КӘРІБАЕВА А.С., ӘМІРОВА Д.Т., ТУКЕЕВ У.А

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
81
 
 
Лексикалық  таңдау  мәселесін  Апертиум  ашық  кодты/тегін  платформасында 
лексикалық  таңдау  ережелерін  жазу  арқылы  шешіп  жатырмыз(Forcada  et  al.  2011, 
http://www.apertium.org)[0. 
Апертиум – бұл бастапқы кодтармен берілген ашық машиналық аудармашы жүйесі. 
Апертиум машиналық аударма жүйесі бірнеше модульдерден құралады, солардың бірі 
– лексикалық модуль [0. 
2. Apertium платформасындағы лексикалық таңдау ережелері 
Лексикалық  таңдау  Апертиум  платформасындағы  басқа  модульдар  сияқты  аударма 
жүйесін  ақпаратпен    қамтамасыз  етеді.  Осы  ережелер  формализі  ережелердің  мәнмәтініне 
негізделеді. Ал, ережелер мәнмәтіні келесідей белгілердің тізбектілігінен тұруы керек: 
Берілген тілдің жеке лексикалық формасынан; 
Мақсат тілдің жеке лексикалық формасынан; 
Келесі бір операциялардың бірінен: 
SELECT – мақсат тілдің лексикалық формасына сәйкес аудармасын таңдайды және ол 
таңдалмаған басқа аудармаларды жояды; 
REMOVE  –  берілген  лексикалық  форма  шаблонын  қанағаттандыратын  мақсат  тілдің 
аудармасын жояды; 
Лексикалық таңдау ережелерін жазуда қолданылатын  шаблондар: 
 - ереженің басы;  
 – анықталатын сөз;  
tags="сөз_табы"  –  анықталатын  сөздің  жататын  сөз  табының  тэгі,  мысалы,  зат  есім  - 
"n", сын есім - "adj", т.с.с.;  
мағынасына сәйкес бір аудармасын таңдау; 
 tags="сөз_табы"  –  таңдалатын  сөздің  қай  сөз  табына  жататынын  көрсететін  тэг; 
,  -  сәйкес тэгтердің жабылуы. 
Лексикалық таңдау – сөз көп мәнді сөздің аудармасын мәтін мәнмәтініне байланысты 
бірін таңдау. 
Лексикалық таңдау – Апертиум платформасындағы модульдердің бірі. Бұл модуль сөз 
таптарын таңдаудан кейін жұмыс жасайтын модульдердің бірі. 
Лексикалық таңдаудың келесі ұғымдары бар: 
Аударылатын сөз; 
Ізделінетін сөз, яғни алатын аударма нұсқасы; 
Мәнмәтін. Бұл белгілер мен орналасқан орынның жиыны; 
Операциялар. Бұл аударылатын сөзді таңдаудан немесе жоюдан тұрады. 
Лексикалық  таңдау  ережелері  қолмен  жазылады.  Ережелерді  жазу  алдында  алдымен 
файлы құрылады. Оның аты келесідей болады: apertium-eng-kaz.kaz-eng.lrx (қазақ - ағылшын 
үшін), apertium-eng-kaz.eng- kaz.lrx(ағылшын - қазақ үшін).  
Лексикалық  таңдау  ережелерін  жазар  алдында,  алдымен  қазақ  тілінен  ағылшын  тіліне 
аударғанда  бірнеше  аудармасы  бар  қазақ  тіліндегі  сөзді  таңдап  алуымыз  керек.  Мысалы, 
“жер” деген сөздің алты аудармасы болады:  
Жер – ground 
Жер – place 
Жер – land 
Жер – earth  
Жер – parcel 
Жер – spot 
Жалпы осы берілген сөздерді сөздікке енгізгенде ең жиі кездесетіні  бірінші енгізіледі. 
Осы берілген сөздер әртүлі тіркеспен келгенде, әртүрлі болып аударылады. Егер “қазақ жері” 
деген  тіркесті  аударғанда  “Kazakh  land”,    “жер  планетасы”  тіркесінің  аудармасы  “earth 

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
82
 
 
planet”,  ал    “алыс  жер”  тіркесінің  аудармасы  “distant  place”  болады.  Осы  сөзге  байланысты 
ереже келесідей болады: 
 
   
     
       
       
     
 
   
  
 
 
 
   
 
    
 
 
   
Қазақ  тілінен  ағылшын  тіліне  аударғанда  кейбір  сөздердің  бірнеше  аудармасы 
болатынын  білдік.  Енді  тағы  бір  мысалды  қарастырайық.  Қазақ  тілінде  тек  категориясы 
болмағандықтан,  “ол” есімдігінің тек бір ғана аудармасы болады. Ал, қазақ тілінен ағылшын 
тіліне аударғанда үш аудармасы болады. Жалпы жағдайда, осы есімдіктің үнсіздік бойынша 
аудармасы “he” болады. Ал, егер нақты  “Ол әдемі қыз” деген сөйлемде, “she” есімдігі болуы 
керек.  Осы  берілген  сөйлемге  лексикалық  таңдау  ережесін  жазабаса,  онда  жүйе  келесідей 
аударманы береді: 
He is beautiful girl(бұл аударма дұрыс емес) 
Аударғанда “She is beautiful girl” болуы керек. Осындай аударма болуы үшін келесідей 
лексикалық таңдау ережесін жазамыз: 
 
 
  
  
 
 
 
Осы ережені жазғаннан кейін бұл сөйлем аудармасы дұрыс болады.  
Ал, ағылшын тіліндегі  «beautiful»  сөзінің қазақ тілінде екі  аудармасы болады: «әдемі» 
және  «көркем».  Осы  екі  аударма  ағылшын-қазақ  екітілді  сөздігінде  -  “apertium-eng-kaz.eng-
kaz.dix”  көрсетіледі.  Мәтіннің  құрылымына  сәйкес,  осы  екі  аударманың  лексикалық 
ережемен  біреуі  таңдалады.  Мысалы,  мәтінде  келесідей  құрылым  кездессе,  «beautiful  girl 
plays  in  garden»,  онда  лексикалық  ереже  келесі  түрде  жазылады:  егер  «beautiful»  сын 
еісімінен  кейін  «girl»  зат  есімі  келса,  онда  «beautiful»  сөзі  «әдемі»  деп  аударылады.  Басқа 
жағдайда,  егер  «beautiful  place»  тіркесінде  сын  есім  «көркем»  деп  аударылады.  Үндеместік 
бойынша  таңдалатын  аударма  үшін  ережені  жазуға  болады[
Ошибка!  Источник  ссылки  не 
найден.
. 
4. Қорытынды 
Қазіргі  кезде  Ағылшын-Қазақ  машиналық  аудармашысындағы  лексикалық  ережелер 
саны  оннан,  ал  Қазақ  –  Ағылшын  аудармашысында  он  бестен  асады.  Жалпы  лексикалық 

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
83
 
 
таңдау  ережелері  мақсат  тілдегі  көпмағыналылықты  жоюға  мүмкіндік  береді.  Болашақта 
жүйені ары қарай дамытамыз деп жоримыз. Жүйе аударма сапасы жоғары болуы үшін әлі де 
ережелер жазу керек. 
Пайдаланылған әдебиеттер тізімі: 
1.  Forcada,  M.L.,  Ginestí-Rosell,  M.,  Nordfalk,  J.,  O'Regan,  J.,  Ortiz-Rojas,  S.,  Pérez-Ortiz,  J.A. 
Sánchez-Martínez, F., Ramírez-Sánchez, G., Tyers, F.M. 2011. “Apertium: a free/open-source platform  for 
rule-based machine translation”. Machine Translation 25(2)127-144. 
2. Lexical selection.  – URL: http://wiki.apertium.org/ wiki /Lexical_selection(13.11.2014) 
3.  Сундетова  А.  М.,  Апертиум  платформасындағы  Ағылшын-қазақ  машиналық  аударма 
лексикалық  модулі.  Международная  научная  конференция  студентов  и  молодых  ученых  «Фараби 
әлемі». – Алматы: «Қазақ университеті», 2014. – C. 145. 
 
 
ӘОЖ 81 322 
 
МУКАНОВА А.С. 
 
ИНТЕЛЛЕКТУАЛДЫ ЖҮЙЕЛЕРДЕГІ БІЛІМДЕРДІ БЕЙНЕЛЕУ 
МОДЕЛЬДЕРІН ТАЛДАУ 
 
(Л.Н. Гумилев атындағы Еуразия ұлттық университеті, Астана, Қазақстан) 
 
Қазіргі  кезде  күрделі  есептерді  шешу  үшін  қолданылатын  программалық  жүйелердің 
саны  артуда.  Олар  күрделі  процестерді  басқару  кезінде  шешім  қабылдау  жағдайларын 
бағалауда,  техникалық  диагностика  жасауда,  сұрақ-  жауап  беру  кезінде  қолданылады.  Бұл 
жүйелер  өзіндік  оқытылады,  өз  шешімдерін  негіздей  алады.  Сол  себепті  де  оларды 
интеллектуалды  жүйелер  деп  атайды.  Оларға  эксперттік  жүйелерді,  шешім  қабылдау 
жүйелерін, мәтіндер мен сөйлеулерді тану және т.б. жүйелерді жатқызуға болады.  
Интеллектуалды  жүйелерді  құрудың  негізгі  мәселелерінің  бірі  білімдерді  бейнелеу 
моделін [1] таңдау болып табылады. Осы білімдерді бейнелеу моделі жүйенің қасиеттері мен 
мүмкіншіліктерін,  архитектурасын,  сонымен  қатар,  білімдерді  алудың  әдістерін  анықтауға 
негіз  болады.  Қазіргі  кезде  білімдерді  бейнелеу  модельдерінің  бірнеше  түрі  бар.  Олар: 
фактілер  мен  ережелер  негізінде  бейнелеу,  предикаттарды  есептеу,  нейрондық  желілер, 
семантикалық  желілер,  фреймдер.  Осы  модельдердің  әрқайсысы  қандай  да  бір 
интеллектуалды  жүйені  жасауға  мүмкіндік  береді.  Сол  себепті  де  интеллектуалды  жүйені 
жасамас бұрын әрқашан да осы модельдердің қайсысын алу керек деген есеп тұрады.  
Білімдерді бейнелеу модельдерін келесі критерийлер бойынша бағалауға болады: білім 
элементтерінің  күрделілік  деңгейі,  білімді  бейнелеудің  универсалдылығы,  яғни,  білімдерді 
әртүрлі  пәндік  аймақтар  арқылы  бейнелей  білу  мүмкіндігінің  болуы,  қолдану  кезінде 
білімдерді  бейнелеудің  көрнекілігі  мен    табиғилылығы,  модельдің  жаңа  білімдер  алуға 
қабілеттілігі  және  оларды  оқыта  білуі,  модельдің  жад  көлемін  алатын  өлшемі  бойынша, 
берілген модель арқылы жүйені құрудың ыңғайлылығы. 
Қазіргі  кездегі  білімдерді  бейнелеу  модельдерін  жоғарыда  көрсетілген  критерийлер 
бойынша талдап көрейік. 
Фактілер  мен  ережелер  негізінде  білімдерді  бейнелеу  моделі  (продукционды  модель) 
ЕГЕР  (шарт)-  ОНДА  (әрекет)  өрнегі  арқылы  жүзеге  асырылады.  Егер  есепте  көрсетіліп 
тұрған жағдай ЕГЕР ережесіне бағынатын болса, ОНДА бөлігі арқылы анықталатын қызмет 
жүзеге  асады  [2].  ЕГЕР  ережесінің  шартын  қанағаттандыратын  фактілерді  іздеу  бізге 
шығыстар  тізбегі  -  шешімдер  ағашын  береді.  Бұл  білімдерді  бейнелеу  моделінің  кемшілігі 
шығыстар  тізбегін  жасауға  кететін  уаұыттың  көптігінде.  Модель  қарапайым,  біртипті 
есептерді  шешуге  арналған,  сол  себепті  де  көптипті  күрделі  есептерді  шешу  кезінде  оның 

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
84
 
 
эффективтілігі  төмендейді.      Бұл  модель  негізенде  жасалған  алғашқы  жүйенің  бірі 
DENDRAL, 
масс- 
спектрометрия 
негізінде 
химиялық 
байланыстар 
құрылымын 
қорытындылауды  жүзеге  асыруға  мүмкіндік  беретін  жүйе.  Сонымен  қатар,  MYCIN, 
INTERNIST жүйелерін атап өтіге болады.  
Предикаттар логикасы негізінде білімдерді бейнелеу моделі математикалық логиканың 
бір  тармағы  болып  табылатын  символды  логика  негізіндегі  математикалық  аппаратты 
пайдаланады[3].  Предикаттарды  бейнелеудің  негізгі  формализмдері  олар    «терм»  -  белгі 
символдарды  бейнеленетін  объектіге,  «предикат»  -  түйіндердің  арақатынасын  реляционды 
формулалар  арқылы  бейнелеу.  Мысалы,  предикат  дегеніміз  ӘКЕ(Х,У).  «Арман»,  «Асқар»  - 
термдар.  Сонда,  егер  олардың  арасында  «әке»  және  «бала»  деген  қатынас  болатын  болса, 
оны ӘКЕ(Арман, Асқар) деп көрсетуге болады. Бұл модель де жоғарыда көрсетілген модель 
секілді  білімнің  қарапайым  бөліктері  –  фактілер  мен  ережелермен  жұмыс  жасайды.  Сол 
себепті де  бұл модельді  бірнеше пәндік аймақтардан алынатын білімдерді  бейнелеу кезінде 
қолдану  қиын  болады.  Оқыту  деңгейі  орташа,  алатын  жад  көлемі  аз.  Бұл  модель  арқылы 
жасалған жүйе Query-the-User жүйесі.  
Нейрондық  желілер  арқылы  білімдерді  бейнелеу  моделі  Маккаллок  пен  Питтс  [4] 
еңбектерінде  жарық  көрді.    Олардың  формалдауы  бойынша  нейрондар  {0,1}  күйінен  және 
бір қалыптан екінші қалыпқа өтудің шектеулі логикасынан тұрады: 
Білімдерді  өңдеудің  формалды  тілін  нейронды  желі  түрінде  жүзеге  асыру  басқа 
әдістермен салыстырғанда көптеген артықшылықтар береді. Нейронды желілер қазіргі кезде 
бар  аппараттық  құралдармен  моделденуі  мүмкін,  сонымен  қатар  арнайы  нейрондық 
процестерді  құруға  болады.  Нейронды  желілерге  градиентті  деректерді  өңдеу  құралдары, 
сонымен қатар объектілер арасындағы қатынас кіреді. Мәтін мағынасы, мағынаны өңдеудің 
формалды  тілі  және  формалды  тілді  орындау  құралдары  бір  физикалық  объект  –  нейронды 
желіде  қиыстырылады.  Мұндай  қиыстыру  формалды  тілді  өңдеуді  осы  формалды  тілде 
жазылған  мәтіннің  мағынасын  өңдеудің  әдістерімен  орындауға  мүмкіндік  береді. 
Нейрожелілердің басқалардан айырмашылығы, олардың тез бейімделуі, және олардың толық 
емес, сонымен қатар, шуы бар ақпаратты өңдей алуы. Нейрожелілердің кемшілігі, білімдерді 
бейнелеу көрнекілілігінің жоқтығы.  
Семантикалық  желілер  арқылы  білімдерді  бейнелеу  моделі  түйіндер  деп  аталатын 
төбелерден, олар объектілерге, концепцияларға, оқиғаларға сәйкес келеді және оларды өзара 
байланыстыратын,  олардың  арасындағы  қарым-  қатынсты  бейнелейтін  доғалардан 
тұрады[5].  Доғалар  әртүрлі  әдістер  арқылы  анықталынуы  мүмкін,  мысалы  иерархиялық 
байланысты бейнелеу үшін IS-A «болып табылады» және HAS-PART «бөлігі бар» доғаларын 
пайдаланылады.  Осы  күндерде  семантикалық  желілердің  көптеген  түрлері  бар.  Олардың 
терминологиясы  мен  құрылымдары  әртүрлі  болғанымен,  барлығында  семантикалық  желіге 
сәйкес келетін ұқсастықтары бар:  
1) 
Семантикалық 
желілердің 
түйіндері 
күйдің, 
оқиғалар 
мен 
заттардың 
айқындамаларын көрсетеді; 
2) 
бір  айқындаманың  әртүрлі  түйіндері  егер  бір  айқындамаға  қатысты  деп 
көрсетілмесе әртүрлі мәндерге қатысты болады; 
3) 
семантикалық  желідегі  доғалар  айқындама  түйіндері  арасындағы  қарым- 
қатынасты құрайды; 
4) 
айқындамалар  арасындағы  кейбір  қарым-  қатынастар  агент,  объект,  реципиент 
және инструмент секілді лингвистикалық септеу бола алады; 
5) 
айқындамалар деңгейлер бойынша ұйымдастырылған.  
 
Семантикалық желі классификациясы. Барлық семантикалық желілерді  
-ардылығына және қарым- қатынас типтерінің түріне байланысты бөлуге болады: 
Қарым-  қатынас  типтерінің  түріне  байланысты  желіні  біртекті  және  біртекті  емес  деп 
бөлуге болады: 

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
85
 
 
-
 
Біртипті  желілер  тек  қана  бір  қарым-  қатынас  типіне  ие  болады,  мысалы, 
жоғарыда айтылған биологиялық түрлердің классификациясы. 
-
 
Біртекті емес желілерде қарым- қатынас типтерінің саны екіден жоғары болады.  
– ардылығына байланысты: 
-
 
Кәдімгі  желі  негізінде  бинарлы  қарым-  қатынасы  бар  желілерді  алуға  болады. 
Бинарлы қарым- қатынастар өте қарапайым және екі айқындамалар арасындағы бағытталған 
сызық түріндегі граф түрінде ыңғайлы бейнеленеді.  
-
 
Тәжірибеде  екі  немесе  одан  да  көп  объектілерді  байланыстыратын  N-арлы 
желілер  қажет  болады.  Бірақ  осы  кезде  осындай  байланысты  шатаспайтындай  етіп  графта 
қалай байланыс орнатуға болады деген қиындық туады. Оның шешімі концептуалды графтар 
Себебі олар, әрбір қарым- қатынасты жекелеген түйіндер ретінде бейнелейді.  
Көлемі бойынша: 
-
 
Жекелеген  нақты  есептерді  шешуге  арналған.  Мысалы,  жасанды  интеллект 
жүйесін шешетін есептер. 
-
 
Кең  көлемдегі  масштабты  аймақтың  семантикалық  желісі  жалпылық  мәндерге 
қатыссыз нақты жүйелер құру үшін база бола алатындай болуы керек.  
-
 
Глобальды семантикалық желі. Теориялық тұрғыдан қарағанда мұндай желі болу 
керек, себебі әлемде бәрі бір бірімен байланысты.  
Семантикалық желіде келесі қарым- қатынастар көбірек қолданылады: 
-
 
Функционалды  байланыстар  («өндіреді»,  «әсер  етеді»  деген  етістіктер  арқылы 
анықталады) 
-
 
сандық (үлкен, кіші, тең ...); 
-
 
кеңістіктік (жақын, алыс, артында, астында, үстінде ....); 
-
 
уақыттық (ерте, кеш, аралығында...); 
-
 
атрибутты (қасиетке ие болу, мәнге ие болу); 
-
 
логикалық (ЖӘНЕ, НЕМЕНЕ, НЕ) лингвистикалық және т.б. 
Бұл  модель  басқа  модельдерге  қарағанда,  универсалды,  және  жеңіл  күйлендіріледі. 
Тағы  бір  ерекшелігі-  білімнің  көрнекілігі.  Семантикалық  желі  CASNET  жүйесінде 
қолданылған.  Сонымен  қатар,  PROSPECTOR  жүйесінде  де  білімдерді  бейнелеу 
семантикалық желі негізенде жүзеге асырылған.  
Фреймдар  негізінде  білімдерді  бейнелеу  моделін  Марвин  Минск  ұсынған.  Фреймдік 
модель  семнатикалық  желіге  ұқсас  болып  келеді.  Ол  иерархиялық  тұрғыда  ұйымдасқан 
түйіндер  мен  қарым-  қатынастың  желісі  болып  табылады.  Оның  ішінде  жоғарғы  түйіндер 
жалпы  түсініктерді  берсе,  ал  оларға  бағынышты  түйіндер  осы  түсініктердің  жекелеген 
мәндері. Фреймдерге негізделген жүйеде әрбір түйіндегі түсініктер атрибут- слоттар арқылы 
және осы атрибуттардың мәндері арқылы анықталады. Әрбір слотқа кез келген процедураны 
байланыстыруға болады. Бұл модель универсалды болып табылады, себебі мұнда объектілер 
мен  түсініктерді  бейнелеу  үшін  қолданылатын  фреймдар  ғана  емес,  сонымен  қатар,  фрейм- 
рөлдер, фрейм- жағдайлар т.б. қолданылады. Фреймдер негізінде құрылған жүйелерді оқыту 
қиын,  мұндай  жүйелерді  құру  көп  уақыт  пен  құралдарды  қажет  етеді,  модель  элементтерін 
сақтау  үшін  қажет  жад  көлемі  де  үлкен  болу  керек.  Осы  модель  негізінде  құрылған 
жүйелердің    MOLGEN.  Қазіргі  кезде  фреймдер  концепциясы  ерекше  дамуда  және  кеңінен 
таралуда.  Оның  себебі  объектілі-    бағытталған  программалау  әдістерінің  дамуында  болып 
табылады.  
Сонымен 
біз 
қарастырып 
өткен 
білімдерді 
бейнелеу 
модельдерін 
талдап, 
қорытындылайтын болсақ, әрбір модельдің кем дегенде үш кемшіліктері бар. Мысалға олар 
келесілерді  жатқызуға  болады:  жеткіліксіз  деңгейдегі  универсалдылық,  жаңа  білімдерді 
алудың қиындығы, қарама- қайшы білімдердің пайда болуы, модель көлемінің үлкен болуы, 
білімдерді бейнелеудің көрнекілігінің болмауы.  
Сол  себепті  де  қазіргі  кезде  осы  модельдердің  бірнешеуін  біріктіріп,  пайдалану 
көзделген.  Қарастырылып  өткен  білімдерді  бейнелеу  модельдеріне  қарап,  осы  бағыттағы 

«ҚОҒАМДЫ АҚПАРАТТАНДЫРУ»  IV ХАЛЫҚАРАЛЫҚ ҒЫЛЫМИ-ПРАКТИКАЛЫҚ КОНФЕРЕНЦИЯ 
 
 
86
 
 
зерттеулердің 
өзектілігін 
және 
интеллектуалды 
жүйелерде 
білімдерді 
бейнелеу 
модельдерінің жаңа амалдарын құру керек екендігін айтуға болады.  
Әдебиеттер 
1. 
Алиев Р.А., Алиев P.P. Теория интеллектуальных систем. Баку: Чашигоглу. 2001. 
2. 
Гаврилова Т.А.,  Хорошевский  В.Ф.  Базы  знаний  интеллектуальных  систем.  Учебник. 
СПб.: Питер, 2001.\ 
3. 
Попов  И.И.,  Максимов  Н.В.,  Храмцов  П.Б.  Введение  в  сетевые  информационные 
ресурсы и технологии: Учеб. пособие для вузов. М.: Изд-во РГГУ, 2001. 
4. 
Теперман В.В, Методы представления и обработки знаний. 
5. 
Филиппов В.А. Интеллектуальный анализ данных: методы и средства.- М.: Едиториал,
 
2001
 
 
 
УДК 004.891 
 
МУХАМЕДИЕВА К.М.
1
, НУРГАЗИНОВА Г.Ш.
2 
 
СОСТАВЛЯЮЩИЕ БАЗЫ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ 
СИСТЕМЫ 
 
(
1
ПГПИ, Павлодар, Казахстан, 
2
ЕНУ им. Л.Н. Гумилева, Астана, Казахстан) 
 
В настоящее время в системе образования Республики Казахстан наблюдается мощное 
развитие  инновационных  образовательных  технологий,  основанных  на  использовании 
информационно-коммуникационных  технологий  (ИКТ),  важнейшими  особенностями 
которых  являются  процессы  индивидуализации  и  интеллектуализации  традиционных 
обучающих систем, программ и технологий. Возникает  острая необходимость в разработке 
интеллектуальных  обучающих  систем  (ИОС),  которые  позволяют  адаптировать  учебный 
процесс к индивидуальным особенностям обучающихся. 
В  данной  статье  рассматриваются  составляющие  базы  знаний  ИОС,  в  которых 
прослеживается  автоматизация  процесса  контроля  и  адаптивного  управления  учебно-
познавательной  деятельностью  обучающихся  с  учетом  начальной  подготовки  и  его 
психологических особенностей. 
В  современных  обучающих  системах  технология  автоматизированного  обучения 
использует,  как  правило,  классические  приёмы:  предоставление  обучаемому  порций 
текстово-графического материала учебных курсов и последующее тестирование обучаемого 
после ознакомления  с  учебным  материалом.  Эти  порции  учебного материала определяются 
структурой  учебного  курса  (оглавления,  алфавитные  терминологические  указатели  и  т.д.) 
или  сценарием,  который  может  быть  разработан  заранее  или  формироваться  на  основе 
степени  усвоенности  материала.  В  ИОС  же  сценарий  не  является  жестким  и  строится  в 
зависимости от начальных и промежуточных значений объекта обучения. 
Для  определения  структуры  ИОС  нами  проведен  анализ  научно-технической 
литературы.  Описанию  характеристики  и  составных  элементов  ИОС  посвящены 
исследования И.А.Бессмертного [1], Н.К. Жуковской [2], А.И. Кибзун [3] и других.  
Однако,  несмотря  на  огромное  количество  разработок  и  научных  исследований,  на 
сегодняшний  день  не  созданы  еще  универсальные  программные  системы,  основанные  на 
знаниях. 
Под  интеллектуальной  обучающей  системой  мы  понимаем  комплекс  программно-
аппаратных  средств,  в  которых  представленные  модели  знаний  используются  для 
адаптивного 
управления 
учебно-познавательной 
деятельностью, 
при 
котором 
интеллектуальная  обучающая  система  формирует  индивидуальную  образовательную 

жүктеу/скачать 19,29 Mb.

Достарыңызбен бөлісу: