Расчет рейтинга преподавателей вуза с использованием гибридных экспертных систем

Abstract

Рассматриваются системы расчета рейтинга преподавателей вуза, используемые в настоящее время. Приведена их классификация, описаны преимущества и недостатки. Представлено использование автоматизированной информационной системы «Кафедра» в качестве источника данных для расчета рейтинга преподавателей. Предложена методика расчета рейтинга преподавателей на основе гибридных экспертных систем с использованием искусственных нейронных сетей, продукционных экспертных систем, экспертных систем с нечеткой логикой. Приведена структура автоматизированной информационной системы «Бизнес-Аналитик». Описана реализация методики в среде автоматизированной информационной системы «Бизнес-Аналитик». Приведен процесс создания структуры искусственной нейронной сети. В качестве примера рассмотрен интегральный показатель методики «Руководство научно-исследовательской работой». Представлены результаты обучения и тестирования искусственной нейронной сети. Получены промежуточные результаты расчета рейтинга преподавателей на тестовых данных с использование нейронных сетей. Ключевые слова: вуз, оценка, рейтинг преподавателя, гибридная экспертная система, нейронная сеть, продукционная экспертная система. In the paper, we consider university lecturers rating systems that are currently in use. Their classification, advantages and disadvantages are discussed. We use an automated information system Department as the data source for lecturers rating evaluation. The method of rating evaluation is based on a hybrid expert system with artificial neural networks, production expert systems, and expert systems with fuzzy logic. The structure of the automated information system Business Analyst is demonstrated. The proposed methods are implemented in the environment of the automated information system Business Analyst. The process of building the artificial neural network structure is presented. As an example, we investigate the evaluation of integral parameter “Research Management”. Intermediate results of lecturers rating evaluation using neural networks are obtained.