dtЦифровая трансформацияDigital Transformation2522-96132524-2822Educational Establishment “Belarusian State University of Informatics and Radioelectronics”10.38086/2522-9613-2019-2-53-59dt-173Research ArticleТЕХНИЧЕСКИЕ НАУКИTECHNICAL SCIENCESИскусственная нейронная сеть в обучающей системе CATSArtificial Neural Network in the CATS Training SystemПоповаЮ. Б.PopovaYu. V.

Кандидат технических наук, доцент

пр. Независимости, д. 65, 220013, г. Минск, Республика Беларусь

Candidate of Science (Technology), Associate Professor 

65 Independence Ave., 220013 Minsk, Republic of Belarus

julia_popova@mail.ruБелорусский национальный технический университетBelarusian National Technical University201905082019025359Copyright © Попова Ю.Б., 20192019Попова Ю.Б.Popova Y.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://dt.bsuir.by/jour/article/view/173

В данной работе представлен вариант применения искусственной нейронной сети (ИНС) для адаптивного обучения. Основная идея использования ИНС заключается в применении ее под конкретный учебный материал, чтобы по окончании изучения курса или его отдельной темы обучающийся мог без участия преподавателя определить не только свой уровень знаний, но и получить рекомендации, какой материал необходимо изучить дополнительно вследствие пробелов в изучаемых вопросах. Такой подход позволяет построить индивидуальную обучающую траекторию, значительно сократить время для изучения учебных дисциплин и повысить качество образовательного процесса. Обучение искусственной нейронной сети происходит по методу обратного распространения ошибки. Разработанная ИНС может быть применена для изучения любой учебной дисциплины с различным количеством тем и контрольных вопросов. Результаты исследований внедрены и апробированы в авторской разработке – адаптивной обучающей системе CATS

This paper presents a variant of using an artificial neural network (ANN) for adaptive learning. The main idea of using ANN is to apply it for a specific educational material, so that after completing the course or its separate topic, the student can determine, not only his level of knowledge, without the teacher’s participation, but also get some recommendations on what material needs to be studied further due to gaps in the studied issues. This approach allows you to build an individual learning trajectory, significantly reduce the time to study academic disciplines and improve the quality of the educational process. The training of an artificial neural network takes place according to the method of back propagation of an error. The developed ANN can be applied to study any academic discipline with a different number of topics and control questions. The research results are implemented and tested in the CATS adaptive training system. This system is the author's development.

обучающая системаадаптивная обучающая системаCATSискусственная нейронная сетьИНСобучающая выборкаэлектронный учебно-методический комплекстестытестирование знанийtraining systemadaptive training systemCATSartificial neural networkANNtraining sampleelectronic teaching and methodical complextestsknowledge testingReferencesПопова, Ю.Б. Классификация автоматизированных систем управления обучением / Ю.Б. Попова // Системный анализ и прикладная информатика. – 2016. – №2. – С. 51–58.Popova Ju.B. Classification of automated learning management systems // Sistemnyj analiz i prikladnaja informatika [System Analysis and Applied Informatics], 2008, 2, pp. 51–58 (in Russian).Brusilovsky, P. Adaptive and Intelligent Web-based Educational Systems / P. Brusilovsky // International Journal of Artificial Intelligence in Education – 2003. – №13 (2–4). – P. 159–172.Brusilovsky P. Adaptive and Intelligent Web-based Educational Systems // International Journal of Artificial Intelligence in Education, 2003, (2–4), pp. 159–172.Брусиловский, П.Л. Адаптивные и интеллектуальные технологии в сетевом обучении / П.Л. Брусиловский // Новости искусственного интеллекта. – 2002. – № 5. – С. 25–31.Brusilovskij P.L. Adaptive and intelligent technologies in network education // Novosti iskusstvennogo intellekta [Artificial Intelligence News], 2002, 5, pp. 25–31 (in Russian).Брусиловский, П.Л. Интеллектуальные обучающие системы / П.Л. Брусиловский // Информатика. Информационные технологии. Средства и системы. – 1990. – № 2. – С. 3–22.Brusilovskij P.L. Intelligent Tutoring Systems // Informatika. Informacionnye tehnologii. Sredstva i sistemy [Computer Science. Information Technology. Tools and Systems], 1990, 2, pp. 3–22 (in Russian).Семенова, Н.Г. База знаний интеллектуальной обучающей системы технической дисциплины / Н.Г. Семенова, А.М. Семенов, И.Б. Крылов // Вестник Оренбургского государственного университета. – 2013. – № 9. – С. 44–54.Semenova N.G., Semenov A.M., Krylov I.B. Knowledge base of the intellectual training system of technical discipline // Vestnik Orenburgskogo gosudarstvennogo universiteta [Bulletin of the Orenburg State University], 2013, 9, pp. 44–54 (in Russian).Пелюшенко, А.В. Обучающие среды и интеллектуальные обучающие системы: возможности использования в образовательном процессе / А. В. Пелюшенко // Известия Волгоградского государственного технического университета. – 2006. – №3. – C. 48–50.Peljushenko A.V. Learning environments and intelligent tutoring systems: opportunities for use in the educational process // Izvestija Volgogradskogo gosudarstvennogo tehnicheskogo universiteta [News of Volgograd State Technical University], 2006, 3, pp. 48–50 (in Russian).Barla, M. On the impact of adaptive test question selection for learning efficiency / M. Barla, M. Bieliková, A. B. Ezzeddinne, T. Kramár, M. Šimko, O Vozár // Computers & Education. – 2010. – №55 (2). – P. 846–857.Barla M., Bieliková M., Ezzeddinne A. B., Kramár T., Šimko M., Vozár O. On the impact of adaptive test question selection for learning efficiency // Computers & Education, 2010, 55 (2), pp. 846–857.Григорьев, А.П. О применении нейронных сетей в тестировании знаний / А.П. Григорьев, В.Я. Мамаев // Научное приборостроение. – 2016. – №4. – C. 77–84.Grigor'ev A.P., Mamaev V.Ja. On the use of neural networks in knowledge testing // Nauchnoe priborostroenie [Scientific Instrument Engineering], 2016, 4, pp. 77–84 (in Russian).Дуплик, С.В. Модель адаптивного тестирования на нечеткой математике / С.В. Дуплик // Информатика и образование. – 2004. – №11. – С. 57–65.Duplik S.V. Model of adaptive testing in fuzzy math // Informatika i obrazovanie [Computer science and Education], 2004, 11, pp. 57–65 (in Russian).Кольцов, Ю. В. Нейросетевые модели в адаптивном компьютерном обучении / Ю. В. Кольцов, Н. Ю. Добровольская // Educational Technology & Society. – 2002. – №5(2). – С. 213–216.Kol'cov Ju. V., Dobrovol'skaja N. Ju. Neural network models in adaptive computer training // Educational Technology & Society, 2002, 5(2), pp. 213–216 (in Russian).Степаненко, Т.А. Об адаптивном обучении в LMS Moodle / Т.А. Степаненко // Математическое и программное обеспечение систем в промышленной и социальной сферах: междунар. сб. науч. тр. Магнитогорск: изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2012. – №2. – С. 371–372.Stepanenko T.A. About adaptive learning in LMS Moodle // Matematicheskoe i programmnoe obespechenie sistem v promyshlennoj i social'noj sferah [Mathematical and Software Systems in the Industrial and Social Fields], Magnitogorsk, 2012, 2, pp. 371–372 (in Russian).Попова, Ю.Б. Представление знаний в обучающих системах на основе теории нечетких множеств / Ю.Б. Попова, А.И. Бураковский // Системный анализ и прикладная информатика. – 2016. – №2. – С. 58–65.Popova Ju.B., Burakovskij A.I. Representation of knowledge in training systems based on the theory of fuzzy sets // Sistemnyj analiz i prikladnaja informatika [System Analysis and Applied Informatics], 2016, 2, pp. 58–65 (in Russian).Карпенко, А. П. Модельное обеспечение автоматизированных обучающих систем. Обзор / А. П. Карпенко // Наука и образование [Электронный ресурс]. – МГТУ им. Н.Э. Баумана, 2011. – Режим доступа: http://technomag. edu.ru/doc/193116.html – Дата доступа: 09.11.2014.Karpenko A. P. Model provision of automated training systems. Overview // Nauka i obrazovanie [Science and Education], 2011. Available at: http://technomag.edu.ru/doc/193116.html (accessed: 09.11.2014) (in Russian).Попова, Ю.Б. Функциональные возможности автоматизированной системы управления обучением CATS (Care About The Students) / Ю.Б. Попова // Информатизация образования и методика электронного обучения: материалы II Междунар. науч. конф. Красноярск, 25-28 сентября 2018г.: в 2 ч. Ч. 1 / под общ. ред. М.В. Носкова. – Красноярск: Сиб. федер. ун-т, 2018. – С. 232–236.Popova Ju.B. The functionality of CATS (Care About The Students) automated learning management system // Informatizacija obrazovanija i metodika jelektronnogo obuchenija [Informatization of Education and e-Learning Methods], Krasnojarsk, 2018, ch. 1, pp. 232–236 (in Russian).David Kriesel. A Brief Introduction to Neural Networks [Электронный ресурс]. – Режим доступа: http://www. dkriesel.com/en/science/neural_networks – Дата доступа: 17.09.2018.David Kriesel. A Brief Introduction to Neural Networks. Available at: http://www.dkriesel.com/en/science/neural_networks (accessed: 17.09.2018).Попова, Ю.Б. Обучение искусственных нейронных сетей методом обратного распространения ошибки / Ю.Б. Попова, С.В. Яцынович [Электронный ресурс]. – Режим доступа: http://www.bntu.by/news/67-conference-mido/4860-2016-11-18-15-47-40.html – Дата доступа: 17.09.2018.Popova Ju.B., Jacynovich S.V. Training of artificial neural networks by the method of back propagation of error. Available at:http://www.bntu.by/news/67-conference-mido/4860-2016-11-18-15-47-40.html (accessed: 17.09.2018) (in Russian).Попова, Ю.Б. Реализация искусственной нейронной сети для управления виртуальными объектами / Ю.Б. Попова, С.В. Яцынович // Системный анализ и прикладная информатика. – 2017. – №4. – С. 72–78.Popova Ju.B., Jacynovich S.V. Implementation of an artificial neural network for managing virtual objects // Sistemnyj analiz i prikladnaja informatika [System Analysis and Applied Informatics], 2017, 4, pp. 72–78 (in Russian).

The authors declare that there are no conflicts of interest present.