##plugins.themes.bootstrap3.article.main##
Анотація
Виконано аналіз проблеми створення знання-орієнтованих систем, здатних формувати інтерактивні алгоритми розв’язання нечітко сформульованих задач, що характерне для інтелектуальних систем. Показано, що для цього необхідне розроблення моделей структуризації знань про заданий клас задач, методи їх розв’язання та досвід застосування цих методів. такої методології доцільною є гібридна архітектура, що поєднує представлення знань про процес поетапного розв'язання задач, адаптивний інтерфейс з трьома режимами взаємодії з користувачем, компонент візуалізації для аналізу результатів на кожному етапі та систему збереження обраних шляхів розв'язання для накопичення досвіду. Така архітектура забезпечує баланс між автоматизацією рутинних операцій та можливістю експертного контролю на кожному етапі прийняття рішень. Застосування запропонованого підходу демонструється на задачі індуктивного моделювання складних об'єктів. Показано, що процес прийняття рішень у такій задачі є послідовністю декількох інформаційно залежних задач, розв’язання яких потребує засобів інтерфейсу користувача, що дозволяють ефективно і коректно застосовувати наявні методи. Завдяки покроковому розв'язанню проблем мінімізуються вимоги до рівня підготовки користувача.
##plugins.themes.bootstrap3.article.details##
Посилання
2. Доценко С. І. Людино-машинний інтерфейс: навч. посібник. Харків: УкрДУЗТ, 2022. 135 с.
3. Horvitz E. Principles of Mixed-Initiative User Interfaces. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (CHI '99). ACM, 1999. P. 159–166. https://doi.org/10.1145/302979.303030
4. Natarajan M., Xue C., van Waveren S., Feigh K.M., Gombolay M.C. Mixed-Initiative Human-Robot Teaming under Suboptimality with Online Bayesian Adaptation. Proceedings of the 23rd International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2024). IFAAMAS, 2024. P. 1454–1462. https://doi.org/10.65109/TNQY2230
5. Norcio A.F., Stanley J. Adaptive Human-Computer Interfaces: A Literature Survey and Perspective. IEEE Transactions on Systems, Man, and Cybernetics. 1989. Vol. 19, No. 2. P. 399–408. https://doi.org/10.1109/21.31042
6. Wen S., Ping S., Wang J., Zhu Y., Zhao T., Wang Y., Zhou M.X., Wang H. AdaptiveVoice: Cognitively Adaptive Voice Interface for Driving Assistance. Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems. ACM, 2024. Article 253. 18 p. DOI: 10.1145/3613904.3642876
7. Amershi S., Weld D., Vorvoreanu M., Fourney A., Nushi B., Collisson P., Suh J., Iqbal S., Bennett P.N., Inkpen K., Teevan J., Kikin-Gil R., Horvitz E. Guidelines for Human-AI Interaction. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems. ACM, 2019. Article 3. 13 p. https://doi.org/10.1145/3290605.3300233
8. Ma S., Wang X., Lei Y., Wang X., Ming Y., Qu H. "Are You Really Sure?" Understanding the Effects of Human Self-Confidence Calibration in AI-Assisted Decision Making. Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems. ACM, 2024. Article 840. 20 p. https://doi.org/10.1145/3613904.3642671
9. Ma S., Chen Q., Wang X., Luo X., Liang H.-N., Qu H. Towards Human-AI Deliberation: Design and Evaluation of LLM-Empowered Deliberative AI for AI-Assisted Decision-Making. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems. ACM, 2025. Article 261. 31 p. https://doi.org/10.1145/3706598.3713423
10. Stepashko V. On the Self-Organizing Induction-Based Intelligent Modeling / In: Advances in Intelligent Systems and Computing III / N. Shakhovska, M.O. Medykovskyy, Editors. AISC book series, Volume 871. Cham: Springer, 2019. P. 433-448. https://doi.org/10.1007/978-3-030-01069-0_31
11. Heer J., Agrawala M. Software Design Patterns for Information Visualization. IEEE Transactions on Visualization and Computer Graphics. 2006. Vol. 12, No. 5. P. 853–860. https://doi.org/10.1109/TVCG.2006.178
12. Lin C., Lu S., Fei X., et al. A Reference Architecture for Scientific Workflow Management Systems and the VIEW SOA Solution. IEEE Transactions on Services Computing. 2009. Vol. 2, No. 1. P. 79–92. https://doi.org/10.1109/TSC.2009.4
13. Berthold M.R., Cebron N., Dill F., et al. KNIME – The Konstanz Information Miner: Version 2.0 and Beyond. ACM SIGKDD Explorations Newsletter. 2009. Vol. 11, No. 1. P. 26–31. https://doi.org/10.1145/1656274.1656280
14. Kluyver T., Ragan-Kelley B., Pérez F., et al. Jupyter Notebooks — a Publishing Format for Reproducible Computational Workflows. Positioning and Power in Academic Publishing. 2016. P. 87–90. https://doi.org/10.3233/978-1-61499-649-1-87
15. Heer J., Shneiderman B. Interactive Dynamics for Visual Analysis. Communications of the ACM. 2012. Vol. 55, No. 4. P. 45–54. https://doi.org/10.1145/2133806.2133821
16. Denicola, A; Missikoff, M; Navigli, R (2009). A software engineering approach to ontology building (PDF). Information Systems. 34 (2): 258. https://doi:10.1016/j.is.2008.07.002