Zastosowanie regresji rozmytej w badaniach pedagogicznych

• Autorzy: Jakubowski M.

Warianty tytułu

EN

Application of fuzzy regression in pedagogies research

• Języki publikacji: PL

Abstrakty

PL

Celem artykułu jest przedstawienie podstawowych pojęć systemów rozmy­tych oraz zwięzły opis najważniejszych metod modelowania matematycznego. Zebrane in­formacje powinny zainteresować większość pedagogów, szczególnie zajmujących się za­rządzaniem szkołą, ze względu na udane implementacje systemów rozmytych w zarządza­niu. Przedstawiono klasyczne metody przydatne w działalności nauczyciela dla określania związków ilościowych i jakościowych w ocenie zajęć dydaktycznych oraz metody współ­czesne wykorzystujące aparat matematyczny zbiorów rozmytych. W podsumowaniu stwierdzono, że do budowy modeli logiki rozmytej w wielu przypadkach dużą przydatność mają metody sieci neuronowych.

EN

The paper goal is to describe an essential ideas of fuzzy systems and most important modelling methods as well. Assembled information should be interested for pedagogues, especially school managers, because of successfully implementations of fuz­zy systems in management. The classic methods were presented to use by teachers to define quantitative and qualitative connections for lessons estimation and the modern methods as well, with mathematical appliances of fuzzy systems. For modeling of fuzzy systems there are a lot of cases of neural networks applied, concluded.

Słowa kluczowe

PL

regresja rozmyta; badania pedagogiczne

• Wydawca: Oddział SIMP w Lublinie
• Czasopismo: Postępy Nauki i Techniki
• Rocznik: 2009
• Tom: nr 3
• Strony: 52--58
• Opis fizyczny: Bibliogr. 16 poz.

Twórcy

autor

Jakubowski M.

• Katedra Podstaw Techniki, Wydział Podstaw Techniki, Politechnika Lubelska, 20-618 Lublin, ul. Nadbystrzycka 38,

Bibliografia

• 1. Oxley H.: The of Public Reletions. Kogan Page, London 1987.
• 2. Barnes C.: Practical Marketing for school. Blackwell, Oxford 1993.
• 3. Dean I.: Managing the Primary School. Routledge, London, N. York 1995.
• 4. de la Vallee Poussin Ch.: Integrales de Lekesque, fouctions d'ansemble, classes de Baire. Gauthiar Villars, Paris 1950.
• 5. Zadeh L.A.: Fuzzy Sets. Inf. Control 8, 1965: 338-353.
• 6. Kubiński T.: Nazwy nieostre. Studia Logica 7, 1958: 115-179.
• 7. Kubiński T.: An Attempt to Bring Logic Near to Colloquial Language. Studia Logica 10, 1960: 61-75.
• 8. Frank H.: Kybernetische Grundlagen der Pedagogik. Baden Baden 1968.
• 9. Mańczak K.: Technika Planowania Eksperymentu. WNT, Warszawa 1976.
• 10. Tanaka H., Uejima S., Asai K.: Linear regression analysis with fuzzy model. IEEE Trans. Syst. Man. Cybernet, SMC, 12: 903-907.
• 11. Alefeld G., Herzberger I.: Introduction to interval computations. Academic Press, N. York 1983.
• 12. Moore R.E.: Methods and applications of interval analysis. SIAM (Society for Industral and Applied Mathematics), Philadelphia 1979.
• 13. Kacprzyk I., Fedrizzi M. (Ed.): Fuzzy Regression Analysis. H. Tanaka, H. Ishibushi, Possibilistic regression analysis based on linear programming. Springer Verlag, Omni- Tech Press. Warsaw - Heidelberg 1992: 47-61.
• 14. Peeke G.: Mission and change. Institutional mission and its applications to the management of further and higher education. The Society for Research into Higher Education and Open University Press, London 1994.
• 15. Ishibushi H., Tanaka H.: Identification of fuzzy parameters by interval regression models. Electronics and Communications in Japan Part 3, 73, No 12/1990: 19-27.
• 16. Melezinek A.: Pedagogika inżynierska. Metodologia nauczania techniki. Wyd. Politechniki Śląskiej, Gliwice 2004.