ВВЕДЕНИЕ 4
1 Теоретический анализ предметной области 6
1.1 Методы определения уровня обученности в традиционной системе
образования 6
1.2 Компьютерное тестирование как средство определения уровня
обученности студентов 15
1.3 Анализ возможностей использования нейронных сетей при обучении
математике 21
2 Разработка нейросетевой модели для определения уровня
обученности студента при изучении высшей математики 29
2.1 Набор данных для обучения нейронной сети 29
2.2 Выбор архитектуры нейронной сети 33
2.3 Описание разработанной НС 42
2.4 Описание разработанной программы 49
ЗАКЛЮЧЕНИЕ 64
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 65
ПРИЛОЖЕНИЕ А Листинг программы 69
ПРИЛОЖЕНИЕ Б Презентация 78
В силу стремительных изменений, происходящих в мире, все больше растет потребность в специалистах различных сфер деятельности человека. Справедливо заметить, что темпы развития образования отстают от скорости развития общества. Получение актуального и качественного образования будущими специалистами является одной из главных проблем современного вуза, при этом большинство преподавателей университетов понимают, что без внедрения достижений технического прогресса проблему качества образования не решить.
В следствии этого, появляется необходимость в создании эффективных средств анализа полученной информации, связанной с различными аспектами и этапами обучения, в частности при изучении высшей математики в вузе, а именно результатов обучения, для дальнейшего использования этих данных с целью повышения уровня образования каждого студента.
Реализация возможностей технических средств, в частности, искусственного интеллекта, поможет усовершенствовать учебный процесс, таким образом, чтобы эта проблема разрешилась. При введении нейронных сетей в процесс обучения, вуз получает возможность оценивать: качество подготовки профессорско-педагогического состава, качество полученных знаний студентами с целью дальнейшей ликвидации пробелов в различных направлениях образовательного процесса, состояние материально¬технической базы университета, уровень конкурентоспособности специалистов на рынке труда.
Анализируя вышесказанное можно выделить сложившеюся в настоящее время потребность совершенствования учебного процесса за счет использования современных цифровых технологий. Наличие данной проблемы обуславливает актуальность и выбор темы исследования.
Научная проблема работы состоит в разработке методов и средств совершенствования математической подготовки студентов технических специальностей на основе внедрения нейронных сетей в процессе обучения.
Цель исследования состоит в повышении эффективности процесса обучения математике в вузе с помощью использования нейронных сетей.
Объект исследования - процесс обучения математике студентов технических вузов.
Предмет исследования - возможности применения некоторых свойств искусственного интеллекта для модернизации процесса обучения в вузе.
Достижение поставленной цели предполагает решение следующих задач:
- на основе анализа основных понятий нейронных сетей и их классификации, выделить возможности их использования в учебном процессе,
- обоснование выбора внедрения и использования возможностей нейронных сетей с целью повышения качества образовательного процесса,
- разработка системы, позволяющей использовать нейронные сети и их возможности при обучении математике.
Практическая ценность работы.
Внедрение нейронных сетей в обучении математике позволит проанализировать такие основополагающие направления деятельности вуза как:
- ведение учебного процесса (методы и формы обучения, стимулирование и мотивация, цель и результат),
- управление профессорско-педагогическим составом кафедры,
- научно-исследовательская, инновационная работа,
- обеспечение учебно-методическими материалами,
- социальное и техническое обеспечение.
Таким образом, использование нейронных сетей при обучении математике в вузе имеет важное значение в управлении и развитии высшего учебного заведения для достижения наилучшего результата во всех вышеперечисленных аспектах.
В диссертации решена задача, заключающаяся в разработке системы, позволяющей использовать нейронные сети и их возможности при обучении математике с целью повышения уровня знаний студентов.
Основные результаты работы состоят в следующем:
- полученные данные, соответствующие трем уровеням
обученности (удовлетворительный, достаточный, продвинутый) с помощью компьютерного тестирования и разноуровневых задач,
- проведен анализ имеющихся архитектур нейронных сетей для классификации уровня обученности студента. В результате была выбрана архитектура многослойного персептрона,
- был реализован алгоритм стохастического обучения нейронной сети, которая осуществляет классификацию трех уровней успеваемости студентов по 6 имеющимся признакам,
- разработана и реализована нейронная сеть, определяющая уровень знаний студентов с целью повышения их познавательной и мыслительной активности. Успешно обученная нейронная сеть протестирована и показала свою работоспособность.
Практической значимостью данного исследования является возможность использования разработанной нейронной сети в образовательном процессе с целью повышения эффективности процесса обучения студентов при изучении различных дисциплин.
Таким образом, цель работы достигнута, все поставленные задачи решены.
