Описание сгустка = U описаний атомов

Uj – признак включения лексемы в описание сгустка

Vi – признак включения атома в сгусток

Число атомов в сгустке -

Число лексем в описании сгустка -

nj – число атомов в описание которых входит лексема j

Информативность сгустка по лексеме j для фактов, относящихся к j и входящих в сгусток

Средняя информативность описания сгустка:

– число атомов в сгустке, в описание которых входит лексема j

Задача: найти сгусток максимальной удельной информативности на один атом при заданной длине его описаний m.

– условие, что если лексема не выбрана, ее не должно быть ни в одном атоме.

,

,

За счет увеличения размерности её можно линеаризовать.

Пример:

Исходные данные:

N = 10 – число атомов;

M = 7 – число лексем;

Распределение значений между атомами и лексемами показаны на рисунке 3.1.1, где строка это соответствующей атом (iÎ[1, N]), а столбец соответствующая лексема (jÎ[1, M]), т. е. например, атом с порядковым номером 1 описывается лексемами 1, 2, 6, а атом 10 описывается лексемами 2 и 6.

Рисунок 3.1.1 – Исходная таблица описания атомов набором лексем

Средняя информативность исходной таблицы равна 0,47.

Реализация модели:

На рисунке 3.1.2 показана реализация модели в Microsoft Excel, где:

1 – Исходная таблица описания атомов набором лексем (рисунок 3.1.1);

2 – Признак включения атома в сгусток (iÎ[1, N]);

3 – Максимальное ограничения размера сгустка по количеству лексем;

4 – Максимальное ограничение размера сгустка по количеству атомов;

5 – Минимальное ограничения размера сгустка по количеству лексем;

6 – Минимальное ограничение размера сгустка по количеству атомов;

7 – Признак включения атома в сгусток (jÎ[1, M]);

8 – Расчетные данные;

9 – Число атомов вошедших в сгусток;

10 – Число лексем в описание сгустка;

11 – Максимальная удельная информативность на один атом;

12 – Полученный сгусток.

Рисунок 3.1.2 – Реализация модели в Microsoft Excel

На рисунке 3.1.3 показаны сформированые ограничения модели как параметры поиска решения в Microsoft Excel.

Рисунок 3.1.3 – Параметры поиска решения в Microsoft Excel

Результат:

В результате решения данной задачи получился сгусток, показанный на рисунке 3.1.4, с максимальной удельной информативностью на один атом равной 0,52, вошедшими атомами 3, 4, 6, 8 и лексемами 1, 2, 3, 4, 5, 7.

Рисунок 3.1.4 – Полученный сгусток

Варьируя максимальными и минимальными ограничениями на размер результирующего сгустка (3, 4, 5, 6 на рисунке 3.1.2) можно получить сгустки разной размерности и разной удельной информативности. В таблице 3.1.1 показана зависимость полученной в результате расчета удельной информативности сгустка от ограничений на размер результирующего сгустка, для данной задачи.

Таблица 3.1.1 Зависимость информативности сгустка от оганичений

Линейная математическая модель формирования кластера наибольшей информативности №1

Введем xij – признак, что факт i имеющий в описании лексемы j, включен в сгусток. Тогда:

- атом входит в сгусток, если хоть одна его клетка входит;

- лексема входит в сгусток, если хоть одна в ней клетка входит;

- заданное количество атомов в сгустке;

- заданное количество лексем в сгустке.

Пример:

Исходные данные:

N = 10 – число атомов;

M = 7 – число лексем;

Расспределение значений между атомами и лексемами показаны на рисунке 3.2.1, где строка это соответсвующей атом (iÎ[1, N]), а столбец соответствующая лексема (jÎ[1, M]), т. е. например, атом с порядковым номером 1 описывается лексемами 1, 2, 6, а атом 10 описывается лексемами 2 и 6.

Рисунок 3.2.1 – Исходная таблица описания атомов набором лексем

Средняя информативность исходной таблицы равна 0,47.

Реализация модели:

На рисунке 3.2.2 показана реализация модели в Microsoft Excel, где:

1 – Исходная таблица описания атомов набором лексем (рисунок 3.2.1);

2 – Признак включения атома в сгусток (iÎ[1, N]);

3 – Заданное количество атомов в сгустке;

4 – Заданное количество лексем в сгустке;

5 – Признак включения атома в сгусток (jÎ[1, M]);

8 – Расчетные данные;

9 – Число атомов вошедших в сгусток;

10 – Число лексем в описание сгустка;

11 – Максимальная удельная информативность на один атом;

12 – Полученный сгусток.

Рисунок 3.2.2 – Реализация модели в Microsoft Excel

На рисунке 3.2.3 показаны сформированые ограничения модели как параметры поиска решения в Microsoft Excel.

Рисунок 3.2.3 – Параметры поиска решения в Microsoft Excel

Результат:

В результате решения данной задачи с заданными значениями на размер сгустка: Vs=4, Us=6 – получился сгусток, показанный на рисунке 3.2.4, с максимальной удельной информативностью на один атом равной 0,63, вошедшими атомами 3, 4, 6, 7 и лексемами 2, 3, 4, 5, 6, 7.

Рисунок 3.2.4 – Полученный сгусток

Варьируя заданными ограничениями на размер результирующего сгустка (3, 4, на рисунке 3.2.2) можно получить сгустки разной размерности и разной удельной информативности.

В таблице 3.2.1 показана зависимость полученной в результате расчета удельной информативности сгустка от ограничений на размер результирующего сгустка, для данной задачи.

Таблица 3.2.1 Зависимость информативности сгустка от оганичений

Линейная математическая модель формирования кластера наибольшей информативности №2

Введем xij – признак, что факт i имеющий в описании лексемы j, включен в сгусток. Тогда:

,

,

, – xij может быть 1, если aij=1, Uj=1, Vi=1

Математическая модель формирования наиболее информативной двумерной таблицы фактографической информации

Это специфический вид сгустка, где «шапка», т. е. совпадающие лексемы у всех атомов одни и те же, а сверх этого в каждом описании атома ровно две лексем, для разных атомов разные.

Введем переменные Zj – призк отбора лексем в шапку таблицы

– могут войти лексемы только из сгустка,

Потребуем, чтобы в каждый атом помимо шапки вошли ровно 2 лексемы из сгустка. Тогда

– требуется, чтобы в каждое описание атома в сгустке вошла каждая лексема из шапки

– условие, что в описании атома, кроме шапки есть ровно две лексемы

Если же мы допускаем, что может вообще не войти ниодной лесемы из сгустка или одна лексема, кроме шапочных лексем, то

Сама таблица строится так: выбираем любой факт и его лексему – в строку; тогда вторая в нем и во всех других, где есть строчная лексема – в столбцы; затем из этих фактов парные лексемы – в строки; их парные в столбцы и т. д.

Пример:

Исходные данные:

N = 10 – число атомов;

M = 7 – число лексем;

Расспределение значений между атомами и лексемами показаны на рисунке 3.3.1, где строка это соответсвующей атом (iÎ[1, N]), а столбец соответствующая лексема (jÎ[1, M]), т. е. например, атом с порядковым номером 1 описывается лексемами 1, 2, 6, а атом 10 описывается лексемами 2 и 6.

Рисунок 3.3.1 – Исходная таблица описания атомов набором лексем

Средняя информативность исходной таблицы равна 0,47.

Реализация модели:

На рисунке 3.3.2 показана реализация модели в Microsoft Excel, где:

1 – Исходная таблица описания атомов набором лексем (рисунок 3.2.1);

2 – Признак включения атома в сгусток (iÎ[1, N]);

3 – Заданное количество атомов в сгустке;

4 – Заданное количество лексем в сгустке;

5 – Признак включения атома в сгусток (jÎ[1, M]);

8 – Расчетные данные;

9 – Число атомов вошедших в сгусток;

10 – Число лексем в описание сгустка;

11 – Максимальная удельная информативность на один атом;

12 – Полученный сгусток.

Рисунок 3.3.2 – Реализация модели в Microsoft Excel

На рисунке 3.3.3 показаны сформированые ограничения модели как параметры поиска решения в Microsoft Excel.

Рисунок 3.2.3 – Параметры поиска решения в Microsoft Excel

Результат:

В результате решения данной задачи с заданными значениями на размер сгустка: Vs=4, Us=6 – получился сгусток, показанный на рисунке 3.3.4, с максимальной удельной информативностью на один атом равной 0,63, вошедшими атомами 3, 4, 6, 7 и лексемами 2, 3, 4, 5, 6, 7.

Рисунок 3.3.4 – Полученный сгусток

Рисунок 3.3.5 – Полученная двумерная таблица

Варьируя заданными ограничениями на размер результирующего сгустка (3, 4, на рисунке 3.3.2) можно получить сгустки разной размерности и разной удельной информативности.

В таблице 3.3.1 показана зависимость полученной в результате расчета удельной информативности сгустка от ограничений на размер результирующего сгустка, для данной задачи.

Таблица 3.3.1 Зависимость информативности сгустка от оганичений

Необходимо отметить, что создание сопоставимой системы степеней в соответствии с Болонской декларацией требует изменения всей парадигмы высшего образования, в том числе, изменения методов оценки результатов образования.

Проект Европейской ассоциации университетов «Настройка образовательных структур в Европейском пространстве высшего образования»[1], реализующий цели Болонской декларации с учетом опыта, накопленного в рамках программ ERASMUS и SOCRATES, решает задачу «определения точек конвергенции и выработки общего понимания содержания квалификаций по уровням в терминах компетенций». Наборы компетенций, включающие знания, понимание, навыки и личностные качества обучаемого, определяются как для каждого модуля (дисциплины) образовательной программы, так и для всей программы в целом. Проект решает задачу выработки общеевропейского консенсуса в определении степеней с точки зрения того, что выпускники должны уметь делать по завершению обучения.

Интеграция российской системы высшего профессионального образования в мировое образовательное пространство, процессы « сверхнормативной скорости перемен» в экономике [2,3], формирование единого информационного общества поставили задачу приведения традиционного российского образовательного аппарата в соответствие с общепринятой в Европе системой педагогических понятий. В частности, традиционно существующая в российской высшей школе система контроля знаний в сессионно-экзаменационном формате не позволяет оценить в полной мере многогранность качества результатов образования, включающих помимо знаний, умений и навыков также совокупность психолого-педагогических и профессионально значимых характеристик (компетенций).

Компетенция рассматривается как сложная социально-дидактическая структура личности, основанная на ценностной ориентации, знаниях, опыте, приобретенных как в процессе обучения, так и вне его. Она выражается в готовности личности применять полученные знания, умения, поведенческие отношения в стандартных и изменяющихся ситуациях профессиональной деятельности для решения разнообразных задач, в том числе с высоким уровнем сложности и неопределенности. В структуру компетенции входит сформированность у личности внутренней мотивации, психологической и практической готовности к достижению более качественных результатов в своей профессиональной деятельности и социальной жизни.

Введение в профессиональное образование компетентностного подхода обусловлено рядом таких факторов, как:

·  экономическая неопределенность, вызывающая необходимость непрерывного повышения уровня образовательной квалификации;

·  децентрализация процесса принятия решений, требующая от специалистов способности работать самостоятельно, анализировать сложные ситуации и принимать ответственные решения;

·  широкое внедрение компьютерных технологий;

·  глобализация экономики, делающая необходимым владение иностранными языками.

Квалификация сегодня – это не только профессиональные знания, умения и навыки, но и качества личности, востребованные современным видом профессионального труда. Следовательно, можно утверждать: современное высшее образование должно быть ориентировано на формирование личности, адекватной содержанию профессиональной деятельности. Реализовать такое образование можно только при широком внедрении в практику деятельностной, личностно ориентированной концепции.

Справедливости ради следует отметить, что в отечественной системе образования применительно к высшей школе еще много лет назад существовала практика составления квалификационных характеристик специалиста, представленных в виде разделов государственных образовательных стандартов (ГОС ВПО), разработанных в 1991 – 1993 и 1999 – 2000 гг. В них закреплялись требования к знаниям, умениям и навыкам выпускников различных специальностей, где помимо знаниевой парадигмы присутствовали термины «готовность» «способность», «ответственность» и «понимание», расширяющие тесные рамки такой парадигмы. Однако существующие тогда традиционные подходы…«были слабо ориентированы на интегральные междисциплинарные знания в силу заложенной в них одномерности, не проверяющей степень освоения выпускниками компетенций, включая способность учиться, способность к анализу и синтезу, переносу знаний и умений в новые ситуации, генерации идей и т. д.»[4]. Поэтому на совещании проректоров по учебной работе вузов России на тему «Качество высшего образования: оценка и управление» (2002) Министерству образования РФ было рекомендовано для объективной оценки качества образования перевести в диагностическую форму требования к профессиональной подготовленности выпускников вузов, отраженные в стандартах.

Приоритетным показателем качества подготовки выпускника современного вуза на рынке труда является не количество отличных оценок в его приложении к диплому, а готовность быстро, без особых усилий адаптироваться на рабочем месте и соответствовать профессиональным требованиям той специальности, по которой его готовили в университете.

Из за большого объема этот материал размещен на нескольких страницах: 1 2 3 4 5 6 7 8 9 10 11 12 13