Впровадження інтелектуальної системи оцінки професійних здібностей абітурієнтів у діяльність навчальних закладів
DOI:
https://doi.org/10.15587/2312-8372.2018.149680Ключові слова:
ідентифікація здібностей і досягнень особистості, інтелектуальна система, організація обробки нечіткої інформаціїАнотація
Об’єктом дослідження є методи і засоби професійної ідентифікації абітурієнтів. Дослідження направлене на надання абітурієнтам науково-обґрунтованої підтримки прийняття рішення щодо вибору напряму навчання. Впровадження інтелектуальних систем підтримки прийняття рішень в процес самоактуалізації абітурієнтів надасть можливість значно підвищити ефективність профорієнтаційної діяльності навчальних закладів.
Однією з найбільших проблем інтелектуалізації систем оцінки здібностей та досягнень є те, що результати тестування абітурієнтів являють собою множину нечітких даних. При цьому, коректність розділення даних значно залежить від побудови нечіткої множини ознак для виведення діагностичного рішення. До того ж, найбільш розповсюджені тести не враховують вимоги до спеціалістів будівельної галузі.
В основу системи, що розробляється, покладено тести для визначення структури особистості комплексної профорієнтаційної діагностики «Абітурієнт». Ця система містить довідникову інформацію про професійні категорії навчання та тести для визначення структури особистості. Висновки базуються на методиках, що дозволяють прогнозувати успішність діяльності в різних галузях. Здатність особи до певної професійної діяльності відображає здатність до набуття спеціальних знань і навичок в процесі навчання. Саме тому в ході дослідження використовувалися тести «Абітурієнт». Для підвищення надійності оцінки професійних здібностей абітурієнта запропоновано використовувати інтелектуальну систему, в основу роботи якої покладено нечітку нейронну мережу Такаги-Сугено-Канга. Такий вибір пов’язано з тим, що мережа Такаги-Сугено-Канга має ряд особливостей, які забезпечують їй переваги при вирішенні задачі відповідності здібностей абітурієнта до можливості набуття знань і навичок за певною спеціальністю. Зокрема, здатністю нечітких нейронних мереж розділяти лінійно-нероздільні дані. Завдяки цьому забезпечується здатність системи виділяти природні здібності абітурієнтів із суміші даних.
У порівнянні з іншими засобами, мережа Такаги-Сугено-Канга надає можливість розв’язувати задачу класифікації дуже великої кількості даних мережею меншої розмірності.
Посилання
- SAT Program. Available at: http://www.collegeboard.com/student/testing/sat
- Subbotin, S. O. (2008). Podannia y obrobka znan u systemakh shtuchnoho intelektu ta pidtrymky pryiniattia rishen. Zaporizhzhia: ZNTU, 341.
- Ewing, M., Huff, K., Andrews, M., King, K. (2005). Assessing the Reliability of Skills Measured by the SAT. Research Notes. Office of Research and Analysis. New York: The College Board.
- Delaso (2006). Principles and Practice of Language Testing: Materials of training in the Principles and Practice of Language Testing. UK Ltd.
- Fischer, F., Kollar, I., Stegmann, K., Wecker, C. (2013). Toward a Script Theory of Guidance in Computer-Supported Collaborative Learning. Educational Psychologist, 48 (1), 56–66. doi: http://doi.org/10.1080/00461520.2012.748005
- Anastazi, A., Urbina, S. (2006). Psikhologicheskoe testirovanie. Saint Petersburg: Piter, 688.
- Kompleksna proforiientatsiina diahnostyka «Abituriient». Avialable at: http://cleverdia.com/index.php?lang=uk
- Bassina, E. (1990). Identification: reality or a theoretic construct? Dynamische Psychiatrie. Dynamic Psychiatry. West Berlin, 31–48.
- Coleman, M. R. (2003). The Identification of Students Who Are Gifted. ERIC EC Digest No. E644, 4.
- Identification. National Association for gifted children. Available at: http://www.nagc.org/resources-publications/gifted-education-practices/identification
- Shandruk, S. K. (2015). Theoretical-methodological foundtions of organization of training-productive activity of students-psychologists. Naukovyi ohliad, 7 (17), 134–144.
- Zaitseva, E. N., Levashenko, V. G. (2013). Importance analysis by logical differential calculus. Automation and Remote Control, 74 (2), 171–182. doi: http://doi.org/10.1134/s000511791302001x
- Lytvyn, V. V. (2011). Bazy znan intelektualnykh system pidtrymky pryiniattia rishen. Lviv: Vydavnytstvo Lvivskoi politekhniky, 240.
- Blum, C., Puchinger, J., Raidl, G. R., Roli, A. (2011). Hybrid metaheuristics in combinatorial optimization: A survey. Applied Soft Computing, 11 (6), 4135–4151. doi: http://doi.org/10.1016/j.asoc.2011.02.032
- Osowski, S. (2000). Sieci neuronowe do przetwarzania informacji. Warszawa, 342.
- Tanaka, K., Yoshida, H., Ohtake, H., Wang, H. O. (2009). A Sum-of-Squares Approach to Modeling and Control of Nonlinear Dynamical Systems With Polynomial Fuzzy Systems. IEEE Transactions on Fuzzy Systems, 17 (4), 911–922. doi: http://doi.org/10.1109/tfuzz.2008.924341
- Terenchuk, S., Pashko, A., Yeremenko, B., Kartavykh, S., Ershovа, N. (2018). Modeling an intelligent system for the estimation of technical state of construction structures. Eastern-European Journal of Enterprise Technologies, 3 (2 (93)), 47–53. doi: http://doi.org/10.15587/1729-4061.2018.132587
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2018 Bohdan Yeremenko, Yulia Ryabchun, Ganna Ploska
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.
