Помощь в написании студенческих работ
Антистрессовый сервис

Модели и информационная система для оценки профессиональных знаний специалистов промышленного производства

Диссертация: Модели и информационная система для оценки профессиональных знаний специалистов промышленного производства
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Предложенный в работе комплекс показателей качества субъективных знаний таксономического характера на множестве элементов одного класса эквивалентности понятий ПО в сравнении с эталонными знаниями учитывает как объем, так и качество ответа и представляет собой вектор показателей включающий в себя: относительный объем знаний по главным понятиям ПО, по второстепенным понятиям, относительный уровень… Читать ещё >

Модели и информационная система для оценки профессиональных знаний специалистов промышленного производства (реферат, курсовая, диплом, контрольная)

Содержание

  • 9. I. Тестовый контроль знаний и проблема понимания естественного языка. Тестовые задания открытого типа
    • 1. 1. Общие положения тестового контроля знаний. Современная классификация тестов. Тестовые задания открытого типа
    • 1. 2. Системная организация естественного языка. Вопросы формального понимания естественного языка
  • Заключение
  • II. Модель знаний таксономического характера и методология их оценки на основе тестовых заданий открытого типа
    • 2. 1. Модель эталонных знаний таксономического характера
    • 2. 2. Гипотетическая модель субъективных знаний таксономического характера
    • 2. 3. Модели иерархического списка для представления знаний таксономического характера при проведения тестирования на основе заданий открытого типа
    • 2. 4. Алгоритм перехода от естественно-языкового представления зна-^ ний таксономического характера в виде иерархического списка к гипотетической модели
      • 2. 4. 1. Алгоритм перехода от фразовой к лексической модели иерархического списка
      • 2. 4. 2. Алгоритм перехода от лексической к семантической модели иерархического списка
      • 2. 4. 3. Алгоритм перехода от семантической модели иерархического списка к гипотетической модели знаний таксономического характера
    • 2. 5. Методика оценки субъективных знаний таксономического харак

В различных отраслях промышленности, науки и техники существует стремление к обобщению, упорядочиванию, систематизации и классификации знаний, так как знания именно в систематизированном виде наиболее доступны для понимания и передачи от человека к человеку. С этой точки зрения систематизацию знаний, как научное явление, можно рассматривать как один из фундаментальных процессов в науке. При этом для наиболее наглядного представления знаний в систематизированном виде часто используются таксономические структуры, то есть структуры однотипных элементов предметной области, в которых предусмотрена иерархия групповых соотношений, установленных по разным параметрам, так что эта группировка однозначно указывает размещение групп относительно друг друга и положение каждого элемента в системе. Таксономические структуры позволяют представить комплексно, в сжатом и достаточно наглядном виде многие упорядоченные структуры взаимосвязанных элементов: различные классификации, составные части конструкций машин и механизмов и т. п. Часто они образуют как бы основу теоретических знаний по дисциплине или специальности, знание которой для специалистов соответствующего профиля является обязательным. В этом случае, при осуществлении контроля знаний по некоторому теоретическому курсу, контроль качества усвоения указанных выше знаний становится первостепенным по своей важности.

В настоящее время основой контроля качества профессиональных знаний специалистов является тестовый контроль знаний. Анализ современного состояния в этой области показывает, что наиболее распространенным типом тестовых заданий, применяемых для тестового контроля профессиональных знаний, являются задания закрытого типа, которые предполагают выбор испытуемым одного или нескольких ответов из предварительно разработанного списка их возможных вариантов. Их широкое применение в первую очередь обусловлено удобством обработки результатов тестирования. Но задания закрытого типа имеют и существенный недостаток, снижающий уровень объективности результатов тестирования, связанный с наличием подсказки в виде меню возможных вариантов ответа. Это так называемая проблема угадывания правильных ответов, которая, несмотря на имеющиеся некоторые разработки по методикам ее учета, в настоящее время не имеет кардинального решения.

Указанного принципиального недостатка лишены тестовые задания открытого типа, которые предполагают формулирование ответа испытуемым, обычно в форме пропущенного выражения или слова, при отсутствии меню возможных вариантов ответа. Применение тестовых заданий открытого типа с максимально свободной формой изложения ответа без ограничений на его форму сдерживается сложностью проблемы машинного понимания естественного языка и проблемы оценки полученных ответов.

В связи с этим представляется актуальным поиск и создание таких форм тестовых заданий открытого типа с ограничениями на структуру естественноязыкового ответа, которые с одной стороны максимально упрощают алгоритм машинного понимания ответа, а с другой стороны предоставляют испытуемому максимальную степень свободы изложения своих знаний по конкретному профессиональному вопросу, а также разработка для них соответствующих методов оценки, не просто учитывающих правильность или неправильность формулировки ответа, а определяющих численный показатель качества ответа. Представляется актуальным решение указанной выше задачи для такого важного типа знаний, каковыми являются знания таксономического характера.

Целью данной работы является создание информационной системы оценки теоретических знаний таксономического характера у специалистов различных отраслей промышленного производства, основанной на применении тестовых заданий открытого типа с формой ответа на задание на основе структуры иерархического списка. Для достижения поставленной цели в диссертации были сформулированы и решены следующие задачи:

1. Предложена формальная модель эталонных знаний таксономического характера и формальная модель субъективных знаний.

2. Предложена формальная модель иерархического списка как средства представления субъективных знаний таксономического характера в естественноязыковой форме.

3. Разработан алгоритм выявления субъективных знаний таксономического характера на основе анализа естественно-языкового ответа на вопрос по таксономии, представленного в форме иерархического списка.

4. Предложен комплекс показателей качества субъективных знаний таксономического характера в сравнении с эталонными знаниями, который учитывает как объем, так и качество таксономической структуры. На его основе предложена обобщенная оценка качества знаний данного типа.

5. Разработан алгоритм вычисления показателей качества субъективных знаний таксономического характера и обобщенной оценки качества знаний.

6. Разработана концептуальная схема системы оценки знаний данного типа. Проведен системный анализ информационных процессов системы оценки профессиональных знаний таксономического характера, на основе которого создана модель данных и модель логической структуры системы.

7. На основе модели данных и модели логической структуры системы создана экспериментальная программная оболочка для оценки качества субъективных знаний данного типа.

Диссертация состоит из введения, 4 глав, основных результатов, списка использованной литературы 110 наименований, 3 приложений и 2 актов, подтверждающего внедрение результатов работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ.

1. Разработана формальная модель эталонных знаний таксономического характера и формальная модель субъективных знаний.

2. В качестве средства представления знаний таксономического характера в естественно-языковой форме использована структура иерархического списка, разработана формальная модель иерархического списка как носителя знаний данного вида.

3. Разработан алгоритм выявления субъективных знаний таксономического характера на основе анализа естественно-языкового ответа, представленного в форме иерархического списка на вопрос по таксономии.

4. Предложенный в работе комплекс показателей качества субъективных знаний таксономического характера на множестве элементов одного класса эквивалентности понятий ПО в сравнении с эталонными знаниями учитывает как объем, так и качество ответа и представляет собой вектор показателей включающий в себя: относительный объем знаний по главным понятиям ПО, по второстепенным понятиям, относительный уровень качества структуры субъективной таксономии, относительный уровень критериальности субъективной таксономии, уровень владения профессиональной терминологией.

5. Уровень качества знаний на множестве элементов одного класса эквивалентности определяется в пространстве показателей качества как уровень соответствующий ближайшему вектору-прототипу. Каждый из векторов-прототипов соответствует определенному уровню знаний, их координаты задаются экспертами.

6. Для определения уровня субъективных знаний таксономического характера на множестве кортежей из элементов выделенных классов эквивалентности понятий ПО, сначала определяются показатели качества знаний по каждому из классов эквивалентности, затем в пространстве показателей качества определяется уровень качества знаний по каждому из классов эквивалентности. Обобщенная оценка качества знаний определяется в пространстве оценок знаний по всем классам эквивалентности как уровень, соответствующий ближайшему вектору-прототипу. Каждый из векторов-прототипов соответствует определенному уровню знаний, их координаты задаются экспертами.

7. Разработан алгоритм вычисления значений показателей качества субъективных знаний таксономического характера, уровней знаний по выделенному классу эквивалентности понятий ПО и обобщенной оценки качества знаний по всем классам эквивалентности понятий ПО.

8. Разработана концептуальная схема системы оценки качества знаний таксономического характера.

9. Проведен системный анализ информационных процессов системы оценки качества профессиональных знаний таксономического характера, на основе которого создана модель данных и модель логической структуры системы. На основе полученных результатов создана экспериментальная специализированная программная оболочка.

Ю.Разработанная программная оболочка применена для контроля профессиональных знаний таксономического характера у специалистов в заданной предметной области.

Заключение

.

На основании проведенных в данной главе исследований вытекают следующие выводы:

1. Система оценки профессиональных знаний таксономического характера может быть применена на промышленном производстве при кадровом отборе, для получения объективной оценки уровня теоретических знаний таксономического характера кандидата на некоторую должность в соответствующей профессиональной области.

2. Наиболее целесообразно применение системы оценки профессиональных знаний таксономического характера в комплексе с другими существующими средствами контроля профессиональных знаний, как средство объективной оценки знаний данного вида.

3. Задание векторов оценок для различных уровней знаний позволяет гибко настраивать систему для оценки конкретных уровней знаний.

4.

Введение

весовых коэффициентов уровня влияния каждого из показателей качества ответа на интегральную оценку ответа позволяет получить рейтинг ответа относительно других ответов, что соответствует тестам, ориентированным на норму.

5. Основные требования к тесту — надежность и валидность, выявленные при практическом использовании системы, соответствуют допустимым. Они обеспечиваются уже самим фактом наличия одного сложного вопроса, на который требуется дать один развернутый ответ, и одного эталона этого развернутого ответа.

Показать весь текст

Список литературы

  1. B.C. Композиция тестовых заданий. — М.: Адепт, 1998.
  2. B.C. Научные проблемы тестового контроля знаний: Монография. — М.: Исследовательский центр, 1994. — 307 с.
  3. А.Н., Батыршин И. З., Блишун А. Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова/ — М.: Наука. Гл. ред. физ.-мат. лит., 1986. 312 с.
  4. Г. Н., Ратнер Г. Л. Программированное обучение и его место в медицинских вузах. — М.: Медицина, 1968. — 183 с.
  5. Дж.Ф., Перро Р. Выявление коммуникативного намерения содержащегося в высказывании/УНовое в зарубежной лингвистике. — М.: Прогресс, 1986-Вып. 17 С.322−362.
  6. В.П. Объективный программированный контроль качества знаний учащихся в медицинском вузе: Методические указания. — М.: 2-й МОЛГМИ, 1973.-96 с.
  7. В.П. Основы теории педагогических систем. — Воронеж, 1978. — 123 с.
  8. В.М., Любарский, А .Я., Микулич Л. И. и др. Диалоговые системы в АСУ ./Под ред. Д. А. Поспелова.-М.: Энергоиздат, 1983.- С.22−40.
  9. Н.Буканов Ф. Ф., Меркушев А. Н., Никаев С. А. Анализ естественно-языковых структур при оценке качества подготовки специалистов. / Вестник Самарского государственного технического университета. Вып.5. — Самара, 1998, — с.161—162.
  10. Ф.Ф., Меркушев А. Н., Погорелова Е. В. Квалиметрия профессиональных знаний.: Самар.гос.техн.ун-т, 1996. — 100 с.
  11. Булатов О. Translation Office — квартет для переводчика// Компьютерра-1996-№ 22(149) С.ЗО.
  12. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем М.: Финансы и статистика, 1998. — 176 с.
  13. Выготский JLП. Мышление и речь — М.: Лабиринт, 1999. — 416 с.
  14. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. — СПб.: Питер, 2000. 384 с.
  15. Г. Принципы теоретической лингвистики. М.: Культура, 1992. — 218 с.
  16. А. Дружба с умным алгоритмом // Компьютерра.-1996.-№ 20(147)-С.36−38.
  17. В.И., Попов Э. В., Преображенский А. Б. Общение конечных пользователей с системами обработки данных.—М.: Радио и связь, 1988.-288 с.
  18. В.Н. Экспериментальная психология: Учебное пособие. М.: Ин-фра, 1997.-255 с.
  19. Р., Харт П. Распознавание образов и аналих их: Пер с англ. М.: Мир, 1976.-511 с.
  20. Дюк В. А. Компьютерная психодиагностика. — СПб.: «Братство», 1994. -364с.
  21. .Н. Дискретная математика. Алгоритмы и программы: Учеб. пособие. — М.: Лаборатория Базовых Знаний, 2001. — 288 с.
  22. Калянов Г. Н. CASE. Структурный системный анализ. — М.: Лори, 1996. — 240с.
  23. И. Текст и коммуникация. М.: 1990.
  24. Квалиметрия человека и образования: методология и практика. Сб. науч.ст. К.2. 4.2. / Под ред. Субетто А. И., Селезневой Н. А. — М.: Исследовательский центр проблем качества подготовки специалистов, 1993. — 219 с.
  25. Квалиметрия человека и образования: методология и практика. Сб. науч.ст. К.2. Ч.З. / Под ред. Субетто А. И., Селезневой Н. А. М.: Исследовательский центр проблем качества подготовки специалистов, 1993. — 163 с.
  26. П. Введение в психометрическое программирование: Справочное руководство по конструированию тестов. Киев, 1994.
  27. Классификация и кластер: Пер с англ. /Под ред. Д.В. Райзина/ — М.: Мир, 1980.-391 с.
  28. И.С. Экспериментальная система понимания коротких текстов // Тез. докл. IV Всеросс. конф. по ИИ.- Рыбинск, 1994 Т. 2 — С. 339−343.
  29. А., Панкратова Г., Шумянкова Н. Контроль знаний студентов: опыт организации // Социально-политический журнал. — М. 1994. — № 11−12, с.113−123.
  30. А.Н., Меркушев А. Н., Никаев С. А. Структуризация информации в системе контроля знаний. / Сборник' докладов межвузовской научно-метадической конференции. Самара, 2000, — с. 193−194.
  31. А.О., Фомин С. С. Конкурс «Электронный учебник» // Компьютерные технологии в высшем образовании. / Редакц.колл.: А. Н. Тихонов, В. А. Садовничий и др. — М.: Изд-во Моск. ун-та, 1994. — С.264−268.
  32. JI.T. Основы кибернетики: В 2-х т. Т.2. Основы кибернетических моделей. М.: Энергия, 1979. 584 с.
  33. А.А., Овсянников А.А. CASE-моделирование информационных процессов. Орел: ВИПС, 1998.
  34. О.С. О проблемах автоматической обработки текстов на естественном языке // Интеллектуальные системы. — 1996. Том 1, Вып. 1−4. — С. 109−116.
  35. Л.В., Макаренко В. Н. Автоматизированная система обучения и контроля знаний на базе ЭВМ СМ-4 // Научно-методические основы применения ЭВМ в учебном процессе: Межвуз. сб. науч. тр. / Под ред. В. И. Прохорова. Л.: ЛИАП, 1987. — Вып. 189. — С.24−28.
  36. В. С. Сетевые модели // Искусственный интеллект. Т.2. Модели и методы. М.: Радио и связь, 1990. — С.28−49.
  37. А.Р. Язык и сознание / Под ред. Е. Д. Хомской. Ростов н/Д.: Изд-во Феникс, 1998.-416 с.
  38. А.Н. Тесты школьных достижений: конструирование, проведение, использование. СПб.: Образование и культура, 1996.51 .Мальковский М. Г. Диалог с системой искусственного интеллекта-М.: Изд-во МГУ, 1985.-214 с.
  39. Марков Фреймы. М.: изд-во АН СССР, 1954. — 374 с.
  40. Ю.С. Введение в языкознание. — М.: Высшая школа, 1975.
  41. В.М., Ямпольский Л. Г. Введение в экспериментальную психологию личности. М., 1985.
  42. М. Фреймы для представления знаний: Пер с англ. М.: Энергия, 1979.-151 с.
  43. Моделирование языковой деятельности в интеллектуальных системах / Под ред. Кибрика А. Е., Нариньяни А. С. М.: Наука, 1987. — 280 с.
  44. В.Г. Математические модели САПР ПИМ: Предпринт № 4/97. — Йошкар-Ола: Научно-информационный центр государственной аккредитации, 1997.
  45. А.С. Проблема понимания ЕЯ-запросов к базам данных решена // Труды Международного семинара Диалог'95 по компьютерной лингвистике и ее приложениям. — Казань: 195.
  46. А.С., Яхно Т. Г. Продукционные системы // Представление знаний в человеко-машинных и робототехнических системах. — М.: ВЦ АН СССР, ВИНИТИ, 1984. С.136−177.
  47. О.А. Машинное обучение и задачи обработки естественного языка // Новости искусственного интеллекта. 1998. — № 1. — С.35−42.
  48. С.А. Применение многоуровневых иерархических списков в системе оценки качества классификационных знаний. / «Вопросы гуманитарных наук», № 5, 2003. Москва, 2003, — с.126−127.
  49. Н. Принципы искусственного интеллекта.: Пер. с англ. — М.: Радиои связь, 1985.-373 с.
  50. Ф.А. Дискретная математика для программистов. СПб.: Питер, 2002.-304 с.
  51. Е.В. О семантике синтаксиса. — М.: Наука, 1974. — 292 с.
  52. Э.В. Общение с ЭВМ на естественном языке.-М.: Наука, 1982. — 360с.
  53. Д.А. Данные и знания // Искусственный интеллект. Т.2. Модели и методы. М.: Радио и связь, 1990. — С.7−13.
  54. Д.А. Продукционные модели // Искусственный интеллект. Т.2. Модели и методы. — М.: Радио и связь, 1990. — С.28−49.
  55. Д.А. Уровни понимания. в кн.: Справочник по ИИ / в 2-х т. Том 1: ред. Э.В.Попов- Том 2: ред. Д. А. Поспелов — М.: Энергия, 1992- Том 2, с. 110.
  56. М.Г. ТАСС — диалоговая система обработки текста // Разработка и применение лингвистических процессоров/ВЦ ОС АН СССР.-Новосибирск, 1983-C.3 7−43.
  57. А.Б. Состояние развития систем естественноязыкового общениям/Искусственный интеллект. T.I. Системы общения и экспертные сис-темы.-М.: Радио и связь, 1990.- С.32−64.
  58. .У., Татур А. О. Стандарты и тесты в образовании. М.: МИФИ, 1995.
  59. И.В. Дискретный анализ: Учеб. пособие. — Издание 2-е, исправленное. СПб.: Невский диалект, 2000. — 240 е., ил.
  60. А.И., Юнерман Н. А. О тестах российских замолвите слово // Информатика (Приложение к газете «1 сентября»). — М.: 1997. № 1.
  61. Д., Грин Дж. Психолингвистика: Пер. с англ. М.: Прогресс, 1976. — 350 с.
  62. С.В., Овчинникова Е. В. Элементы дискретной математики: Учебник. М.: ИНФРА-М, Новосибирск: Изд-во НГТУ, 2002. — 280 с.
  63. И.Т. Методические приемы использования ЭВМ при различных формах обучения // Использование омпьютерных технологий в обучении. Сб. науч. тр. / АН УССР. Институт кибернетики им. В. М. Глушкова. — Киев, 1990.-С. 15−19.
  64. Н.Ф. Теоретические проблемы программированного обучения. — М.: Изд-во Моск. ун-та. 1969. 56 с.
  65. Е. «Контекст 3.0»: электронный словарь идет в народ. // Компьютерра- 1996 -№ 27(154)-С.40.
  66. Фаронов В.В. Delphi 5. Руководство программиста. М.: «Нолидж», 2001. — 880 с.
  67. В.Я. Оборудование швейного производства: Учеб. для сред. проф. образования. М.: Издательский центр «Академия», 2002. — 448 с.
  68. И. Активная память. М.: Прогресс, 1986. — 309 с.
  69. А.Р. Неточный вывод на знаниях // Искусственный интеллект. Т.2. Модели и методы. — М.: Радио и связь, 1990. С. 105−110.
  70. Э., Сеппянен Й. Мир Лиспа. В 2-х т.: Пер. с. финск. — М.: Мир, 1990.-Т. 1,2.
  71. М.Ш. Моделирование семантики в базах данных. М.: Наука. Гл. ред. физ.-мат. лит., 1989. — 288 с.
  72. С.В. и др. Моделирование и анализ систем. IDEF-технологии: практикум. — М.: Финансы и статистика, 2002. 192 с.
  73. Р. Обработка концептуальной информации: Пер. с англ. — М.: Мир, 1987.-С. 274.
  74. Г. П. Справочник по электро- и электронно-измерительным приборам. М.: Воениздат, 1972. — 448 с.
  75. Ю.А. Равенство, сходство, порядок. М.: Наука. Гл. ред. физ.-мат. лит., 1971.-256 с.
  76. А.Н., Урванцева Г. А. Педагогическое тестирование. // Учебно-методическое пособие. Ярославль, 1988. 33 с.
  77. ЭВМ в учебном процессе ВУЗа // Межвуз. сб. науч. тр. / Под ред.
  78. В.Н.Врагова. Новосибирск: НГУ, 1988. — 170 с.
  79. Ebel, Rober L. Measuring educational achievement, Prentice-Hall Inc., New Jersey, 1965.
  80. Evaluating natural language processing systems// Artificial intelligence. -1999. -Vol.107, № 1.-C. 15−56.
  81. Femando C.N. Pereira, David H.D. Warren Definite clause grammars for language analysis survey of the formalism and a comparison with augmented transition networks // Artificial intelligence. — 1980. — Vol.13, № 3. — C. 231−278.
  82. Gronlund, Norman E. How to Make Achievement Tests and Assessments. — Allyn and Bacon, 1993.- 180 c.
  83. Gronlung N.E. Constructing achievement tests. New York, Prentice-Hall, 1977.
  84. Hobbs J.R., Stidcel M.E., Appelt D.E. Interpretation as abduction// Artificial intelligence. 1993. — Vol. 63. — C. 69−142.
  85. Jane Morris, Graeme Hirst Lexical cohesion computed by thesaural relations as an indicator of the structure of text // Computational linguistics. 1991. — Vol. 17, № 1. -C.21−48.
  86. Masaru Tomita. An efficient augmented context-free parsing algorithm// Computational linguistics. 1987. — Vol.13, № 1−2. — C. 31−46.
  87. Moore J., Newell A. How can MERLIN understand? — In: Knowledge and cognition. Baltimore: Lawrence Erlbaum Associates, 1973.
  88. Natural language parsing and linguistic theories / Ed. by U. Reyle — Berlin: Rohrer Dordrecht, 1998. 625 c.
  89. Palmer M.S., Passonnean R.J., Weir C., Finin T. The KERNEL text understanding system // Artificial Intelligence. 1993. — Vol.63. — C. 17−68.
  90. Paul S. Jacobs, Lisa F. Ran Innovations in text interpretations // Artificial1.telligence. 1993. — Vol. 63. -C.14−25.
  91. Schank R.C. Conceptual Information Processing. — Amsterdam: North-Holand Publishing Company, 1975.
  92. Shieber S. An introduction to unification-based approaches to grammar//CSLI lecture notes Chicago: Chicago University Press, 1986. — Vol.4−510c.
  93. Susan L. Graham, Michael A. Harrison. Parsing of general context-free languages// Advances in computers. 1976. — Vol.14. — C. 77−186.
  94. Villano M. Probabilistic student models: Bayesian belief networks and knowledge space theory. Proceedings of the Second International Conference on Intelligent Tutoring Systems. New York: Springer-Verlag, 1992. — P.491−498.
  95. Walter Daelemants, Gerald Gozdar, Koenraad De Smedt Inheritance in natural language processing // Computational linguistics. 1992. — Vol.18, № 2. — C.201−214.1. УТВЕРЖДАЮакарова1. АКТо результатах использования научно-технической продукции
  96. Настоящий акт составлен по результатам использования (применения) научно-технической продукции.
  97. Наименование научно-технической продукции:
  98. Программное обеспечение системы квалиметрии профессиональных знаний таксономического характера специалистов
  99. Авторы научно-технической продукции: Никаев Станислав Александрович3. Место внедрения:
  100. Швейное предприятие «Гармония»
  101. Основания для внедрения: Применение информационной системы для квалиметрии профессиональных знаний таксономического характера
  102. Цель внедрения: Обеспечение объективности, надежности и достоверности оценки уровня профессиональных знаний таксономического характера.
  103. Результаты внедрения: Автоматизация процессов контроля качества профессиональных знаний таксономического характера.
  104. Отв. за внедрение директоршвейного предприятия «Гармония"1. Н.В. Макарова
  105. Министерство здравоохранения Российской Федерации
  106. Место внедрения: ' '*» ~ -- «» СамГМУ. кафедра «Педагогики, психологии и психолингвистики»
  107. Основания для внедрения: Применение информационной системы для квалиметрии профессиональных знаний таксономического характера специалистов.
  108. Цель внедрения: Обеспечение объективности, надежности и достоверности оценки уровня профессиональных знаний таксономического характера специалистов.
  109. Начальник отдута гаяров СамГМУ1. Ц5. Картшова>
Заполнить форму текущей работой

Сессия? Спокойно!