ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ
РАДІОЕЛЕКТРОНІКИ

Келеберда Ігор Миколайович

УДК 007.5:004.85

МОДЕЛІ ТА АЛГОРИТМИ В ІНФОРМАЦІЙНІЙ ТЕХНОЛОГІЇ ПЕРСОНАЛІЗОВАНОГО АГЕНТНО-ОНТОЛОГІЧНОГО ПОШУКУ НАВЧАЛЬНИХ МАТЕРІАЛІВ В МЕРЕЖІ ІНТЕРНЕТ

05.13.06 – автоматизовані системи управління та
прогресивні інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Харків 2005

Дисертацією є рукопис.

Робота виконана у Харківському національному університеті радіоелектроніки, Міністерство освіти і науки України.

Науковий керівник - кандидат технічних наук, доцент
Лєсна Наталя Совєтівна,

Харківський національний університет радіоелектроніки, професор кафедри програмного забезпечення ЕОМ

Офіційні опоненти:

- Самойленко Микола Іванович, доктор технічних наук, професор, завідувач кафедри прикладної математики і обчислювальної техніки Харківської національної академії міського господарства

- Губка Сергій Олексійович, кандидат технічних наук, доцент кафедри інформаційних управляючих систем Національного аерокосмічного університету ім. М.Є. Жуковського "ХАІ"

Провідна установа – Херсонський національний технічний університет, кафедра Інформаційних технологій, Міністерство освіти і науки України,
м. Херсон

Захист відбудеться “ 9 ” листопада 2005 р. о 15.00 годині на засіданні спеціалізованої вченої ради Д 64.052.01 у Харківському національному університеті радіоелектроніки за адресою: 61166, м. Харків, пр. Леніна, 14; тел./факс. (057) 702 -10-13.

З дисертацією можна ознайомитись у бібліотеці Харківського національного університету радіоелектроніки, за адресою 61166, м. Харків, пр. Леніна, 14.

Автореферат розісланий “ 6 ” жовтня 200 5 р.

Вчений секретар

спеціалізованої вченої ради С.Ф. Чалий

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Останнім часом в освіті використовують сучасні комп’ютерні, інформаційні та комунікаційні технології, які спрямовані на забезпечення високої якості навчального процесу та задоволення зростаючого попиту на освітні послуги, що послужило основою для дистанційного навчання (ДН) через мережу Інтернет. Внаслідок цього в Україні прийнята “Програма розвитку системи дистанційного навчання на 2004 – 2006 роки”, в якій відзначається необхідність задоволення освітніх потреб і професійної підготовки громадян упродовж усього життя. Відповідно до цієї програми, суб’єктами навчання можуть бути викладачі, наукові співробітники, здобувачі, співробітники комерційних структур та ін. з різним базовим рівнем знань та метою навчання, яким потрібні навчальні матеріали відповідно до їхніх персональних характеристик (володіння певними мовами спілкування, кваліфікація, вік, комплектація комп’ютера та ін.). Багатьма постачальниками освітніх послуг (навчальний заклад, авторизований центр навчання, комерційна структура тощо) впроваджуються нові інформаційні технології для підтримки навчального процесу у складі систем дистанційного навчання (СДН) на базі Learning Space, Prometheus, Moodle та ін. з урахуванням обмеженої категорії суб’єктів навчання, і відповідно до неї наповнюються інформаційні ресурси навчальними матеріалами, які надаються за гіперпосиланнями. У зв’язку з вузькою тематичною спрямованістю інформаційних ресурсів та відсутністю засобів для пошуку навчальних матеріалів в існуючих СДН більшість суб’єктів навчання звертається до мережі Інтернет для отримання додаткових навчальних матеріалів з метою поглиблення або відновлення знань відповідно до своєї професійної діяльності, що перешкоджає широкому розповсюдженню зазначених СДН.

Визначальним фактором розвитку навчання через мережу Інтернет є розробка міжнародними організаціями стандартів технологій ДН, що забезпечило створення мереж інформаційно-навчальних ресурсів (ІНР) та формування їх в інформаційно-освітнє середовище (ІОС). ІНР складаються з навчальних матеріалів та їх метаданих – інформації для організації та супроводу навчального процесу (розміщення навчального матеріалу, класифікація, мова викладу, програмно-апаратні вимоги, вартість, тип і рівень інтерактивності, семантична насиченість та ін.). Під час використання пошукових засобів, передбачених для роботи в мережі Інтернет, для одержання навчальних матеріалів в ІОС не враховуються метадані цих матеріалів та персональні характеристики суб’єктів навчання, що обумовлює низьку ефективність таких засобів через знеособлювання процесу пошуку. Тому, виникла необхідність дослідити процес персоналізованого пошуку навчальних матеріалів з використанням їх метаданих в розподіленій комп’ютерній мережі Інтернет та створити моделі й алгоритми в інформаційній технології персоналізованого пошуку навчальних матеріалів. Проведення аналізу предметної галузі у даному напрямку дозволило обґрунтувати використання онтологічних моделей для здійснення персоналізованого пошуку навчальних матеріалів. Вченими N.C. R.запропоновано методології та методи для проведення онтологічного аналізу інформації та створення відповідних моделей; Т. Гавриловою, В. Хорошевським, Н. Майкевич запропоновано здійснювати пошук інформації в мережі Інтернет з використанням онтологічних моделей та програмних агентів. Значний вклад у зазначеній галузі внесли R.А. Манако, К. Синиця, якими розпочато створення онтологічних моделей для підтримки навчального процесу.

З 2000 року засновниками найпопулярнішого сервісу в мережі Інтернет – Web (WWW) – Т. Бернерс-Лі, Дж. Хендлером та ін. в рамках проекту Semantic Web запропоновано нові принципи та підходи до структурування інформації, взаємозв'язку навчальних або інших інформаційних матеріалів і моделювання процесів обробки та поширення зазначеної інформації за допомогою онтологій. У зв’язку з цим, створюються інформаційно-комунікаційні технології на базі програмних агентів та онтологічних моделей для вирішення задач автоматизації надання послуг у мережі Інтернет, що освітлено в роботах вчених Дж. Хендлера, В. Єрмолаєва, В. Терзіяна та ін. Стрімкий розвиток даного напрямку досліджень відкриває нові сфери застосування програмних агентів та онтологічних моделей і потребує розробки баготоагентного онтологічного підходу для створення моделей та алгоритмів інформаційної технології персоналізованого пошуку навчальних матеріалів у мережі Інтернет.

Вищезазначені проблеми визначили актуальність дисертаційних досліджень, спрямованих на розробку моделей і алгоритмів в інформаційній технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів у мережі Інтернет. Застосування зазначених моделей та алгоритмів забезпечить прискорення пошуку та підбору більш якісного матеріалу, що надається суб’єктові навчання, за рахунок відповідності характеристик навчального матеріалу персональним характеристикам суб’єкта навчання.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалася відповідно до плану науково-дослідних робіт Харківського національного університету радіоелектроніки в рамках держбюджетних тем: № “Розробка концепції, методик і моделей дистанційного навчання в умовах багатоступеневої системи освіти України” (№ ДР 0100U001337) і № “Створення програмно-апаратних засобів реалізації інформаційно-освітнього середовища в інтересах соціально-економічного розвитку України” (№ ДР U001571), на яких здобувач працював як виконавець.

Метою дисертаційної роботи є розробка моделей та алгоритмів в інформаційній технології персоналізованого пошуку навчальних матеріалів, а також її реалізація за допомогою програмних агентів у розподіленій комп’ютерній мережі.

Для досягнення поставленої мети в дисертаційній роботі необхідно вирішити такі задачі дослідження:

- проаналізувати переваги та недоліки сучасних підходів, принципів та засобів для здійснення пошуку навчальних матеріалів у мережі Інтернет, визначити актуальність досліджень та шляхи підвищення ефективності зазначеного пошуку.

- розробити основи багатоагентного онтологічного підходу для формалізації процесу персоналізованого пошуку навчальних матеріалів у мережі Інтернет;

- розробити предметно-орієнтовані онтологічні моделі суб’єкта навчання та ІНР для здійснення персоналізованого пошуку навчальних матеріалів з використанням їх метаданих;

- ввести критерії оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання на основі розробки онтологічних моделей;

- розробити динамічний компонент онтологічної моделі суб’єкта навчання, який оновлюється відповідно до змін переваг суб’єкта навчання щодо характеристик навчальних матеріалів певного типу для персоналізованого підбору навчальних матеріалів.

- розробити алгоритми персоналізованого агентно-онтологічного пошуку навчальних матеріалів з використанням характеристик, які висвітлюють переваги суб’єкта навчання та навчальні матеріали в метаданих на ІНР;

- реалізувати програмно-інструментальний засіб для підтримки створення онтологічних моделей, а також алгоритми ефективного персоналізованого агентно-онтологічного пошуку навчальних матеріалів, на основі запропонованих моделей та критеріїв.

Об'єктом дослідження є процес персоналізованого пошуку навчальних матеріалів з використанням їх метаданих у розподіленій комп’ютерній мережі.

Предметом дослідження є моделі та алгоритми інформаційної технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів на інформаційно-навчальних ресурсах у мережі Інтернет.

Методи дослідження. У роботі використовувалися багатоагентний онтологічний підхід для створення моделей та алгоритмів інформаційної технології персоналізованого пошуку навчальних матеріалів, методологія “OntoClean” і методи онтологій для створення моделей суб’єкта навчання та ІНР; методи системного аналізу IDEF застосовувалися як для створення функціональної моделі процесу персоналізованого пошуку навчальних матеріалів, так і для розробки онтологічних моделей, зокрема, метод IDEF5 сприяв візуалізації зазначених моделей.

Наукова новизна отриманих результатів. У ході вирішення поставлених задач отримано такі результати:

- вперше:

розроблено багаторівневу систему моделей програмних агентів для персоналізованого пошуку навчальних матеріалів за допомогою спільного використання методів системного аналізу IDEF0, IDEF5 і онтологій, що дозволило формалізувати процес персоналізованого пошуку навчальних матеріалів і підвищити ефективність пошуку й персоналізованого підбору навчальних матеріалів за рахунок введення технологічного ланцюжка із персонального агента, агента-координатора та агента інформаційно-навчального ресурсу;

розроблено узагальнений критерій оцінки відповідності характеристик навчальних матеріалів (мову викладу, рівень складності й ін.) персональним характеристикам суб’єкта навчання (знання мов, вік і ін.), який заснований на настроюванні коефіцієнтів значимості часткових критеріїв відповідності характеристик на рівень переваг суб’єкта навчання з використанням генетичного алгоритму, що дозволило зменшити час на первинний аналіз та відбір для вивчення навчальних матеріалів за рахунок формування множини метаданих навчальних матеріалів, які адекватні персональним характеристикам суб’єкта навчання;

- набули подальшого розвитку:

онтологічні моделі суб’єкта навчання й інформаційно-навчального ресурсу, які погоджені з принципами структурування й взаємозв'язку інформації відповідно до проекту Semantic Web, а також зі стандартами групи IEEE 1484, на основі яких отримано характеристики навчальних матеріалів і суб’єкта навчання, що дозволило розробити алгоритми пошуку та персоналізованого підбору навчальних матеріалів, які засновані на відповідних їм метаданих, а також обробці інформації за допомогою використання профілів і запропонованого узагальненого критерію.

Практичне значення отриманих результатів. Запропоновані у проекті Semantic Web принципи структурування інформації та взаємозв'язку навчальних матеріалів у дисертаційній роботі реалізовано в програмно-інструментальному засобі “OnToIDEF5” (сертифікат відповідності № UA.ОДС-054.009-04 від 19 червня 2004 р.) для підтримки створення онтологічних моделей суб’єкта навчання та ІНР відповідно. Розвинута багатоагентна технологія обробки інформації, у якій використані онтологічні моделі для збору, зберігання, обробки й поширення інформації про суб’єкт навчання та навчальні матеріали, що дозволило на основі програмних агентів підвищити ефективність технологічного ланцюжка персоналізованого пошуку навчальних матеріалів у комп'ютерній розподіленій мережі.

Для пошуку навчальних матеріалів в електронній бібліотеці Харківського національного університету радіоелектроніки (ХНУРЕ) та на інформаційному ресурсі в Сумському технікумі харчової промисловості (СТХП) впроваджено програмний агент і онтологічну модель ІНР (акти впровадження від 24.04.2004 і 1.10.2003), які дозволяють здійснити пошук навчальних матеріалів з використанням їх метаданих. У Головному управлінні сільського господарства та продовольства Харківської обласної державної адміністрації впроваджено персональний програмний агент і онтологічну модель суб’єкта навчання (акт впровадження від 10.10.2003), що дозволило здійснити підвищення кваліфікації співробітників зазначеної організації за допомогою інформаційно-освітнього середовища в мережі Інтернет.

Основні положення та рекомендації, які викладені в дисертаційній роботі, використано в навчальному процесі під час проведення занять з дисциплін “Методи та засоби комп'ютерних інформаційних технологій” і “Технологія створення систем електронної комерції” на кафедрі Програмного забезпечення ЕОМ ХНУРЕ (акт впровадження від 2.11.2004).

Особистий внесок здобувача. Всі основні результати дисертаційного дослідження отримані здобувачем особисто. У роботах [1-2] автор виконав аналіз підходів, принципів і засобів для здійснення пошуку навчальних матеріалів у мережі Інтернет та запропонував використання програмних агентів; у роботі [3] автором запропоновано багатоагентну технологію обробки інформації з використанням онтологічних моделей для збору, зберігання, обробки і поширення інформації про суб’єкт навчання та навчальні матеріали за допомогою відповідних профілів; у [4] автором розроблено онтологічні моделі суб’єкта навчання і ІНР, а також критерії відповідності характеристик навчального матеріалу персональним характеристикам суб’єкта навчання; у [6] - визначена можливість одержання навчальних матеріалів з ІНР відповідно вимог стандарту IEEE 1484.12.1 “Метадані навчальних матеріалів”; у [7] автором запропоновано багатоагентний онтологічний підхід створення інформаційної технології персоналізованого пошуку навчальних матеріалів у мережі Інтернет; у [8] –запропоновано змінювати(уточнювати) профіль суб’єкта навчання в залежності від його поточних переваг з метою персоналізованого пошуку навчальних матеріалів; у [11] – реалізовано методологію “OntoClean” і візуалізацію за допомогою методу IDEF5 для створення онтологічних моделей; у [12] – автором розроблено алгоритми персоналізованого агентно-онтологічного пошуку навчальних матеріалів. У зв’язку з обмеженим обсягом автореферату повний перелік праць наведено у дисертаційній роботі.

Апробація результатів дисертації. Основні результати дисертації були викладені на: VI Міжнародній науково-технічній конференції “Фізичні та комп'ютерні технології в народному господарстві” (Харків, 2002 р.); VI і VII Міжнародних конференціях Української асоціації дистанційної освіти “Віртуальність і освіта” (Харків-Ялта, 2002, 2003 і 2004 рр.); VII Міжнародній науково-технічній конференції “Досвід розробки і застосувань САПР у мікроелектроніці” (Славсько, 2003 р.); VII і VIII Молодіжному форумі "Радіоелектроніка і молодь в XXI столітті" (Харків, 2003 і 2004 рр.); V Науково-практичній міжнародній конференції "Інформаційні технології в освіті та керуванні" (Нова Каховка, 2003 р.); XII IEEE-SPIE Symposium on Photonics and Web Engineering (Wilga, Poland 2003); 2nd International Conference on Information Systems Technology and its Applications (Kharkiv, Ukraine, 2003); IV IEEE International Conference on Advanced Learning Technologies (Joensuu, Finland, 2004).

Публікації. За матеріалами дисертації опубліковано 17 наукових праць: 5 статей у фахових виданнях згідно з переліком ВАК України, 2 статті в міжнародних збірниках, 8 доповідей та 2 тези доповіді на міжнародних наукових конференціях.

Структура дисертації. Дисертація складається зі вступу, п’яти розділів, висновків і додатків. Повний обсяг дисертації становить 191 сторінки, в тому числі 124 сторінки основного тексту, і містить 5 додатків на 36-х сторінках, 51 рисунка, 14 таблиць, список використаних літературних джерел, який включає 160 найменування на 17 сторінках.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність дисертації, сформульовано основну мету і задачі дослідження, наведено відомості про зв’язки обраного напрямку досліджень із планами організації, де виконана робота, відзначено наукову новизну та практичну цінність отриманих результатів.

У першому розділі проведено аналіз переваг і недоліків сучасних підходів, принципів та засобів здійснення пошуку інформації та навчальних матеріалів у мережі Інтернет. Для традиційного пошуку інформації в мережі Інтернет використовуються спеціалізовані сервери Google, Yahoo, Yandex, Rambler та ін., які орієнтуються на власні бази даних проіндексованих інформаційних матеріалів. Слід зазначити, що багато навчальних матеріалів не можуть бути проіндексовані, тому що вони розміщуються на локальних інформаційних ресурсах у СДН або електронних бібліотеках, до яких доступ здійснюється тільки в корпоративних мережах.

Відзначено успішне створення ІОС у США, Австралії, Канаді, країнах Європі та ін., а також тенденцію розвитку ІОС в країнах СНД завдяки програмам ЮНЕСКО. З метою інтеграції національних ІОС при сприянні таких міжнародних установ, як IEEE, ARIADNE, EDUCAUSE, IMS Global Learning Consortium, ADL, Міжнародний науково-навчальний центр інформаційних технологій та систем НАН та МОН України, створено стандарт IEEE 1484.12.1 “Метадані навчальних матеріалів”. Використання цього стандарту дає змогу уніфікувати інформацію про навчальний матеріал для спрощення пошуку навчальних матеріалів в ІОС.

Аналіз існуючих потреб суб’єктів навчання при здійсненні пошуку навчальних матеріалів для самостійного навчання, який проведено в дисертаційній роботі, обумовив необхідність створення моделей та алгоритмів інформаційної технології персоналізованого пошуку навчальних матеріалів, що в цілому представляє актуальну науково-дослідну задачу. Під час розв’язання зазначеної задачі розвинуто результати проекту Semantic Web для створення онтологічних моделей суб’єкта навчання та ІНР, що дозволить автоматизувати збір, зберігання, обробку та поширення інформації за допомогою програмних агентів. Автором обґрунтовано застосування стандарту IEEE 1484.12.1, який забезпечить єдині механізми пошуку навчальних матеріалів на ІНР у мережі Інтернет. Таким чином, в роботі розроблено основи багатоагентного онтологічного підходу для створення моделей та алгоритмів інформаційної технології персоналізованого пошуку навчальних матеріалів у мережі Інтернет. Цей підхід базується на сучасних методологіях та методах створення онтологічних моделей та програмних агентів.

Другий розділ присвячено розробці багаторівневої системи моделей програмних агентів: функціональної моделі процесу персоналізованого пошуку навчальних матеріалів, моделей персонального агента, агента-координатора й агента ІНР, онтологічних моделей суб’єкта навчання та ІНР на основі запропонованого автором багатоагентного онтологічного підходу створення моделей та алгоритмів в інформаційній технології персоналізованого пошуку навчальних матеріалів, в якому спільно використовуються методи системного аналізу IDEF0, IDEF5 і онтологій.

Запропонований у роботі багатоагентний онтологічний підхід складається з таких етапів:

Етап 1. Формалізація процесу агентно-онтологічного пошуку навчальних матеріалів:

- розробляється узагальнений критерій персоналізованого підбору навчальних матеріалів залежно від рівня переваг суб’єкта навчання;

- розробляється функціональна модель процесу персоналізованого агентно-онтологічного пошуку навчальних матеріалів з використанням методу системного аналізу IDEF0;

- розробляються онтологічні моделі суб’єкта навчання і ІНР з використанням методології “OntoClean” і методу IDEF5.

Етап 2. Розробка алгоритмів агентно-онтологічного пошуку на ІНР і персоналізованого підбору навчальних матеріалів для суб’єкта навчання, які базуються на використанні функціональної моделі персоналізованого пошуку навчальних матеріалів, онтологічних моделей суб’єкта навчання і ІНР, а також узагальненого критерію.

Етап 3. Програмна реалізація алгоритмів пошуку на ІНР, персоналізованого підбору навчальних матеріалів для суб’єкта навчання за допомогою використання відповідних програмних агентів, об'єднання яких у технологічний ланцюжок забезпечує персоналізований пошук навчальних матеріалів у мережі Інтернет.

Вищеназваний багатоагентний онтологічний підхід застосовано для створення сукупності моделей в інформаційній технології персоналізованого пошуку навчальних матеріалів з використанням їх метаданих mМ, де М – множина метаданих навчальних матеріалів на ІНР, які територіально розподілені в мережі Інтернет. Інформаційна технологія персоналізованого агентно-онтологічного пошуку навчальних матеріалів здійснює взаємодію суб’єкта навчання з ІНР, а саме на базі інформації IL про суб’єкт навчання (характеристики суб’єкта навчання) та інформації IR про навчальні матеріали (характеристики навчальних матеріалів), які знаходяться на ІНР, здійснюється підбір таких навчальних матеріалів, які задовольняють узагальненому критерію K відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання:

, | (1)

де = 12 – моделі програмних агентів , А1 , А2 , А3 – моделі відповідно персонального агента, агента-координатора, агента ІНР та онтологічні моделі , OL, OR – онтологічні моделі відповідно суб’єкта навчання та ІНР. Зазначені агенти утворюють технологічний ланцюжок для збору, зберігання, обробки й поширення інформації про суб’єкт навчання IL і навчальні матеріали IR. Агенти здійснюють перетворення різнорідної й представленої в неструктурованому вигляді інформації IL і IR у внутрішній формат (профілі РL і РR відповідно) з використанням онтологічних моделей суб’єкта навчання OL і ІНР OR, які дозволяють структурувати відповідну інформацію IL і IR в процесі її обробки.

В зв'язку з цим, розроблено алгоритми персоналізованого агентно-онтологічного пошуку навчальних матеріалів: на основі інформації про суб’єкт навчання IL і його онтологічної моделі OL персональним агентом A1 створюється профіль РL: ; агент ІНР A3 здійснює пошук інформації {IR} на ІНР в мережі Інтернет і формує профілі навчальних матеріалів {РR} з використанням онтологічної моделі ІНР OR:, для подальшої їх доставки агентові-координаторові; агент-координатор A2 здійснює відбір навчальних матеріалів за допомогою узагальненого критерію К відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання при порівнянні його профілю РL з кожним з отриманих профілів навчальних матеріалів {РR}: mjM.

Для формування множини метаданих навчальних матеріалів mj відповідно до необхідного діапазону значень [Kmin , Kmax], Kmin>0 розроблено узагальнений критерій К:

, | (2)

де ki – частковий критерій оцінки відповідності i-го типу характеристики суб’єкта навчання аналогічній і-й характеристиці навчального матеріалу із метаданих mj; i – коефіцієнти значимості для визначення ступеня впливу i-го типу характеристики на відбір навчального матеріалу в діапазоні [0,1]; n – задана кількість часткових критеріїв оцінки відповідності характеристик навчального матеріалу персональним характеристикам суб’єкта навчання.

Отримана множина метаданих навчальних матеріалів {mj впорядковується за убуванням значень Кj та порційно надається суб’єкту навчання для вивчення. Після ознайомлення з множиною метаданих {mj} суб’єкт навчання переходить безпосередньо до вивчення навчального матеріалу.

Відповідно до цього розробляється функціональна модель процесу персоналізованого пошуку навчальних матеріалів із застосуванням методу системного аналізу IDEF0 для визначення функцій кожного з агентів та їх взаємодії з метою пошуку та персоналізованого підбору навчальних матеріалів. На рис. 1. наведено діаграму 1-го рівня функціональної моделі персоналізованого агентно-онтологічного пошуку навчальних матеріалів.

Рис. 1. Діаграма 1-го рівня персоналізованого агентно-онтологічного пошуку
навчальних матеріалів

У третьому розділі автором розроблено онтологічні моделі суб’єкта навчання та ІНР у вигляді таксономії відповідно до , яка складається з концептів Y і відношень між ними, а також порожньої множини аксіом . Для створення зазначених моделей застосовуються методи онтологій і метод IDEF5 системного аналізу та концептуальні моделі, які описані в стандарті IEEE 1484.12.1 “Метадані навчальних матеріалів” і робочому документі IEEE P1484.2/D8 “Публічна та приватна інформація суб’єкта навчання”.

Концептуальна модель із стандарту IEEE 1484.12.1 вже використовується при створенні ІНР, але концептуальна модель суб’єкта навчання у робочому документі IEEE P1484.2/D8 ще знаходиться в процесі розробки, однак уже на даний момент запропоновані основні концепти інформації, що дозволило автору провести онтологічний аналіз на базі зазначеної концептуальної моделі та розширити її концептами інформації в онтологічній моделі суб’єкта навчання для здійснення персоналізованого пошуку навчальних матеріалів у мережі Інтернет. З метою ефективного створення онтологічних моделей суб’єкта навчання та ІНР запропоновано використовувати методологію “OntoClean”, яка розроблена N.і C.Відповідно до зазначеної методології для кожного концепту виставляються метавластивості {}.

На першому етапі онтологічного аналізу для концептів інформації ( – нотація методу IDEF5) встановлюються метавластивості {} для визначення категорій і властивостей (атрибутів). На другому етапі проводиться аналіз відношень між концептами та визначення типів їх відношень. У розроблених онтологічних моделях використовуються два типи відношень: “is-a” (
– нотація методу IDEF5) використовується між концептами, які становлять категорії або класи; “part-of” ( – нотація методу IDEF5) використовується між категоріями (класами) і атрибутами, які визначаються наявністю метавластивостей {}.

Для проведення зазначеного онтологічного аналізу інформації IL та IR, а також автоматизації розробки онтологічних моделей суб’єкта навчання та ІНР створено програмно-інструментальний засіб “OnToIDEF5”, який базується на використанні методології “OntoClean” і метода IDEF5 для візуалізації зазначених моделей. Приклад фрагмента створеної онтологічної моделі суб’єкта навчання у вигляді таксономії концептів інформації про суб’єкт навчання наведено на рис. 2.

Рис. 2. Таксономія персональної інформації в онтологічній моделі суб’єкта навчання

За допомогою розроблених онтологічних моделей здійснюється збір, зберігання, обробка та поширення інформації IL про суб’єкт навчання та ІНР IR з використанням відповідних профілів PL і PR в процесі персоналізованого пошуку навчальних матеріалів.

Для підвищення ефективності персоналізованого підбору навчальних матеріалів автором запропоновано узагальнений критерій (2) оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання і розроблені складові (часткові критерії ki із коефіцієнтами значимості i), які зведені в табл. 1. Початкові значення коефіцієнта значимості i визначаються за умови рівноймовірного впливу відповідного критерію оцінки ki на відбір навчального матеріалу, тому за замовчуванням i = , де n = 10 (кількість критеріїв ki).

Таблиця 1

Часткові критерії оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання та коефіцієнти їх значимості

Зіставлені характеристики | Коефіцієнт значимості | Частковий критерій

Концепт онтологічної моделі суб’єкта навчання | Концепт онтологічної моделі ІНР | i | ki

Y4,1 (мова спілкування), Y4,2 (знання додаткових мов) | X1,3 (мова викладу),

X5,11(мова викладу для іноземців) | 1= | k1= |

1, якщо PL(Y4,1)=PR(X1,3)PL(Y4,2)=PR(X1,3)PL(Y4,1)=PR(X5,11)

0, у протилежному випадку

Y1,5,2 (освітній статус) | X5,5 (кінцевий користувач) | 2= | k2 = | 1, якщо PL(Y1,5,2)= PR(X5,5)

0, у протилежному випадку

Y1,3 (дата народження) | X5,7 (вікова категорія) | 3= | k3= | 1, якщо
(Поточний рік–PL(Y1,3))[minPR(X5,7),maxPR(X5,7)]

0, у протилежному випадку

Y4,4 (програмно-апаратна оснащеність) | X4,4 (програмно-апаратні вимоги) | 4= | k4 = | 1, якщо PR(X4,4) PL(Y4,4)

0, у протилежному випадку

Y5,1,3 (класифікаційна схема мети навчання) | X9,2 (таксономічна доріжка) | 5= | k5= |

1, якщо PL(Y5,1,3) PR(X9,2)

0, у протилежному випадку

Y4,5 (готовність заплатити гроші за послуги) | X6,1 (вартість) | 6= | k6= | 1 , якщо PL(Y4,5) = PR(X6,1) PR(X6,1)=ні

0, у протилежному випадку

Y5,1,8,1,1 (тип інтерактивності) | X5,1 (тип інтерактивності) | 7= | k7= | 1, якщо PL(Y5,1,8,1,1) = PR(X5,1)

0, у протилежному випадку

Y5,1,8,1,2 (рівень інтерактивності) | X5,3 (рівень інтерактивності) | 8= | k8= | 1, якщо PL(Y5,1,8,1,2) = PR(X5,3)

0, у протилежному випадку

Y5,1,8,1,3 (семантична насиченість) | X5,4 (семантична насиченість) | 9= | k9= | 1, якщо PL(Y5,1,8,1,3) = PR(X5,4)

0, у протилежному випадку

Y5,1,8,1,4 (складність) | X5,8 (складність) | 10= | k10= | 1, якщо PL(Y5,1,8,1,4) = PR(X5,8)

0, у протилежному випадку

За бажанням суб’єкт навчання може змінити деякі або всі значення коефіцієнтів значимості i в діапазоні [0,1], щоб підсилити значимість або виключити відповідні характеристики під час здійснення персоналізованого підбору навчальних матеріалів. Це надасть можливості суб’єкту навчання активно впливати на персоналізований підбір навчальних матеріалів.

Слід зазначити, що в процесі навчання поточні переваги суб’єкта навчання щодо характеристик навчальних матеріалів змінюються, тому в узагальненому критерії К за допомогою коефіцієнта значимості i визначається ступінь впливу i-го типу характеристики на підбір навчального матеріалу в діапазоні [0,1], якщо i 1, то ступінь впливу і-ї характеристики збільшується, в протилежному випадку – зменшується.

В зв’язку з цим, після завершення вивчення певної кількості навчальних матеріалів відповідно до підібраного набору метаданих m суб’єкт навчання обов’язково визначає для зазначених навчальних матеріалів ступінь їх корисності сj = (1 – корисний (основний), 0,5 – допоміжний, 0 – некорисний). Після цього формується множина метаданих {mj} m, що відповідає кращим з вивчених навчальних матеріалів (сj 0), на базі якої в роботі пропонується уточнювати значення коефіцієнтів i з використанням генетичного алгоритму. Для цього із поточних значень коефіцієнтів значимості i, які потребують уточнення, створюється хромосома (1, 2, … , k), k [0,n]. Для утворення другої батьківської хромосоми використовуються значення, які формуються випадковим чином. На основі використання операцій мутації, кросовера та інверсії над батьківськими хромосомами визначається початкова популяція хромосом із значень коефіцієнтів i, за допомогою яких розраховується узагальнений критерій К для кожного вивченого навчального матеріалу. Відбір найкращої хромосоми здійснюється з використанням фітнес-функції: |

(3)

де Кj – значення узагальненого критерію оцінки відповідності характеристик навчального матеріалу з метаданими mj до персональних характеристик суб’єкта навчання; J – кількість вивченого суб’єктом навчання навчального матеріалу, який одержав ступінь корисності сj 0; t – номер епохи створення популяції.

Генетичний алгоритм продовжує роботу на базі відібраних двох найкращих хромосом до тих пір, доки фітнес-функція (t+1)> (t).

Уточнення коефіцієнтів значимості здійснюється в кожній ітерації персоналізованого пошуку навчальних матеріалів, тому в онтологічній моделі суб’єкта навчання до категорії інформації про процес навчання Y5 в роботі запропоновано включити динамічний компонент в прогрес мети навчання Y5,1,8, в якому враховується зворотний зв’язок із суб’єктом навчання щодо визначення коефіцієнтів значимості i (Y5,1,9,2) до критеріїв оцінки ki (Y5,1,9,3) та ступеня корисності сj (Y5,1,8,5), а також характеристики навчальних матеріалів: тип (Y5,1,8,1) та рівень (Y5,1,8,2) інтерактивності, семантична насиченість (Y5,1,8,3), складність (Y5,1,8,4), які постійно оновлюються в профілі суб’єкта навчання за характеристиками вивченого навчального матеріалу з максимальним значенням узагальненого критерію Кj з урахуванням нових коефіцієнтів значимості i .

У четвертому розділі розроблено алгоритми персоналізованого агентно-онтологічного пошуку навчальних матеріалів на ІНР, які реалізовані за допомогою програмно-інструментального засобу JADE (Java Agent Development Framework), що дозволило створити агентну платформу з метою персоналізованого пошуку навчальних матеріалів у мережі Інтернет.

Тому, набула подальшого розвитку багатоагентна технологія обробки інформації, в якій використано онтологічні моделі для збору, зберігання, обробки та поширення інформації про суб’єкт навчання та навчальні матеріали за допомогою відповідних профілів, що дозволило на основі програмних агентів підвищити ефективність технологічного ланцюжка персоналізованого пошуку навчальних матеріалів у мережі Інтернет (рис. 3.)

Рис. 3. Багатоагентна технологія персоналізованого пошуку
навчальних матеріалів у мережі Інтернет

Узагальнений алгоритм персоналізованого агентно-онтологічного пошуку навчальних матеріалів для суб’єкта навчання відповідно до багатоагентної технології обробки інформації (рис. 3) складається з послідовності таких кроків:

- реєстрації суб’єкта навчання на порталі за допомогою персонального агента, який збирає інформацію про суб’єкт навчання відповідно до його онтологічної моделі під час створення профілю, а також передача профілю суб’єкта навчання агентові-координаторові для запису цього профілю в базу даних на сервері;

- формування агентом-координатором пошукових образів до агента ІНР на одержання профілів навчальних матеріалів та здійснення персоналізованого відбору навчальних матеріалів з використанням розробленого узагальненого критерію оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання;

- формування агентом ІНР на базі онтологічної моделі ІНР профілів навчальних матеріалів і пошук метаданих навчальних матеріалів для доставки їх через агента-координатора персональному агентові, який надає користувачеві (суб’єкту навчання) зазначені метадані для одержання відповідних навчальних матеріалів;

- уточнення профілю суб’єкта навчання з метою створення агентом-координатором нових пошукових образів до агентів ІНР для поглиблення знань суб’єкта навчання.

П'ятий розділ. Реалізовано набір програмних агентів, які забезпечують збір, зберігання, обробку і поширення інформації від ІНР до суб’єктів навчання на основі відповідних онтологічних моделей в інформаційної технології персоналізованого пошуку навчальних матеріалів у мережі Інтернет. Зокрема, здійснено реорганізацію інформаційного ресурсу електронної бібліотеки ХНУРЕ та СТХП з використанням програмного агента й онтологічної моделі ІНР, а також додатково створено базу даних метаданих навчальних матеріалів за стандартом IEEE 1484.12.1, що дозволило здійснювати пошук навчальних матеріалів з використанням їх метаданих на зазначених ресурсах. Для підвищення кваліфікації співробітників Головного управління сільського господарства та продовольства Харківської обласної державної адміністрації створено персонального програмного агента, який динамічно генерує графічний інтерфейс відповідно до розробленої онтологічної моделі суб’єкта навчання. У зв’язку з цим, використано реалізовані моделі та алгоритми інформаційної технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів у складі системотехнічного забезпечення СДН.

У додатках наведено ІНР, які підтримують стандарт IEEE 1484.12.1, функціональну модель процесу персоналізованого агентно-онтологічного пошуку навчальних матеріалів, онтологічні моделі суб’єкта навчання та ІНР, а також сертифікат розробленого програмного засобу та акти про впровадження результатів дисертаційної роботи.

ВИСНОВКИ

У дисертаційній роботі наведено теоретичне узагальнення і нове вирішення наукової задачі, яка полягає в розробці моделей та алгоритмів в інформаційній технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів на ІНР у мережі Інтернет. Розв’язання даної задачі полягає в застосуванні розробленого багатоагентного онтологічного підходу для створення моделей та алгоритмів інформаційної технології персоналізованого пошуку навчальних матеріалів, а саме онтологічних моделей суб’єкта навчання та інформаційно-навчального ресурсу, узагальненого критерію оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання та ефективних алгоритмів агентно-онтологічного пошуку навчальних матеріалів на інформаційно-навчального ресурсу і їх персоналізованого підбору для суб’єкта навчання. Ці результати мають важливе наукове і практичне значення щодо розвитку багатоагентних технологій обробки інформації з використанням онтологічних моделей та програмних агентів для поліпшення ефективності технологічного ланцюжка персоналізованого пошуку навчальних матеріалів у розподіленій комп’ютерній мережі. У зв'язку з цим у дисертаційній роботі:

1. Проведення аналізу переваг і недоліків сучасних підходів, принципів та засобів здійснення пошуку інформації та навчальних матеріалів у мережі Інтернет, дозволило теоретично обґрунтувати, систематизувати та відокремити коло задач для проведення дисертаційних досліджень.

2. Розроблено багаторівневу систему моделей програмних агентів для персоналізованого пошуку навчальних матеріалів, яка містить функціональну модель процесу персоналізованого пошуку навчальних матеріалів, онтологічні моделі суб’єкта навчання та інформаційно-навчального ресурсу. Внаслідок цього формалізовано процес персоналізованого пошуку навчальних матеріалів та поліпшено ефективність пошуку й персоналізованого підбору навчальних матеріалів за рахунок введення технологічного ланцюжка із персонального агента, агента-координатора та агента інформаційно-навчального ресурсу.

3. Застосовано принципи структурування й взаємозв'язку інформації проекту Semantic Web під час створення онтологічних моделей суб’єкта навчання й інформаційно-навчального ресурсу, а також відповідно до стандартів групи IEEE 1484 отримано характеристики навчальних матеріалів і суб’єкта навчання, які використовуються для пошуку й персоналізованого підбору навчальних матеріалів за допомогою відповідних їм метаданих. На основі цих характеристик запропоновані часткові критерії відповідності характеристик навчального матеріалу персональним характеристикам.

4. Розроблено узагальнений критерій оцінки відповідності характеристик навчальних матеріалів персональним характеристикам суб’єкта навчання. Відповідно до зазначеного узагальненого критерію в онтологічній моделі суб’єкта навчання сформовано динамічній компонент для зберігання значень часткових критерій, коефіцієнти значимості яких корегуються в залежності від поточного рівня переваг суб’єкта навчання.

5. Розроблено алгоритми персоналізованого агентно-онтологічного пошуку навчальних матеріалів у мережі Інтернет з використанням багаторівневої системи моделей програмних моделей : функціональної моделі процесу персоналізованого пошуку навчальних матеріалів, онтологічних моделей суб’єкта навчання та інформаційно-навчального ресурсу, а також запропонованого узагальненого критерію.

6. Отримала подальший розвиток багатоагентна технологія обробки інформації, в якій використано онтологічні моделі для збору, зберігання, обробки та поширення інформації про суб’єкт навчання та навчальні матеріали, що дозволило підвищити ефективність технологічного ланцюжка персоналізованого пошуку навчальних матеріалів у комп'ютерній розподіленій мережі.

7. Реалізовано програмно-інструментальний засіб “OnToIDEF5” автоматизації розробки онтологічних моделей за методологією “OntoClean” з візуалізацією в IDEF5 та підтримкою принципів структурування й взаємозв'язку інформації відповідно до проекту Semantic Web.

8. Розроблені моделі та алгоритми реалізовано в інформаційній технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів на інформаційно-навчальних ресурсах. В електронній бібліотеці Харківського національного університету радіоелектроніки та у Сумському технікумі харчової промисловості до інформаційного ресурсу впроваджено програмний агент і метадані навчальних матеріалів за стандартом IEEE 1484.12.1, що дозволило здійснити пошук навчальних матеріалів з використанням їх метаданих, та покращити управління інформаційного ресурсу. У Головному управлінні сільського господарства та продовольства Харківської обласної державної адміністрації впроваджено персональний програмний агент для підтримки підвищення кваліфікації співробітників зазначеної організації з використанням інформаційних матеріалів, які розташовані на територіально розподілених інформаційно-навчальних ресурсах в мережі Інтернет.

ПУБЛІКАЦІЇ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

АНОТАЦІЯ

Келеберда І.М. Моделі та алгоритми в інформаційній технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів в мережі Інтернет. – Рукопис.

Дисертація на здобуття вченого ступеня кандидата технічних наук за спеціальністю 05.13.06 автоматизовані системи управління і прогресивні інформаційні технології. Харківський національний університет радіоелектроніки, Харків, 2005.

Дисертація присвячена питанням створення моделей та алгоритмів інформаційної технології персоналізованого агентно-онтологічного пошуку навчальних матеріалів у мережі Інтернет. В роботі розроблено багаторівневу систему моделей програмних агентів для персоналізованого пошуку навчальних матеріалів за допомогою спільного використання методів системного аналізу IDEF0, IDEF5 і онтологій, що дозволило