مقدمه
روش ارزیابی سنتی دانشجویان فرآیندی طراحی شده برای ارزیابی جنبه های کیفی است، اما در حقیقت نتیجه نهایی آن یک نمره است که مقادیر برای جنبه کیفی ارزش گذاری می نماید. چالش مورد نظر در این کار در نظر گرفتن اصلاح، روش دینامیک و سازگار از ارزیابی در ناحیه اتوماسیون صنعتی است.
به خصوص در حوزه آکادمیک، آزمایشگاه های آنلاین به طور رایج از مدل یادگیری از راه دور استفاده می کنند که در آن دانشجو، دانش تئوری را با استفاده از شبیه ساز فیلدباس تمرین می کند. این جلسات عملی می تواند در هر موقعیت انجام شود تا زمانی که یک دسترسی امن تایید شده فراهم شود.

توصیف مسئله
اتوماسیون صنعتی حوزه ای گسترده است و برای نمره یک دانشجو به صورت تایید شده یا نشده ناعادلانه نخواهد بود. این نوع از طبقه بندی هیچ اطلاعاتی را فراهم نمی کند در مورد اینکه آیا دانشجوی تایید شده دارای توانمندی ها در هر حوزه است یا خیر. سوء قضاوت یکسان می تواند در مورد دانشجویی رخ دهد که درس را افتاده است. این دانشجو می تواند به طور افراطی در یک حوزه خاص خوب باید اما در دیگر جنبه ها ناموفق باشد.
توجه کنید که ارزیابی سنتی، در کنار ناعادلانه نبودن در برخی جنبه ها، تعریف مشخصات دانشجو را سخت می سازد.
راه حل مسئله
همانطور که در بخش 2 توصیف شده است، یک ارزیابی حاصل فقط در نمره نهایی می تواند ناعادلانه باشد اگر تخصص ها در یک بخش خاص را در نظر نگیرد. علاوه بر این، چنین روشی برای ارزیابی جنبه های کیفی هدفدار شده است اما در حقیقت نتیجه نهایی دارای ارزش جنبه کمی است.
در این زمینه، این مقاله، یک روش ارزیابی را مبتنی بر مجموعه های فازی دردسترس در شبیه ساز FBSIMU پیشنهاد می دهد که در EESC/USPبرای آموزش پروتکل FOUNDATION Fieldbus استفاده یم شود.
این مورد پیشنهاد می دهد که ارزیابی دانشجویان در سه حوزه اتوماسیون صنعتی مجزا صورت گیرد: مفاهیم پروتکل صنعتی FOUNDATION Fieldbus (FFP)؛ پیکربندی راهبردی کنترل (CSC)؛ و شبیه سازی کارخانه صنعتی (IPS).
روش اعمال شده برای ارزیابی
روش ارزیابی شامل سه مرحله می شود. اولین مرحله (زیربخش 4) محاسبه نمره دانشجو در هر حوزه در نظر گرفته شده در این تحقیق است. بعد از ان (زیربخش 4.2)، طبقه بندی دانشجو در هر حوزه، با استفاده از تئوری فازی، توضیح داده خواهد شد. برای تمام کردن فرآیند، زیربخش 4.3 به توضیح روشی برای دستیابی به طبقه بندی نهایی از دانشجویی معین می پردازد.
محاسبه نمره
هر سوال در ارزیابی ممکن است نیاز به آگاهی خاص از دانشجو در بیش از یکی از سه حوزه در نظر گرفته شده در این تحقیق داشته باشد (FFP،CSC، و IPS) و بنابراین هر حوزه دارای وزنی خاص برای هر سوال است. به طور مثال، یک سوال نشاندهنده برخی از راهبردهای کنترل FOUNDATIO Ficldbustvبرای یک فرآیند خاص است. برای جواب دادن به این سوال، دانشجو باید تئوری پروتکل FOUNDATIO Ficldbustvرا بلد باشد و علاوه بران، جزئیاتی در مورد اینکه چگونه راهبرد کنترل را خلق نماید. جدول 1، نشاندهنده وزن هر سوال در هر حوزه است. با در نظر گرفتن اطلاعات مرتبط با یک سوال. برای این سوال، FFP حوزه دارای وزن 0.09 است. این حوزه CSC دارای وزن 0.95 است. وزن سوال برای حوزه IPS برابر صفر است.
طبقه بندی دانشجو
گام بعدی در این کار طبقه بندی دانشجو بر اساس سه حوزه کنترل و اتوماسیون پیشنهاد شده است. در این نقطه، یک سیستم فازی برای طبقه بندی دانشجو بر اساس نمره به دست آمده در این گام که در زیربخش 4.1 توصیف شده است استفاده می شود.
شکل های 2،3 و 4 نشاندهنده تابع ارتباط فازی برای هر حوزه تحقیقاتی است (FFP، CSC و IPS). کل بررسی، مقداری عددی برای نمره است (از 0.0 تا 1.0) در یک از از سه حوزه بررسی شده در این مقاله.
توجه به این نکته مهم است که هر حوزه دراای توابع ارتباطی مختلف است. این تفاوت مرتبط با سهم سطح هر حوزه برای دانشجویان است. به طور نمونه، یک دانشجو که دارای آگاهی خوب در مورد مفاهیمFOUNDATIO Ficldbustv صنعتی و یک میانگین آگاهی در مورد شبیه سازی کارخانه حوزه صنعتی (IPS) است نسبت به دیگر دانشجویان با آگاهی کم در حوزه FFP و آگاهی عالی در حوزه IPS. با مقایسه شکل 2 با 4، مشخص است که تابع ارتباطی IN (نامناسب) برای حوزه FFP دارای موضوع بحث از 0.0 تا 0.6 است در حالیکه در حوزه IPS، این تابع یکسان دارای موضوع بحث 0.0 تا 0.3 است. این بدین معنی است که مینیمم نمره مورد نیاز برای دانشجو برای در نظر گرفتن یک دانشجوی متوسط در حوزه FP بزرگتر از نمره مورد نیاز برای همان دانشجوی در نظر گرفته شده با یک دانشجوی میانگین در حوزه IPS است. این مورد به علت حوزه IPSبرای اطلاعات دانشجویان رخ می دهد.
انتصاب طبقه بندی نهایی به دانشجو
سیستم فازی برای طبقه بندی نهایی دانشجو استفاده می شود. ورودی های برای این سیستم فازی، طبقه بندی دانشجو در هر کدام از سه حوزه هستند (زیربخش 4.2) و خروجی بدین صورت خواهد بود: رد (FA)، قبول با بسیاری از محدویت ها (MR)، قبول با محدودیت های کم (FR) یا قبول (PA). شکل 5 نشاندهنده تابع وابستگی است که این مجموعه آخر را نشان می دهد.
برای تعیین اینکه آیا دانشجو رد (FA)، قبول با بسیاری از محدویت ها (MR)، قبول با محدودیت های کم (FR) یا قبول (PA) است، برای یافتن قواعد فعال لازم است (جدول 2).
نتایج
نتایج از سوالات واقعی استفاده شده برای ارزیابی دانشجویان در EESC/USP به دست آمدند. سه وضعیت در نظر گرفته شدند:
· دانشجو سوالات 1،3،5،6 و 8 را صحیح جواب می دهد
· دانشجو سوالات 1،4،7،8 و 9 را صحیح جواب می دهد
· دانشجو سوالات 2،4 و 9 را صحیح جواب می دهد
به دست آوردن مقادیر PQnبرای اعمال فرمول (1) لازم است که در آن n تعداد سوالات (از 1 تا 10) است.
هر کدام از زیرآیتم های زیر، نتایجی از موارد در نظر گرفته شده در بالا را گزارش می دهد.
مورد اول (سوالات 1،3،5،6 و 8)
با در نظر گرفتن اینکه سوالات 1،3،5،6 و 8 صحیح هستند و فرمول اعمالی (1)، مقدار V1، V3، V5، V6 و V8 1 است و مقدار دیگر سوالات برابر صفر است.
بنابراین، با استفاده از مقادیر نشان داده شده در جدول 1 به عنوان یک مرجع داریم:
· نمره در حوزه FFP: 0.69
· نمره در حوزه CSC:0.67
· نمره در حوزه CSC:0.43
با استفاده از روش COA، مقدار CRISPبه دست می آید. بنابراین، طبقه بندی نهایی اعمال می شود و طبقه بندی دانشجو قبولی با تعدادی محدودیت است.
با آوردن طبقه بندی با حوزه و طبقه بندی عمومی، طبقه بندی دانشجو بدین صورت خواهد بود: قبولی با تعدادی محدودیت، زیرا عملکرد در تئوری پروتکل صنعتی FOUNDATION Fieldbustnنامناسب بوده است، نامناسب در تنظیم و بهینه سازی حلقه های کنترل فرآیند صنعتی ، و در شناسایی راهبردهای کنترل در فرآیندهای صنعتی، متوسط است.
در این مورد، دانشجو با روش سنتی تایید می شود. با استفاده از سیستم فازی توصیف شده در این مقاله، طبقه بندی دانشجو قبولی با تعدادی محدودیت ها است. این دانشجو گزارشی از این دوره دریافت می کند و برای این دانشجو برداشتن مرحله جدید یادگیری مبتنی بر کمبودهای شناخته شده از او پیشنهاد می شود.
این سیستم پیاده سازی شده در این کار، به تایید ننمودن دانشجویان کمک نمی کند بلکه به جهت گیری آنها در مدت فرآیند کامل یادگیری کمک می کند که نشاندهنده نقاط بالقوه و عیب های آنان است.
این روش لزوماً دانشجو را در تمام جنبه ها تحلیل نمی کند. دیگر حقیقت مهم در این روش اینست که جنله های کیفی بر جنبه های کمی غلبه دارد.
یک دانشجو که در روش سنتی تایید شده است در روش فازی، اما برای گرفتن کلاس های بیشتر در حوزه های خاصی از نقص جهت گیری نموده است و در حوزه هایی تحریک شده است که در آن دانشجو دارای آگاهی بیشتر و توانمندی های بیشتر است. برعکس، اگر دانشجو، در روش پراکنده تایید نمی شد، به علت عیب بزرگ در سه حوزه از آگاهی، او در روش سنتی تایید نمی شود.
به خاطر داشتن این مورد مهم است که این کار می تواند به بررسی گسترش قواعد و گنجاندن ورودی های دیگر برای ارزیابی بپردازد. در کنار اینها، همین روش می تواند در حوزه های مختلف، غیر از حوزه کنترل اعمال شود.
بارها در فرایند ارزیابی سنتی، معلمان از نمره به عنوان یک مکانیزم کنترل در روشی رسمی استفاده می نمودند که سبب می شد دانشجو در مورد محاسبه نمره درگیر شود به جای اینکه در مورد یادگیری نگرانی باشد. با تحلیل مفصل تر، تمرکز دانشجو می تواند تغییر یابد و منحنی یادگیری را در حوزه های مطلوب ارتقا دهد.
این مقاله در سال 2010 در مجله سیستم های فازی، توسط دانشگاه سائوپائولو منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله ارزیابی دانشجو مبتنی بر تئوری مجموعه فازی در سایت ای ترجمه مراجعه نمایید.