Информационные технологии в образовании - umotnas.ru o_O
Главная
Поиск по ключевым словам:
Похожие работы
Название работы Кол-во страниц Размер
Программа Тринадцатой международной научно-практической конференции... 1 144.01kb.
Информационные технологии в образовании: проблемы и задачи 1 64.39kb.
Программа дисциплины "информационные технологии" Рекомендуется Министерством... 1 101.22kb.
Информационные системы и федеральные образовательные порталы 1 55.23kb.
Программа курса информационные и коммуниккационные технологии в учебном... 1 261.3kb.
Computer Using Educators Inc., Usa материалы XXI международной конференции... 29 9478.41kb.
Computer Using Educators Inc., Usa материалы XVI международной конференции... 17 4874.64kb.
Информационные технологии в образовании: проблемы машинного перевода 1 71.45kb.
Гуманитарный, социальный и экономический цикл. Базовая часть 4 1151.88kb.
Четвертая международная конференция «новые информационные технологии... 1 153.17kb.
Вопросы к вступительному испытанию по направлению «Информационные... 1 50.37kb.
Программа XIV выставки-ярмарки народных художественных промыслов 1 145.05kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Информационные технологии в образовании - страница №1/12



СОДЕРЖАНИЕ

Предисловие

Информационные технологии в образовании

9

Аржаник М.Б.

Черникова Е.В.



Информационные технологии как средство оптимизации учебного процесса


9

Исмаилова Л.Ю.

Александрова И.А.

Борзяк А.А.


Средства концептуального моделирования с вычислительно интенсивными онтологиями


11

Мокина Е.Е.

Марухина О.В.



Формирование компетенций IT-специалистов в условия личностно-ориентированной среды


13

Кинаш Н.А.

Наджи А.А.А.

Тихомиров А.А.

Труфанов А.И.




Сетевая модель развития дистанционного образования в йеменской республике


16

Муратова Е.А.

Оценивание результатов обучения в Томском политехническом университете


18

Толстолес Е.С.

Шелехов И.Л.



Кластерный анализ в исследовании психологических особенностей студентов медиков


22

Фисоченко О.Н.

Выявление закономерностей адаптации иностранных студентов с помощью системы WIZWHY


24

Фисоченко О.Н.

Прогнозирование адаптации иностранных студентов к учебной деятельности


28

Моделирование сложных систем

33

Ахмадеева А.А.

Гозбенко В.Е.



Математическое моделирование и исследование колебаний

системы «вагон – груз»




33

Белаков Р.С.

Применение математического моделирования в исследовании надежности сетей ЭВМ


37

Белинская Н.С.

Интеллектуальная система поиска причин отклонений в работе промышленной установки дегидрирования высших парафинов


39


Белинская Н.С.

Францина Е.В.



Разработка кинетической модели процесса гидродепарафинизации


42

Васильев Д.С.

Юсупова Э.С.



Методы расчета параметров пробкового режима течения нефтегазовой смеси



45

Ганимедов В.Л.

Мучная М.И.

Садовский А.С.


Поле течения и оседание твердых субмикронных частиц

в носовой полости лабораторной мыши по результатам численного моделирования




47

Гультяева Т.А.

Попов А.А.



Исследование поведения классификаторов при классификации смоделированных СММ последовательностей в условиях отклонения от классических предположений


49

Горнов А.Ю.

Финкельштейн Е.А.



Вычислительные технологии аппроксимации области устойчивых решений динамической системы


52

Данилов А.Н.

Бахвалов С.В.



Применение онтологического моделирования для описания компетенций ИТ – специалиста


54

Езангина Т.А.

Моделирование системы горячего водоснабжения


59

Езангина Т.А.

Гайворонский С.А.



Моделирование системы стабилизации положения подводного объекта


61


Звигинцев И.Л.

Григорьев В.П.



Динамика ионизации нейтрального газа на фронте сильноточного электронного пучка


63

Инденко О.Н.

Распознавание статической нелинейности динамических объектов


65


Кириловский С.В.

Поплавская Т.В.

Цырюльников И.С.


Гиперзвуковое обтекание системы модель-кососрезный свисток с учётом геометрических параметров свистка и автоколебаний в нём


69

Кириловский С.В.

Поплавская Т.В.

Цырюльников И.С.


Исследование восприимчивости гиперзвукового ударного слоя на пластине с пористой вставкой


71

Козлова И.А.

Текстурная сегментация изображений. Алгоритм, основанный на фильтрах габора


73

Миронов С.Г.

Поплавская Т.В.

Кирилловский С.В.


Численное моделирование сверхзвукового обтекания цилиндра с передней газопроницаемой пористой вставкой


76

Нгуен Бао Хынг

Огородников А.С.



Моделирование газового разряда в аргоне в отсутствии внешнего магнитного поля


78


Нгуен Ван Нган

Огородников А.С.



Моделирование плотности нейтронного потока в различных средах в пакете COMSOL MULTIPHYSICS


80

Нгуен Мань Хынг

Нгуен Минь Туан

Коваль Т.В.


Исследование электродинамических характеристик коаксиального отражательного триода


82

Небаба С.Г.

Вылегжанин О.Н.



Построение и исследование алгоритма поиска множества крайних подсистем для заданной совместной системы линейных неравенств

85

Полякова Г.Л.

Логико-вероятностная имитационная модель анализа влияния природных факторов на заболеваемость клещевым энцефалитом


89

Поплавская Т.В.

Кирилловский С.В.



Численное моделирование гиперзвукового обтекания пластины реальным газом


92

То Тхи Уиэн

Огородников А.С.



Применение метода подвижной вычислительной сетки при решении задачи Стефана


94

Фаерман В.А.

Аврамчук В.С.



Применение частотно-временного корреляционного анализа для повышения точности локализации мест утечки жидкости


97


Фаерман В.А.

Аврамчук В.С.



Применение частотно - временной автокорреляционной функции для выделения гармоник в зашумленных сигналах


99


Филиппов М.М.

Бабушкин Ю.В.



Влияние системы измерения температуры на температурное поле нагревательного модуля


101

Финкельштейн Е.А.

Технология ускорения метода мультистарта на основе эллипсоидных аппроксимаций областей притяжения локальных экстремумов


104

Хохлов М.В.

Пакет расширения MATLAB для исследования

электроэнергетических систем в установившихся режимах




106

Информационные системы и информационные технологии

109

Босенко В.Н.

Кравец А.Г.



Возможность применения методологии MSF для управления строительством нефтепровода


109

Вольфенгаген В.Э.

Волков И.А.

Горелов Б.Б.

Долбин А.Н.

Доронин А.С.

Евдокимов П.Б.

Маслов М.А.

Навроцкий В.В.




Модели и средства вычислительно интенсивных информационных систем


111

Галимов И.А.

Уразаева Л.Ю.



О современных тенденциях развития ИТ на основе статистических данных бюллетеней Роспатента


113

Галямов А.Ф.

Управление портфолио обучающихся на примере области информационных технологий



117

Долгих Н.Ю.

Ясюкевич Ю.В.

Берестнева О.Г.


Разработка информационных технологий для выявления групп риска среди женщин, ожидающих ребенка


120

Косиков С.В.

Назаров В.Н.

Файбисович М.Л.


Разработка приложений Для поддержания вычислительно интенсивного семантического моделирования на основе обобщенной абстрактной машины

122


Лебедев А.Н.

Информационные технологии обновления общества


124

Oniszczuk W.


Blocking factors in computer tandem networks with threshold

129

Parubets V.

Devjatyh D.

Berestneva O.


Appliyng nvidia cuda technology for parallel computing in neural networks


132

Осадчая И.А.

Исследование быстродействия метода индексации фактов


136

Разумников С.В.

Обзор имитирующих систем оценки эффективности внедрения ИТ


140

Romanenko Е.

Kravets А.,

Olyanitch А.

Koniordos М. Sarmento Е.




Intelligent approach to the tourist Customer Relationship Management system development


144

Темникова Е.А.

Асламова В.С.



Автоматизированная система менеджмента качества образования в учебном центре «ПРОФИЛЬ»


151

Хранилов В.П.

Системный анализ проблемы USABILITY.

Эффективный интерфейс пользователя



155

Чернышева Т.Ю.

Подходы к управлению рисками ИТ-проектов


157

Штоллер Д.В.

Информационная система заказов

на ООО "ЮРГИНСКИЙ МАШЗАВОД"




159

Математические методы и информационные технологии в медицине

163

Воробейчикова О.В.

Программный комплекс «СИТУАЦИОННЫЕ ЗАДАЧИ» для обучения студентов-медиков


163

Ганимедов В.Л.

Мучная М.И.

Садовский А.С.


Оценка результатов хирургической коррекции носовой полости человека на основе математической модели


165


Долгих Н.Ю.

Преимущества кардиотокографии плода


167

Карпенко П.В.

Применение критерия вилкоксона для исследования психологических особенностей людей с заболеванием бронхиальной астмы


169

Кочегуров В.А.

Гергет О.М.

Константинова Л.И.


Проблемы анализа систем на основе бионических моделей


174

Михалев Е.В. Ермоленко С.П. Михаленко И.В.

Ряшенцева Н.Е. Дмитриева А.В.



Метод математического прогнозирования риска развития тяжелого поражения центральной нервной системы у новорожденных детей, с различным сроком гестации, в раннем неонатальном периоде


178


Языков К.Г.

Немеров Е.В.



Подходы к моделированию психобиологических свойств бронхиальной астмы

182

Информационные технологии в экономике и управлении

198

Важдаев А.Н.

Использование принципа открытого управления в работе предприятия малого бизнеса при распределении ресурсов между его отдельными видами деятельности


198

Мицель А.А.

Телипенко Е.В.



Выбор метода минимизации риска банкротства предприятия

на основе иерархической модели




200

Рекундаль О.И.

О задаче управления инвестиционным портфелем пенсионных накоплений 1


202

Рахымов Д.Б.

Родыгина А.E. Тихомиров А.А. Труфанов А.И.

Умеров Р.А.


Визуализация сетевых моделей инструменами сапр


204

Алфавитный список авторов

207


ПРЕДИСЛОВИЕ
В основе предлагаемого сборника лежат материалы Всероссийской конференции с международным участием «Информационные и математические технологии в науке, технике, медицине». Конференция проведена при финансовой поддержке гранта РФФИ № 12-07-06072-г Института кибернетики Национального исследовательского Томского политехнического университета и Сибирского государственного медицинского университета.

В конференции принимают участие сотрудники научных организаций и ведущих ВУЗов гг. Иркутска, Москвы, Томска, Новосибирска, Нижнего Новгорода, Волгограда, Санкт-Петербурга и др.


Дополнительную информацию можно получить на сайте конференции

по адресу http://conference.am.tpu.ru


Координаты для связи:
Сопредседатели программного комитета конференции – Кочегуров Владимир Александрович (kva06@rambler.ru), Берестнева Ольга Григорьевна (ogb6@yandex.ru).

Председатель Оргкомитета конференции – Кочегуров Александр Иванович (kaicc@tpu.ru).


ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОБРАЗОВАНИИ

Информационные технологии как средство оптимизации учебного процесса
М.Б.Аржаник, Е.В.Черникова

(г. Томск, Сибирский государственный медицинский университет)
INFORMATION TECHNOLOGIES AS A MEAN OF OPTIMIZATION

OF EDUCATIONAL PROCESS
M.B. Arzhanik, E.V. Chernikova

(Tomsk, Siberian State Medical University)
Possibilities of information technologies for optimization of educational process are considered.
В настоящее время информационные технологии (ИТ) активно внедряются в систему образования. Их использование позволяет повысить эффективность учебного процесса, сокращая затраты других ресурсов. При этом можно не изменять традиционные дидактические принципы, а пересмотреть и наполнить их новым содержанием [1].

Процесс внедрения ИТ в систему высшего образования требует дифференцированного подхода, учитывающего как специфику предмета, так и специфику конкретной учебной специальности. С нашей точки зрения, применение ИТ в преподавании математики студентам медицинских вузов может осуществляться по следующим направлениям:



  • повышение эффективности подачи информации (лекции с компьютерными презентациями);

  • выполнение вычислений, построение графиков, создание презентаций (при изучении математических методов);

  • активизация самостоятельной работы студентов (тренажер);

  • контроль знаний студентов (при обязательном сочетании с традиционными технологиями контроля);

  • оперативное получение информации (использование сайта университета).

Рассмотрим возможности использования ИТ на различных этапах процесса обучения математике.

Лекции. Использование мультимедийного проектора позволяет лектору расширить возможности лекции за счет обеспечения наглядности. При этом обеспечение наглядности реализуется на более высоком уровне, позволяя увеличить долю усваиваемого материала, так как параллельно задействованы органы зрения и слуха [2, с. 104]. Но студентам становится сложнее фиксировать информацию, так как нужно следить и за слайдами, и за словами преподавателя. Чтобы повысить «информационную емкость» лекции, можно использовать неполные конспекты. Текст конспекта содержит определения, основные формулы, схемы, но он не является абсолютной копией лекции, в нем оставлены свободные места для примеров, выводов формул, доказательства теорем, пояснений. Во время лекции студент активно работает конспектом, дополняет его, записывая примеры, некоторые формулы и рисунки. Применение неполных конспектов и компьютерных презентаций позволяет оптимизировать лекционную форму обучения, поднять лекции на более высокий качественный уровень.

Практические занятия. На практических занятиях ИТ могут применяться следующим образом:

  • прикладные программы в качестве инструмента для упрощения вычислений;

  • тестовые программы для контроля знаний студентов;

  • обучающие программы и тренажеры для отработки навыков решения задач.

Применение прикладных программ, на наш взгляд, актуально при обучении математиков, физиков, инженеров, однако для психологов и медиков не является необходимым, поэтому не используется нами в преподавании математики. При изучении специальных дисциплин (таких, как «Математические методы в психологии») ИТ могут применяться для проведения вычислений (Excel, Statistica и др.), оформления решения задач, создания презентаций.

Применение тестовых программ позволяет проверить знание определений, формулировки теорем, формул, но они не дают возможности отследить логические рассуждения студентов, а показывают лишь готовый результат.

При использовании обучающих программ и тренажеров по математике студенты могут самостоятельно решать задачи по предложенным образцам, но эти программы не адаптированы под конкретную специальность и не учитывают уровень знаний, умений и навыков, которые должны быть сформированы в результате обучения. Чтобы иметь программу, полностью соответствующую всем требованиям, нужно создать ее самостоятельно. В этом случае удобно использовать «программы-оболочки», в которых можно менять содержание для решения конкретных педагогических задач.

Нами была создана такая программа – «Тренажер контрольных работ», которая позволяет генерировать демонстрационные варианты контрольной работы заданного пользователем уровня сложности. Тренажер использует банк заданий, который представляет собой структуру каталогов, содержащих задания и ответы к ним в виде картинок, разбитые по темам и уровням сложности. Применение данного тренажера позволяет студентам лучше подготовиться к контрольной работе и оценить уровень своих знаний.

Таким образом, использование ИТ дает возможность реализовать личностный подход в обучении и позволяет оптимизировать практические занятия.

Итоговый контроль. При контроле знаний имеет смысл разумно сочетать как ИТ, так и традиционные формы. В связи с этим нами была разработана программа «Помощник экзаменатора», которая позволяет автоматизировать процесс создания экзаменационных билетов, но сам экзамен проводится в форме беседы преподавателя и студента. Программа построена по тому же принципу, что и тренажер и содержит большой банк заданий по каждой теме, дифференцированных по уровню сложности.

В течение семестра обучение студентов проводится в рамках дифференциальной рейтинговой системы [3, с.146]. В результате студенты имеют к экзамену спектр индивидуальных частных рейтингов по темам семестрового курса, который учитывается при генерации индивидуального экзаменационного билета. Это позволяет связать в единое целое два вида контроля: текущий и итоговый.

Применение данной программы позволяет индивидуализировать процесс обучения, а также избежать недостатков использования тестовых программ.

Информационно-методическое обеспечение учебного процесса. Для оперативного получения информации студенты могут использовать сайт университета. На сайте размещены неполные конспекты лекций, методические указания к практическим занятиям, информация о рейтинговой системе, индивидуальный рейтинг студентов и тренажер. Студенты имеют возможность воспользоваться этими материалами, используя удобный для себя выход в Интернет.

Таким образом, современные ИТ открывают новые перспективы для оптимизации образовательного процесса. Они позволяют повысить наглядность обучения, увеличить информационную емкость лекций, индивидуализировать процесс обучения, частично автоматизировать контроль знаний, обеспечить своевременное получение информации.


Литература

  1. Образцов, П. И. Психолого-педагогические аспекты разработки и применения в вузе информационных технологий обучения. – Орловский государственный технический университет. – Орел, 2000. - 145 с.

  2. Афонина, Р. Н. Использование мультимедийных средств обучения как необходимое условие формирования умений учебно-творческой деятельности студентов // Информатика и образование. – 2009. – №1. – С. 103-105.

  3. Аржаник, М.Б., Черникова Е.В. Усовершенствование системы контроля знаний: два вида рейтинговой системы // Вестник ТГПУ. – 2010. – №1(91). – С. 145-149.


Средства концептуального моделирования с вычислительно интенсивными онтологиями
Л.Ю. Исмаилова, И.А. Александрова, А.А. Борзяк

(г. Москва, ГК “ЮрИнфоР”/НИЯУ МИФИ)
COMCEPTUAL MODELING FOR COMPUTATIONALLY INTENSIVE ONTOLOGY
L.Yu. Ismailova, I.A. Alexandrova, A.A. Borzyak

(c.Moscow, GK “JurInfoR/NRNU MEPhI”)
We discuss the information modeling, accompanied by the development of methods, computational models, tools and information technologies aimed at analyzing and building a language for representation of dynamic domains (also including elements of proactivity) for information systems (IS). The solution is based on the mathematical tools, methods and tools that make up the conceptual basis of the new ontological oriented approach to the development of modeling systems.
Введение. Проблематика повышения вычислительной интенсивности концептуального моделирования в целом и в связи с применением онтологий, в частности, предполагает выполнение комплексных исследований. Они относятся к области информационного моделирования, сопровождаются разработкой методов, вычислительных моделей, средств и информационных технологий, нацеленных на анализ и построение языковых средств отображения предметных областей динамичных (в том числе включающих элементы проактивности) информационных систем (ИС). Решение проблемы опирается на математический аппарат, методы и средства, составляющие понятийную основу нового онтологически ориентированного подхода к построению систем моделирования.

Характеристика класса задач. Моделируемые предметные области, к числу которых относятся информационные задачи юриспруденции, характеризуются сосуществованием множественных интерпретаций данных, отражающихся в языковых средствах субъектов и способах их трактовки. Конвенциональный характер языковых средств в общем случае требует настройки семантики понятийного уровня модели, что может быть обеспечено за счет использования подходов на основе расширения понятия онтологии. Возникающий круг вопросов относится к проблеме генерации оценивающих отображений с заданными свойствами, что является фундаментальной для информатики проблемой.

Для выбранного класса задач принципиальной трудностью является необходимость увязывания ситуационно обусловленных конструкций языка с динамической сменой их интерпретаций. Преодоление этой трудности требует работу с частично определёнными объектами и их динамическое доопределение, включающее генерацию интерпретаций на основе требуемых свойств оценивающих отображений, что относится к общей проблематике средств обработки данных. Указанные трудности носят принципиальный характер и относятся к фундаментальным для информатики проблемам [1-4].



Направления работы. В настоящей работе обсуждаются следующие вопросы: (1) онтологические средства специализации концептуальных моделей на основе управления механизмами вычислений, (2) информационная система и среда моделирования виртуального издания, (3) информационная система с моделированием вычислений аппликативного типа для виртуализации работы пользователя.

Вычислительно интенсивные онтологические средства. Работа с интерпретациями данных, обеспечивающую динамическую смену интерпретаций, организуется в рамках аппликативной среды программирования. Как ожидается, семантические подходы к построению аппликативных вычислительных систем позволят обеспечить погружение построенных вычислительных моделей в аппликативную среду вычислений, что обеспечит возможность определения методов и средств управления механизмами вычислений. Значимую тестовую предметную область представляет правоприменительная деятельность в юриспруденции – в ее различных отраслях. Решение задачи может быть представлено в виде специализированной среды моделирования, которая для целей обучения может быть представлена в форме среды разработки имитационных деловых игр.

Среда моделирования с виртуализацией объектов. Методически система проектируется для представительного примера текстового описания семантики языков программирования. Интенсификация вычислений достигается встроенным программным кодом, который формирует результат в виде вычисления значения. При необходимости текст снабжается дополнительным ``вычислительным измерением’’, что в рассматриваемом случае приводит к построению семейства компиляторов, позволяющих разработать представление об активной книге.

Виртуализация работы пользователя. Эта возможность будет обеспечиваться логико-аппликативной средой для ИС, поддерживающей механизм рекомендаций, контролирующий качество формирования виртуальных объектов. Выполняется проектирование механизмов сопоставления действительных и виртуальных объектов для класса хранимой информации, допускающей блочно-модульную структуризацию формы представления. Выполняется исследование и разработка вычислительных моделей, основанных на свертывании семейств объектов. В качестве математического аппарата привлекаются комбинаторно полные системы. Для семейств объектов формируется система управления объектами данных и метаданных. Применяются реляционные решения, осуществления которых производится с применением униформной архитектуры. В качестве системы программирования рассматриваются и варианты среды, поддерживающая аппликативный стиль (ML, F#, C# вер. 3.0 и др.).

Заключение. Получены и представлены обобщения результатов исследований, частично поддержанных грантами 10-07-00417-а, 12-07-00661-а, 12-07-00786-а по проектам РФФИ.
ЛитературА

  1. Исмаилова Л.Ю., Косиков С.В. Модели управляемой редукции как основа построения систем с динамичной семантикой. Категорный подход. // Глава 2 в монографии: Информационные системы и технологии, Красноярск: Научно-инновационный центр, 2011. – С. 27-45 (соавторство в монографии)

  2. Исмаилова Л.Ю., Косиков С.В., Вольфенгаген В.Э., Зинченко К.Е. Средства инструментальной поддержки композиции и специализации предметно-ориентированных механизмов наследования для правовых деловых игр. // В мире научных открытий. 2010. № 1-4. – С. 32-36.

  3. А.Е. Зайцев, Л.Ю. Исмаилова, С.В. Косиков Lux-AZ – система описания предметной области на основе семантических конструкций. // Технологии информатизации профессиональной деятельности (в науке, образовании и промышленности) – ТИПД-2011: Труды III Всероссийской науч. конференции с междунар. участием. Том I, Ижевск, 8–12 ноября 2011г. /Под ред. С.Г. Маслова – Ижевск: Изд-во «Удмуртский университет», 2011. – С. 29-31.

  4. Васин Ю.Г., Зайцев А.Е., Исмаилова Л.Ю., Косиков С.В., Парфенова И.А. Средства семантического согласования интерпретаций в реализации проектов электронного правительства на базе аппликативной среды. // VIII Международная заочная научно-практическая конференция «Современные вопросы науки – XXI век». Тамбов, 27 июня 2011г. – С. 58-59.


Формирование компетенций IT-специалистов в условия личностно-ориентированной среды
Е.Е. Мокина, О.В. Марухина

(г.Томск. Томский политехнический университет)
Formation of the competencIes for IT-specialists in frames Individual-oriented environment

E.E. Mokina, O.V. Marukhina

(s.Tomsk, Tomsk Polytechnik University)
At this moment, one of the most relevant ways to build a new educational paradigm is a competence approach. Previously the regular way of specialist training was to learn standard set of knowledge and skills, but the competence approach involves the development of its ability to navigate the diversity of their situations, have an idea of the consequences of their activities, as well as take responsibility for them. Implementation of competence-based approach for concrete discipline always includes detail description of what a student will know and be able to do, after the completion of the educational cycle. The report contains overview of algorithms and their implementation for solving the problems of measurement of elements and components of competence on the basis of expert estimation.
Введение. На сегодняшний день одним из наиболее актуальных способов построения новой образовательной парадигмы является компетентностный подход. Если ранее подготовка специалиста сводилась к усвоению им более или менее стандартного набора знаний, умений и навыков, то компетентностный подход предполагает развитие в нем способности ориентироваться в разнообразии возникающих ситуаций, иметь представления о последствиях своей деятельности, а также нести за них ответственность. При реализации компетентностного подхода в учебную программу изучаемой дисциплины закладываются параметры описания того, что студент будет знать и уметь после завершения данного образовательного цикла.

Роль личностно-ориентированной среды. С появлением и реализацией в России новой парадигмы непрерывного профессионально образования как индивидуально-ориентированного образования через всю жизнь, в центр системы образования поставлена личность с ее интересами и возможностями. Это послужило толчком в развитии профессионального образования и, как показало исследование, наиболее перспективным направлением его развития является совершенствование предоставляемых образовательных услуг.

Настоящие требования, предъявляемые к выпускнику, представляют собой набор не только профессиональных компетенций, а также общекультурных, благодаря чему решается проблема перекоса в сторону субъективных возможностей в процессе формирования человека, возникшая из некоторой косности в традициях системы образования, долгое время ориентированной прежде всего на трансляцию знаний, в значительной степени формальных и оторванных от жизни.

Анализ компетенций может осуществляться на протяжении всего обучения, что позволит отслеживать динамику изменений и рекомендовать те или иные методы как эффективные для совершенствования коммуникативной компетенции. На входе в данном процессе находятся начальная информация о студенте, на выходе – оценка итоговых компетенций дипломированного специалиста. Управляющими факторами являются компетенции направления обучения, изложенные в образовательном стандарте. Для достижения объективности оценка производится не только сотрудниками университета, но и привлеченными экспертами.

Основаниями для оценки компетенций могут служить: психодиагностическое тестирование, которое проводят психологи группы в течение семестра; оценка успеваемости студентов по дисциплинам (текущая, сессионная, итоговая); экспертная оценка знаний умений и навыков, проводимая на защитах различных работ.



Информационная поддержка. Информационная система поддержки принятия решений о выборе индивидуальной образовательной траектории несет на себе такие функции как анализ компетенций студента на протяжении всего процесса обучения на основании его личностных качеств, выявляемых в результате психодиагностического тестирования, оценки экспертами его умений и навыков, а также данных о его успеваемости по дисциплинам. Результат данного анализа соотносится с компетенциями, требуемыми для выпускника по данному направлению подготовки, что позволяет корректировать образовательную траекторию.

Единая информационная среда вуза, например такая, как реализованная в Томском политехническом университете, приспособлена для создания дополнительных программных модулей, внедряемых существующие подсистемы. В качестве примера можно привести портал, подсистемы которого импортируют необходимые данные из соответствующих источников, таких как схема «Личность», «Успеваемость» и др., посредством представлений базы данных. создаваемых для модулей.

Корпоративный портал ТПУ – это единая точка доступа ко всем информационным ресурсам университета для всех заинтересованных категорий пользователей, согласно их прав и обязанностей. Основными преимуществами портала являются: единый подход к размещению и отображению информационных ресурсов, универсальная среда для внутрикорпоративных коммуникаций, доступные технологии, адаптированные для рядовых пользователей, персонализация информационных ресурсов, единая система безопасности.

Для студентов и сотрудников университета в корпоративном портале ТПУ реализованы такие возможности как: самостоятельно создавать и поддерживать сайты подразделений и персональные сайты; размещать файловые ресурсы и давать к ним категорированный доступ; работать с программами и сервисами в своем персонализированном закрытом пространстве – личном кабинете; отображать информацию из единых БД; использовать единые технологии и единый корпоративный стиль. Данные возможности являются важным фактором для встраивания новых подсистем и снимают проблемы безопасности, разделения прав доступа, разработки дизайна и др. с группы разработчиков

Были исследованы возможности оценки и анализа компонентов компетентности по результатам экспериментального исследования на базе Томского политехнического университета. Полученные результаты позволили выделить важные особенности в структуре предметно-деятельностной компетентности студентов университета.

Формирование индивидуальной образовательной траектории в процессе обучения является неотъемлемой частью личностно-ориентированной среды университета. При наличии возможности отслеживания студентом и куратором соответствия текущего уровня компетенций требуемому стандартом специальности и изменения образовательной траектории, позволит уделить повышенное внимание определенным видам деятельности, компетенции по которым студент хотел бы «подтянуть» до требуемого работодателями уровня либо усовершенствовать, чтобы получить наибольшие преимущества на рынке труда.


Работа выполнена при финансовой поддержке РГНФ, проект № 11-06-12010в.
ЛИТЕРАТУРА

  1. Берестнева О. Г. Системные исследования и информационные технологии оценки компетентности студентов: диссертация на соискание ученой степени доктора технических наук: спец. 05.13.01 / О. Г. Берестнева ; Томский политехнический университет (ТПУ); науч. конс. В. А. Кочегуров. – Томск : Б.и., 2007. – 323 л.

  2. Берестнева О.Г., Марухина О.В., Шевелев Г.Е., Миненко Л.И., Щербаков Д.О. Использование результатов экспертного оценивания для измерения компетентности студентов и выпускников технических университетов //Известия Томского политехнического университета, 2009 – т. 315, – № 5. – C. 199-203.


СЕТЕВАЯ МОДЕЛЬ РАЗВИТИЯ ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ В ЙЕМЕНСКОЙ РЕСПУБЛИКЕ
Кинаш Н.А., Наджи А. А. А., Тихомиров А.А., Труфанов А.И.

(г.Иркутск, НИ ИрГТУ)
NETWORK MODEL OF DEVELOPMENT OF DISTANCE EDUCATION IN THE REPUBLIC OF YEMEN
Kinash N.A., Naji A. A.A., Tikhomirov A.A, Trufanov A.I.

(Irkutsk, Irkutsk Technical University)
This paper presents a model of distance education provided in the form of three networks: technological, social and techno-social. We also plan to implement this model in Yemen with the support of the UNO.
Введение. В нынешний век информационных технологий ключевым фактором прогресса станут новые модели образования, а именно – дистанционного образования. На сегодняшний день, технические возможности(высокая скорость передачи данных по сетям, программное обеспечение (ПО) для видео - и аудио – трансляций и т.д.) позволяют внедрить большинство моделей дистанционного образования. Однако остро встает вопрос о разработке самих моделей, с учетом культурной специфики разных стран, их географическим положением, уровнем подготовки населения(владение персональных компьютеров (ПК). А так же вопрос подготовки квалифицированных кадров(педагогов, тьюторов, системных администраторов, разработчиков необходимых курсов).

Метод. Подобно предложенному в работе [1] нами рассматривались три модели сети дистанционного образования в Йемене: социальная, технологическая и композитная

Основные результаты. В модели социальной сети предполагается около 20 педагогов, большая часть которых территориально сосредоточена в центре-организаторе. Остальные могут работать удаленно, находясь в любых уголках страны [2]. Каждый из педагогов связан напрямую с организатором. Как видно из схемы социальной сети(Рис.1), каждый студент связан со всеми преподавателями. Общее число дисциплин 20-25. Общая численность студентов 200-400 человек в год. Исследование технологической сети (Рис. 2) позволяет не только оптимизировать технические решения, но и провести анализ на уязвимость системы с точки зрения защиты информации, скорости распространения вредоносного ПО.

Рис.1. Социальная сеть Рис.2. Технологическая сеть

При разработке технологической сети, использовались типовые, характерные элементы таких сетей как Aibeline и Cernet. Cernet – образовательно-научная сеть Китая, крупнейшая в мире. Abilene – сеть[3], объединяющая более 230 американских университетов, с виртуальными лабораториями, электронными библиотеками и курсами дистанционного образования. Композитная сеть позволяет отследить взаимосвязи социальной и технологической сетей. (Рис.3)


Рис.3. Композитная сеть

Разработанную нами модель предполагается внедрить в Йемене при финансовой поддержке ООН.

Выводы. На данный момент, в республики Йемен нет систем дистанционного образования. Однако существует реальная необходимость внедрить его. Во первых, это позволить снизить цены на образование, что сделает его доступным всем слоям общества. Данная проблема особенно остро стоит для Йемена, поскольку это одна из беднейших арабских стран(173 место в мире по уровню ВВП на душу населения). Во вторых, методики дистанционного образования менее подвержены произволу педагогического состава, непрофессиональному поведению и отсутствию объективности в учебном процессе.

В третьих, дистанционное образование – это образование, за которым будущее. По оценкам специалистов, дистанционное образование потенциально, может быть более эффективным, чем традиционное. Ведущие страны мира активно его внедряют, создаются проекты с использованием новейших технологий, прокладываются технологические сети с высокой пропускной способностью, разрабатываются эффективные модели курсов дистанционного образования.

Все это позволит существенно повысить уровень образования в Йемене, а значит и уровень экономики, благосостояния страны.
ЛИТЕРАТУРА


  1. Hsing Kenny Cheng, Hong Guo. Computer Virus Propagation in a Network Organization: The Interplay between Social and Technological Networks, Florida, 2008.

  2. Густерин П. Йеменская Республика и её города. М.: Международные отношения, 2006, 232 стр.

  3. Официальный сайт сети Abilene: http://www.internet2.edu/network/ .



ОЦЕНИВАНИЕ РЕЗУЛЬТАТОВ ОБУЧЕНИЯ
В ТОМСКОМ ПОЛИТЕХНИЧЕСКОМ УНИВЕРСИТЕТЕ

Е.А. Муратова

(г. Томск, Томский политехнический университет)
LEARNING OUTCOMES ASSESSMENT IN TOMSK POLYTECHNIC UNIVERSITY
E.A. Muratova

(Tomsk, Tomsk polytechnic university)
The independent system of learning outcomes assessmentis offered. Problems at the organization of learning outcomes assessmentsystem are described. Approaches to development of assessmentmeans are presented.
В образовательном процессе ТПУ оценивание профессиональных и личностных компетентностей современного специалиста базируется на принципе систематичности проведения оценивания (перед началом изучения ряда дисциплин, в течение семестра, по завершении изучения дисциплины и основной образовательной программы) и осуществляется в соответствии с руководящими материалами по текущему контролю успеваемости, промежуточной и итоговой аттестации студентов ТПУ.

Для обучающегося результаты обучения представляют собой конкретные знания и умения их применять, полученные им в результате его учебно-познавательной деятельности при освоении материала учебных дисциплин. Из конкретных умений складываются вышеперечисленные составляющие интегральных профессиональных и личностных компетентностей.

Планируемые результаты обучения в виде конкретных знаний и умений являются эталонами для оценивания качества образования, что позволяет отслеживать эволюцию профессионального роста специалиста, выявлять его потенциал и придавать учебно-познавательной деятельности обучающегося оптимальный характер в соответствии с ее предназначением и стратегией.

Общая схема системы независимого оценивания учебных достижений при реализации концепции личностно-образовательной среды представлена на рис. 1 и дает возможность обеспечить для студентов всех направлений и специальностей Томского политехнического университета:



  • единый подход к системе оценивания;

  • прозрачность процедуры отбора;

  • сопоставимость результатов нескольких оцениваний;

  • формирование индивидуальной программы обучения.


Рис. 1. Система независимого оценивания учебных достижений ТПУ


В табл. 1 представлена информация уточняющая виды и формы оценивания, а также элементы оценивания и исполнители.

Для повышения качества освоения студентами университета естественнонаучных и математических дисциплин (в т.ч. для повышения сохранности контингента студентов младших курсов), усиления фундаментальной подготовки, реализации концепции личностно-ориентированной образовательной среды университета по результатам входного тестировании происходит распределение студентов по трем образовательным траекториям (базовый учебный план, адаптационный учебный план, система элитного технического обучения). Текущий контроль, ориентированный на индивидуальные нормы конкретного обучающегося, проводится преподавателем при проведении практических занятий, семинаров и лабораторных работ, а также в процессе выполнения курсовых работ, индивидуальных домашних заданий и других видов внеаудиторных занятий. На промежуточной аттестации осуществляется оценивание результатов обучения в целом по дисциплине.

По результатам независимого оценивания учебных достижений студентов на разных этапах формируется индивидуальный профиль академической успешности студента, который представляется набором сопоставимых оценок, отражающих соответствие учебных достижений запланированным результатам обучения на разных этапах обучения. Результаты входного тестирования по физике, математике, химии представляют собой «начальные точки» учебных достижений при составлении индивидуального профиля академической успешности студента.

Таблица 1

Соответствие видов и форм оценивания с элементами оценивания в системе независимого оценивания

Вид контроля

Форма контроля

Что проверяется

Исполнитель

Входной

Тестирование

(тест 1)



Уровень довузовской естественнонаучной и математической подготовки

ЦОКО

Текущий

Интернет-тренажеры (тренажеры)

Соответствие фактических знаний, умений, навыков требованиям рабочей программы

ЦОКО

Конференц-неделя (КН)

Сформированность общекультурных компетенций,

соответствие фактических знаний, умений, навыков требованиям рабочей программы



преподаватель,

ЦОКО


Промежуточная аттестация

Тестирование

(тест 2, тест 3,…)



Соответствие результатов обучения (фактических знаний, умений, навыков) требованиям ФГОС и ООП

ЦОКО, третье лицо

зачет

преподаватель

экзамен

преподаватель

При организации системы независимого оценивания к основным задачам относятся:


  1. Разработка и стандартизация оценочных материалов наосновании требований. ФГОС и образовательных стандартов ООП ТПУ к уровню подготовки выпускниковуниверситета;

  2. Создание баз данных стандартизированных контролирующих оценочныхматериалов;

  3. Поиск, разработка и внедрение в практику ТПУ современных технологийорганизации и проведения педагогических измерений;

  4. Поиск, разработка и внедрение в практику ТПУ методик квалиметрического анализа контролирующих (оценочных) материалов;

  5. Поиск, разработка и внедрение в практику ТПУ методик статистического анализа результатов педагогических измерений;

  6. Организация и проведение масштабных процедур оценки качества учебных достижений в бланочной и компьютерной формах;

  7. Обработка и анализ результатов оценки качества образовательных достижений.

  8. Разработка рекомендаций по коррекции учебного процесса, условий его организации и обеспечения;

  9. Организационное, методическое и информационное обеспечение специалистовструктурных и административных подразделений ТПУ, ведущих образовательныйпроцесс инструктивными и методическими материалами.

  10. Развитие фундаментальных и прикладных исследований в области оценки образовательных достижений, повышения качества обучения и его методического обеспечения.

В основе организации мониторинга результатов образовательных достижений обучающихся в ТПУ используются три подхода к разработке оценочных материалов, проведению педагогических измерений и интерпретации их результатов: критериально-ориентированный, нормативно-ориентированный и ориентированный на индивидуальные нормы.

  1. Критериально-ориентированный подход позволяет оценить насколько обучающиеся достигли заданного уровня знаний, умений и навыков, определенного как обязательный результат обучения. В данном случае оценка конкретного обучающегося не зависит от того, какие результаты получили другие обучающиеся. Результат показывает соответствует ли уровень достижений данного обучающегося планируемым результатам обучения, являющихся частью программы дисциплины, разработанной с соответствии с требованиями ФГОС, образовательных стандартов ООП ТПУ. При данном подходе результаты интерпретируются двумя способами: в первом случае делается вывод о том, освоен или не освоен проверяемый материал (достиг планируемого результата обучения или нет); во втором – дается уровень или процент освоения проверяемого материала (на каком уровне освоен ФГОС, образовательных стандартов ООП ТПУ и программа обучения или какой процент из всех требований ФГОС, образовательных стандартов ООП ТПУ и программы обучения усвоен).

  2. Подход, ориентированный на индивидуализированные нормы конкретного обучающегося, с заданным уровнем его развития на определенном этапе образовательного процесса. Результатом оценки в этом случае является темп усвоения и объем усвоенного материала по сравнению с его начальным стартовым уровнем (используется при построении индивидуального профиля академической успешности студента).

  3. Нормативно-ориентированный подход, ориентированный на статистические нормы при переводе рейтинговых оценок в итоговую буквенную оценку. Образовательные достижения отдельного обучающегося интерпретируется в зависимости от достижений всей совокупности обучающихся, выше или ниже среднего показателя – нормы. При этом происходит ранжирование обучающихся по их профилю успешности.

В процедурах оценивания на разных этапах мониторинга:

  • студент является ответственным за выполнение требований основной образовательной программы, выраженных в установленной совокупности результатов обучения;

  • преподаватель несет ответственность за обеспечение объективности оценивания;

  • университет является ответственным за обеспечение и исполнение требований образовательных стандартов ООП ТПУ и ФГОС по направлениям и специальностям подготовки.

В настоящее время ведется целенаправленная работа по формированию системы оценивания и фонда оценочных средств ТПУ, отвечающихследующим требованиям:

  • открытость и прозрачность – наличие стандартных процедур для проведения всех видов контроля, их документирование, доступность для всех участников процесса информации о правилах и процедурах, результатах оценивания;

  • объективность и адекватность – наличие инструментов оценивания над исполнением стандартных процедур; использование адекватных методов для оценивания учебных достиженийи результатов обучения, как по отдельным дисциплинам, так и по ООП в целом; определение регламента предоставления студенту дополнительной возможности сдачи экзамена/зачета в случае его отсутствия по уважительной причине; а также исключение ситуаций единоличного принятия решений при выставлении оценки;

  • использование прямых методов – оценивание запланированных результатов обучения в виде знаний, умений и владения опытом их практического применения, обеспечивающих формирование универсальных (общекультурных) и профессиональных компетенций (исключение косвенных методов оценки, т.е. выставление оценок за участие в учебных мероприятиях, посещение занятий и др.);

  • использование чувствительных методов – дифференцирование качества достижения отдельными студентами запланированных результатов обучения;

  • профессиональная направленность – содержание учебных заданий соответствует задачам и видам профессиональной деятельности, к которой университет готовит студента;

  • мотивация студентов и преподавателей – использование форм организации контроля учебного процесса, которые обеспечивают элементы самооценки и взаимооценки студентов, поддержку их со стороны преподавателя в процессе обучения.


КЛАСТЕРНЫЙ АНАЛИЗ В ИССЛЕДОВАНИИ ПСИХОЛОГИЧЕСКИХ ОСОБЕННОСТЕЙ СТУДЕНТОВ МЕДИКОВ
Е. С. Толстолес*, И. Л. Шелехов**

(*г. Томск, Сибирский Государственный Медицинский Университет)

(**г. Томск, Томский государственный педагогический университет)
CLUSTER ANALYSIS IN THE STUDY OF PSYCHOLOGICAL FEATURES OF STUDENTS PHYSICIANS
E. S. Tolstoles * I. L. Shelekhov **

(*s. Tomsk, Siberian State Medical University)

(**s. Tomsk, Tomsk State Pedagogical University)
The paper discusses issues related to the psychological characteristics of medical students. The study found that psychological characteristics are manifested in the design of future professional image.

The results of the cluster analysis showed that there are general and specific features in the clusters, both for men and for women.


Особое значение для исследования психологических особенностей студентов имеют результаты кластерного анализа, так как данный метод позволяет выделить в обследованном контингенте однородные субгруппы по изучаемым признакам. Кроме того, выделение кластеров позволило определить наиболее информативные психологические характеристики студентов.

Актуальность научного исследования психологических особенностей студентов медиков определяется двумя положениями: во-первых, стремление соответствовать социальным ожиданиям побуждает полотипизированных девушек и юношей пренебрегать своими склонностями и способностями при выборе будущей профессии; во-вторых, от правильного выбора профессии зависит не только материальный достаток, но и удовлетворение качеством жизни, что сказывается на психологическом и соматическом здоровье человека.

В соответствии с целью в исследовании был использован психодиагностический комплекс: 1) опросник С. Бэм по изучению маскулинности-феминности; 2) опросник экстра-, интроверсии и нейротизма (Г. Айзенка); 3) характерологический опросник К. Леонгарда – Н. Шмишека; 4) опросник профессиональных предпочтений Дж. Холланда (в адаптации А. Н. Воробьева, И. Г. Сенина, В. И. Чиркова) в модификации Е. П. Ильина; 5) шкала субъективной оценки социальной защищенности (для определения субъективного качества жизни, в форме 100 % шкалы с делениями по 5 единиц); 6) опросник исследования самооценки по методике Дембо-Рубинштейн в модификации Ж. В. Глозман.

В исследовании приняли участие 320 студентов: лечебного, педиатрического и медсестринского факультетов Сибирского Государственного Медицинского Университета, г. Томск; фельдшерского и медсестринского отделений Томского базового медицинского колледжа, г. Томск. Средний возраст испытуемых составил 23,69±5,04 года; из них 80,94 % (259 чел.) женщин и 19,06 % (61 чел.) мужчин.

В процессе обработки данных исследования были выявлены значительные различия психологических особенностей студентов медиков, которые сформировались в четыре кластера у обоих полов.

Результаты кластерного анализа показали, что существуют общие и специфические особенности в выделенных кластерах, как для мужчин, так и для женщин.

Так, и у женщин, и у мужчин выявлен «андрогинный профессионально ориентированный» тип. Профессиональная ориентированность данного кластера проявляется в высоких показателях по всем типам профессиональных предпочтений, но количество респондентов оказавшихся в этой группе соответствует 27,5 % от общего числа испытуемых, что указывает на минимальное количество профессионально ориентированных в медицинской сфере деятельности.

Прямо противоположная картина характерна для женщин и мужчин «фемининно профессионально-дезориентированного» типа. Обращают на себя внимание высокие показатели фемининности. Также, установлено множество совпадений проявления личностных особенностей у обоих полов: 1) низкие показатели: экстраверсии; гипертимному и демонстративному типу акцентуации; исследовательскому, артистическому, социальному и предпринимательскому типам профессиональной направленности; самооценке; 2) высокие результаты по показателям: нейротизма; дистимичному, застревающему и педантичному типу акцентуации. Эти данные свидетельствуют об однородности личностных характеристик «фемининно профессионально-дезориентированного» типа у лиц женского и мужского пола.

Следует отметить, количество респондентов входящих в данные кластеры равно 15,94 %, от общего числа испытуемых. Выше изложенные факты приводят к двойному, но взаимодополняемому выводу: во-первых, выявляется отсутствие желания работать в медицинской специальности; во-вторых, более вероятно, что такие медицинские работники будут выполнять свои служебные обязанности формально.

Выявленными специфическими особенностями кластеров (у женщин IV, у мужчин I) являются, высокие показатели социальной защищенности. Однако, у женщин отмечается андрогинный тип гендерной идентичности, а у мужчин преобладает маскулинный. Обращают на себя внимание личностные и гендерные особенности лиц распределившихся в данные кластеры: у лиц женского пола показатели свидетельствуют, о наличии сложного внутриличностного процесса, который характеризуется высоким уровнем тревожности возрастающим из-за стремления к улучшению качества жизни; у лиц мужского пола отмечается более устойчивая личностная структура.

Также установлены общие и специфические характеристики у женщин «фемининно-индифферентного» типа, а у мужчин «маскулинно-индифферентного». Отличительной чертой фемининных женщин является неудовлетворенность качеством жизни, что подтверждается низкими показателями социальной защищенности. Напротив, у мужчин «маскулинно-индифферентного» типа этот показатель более 60,0 %.

Идентичные результаты вышеуказанных типов обнаружены в отсутствии сформированности профессиональной направленности, что указывает на дефицит информированности о различных направлениях в медицине как сфере профессиональной деятельности или на неопределенность своей будущей карьеры.

Таким образом, в ходе психодиагностического исследования получены данные, позволяющие сделать некоторые выводы о психологических особенностях студентов медиков:


  1. «Андрогинный профессионально ориентированный» тип обоих полов считается наиболее способным к овладению разными видами медицинской направленности;

  2. Наблюдается неудовлетворенность качеством жизни у молодых людей, среднее значение для обследованных равно 60,0 %;

  3. Более 70,0 % обследованных не обнаруживают профессиональной направленности в медицине, что отражается на профессиональном самоопределении студентов медиков.


Исследование выполнено при финансовой поддержке РФФИ, проект 12-06-31079 «Роль гендерной индивидуальности, личностных особенностей и условий социализации в формировании здоровой личности: содержательное и математическое моделирование».


Выявление закономерностей адаптации иностранных студентов с помощью системы WIZWHY
О.Н. Фисоченко

(г. Юрга, Юргинский технологический институт (филиал) Национального исследовательского Томского политехнического университета)

DETECTION OF REGULARITIES OF ADAPTATION OF FOREIGN STUDENTS BY MEANS OF WIZWHY SYSTEM
O.N. Fisochenko

(c. Yurga, Yurginsky institute of technology (branch) of National research Tomsk Polytechnik University)
The analysis of use of the Data mining methods for detection of features of adaptation of foreign students. Search of logic rules in data with the help of a WizWhy package.
Современный этап развития цивилизации характеризуется быстро нарастающими по скорости, сложности и воздействию на общество и отдельных людей глобальными переменами. В России сфера образования также затронута процессами интенсивных перемен, что мы уже ощущаем в повседневной жизни. В современном глобальном мире активная международная деятельность вузов является залогом их устойчивого, успешно отвечающего вызовам современности развития. Подготовка современных специалистов в вузах в соответствии с потребностями глобальной экономики немыслима без международного компонента. Как хорошо известно, одним из важных аспектов международной деятельности российских вузов является подготовка специалистов для зарубежных стран, в которой наша высшая школа имеет богатый опыт, отработанные временем методики и актуальные и сегодня традиции[1].

Таким образом, адаптация иностранных студентов стала важным фактором международной политики и экономики, игнорировать который в современном мире невозможно. Целостной концепции социально-психологической адаптации на сегодняшний день не разработано, чаще всего под ней понимают личностную адаптацию, т.е. адаптацию личности к социальным проблемным ситуациям, привыкание индивида к новым условиям внешней среды с затратой определенных сил, взаимное приспособление индивида и среды[2]

Для получения информации об иностранных студентах был использован метод анкетирования. Экспериментальные данные об иностранных студентах можно разбить на 2 основные части: общие данные и информацию о социально-психологической адаптации.

Общие сведения включают в себя следующие пункты: форма обучения, факультет, специальность, предметы, гражданство, страна.

Для получения информации о социально-психологической адаптации за основу были взяты анкеты, составленные Российским университетом дружбы народов, такие как: “Проблемы обучения иностранных студентов в техническом университете”, “Различия в адаптации иностранных студентов в зависимости от пола”, “Различия о первых впечатлениях иностранных студентов в зависимости от пола”, “Оценка иностранными студентами работы руководства ИМОЯК”, “Шкала социальной дистанции”

Поскольку информация об особенностях адаптации студентов представлена в нашем случае преимущественно в виде экспертных оценок (результатов анкетирования), то для выявления особенностей адаптации иностранных студентов наиболее подходящей является продукционная модель.

Продукционные модели, с одной стороны, близки к логическим моделям, что позволяет организовывать на них эффективные процедуры вывода, а с другой стороны, более наглядно отражают знания, чем классиче­ские логические модели. В них отсутствуют жесткие ограничения, характерные для логических исчислений, что дает возможность изменять интерпретацию элементов продукции [4].

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа "Если (условие), то (действие)". Под "условием" понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под "действием" - действия, выполняемые при успешном исходе поиска. Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные - это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интер­претатор правил, перебирающий правила из продукционной базы знаний [4]. Простота и наглядность этого способа обусловили его применение во многих системах.

В нашем случае применение продукционных моделей позволит выявить скрытые закономерности адаптации иностранных студентов к обучению в России.

Имеется выборка X из n объектов, характеризующихся m переменными (физиологические, социальные, психологические показатели)



X=,

где i- номер объекта (студента), j- номер переменной (признака).

Таким образом, задача заключается в нахождении логических правил вида IF (условие 1) и (условие 2) и ... (условие N) THEN (условие М),

характеризующих особенности адаптации различных групп иностранных студентов (например, для юношей и девушек; студентов из разных стран и т.д.).

Особенности и характер экспериментального материала состоят в том, что в нем присутствуют количественные, порядковые и качественные признаки. Кроме того данные являются слабостуктуированными, что обусловило выбор в качестве инструментария методов Data Mining.

Data Mining переводится как «добыча» или «раскопка данных».

Исходя из того, что нашей задачей стоит поиск в данных «если…то…» правил, то нам необходимо из всего множества методов Data Mining выбрать метод обнаружения таких логических закономерностей.



Методы обнаружения логических закономерностей в данных. Логические правила дают возможность прогнозировать и помогают связывать разные стороны жизни в единое целое. Они объясняют связи, которые нередко бывают довольно запутаны. Нет ни одной стороны жизни и области человеческой деятельности, где не применялись бы логические правила.

Поведение людей в определенных обстоятельствах часто предсказать трудно или невозможно. Но в некоторых случаях социальное поведение все же поддается прогнозу. Объяснения, лежащие в основе прогноза, всегда имеют вид логических правил. Они связывают поступки с мотивами, ориентациями, демографическими характеристиками социальных групп и обстоятельствами жизни.

Прежде чем перейти к описанию способов поиска логических правил, рассмотрим их общие характеристики.

Будем рассматривать логические правила следующего вида:



IF (условие 1) и (условие 2) и … (условие N) THEN (условие М)

А В

Примеры условий: Х=С1, Х<С2; Х>С3; СА<Х<С5 и др., где X — какой-либо параметр (поле базы данных), Сi— константы.

Любое правило в виде условного суждения ЕСЛИ (А) ТО (В) имеет две основные характеристики — точность и полноту [10].

Точность правила — это доля случаев, когда правило подтверждается, среди всех случаев его применения (доля случаев В среди случаев А).

Полнота правилаэто доля случаев, когда правило подтверждается, среди всех случаев, когда имеет место объясняемый исход В (доля случаев А среди случаев В).

В методах поиска логических закономерностей значения какого-либо признака рассматриваются как элементарные события T. Например, для признаков, измеренных в номинальных шкалах, элементарными событиями называют события или ,где - одно из возможных значений . Если же шкала порядковая или количественная, то элементарными событиями могут служить события вида ,,.



Поиск логических правил в данных с помощью пакета WizWhy. Система WizWhy предприятия WizSoft является современным представителем подхода, реализующего ограниченный перебор [3]. Хотя авторы системы не раскрывают специфику алгоритма, положенного в основу работы WizWhy, вывод о наличии здесь ограниченного перебора был сделан по результатам тщательного тестирования системы (изучались результаты, зависимости времени их получения от числа анализируемых параметров и т. п.). Правда, по-видимому, в WizWhy ограниченный перебор используется в модифицированном варианте с применением дополнительного алгоритма «Apriori», исключающего из анализа логические события с низкой частотой.

Алгоритмы ограниченного перебора были предложены в середине 60-х годов М. М. Бонгардом [5] для поиска логических закономерностей в данных. С тех пор они продемонстрировали свою эффективность при решении множества задач из самых различных областей. Эти алгоритмы вычисляют частоты комбинаций простых логических событий в подгруппах данных. Ограничением служит длина комбинации простых логических событий (у М. Бонгарда она была равна 3). На основании анализа вычисленных частот делается заключение о полезности той или иной комбинации для установления ассоциации в данных, для классификации, прогнозирования и. т. п.

Общие свойства системы WizWhy. Авторы WizWhy акцентируют внимание на следующих общих свойствах системы: выявление всех if-then-правил; вычисление вероятности ошибки для каждого правила; определение наилучшей сегментации числовых переменных; вычисление прогностической силы каждого признака; обобщение полученных правил и зависимостей; выявление необычных феноменов в данных; использование обнаруженных правил для прогнозирования; выражение прогноза в виде списка релевантных правил; вычисление ошибки прогноза; прогноз с учетом стоимости ошибок.

В качестве достоинств WizWhy дополнительно отмечают такие: на прогнозы системы не влияют субъективные причины; пользователям системы не требуется специальных знаний в прикладной статистике; более точные и быстрые вычисления, чем у других методов Data Mining.



Краткий анализ результатов, полученных с использованием системы WizWhy. Отчет с выявленными правилами представляется двумя подразделами: общие параметры правил; список правил.

В отчете приводится две группы правил: неожиданные (Unexpected Rule); основные правила (Basic Rules), которые объединяет неожиданное правило.

Получено 71 логическое правило.

Рассмотрим более подробно правило № 9:

9) If course is 1.000000

and country is Vietnam

and study at university is yes

Then adaptation is not yes

Rule's probability: 0,778

The rule exists in 14 records.

Significance Level: Error probability < 0,0001

Positive Examples (records' serial numbers): 2, 3, 4, 8, 9, 13, 14, 16, 40, 48

Negative Examples (records' serial numbers): 6, 17, 52, 64

Из данного правила выявлены следующие особенности адаптации иностранных студентов: Первокурсники из Вьетнама испытывают сложность в обучении в университете, можно сказать, что они плохо адаптируются.

Среди правил могут быть варианты прогноза для двух альтернативных классов, «побеждает» правило, имеющее более высокую точность прогноза.


Level of Unlikelihood : 1,000

1) If sex is female

and course is 1.000000

Then adaptation is yes

Rule's probability: 0,909

The rule exists in 10 records.

Significance Level: Error probability < 0,1



Expected rule probability : 0,496

Actual minus Expected probability: 0,413

Данное правило №1 можно расшифровать следующим образом: для девушек, обучающихся на первом курсе характерна хорошая адаптация,

В полученных предсказаниях получилось:


  • Адаптация – 67 случаев из 100, 67% попадания.

  • Дезадаптация – 33 случая из 100, 33% не попадания.

Таким образом, можно сделать вывод о том, что информативность признака влияет на качество работы полученных решающих правил.

Наибольшее влияние на адаптацию иностранных студентов оказывают такие признаки как курс, пол, сложность обучения, и то как организован их досуг.

Опираясь на анализ результатов можно сделать выводы:

Применение системы WizWhy позволило выделить как наиболее информативные признаки, так и информативные диапазоны для каждого признака.

Анализ полученной информации совместно с представителями администрации ИМОЯК позволит разработать корректирующие мероприятия (в рамках системы менеджмента качества).
Литература


  1. Обучение и воспитание иностранных студентов в вузах Российской Федерации: история и современность. Материалы международной научно-методической конференции. СПб.: Изд-во Полторак, 2010. С. (вставить число страниц)

  2. Адаптация первокурсников: проблемы и тенденции / Л.Н. Боронина, Ю.Р. Вишневский, Я.В. Дидковская и др. // Университетское управление: практика и анализ. – 2001. – № 4(19).

  3. Дюк В., Самойленко А. Data Mining:учебный курс – СПб: Питер, 2001. – 368 с

  4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем – СПб.: Питер, 2001.– 384 с.

  5. Бонгард М.М. Проблема узнавания. – М.: Наука, 1967. – 320 с


Прогнозирование адаптации иностранных студентов к учебной деятельности
О.Н. Фисоченко

(г. Юрга, Юргинский технологический институт (филиал) Национального исследовательского Томского политехнического университета)
FORECASTING OF ADAPTATION OF FOREIGN STUDENTS TO EDUCATIONAL ACTIVITY
O.N. Fisochenko

(c. Yurga, Yurginsky institute of technology (branch) of National research Tomsk Polytechnik University)
Use of the discriminant analysis for a forecast the type of adaptation of foreign students to training in higher education institution.
В последнее время многие авторы из множества проблем Высшей школы особо выделяют комплекс сложных вопросов, связанных с трудностями первого года обучения, в частности с адаптацией иностранных студентов к обучению в вузе.

С первых дней пребывания в российском вузе иностранные студенты находятся в непривычной для них социокультурной, языковой и национальной среде, в которой им предстоит адаптироваться в кратчайшие сроки. Поэтому успешное управление учебно-воспитательным процессом для иностранных студентов является неотъемлемой частью решения задачи адаптации. Эффективная адаптация повышает качество и уровень обучения иностранных студентов, обеспечивает высокую мотивированность овладения знаниями, умениями и навыками. Таким образом, адаптация иностранных студентов стала важным фактором международной политики и экономики, игнорировать который в современном мире невозможно[1].

В отечественной литературе адаптация рассматривается как многоуровневый, динамичный процесс, имеющий свою структуру, последовательность и особенности протекания, связанные с определенной перестройкой личности в рамках включения в новые социальные роли. Однако, на сегодняшний день нет единого подхода к решению задачи оценки и прогнозирования адаптации иностранных студентов. Большинство работ по данной тематике относятся к области социально-психологических исследований и носят описательный характер[2].

В диагностике и прогнозе различных состояний человека широкое применение нашли методы, основанные на теории распознавания образов [6]. При этом процедура прогнозирования заключается в классификации двух или более генеральных совокупностей и получении решающего правила, позволяющего отнести новый элемент (объект) по имеющимся признакам к одному из классов данного множества. Для решения подобных задач успешно используется метод дискриминантного анализа. Поэтому для прогноза типа адаптации иностранных студентов к обучению в вузе наиболее целесообразно использовать именно дискриминантный анализ.



Дискриминантный анализ. Дискриминантным анализом называют раздел многомерного статистического анализа, содержащий статистические методы классификации многомерных наблюдений по одной из нескольких категорий или совокупностей.

Одной из разновидностей дискриминантного анализа является применение классифицирующих (дискриминантных) функций Фишера, они используются для определения точности диагностики классификации многомерных наблюдений.

Весовые коэффициенты дискриминантных функций определяются по следующей формуле[4]:

(), (1)

где S – матрица ковариаций диагностического класса;

mi – вектор средних i-го диагностического класса;

k – количество классов.

Пороговые величины вычисляются как

, (2)

где Pi – априорная вероятность i-го класса.

Правило диагностики с применением дискриминантных функций следующее: объект х относится к i-му классу, если выполняется условие:

, (3)

где .


При реализации метода дискриминантного анализа была определена точность диагностики и классифицирующие функции, на основе которых строится решающее правило. Качество диагностики (процент правильных отнесений) приведено в таблице 1.

Таблица 1.Процент правильных отнесений для двух групп и трех классов.

Признаки

Номер группы

Точность диагноза

Физиологические

1

2

3



42 %

60 %


60 %

Психологические

1

2

3



55 %

46 %


37 %

Как видно из таблицы, для физиологических признаков точность диагностики студентов первой группы (хорошая адаптация) составляет 42%, второй группы (удовлетворительная адаптация) – 60% и третьей группы (неудовлетворительная адаптация) – 60%. Для психологических признаков точность диагностики первой группы –55%, второй группы – 46% и третьей группы – 37%. При этом были получены следующие дискриминантные функции:



Для физиологических признаков:

g1 =- 38.77 + 2.95x1 + 7.45x2 + 3.28x3 + 5.03x4 +6.86x5 +5.79x6 + 2.97x7 +

+ 2.63x8 + 0.10x9 + 1.11x10,

g2 = - 40.39 + 2.91x1 + 8.06x2 + 3.5x3 + 4.5x4 + 7.67x5 + 5.42x6 +2.8x7 +

2.56x8 + 0.18x9 + 0.79x10,

g3 =- 41.75 + 3.9x1 + 7.62x2 + 2.54x3 + 5.74x4 + 7.22x5 + 5.57x6 +3.11x7 +

1.93x8 + 0.79x9 + 0.82x10;

Для психологических признаков:

g1 =- 37.64 + 10.09x11 + 3.85x12 + 0.58x13 + 3.97x14 + 3.12x15 + 3.4x16 + 1.13x17,

g2 = -32.62 + 9.28x11 + 3.31x12 + 0.59x13 + 3.68x14 + 3.36x15 + 2.84x16 + 1.24x17,

g3 =- 34.11 + 9.29x11 + 3.48x12 + 0.44x13 + 3.99x14 + 3.07x15 + 3.51x16 + x17,

Для повышения качества распознавания, учитывая тот факт, что основной задачей распознавания в нашем случае является прогнозирование срыва адаптации к учебной деятельности, было получено решающее правило для распознавания двух укрупненных групп. Результаты анализа приведены в таблице 2.
Таблица 2. Процент правильных отнесений для двух групп и двух классов.


Признаки

Номер группы

Точность диагноза

Физиологические

1

2


67 %

66 %


Психологические

1

2


71 %

54 %

В данном случае точность диагностики студентов первой группы (удовлетворительная адаптация) составляет 42%, второй группы (неудовлетворительная адаптация) – 60%.Для психологических признаков точность диагностики первой группы –71%, второй группы – 54%. Дискриминантные функции в данном случае равны

Для физиологических признаков:

g1=– 38.96 + 2.88x1 +7.48x2 +3.38x3 +5x4 + 6.87x5 + 5.83x6 + 2.98x7 ++ 2.72x8 + 0.04x9 +1.14x10,

g2=– 39.64 + 2.51x1 + 8.04x2 + 3.83x3 + 4.21x4 + 7.56x5 + 5.56x6 + 2.76x7 ++ 2.89x8 - 0.13x9+ 0.92x10,

Для психологических признаков:

g1 = - 35.02 + 9.34x11 + 3.5x12 + 0.44x13 + 4.02x14 + 3.1x15 + 3.54x16 +1.01x17,

g2 = - 31.3 + 8.81x11 + 3.09x12 + 0.49x13 + 3.72x14 + 3.33x15 + 2.93x16 + +1.16x17.

Для проведения более точной диагностики была построена выборка, включающая в себя студентов обобщенной группы. В этом случае показателями являются как физиологические, так и психологические признаки. Результаты дискриминантного анализа для таких исходных данных приведены в таблице 3.

Таблица 3. Процент правильных отнесений для одной группы и двух классов.


Признаки

Номер группы

Точность диагноза

Физиологические и психологические

1

2


85 %

98 %


Полученный процент надежности можно считать определенным достижением для решения задачи диагностики. В данном случае точность диагностики неудовлетворительной адаптации студентов составляет 98%, а точность удовлетворительной адаптации – 85%. Дискриминантные функции Фишера имеют вид:

g1 = - 99.2 + 4.1x1 +13.88x2 +1.82x3 + 3.49x4+ 10.32x5 + 14.47x6 + 2.2x7 ++ 18.04x8 – 8.28x9 + 0.11x10 +8.24x11 + 5.8x12 +1.76x13 + 5.84x14 +5.67x15 +2.54x16 – 2.24x17,

g2 = - 104.44 + 3.59x1 +14.42x2 +1.88x3 + 1.87x4+ 13.28x5 + 15.1x6 + 0.28x7+ 22.57x8 – 10.06x9 + 0.7x10 + 8.01x11 + 5.7x12 + 2.32x13 + 5.24x14 +5.38x15 +0.82x16 – 1.39x17,

Таким образом, для прогноза типа адаптации иностранных студентов к обучению в вузе наиболее целесообразно использовать дискриминантные функции, построенные для совместной группы по физиологическим и психологическим признакам при разделении студентов на две группы по уровню адаптации (неудовлетворительная и удовлетворительная адаптация).

Полученное решающее правило позволяет проводить диагностику адаптации иностранных студентов к обучению в вузе. На основе коэффициентов дискриминантного анализа и числовых величин, измеренных психологических и физиологических признаков вычисляются индивидуальные дискриминантные функции для каждого студента.

В соответствии со значениями дискриминантных функций, по формуле (3) студента относят к одной из двух групп адаптации к обучению в вузе. В одну группу попадают студенты, имеющие прогноз удовлетворительной адаптации, во вторую – студенты, имеющие прогноз неудовлетворительной адаптации (группа риска).

Выделение групп адаптации имеет важное практическое значение и предназначено, прежде всего, для организации воспитательной и психокоррекционной работы с иностранными студентами, попавшими в группу риска.

ЛИТЕРАТУРА



  1. Обучение и воспитание иностранных студентов в вузах Российской Федерации: история и современность. Материалы международной научно-методической конференции. СПб.: Изд-во Полторак, 2010. С. (вставить число страниц)

  2. Адаптация первокурсников: проблемы и тенденции / Л.Н. Боронина, Ю.Р. Вишневский, Я.В. Дидковская и др. // Университетское управление: практика и анализ. – 2001. – № 4(19).

  3. О.Н. Фисоченко, Е.В. Берестнева Развитие информационных систем оценки адаптации субъектов профессиональной деятельности к условиям производственной среды/

  4. Дюк В.А. Компьютерная психодиагностика. − СПб.: Братство, 1994. − 276 с.

  5. Ротов А.В., Медведев М.А., Пеккер Я.С., Берестнева О.Г. Адаптационные характеристики человека. − Томск: Изд-во.Том. ун-та, 1997. − 137 с.

  6. Шаропин К.А., Берестнева О.Г., Иванкина Л.И., Иванов В.Т., Кочегуров В.А. Прогнозирование "срыва" адаптации студентов по результатам медико-психологического обследования // Актуальные вопросы безопасности, здоровья при занятиях спортом и физической культурой: Матер. II Междунар. науч.-практич. конф. − Томск: ТГПУ, 1999. − C. 92−94.

МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ

Математическое моделирование и исследование колебаний

системы «вагон – груз»
А.А. Ахмадеева, В.Е. Гозбенко

(Иркутск, Иркутский государственный университет путей сообщения)
Mathematical simulation and RESEARCH of the «carriage ­ cargo» Systems oscillations
A.A. Akhmadeeva, V.E. Gozbenko

(Irkutsk, Irkutsk state university of means of communication)
The approach to the solution of a problem of simulation and research oscillations of the complicated mechanical system – the «carriage – cargo» system is observed. The matching differential equations of motion are obtained because of its complexity; the solution is gained with MATHCAD software. Entry conditions (velocity) influence on linear and angular amplitudes of system is studied. It is determined that the initial speed modification slightly influences free oscillations period and angular amplitudes.
Эффективность, функционирование и конкурентоспособность российских железных дорог в решающей мере зависит от безопасности движения подвижного состава и скорости доставки грузов, поэтому необходимо изучение динамики вагона и груза. В [1] показано, что движением тележек можно пренебречь, а пружинный комплект можно заменить эквивалентной жесткостью. Будем предполагать, что груз размещен в вагоне согласно техническим условиям размещения и крепления грузов в вагонах [5], а жесткости крепежных элементов – приведенными. В [2] была рассмотрена модель вагона с грузом, обладающая тремя степенями свободы (линейное и угловое перемещение центра масс вагона, и вертикальное перемещение груза).

Так как кузов вагона с грузом во время движения совершает сложные колебательные перемещения в пространстве вследствие взаимодействия пути и подвижного состава [4], поэтому рассмотрим расчетную модель грузового вагона с размещенным в нем грузом, предназначенную для исследования подпрыгивания, галопирования и боковой качки рис. 1. Общее число степеней свободы модели равно шести:

а) для кузова – вертикальное перемещение центра тяжести кузова (), угловые перемещения кузова (,) относительно их главных центральных осей инерции (галопирования и боковой качки);

б) для груза – вертикальное перемещение центра тяжести груза (), угловые перемещения груза (,) относительно их главных центральных осей инерции.

На рис. 1. , , , – приведенные жесткости рессорного подвешивания, , , , – приведенные жесткости элементов закрепления груза, – база вагона, – поперечная база кузова, – расстояние между точками крепления груза, – расстояния от центра тяжести вагона до точек крепления груза.

Рис. 1. Модель вагона с грузом
Рассмотрим свободные колебания этой системы с несимметричными массоинерционными характеристиками.

Уравнения движения для рассматриваемой системы имеют вид:


(1)
где , , ,

, , , , ,

, ,

, ,

, ,

, ,

, ,

, ,

, ,

, , ,

, .

Полученная система дифференциальных уравнений достаточно сложна, поэтому получить аналитическое решение трудно. Решим полученную систему (1) в пакете MATHCAD [3]. Исходные данные в примере соответствуют экипажу 4-осного цельнометаллического полувагон с глухими торцевыми стенами, модель 12-132-02. Результаты представлены в графическом виде – перемещения в зависимости от времени (рис. 2-7).



Рис. 2. Перемещение кузова Рис. 3. Перемещение груза


Рис. 4. Угловое перемещение кузова Рис. 5. Угловое перемещение груза






Рис. 6. Угловое перемещение кузова Рис. 7. Угловое перемещение груза


Анализ численных решений показывает, что амплитуда колебаний зависит от начальной скорости вертикального движения кузова движения. При изменении скорости на % период свободных колебаний изменяется не значительно (0,3 %) кроме периода угловых колебаний кузова вокруг оси Оу (1,5 %). Амплитуды колебаний изменяются от 6,5 % до 11 % для всех степеней свободы, кроме амплитуды угловых колебаний кузова и груза вокруг оси Оу (отклонения нет).

Следовательно, можно считать, что период колебаний малочувствителен к изменениям скорости, а амплитуды изменяются пропорционально изменениям начальной скорости.

Изменяя нужным образом начальную скорость движения можно определить критические скорости и соответствующие им максимальные перемещения в рассматриваемой системе. Решение задачи методом численного интегрирования дифференциальных уравнений движения позволяет оценить основные процессы, протекающие в системе при различных значениях параметров.
Литература


        1. Ахмадеева А.А., Гозбенко В.Е. Рациональное задание числа степеней свободы динамической модели грузового вагона. Системы. Методы. Технологии. Научный журнал. – Братск № 4(12). – 2011. – С. 25-28.

        2. Ахмадеева А.А., Гозбенко В.Е., Каргапольцев С.К. Вертикальные колебания экипажа с упруго-подвешенным грузом. Современные технологии. Системный анализ. Моделирование. Научный журнал. – Иркутск: ИрГУПС. – №1(33). – 2012.

  1. Гурский, Д.А. Вычисления в MathCAD [Текст] / Д.А. Гурский. – Минск: Новое знание, 2003. – 814 с.

  2. Комаров М.С. Динамика механизмов и машин. – М.: Машиностроение, 1969. – 296с.

  3. Технические условия размещения и крепления грузов в вагонах и контейнерах. – М.: Юридическая фирма «Юртранс». – 2003. – 544 с.



ПРИМЕНЕНИЕ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В ИССЛЕДОВАНИИ НАДЕЖНОСТИ СЕТЕЙ ЭВМ

Белаков Р.С.

(г. Томск, магистр ТПУ, кафедра ОСУ)
MATHEMATICAL MODELING IN THE INVESTIGATION INTO THE RELIABILITY OF COMPUTER NETWORKS.

Belakov R.S.

(Tomsk, TPU, OCS Department)
Questions of interpretation of network reliability analysis. The use of mathematical modeling in the study of the reliability of computer networks. It is shown that in the formulation of network reliability there is a wide range of interpretations.
Мировая цивилизация развивается по пути создания сложных технических систем. Появление глобальной сети Интернет и растущее громадными темпами количество ее пользователей становится планетарным явлением, которое может привести даже к социальным изменениям. Мировое сообщество приближается к такой степени зависимости своего существования от функционирования информационных сетей, которая сравнима с зависимостью от систем обеспечения электроэнергией. Это кроме очевидных достоинств имеет и обратную сторону. Отказ глобальной сети связи может иметь последствия, превосходящие последствия аварий энергосистемы. В связи с этим проблема оценки и обеспечения надежности сетей является актуальной. [1]

Это говорит о сложности и значимости понятия надёжность, для расчета которой применяется весь современный математический инструментарий.

Общепринятым можно считать следующее определение: надежность - свойство объекта выполнять заданные функции, сохраняя во времени и в заданных пределах значения установленных эксплуатационных показателей.

Компьютерные сети представляют собой один из вариантов технических объектов, сложность которых постоянно возрастает.

Сети могут быть охарактеризованы как бурно развивающийся сегмент информационных технологий. Однако такое положение порождает много проблем и, прежде всего, отставание в области создания фундаментальных и технологических знаний. По мере накопления практического опыта по разработке различных методов и технологий возникает потребность в обобщении результатов и выработке новых путей решения проблемы. Такие базовые понятия локальных сетей, как надежность, отказоустойчивость, работоспособность и др. лежат в основе расчетов при проектировании и оптимизации сетей. Необходимо отметить, что при сопоставлении результатов разных работ приходится учитывать несовпадение в трактовках понятий и характеристик, что приводит к определенным сложностям при анализе работ и становится препятствием при решении общих методологических вопросов науки о сетях.

В настоящей работе проводится анализ различных представлений о надежности сетей, а так же проблем разработки принципов организации средств математического моделирования вычислительных и телекоммуникационных сетей.

Надежность системы - комплексная характеристика - включает в себя свойства: безотказность, ремонтопригодность, сохраняемость и долговечность. В указанной работе последовательно выстраиваются алгоритмы вычисления надежности информационной системы. Существенно отметить, что за отправную точку построения алгоритма берется приведённое выше определение надежности, которое не обосновывается, а постулируется.

В [2] описаны распределенные локальные компьютерные сети, которые могут быть отнесены к сложным кибернетическим человеко-машинным системам (ЧМС). Надежность в этом случае определена как свойство объекта (системы), заключающееся в его способности выполнять заданные функции при определенных условиях эксплуатации. Количественно надежность характеризуется рядом показателей, состав и способ определения которых зависят от типа анализируемой системы. Эффективность функционирования ЧМС определяется всеми тремя компонентами: человеком (т. е. управленческим и обслуживающими персоналом сети и пользователями); машиной (программно-аппаратными средствами сети и технологиями) и производственной средой.

Для количественной оценки влияния каждого компонента всей сети на эффективность функционирования необходимо иметь соответствующий математический аппарат. Отмечается, что используемые в настоящее время методы анализа надёжности и отказоустойчивости локальных сетей, в сущности, касаются не всей сети как человеко-машинной системы, а только отдельных её элементов, главным образом, оборудования. При этом применяется традиционный и многократно апробированный аппарат. Такой подход, когда каждый вид отказа оборудования ранжируется с учётом двух составляющих вероятности отказа и тяжести его последствий, не позволяет уверенно применять полученные результаты безопасности всей сети и оценки для анализа и обеспечения разработки рекомендаций необходимого уровня надёжности и отказоустойчивости сети.

В [3] понятие надежности явным образом не формулируется, но оно следует из общего методологического подхода автора. Так, отмечается, что одним из важнейших этапов проектирования корпоративной сети (КС) является расчёт показателей надёжности, причём высокий уровень проектирования избавляет от дополнительных материальных и временных затрат на устранение ошибок на стадии эксплуатации. С усложнением программно-аппаратных комплексов, применяемых для реализации конкретной КС, возникает необходимость в разработке новых методов и методик расчёта, позволяющих адекватно оценивать показатели надёжности и эффективности таких систем. К наиболее эффективным при анализе надёжности могут быть отнесены абстрактные модели, построенные не на основе конкретных аппаратных единиц, а на базе логических подсистем, реализующих конкретные функции в работе сети. На первом этапе проектирования данные модели позволяют определить оптимальную надёжность логических подсистем.



Компоненты надежности описаны в [4]. Надежность сети охарактеризована двумя аспектами. Первый - это надежность функционирования составных частей системы. Второй - способность сети продолжать передачу данных при отказе ее отдельных участков. Первая характеристика надежности определяется коэффициентом готовности системы к работе. Вторая характеристика - топологическими решениями, позволяющими трафику выбирать маршруты, обходящие отказавшие элементы сети. При этом коэффициент готовности всей системы будет равен произведению коэффициентов готовности ее составных частей. При наличии многосвязной топологии для работы сети становится критичной безотказная работа коммутационных устройств.

Вывод. Анализируя различные источники [1-5] можно сделать вывод о том, что на настоящее время в формулировках сетевой надежности существует широкий спектр интерпретаций. Представление о сетевой надежности только складывается, и, учитывая значимость этого понятия, можно констатировать, что проблема выработки обобщенного представления о сетевой надежности является актуальной задачей. Поэтому так важно разработать методы модельного описания информационных процессов надежности в вычислительных и телекоммуникационных сетях. Разработать программные средства имитационного, аналитического и гибридного моделирования, а так же применить методы и средства математического моделирование для решения задач проектирования реальных сетей, что обеспечит возможность решить не только задачи исследования надежности, но и их разработки и эксплуатации.
ЛИТЕРАТУРА

        1. Акимова, Г.П., Соловьев, А.В. Методология оценки надежности
          иерархических информационных систем [Текст] : Тр. ИСА РАН / Г.П. Акимова,
          А.В. Соловьев. Т. 23 : Системный подход к управлению информацией. - М.,
          2006.-С. 18-47.

        2. Абдель-Вахед Мутаз Халед. Методико-алгоритмический аппарат (инст­рументарий) анализа и оценки системы обеспечения надежности и отказо­устойчивости распределенной локальной компьютерной сети [Текст] : авто­реферат диссертации на соискание ученой степени кандидата технических наук / Абдель-Вахед Мутаз Халед. - М., 2006.

        3. Калимулина, Э.Ю. Расчёт надёжности сложных систем с параллель­ной структурой, полностью восстанавливаемых в процессе эксплуатации [Текст] / Э.Ю, Калимулина // Управление большими системами. - Вып. 23. -М.: ИПУ РАН, 2008.-С.156-169.

        4. Бугров, Д.А. Методы поэтапной структурной отимизации магистральных корпоративных сетей [Текст] : автореф. дис. ... канд. техн. наук / Д.А.Бугров. -Нижний Новгород, 2007.

  1. 5. Ball М.О., Coulbom С.J., Provan J.S. Network Reliability. In: Handbooks in OR
    and MS.
    NewYork: Elsevier, 1995 / авториз. пер. Семенова Ю.А. и Гончарова А.А.
    (ИТЭФ/ЦНТК). - Режим доступа:
    http://docs.nojabrsk.ru/semenov/4/45/network_r.htm


ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПОИСКА ПРИЧИН ОТКЛОНЕНИЙ В РАБОТЕ ПРОМЫШЛЕННОЙ УСТАНОВКИ ДЕГИДРИРОВАНИЯ ВЫСШИХ ПАРАФИНОВ
Н.С. Белинская

(г. Томск, Национальный исследовательский Томский политехнический университет)
INTELLECTUAL SYSTEM OF SEARCH OF REFUSAL REASONS IN EXPLOITATION OF HIGH PARAFFINS DEHYDROGENATION UNIT
N.S Belinskaya

(Tomsk, National research Tomsk polytechnic university)
Annotation: this work is devoted to development of a computer program for diagnostics of rejection causes in exploitation of the dehydrogenation unit of industrial complex of linear alkylbenzens production and giving out recommendation in this removal.
Линейные алкилбензолы (ЛАБ) являются ценным сырьем для производства анионактивных поверхностно-активных веществ – алкилбензосульфонатов натрия, которые нашли широкое применение для производства современных синтетических моющих средств.

Промышленный способ производства ЛАБ дегидрированием н-парафинов (процесс Пакол-Дефайн) с получением олефинов для дальшейшего алкилирования бензола с использованием в качестве катализатора плавиковой кислоты, разработанный фирмой UОР, является наиболее экономически выгодным.

На установке "Пакол-Дефайн" реализован процесс, являющийся взрывопожароопасным. Основные опасности применяемого оборудования и трубопроводов обусловлены тем, что технологический процесс проводится при высоких температурах, избыточном давлении, под вакуумом и переработкой моноолефинов, бензола, которые определяют взрыво- и пожароопасность производства. Дополнительной опасностью применяемого оборудования является также использование в процессе HF-кислоты. Так как процесс сопровождается выделением продукта в виде пара и газа, может создаться опасность загазованности территории. Поэтому следует строго следить за исправностью оборудования, приборов автоматики и устройств, обеспечивающих безопасность процесса, и вовремя исправлять замеченные отклонения и неполадки. Таким образом, весь персонал блока "Пакол-Дефайн" должен быть ознакомлен с возможными отклонениями в работе установки и, следовательно, актуальной задачей является разработка экспертной системы для диагностики причин отклонений в работе промышленной установки дегидрирования высших парафинов для предотвращения возможности травмирования обслуживающего персонала, выброса нефтепродукта и паров HF-кислоты в рабочую зону, вредного воздействия на окружающую среду.

Для достижения поставленной цели эффективным инструментом является экспертная система. Компьютерная реализация экспертной системы основана на фреймовой модели представления знаний.

Согласно данным технологического регламента установки дегидрирования высших парафинов завода ЛАБ-ЛАБС ООО «КИНЕФ» определены возможные инциденты, аварийные ситуации на производстве, причины их возможного возникновения и действия персонала по их устранению и была проведена систематизация и структуризация знаний по принципу «Отклонения – Причины – Рекомендации». Таким образом, создана база знаний фреймовой модели.

Программная реализация экспертной системы осуществлена с применением объектно-ориентированной среды программирования DELPHI 7. Интерфейс программы содержит технологическую схему блока «Пакол – Дефайн», описание основных технологических потоков, блок «Отклонения», блок «Причины» и блок «Рекомендации». При выборе на технологической схеме отдельного аппарата в блоке «Отклонения» появляются варианты возможных аварийных ситуаций, связанных с выбранным аппаратом. При выборе аварийной ситуации в блоке «Причины» появляются возможные причины возникновения данных ситуаций. При выборе определенной причины в блоке «Рекомендации» появляются возможные действия персонала для ее устранения.




Рис. 1. Активное окно интеллектуальной системы

Преимуществом разработанной интеллектуальной компьютерной системы является то, что пользователь может выступать в качестве эксперта, то есть при возникновении аварийной ситуации, не содержащейся в базе знаний, он может внести новую информацию в нее, тем самым расширить проблемную среду системы.

Таким образом, разработанная экспертная система позволяет обучать персонал установки дегидрирования н-парафинов ООО «КИНЕФ» оперативным действиям в случае возникновения аварийных ситуаций во избежание несчастных случаев и вредного воздействия на окружающую среду.

РАЗРАБОТКА КИНЕТИЧЕСКОЙ МОДЕЛИ ПРОЦЕССА ГИДРОДЕПАРАФИНИЗАЦИИ
Н.С. Белинская, Е.В. Францина

(г. Томск, Национальный исследовательский Томский политехнический университет)
DEVELOPMENT OF KINETIC MODEL OF HYDRODEWAXING PROCESS

N.S. Belinskaya, E.V. Frantsina

(Tomsk, National research Tomsk polytechnic university)
Annotation: in this article the analysis of chemical transformation and development of kinetic model of the dewaxing process are presented. Obtained kinetic model is used for kinetic parameters determination, which will used as the base of mathematical model on physical-chemical laws.

Введение. Приоритетными направлениями развития российского топливно-энергетического комплекса является модернизации сырьевых и перерабатывающих производств, увеличения глубины переработки сырья, снижения энергоемкости производства и повышения его экологичности. Одним из направлений глубокой переработки нефти является производство малосернистых дизельных топлив с низкой температурой застывания путем переработки тяжелых продуктов нефтепереработки – бензина висбрекинга и атмосферного газойля.

Целью данной работы является анализ химических превращений в процессе гидродепарафинизации смеси атмосферного газойля с бензином висбрекинга для составления формализованной схемы превращений углеводородов на основе термодинамических характеристик, и создания кинетической и математической модели, позволяющей проводить мониторинг работы установок депарафинизации, осуществлять оптимизацию и рекомендовать оптимальный режим эксплуатации с целью улучшения производственных и экономических показателей.



Составление формализованной схемы превращений. На основании имеющихся представлений о химизме и механизме процесса гидродепарафинизации, а также анализа технологических потоков на установке была составлена схема превращений процесса.

Для оценки термодинамических свойств углеводородов, участвующих в процессе гидродепарафинизации были применены квантово-химические методы расчета. Расчеты проводили с использованием программных продуктов Gaussian и GaussView. В качестве метода расчета выбран метод DFT. Теоретическим приближением являлась модель B3LYP, теория функционала плотности Беке (B3), использующая электронную корреляцию Ли Янга и Пара (LYP). Базис 3-21G.



Рис. 1. Схема превращений в процессе гидродепарафинизации
Разработка кинетической модели. На основе составленной схемы превращений была разработана кинетическая модель процесса. Выражения для скоростей реакций, входящих в кинетическую модель представлены в таблице 1.
Таблица 1. Выражения для скоростей реакций

Тип реакции

Выражение для скорости реакции

Прямой реакции

Обратной реакции

Гидрирование олефинов в парафины

W1 = k1CолефиныСводород

W-1 = k-1Cпарафины С5-С11

Гидрокрекинг парафинов С12 – С27

W2 = k2Cпарафины С11-С27·Сводород



Гидрокрекинг нафтенов с образованием олефинов

W3 = k3CнафтеныСводород

W-3 = k-3Cолефины·

·Спарафины С5-С11

Гидрокрекинг нафтенов с образованием парафинов С12 – С27

W4 = k4CнафтеныСводород

W-4 = k-4Cолефины·

·Cпарафины С5-С11

Изомеризация парафинов С12 – С27

W5 = k5Cпарафины С12-С27

W-5 = k-5Cизо-парафины

Циклизация изо-парафинов в нафтены

W6 = k6Cизо-парафины

W-6 = k-6CнафтеныСводород

Гидрирование моно-ароматических углеводородов в нафтены

W7 = k7Cмоно-аром.Сводород

W-7 = k-7Cнафтены

Гидрирование ди-ароматических углеводородов в моно-ароматические

W8 = k8Cди-аромСводород

W-8 = k-8Смоно-аром.

Образование коксогенных структур (КГС)

W9 = k9Cди-аромСводород

W-9 = k-9CКГС

Кинетическая модель выглядит следующим образом:




Начальные условия: τ = 0, Сi = C0i, где i – соответствующий углеводород.
Заключение. Составленная и программно реализованная кинетическая модель процесса является инструментом для определения кинетических параметров реакций (констант скоростей), которые будут заложены в математическую модель процесса, учитывающую физико-химические закономерности протекания процесса.

МЕТОДЫ РАСЧЕТА ПАРАМЕТРОВ ПРОБКОВОГО РЕЖИМА ТЕЧЕНИЯ НЕФТЕГАЗОВОЙ СМЕСИ
Д.С. Васильев, Э.С. Юсупова

(г. Краснодар, ООО «НК «Роснефть» - НТЦ»)
СALCULATION OF THE OIL AND GAS MIXTURE SLUG FLOW’S CHARACTERISTICS
D.S. Vasilyev, E.S. Yusupova

(Krasnodar,“NK “Rosneft” – NTC”)
Current correlations for characterizing slug flow behavior, using such parameters as slug frequency and slug length are represented. The usage of the mathematical modeling in developing these correlations is considered. It is shown how the mathematical modeling integrates with oil and gas industry.
Введение. Большой интерес к проблемам гидродинамики двухфазных систем, наблюдаемый со стороны нефтяных и газовых компаний в последние годы, объясняется значимостью этих вопросов для данной отрасли.

На многих нефтегазовых месторождениях распространен метод совместного сбора и транспортировки нефти и газа в пределах промысла, а в отдельных случаях и на значительные расстояния. Такой вид обустройства месторождения имеет значительный экономический эффект, так как не требуется установка дополнительного оборудования на устье скважин, а транспорт продукта осуществляется по одному трубопроводу вместо двух.

Для безопасной и эффективной эксплуатации месторождения необходимо тщательное изучение транспорта двухфазной углеводородной смеси по трубопроводам, которое позволит принять меры по снижению рисков возникновения аварийных ситуаций и спрогнозировать эксплуатационный ресурс трубопроводов и аппаратов.

В работе рассматривается пробковый режим течения смеси, так как наибольшие сложности в ходе эксплуатации промысловых трубопроводов возникают при данной структуре потока. При этом важнейшими характеристиками структуры потока являются частота прохождения пробок и их длина.

На рисунке 1 представлена физическая модель пробковой структуры, на которой изображены возможные состояния газожидкостной смеси при данном виде течения [1].
Рис 1. Физическая модель пробковой структуры потока газожидкостной смеси

Передняя часть пробки движется со скоростью , передняя часть скопления газа (пузыря) – со скоростью . Скорость фазы внутри пробки , учитывая гомогенную структуру самой пробки, является скоростью смеси , тогда



,

где – средние скорости, соответственно жидкости и газа (для сист. СИ - м/c; для англ. сист. мер – фут/с2).

Перед пробкой могут наблюдаться два вида течения смеси: волновой и расслоенный со скоростью и , соответственно, где истинное содержание жидкости - и . Истинное содержание жидкости в пробке обозначается .

Частота прохождения пробок. Одна из первых зависимостей для расчета частоты прохождения пробок (1/с) разработана Gregory и Scott в 1969 году для труб малого диаметра с использованием английской системы мер [3]

где - ускорение свободного падения (для англ. системы мер 32,174 фут/с2; для системы СИ – 9,81 м/с2);



- внутренний диаметр трубопровода (для англ. системы мер дюйм; для сист. СИ - м).

Greskovich и Shrier в 1972 г. преобразовали зависимость Gregory и Scott с помощью ввода в расчет числа Фруда и объемного содержания жидкости (англ. система мер) [3]



.

Наиболее часто применяемая в инж. расчетах зависимость частоты прохождения пробок по трубопроводу разработана на основе опытов Heywood и Richardson (сист. СИ) [4]



,

где .

Shea в 2004 г. при обработке данных, полученных на нефтегазовом месторождении, выявил зависимость частоты прохождения пробок от длины трубопровода (сист. СИ) [2]

где – длина трубопровода от точки ввода продукта до исследуемого участка (м).

Al-Safran (2008) провел ряд исследований по влиянию механизма образования пробок и изменения структуры потока на величину частоты их прохождения в газожидкостных потоках горизонтальных труб и получил зависимость, представляющую собой функцию диаметра трубы D, действительной скорости жидкости и отношения скорости фазы внутри жидкостной пробки к скорости смеси (сист. СИ) [5]

.

Длина пробки. Основным параметром, используемым для определения объема пробкоуловителя на трубопроводе, является длина пробки. Наиболее простым является расчет длины пробки в виде отношения скорости движения пробки к частоте ее прохождения :

.

Однако, если определение скорости движения пробки представляет некоторые трудности, то длину пробки можно оценить с помощью зависимости Norris (1982) (сист. СИ) [6]



.

Заключение. В математическом обеспечении, применяющемся для гидравлического расчета промысловых трубопроводов, имеется большой выбор соотношений для определения перепада давления, температуры транспортируемой смеси и т.д., в то же время расчет параметров жидкостных пробок ограничен одной, максимум, двумя зависимостями.

В настоящей работе представлены наиболее точные формулы для расчета длины пробок и частоты их прохождения по трубопроводу, которые рекомендуется использовать при проектировании и обустройстве отечественных месторождений нефти и газа.


ЛИТЕРАТУРА

        1. S.L. Scott, G.E. Kouba “Advances in slug flow characterization for horizontal and slightly inclined pipelines”, SPE 20628 (1990).

        2. Dr. Ove Bratland “Pipeflow 2: multi-phase flow assurance” (2010).

        3. G.J. Zabaras “Prediction of slug frequency for gas/liquid flows”, SPE Journal 5 (2000).

        4. Clayton T. Crove “Multiphase flow handbook” (2006).

        5. B. Gokcal, A.S. Al-Sarkhi “Prediction of slug frequency for high-viscosity oils in horizontal pipes”, SPE Projects, Facilities & Construction (2010).

        6. S.L. Scott, O. Shoham, J.P. Brill “Prediction of slug length in horizontal, large-diameter pipes”, SPE Production Engineering (1989).


ПОЛЕ ТЕЧЕНИЯ И ОСЕДАНИЕ ТВЕРДЫХ СУБМИКРОННЫХ ЧАСТИЦ

В НОСОВОЙ ПОЛОСТИ ЛАБОРАТОРНОЙ МЫШИ

ПО РЕЗУЛЬТАТАМ ЧИСЛЕННОГО МОДЕЛИРОВАНИЯ

следующая страница >>