Развитие учебно-познавательной компетенции у будущих экономистов в процессе обучения интеллектуальным информационным технологиям

• Автор: Настащук, Наталья Александровна
• Шифр специальности: 13.00.02
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Омск
• Количество страниц: 199 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ОБУЧЕНИЯ
ИНТЕЛЛЕКТУАЛЬНЫМ ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ ДЛЯ
РАЗВИТИЯ УЧЕБНОПОЗНАВАТЕЛЬНОЙ КОМПЕТЕНЦИИ У БУДУЩИХ ЭКОНОМИСТОВ
1.1. Анализ содержания экономического образования по проблеме обучения интеллектуальным информационным технологиям в процессе подготовки специалистов экономического профиля
1.2. Интеллектуальные информационные технологии в профессиональной деятельности экономистов.
1.3. Психологопедагогпческие основы развития учебнопознавательной компетенции у будущих экономистов в процессе обучения интеллектуалЫ1ЫМ информационным технологиям.
1.4. Модель обучения интеллектуальным информационным технологиям для
развития учебнопознавательной компетенции у будущих экономистов.
Выводы по первой главе.
ГЛАВА 2. РЕАЛИЗАЦИЯ МЕТОДИКИ ОБУЧЕНИЯ
ИНТЕЛЛЕКТУАЛЬНЫМ ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ ДЛЯ РАЗВИТИЯ УЧЕБНОПОЗНАВАТЕЛЬНОЙ КОМПЕТЕНЦИИ У БУДУЩИХ ЭКОНОМИСТОВ
2.1. Содержательный компонент методики обучения интеллектуальным
информационным технолог иям будущих экономистов
2.2. Деятельностный компонент методики обучения интеллектуальным информационным технологиям будущих экономистов.
2.3. Организация и результаты педагогического эксперимента
Выводы но второй главе
Заключение.
Библиографический список использованной литературы
Приложения.
ВВЕДЕНИЕ
Актуальность


Однако, перспективным направлением информатизации данной сферы является реализация механизмов управления знаниями через использование методов искусственного интеллекта, позволяющих осуществить автоматизированные функции управления финансово-хозяйственной деятельностью предприятия и поддержку принятия решений в условиях нестабильности рыночной экономики [1,7, , , и др. Прежде чем рассмотреть содержание ГОС НПО экономического направления на предмет отражения ИИТ, обратимся к пониманию сущности понятия ИИТ. Проведённый анализ работ [1, , 6, 4 и др. ИТ, реализующие методы искусственного интеллекта, принято называть ИИТ, которые представляют собой одну из наиболее перспективных и быстро развивающихся научных и прикладных областей информатики (в частности, экономических приложений), базирующихся на результатах исследований, которые относят ко множеству таких областей науки как дискретная математика, математическая логика, кибернетика, математическая лингвистика, искусственный интеллект, психология, системотехника и др. Ключевым компонентом научного фундамента ИИТ является искусственный интеллект, представляющий собой раздел информатики, посвящённый моделированию интеллектуальной деятельности человека программноаппаратными средствами компьютера. Существенный вклад для создания и развития искусственного интеллекта как научного направления за рубежом внесли такие исследователи, как Н. Винер [J, J1. Заде [], Ж. Л. Лорьер [5], М. Минский [8], Н. Нильсон [4], Г. Саймон [6], . Уинстон [1] и др. В России со становлением и развитием научного направления «Искусственный интеллект» связывают имена А. Н. Горбаня [], Э. В. Попова [2, 3], Г. С. Поспелова [4, 5, 1S6], Д. А. Поспелова [7, 8] и др. На сегодняшний день не существует единого определения, которое однозначно описывает научное направление «Искусственный интеллект». В работе [6] представлены три доминирующие точки зрения определения искусственного интеллекта. Согласно одной из них, исследования в области искусственного интеллекта относятся к фундаментальным, в процессе которых разрабатываются новые модели и методы решения задач, традиционно считавшиеся интеллектуальными и не поддававшиеся ранее формализации и автоматизации. Обращаясь к истории возникновения такого рода задач, отметим, что А. Ньюэлл ввёл понятие неформализованных задач [9, 4], особенности которых выражаются в ошибочности, неоднозначности, неполноте и противоречивости исходных данных, большой размерности, динамичности и символьном представлении данных. Поэтому в основе многих работ в области искусственного интеллекта лежит важное различие между двумя методами решения задач: один метод называется алгоритмическим, а другой - эвристическим. Нахождение алгоритмов является естественной целыо человека при решении им разнообразных классов задач. Отыскание алгоритма для задач некоторого типа связано с тонкими и сложными рассуждениями, требующими большой изобретательности и высокой квалификации. Эвристический подход в искусственном интеллекте применяется, в основном, к плохо формализованным и неформализованным задачам, решение которых не опирается на строгие методы алгоритмизации, т. По мнению исследователей научной области «Искусственный интеллект» Э. В. Попова [2, 3], Г. С. Поспелова [4, 5, 6], Д. А. Поспелова [7, 8] и др. В информатике широко используется классификация задач (по степени формализации описания исследуемого объекта), предложенная одним из специалистов в области искусственного интеллекта Г. Саймоном [6], согласно которой все задачи подразделяются на три класса: 1) структурированные (формализованные) или количественно сформулированные задачи, в которых зависимости получают численные оценки; 2) слабоструктурированные (слабо формализованные) задачи, которые содержат как качественные, так и количественные элементы, причём преобладают качественные признаки и характеристики проблемы; 3) неструктурированные (неформализованные) или качественно выраженные проблемы, содержащие лишь описание признаков и характеристик, количественные зависимости между которыми совершенно неизвестны. Принимая во внимание вышеприведённую классификацию задач, под интеллектуальными задачами будем понимать слабоструктурироваипые и неструктурированные задачи, т.