Developed upgraded combinatorial algorithm of group method of data handling (GMDH) to identify the target functions of students’ knowledge quality (SKQ), which implements a rational calculation process with the estimation procedure of independent parameters and order of external criteria application for the optimal models selection
identification algorithm, quality of student knowledge, group method of data handling
В настоящее время с формированием нового информационного общества все более актуальными становятся проблемы развития системы образования. Таким образом, естественно рассматривать в качестве управляемого процесса качество знаний студентов (КЗС) или группы студентов (КЗГ). В настоящей работе предлагается алгоритм идентификации моделей качества знаний студентов (групп) и создания постоянно действующих математических моделей (ПДММ) КЗС с целью их дальнейшего использования для управления КЗС. Для реализации методики идентификации моделей КЗС предлагается использовать комбинаторный алгоритм МГУА.
Предположим, что в качестве класса отображений будет выступать динамическая функция
, (1)
где Y – идентифицируемая функция (КЗС); ω1, ω2,... – внешние параметры, - внутренние параметры экономико-социальной системы ВУЗа; t – время; z-запаздывание, z=0,1,2; m1 и m2 – соответственно количество внешних и внутренних переменных, взятых для проведения эксперимента по идентификации модели КЗС.
При реализации МГУА могут использоваться комбинаторный алгоритм и многорядные алгоритмы отбора моделей [1]. Выбор комбинаторного алгоритма МГУА диктуется стремлением получить прогностическую модель управления КЗС с минимальной погрешностью прогноза. Многорядные алгоритмы не обеспечивают просмотр всех моделей в классе отображений (1), что увеличивает риск пропустить оптимальную модель (оптимальная модель - модель с минимумом внешних критериев отбора [2]).
1. Ivakhnenko, A. G. Pepebopnye metody samoopganizatsii modeley i klastepizatsiy (obzop osnovnykh novykh idey) [Tekst] / A. G. Ivakhnenko. Avtomatika. – 1989. – № 4. – S. 82-93.
2. Ivakhnenko, A. G. Modelirovanie slozhnykh sistem po eksperimental´nym dannym [Tekst] / A. G. Ivakhnenko, Yu. P. Yurachkovskiy. –M. : Radio i svyaz´, 1987. – 120 s.
3. Shkhacheva, R. G. Algoritm ranzhirovaniya peremennykh dlya identifikatsii tselevykh funktsiy sotsial´no-ekonomicheskikh protsessov v zadachakh upravleniya [Tekst] / R. G. Shkhacheva. Estestvennye i tekhnicheskie nauki. – 2011. – №2 (52). – S. 405-410.
4. Ivakhnenko, A. G. Dolgospochnoe ppognozipovanie sluchaynykh ppotsessov po algopitmam MGUA s ispol´zovaniem kpitepiev nesmeshchennosti i balansa pepemennykh [Tekst] / A. G. Ivakhnenko, H. A. Ivakhnenko. Avtomatika. – 1974. – № 4. – S. 52-59.
5. Starodubtsev, V. S. Strukturnoe modelirovanie ekonomicheskikh sistem [Tekst] : monografiya / V. S. Starodubtsev, T. L. Bezrukova. – Voronezh : Izd-vo Istoki, 2004. – 115 s.
6. Ivakhnenko, A. G. Induktivnyy metod samoorganizatsii modeley slozhnykh sistem. [Tekst] / A. G. Ivakhnenko. – Kiev : Nauk. dumka, 1982. – 296 s.
