Введение

Происходящие в наше время бурные социально-экономические преобразования, накопление новых знаний в различных отраслях науки, увеличение роли информации в обществе – все это породило новые требования к человеку. Современной молодежи очень часто приходится приспосабливаться и развиваться в условиях изменяющейся действительности. Проблема адаптации молодежи особенно актуальна, когда речь идет о будущем специалисте [3,5]. Именно от того, как подготовлен молодой специалист будет зависеть уровень его профессиональной деятельности, а, следовательно, уровень выполняемой работы. На процесс адаптации влияют различные неоднородные факторы не только объективные, но и субъективные – психологическая готовность к обучению в высшем учебном заведении, приспособляемость к новому коллективу, специфика общения с новыми людьми. Классические формально-логические методы не позволяют построить адекватную модель данного социального явления.

Нечеткое моделирование в этом случае оказывается эффективным, т.к. в описании моделируемой системы присутствует неточность и некоторая неопределенность данных, которые делают невозможным применение точных количественных методов. В основе реализации методов нечеткого моделирования лежит теория нечетких множеств и основанная на ней нечеткая логика, позволяющая в большей степени учитывать характер человеческого мышления. Основные положения этой теории были заложены американским математиком Лотфи Заде [2]. Первые реализации нечетких моделей относятся к середине 70-х, а автором первого алгоритма нечеткого вывода является английский ученый Эбрахим Мамдани [1]. В данной работе предлагается модель оценки адаптации студентов, основанная на алгоритме нечеткого вывода. Для реализации построенной модели использовалась среда MATLAB, а именно специальный пакет расширения Fuzzy Logic Toolbox [4].

Основной результат

Адаптированность студентов оценивалась по совокупности трех показателей: успеваемости, социально-психологической и групповой адаптации. Например, для расчета показателя успеваемости студентов первого курса использовались такие данные, как количество баллов при поступлении (средний балл аттестата + результаты тестирования), результаты текущей успеваемости в семестре, результаты сессии (в зависимости от курса).

Значение успеваемости измерялось от 0 до 10. Показатели групповой и социально-психологической адаптации изменялись от 0 до 100. Данные показатели рассматривались как нечеткие лингвистические переменные, с соответствующими терм-множествами. А в соответствии с этим понятие «адаптированность» также рассматривается как нечеткая лингвистическая переменная и для ее оценки используются системы нечеткого вывода.

Лингвистическая переменная определяется как кортеж: <?, Т, X, G, M>, где: ? – наименование или название лингвистической переменной; Т – базовое терм-множество лингвистической переменной или множество ее значений (термов); X – область определения (универсум) нечетких переменных, которые входят в определение лингвистической переменной ?; G – синтаксическая процедура, описывающая процесс образования новых термов; M – семантическая процедура образования новых термов. В качестве лингвистических переменных рассматриваются переменные: успеваемость, социально-психологическая адаптация, групповая адаптация, адаптированность.

Определим терм-множества рассматриваемых входных и выходных лингвистических переменных:

1) {?₁ = Успеваемость, Т = {низкая, ниже среднего, средняя, выше среднего, высокая}, X=[0;10]};

2) {?₂ = Социально-психологическая адаптация, Т = { низкая, нормальная, высокая}, X=[0;100]};

3) {?₃ = Групповая адаптация; Т = {низкая, нормальная, высокая}, X=[0;100]};

4) {?₄ = Адаптированность, Т = {сверхнеадаптированность, неадаптированность, незначительная адаптированность, адаптированность, сверхадаптированность}, X=[0;1]}.

Для построения функции принадлежности нечетких множеств, соответствующих термам лингвистических переменных, использовалась треугольные, трапециевидные, S-образные и Z-образные функции принадлежности. На рис. 1 показано окно редактора функций принадлежности среды MATLAB Fuzzy Logic Toolbox, где поочередно задаются функции принадлежности для каждых термов всех входных и выходной переменных.

Рис. 1. Редактор функций принадлежности

Следующим этапом является задание правил системы нечеткого вывода. С помощью экспертов были сформулированы 45 правил. Например, if (Успеваемость is высокая) and (Социально-психологическая адаптация is высокая) and (Групповая адаптация is высокая) then (Адаптированность is сверхадаптированность). На рис. 2 показано окно редактора правил системы нечеткого вывода.

Рис. 2. Редактор правил системы нечеткого вывода

Рис. 3. Программа просмотра правил

Завершающим этапом построения модели является задание значений входных переменных и расчет искомого результата, посредством дефаззификации результатов аккумуляции. На рис. 3 показано окно программы просмотра правил системы нечеткого вывода.

Заключение

Предложенная в работе модель позволяет количественно оценить показатель адаптации на основании совокупности таких показателей, как успеваемость, социально-психологическая адаптированность и групповая адаптированность.

Литература

1. Mamdani Е. Н. Application of fuzzy logic to approximate reasoning using linguistic synthesis. – IЕЕЕ Transactions оn Computers, vol. 26, nо. 12, 1977, рр. 1182–1191.

2. Zadeh L. А. Fuzzy sets. – Information аnd Control, vol. 8, 1965, рр. 338–353.

3. Андреева Д.А. О понятии адаптация. Исследование адаптации студентов к условиям учебы в вузе //Человек и общество: Уч. записки XIII. - Л.: ЛГУ, 1973, с. 62-69.

4. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTECH, / А. Леоненков. – СП: БХВ-Петербург, 2003. – 736 с.

5. Яницкий М.С. Основные психологические механизмы адаптации студентов к учебной деятельности: Автореф. канд. дис. Иркутск, 1995. - 24 с.