Центр сопряженного мониторинга окружающей среды и природных ресурсов
«Мониторинг. Наука и технологии» Рецензируемый и реферируемый научно-технический журнал
Меню раздела «МНТ»
ГЛАВНАЯ
цели и задачи
Перечень ВАК
ВЫПУСКИ
2024
2023
2022
2021
2020
2019
2018
выпуск №1
выпуск №2
статья #01
статья #02
статья #03
статья #04
статья #05
статья #06
статья #07
статья #08
статья #09
статья #10
статья #11
статья #12
статья #13
статья #14
статья #15
статья #16
статья #17
статья #18
статья #19
статья #20
выпуск №3
выпуск №4
выпуск №5
2017
2016
2015
2014
2013
2012
2011
2010
2009
все выпуски
АВТОРАМ
этика
порядок рецензирования
правила для авторов
ПОДПИСКА
О ЖУРНАЛЕ
главный редактор
редакционный совет
редакционная коллегия
документы
свидетельство
issn
ENG
Меню разделов
ГЛАВНАЯ
Раздел: «ЦЕНТР»
Раздел: «МНТ»
Раздел: «СБОРНИК»
Раздел: «MST»

Shikhnabieva T.S.
Comparative characteristics of the main models of knowledge representation in intellectual systems of learning and knowledge control
Сравнительная характеристика основных моделей представления знаний в интеллектуальных системах обучения и контроля знаний
УДК:
004.82
Аннотация:
The rapid growth of the volume of poorly structured, duplicating information limits its operational search, analysis and access to it. In this situation, the learning process based on information and communication technologies is also difficult. To solve these problems and effectively organize the learning process, it is necessary to structure the knowledge to be learned. It is known that for representation and structuring of knowledge in systems of training there are a number of models. The paper presents a comparative analysis of the most common models of knowledge representation and provides justification for the choice of the main model for use in intelligent learning systems.
Ключевые
слова:
Training, knowledge control, intellectual system, frames, semantic networks, production models, predicate logic, comparative characteristics
Abstracts:
Быстрый рост объема плохо структурированной дублирующей информации ограничивает её оперативный поиск и анализ. В этой ситуации процесс обучения, основанный на информационных и коммуникационных технологиях, также затруднен. Чтобы решить эти проблемы и эффективно организовать учебный процесс, необходимо структурировать изучаемую информацию. Известно, что для представления и структурирования знаний в системах обучения существует ряд моделей. В статье представлен сравнительный анализ наиболее распространенных моделей представления знаний и обоснованность выбора основной модели для использования в интеллектуальных обучающих системах.
Keywords:
обучение, контроль знаний, интеллектуальная система, рамки, семантические сети, производственные модели, предикатная логика, сравнительные характеристики

Текст статьи Текст статьи
392,2 кБ
Скачать

вернуться к списку статей

Авторы статьи:
SHIKHNABIEVA
Tamara Shikhgasanovna
shetoma@mail.ru
Doctor of Pedagogical Sciences, Professor, Department of Computer Science, Federal State Budgetary Educational Institution of Higher Professional Education «Plekhanov Russian University of Economics»
Список литературы:
1.
L Jain, X Wu. Advanced Information and Knowledge Processing, London, UK Springer, 2009.
2.
Shikhnabieva T. Sh. Training system and knowledge control based on adaptive semantic models. International scientific-practical conference "Development of national system of Informatization of education in health terms"// The Information environment of education and science - 2013. - No. 17 available at: http://www.iiorao.ru/iio/pages/izdat/ison/publication/ ison_2013/num_17_2013/
3.
Strogalov A.S. Computer training systems: some problems of their development. university training in the information society / A.Strogalov // M .: RGGU, 1998.- P. 68 -72.
4.
Uskov V.L., Uskov A.V. Modern Technology-Based Education: Instructor's Profile// Advanced Technology for Learning, Vol. 4, No. 3, 2007, P. 118-125.
5.
Shikhnabieva T., Beshenkov S. Intelligent System of Training and Control of Knowledge, Based on Adaptive Semantic Models //Smart Education and e-Learning 2016. - Springer International Publishing, 2016. - С. 595-603.
6.
Kudinov V. A. Principles of construction and use of expert training systems in the course "Theoretical foundations of Informatics": Diss. ... kand.ped.sciences / V. A. Kudinov. - M., 2000.
7.
Kudryavtsev V. B., Vashik K., Strogalov A. S., Aliseychik P. A., Peretrukhin V. V. computer learning system of automatic type / / problems of theoretical Cybernetics. Moscow: RSUH, 1996. 111 p.
8.
Shikhnabieva T. Sh. On the representation and control of knowledge in automated learning systems / T.Sh. Shikhnabieva // Journal of Informatics and Education ", No 10, 2008.- P.55 - 59.
9.
Stuart Russell, Peter Norvig. Artificial intelligence: a Modern approach/ Stuart Russell, Peter Norvig // Moscow: Williams, 2006. - 1407 p.
10.
Rastrigin L. A., M. X], Adaptive learning with a student model. - Riga: zenatne, 1988. - 160 p.
11.
Gavrilova T. A., Khoroshevsky V. F. knowledge Base of intellectual systems. SPb.: Peter, 2000.- 384 p.
12.
Wenger Е. Artificial intelligence and tutoring systems. Computational approaches to the communication of knowledge / Los Altos: Morgan Kaufmann, 1987.
13.
Intelligent systems / / Tom.8. vol. 1 - 4. M., 2004. 594 p.
14.
Kaziakhmedov T. B. model of multilevel adaptive training in Informatics in secondary school // Pedagogical Informatics, 2008, № 2. C. 3-11.
15.
Kaziahmedov T. B. Modular level adaptive learning computer science: Philosophical aspects // Materials of scientific-practical conference of doctoral students, graduate students and applicants. Nizhnevartovsk: publishing house of NSPI, 2006.- Pp. 49-51.
16.
Kudryavtsev V. B., Vashik K., Strogalov A. S., Aliseychik P. A., Peretrukhin V. V. Automata-based modeling of the learning process // Discrete math. Vol. 8. No. 4. 1996.- P. 3-10.
17.
Solomatin N. Mmm. Information semantic systems. Moscow: Higher school, 1989. - 179 p.
18.
Kuznetsov I. P. Semantic representations. M.: Science, 1986.- 296 p.
 
МНТ Выпуски 2018 Выпуск №2 Статья #11
© ООО «ЦСМОСиПР», 2024
Все права защищены
  +7(926) 067-59-67
  +7(928) 962-32-60