40 صفحه
اولین کنفرانس بینالمللی سیستمهای آموزش دهنده هوشمند[1] (ITS) در سال 1988 در مونترال کانادا برگزار گردید. دومین و سومین و آخرین کنفرانس به ترتیب در سالهای 1992، 1996، . . . و 2004 برگزار گردیدهاند.
معماری شناختی[2] اولین بار توسط جان روبرت اندرسن در سال 1983 مطرح شد که تفکر تطبیقی انسان را برمبنای شناخت بررسی میکرد، شبیهسازی این تفکر به صورت نرمافزار ACT* ارائه گردیده است. مدلسازی شناختی در سال 1985 در کتابی با همین عنوان توسط Slack مطرح گردید.
ساختار کنترلی عامل هوشمند BDI[3] که در سیستم مطرح شده در مقاله (سیستم GLITS) مورد استفاده قرار گرفته است، بر مبنای باورها، هدفها (آرزوها) و مقصدها، در اواخر دهه 90 مطرح شد. مهمترین کاربرد این عامل در تشخیص عیب، سیستمهای مدیریت، تجارت ماشینی و آموزش هوشمند بوده است.
پردازش مفهومی اطلاعات اولین بار در سال 1975، در کتابی توسط Roger Schank مطرح گردید ولی مطالب جدید در مدلسازی مفهومی[4] در 1998 توسط Chen و همکارانش ارائه گردید.
طراحی سیستمهای چند عاملی هوشمند[5] براساس معماری لایهای[6] در سال 1996 توسط Muller در کتابی با همین عنوان مورد بحث قرار گرفته است.
در مقاله حاضر یک مدلسازی شناختی از یک سیستم آموزش دهنده هوشمند پویا ارائه شده است که بر مبنای اصول مفهومی و کارکردی آموزش و تجربه طولانی تدریس دروس مختلف توسط اینجانب طراحی شده است. این مدل بنیادی است و سازماندهی تجربیات دوران تدریس است.
از مطالب برخی مراجع در تعاریف پایهای و بیان مفاهیم و اصطلاحات آشنا در سیستمهای آموزش دهنده هوشمند (ITS) در این مقاله استفاده شده است. امید است که پیاده سازی این سیستم در محیط کاربردی برای آموزش به کمک کامپیوتر بتواند سبب توسعه تکنولوژی در کشورمان گردد.
سیستم GLITS، یک سیستم آموزش دهنده هوشمند با یادگیری تدریجی است که دارای 3 عامل یاد دهنده ، یادگیرنده و مشکلساز است. عامل یاد دهنده و یادگیرنده هر کدام دارای 5 لایه (زیر سیستم) میباشند. لایههای یاد دهنده به نامهای ناظر، ایجاد انگیزش، فرضیهها و تولید مدلهای برنامه میباشند. لایههای یادگیرنده به نامهای وضعیتی ـ انعکاسی ، شناختی، معیارها و سنجش، برنامهریزی و همینطور هماهنگی و تولید رفتار میباشند. عامل مشکلساز یک عامل بازدارنده است که فعالیت آن باعث کاهش فعالیت لایههای مختلف یادگیرنده میشود. ابتدا با پرسشنامه مدل یادگیرنده (مدل میانگین کلاس) ساخته میشود و با استفاده از آن و بهکارگیری نحوه آموزش بهینه هوشمند و ارزیابیهای مناسب، لایههای مدل یادگیرنده اصلاح میگردد که نتیجه کلی بالارفتن کارایی یادگیرنده و توانبخشی علاقه به یادگیری و خلاقیت او میباشد.
کلمات کلیدی:
Intelligent agents
عاملهای هوشمند
Cognitive modelling
مدلسازی شناختی
Intelligent tutoring system
سیستم آموزش دهنده هوشمند
Belief, desire, intention agent
عامل BDI
Conceptual modelling
مدلسازی مفهومی
مشخصات فایل
عنوان: پاورپوینت درمورد ایجاد مدل اولیه ای از کارت هوشمند سلامت
قالب بندی: پاورپوینت
تعداد اسلاید: 59
محتویات
تصادفات رانندگی
آلودگی هوا
اعتیاد
بیماریهای غیر واگیردار
از 350000 مرگ سالیانه در ایران
جایگاه ایران 2000-2002
چه باید کرد؟
Health services pyramid
Functions of a public health system
زیرساخت اطلاعاتی
برخی از کاربردهای کارت هوشمند
برخی از علل عدم اجرای بیمه همگانی
بکارگیری کارت هوشمند سلامت سازمانهای مربوطه را قادر میسازد تا
اهداف پروژه
مراحل انجام پروژه
پروژه های مربوط در ایران
فاز دوم: طراحی سیستم
فاز سوم: ارزیابی
نتیجه گیری و پیشنهادات
و . . .
قسمتی از پاورپوینت
بیماریهای غیر واگیردار
تعداد مبتلایان دیابت: 5000000
50% این تعداد با بروز و ظهور علائم تشخیص داده میشوند.
3 الی 5 درصد از منابع نظامهای سلامت در جهان برای این بیماری و عوارض و تبعات آن هزینه میگردد.
در صورت کنترل عوامل خطر بیماریهای قلبی 3000000000000 تومان صرفه جویی خواهد شد.
بکارگیری کارت هوشمند سلامت سازمانهای مربوطه را قادر میسازد تا:
اهداف ویژه:
مشخصات فایل
عنوان: پاورپوینت عاملهای هوشمند
قالب بندی: پاورپوینت
تعداد اسلاید: 59
محتویات
هوش مصنوعی Artificial Intelligence
عامل
عاملهای هوشمند
The vacuum-cleaner world
برنامه عامل(مبتنی بر جدول)
معیارهایی کارآیی برای عاملهای هوشمند
تفاوت میان منطقی بودن و دانش کل (omniscience)
تعیین محیط وظیفه
توصیف PEAS (چند مثال)
عاملهای هوشمند(چند نکته)
AGENT- BASE-PROGRAM
و . . . .
قسمتی از پاوروینت
عامل:
به هر چیزی اطلاق میشود، که قادر به درک محیط پیرامون خود از طریق حسگرها(sensor)
و اثرگذاری بر روی محیط از طریق اثرکنندهها (effector) باشد.
عوامل انسانی
عوامل روباتیک
عامل نرم افزاری:
2-effector:نمایش روی صفحه کلید-رمزگذاری(abc)
و . . .