learning. Proceedings of the Annual International Conference on “Virtual and Augmented Reality in Education” (VARE 2011) (combined with EEA and Norwegian Financial Instruments project practical conference “VR/AR Applications in Training”), Vidzeme University of Applied Sciences. Valmiera, Latvia, 98–105.
  13. Salem, A.-B. M., Roushdy, M. (2005). Case-Based and Ontology Learning Approaches for Developing e-Learning Systems. WSEAS Transactions on Information Science and Applications, 2 (6), 795–804.
  14. Kolonder, J. (1993). Case-Based Reasoning. San Francisco, California, 668.
  15. Salem, A.-B. M. (2007). Case Based Reasoning Technology for Medical Diagnosis. Proceedings of World Academy of Science, Engineering and Technology. CESSE, Venice, Italy, 9–13.
  16. Hans-Dieter Salem, A.-B. M., Bagoury, B. M. E. (2007). Ideas of Case-Based Reasoning for Key frame Technique. Proceedings of the XVIth International Workshop on the Concurrency Specification and Programming, CS & P 2007. Logow, Warsa, Poland, 100–106.
  17. Bigus, J. P., Bigus, J. (1998). Constructing Intelligent Agents with Java: A programmer's Guide to Smarter Applications. Wiley Computer Publishing, 416.
  18. Cios, K. J., Pedrycz, W., Swiniarski, R. W. (1998). Data Mining Methods for Knowledge Discovery. Springer. doi: 10.1007/978-1-4615-5589-6
  19. Witten, I. H., Frank, E. (2005). Data Mining – Practical Machine Learning Tools and Techniques. Elsevier.
  20. Jain, A. K., Murty, M. N., Flynn, P. J. (1999). Data clustering: a review. ACM Computing Surveys, 31 (3), 264–323. doi: 10.1145/331499.331504
  21. Romero, C., Ventura, S. (Eds.) (2006). Data mining in e-Learning. Southampton, UK: Wit Press. doi: 10.2495/1-84564-152-3
  22. Feldman, R., Sanger, J. (2006). The text mining handbook. Cambridge University Press. doi: 10.1017/cbo9780511546914
  23. Zaıane, O., Luo, J. (2001). Web usage mining for a better web-based learning environment. Proceedings of Conference on advanced technology for education. Banff, Alberta, 60–64.
  24. Perez, L., Dragicevic, S. (2009). An agent-based approach for modeling dynamics of contagious disease spread. International Journal of Health Geographics, 8 (1), 50. doi: 10.1186/1476-072x-8-50
  25. Skvortsov, R. B., Connell, P., Dawson, R. G. (2007). Epidemic Modelling: Validation of Agent-based Simulation by Using Simple Mathematical Models. Proceedings of Land Warfare Conference, 221–227.
  26. Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99, 7280–7287. doi: 10.1073/pnas.082080899
  27. Gąsior, J., Seredyński, F. (2015). A Decentralized Multi-agent Approach to Job Scheduling in Cloud Environment. Advances in Intelligent Systems and Computing, 403–414. doi: 10.1007/978-3-319-11313-5_36
  28. Yim, J., Kim, S. (2016). Review of the Techniques for Smart Learning Systems. Advanced Science and Technology Letters, 127, 1–5. doi: 10.14257/astl.2016.127.01
  29. Lalingkar, A., Ramnathan, C., Ramani, S. (2014). Ontology-based Smart Learning Environment for Teaching Word Problems in Mathematics. Lecture Notes in Educational Technology, 251–258. doi: 10.1007/978-3-662-44188-6_35
  30. Lu, J., Xu, Q. (2017). Ontologies and Big Data Considerations for Effective Intelligence. Advances in Information Quality and Management. IGI Global. doi: 10.4018/978-1-5225-2058-0

##submission.downloads##

Опубліковано

2018-04-11

Як цитувати

Salem, A. B. M. M., & Parusheva, S. (2018). Exploiting the knowledge engineering paradigms for designing smart learning systems. Eastern-European Journal of Enterprise Technologies, 2(2 (92), 38–44. https://doi.org/10.15587/1729-4061.2018.128410

Номер

Том 2 № 2 (92) (2018): Інформаційні технології. Системи управління в промисловості

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2018 Abdel Badeeh Mohamed M. Salem, Silvia Parusheva

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.