Використання нечіткої логіки у процесі експертного оцінювання електронних навчальних ресурсів

Ключові слова: системи комп'ютерної математики, рекомендаційна система, електронні навчальні ресурси, нечітка логіка, експертне оцінювання

Анотація

Розглянуто процедури експертного оцінювання для визначення якості електронних навчальних ресурсів, що базуються на теорії нечіткої логіки та використанні методу аналізу ієрархій. Концепцію нечіткої логіки використано для кількісної оцінки якісних даних для генерування рекомендацій. Запропоновано проєкт рекомендаційної системи на підставі методів нечіткої логіки для експертного оцінювання електронних навчальних ресурсів, зокрема систем комп'ютерної математики та генерування рекомендацій щодо вибору найефективніших для використання в навчальному процесі. Розглянуто та проаналізовано поняття рекомендаційних систем залежно від сфери застосування. Введено поняття рекомендаційної системи для вибору найефективніших електронних навчальних ресурсів. Здійснено огляд наукових публікацій щодо застосування експертного оцінювання, використання методів нечіткої логіки та рекомендаційних систем. Наведено загальну архітектуру рекомендаційної системи з описом функціоналу підсистем. Показано основні можливості застосування теорії нечіткої логіки у процесах генерації рекомендацій. Розглянуто приклади практичного використання теорії нечіткої логіки в процесі вибору систем комп'ютерної математики. Наведено основні критерії оцінювання систем комп'ютерної математики. Використано метод парних порівнянь для розрахунку важливості критеріїв. Детально описано процес оцінювання електронних навчальних ресурсів з використанням методів нечіткої логіки та подано алгоритм роботи цього підходу. Внаслідок проведеного експертного оцінювання отримано перелік рекомендованих альтернатив електронних навчальних ресурсів, що відповідають заданим критеріям. Наведено загальну структуру рекомендаційної системи вибору електронних навчальних ресурсів.

Біографії авторів

В. В. Пасічник, Національний університет "Львівська політехніка", м. Львів

д-р техн. наук, професор, кафедра інформаційних систем та мереж

В. Л. Юнчик, Волинський національний університет ім. Лесі Українки, м. Луцьк

ст. викладач, кафедра загальної математики та методики навчання інформатики

Н. Е. Кунанець, Національний університет "Львівська політехніка", м. Львів

д-р соц. ком. наук, професор, кафедра інформаційних систем та мереж

А. А. Федонюк, Волинський національний університет ім. Лесі Українки, м. Луцьк

канд. фіз.-мат. наук, доцент, кафедра загальної математики та методики навчання інформатики

Посилання

Aguilar, S. J. (2020). A research-based approach for evaluating resources for transitioning to teaching online. Information and Learning Sciences, 121(5/6), 301–310. https://doi.org/10.1108/ILS-04-2020-0072
Almazyad, R. (2019). Enhancing the Quality and Reliability of OER Content. Eighth International Conference on Educational Innovation through Technology (EITT), 35–38. https://doi.org/10.1109/EITT.2019.00016
Almohammadi, K., & Hagras, H. (2013). An adaptive fuzzy logic based system for improved knowledge delivery within intelligent E-Learning platforms. IEEE International Conference on Fuzzy Systems, 1–8. https://doi.org/10.1109/FUZZ-IEEE.2013.6622350
Aly, S., & Vrana, I. (2018). Toward efficient modeling of fuzzy expert systems: a survey. Agricultural Economics, 52, 456–460. https://doi.org/10.17221/5051-agricecon
Artemenko, O., Kunanets, O., & Pasichnyk, V. (2017). E-tourism recommender systems: a survey and development perspectives. Econtechmod, 6(2), 91–95.
Bernardi, L., Kamps, J., Kiseleva, Y., & Mueller, M. (2015). The Continuous Cold Start Problem in e-Commerce Recommender Systems. CEUR Workshop Proceedings, 1448, 30–33.
Cañas, A., Santos, J., Anido-Rifón, L., & Perez-Rodriguez, R. (2015). A Recommender System for Non-traditional Educational Resources: A Semantic Approach. Journal of Universal Computer Science, 21(2), 306–325.
Chen, Y., Li, X., Liu, J., & Ying, Z. (2017). Recommendation System for Adaptive Learning. Applied Psychological Measurement, 42(1), 24–41. https://doi.org/10.1177/0146621617697959
Chrysafiadi, K., & Virvou, M. (2015). Fuzzy Logic for Adaptive Instruction in an E-learning Environment for Computer Programming. IEEE Transactions on Fuzzy Systems, 23(1), 164–177. https://doi.org/10.1109/TFUZZ.2014.2310242
Clements, K. I., & Pawlowski, J. M. (2012). User-oriented quality for OER: understanding teachers views on re-use, quality, and trust. J. Comput. Assist. Learn., 28, 4–14. https://doi.org/10.1111/j.1365-2729.2011.00450.x
Dwivedi, P., & Bharadwaj, K. (2013). E-Learning recommender system for a group of learners based on the unified learner profile approach Expert Systems, 32(2), 264–276. https://doi.org/10.1111/exsy.12061
Elias, M., Oelen, A., Tavakoli, M., Kismihók, G., & Auer, S. (2020). Quality Evaluation of Open Educational Resources. EC-TEL, 12315. https://doi.org/10.1007/978-3-030-57717-9_36
Eryilmaz, M., & Adabashi, A. M. (2020). Development of an Intelligent Tutoring System Using Bayesian Networks and Fuzzy Logic for a Higher Student Academic Performance. Applied Sciences, 10, 10(19), 1–18. https://doi.org/10.3390/app10196638
Esteban, A., Zafra, A., & Romero, C. (2019). Helping university students to choose elective courses by using a hybrid multi-criteria recommendation system with genetic optimization. Knowledge-Based Systems, 194(4). https://doi.org/10.1016/j.knosys.2019.105385
Fedoniuk, A. A., & Yunchyk, V. L. (2019). Porivnialna kharakterystyka funktsionalnykh mozhlyvostei system kompiuternoi matematyky v protsesi rozviazuvannia zadach. Visnyk Natsionalnoho universytetu" Lvivska politekhnika". Informatsiini systemy ta merezhi, 6, 90–102. https://doi.org/10.23939/sisn2019.02.090
Fedonuyk, A., Yunchyk, V., Cheprasova, T., & Yatsyuk, S. (2020). The Models of Data and Knowledge Representation in Educational System of Mathematical Training of IT-specialists. IEEE 15th International Conference on Computer Sciences and Information Technologies, 2, 269–272. https://doi.org/10.1109/CSIT49958.2020.9321899
Fedonuyk, A., Yunchyk, V., Mukutuyk, I., Duda, O., & Yatsyuk, S. (2021). Application of the hierarchy analysis method for the choice of the computer mathematics system for the IT-sphere specialists preparation. Journal of Physics: Conference Series, 1840(1). https://doi.org/10.1088/1742-6596/1840/1/012065
Gordillo, A., López-fernández, D., & Verbert, K. (2020). Examining the Usefulness of Quality Scores for Generating Learning Object Recommendations in Repositories of Open Educational Resources. Applied Sciences, 10. https://doi.org/10.3390/app10134638
Guruprasad, M., Ramachandran, S., & Balasubramanian, S. (2016). Fuzzy logic as a tool for evaluation of performance appraisal of faculty in higher education institutions. SHS Web of Conferences, 26. https://doi.org/10.1051/shsconf/20162601121
Hrytsiuk, Y. I., & Buchkovska, A. Y. (2018). Visualization of the results of expert evaluation of software quality using polar diagrams. Scientific Bulletin of UNFU, 27(10), 137-145. https://doi.org/10.15421/40271025
Hrytsiuk, Y. I., & Dalyavskyy, V. S. (2018). Using Petal Diagram for Visualizing the Results of Expert Evaluation of Software Quality. Scientific Bulletin of UNFU, 28(9), 95-104. https://doi.org/10.15421/40280919
Ishak, I. (2015). Application of fuzzy logic to student performance in calculation subjects. In Proceedings of the 4th National Symposium & Exhibition on Business & Accounting.
Ko, H., Lee, S., Park, Y., & Choi, A. (2022). A Survey of Recommendation Systems: Recommendation Models, Techniques, and Application Fields. Electronics, 11(1), 141. https://doi.org/10.3390/electronics11010141
Kuts, A. M. (2015). Metod predstavlennia ekspertnoi informatsii zasobamy nechitkoi lohiky ta otrymannia hrupovoi otsinky dumok ekspertiv. Tekhnolohycheskyi audyt y rezervy proyzvodstva, 2 (2(22)), 17–21. https://doi.org/10.15587/2312-8372.2015.40778
Leema, A., & Gulzar, Z. (2020). PCRS: Personalized Course Recommender System Based on Hybrid Approach. Procedia Computer Science, 125, 518–524. https://doi.org/10.1016/j.procs.2017.12.067
Lin, J., Pu, H., Li, Y., & Lian, J. (2018). Intelligent recommendation system for course selection in smart education. Procedia Computer Science, 129, 449–453. https://doi.org/10.1016/j.procs.2018.03.023
Meleshko, Ye. V., Semenov, S. H., & Khokh, V. D. (2018). Doslidzhennia metodiv pobudovy rekomendatsiinykh system v merezhi Internet. Systemy upravlinnia, navihatsii ta zviazku. Zbirnyk naukovykh prats. 1, 131–136. https://doi.org/10.26906/SUNZ.2018.1.131
Nehrei, M. V., & Hnot, T. V. (2017). Komparatyvnyi analiz efektyvnosti rekomendatsiinykh system v marketynhu. Visnyk Khmelnytskoho natsionalnoho universytetu. Ekonomichni nauky, (5), 278–286.
Obeid, C., Lahoud, I., El Khoury, H., & Champin, P. A. (2018). Ontology-based recommender system in higher education. In Companion Proceedings of the The Web Conference 2018, 1031–1034. https://doi.org/10.1145/3184558.3191533
Ojokoh, B. A., Omisore, M. O., Samuel, O. W., & Ogunniyi, T. O. (2012). A fuzzy logic based personalized recommender system. International Journal of Computer Science and Information Technology & Security (IJCSITS), 2(5), 1008–1015.
Pasichnyk, V. V., & Artemenko O. I. (2018). Osoblyvosti pobudovy prostorovo oriientovanykh mobilnykh turystychnykh rekomendatsiinykh system. Materialy XIV mizhnarodnoi konferentsii "Kontrol i upravlinnia v skladnykh systemakh (KUSS-2018)", 68–72.
Pelaez, A. R., Segarra-Faggioni, V., Piedra, N., & Tovar, E. (2019). A Proposal of Quality Assessment of OER Based on Emergent Technology. 2019 IEEE Global Engineering Education Conference (EDUCON), 1114–1119. https://doi.org/10.1109/EDUCON.2019.8725067
Purskyi, O. I., & Kharchenko, O. A. (2018). Vykorystannia rekomendatsiinykh system na osnovi metodiv Machine Learning u ramkakh vyvchennia dystsypliny "Elektronna torhivlia". Novitni kompiuterni tekhnolohii, 16, 147–151.
Ramathilagam, A., & Pitchipoo, P. () Modeling and development of fuzzy logic-based intelligent decision support system. Romanian journal of information science and technology, 25(1), 58–79.
Romero-Pelaez, A., & Solano, R. E. (2020). Prototype proposal for the selection of Quality Open Educational Resources. 2020 XV Conferencia Latinoamericana de Tecnologias de Aprendizaje (LACLO), 1–6. https://doi.org/10.1109/LACLO50806.2020.9381179
Salmi, K., Magrez, H., & Ziyyat, A. (2019). A Novel Expert Evaluation Methodology Based on Fuzzy Logic. iJET, 14, 160–173.
Shu, J., Shen, X., Liu, H., Yi, B., & Zhang, Z. (2018). A content-based recommendation algorithm for learning resources. Multimedia Systems, 24(2), 163–173. https://doi.org/10.1007/s00530-017-0539-8
Sun, T. J., Lv, X., Cai, Y., Pan, Y., & Huang, J. (2021). Software test quality evaluation based on fuzzy mathematics. J. Intell. Fuzzy Syst., 40, 6125–6135. https://doi.org/10.3233/JIFS-189451
Tarus, J. K., Niu, Z., & Mustafa, G. (2018). Knowledge-based recommendation: a review of ontology-based recommender systems for e-learning. Artificial intelligence review, 50(1), 21–48. https://doi.org/10.1007/s10462-017-9539-5
Tavakoli, M., Elias, M., Kismihok, G., & Auer, S. (2021). Metadata Analysis of Open Educational Resources. LAK21: 11th International Learning Analytics and Knowledge Conference. https://doi.org/10.48550/arXiv.2101.07735
Varghese, A., Kolamban, S., Sreedhar, J. P., & Nayaki, S. S. (2017). Outcome based Assessment using Fuzzy Logic. International Journal of Advanced Computer Science and Applications, 8. https://doi.org/10.14569/IJACSA.2017.080115
Wan, S., & Niu, Z. (2018). An e-learning recommendation approach based on the self-organization of learning resource. Knowledge-Based Systems, 160, 71–87. https://doi.org/10.1016/j.knosys.2018.06.014
Yadav, R. S., & Patel, J. (2022). A Study of Students Academic Performance Using Artificial Intelligence: A Fuzzy Logic Approach. Innovations in Science and Technology 7, 132–141. https://doi.org/10.9734/bpi/ist/v7/15701D
Yunchyk, V. L., Fedoniuk, A. A., & Pasichnyk, V. V. (2022). Protsedury otsiniuvannia yakosti elektronnykh navchalnykh resursiv z vykorystanniam peliustkovykh diahram. Visnyk Natsionalnoho universytetu" Lvivska politekhnika". Informatsiini systemy ta merezhi, 11, 87–102.
Yunchyk, V., Fedonuyk, A., Khomyak, M., & Yatsyuk, S. (2021). Cognitive modeling of the learning process of training IT specialists. In CEUR Workshop Proceedings, 141–150.
Yuriy Hrytsiuk, Orest Bilas. (2019). Visualization of Software Quality Expert Assessment. IEEE 2019 14th International Scientific and Technical Conference on Computer Sciences and Information Technologies (CSIT 2019), (Vol. 2, pp. 156–160), 17–20 September, Lviv, Ukraine. Lviv: Lviv Polytechnic National University, 206 p. https://doi.org/10.1109/stc-csit.2019.8929778
Опубліковано
2022-08-31
Як цитувати
Пасічник, В. В., Юнчик, В. Л., Кунанець, Н. Е., & Федонюк, А. А. (2022). Використання нечіткої логіки у процесі експертного оцінювання електронних навчальних ресурсів. Науковий вісник НЛТУ України, 32(4), 66-76. https://doi.org/10.36930/40320411
Розділ
Інформаційні технології