Инструментальный репозиторий

По ссыл­ке, дан­ной ни­же, до­с­ту­пен файл clisp-2.49-win32-mingw-big.exe, яв­ля­ю­щий­ся ав­то­ус­та­нов­щи­ком од­ной из ре­а­ли­за­ций ANSI Common LISP для ком­пью­те­ров, ра­бо­та­ю­щих под уп­рав­ле­ни­ем опе­ра­ци­он­ных сис­тем се­мейст­ва Windows. Этот LISP-ин­тер­пре­та­тор про­из­ве­ден и рас­прост­ра­ня­ет­ся как бес­плат­ное, от­к­ры­тое и сво­бод­ное про­г­рам­мное обес­пе­че­ние со­об­щест­вом GNU.

clisp-2.49-win32-mingw-big.exe

По ссылке, данной ниже, доступен файл perceptron-interactive.lisp, в котором содержится LISP-код программы-нейроимитатора, работающей как простейший персептрон (простейшая нейронная сеть), обучающийся в пошаговом (поэтапном) режиме и пригодный в случае удачного обучения к дальнейшей эксплуатации.

perceptron-interactive.lisp

По ссылке, данной ниже, доступен файл perceptron-rosenblatt.lisp, в котором содержится программа-нейроимитатор (на языке LISP), работающая как простейший персептрон (простейшая нейронная сеть), обучающийся в пошаговом (поэтапном) режиме и и пригодный в случае удачного обучения к дальнейшей эксплуатации.

perceptron-rosenblatt.lisp

По ссылке, данной ниже, доступен файл perceptron-packet.lisp, в котором содержится программа-нейроимитатор (на языке LISP), работающая как простейший персептрон (простейшая нейронная сеть), обучающийся в пакетном режиме и распознающий затем один контрольный образ.

perceptron-packet.lisp

По ссыл­ке, дан­ной ни­же, до­с­ту­пен файл primitive-classifier.lisp, в ко­то­ром со­дер­жит­ся кон­соль­ная про­г­рам­ма (на язы­ке LISP), ра­бо­та­ю­щая как прос­тей­ший мно­жест­вен­ный клас­си­фи­ка­тор, обу­ча­ю­щий­ся на па­ке­те об­ра­зов, пред­с­тав­ля­ю­щих каж­дый класс и от­но­ся­щий за­тем один кон­т­роль­ный об­раз к од­но­му из пред­став­лен­ных в хо­де обу­че­ния клас­сов.

primitive-classifier.lisp

Практические работы
(для студентов 2-го курса)

Практическая работа №1
(для студентов 2-го курса)

Тема: обучение простейшей нейронной сети.

Цель работы: изучить практически построение нейронной сети и ее обучение на простейшем примере.

Задачи:

  1. Описать схему устройства и принцип действия простейшей нейронной сети.
  2. Создать компьютерную программу, имитирующую работу простейшей нейронной сети (простейший нейроимитатор). Примечание: если студент сам не смог разработать названную компьютерную программу, то он может воспользоваться имеющейся в инструментальном репозитории LISP-программой perceptron-rosenblatt.lisp.
  3. Описать алгоритм пошагового обучения простейшей нейронной сети (алгоритм Розенблатта).
  4. Реализовать обучение простейшей нейронной сети по алгоритму Розенблатта.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Три дидактические карточки. На каждой дан двоичный вектор и соответствующее ему образное (приемлемое для человеческого восприятия) представление.

Вопросы к формулированию выводов:

  1. Насколько эффективен алгоритм пошагового (поэтапного) обучения нейронной сети?
  2. Недостатки алгоритма пошагового (поэтапного) обучения нейронной сети.
  3. Ваши предложения по поводу повышения эффективности обучения нейронных сетей.

Пример отчета по практической работе №1

Практическая работа №2
(для студентов 2-го курса)

Тема: обучение простейшей нейронной сети в пакетном режиме с ручным вычислением понятия (концепта) и порога.

Цель работы: проверить эффективность обучения нейронной сети в пакетном режиме.

Задачи:

  1. Описать алгоритм обучения нейронной сети в пакетном режиме.
  2. Реализовать обучение нейронной сети в пакетном режиме. Примечание: студент, выполняя данную практическую работу, может воспользоваться имеющейся в инструментальном репозитории LISP-программой perceptron-rosenblatt.lisp.
  3. Сделать выводы, сравнив пошаговый (поэтапный) и пакетный режимы обучения нейронной сети.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Несколько дидактических карточек. На каждой дан двоичный вектор и соответствующее ему образное (приемлемое для человеческого восприятия) представление. Не менее двух карточек представляют собой правильные обучающие образы. Не менее двух карточек представляют собой неправильные обучающие образы. Не менее одной карточки – множество контрольных образов.

Вопросы к формулированию выводов:

  1. Насколько эффективен алгоритм пакетного обучения нейронной сети?
  2. Недостатки (если они есть) алгоритма пакетного обучения нейронной сети.

Пример отчета по практической работе №2

Практическая работа №3
(для студентов 2-го курса)

Тема: обучение простейшей нейронной сети в пакетном режиме с автоматическим вычислением понятия (концепта) и порога.

Цель работы: освоить работу с компьютерной программой, имитирующей деятельность простейшей нейронной сети и автоматически обучающейся в пакетном режиме.

Задачи:

  1. Описать подготовку дидактических материалов и нейроимитатора к работе.
  2. Реализовать обучение нейронной сети и ее работу в режиме эксплуатации. Примечание: студент, выполняя данную практическую работу, может воспользоваться имеющейся в инструментальном репозитории LISP-программой perceptron-packet.lisp.
  3. Сделать выводы; выделить тип интеллектуальных задач, решаемых обучаемыми нейронными сетями; предложить направления применения обучаемых нейронных сетей в педагогике.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Девять дидактических карточек. На каждой дан двоичный вектор и соответствующее ему образное (приемлемое для человеческого восприятия) представление. Три карточки представляют собой правильные обучающие образы. Три карточки представляют собой неправильные обучающие образы. Три карточки – множество контрольных образов.

Вопросы к формулированию выводов:

  1. В чем сущность такого типа задач, решаемых системами искусственного интеллекта, как задачи классификации?
  2. Почему простейшую нейронную сеть (простейший персептрон) можно называть бинарным классификатором?
  3. Какой может быть идея устройства и принципа действия обучаемой интеллектуальной системы, решающей задачу множественной (то есть более, чем бинарной) классификации?
  4. Где в педагогике могут возникать задачи классификации (точное алгоритмическое описание классифицирующих оснований для которых затруднено)?

Практическая работа №4
(для студентов 2-го курса)

Тема: обучение и применение интеллектуального множественного классификатора

Цель работы: освоить работу с компьютерной программой, рабтающей как обучаемый интеллектуальный множественный классификатор.

Задачи:

  1. Разработать задание, которое может предлагаться обучающимся или испытуемым в ходе учебно-воспитательной или научно-исследовательской деятельности педагога. Результат выполнения задания должен представляться упорядоченным набором чисел (числовым вектором).
  2. Получить не менее 10-ти результатов выполнения задания. Руководствуясь собственными педагогическими интуицией и опытом разделить результаты не менее, чем на три класса.
  3. Задать числовые векторы, представляющие каждый из классов, в качестве образов, обучающих интеллектуальный множественный классификатор.
  4. Получить еще не менее 2-х результатов выполнения задания. Отнести их к ранее полученным классам с помощью классификатора. Сопоставить решения классификатора с собственной точкой зрения по поводу этих контрольных результатов.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Компьютерный обучаемый интеллектуальный множественный классификатор (можно использовать программу primitive-classifier.lisp, имеющуюся в инструментальном репозитории).

Вопросы к формулированию выводов:

  1. Где в педагогических исследованиях и педагогической практике могут применяться множественные классификаторы?
  2. В чем состоит основное преимущество классификации, проводимой с помощью интеллектуальных систем, перед алгоритмической классификацией?

Практическая работа №5
(для студентов 2-го курса)

Тема: Построение простейшей рассуждающей системы.

Цель работы: освоить приемы построения рассуждающих интеллектуальных систем.

Задачи:

  1. Придумать систему объектов (заимствованных из Вашей профессиональной предметной области) и первичных отношений между ними. Записать их в виде фактов в базу знаний PROLOG-системы.
  2. На основании первичных отношений ввести одно или несколько новых отношений. Задать их правилами в базе знаний PROLOG-системы. К каждому правилу добавить схему рассуждений.
  3. Реализовать диалог с PROLOG-системой. По его итогам сделать выводы.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования PROLOG. (в качестве открытого, свободного и бесплатного можно использовать PROLOG-интерпретатор, распространяемый с ресурса gprolog.org).
  3. Простой текстовый редактор.

Вопросы к формулированию выводов:

  1. В чем состоит сущность идеи рассуждающих интеллектуальных компьютерных систем? Почему их еще называют экспертными системами? Почему их еще называют консультирующими системами?
  2. Где в человеческой практике могут применяться рассуждающие (экспертные, консультирующие) интеллектуальные компьютерные системы?

Практическая работа №6
(для студентов 2-го курса)

Тема: Использование идей нечеткой логики и разработка квалиметрического теста.

Цель работы: освоить практически методику разработки квалиметрических тестов.

Задачи:

  1. Выбрать некоторое педагогическое качество, для измерения уровня состояния которого трудно найти естественный простой эталон. Например, к таким качествам не относится академическая успеваемость обучающегося (ее показателем является система фактически полученных оценок) и относится уровень мотивации учения обучающегося.
  2. Наметить список экспертов, на основании данных опроса которых будет сформирована эмпирическая модель изучаемого качества (не менее 10-ти человек).
  3. На основании "сырых" данных опроса экспертов сформировать одноуровневую эмпирическую модель изучаемого (измеряемого) качества.
  4. Выполнить экспертную оценку значимости каждого критерия в эмпирической модели. В терминах теории нечетких множеств Лотфи Заде: определить степень принадлежности каждого критерия к множеству критериев изучаемого (измеряемого) качества.
  5. По каждому критерию сформулировать не менее двух бинарных вопросов.
  6. Вычислить максимальное количество "сырых" баллов, которое можно набрать, ответив "наилучшим" образом на каждый из бинарных вопросов.
  7. Вывести формулу для оценки уровня состояния изучаемого (измеряемого) качества по 100-балльной шкале.
  8. Выполнить компьютерную реализацию полученного квалиметрического теста.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, простым текстовым редактором и стандартным (в смысле соответствия рекомендациям Worldwide Web Consortium) Веб-браузером.
  2. Калькулирующая (вычисляющая) компьютерная программа (любой электронный калькулятор или процессор электронных таблиц).

Вопросы к формулированию выводов:

  1. Когда для измерения изучаемых качеств оправданы разработка и применение квалиметрических тестов?
  2. Где в человеческой практике могут применяться квалиметрические методики?

Практические работы
(для студентов 4-го курса)

Практическая работа №1
(для студентов 4-го курса)

Тема: обучение простейшей нейронной сети в пошаговом режиме.

Цель работы: освоить пошаговый режим обучения нейронных сетей.

Задачи:

  1. Описать сущность пошагового режима обучения нейронной сети.
  2. Выполнить обучение нейронной сети в пошаговом режиме и проверить качество ее обучения в режиме эксплуатации. Примечание: студент, выполняя данную практическую работу, может воспользоваться имеющейся в инструментальном репозитории LISP-программой perceptron-interactive.lisp.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP. Примечание: в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории.
  3. Дидактические карточки, на каждой из которых дан двоичный вектор и соответствующее ему образное (приемлемое для человеческого восприятия) представление.

Вопросы к формулированию выводов:

  1. Какова сущность деятельности субъекта, обучающего нейронную сеть в пошаговом режиме?
  2. Достигается ли дидактическая цель при обучении нейронной сети в пошаговом режиме?
  3. Каковы недостатки пошагового режима обучения нейронных сетей? Какие пути их исправления могут быть предложены?

Практическая работа №2
(для студентов 4-го курса)

Тема: обучение простейшей нейронной сети в пакетном режиме.

Цель работы: освоить работу с компьютерной программой, имитирующей деятельность простейшей нейронной сети и автоматически обучающейся в пакетном режиме.

Задачи:

  1. Описать подготовку дидактических материалов и нейроимитатора к работе.
  2. Реализовать обучение нейронной сети и ее работу в режиме эксплуатации. Примечание: студент, выполняя данную практическую работу, может воспользоваться имеющейся в инструментальном репозитории LISP-программой perceptron-packet.lisp.
  3. Сделать выводы; выделить тип интеллектуальных задач, решаемых обучаемыми нейронными сетями; предложить направления применения обучаемых нейронных сетей в педагогике.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Девять дидактических карточек. На каждой дан двоичный вектор и соответствующее ему образное (приемлемое для человеческого восприятия) представление. Три карточки представляют собой правильные обучающие образы. Три карточки представляют собой неправильные обучающие образы. Три карточки – множество контрольных образов.

Вопросы к формулированию выводов:

  1. В чем сущность такого типа задач, решаемых системами искусственного интеллекта, как задачи классификации?
  2. Почему простейшую нейронную сеть (простейший персептрон) можно называть бинарным классификатором?
  3. Какой может быть идея устройства и принципа действия обучаемой интеллектуальной системы, решающей задачу множественной (то есть более, чем бинарной) классификации?
  4. Где в педагогике могут возникать задачи классификации (точное алгоритмическое описание классифицирующих оснований для которых затруднено)?

Практическая работа №3
(для студентов 4-го курса)

Тема: обучение и применение интеллектуального множественного классификатора

Цель работы: освоить работу с компьютерной программой, рабтающей как обучаемый интеллектуальный множественный классификатор.

Задачи:

  1. Разработать задание, которое может предлагаться обучающимся или испытуемым в ходе учебно-воспитательной или научно-исследовательской деятельности педагога. Результат выполнения задания должен представляться упорядоченным набором чисел (числовым вектором).
  2. Получить не менее 10-ти результатов выполнения задания. Руководствуясь собственными педагогическими интуицией и опытом разделить результаты не менее, чем на три класса.
  3. Задать числовые векторы, представляющие каждый из классов, в качестве образов, обучающих интеллектуальный множественный классификатор.
  4. Получить еще не менее 2-х результатов выполнения задания. Отнести их к ранее полученным классам с помощью классификатора. Сопоставить решения классификатора с собственной точкой зрения по поводу этих контрольных результатов.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Интерпретатор языка интеллектуального программирования LISP (в качестве открытого, свободного и бесплатного можно использовать LISP-интерпретатор, предложенный выше в инструментальном репозитории).
  3. Компьютерный обучаемый интеллектуальный множественный классификатор (можно использовать программу primitive-classifier.lisp, имеющуюся в инструментальном репозитории).

Вопросы к формулированию выводов:

  1. Где в педагогических исследованиях и педагогической практике могут применяться множественные классификаторы?
  2. В чем состоит основное преимущество классификации, проводимой с помощью интеллектуальных систем, перед алгоритмической классификацией?

Практическая работа №4
(для студентов 4-го курса)

Тема: Применение идей нечеткой логики. Разработка и пилотное применение квалиметрического теста

Цель работы: освоить практически одно из применений идей нечеткой логики – квалиметрические измерения.

Задачи:

  1. Выбрать для изучения некоторое педагогическое качество (педагогический феномен).
  2. Наметить список экспертов, на основании результатов опроса которых будет сформирована эмпирическая модель изучаемого педагогического качества (педагогического феномена).
  3. Реализовать опрос экспертов. На основании данных опроса сформировать одноуровневую эмпирическую модель изучаемого педагогического качества (педагогического феномена).
  4. Реализовать оценку экспертами значимости каждого критерия (фактора) в эмпирической модели.
  5. По каждому критерию придумать не менее двух бинарных вопросов (то есть вопросов типа да-нет).
  6. Вывести квалиметрическую формулу для оценки уровня выраженности измеряемого педагогического качества.
  7. Выполнить компьютерную реализацию полученного квалиметрического теста.
  8. Выполнить несколько измерений с помощью полученного компьютерно-квалиметрического инструмента и привести результаты этих измерений.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Стандартный Веб-браузер (например, Mozilla Firefox).
  3. Простой текстовый редактор (например KWrite, gedit и им подобные).

Вопросы к формулированию выводов:

  1. Какими могут быть направления применения квалиметрических инструментов в педагогике?
  2. Каковы преимущества и недостатки квалиметрического метода по сравнению с другими методами педагогических измерений?

Практическая работа №5
(для студентов 4-го курса)

Тема: Автоматизированное выявление семантики текста. Разработка интеллектуального наглядного педагогического средства Облако слов.

Цель работы: освоить практически одно из применений компьютерных интеллектуальных систем, выявляющих семантику.

Задачи:

  1. Подготовить исходный текст в соответствии с будущей профессиональной специализацией.
  2. С помощью компьютерной интеллектуальной системы, выявляющей семантику текста (например, облакослов.рф), построить по исходному тексту облако слов.
  3. В случае необходимости модифицировать анализируемый текст и (или) параметры анализа.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Стандартный Веб-браузер (например, Mozilla Firefox).
  3. Текстовый процессор (например, OpenOffice Writer).

Вопросы к формулированию выводов:

  1. Какими могут быть направления педагогического применения интеллектуальных компьютерных систем, выявляющих семантику?
  2. Какими могут быть способы педагогического применения такого средства обучения, как облако слов?

Практическая работа №6
(для студентов 4-го курса)

Тема: Применение идей объектно-ориентированного моделирования. Разработка гипертекстовой страницы

Цель работы: ознакомиться практически с сущностью одного из применений идей объектно-ориентированного моделирования – языком разметки гипертекста HTML.

Задачи:

  1. Подготовить замысел гипертекстовой страницы, представляющей информацию, соответствующую будущей профессиональной направленности.
  2. Разработать гапертекстовую страницу согласно с подготовленным замыслом.

Оборудование и материалы:

  1. Компьютер с установленной на нем операционной системой, поддерживающей указываемое ниже программное обеспечение.
  2. Стандартный Веб-браузер (например, Mozilla Firefox).
  3. Простой текстовый редактор (например, KDE KWrite, GNOME gedit и им подобные).

Вопросы к формулированию выводов:

  1. Какими могут быть направления педагогического применения гипертекстовых систем?
  2. Какими могут быть способы научного и практического применения в педагогике идей объектно-ориентированного моделирования?