Разработка подсистемы генерации учебно-тренировочных заданий
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
редложенной классификации описываемая УT3 является комплексной. В ней контролируется как деятельность, так и вводимый ответ. Ее модель отражает табл. 1.
Str(Ms)Val(Ms)Int(Ms)ACMasVОписание схемы подстанции в нормальном и послеаварийном состоянияхОпределить вышедшее из строя оборудование и тип неисправностиПравила регламентирующие действия в аварийной ситуации(Таблица 1 Модель Учебно-тренировочного задания)
Отметим, что модель деятельности в данном случае представляет собой не жесткую последовательность действий, а систему правил, позволяющих оценить корректность того или иного действия в текущей ситуации.
Строго говоря, понятие генерации напрямую применимо только к первым пяти членам Мtg . Эталонная модель деятельности и эталонный результат не генерируются (что подразумевает некоторую степень произвольности), а определяются (вычисляются, выводятся) на основе прочих сгенерированных и фиксированных составляющих .
Процедура генерации используется для порождения ошибочных и абсурдных ответов из соответствующих элементов, включаемых в V наряду с эталонным результатом или формируемых путем внесения в него искажений. Таким образом, в общем случае V содержит как выводимые (вычисляемые), так и генерируемые компоненты:
.3 Генерация учебно-тренировочных задач на основе текста учебного материала
Значительную долю учебного материала КУ и КОС составляет текст. Поэтому идея генерации УТЗ на его основе представляется весьма логичной. Схема, иллюстрирующая ее воплощение. В нее входят две процедуры. Первая применяется в процессе разработки КУ (КОС), вторая - при его эксплуатации. Очевидно, вторая процедура должна быть автоматической. Идеальная реализация рассматриваемой схемы имеет место, когда первая процедура также является автоматической, т.е. анализ текста и формирование моделей УТЗ для генерации производятся авторской системой без участия человека.
Методы анализа текстов на естественном языке и построения на их основе моделей представления ПО находятся в фокусе исследований в области прикладной лингвистики и искусственного интеллекта. К числу ключевых проблем, связанных с развитием этих методов, относятся:
сложность моделирования семантики;
наличие так называемых не-факторов, присущих человеческим представлениям и отражаемых в текстах (неточности, неполноты, несогласованности и др.);
неоднозначность соответствия между естественно-языковым и формализованным представлениями (одна и та же мысль может быть выражена по-разному; дополнительные трудности анализа вызывают синонимия и омонимия);
необходимость учета контекста.
Особо отметим последнюю проблему. Человек понимает текст благодаря тому, что он обладает знаниями о ПО, к которой данный текст относится. Эти знания составляют контекст, позволяющий прояснить смысл положений, содержащихся в тексте, а также извлечь из него мысли, которые имелись в виду, но не были выражены явно.
(Рисунок 1 Создание учебно-тренировочного задания)
Таким образом, исходный фрагмент текста, поступающий на вход анализатора, недостаточен для построения его адекватной семантической модели. Наряду с ним необходимо использовать базу знаний, отражающую как общие, так и специфичные для данной ПО представления. Создание такой базы знаний - непростая задача, на сегодняшний день в полной мере не решенная.
Исходя из сказанного, мы считаем нерациональным стремиться во что бы то ни стало добиться автоматической реализации процедуры 1 (см. рис. 1). Последующий материал настоя щей главы посвящен методам интерактивного формирования моделей УТЗ в процессе взаимодействия авторского инструментария и авторов КУ (КОС). Применительно к тексту учебного материала действия авторов направлены на выделение его фрагментов и их преобразование с целью явного выражения контекста, в результате чего задача перестает зависеть от него, а с интерпретация становится однозначной для обучаемых.
Распределение ролей между компьютерной системой и человеком в рамках интерактивной процедуры может быть разным. Чем выше степень автоматизации, тем эффективнее инструментарий и тем сложнее его реализация. Однако, даже если значительная часть этапов построения модели УТЗ выполняется автором, данная технология все равно обеспечивает существенные преимущества по сравнению с традиционной ручной подготовкой массива задач.
Выделим два основания классификации методов формирования моделей УТЗ на базе текста. Первым является объем фрагмента-источника. Этот объем может соответствовать одному предложению, нескольким логически связанным предложениям или более крупному фрагменту (перечислению, нескольким перечислениям, таблице, описанию). В качестве второго основания выступает глубина формализации модели задачи, отражающая то, насколько далеко она ушла от исходного лингвистического представления.
Названные факторы взаимосвязаны. Чем выше объем источника, тем глубже формализация и тем более искусственный характер приобретает Мt.. Если источником ее построения служит предложение, то выделяются два уровня формализации: грамматический и логический.
На первом уровне модель УТЗ образуют единицы, имеющие преимущественно лингвистический характер. Они специфицируют: тип предложения; его грамматическую разметку; множество членов, к которым генерируются вопросы, и соответствующие вопросительные сло