Expert systems are defined as intel

Expert systems are defined as intelligent systems constructed by obtaining knowledge from human experts and coding it into a form that a computer may apply to similar problems (Hwang et al., 2009; Luger, 2005). Expert knowledge is a combination of a theoretical understanding of the problem and a collection of heuristic problem-solving rules that experience has shown to be effective in the domain (Hwang et al., 2009; Luger, 2005). In the past decades, expert systems have been applied to not only many problem-solving applications, such as decision making, designing, planning, monitoring, diagnosing, and training activities (Chu & Hwang, 2008; Hwang et al., 2006; Liebowitz, 1997; Mahaman, Passam, Sideridis, & Yialouris, 2003; Zhou, Jiang, Yang, & Chen, 2002), but also to enhancing the learning process and
improving the basic skills of students (Karake, 1990; Stankov, Rosic, Zitko, & Grubisic, 2008). Therefore, an expert system, the Knowledge Elicitation and Integration System for Determining the Weights of Concepts (KEISC), is developed accordingly. In KEISC, a multi-expert weight-presetting procedure (as shown in Fig. 2) is employed to elicit and integrate relationships given by multiple experts. There are three phases of a multi-expert weight-presetting procedure, as follows: (1) the Elicitation of the weightings from the individual expert, (2) the Integration of the corresponding weightings, and (3) the Development testing and diagnostic system. In the following subsections, we shall introduce each phase of this procedure in detail.

ผลลัพธ์ (ไทย) 1:

ระบบผู้เชี่ยวชาญกำหนดเป็นระบบอัจฉริยะที่สร้าง โดยได้รับความรู้จากมนุษย์ผู้เชี่ยวชาญ และเขียนโค้ดในแบบที่เครื่องคอมพิวเตอร์จะใช้กับปัญหาที่คล้ายกัน (Hwang et al., 2009 Luger, 2005) ความรู้มีความเข้าใจทฤษฎีของปัญหาและรวบรวมของแล้วแก้ปัญหากฎที่ประสบการณ์ได้แสดงให้เห็นจะมีผลบังคับใช้ในโดเมน (Hwang et al., 2009 Luger, 2005) ในทศวรรษที่ผ่านมา ระบบผู้เชี่ยวชาญได้ที่ใช้ไม่เพียงแต่หลายปัญหาประยุกต์ ตัดสินใจ ออกแบบ วางแผน ตรวจสอบ วิเคราะห์ และกิจกรรมอบรม (ชูและ Hwang, 2008 Hwang et al., 2006 Liebowitz, 1997 Mahaman, Passam, Sideridis, & Yialouris, 2003 โจว เจียง ยาง และ Chen, 2002), แต่ยัง ต้องเสริมสร้างกระบวนการเรียนรู้ และพัฒนาทักษะพื้นฐานของนักเรียน (Karake, 1990 Stankov, Rosic, Zitko, & Grubisic, 2008) ดังนั้น ระบบผู้เชี่ยวชาญการ รู้ Elicitation และรวมระบบสำหรับการกำหนดน้ำหนักของแนวคิด (KEISC), จะพัฒนาขึ้นตามลำดับ KEISC จ้างผู้เชี่ยวชาญหลายโครงน้ำหนักขั้นตอน (เป็นแสดงใน Fig. 2) การรับรวมความสัมพันธ์ที่กำหนด โดยผู้เชี่ยวชาญหลาย ดังมีขั้นตอนที่สามของผู้เชี่ยวชาญหลายน้ำหนักโครงกระบวนงาน : (1) Elicitation weightings จากผู้เชี่ยวชาญแต่ละ, (2)รวม weightings ที่เกี่ยวข้อง และ (3) การพัฒนาทดสอบ และวิเคราะห์ระบบ ในส่วนย่อยต่อไปนี้ เราจะนำแต่ละขั้นตอนของกระบวนการนี้ในรายละเอียด

ผลลัพธ์ (ไทย) 2:

ระบบผู้เชี่ยวชาญจะถูกกำหนดเป็นระบบอัจฉริยะสร้างขึ้นโดยได้รับความรู้จากผู้เชี่ยวชาญของมนุษย์และการเข้ารหัสลงในแบบฟอร์มที่คอมพิวเตอร์อาจนำไปใช้กับปัญหาที่คล้ายกัน (Hwang et al, 2009;. ลูเกอร์, 2005) ความรู้จากผู้เชี่ยวชาญคือการรวมกันของความเข้าใจทฤษฎีของปัญหาและคอลเลกชันของกฎการแก้ปัญหาแก้ปัญหาประสบการณ์ที่ได้แสดงให้เห็นว่ามีประสิทธิภาพในโดเมน (Hwang et al, 2009;. ลูเกอร์, 2005) ในทศวรรษที่ผ่านมาระบบผู้เชี่ยวชาญได้ถูกนำไปใช้ไม่เพียง แต่การใช้งานมากการแก้ปัญหาเช่นการตัดสินใจการออกแบบการวางแผนการตรวจสอบการวินิจฉัยและกิจกรรมการฝึกอบรม (จือและ Hwang 2008; Hwang et al, 2006;. Liebowitz 1997; Mahaman, passam, Sideridis และ Yialouris 2003; โจว, เจียงหยาง & Chen, 2002) แต่ยังรวมถึงการเสริมสร้างกระบวนการเรียนรู้และ
การพัฒนาทักษะพื้นฐานของนักเรียน (คาราเกะ, 1990; Stankov, Rosic, Zitko และ Grubisic 2008) ดังนั้นระบบผู้เชี่ยวชาญการสอบถามความรู้และระบบบูรณาการในการกำหนดน้ำหนักของแนวคิด (KEISC) ได้รับการพัฒนาตาม ใน KEISC, ผู้เชี่ยวชาญหลายขั้นตอนการตั้งค่าล่วงหน้าน้ำหนัก (ดังแสดงในรูปที่ 2). เป็นลูกจ้างจะล้วงเอาและบูรณาการความสัมพันธ์ที่กำหนดโดยผู้เชี่ยวชาญหลาย มีสามขั้นตอนของขั้นตอนการตั้งค่าล่วงหน้าน้ำหนักหลายผู้เชี่ยวชาญมีดังต่อไปนี้ (1) การสอบถามของน้ำหนักจากผู้เชี่ยวชาญของแต่ละบุคคล (2) บูรณาการของน้ำหนักที่สอดคล้องกันและ (3) การทดสอบและพัฒนาระบบการวินิจฉัย . ในหัวข้อย่อยต่อไปนี้เราจะแนะนำขั้นตอนของขั้นตอนนี้ในรายละเอียดแต่ละ

ผลลัพธ์ (ไทย) 3:

ระบบผู้เชี่ยวชาญถูกกำหนดเป็นระบบอัจฉริยะสร้างได้โดยได้รับความรู้จากผู้เชี่ยวชาญและการเข้ารหัสลงในแบบฟอร์มที่คอมพิวเตอร์อาจใช้กับปัญหาที่คล้ายกัน ( ฮวาง et al . , 2009 ; ลูก้า ปี 2005 )ความรู้ความเชี่ยวชาญคือการรวมกันของความเข้าใจทางทฤษฎีของปัญหาและการแก้ปัญหาที่พบคอลเลกชันของกฎนี้ได้แสดงผล ใน โดเมน ( ฮวาง et al . , 2009 ; ลูก้า ปี 2005 ) ในทศวรรษที่ผ่านมา , ระบบผู้เชี่ยวชาญมาใช้เพื่อแก้ปัญหาไม่เพียง แต่หลายโปรแกรม เช่น การตัดสินใจ การออกแบบ การวางแผน การติดตาม การวินิจฉัยและกิจกรรมการฝึกอบรม ( ชู&ฮวาง , 2008 ; ฮวาง et al . , 2006 ; ลีเบอวิตส์ , 1997 ; mahaman passam sideridis & , , , yialouris , 2003 ; โจว เจียง หยาง &เฉิน , 2002 ) , แต่ยังเพื่อเสริมสร้างกระบวนการเรียนรู้และ
การพัฒนาทักษะพื้นฐานของเด็ก ( คาราเกะ , 2533 ; stankov rosic zitko & , , , เซน กรูบิสิก , 2008 ) ดังนั้น ผู้เชี่ยวชาญระบบความรู้และการรวมระบบสำหรับการกำหนดน้ำหนักของแนวคิด ( keisc ) ถูกพัฒนาขึ้นตาม ใน keisc , ผู้เชี่ยวชาญน้ำหนัก presetting หลายขั้นตอน ( ดังแสดงในรูปที่ 2 ) มาใช้เพื่อศึกษาและรวม < ข้อสอบแนวคิด > ความสัมพันธ์ให้โดยหลายผู้เชี่ยวชาญ มีสามขั้นตอนของหลายผู้เชี่ยวชาญน้ำหนัก presetting ขั้นตอน ดังนี้( 1 ) การ weightings จากผู้เชี่ยวชาญของแต่ละบุคคล ( 2 ) บูรณาการของ weightings ที่สอดคล้องกัน และ ( 3 ) ระบบการพัฒนาการทดสอบและการวินิจฉัย ในอนุมาตราต่อไปนี้เราจะแนะนำขั้นตอนของแต่ละขั้นตอนนี้ในรายละเอียด