close

Вход

Забыли?

вход по аккаунту

?

Автоматизация технологических процессов подготовки высококвалифицированных кадров в области компьютерного моделирования с применением облачных технологий

код для вставкиСкачать
На правах рукописи
as
Духанов Алексей Валентинович
АВТОМАТИЗАЦИЯ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПОДГОТОВКИ
ВЫСОКОКВАЛИФИЦИРОВАННЫХ КАДРОВ
В ОБЛАСТИ КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ
С ПРИМЕНЕНИЕМ ОБЛАЧНЫХ ТЕХНОЛОГИЙ
Специальность 05.13.06 — Автоматизация и управление технологическими
процессами и производствами (в образовании)
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
доктора технических наук
Санкт-Петербург — 2016
2
Работа выполнена в Санкт-Петербургском национальном исследовательском
университете информационных технологий, механики и оптики
Научный консультант:
доктор технических наук
Бухановский Александр Валерьевич
Официальные оппоненты:
Болдырев Юрий Яковлевич,
доктор технических наук, профессор,
профессор кафедры прикладной математики,
ФГАОУ ВО «Санкт-Петербургский
политехнический университет
Петра Великого»
Ретинская Ирина Владимировна,
доктор технических наук, профессор,
профессор кафедры прикладной математики и
компьютерного моделирования ФГБОУ ВО
«Российский государственный университет
нефти и газа (Национальный
исследовательский университет)
имени И.М. Губкина»
Шалумов Александр Славович,
доктор технических наук, профессор,
Генеральный директор ООО «НИИ «Асоника»
Ведущая организация:
Автономная некоммерческая организация
«Институт физико-технической информатики»
Защита состоится 29 декабря 2016 г. в 15:30 на заседании диссертационного совета
Д 212.227.06 при Санкт-Петербургском национальном исследовательском университете
информационных технологий, механики и оптики по адресу: 197101, Санкт-Петербург,
Кронверкский пр., д.49., ауд.431.
С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики
по адресу: 197101, Санкт-Петербург, Кронверкский пр., д.49 и на сайте
http://fppo.ifmo.ru/?page1=16&page2=52&page_d=1&page_d2=159126
Автореферат разослан « ____ » ___________ 201____ года.
Ученый секретарь диссертационного совета
кандидат физико-математических наук, доцент
toy
Холодова С.Е.
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования. В последние десятилетия бурное развитие информационно-коммуникационных технологий (ИКТ) и их проникновение в качестве диффузных технологий практически во все отрасли науки и практики стимулирует интерес к
выполнению интердисциплинарных исследований и разработок, основанных на применении методов компьютерного моделирования (КМ) сложных объектов и систем реального
мира. В силу быстрого обновления самой научно-технологической базы отличительной
особенностью таких проектов является ограниченное время выполнения (от полугода до
двух лет), использование трансляционных подходов на основе фундаментальных знаний, а
также вовлечение большой интердисциплинарной (и, часто, международной) команды специалистов. В данных условиях повышается ценность профессионалов, в совершенстве владеющих методами КМ и ИКТ. Необходимые для них профессиональные компетенции присутствуют в российских образовательных стандартах третьего поколения, а общие компетенции появятся в четвертом поколении стандартов.
Основы отечественных исследований в области автоматизации технологических
процессов, в т.ч. в образовании, заложены научными школами В.М. Глушкова, С.В. Клименко, В.Н. Васильева, Д.А. Новикова, И.В. Ретинской, Л.С. Лисицыной, С.А. Бояшовой,
В.П. Гергеля, О.А. Шабалиной, А.Г. Кравец, Г.К. Селевко, А.П. Карпенко, Л.В. Зайцевой,
В.А. Богомолова, И.Л. Артемьевой, О.Н. Калачиковой. Однако в условиях конкуренции
тенденций массовости и индивидуализации образования подготовка высококвалифицированных кадров (в том числе магистров и кандидатов наук) в области КМ выходит за рамки
классических подходов к ИКТ-образованию, а существующие технологии разработки и реализации соответствующих образовательных траекторий и ресурсов во многом утрачивают
свою эффективность. В настоящее время существуют устоявшиеся стандарты разработки
и интеграции различных типов образовательных ресурсов, в том числе признанный стандарт Learning Tools Interoperability (интероперабельности учебных средств (ИУС)) и концепция Reusable Learning Object (многоразовых учебных объектов (МУО)). Указанные
стандарты позволяют быстро создавать и развертывать образовательные системы, доступные практически с любого устройства. «Ахиллесовой пятой» существующих стандартов
является то, что сами информационные образовательные ресурсы должны разрабатываться
отдельно, в том числе на уровне упрощенных копий/представлений сложных компьютерных моделей или реальных процессов. Как следствие, в тренде быстрых обновлений научных результатов и технологических решений образовательный ресурс на момент времени
окончания его разработки зачастую становится морально устаревшим.
Помимо заведомого устаревания образовательного ресурса на момент завершения
его разработки могут быть выделены следующие негативные факторы. Во-первых, большинство ИКТ-решений в области автоматизации образования ориентированы на конкретную научную или предметную дисциплину при том, что объем интердисциплинарных исследований стремительно растет. Стандарт ИУС и концепция МУО частично исправляют
сложившуюся ситуацию, но позволяют изучать реальные процессы лишь покомпонентно,
а не на системном уровне. Во-вторых, современные ИКТ-решения (в том числе облачные
продукты) прежде всего ориентированы на существующие информационные процессы в
образовании и тем самым сильно ограничивают возможности создания креативных интердисциплинарных образовательных сред и платформ. И, в-третьих, при предоставлении студенту отдельно разработанных учебных материалов заведомо ограничивается доступ к первичным научным результатам и технологическим решениям. Тем самым, после завершения
обучения выпускнику может потребоваться значительное время на адаптацию к новым
условиям работодателя (стажировки, корпоративное обучение и т.д.).
4
В сложившихся условиях требуется создание условий, необходимых для реализации
полного цикла образовательного процесса в области КМ на системной основе, что невозможно без использования средств автоматизации. Поэтому разработка методологической
основы, соответствующих технологий и, как следствие, инструментальных средств для автоматизации проектирования и конструирования образовательных ресурсов, планирования
и реализации образовательных траекторий (включая оценку уровня достижения обучаемым заданных компетенций) в области КМ является актуальной.
Степень разработанности диссертации. В диссертации выполнена разработка методологии трансляции различных форм научных результатов в учебный контент (гибридные учебные ресурсы) на основе совместного использования концепций исследовательских и учебных объектов, разработаны и реализованы технологии, позволяющие обеспечить полный цикл проектирования, конструирования образовательных ресурсов, планирования и реализации образовательных траекторий на основе облачных научных объектов
для подготовки высококвалифицированных специалистов в области КМ. Работа представляет собой законченное и цельное исследование, обладающее научной новизной и практической значимостью, обуславливающей возможность внедрения ее результатов в сфере
высшего образования.
Цель работы и задачи исследования. Целью работы является создание методологии автоматизации технологических процессов, покрывающих весь жизненный цикл проектирования и реализации учебных курсов на основе различных форм научных результатов
при обеспечении массовости и доступности, высокой возможной вариативности образовательных траекторий, постановки и развития у обучаемых общих и профессиональных компетенций в решении интердисциплинарных задач средствами КМ.
Задачами работы являются:
1. Обоснование характеристик разрабатываемой методологии на основе анализа трендов в области автоматизации образования и современных требований к профессионалам в части КМ.
2. Построение формальных моделей базовых объектов методологии автоматизации
технологических процессов, покрывающих жизненный цикл проектирования и реализации учебных курсов, в форме математических соотношений.
3. Разработка технологии автоматизации разработки гибридных учебных ресурсов на
основе трансляции различных форм результатов научной деятельности, доступных
посредством облачных технологий, в образовательный контент.
4. Разработка технологии автоматизации построения образовательных траекторий на
основе гибридных учебных ресурсов с применением виртуальных моделирующих
объектов и эвристических алгоритмов оптимизации.
5. Разработка технологии сопровождения реализации образовательных траекторий с
оценкой степени освоения компетенций, в том числе способности работы в команде
в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ.
6. Проектирование, разработка и тестирование комплекса облачных программных
средств для реализации вышеприведенных технологий.
7. Экспериментальная проверка условий применения и эффективности разработанных
технологий автоматизации проектирования и реализации учебных курсов на основе
научных результатов с применением облачных вычислительных технологий в рамках требований современных трендов в науке и образовании.
Объектом исследования является процесс организации и реализации учебного процесса подготовки профессионалов в области КМ, соответствующий современным трендам
5
в науке, технологиях и образовании, включая быстрое обновление результатов научной деятельности, эволюцию и моральное устаревание информационных технологий, а также
увеличение объема интердисциплинарных исследований и разработок.
Предметом исследования являются информационные технологии, обеспечивающие автоматизацию полного цикла учебных мероприятий, включая проектирование и конструирование гибридных ученых ресурсов на основе различных научных результатов, которые позволяют предоставить обучаемым актуальные учебные материалы, индивидуализировать образовательные траектории, выполнить оценку достижения заданных компетенций.
Научная новизна состоит в том, что впервые разработан и реализован подход к
трансляции различных форм научных результатов в учебный контент на основе совместного использования концепций исследовательских и учебных объектов и наследуемых
подходов к автоматизации полного цикла разработки и реализации учебных курсов на основе облачных вычислений в рамках модели AaaS (Application as a Service). Это позволило
создать на единой основе комплекс новых технологий автоматизации, обеспечивающих
проектирование и разработку гибридных образовательных ресурсов на основе облачных
учебных объектов, автоматизацию построения образовательных траекторий на основе гибридных учебных ресурсов с применением структур виртуальных моделирующих объектов и эвристических алгоритмов оптимизации, а также сопровождения и реализации образовательных траекторий с оценкой степени освоения компетенций в части КМ для решения
интердисциплинарных задач (индивидуальная и командная работа).
Теоретическая ценность работы состоит в создании подхода трансляции содержимого объектов различных видов на основе объединения соответствующих объектных концепций. Данный подход определяет технологии быстрого конструирования производных
объектов с применением компонент исходных. Демонстрация подхода приведена на примере теоретической разработки компонент гибридных учебных ресурсов на основе компонент научных объектов.
Практическую значимость работы составляют:
1. Программный комплекс автоматизации технологических процессов подготовки профессионалов в области КМ на основе расширения облачной платформы CLAVIRE.
2. Семейство учебно-методических ресурсов, учебных курсов и образовательных программ в области КМ, разработанных и внедренных с использованием методов и технологий, реализованных в диссертации.
Методология и методы исследования включают в себя методы системного анализа
и инженерии знаний, методологию объектно-ориентированного программирования, теорию множеств, теорию графов, методы оптимизации, методы эволюционного программирования, методы проектирования информационных систем, методы инженерии программного обеспечения, методы планирования эксперимента и статистической обработки данных.
Соответствие диссертации паспорту специальности
Диссертация соответствует паспорту специальности 05.13.06 —Автоматизация и
управление технологическими процессами и производствами (в образовании):
в части формулы специальности:
«…математическим, информационным, алгоритмическим и машинным обеспечением создания автоматизированных технологических процессов и производств и систем
управления ими…», «…научные и технические исследования и разработки, модели и
структурные решения человекомашинных систем, предназначенных для автоматизации
производства и интеллектуальной поддержки процессов управления и необходимой для
этого обработки данных в организационно-технологических и распределенных системах
6
управления в различных сферах технологического производства и других областях человеческой деятельности».
в части областей исследования:
— п. 3. «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами…»;
— п. 7. «Методы совместного проектирования организационно-технологических распределенных комплексов и систем управления ими»;
— п. 9. «Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУТП, АСУП, АСТПП и др., включая базы
и банки данных и методы их оптимизации».
На защиту выносятся:
1. Методология автоматизации технологических процессов, покрывающая жизненный
цикл проектирования и реализации учебных курсов и обеспечивающая массовость и
доступность учебных материалов, высокую вариативность образовательных траекторий, развитие у обучаемых общих и профессиональных компетенций в части решения интердисциплинарных задач средствами КМ.
2. Технология автоматизации разработки гибридных учебных ресурсов на основе
трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент.
3. Технология автоматизации построения образовательных траекторий на основе гибридных учебных ресурсов с применением виртуальных моделирующих объектов и
эвристических алгоритмов оптимизации.
4. Технология сопровождения реализации образовательных траекторий с оценкой степени освоения компетенций, в том числе способности работы в команде в рамках
интердисциплинарных проектов, с применением облачных вычислительных платформ.
Достоверность научных результатов определяется использованием унифицированного формального описания объектов и методов, рассматриваемых в работе, корректным применением признанных принципов и методического инструментария при разработке и детализации методологии трансляции результатов научной деятельности в учебный процесс, включая методы оптимизации, методологию объектно-ориентированного
программирования, эволюционные алгоритмы; результатами тестирования разработанного
программного обеспечения, корректной постановкой и проведением экспериментальных
исследований, а также успешным внедрением полученных результатов в учебный процесс.
Личный вклад автора состоит в разработке методологии трансляции различных
форм результатов научной деятельности в учебный процесс на основе концепций исследовательских и учебных объектов, в разработке подхода построения образовательных траекторий на основе виртуальных моделирующих объектов, методики формирования гипертекстовых учебных материалов на основе научных статей и научно-практической документации, методики сопровождения реализации образовательных траекторий с применением облачных платформ высокопроизводительных вычислений, формата взаимодействия участников учебного процесса и учёных в облачных средах; в участии в разработке: метода проектирования абстрактных учебных ресурсов и реализации учебных ресурсов на основе концепции порождающих учебных объектов и принципов объектно-ориентированного программирования, методики организации функционирования учебных ресурсов на основе облачных платформ высокопроизводительных вычислений, метода построения образовательных траекторий на основе эвристических алгоритмов, моделей обучения на основе
научных потоков работ (композитных приложений), методики автоматизации оценки достижения обучаемым заданной компетенции с применением композитных приложений,
7
метода количественной оценки способности обучаемого развивать себя в процессе командной работы в изучении новых интердисциплинарных направлений; в участии в разработке
алгоритмов и программной реализации средств, необходимых для проведения экспериментов, в постановке и проведении экспериментов, обсуждении и интерпретации результатов.
Апробация работы
Основные результаты работы докладывались и обсуждались на следующих научнотехнических (методических) конференциях и семинарах.
Конференции, прошедшие на территории России: «Телематика», Всероссийская
научно-методическая конференция, Санкт-Петербург, 2012, «Научный сервис в сети Интернет: поиск новых решений», Международная суперкомпьютерная конференция, Новороссийск, 2012, «Высокопроизводительные параллельные вычисления на кластерных системах», Всероссийская конференция, Нижний Новгород, 2012, «Информационная система
инновационного вуза», Научно-практическая конференция, Москва, 2013, «Научный сервис в сети Интернет: все грани параллелизма», Международная суперкомпьютерная конференция, Новороссийск, 2013, «Национальный суперкомпьютерный форум», ПереславльЗалесский, 2013, «Технологии высокопроизводительных вычислений и компьютерного моделирования», Молодежная школа, Санкт-Петербург, 2013, «Информационная система инновационного вуза», Научно-практическая конференция, Москва, 2014, International Conference on Application of Information and Communication Technologies, Международная конференция, Ростов-на-Дону, 2015, Международная конференция «Russian Supercomputing
Days», Москва, 2016 г.
Зарубежные международные конференции: «International Conference on Computational Science», Международная конференция, Кэрнс, Австралия, 2014, «International Conference on Application of Information and Communication Technologies», Международная
конференция, Астана, Казахстан, 2014, «Frontiers in Education», Международная конференция, Мадрид, Испания, 2014, «International Conference on Computational Science», Международная конференция, Рейкьявик, Исландия, 2015, «Young Science Conference», международная молодежная конференция, Афины, Греция, 2015, «Frontiers in Education», Международная конференция, Эль-Пасо, США, 2015, «International Conference on Computational
Science», Международная конференция, Сан-Диего, 2016.
Внедрение результатов работы. Теоретические результаты работы применены при
выполнении следующих НИОКР: «Создание высокотехнологичного производства комплексных решений в области предметно-ориентированных облачных вычислений для
нужд науки, промышленности, бизнеса и социальной сферы» в рамках реализации постановления Правительства РФ № 218, «Распределенные экстренные вычисления для поддержки принятия решений в критических ситуациях» в рамках реализации постановления
Правительства РФ № 220, «Высокопроизводительный программный комплекс для моделирования электронных и электромеханических свойств наноуглеродных объектов», «Разработка web-ориентированного производственно-исследовательского центра в области социодинамики и ее приложений», «Технологии экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного общественного транспорта» в рамках ФЦП
«Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007–2013 годы», а также в проектах «Методы и технологии
моделирования процессов большого города на основе данных индивидуальной мобильности населения» (2015–2016) и «Предсказательное моделирование экстремальных явлений
и оценка рисков устойчивому развитию сложных систем» (2013–2016) в рамках Программы повышения конкурентоспособности Университета ИТМО (5–100).
8
Практические результаты работ внедрены в учебном процессе отечественных и зарубежных вузов, а также в научных центрах и предприятиях (ЗАО «Фирма «АйТи». Информационные технологии», ГНЦ Курчатовский институт). На их основе в Университете
ИТМО (г. Санкт-Петербург) и Университете г. Амстердам (Нидерланды) разработана и
успешно реализуется первая в России международная магистерская образовательная программа двойного диплома в области КМ «Суперкомпьютерные технологии в междисциплинарных исследованиях», а также ряд профильных курсов для других программ, использующих технологии КМ. Внедрение результатов диссертации поддержано ведущими российскими вузами — членами Суперкомпьютерного консорциума Университетов России в
рамках выполнения комплексного проекта «Суперкомпьютерное образование» (2010–
2014). Кроме того, решения, предложенные в диссертации, использованы при проведении
мероприятий интенсивной подготовки и повышения квалификации специалистов в области КМ в рамках ежегодной Научной школы-практикума молодых ученых и специалистов
«Технологии высокопроизводительных вычислений и компьютерного моделирования» (г.
Санкт-Петербург, 2011–2016) и Международной научной школы-конференции молодых
ученых и специалистов в области компьютерного моделирования YSC (Амстердам-Барселона-Амстердам-Афины-Краков, 2012–2016).
Публикации. Основные результаты работы опубликованы в 24 статьях (общий
объем — 12,62 п.л., вклад соискателя — 5,43 п.л.) из списка ВАК Минобрнауки (в том
числе 18 статьях зарубежных изданий, индексируемых WoS/Scopus), а также представлены
в научно-технических отчетах госбюджетных НИР в рамках ряда федерально-целевых и
ведомственных научно-технических программ, внебюджетных НИР по заказу ведущих
научных организаций и промышленных предприятий. Имеется 5 свидетельств об официальной регистрации разработанных программ для ЭВМ.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Введение содержит обоснование актуальности темы исследования и разработки методологии трансляции различных форм научных результатов в учебный процесс на основе
концепций исследовательских и учебных объектов и соответствующих технологий для
быстрой разработки гибридных учебных ресурсов, формирования и реализации образовательных траекторий для подготовки профессионалов в области КМ. Сформулированы
научная новизна, практическая ценность и основные положения, выносимые на защиту.
Также во введении приведены основные критерии эффективности применения предложенных в работе научно-методических инструментов.
В первой главе приведены основные современные тренды в науке, технологиях и
образовании, которые определяют условия для успешного развития большинства отраслей.
В главе представлены тенденции развития информационных технологий КМ, в том числе
рост производительности и доступности суперкомпьютерных ресурсов, технологий высокоскоростной передачи данных, технологий высокореалистичной визуализации и виртуальной реальности. Также рассмотрены модели облачных вычислений и среди них определена перспективная модель AaaS, позволяющая поставлять пользователю предметные облачные сервисы на основе комплексных аппаратно-программных средств, включая программные пакеты тяжелых распределенных вычислений. С помощью такой модели, а
также концепции Intelligent Problem Solving Environment (iPSE), конечному пользователю
на требуется тратить время на решение технических задач по созданию необходимой аппаратно-программной инфраструктуры. В связи с этим начинает становиться массовым
спрос на профессионалов в различных моно- и интердисциплинарных направлениях, которые владеют ИКТ для разработки, реализации и применения программных решений в ре-
9
задач1.
шении сложных научно-инженерных
Степень сложности задач КМ и, соответственно, требования к их решению отмечаются в работах П. Слоота, Т. Колды, Д.Ж.
Эванса, И.Л. Артемьевой.
Для унификации хранения, повышения уровня доступности и восприятия, а также
предоставления в публичный доступ различных форм научных результатов в ряде работ, в
том числе авторами Д. Барсегхаймом, Е. Дилманом, Т. Оинным, К. Фёрстнером, С. Бэкхофером, К. Белхаджемем, предложены соответствующие подходы и инструменты (включая
электронные платформы). Вершиной данных работы является концепция исследовательских объектов (ИсО), которая позволяет объединять в одну структуру различные формы
научных результатов (включая программные решения). ИсО определено как контейнер
научных ресурсов, которые получены в ходе реализации всех стадий цикла научных работ.
Такой контейнер может включать исполняемые сервисы и научный поток работ (НПР), источники данных, программную документацию, научные статьи, средства для совместной
работы и т.д.
В главе приведены общие сведения о принципах и технологиях построения систем
управления учебным контентом (СУУК), которая является наиболее часто используемым
типом систем электронного/дистанционного обучения. Для реализации процесса обучения
с помощью таких систем используются три основных составных типа компонент: учебный
ресурс (УР), учебный курс (УчК) или образовательная траектория (ОТ), средства оценивания степени достижения результатов образования (освоения компетенций). Существование второго и третьего типов невозможно без первого, поскольку он включает контент,
используемый в реализации образовательной траектории и необходимый для средств оценивания. Поэтому в главе приводятся сведения об эволюции технологий разработки образовательных ресурсов, в том числе с применением ИКТ. Здесь можно отметить работы К.А.
Аллена, Б. Термата, К. Верберта, С Кариера, Ж. Мегенхайма, С. Грунвальда, Р. Моралеса,
П. Суравиира, Г.К. Селевки, Р. Робсона. С развитием ИКТ, включая появление и массовое
внедрение технологий облачных вычислений (включая вышеупомянутую модель AaaS),
образовательные ресурсы стали реализовываться в практически неограниченном спектре
форм. В частности, модели облачных вычислений успешно применялись в разработке и
создании лабораторного практикума по теме применения программных решений в области
судебной криминалистики, в котором каждая лаборатория была развернута на своей виртуальной машине с уникальными характеристиками, в том числе сборкой ядра операционной системы Linux. Предложенная испанскими специалистами архитектура GLUE! позволяет в сжатые сроки связывать (по сути, «склеивать», что и определило название архитектуры) программные средства, обеспечивающие работу некоторой виртуализированной образовательной среды и инструменты широко распространённых облачных сервисов, включая Google Docs, Doodle и др.
Такое разнообразие технологий и архитектур определило разработку и развитие подходов к стандартизации и унификации образовательных ресурсов, в том числе концепции
МУО, а также протокол ИУС. Последний из них поддерживается множеством программных решений учебного назначения, в том числе наиболее популярной СУУК Moodle, что
позволяет присоединять к ним разнообразные внешние сервисы.
1
Такой рост спроса можно сравнить с ростом в мире числа пользователей ЭВМ на производстве с
середины 80-х до середины 90-х годов в связи с увеличением количества и повышением доступности
персональных компьютеров (ПК) с интуитивно-понятными интерфейсами. Тогда профессия «Оператор ЭВМ» трансформировалась в роль «Пользователь ПК».
10
Вышеприведенные подходы, технологии и программные решения определяются на
традиционных формах проведения занятий — лекциях, практических (семинарских) занятиях, лабораторных работах, при самостоятельной работе (одного студента или группы
студентов). Также данные решения часто копируют уже существующие образовательные
бизнес-процессы (например, добавление веб-интерфейса к учебному исполняемому модулю). С одной стороны, это позволяет быстро внедрять готовые решения в учебный процесс и адаптировать их в образовательной среде. С другой стороны, они могут лишь частично покрывать требования, предъявляемые к новым типам образовательных сред и
платформ, в том числе креативным интердисциплинарным образовательным пространствам (которые позволяют вести обучение путем погружения в имитационную или реальную научную среду). Применение игровых решений, таких как Second Life или Minecraft,
в учебном процессе развивают креативные навыки у обучаемых, но в большей степени такие технологии ориентированы преимущественно на контингент детского возраста.
В сложившейся ситуации сложно говорить о качественной подготовке высококвалифицированных специалистов в области КМ, характерные компетенции которых приведены
в описании актуальности работы. В частности, кроме креативного мышления у обучаемых
требуется развить ряд способностей (компетенций), которые необходимы для решения
сложных интердисциплинарных задач при взаимодействии с российскими и зарубежными
специалистами из разных прикладных областей. В таких условиях специалист должен
научиться работать с первичным научным материалом (научные статьи, научная документация и визуализация, наукоёмкие программные продукты — прикладные пакеты и другие
типы научных сервисов), поскольку он не будет обеспечен соответствующими учебными
средствами. В условиях быстрого развития научных и технологических направлений подготовка учебных ресурсов традиционными способами для таких специалистов неэффективна из-за их устаревания контента за время его разработки. Вследствие этого требуются
средства, с помощью которых станет возможным быстро проектировать и разрабатывать
учебные ресурсы, соответствующие требованиям подготовки специалистов.
В условиях стремительного развития науки и технологий также необходимы средства для оперативной разработки и регулярного обновления как учебных курсов, так и образовательных программ, а в общем, образовательных траекторий. Такие траектории
должны максимально точно соответствовать научно-техническим достижениями в заданной интердисциплинарной области и ссылаться на актуальные образовательные ресурсы.
В научных работах (в частности, авторов В.Е. Кривцова, Л.В. Зайцевой, К.Р. Овчинниковой, Х. Кима, М. Монасора, Я.В. Ланга, Ж. Васильевой, Е. Контополуса, Г. Кнолмейра и
др.) широко представлено направление, посвященное алгоритмам и программным средствам автоматизации формирования образовательных траекторий, преимущественно на основе эвристических алгоритмов. Ряд работ основывается на построении графа компонент
учебной траектории и поиска на нем оптимального пути. Другие работы дают рекомендации по построению образовательных траекторий, основываясь на компетентностном подходе c учётом уровней качества освоения компетенций (в частности, по пересмотренной
таксономии Блума). В некоторых работах вместо компетенций и уровней задаются иные
атрибуты, с помощью которых отбираются и упорядочиваются компоненты траектории.
При всем разнообразии работ в этой области не удалось найти решений, которые предлагали бы алгоритм построения образовательных траекторий с учетом компетенций с соответствующей градацией уровней, а также онтологию той интердисциплинарной области, в
рамках которой строится траектория.
В части компоненты оценивания степени достижения результатов образования и, соответственно, освоения компетенций в научных статьях представлен широкий набор мето-
11
дических инструментов (см. работы Р. Хуваи, И.Н. Келеберды, А. Замятина, С.А. Бояшовой и др.). Данный спектр охватывает диапазон начиная от обычного тестирования и заканчивая технологиями оценивания степени освоения компетенций по принципу деятельностного подхода. При том, что работ в области качественной оценки компетенций и их
развития в области индивидуальной и командной работы над интердисциплинарными проблемами достаточно, научных материалов в части численной оценки этих показателей
найти не удалось.
Завершается первая глава выделением основных противоречий между имеющимися
методическим инструментарием, образовательными технологиями и современными вызовами и соответствующими требованиями подготовки конкурентоспособных высококвалифицированных кадров в области КМ, а также выводами.
Во второй главе рассмотрены формальные представления элементов, которые следуют из различных форм результатов деятельности научного и образовательного сообществ и используются в построении облачных гибридных учебных ресурсов, образовательных траекторий и средств оценки.
В главе введены следующие базовые понятия: информационный объект — ИО (сущность, описывающая факт, понятие, концепцию, процедуру, процесс, компьютерную программу); информационный ресурс — ИР (объединение ИО по заданному признаку), учебный объект — УО (ссылается на информационные объекты и содержит информацию об их
применении в учебных целях), абстрактный учебный ресурс — АУР (ссылается на ИР-ы
и УО, содержит сведения о применении ИР и УО в разных учебных контекстах).
В основу построения облачных учебных ресурсов положен так называемый научный
объект, который представлен научной командой как промежуточный или окончательный
результат выполнения какого-либо моно- или интердисциплинарного научного проекта с
применением компьютерных технологий. Основной формой научного объекта является
программный пакет2:
Pack
Package Ins Pack , Outs Pack , Fconv
, где
(1)
Ins Pack — набор идентификаторов входных данных пакета, Outs Pack — набор идентификаPack
— функция преобразования входных данных в выходные,
торов выходных данных, Fconv
которая показывает внешнюю сторону работы пакета по преобразованию входных данных
в выходные.
Кроме научного пакета используются следующие формы научных объектов и их
компонент.
Научная статья:
SP Intr SP , PSt SP , RWorks SP , PApr SP , Exper SP , C&FW SP , где
(2)
Intr SP — текст введения статьи, PSt SP — часть статьи, отражающий постановку задачи
(проблемы), RWorks SP — часть статьи, дающая сведения о текущем состоянии научных
исследований, соответствующих тематике статьи (Related Works); PAprSP — часть статьи,
описывающая предлагаемый авторами оригинальный подход решения поставленной задачи (проблемы); ExperSP — часть статьи, описывающая проведенный эксперимент, включая интерпретацию результатов (дискуссию); C&FW – заключительная часть статьи, содержащая выводы и планы будущих исследований.
2
Программный пакет может быть предназначен как для научных расчетов, так и для оперирования
данными.
12
Программная документация:
PDoc
An PD , FnDescr PD , LSDescr PD ,
CLMeth PD , IOD PD , TechR PD ,
где
(3)
An PD — аннотация документа; FnDescr PD — описание функционала программы,
LSDescr PD — описание логической структуры программы; CLMeth PD — способы запуска
программы (вызов и загрузка); IOD PD — описание входных и выходных данных; TechR PD
— технические требования к аппаратно-программной части, предъявляемые программой.
Экспериментальная документация:
ExpDoc ExpAim ED , ExpMethDes cr ED , ObjR ED ,
где
(4)
ED
ED
ED
ExpDescr , ExpLog , ExpRes ,
ExpAim ED — описание цели эксперимента, ExpMethDes cr ED — описание методики прове-
дения эксперимента, ObjRED — описание объекта эксперимента, ExpDescr ED — описание
экспериментов, ExpLog ED — протокол проведения экспериментов, ExpRes ED — описание
результатов эксперимента.
Для того, чтобы предоставить удалённый доступ к научному объекту в форме программного пакета, требуются преобразования, которые изменяют наборы идентификаторов входных и выходных данных, а также выполняют проверку на соответствие исходных
данных допустимым диапазонам.
Для представления программного пакета (1) как облачного пакета введено следующее отображение:
PM PMI Ins ClPack , Package, PMO Outs Pack :
, где
(5)
ClPack
Package CloudPacka ge Ins ClPack , P ClPack , Outs ClPack , Fconv
— функция преобразования набора идентификаторов входных данных облачного пакета в идентификаторы входных данных исходного пакета; PMO Outs Pack —
функция преобразования набора идентификаторов выходных данных исходного пакета в
набор идентификаторов выходных данных; Ins ClPack — набор входных данных облачного
пакета, Outs ClPack — набор выходных данных облачного пакета, P ClPack — предикат, определяющий вхождение конкретного набора значений входных данных в область допустимых значений облачного пакета (функция проверки корректности представленных входClPack
— функция, переводящая переданные входные значения облачного
ных данных), Fconv
пакета в выходные.
Поскольку остальные формы (2)–(3) представляют собой гипертексты, то они не
нуждаются в преобразованиях, подобных (5). На основе первой формы научного объекта
могут быть сформированы следующие комплексные формы (6)–(7).
Композитное приложение (КП), комплексный научный сервис, структура которого
является ориентированным ацикличным графом, в узлах которого определены облачные
пакеты):
CA Ins wf , Outs wf , N , D, C , где
(6)
PMI Ins ClPack
Ins wf
Outswf
N
Ii | i
0..n, I i
Oi | i 0..m, Oi
N i | N i : Node , i
Id
— множество идентификаторов входных параметров КП;
Id — множество идентификаторов выходных параметров КП;
0 .. k — множество узлов КП (здесь Node — узел графа или облач-
13
ный пакет); D — множество зависимостей по данным (каждая такая зависимость определяет передачу данных от одного облачного пакета (узла графа) к другому, очевидно, что
зависимый пакет не начнёт свою работу, пока не завершит свою работу зависящий пакет);
C — множество зависимостей по управлению (каждая такая зависимость определяет правило вызова пакета в зависимости от исполнения зависящих пакетов).
Виртуальный моделирующий объект (ВМО) — способ представления композитного
приложения на основе объединения системы моделей предметной области:
VSO B,V , Q, M , E , где
(7)
B — набор доступных базисов (каждый базис определяет набор параметров, описывающих
пространство/среду, в которой находятся моделируемые объекты (процессы)); V — набор
значений параметров, которые могут быть определены на базисе B ; Q — набор метрик
качества значений параметров из V ; M — набор моделей, оперирующих значениями из V
; E — набор связей между моделями из множества M . Определение ВМО и принципы его
построения наглядно показывают полный цикл решения задачи (проблемы) КМ сложных
систем. Соответствие этапов разработки ВМО и классического подхода к моделированию
показано в данной главе. На основе ВМО введено понятие ВМО-проекта как композиции
ВМО для решения комплексной задачи КМ.
Для описания учебных ресурсов используются учебные объекты (УО), которые являются базовой унифицированной информационной структурой для электронного обучения. УО представляет собой кортеж:
LO MT , MP, MAss , где
(8)
MT — электронные материалы для теоретического изучения; MP — электронные материалы (средства) для практического изучения; MAss — средства для оценивания. Тем самым, набор электронных материалов можно назвать учебным объектом, если в нем есть
средства для теоретического и практического изучения, а также инструменты для оценки
степени усвоения соответствующих результатов образования.
Вместе с учебным объектом определен информационный объект (ИО), который по
ключевым словам и форме представления идентифицирует научный объект:
IO KW IO , ContLink IO , PForm , где
(9)
KW IO
kw1 , kw2 ,..., kwnIO
— множество ключевых слов и выражений; IOContLink IO —
ссылка на содержимое (например, ссылка на облачный прикладной пакет); PForm —
форма представления (одна из (2)–(7)).
Для объединения научных объектов в одну структуру, соответствующую какой-либо
теме учебного мероприятия (лекция, лабораторная, самостоятельная работа и др.) введен
информационный ресурс (ИР):
IR KW IO , Links IO , где
(10)
KW IR
kw1 , kw2 ,..., kwnIR
— набор ключевых слов; IOLinks
IOLink1 , ..., IOLink nIR
—
ссылки на информационные объекты. В этой структуре определяется, какие первичные информационные объекты задействуются для формирования будущего образовательного ресурса.
Для применения ИР в учебных целях дополнительно задаются технические TechC,
предметные DomainC и образовательные EduС параметры. Набор таких параметром называется контекстом применения — Context TechC IR , DomainC IR , EduC IR . Если рассматривать ИР, предназначенный для решения задачи моделирования эвакуации транспортных
14
средств с заданной территории, то в качестве технического параметра можно рассматривать количество вычислительных узлов, задействованных для моделирования; предметного параметра — общее количество агентов, образовательного параметра — форму учебного мероприятия (лекция, проект и т.д.).
Вместе с переменными — контекстом применения — ИР образует абстрактный учебный ресурс (АУР), которые в конкретной форме реализации является учебным ресурсом
(УР):
ALR IRLink LR , ContextValue LR ,
где
(11)
MT LR , LOSetLink LR , MP LR , MA LR , BM LR ,
IRLink LR — ссылка на сформированный набор учебных ресурсов; ContextValue LR —
значения параметров контекста, MT LR — руководство для теоретического изучения,
LOSetLink LR — ссылка на набор УО, MPLR — руководство для практического изучения,
MALR — средства для оценивания, BM LR — ссылка на метод, определяющий поведение
учебного ресурса в зависимости от значений параметров контекста.
Материалы для оценивания MALR могут являться как текстовыми рекомендациями,
так и средствами автоматизации контроля, в том числе состоящими из научных объектов
(в форме облачного пакета), соединённых в композитное приложение.
Для того, чтобы определить УР, необходимо задать значения параметров контекста
и определить (перекрыть) «метод», который будет задавать его применение в зависимости
от этих значений. Такой «метод» может быть определен в виде руководства к действию
или в виде программной функции.
При дополнении конкретной реализации АУР (11) наборами входных и выходных
компетенций он образует компоненту образовательной траектории (ОТ):
EdTrCompk InSksk , LRk , OutSksk , где
(12)
InSk k и OutSk k — наборы входных и выходных компетенций соответственно, k — порядковый номер компоненты в ОТ. Сама ОТ является вектором таких компонент.
(13)
EdTr
EdTrComp 1 , EdTrComp 2 ,..., EdTrComp N , где
EdTr — ОТ, N — количество компонент в ОТ.
Для оценки достижения заданного уровня профессиональных компетенций предложено проверочное композитное приложение:
CheckSWF PCP SCP ChCP, где
(14)
где PCP — набор вызовов пакетов или КП, которое выполняет подготовку необходимых исходных данных для КП, представленного обучаемым; ChCP — набор вызовов
пакетов, которые подбирают выходные данные после работы SCP и выполняют процедуры
их обработки в целях автоматизации проверки.
Таким образом, во второй главе подготовлен формальный аппарат автоматизации
процесса подготовки профессионалов в области КМ.
В третьей главе предложены методы и технологии формирования образовательных
ресурсов на основе результатов научной деятельности (см. (1)–(4)) и учебных объектов (8).
Для подготовки профессионалов в области КМ использование двух таких источников
ценно тем, что актуальные научные результаты, представляемые в различной форме (в том
числе в виде программных пакетов (1)), могут быть при необходимости дополнены проверенными учебными объектами. Такие объекты могут восполнить пробелы как в основной
области — математическом моделировании, так и в тех предметных областях, которые
необходимо охватить на заданном уровне для исследования соответствующего интердисциплинарного процесса.
15
Представление программного пакета (1) с помощью отображения (5) должно быть
автоматизировано так, чтобы его владелец не только мог определить предпочитаемые состав, условия и форматы исходных и выходных данных (функции PMI Ins ClPack и
PMO Outs Pack ), но и в то же время не отвлекался на технические процедуры, такие как
разработка web-интерфейса или формирование набора команд для удаленного запуска пакета на одном или нескольких ресурсах распределенной гетерогенной вычислительной
среды. Вместе с тем необходимо обеспечить облачному представлению пакета потенциальную возможность стыковки с другими подобными облачными сервисами в бесшовное
композитное приложение (6) для решения интердисциплинарной задачи. Для решения таких задач необходима облачная платформа высокопроизводительных вычислений (ВПВ),
которая обеспечивает пользователя перечисленными функциями исключительно через
веб-интерфейс без установки каких-либо приложений на локальный компьютер, а также
позволяет хранить в облаке профили пользователя, включающие в себя как отображения
пакетов (5), так и исходные коды, формирующие составные сервисы, включая композитное
приложение (6). Среди небольшого количества таких платформ была выбрана платформа
CLAVIRE, которая не только соответствует вышеприведенным условиям, но и позволяет
формировать персональные облачные среды для коллаборативной работы научных групп
в рамках решения как отдельных комплексных задач, так выполнения исследовательского
проекта.
Отображение пакетов (5) в облачный пакет или встраивание пакета в CLAVIRE выполняется с помощью веб-ориентированного интеллектуального редактора Package Manager. Данный редактор предоставляет графический многодокументный интерфейс, с помощью которого владелец пакета может быстро описать входные и выходные данные облачного сервиса, а также при необходимости задать функции PMI InsClPack и PMO Outs Pack
(5). Такие функции задаются непосредственно в встроенном текстовом редакторе в виде
лямбда-выражений с применением синтаксиса языка Ruby, так в виде классов-конверторов
во внешних текстовых файлах. Также Package Manager позволяет задать проверку входных
данных на соответствие заданным диапазонам, обеспечивая как «защиту от дурака», так и
установление прав доступа для легитимного пользователя. В последнем случае пользователь не сможет использовать облачный пакет со значением одного или нескольких параметров в нежелательных для владельца пакета диапазонах (в частности, в целях избежать
перегрузки вычислительных ресурсов).
Package Manager предоставляет широкие возможности использования в образовательных целях. Один и тот же научный пакет может быть представлен в разных вариантах
использования, в том числе в зависимости от образовательного контекста.
Встраивание информационного объекта в виде прикладного программного пакета в
облачную среду ВПВ осуществляется следующим образом. Предварительно через администратора платформы и владельца пакета настраивается доступ к вычислительным ресурсам, где установлен пакет. Возможности CLAVIRE позволяют настроить доступ к ресурсам
при наличии нескольких копий пакета, что даёт возможность выполнять соответствующие
расчёты быстрее. Вся эта процедура является единственным действием, требующим детализированных технических знаний, которыми владеет администратор платформы. При
описании пакета с помощью интеллектуального редактора пакетов Package Manager требуются только описания отображений PMI и PMO , и в случае необходимости сложных преобразований данных на входе или выходе прикладного пакета — начальные навыки в реализации алгоритмов с помощью высокоуровневых языков программирования. Встраивание пакета без подготовки классов конвертации входных и выходных данных занимает от
5 до 25 минут в зависимости от количества входных и выходных идентификаторов.
16
Использование полученного облачного пакета (облачного сервиса) может осуществляться через проблемно-ориентированный интерфейс (ПОИ), а также через редактор НПР.
ПОИ предоставляет пользователю автогенерируемый на основе описания пакета одно-документный web-интерфейс, через который можно внести исходные данные, запустить пакет, просмотреть (и скачать) полученный результат. Редактор потока работ также позволяет выполнять аналогичные действия с облачным сервисом, однако облачный пакет запускается через скрипт, составленный на предметно-ориентированном языке EasyPackage
с помощью встроенного текстового редактора и визуализатора НПР.
Из облачных сервисов, получаемых из программных прикладных пакетов, могут
быть с помощью редактора потока работ сформированы композитные приложения (6), а с
помощью средств разработки образов ВМО (ВМО-редактор3) можно создавать ВМО.
Некоторые программные пакеты могут быть предназначены исключительно для визуализации результатов моделирования, в том числе с помощью технологий погружающей
виртуальной реальности. Такие пакеты также могут быть встроены и использоваться с помощью платформы CLAVIRE. Здесь они запускаются в специализированных центрах (лабораториях) визуализации (виртуальной реальности) и используются для изучения и интерпретации результатов.
Исполняемые облачные сервисы могут быть применены для разработки облачных
виртуальных лабораторных практикумов (ОВЛП). Такие ОВЛП должны быть сопровождены необходимыми текстовыми материалами. Они могут быть сформированы из научных
источников (информационные объекты из (2)–(4)) как по отдельности на усмотрение дизайнера ресурса, так и в виде учебного кейса. Проект и затем текст учебного кейса предлагается формировать по нижеприведенной схеме (Рис. 1).
Тексты компонент научных статей (2), программной документации (3) и экспериментальной документации (4) в соответствии со стрелками и цифрами могут формировать составляющие учебного кейса. Тем самым процесс разработки учебно-методической документации преобразуется в быстрый процесс сборки из компонент научных материалов,
чаще сопровождающих соответствующие научные программные пакеты. Заметим, что, согласно Рис. 1, научной статьи, придерживающейся указанной на рисунке структуры, достаточно для формирования учебного кейса на случай, если соответствующая программная и
экспериментальная документация недоступна. Предложенная на Рис. 1 схема не запрещает
использование более, чем одной научной статьи и/или программных и экспериментальных
документов.
Общая схема проектирования АУР приведена на Рис. 2. Таким образом, АУР (11)
формируется в облаке из одного или нескольких научных программных пакетов, а также
необходимых гипертекстовых материалов, которые формируются из текстовых научных
материалов по схеме, приведенной на Рис. 1. При этом сами исходные материалы остаются
на соответствующих ресурсах (вычислительные ресурсы, хранилища научных статей, программной и экспериментальной документации), а в учебном ресурсе размещаются соответствующие ссылки IRLink LR , готовятся краткие руководства для теоретического ( MT LR ) и
LR
практического ( MPLR ) обучения, а также для оценивания ( MA ) достигнутых результатов
образования (в том числе компетенций). Такие руководства готовятся в зависимости от
значений параметров контекста ContextValue LR .
3
«Проектирование и разработка предметно-ориентированных композитных приложений в распределенных облачных средах на основе виртуальных моделирующих объектов», диссертация на соискание степени кандидата технических наук Смирнова Павла Александровича, соавтора научных публикаций.
17
Рисунок 1 — Схема формирования учебного кейса
(цифрами определено соответствие компонент экспериментальной документации составляющим учебного кейса)
Метод, определяющий поведение АУР, BM LR определяется в зависимости от значений параметров контекста и кратких руководств. В частности, может быть определен метод
представления АУР на лекционном занятии, когда текстовые ресурсы используются для
представления теории, а облачные пакеты — для демонстрации тех или иных моделируемых процессов «вживую». При определении метода будут задаваться технические и прикладные параметры4 облачных сервисов, например, количество потоков, если соответствующий пакет поддерживает многопоточные или параллельные вычисления или платформе
CLAVIRE доступны несколько копий такого пакета на разных вычислительных ресурсах.
АУР формируется на основе ИР, который дополняется техническими и предметными
параметрами облачных сервисов, образовательными параметрами, а также абстрактным
методом, определяющим поведение АУР при использовании его в обучении. Конкретные
реализации АУР вытекают из реализации метода BM LR (перекрытие метода в соответствующих наследниках). ИР определяется списком ключевых слов и ссылками на ИО (облачные пакеты или компоненты текстовых научных материалов со своими списками ключевых слов). Отметим, что изменения/обновления в прикладных пакетах автоматически отражаются на соответствующих облачных сервисах (ИО) и, соответственно, на УР. При
этом пользователю облачного сервиса остается только проверить состав и типы входных и
выходных данных и внести коррективы в описание пакета, если таковые (состав и типы)
поменялись. При необходимости АУР и его конкретная реализация (УР) может быть дополнена ссылками на УО, которые могут восполнить возможные пробелы в знаниях обу-
4
В том числе набор значений параметров, которые могут быть определены на базисе ВМО (см. (7)).
18
чаемых. В главе показана возможность вариативности использования одного АУР — порождение ряда учебных объектов для различных форм учебных занятий, дисциплин, уровней образования и др. значений и комбинаций параметров контекста обучения.
Рисунок 2 — Общая схема проектирования абстрактного учебного ресурса
АУР может быть представлен участникам образовательного процесса через веб-интерфейсы платформы CLAVIRE, в частности, в виде проекта потока работ в редакторе потока работ, в котором можно отобразить входные и выходные данные композитных приложений, гипертекстовые материалы (в том числе в формате PDF). Более привычным для
пользователей будет представление АУР в СУУК. Благодаря технологии ИУС возможно
встраивание интерфейсов платформы CLAVIRE в широко используемую СУУК Moodle.
Завершается глава описанием организации функционирования учебных ресурсов на
основе облачной модели AaaS. В описании приведены требования, которым должна соответствовать информационная среда для реализации в ней учебных ресурсов и соответствующий облачных учебных подсистем. Организация построена на примере облачной платформы CLAVIRE. Приведена высокоуровневая архитектура облачной учебной подсистемы, основанная на учебном ресурсе.
В четвертой главе предложены подходы к формированию образовательных траекторий на основе учебных ресурсов, которые являются их составными компонентами. Учебный ресурс может отражать как одну из компонент курса, так и весь курс. В первом случае
может выстраиваться траектория внутри курса. Во втором случае ОТ строится в рамках
образовательной программы (автоматизация выбора курсов). В главе рассмотрены два основных подхода автоматизации проектирования образовательных траекторий.
Первый подход основывается на структуре следования моделей, входящих в состав
виртуальных моделирующих объектов (ВМО). ВМО — способ высокоуровневого описания потенциально возможных композиций вычислительных моделей и источников данных, которые в совокупности представляют структуру и поведение объекта реального
мира, а также соответствующие аппаратные и программные ресурсы распределенной гетерогенной вычислительной среды. Тем самым ВМО является укрупненным отражением
19
комплексной компьютерной модели как со стороны соответствующей предметной области,
так и со стороны ее реализации и функционирования в вычислительной инфраструктуре.
ВМО-проект составляется и настраивается из одного или более связанных друг с другом
ВМО.
Компоненты ВМО являются моделями ВМО, оперирующими значениями параметров из базиса ВМО (см. M в (7)). Такие модели используют один или несколько облачных
пакетов. Сам ВМО-проект в соответствии с указанными связями и привязанными исходными и выходными данными может быть скомпилирован в КП, которое выполняется в редакторе НПР.
Если композитное приложение (проект НПР) является реализацией абстрактного потока работ, который в форме ацикличного графа отражает порядок проведения распределенных расчетов при выполнении компьютерной модели, то ВМО-проект кроме этого даёт
представления о структуре исходного объекта, соответствующей компьютерной модели, её
синтезе и возможностях использования. Поэтому ВМО был выбран в качестве исходного
материала для формирования траекторий обучения КМ: от применения готовой модели в
облаке распределенных вычислений до полного цикла её разработки на основе программных пакетов.
На базе одного или нескольких ВМО, одного или нескольких ВМО-проектов существует два основных способа построения образовательных траекторий. Самый быстрый и
простой из них — прямая трансляция структуры ВМО/ВМО-проекта в структуру курса, на
базе которой могут формироваться образовательные траектории. Возможности настройки
отдельных моделей (вплоть до их полного отключения) увеличивает возможности вариативности (индивидуализации) получаемых таким образом траекторий. Другой способ —
использование моделей, отдельных ВМО и ВМО проектов как элементов для конструирования ОТ. Здесь, в частности, мы можем зафиксировать выбранный ВМО в качестве конечной компоненты ОТ (фактически определить — что должен уметь каждый обучаемый после прохождения всей траектории), а затем индивидуально подбирать соответствующие
ВМО-проекты, ВМО и модели, соединяя соответствующие компоненты в уникальную ОТ.
Второй способ отнимает значительно больше времени по отношению к прямой трансляции, но обладает высокой степенью индивидуализации.
Такие возможности проектирования позволяют сконструировать ОТ для обучения
этапам цикла разработки компьютерной модели на конкретных примерах с заданной степенью детализации. Поскольку в основе ВМО-проекта в качестве исполняемого облачного
сервиса лежит КП, то информационным ресурсом для УР может служить как ВМО, так и
весь ВМО-проект. Такие УР интересны для обучения применению компьютерных моделей
на конкретных примерах. Тем самым предоставляется гибкий инструмент планирования
(конструирования) образовательных траекторий для обучения отдельных студентов и
групп различных уровней и специализаций. Заметим, что одна и та же модель, ВМО, ВМОпроект могут по-разному применяться в разных образовательных траекториях, что показывает применение концепции порождающих учебных объектов. В частности, один и тот же
ВМО может быть применен на магистерском курсе по технологиям электронной науки
(eScience), а также на курсе подготовки бакалавров как раздел приложения теории графов
или применения методов решения транспортных задач.
Второй подход рассчитан на случай, если явной структуры представления моделируемого процесса нет, но имеется множество учебных ресурсов с заданными входными и
выходными компетенциями. Он состоит в построении цепочек учебных ресурсов. Проходя
через них, студент ставит/улучшает свои компетенции от минимальных уровней, заданных
на входе, до необходимых уровней, которые должны быть достигнуты после прохождения
последнего ресурса цепочки.
20
Для определения целевой функции для каждой компетенции вводятся расстояние
между смежными уровнями пересмотренной таксономии Блума d iskill (Рис. 3, слева), где i
— порядковый номер бóльшего уровня, skill — компетенция. Значения такого расстояния
могут быть заданы экспертным путем.
для
Расстояние между двумя произвольными уровнями заданной компетенции d skill
j ,i
i
j определяется суммой расстояний между смежными уровнями. Если i
j , то d skill
0
j ,i
. Отношение между парой учебных ресурсов (в частности, LR1 и LR2 на Рис. 4) определяется формулой (14).
Рисунок 3 — Отношение между учебными ресурсами
Cost p ,q
skill
p
p skill d skill
j p ,iq , где
(15)
skill
— положительный коэффициент, определяющий значимость компетенции skill
(на Рис. 3 эти коэффициенты отображены для второй и третьей компетенций), p, q — номера учебных ресурсов в цепочке ( p q , на Рис. 4 p 1, q 2 ).
Такое отношение характеризует усилия, связанные с разрывами между уровнями
компетенций, которые необходимо преодолевать при переходе от одного учебного ресурса
к другому. Если таких разрывов нет, то отношение (14) равно нулю.
Для оценки усилий по заданной компетенции skill , необходимых для начала работы
студента с ресурсом p ( p 1) Cost pskill , учитывается уровень, заданный на входе в цепочку,
а также во всех выходах предыдущих учебных ресурсах, где существует эта компетенция.
Возможны случаи, когда совокупности на входе в цепочку и на выходах всех предыдущих
учебных ресурсов заданная компетенция skill встречается более одного раза. Тогда вычисляются соответствующие расстояния между уровнями этой компетенции и фиксируются
тот учебный ресурс (или вход в цепочку), который соответствует минимальному расстоянию. Остальные расстояния принимаются равными нулю (Рис. 4, слева; p 3, skill S 2 , зафиксированный учебный ресурс LR1 ).
Оценка усилий по всем компетенциям (которые присутствуют на выходах предыдущих УР или на входе в цепочку), требуемых для начала изучения учебного ресурса p ,
можно выполнить, просуммировав оценки усилий, выполненные для каждой компетенции
(15).
Cost p
p skill Cost pskill
(16)
skill
При вычислении целевой функции в форме штрафов учитывается три вида негативных эффектов:
21
а) на входе какого-либо учебного ресурса либо на выходе ОТ есть компетенция, которая отсутствует на выходах всех предыдущих учебных ресурсов и на входе в ОТ
( Fa EdTr , Рис. 4, справа);
б) на входе какого-либо учебного ресурса либо на выходе из ОТ есть компетенция,
уровень которой ниже, чем на соответствующих выходах одной или нескольких предыдущих УР или на соответствующем входе ОТ, которые являются началом соответствующих
стрелок ( Fb EdTr ;
Рисунок 4 — Компетентностные связи между учебными ресурсами:
(слева — демонстрация компетентностного разрыва между первым и третьем УР, справа
— штрафы к целевой функции)
в) на выходе одного из УР находится компетенция, которая не востребована ни одной
из последующих УР, а также на выходе из ОТ.
Просуммировав оценки усилий (15) для всех УР и добавив штрафы, мы получим
формулу расчета значения целевой функции (фитнес-функции для генетического алгоритма):
W LS
N
Cost p
Fa EdTr
Fb EdTr
Fc EdTr
min .
(17)
p 1
Применение генетического алгоритма, в котором в качестве хромосомы используется последовательность учебных номеров ресурсов переменной длины, приведено в конце
четвертой главы диссертации. В алгоритме предусматривается возможность многократного использования одного УР в одной ОТ, что является нормальным, если необходимо
проводить повторение и закрепление материала либо развивать разные компетенции.
Для определения наборов входных и выходных компетенций использовалась кубическая модель на базе многофакторного анализа Р.Б. Кэттелла и модели интеллекта по Дж.
Гилфорду. Куб имеет три измерения: (1) общие (мета) компетенции, которые определяют
устойчивые характеристики, необходимые для деятельности практически в рамках любой
профессии или профессионального направления; (2) профессиональные компетенции, которые определяют устойчивые характеристики, необходимые для деятельности в рамках
конкретного профессионального направления (в нашем случае — КМ); (3) роли участия в
командной работе по выбранному методу организации проектной работы. В частности, для
формирования набора выходных компетенций выпускника степени «Магистр» в области
КМ (198 компетенций) были использованы 11 профессиональных компетенций, сформулированных экспертами, 7 надпрофессиональных навыков из Атласа новых профессий5, 3
основных роли участия в проектной работе по скрам-методике.
5
http://atlas100.ru/catalog/
22
Пятая глава содержит описание технологий реализации образовательных траекторий на основе учебных ресурсов с облачными научными объектами, включая оценку компетентности студента (выпускника).
Взаимодействие участников образовательного процесса с представителями научного
сообщества происходит не только на этапе разработки учебных ресурсов, но и на этапе
реализации образовательных траекторий, когда студенты не только могут работать с актуальными облачными научными пакетами и текстами, но и принимать активное участие в
их изменении, а также в создании новых научных продуктов. Такой формат не только позволяет разнообразить обучение студентов применению как сторонних, так и собственных
программных средств для решения задач КМ, но и обеспечивает ученых постоянным притоком новых научных материалов и программных решений, что даёт всем участникам дополнительную мотивацию.
Взаимодействие участников образовательного процесса и представителей научного
сообщества с помощью облачных технологий может быть выстроена следующем образом.
Студенты получают доступ к облачным научным пакетам и научным документам либо через учебные ресурсы (см. главу 3), либо напрямую (в случае наличия соответствующих
разрешений). В соответствии с нижеприведенными моделями обучения или иным способом студенты получают необходимые теоретические сведения, развивают свои умения и
навыки. Студенты могут не только использовать НПР, ВМО, но и в коллаборации с учеными их менять, дополнять и создавать из облачных научных пакетов новые.
Для оценки выполнения заданий, а также достижения заданных уровней соответствующих компетенций с применением парадигмы НПР и концепции ВМО на базе
CLAVIRE возможно быстро разрабатывать и применять проверочные облачные сервисы.
При этом в основе могут быть использованы те облачные сервиса, которые задействуются
для формирования в учебном ресурсе заданий. Возможности языка EasyFlow и, соответственно, платформы CLAVIRE позволяют распараллелить проверку для группы студентов,
в том числе с применением технологий распределенных вычислений, когда проводится
оценка работы тяжелых программных решений.
Для применения исполняемых научных сервисов (НПР и ВМО) в учебных целях
предложены модели обучения: а) закрытый нередактируемый НПР (изучение системы/процесса по принципу кибернетического черного ящика), б) открытый нередактируемый НПР
(изучение структуры и связей в системе без возможности влияния на них), в) открытый
редактируемый НПР (изучение влияния структурных изменений на деятельность системы).
По аналогии такие модели могут быть применены и для ВМО (ВМО-проекты). Они позволяют использовать один и тот же исполняемый информационный ресурс в облаке высокопроизводительных вычислений для обучения разных аудиторий (например, специалистов
по разработке компьютерных моделей и специалистов по применению компьютерных моделей в предметных и междисциплинарных исследованиях). Также такие модели могут
применяться для обучения одной и той же аудитории в целях пошаговой постановки уровней компетенций от «Запоминание» до «Оценка», поскольку модель а) соответствует уровням «Запоминание» и «Понимание»; модель б) — уровням «Применение» и «Анализ»; модель в) — уровням «Создание» и «Оценка».
Оценка заданного уровня компетентности студента может проводиться путем контроля выполнения заданий с применением вышеприведенных моделей. Автоматизация
проверки результатов может быть выполнена с помощью так называемого проверочного
НПР. Внешне он выглядит как обычный поток работ, но на вход ему подаются сжатые в
архив данные, полученные студентами после выполнения соответствующего задания.
23
В проверочном НПР сначала происходит распаковка полученного архива со студенческими результатами, затем по некоторому алгоритму, реализованному в одном или нескольких облачных пакетах, выполняется проверка распакованных данных, и, наконец, выполняется формирование визуального представления результатов проверки, если это необходимо.
Для оценки сложных компетенций, связанных с выполнением интердисциплинарных работ индивидуально или в команде в данной главе предложен метод количественной
оценки трансдисциплинарного развития, а также возможностей команды и степени их реализации при работе над заданной интердисциплинарной проблемой. Данный метод основывается на формализме интердисциплинарного вектора (ИВ), который определяется принадлежностью некоторого объекта или субъекта научным направлениям из заданного
набора. Каждая такая принадлежность определяется числом в диапазоне от нуля до единицы, а сумма таких чисел по всем направлениям равна единице (18).
V
v1 , v2 ,...,vM ,
M
vi 1, где
(18)
i 1
M — количество предметных областей;
vi , i 1, M — принадлежность заданного объекта (субъекта) i -му научному направлению.
Компоненты ИВ определяются по ключевым словам, заданным для объекта. В данной работе мы использовали список из 15 научных направлений ( M 15 ): сельскохозяйственные науки, искусствоведение и гуманитарные науки, биология, химия, компьютерные
науки, экономика и бизнес, инженерные науки, науки об окружающей среде, науки о земле,
материаловедение, математика, медицина, мультидисциплинарные науки, физика, социальные науки. Каждая принадлежность вычислялась исходя из количества статей заданного направления, которые присутствуют в результате поискового запроса, содержащего
заданный набор ключевых слов. Для полученных значений количества вхождений статей
в научные направления выполняется балансировка с целью избежать искажений принадлежности, связанных с превалированием одних научных направлений над другими. Так,
балансировка устраняло неравенство, связанное с превалированием количества научных
статей в медицине над количеством статей в сельскохозяйственных науках. После балансировки выполнялось нормирование полученных значений.
Для вычисления ИВ, соответствующего научной статье, использовались ключевые
слова как самой статьи, так и статей, указанных в источниках. Также учитывались статьи,
указанные в списках литературы источников искомой статьи. Иными словами, учитывались как источники первого уровня (искомой статьи), так и второго уровня (источники источников).
ИВ, соответствующий обучаемому или учёному, определялся на основе ключевых
слов, указанных в индивидуальной анкете, а также на основе научных статей, являющихся
публикациями субъекта. Также возможно оценить ИВ для научного проекта или научной
проблемы, если для него (неё) заданы ключевые слова.
ИВ возможно визуализировать в виде лепестковой диаграммы, на которой откладываются значения принадлежности. Идея оценки трансдисциплинарного развития (ОТР)
студентов определена на основе принципа синергии, когда в новом синтезируемом объекте
появляются такие свойства, которые отсутствуют в тех монодисциплинарных и получаемых интердисциплинарных объектах, находящиеся в некоторой «плоскости» (появление
свойств в новой размерности). Также эта идея исходит из векторного произведения, когда
получаемый вектор выходит в новую размерность, а его модуль равен площади соответствующей трапеции. Поэтому трансдисциплинарное развитие субъекта оценивалось как
24
отношение двух площадей, которые рассчитывалось следующим образом. В числителе
находится площадь различия лепестковых диаграмм, соответствующих ИВ, полученных
до участия индивида в некотором интердисциплинарном мероприятии и после. В знаменателе находится площадь, полученная из-за различия начального ИВ, и того ИВ, который
соответствует максимальному различию по площади.
Полученная ОТР будет находиться в диапазоне от нуля до единицы. Считается, что
чем выше значение ОТР, тем лучше развился индивид в компетенции работы над проблемами, содержащие новые, неизвестные для него интердисциплинарные направления.
На Рис. 5 представлены примеры лепестковых диаграмм, построенных по вычисленным ИВ, соответствующих разным категориям обучаемых. Рис. 5, а показывает, что у
участника с опытом работы над статьями изменения в соответствующем интердисциплинарном векторе практически не заметны, но и площадь максимального изменения тоже невелика (синим цветом обозначен ИВ до участия в проекте, красным — ИВ после участия,
черным цветом — ИВ, который соответствует максимальному изменению). Для опытных
участников трансдисциплинарный эффект редко превышал 5–7%. Рис. 5, б показывает изменения в ИВ для обучаемого, не имеющего опыта публикации научных статей. У такого
участника изменения больше (12–15%). В некоторых случаях изменения достигали 40% от
максимально возможного.
На основе ИВ предложены методики:
расчета степени соответствия подобранной команды проекту, ассоциированному с
заданной по ключевым словам научной проблемой;
расчета максимальной и минимальной эффективности работы команды над заданной
проблемой (на основе весовых коэффициентов, определяющих доли вклада членов
команды в работу над проектом).
а)
б)
Рисунок 5 — Лепестковые диаграммы, соответствующие обучаемому:
(а) без научной статьи, (б) с пятью научными статьями
Поскольку учебные ресурсы могут использовать (и, как правило, используют) исполняемые облачные научные сервисы, основанные на тех научных пакетах, которые используются группами ученых для проведения расчётов, то реализация соответствующих образовательных траекторий без специального сопровождения может проходить с затруднениями. Такие затруднения прежде всего связаны с тем, что научные пакеты, используемые
как для учебных, так и научных целей, могут находиться на одном и том же вычислительном ресурсе. Частично данные вопрос решается тем, что научная группа ограничивает возможности использования своих пакетов, подготавливая его описания в Package Manager.
Тем не менее, при планировании реализации образовательных траекторий необходимо
25
учитывать доступность вычислительных ресурсов, на которых установлены соответствующие научные пакеты. В настоящей работе предложена методика краткосрочного сопровождения реализации ОТ с горизонтом не более одного элемента соответствующей цепочки
(учебного ресурса). Даже в рамках краткосрочных курсов в случае массового использования исполняемых сервисов в учебного процессе интервал между переходами от одного УР
к другому много больше, чем интервал между запусками композитных приложений. При
увеличении интервала сопровождения информация о наличии ресурсов и планах запуска
КП на момент принятия решения потеряет актуальность.
Сопровождение состоит в выработке рекомендации сроков подготовки материалов
для представления студентам или сроков выполнения выданных им заданий. В качестве
исполняемого облачного сервиса взят НПР (КП), которой может состоять из вызовов одного или нескольких пакетов, а также являться продуктом компиляции любого ВМО или
ВМО-проекта. Сценарий использования композитных приложений (СИКП) содержит момент времени использования УР ( t stp ), перечень и ссылки на композитные приложения (информационные ресурсы), которые будут задействованы преподавателями, отдельными студентами или группой студентов. Если такой сценарий определяется на основании выданного студентам задания, то в него дополнительно вносится максимальное разрешённое количество запусков композитного приложения.
На основе полученного сценария подсистема реализации ОТ формирует для планиPS min
и
ровщика исполнения композитных приложений6 запрос на оценку минимального tend
PS max
максимального t end
сроков обработки СИКП. На основании этих значений возможно
оценивать самое позднее время запуска КП для расчетов t exp и срок представления препоp
давателем результата или выполнения студентом задания t end
.
Завершается пятая глава кратким описанием различных алгоритмов планирования
исполнения наборов композитных приложений в распределённой вычислительной гетерогенной среде с временными окнами. Такие алгоритмы подходят для управления выполнением вычислительных задач, связанных с применением облачных пакетов со стороны
участников образовательного процесса с использованием «остатков» вычислительных ресурсов после выполнения планирования их использования для нужд научных команд.
В шестой главе рассмотрены состав и архитектура программного комплекса автоматизации технологических процессов подготовки профессионалов в области КМ, представляющего собой расширение облачных платформ высокопроизводительных вычислений
для автоматизации разработки и реализации образовательных траекторий на базе АУР.
В состав программного комплекса включены 23 компоненты, 12 из которых были
разработаны на основе приведенных в главах 3 — 5 технологий, оставшиеся 11 (большая
часть компонент находится в составе программного комплекса платформы CLAVIRE) заимствованы для обеспечения полноценного функционала автоматизации полного цикла
учебного процесса. Программный комплекс состоит из: подсистем учебного назначения,
набора библиотек научной визуализации и виртуальной реальности облачной платформы
CLAVIRE.
6
Планировщик может основываться на алгоритме статического планирования исполнения композитных приложений с гибкими сроками — Bochenina K., Butakov, N., Dukhanov, A., & Nasonov, D. A
clustering-based approach to static scheduling of multiple workflows with soft deadlines in heterogeneous
distributed systems // Procedia Computer Science. – 2015. – Т. 51. – С. 2827-2831.
26
Подавляющее число компонент, содержащихся в вышеперечисленных подсистемах,
библиотеках и платформе, включены в платформу CLAVIRE, которая является технологической основой функционирования всего комплекса. Остальные подсистемы библиотеки
являются своего рода надстройками, служащими своего рода промежуточными слоями
программного обеспечения (middleware), обеспечивающими необходимые преобразования
массивов данных для решения задач комплекса автоматизации. Такой подход «базиса и
надстройки» определяет потенциал применения облачных платформ, например, CLAVIRE,
для решения задач автоматизации технологических процесс в других областях.
В Табл. 1 приведено соответствие компонент подсистемам, платформе CLAVIRE,
набору библиотек визуализации.
Таблица 1 — Соответствие компонент подсистемам, платформе CLAVIRE,
набору библиотек визуализации комплекса автоматизации полного цикла подготовки
профессионалов в области КМ
Подсистема комСодержащиеся компоненты
плекса
Составной блок, отвечающий за оценку трансдисциплинарного развития. Блок содержит следующие компоненты: расчета интердисциплинарного вектора по ключевым словам и связанным объектам (наприПодсистема оценки мер, научным статьям), оценки эффекта трансдисциплинарного развидостижения компетия обучаемого, оценки эффективности работы команды над интертенций
дисциплинарным проектом.
Отдельные компоненты: формирования списка компетенций, оценки
достижения компетенции на основе исполняемых информационных
объектов.
Подсистема учебОтдельные компоненты: конструктор гипертекстовых учебных материалов, конструктор гибридных учебных ресурсов.
ных ресурсов
Подсистема управОтдельные компоненты: построения образовательных траекторий с
ления образователь- применением генетических алгоритмов, управления реализацией обными траекториями разовательных траекторий на основе учебных ресурсов
Библиотеки научной визуализации и виртуальной реальности: «С++
based Library for the Rapid Development of Visualization Tools» (с приНабор библиотек
менением Open GL), «Fusion Library» (реализация предыдущей бибдля быстрой разралиотеки на С# с применением Direct 3D).
ботки средств визуаКомпонента «Fusion Image Streamer» обеспечивает трансляцию экрана
лизации
(картинки), генерируемого приложением, разработанного на основе
«Fusion Library», на веб-страницу пользователя.
Компонента «Сайт». Обеспечивает разметку курсов на разделы, их
наполнение гипертекстовыми учебными материалами и встраивание в
них интерфейсов платформы CLAVIRE.
Конструктор гипертекстовых учебных материалов. См. Рис. 1
CLAVIRE.ПОИ. Применяется для запуска одиночных пакетов и ранее
подготовленных композитных приложений для решения вычислиПлатформа
тельных задач в рамках заданной проблемной области.
CLAVIRE
Интеллектуальный редактор описания облачных пакетов Package
Manager.
CLAVIRE.Ginger. Веб-интерфейс композитных приложений. Содержит в себе компоненту PDF-Viewer for CLAVIRE.Ginger, которая обеспечивает пользователя возможностью просмотра файлов PDF в Ginger.
27
Подсистема комплекса
Содержащиеся компоненты
CLAVIRE.VSOBuilder. Веб-интерфейс для разработки ВМО-проектов.
Содержит в себе две компоненты: CLAVIRE.VSODesigner (веб-интерфейс для разработки виртуальных моделирующих объектов и их моделей) и Конструктор образовательных траекторий на основе виртуальных моделирующих объектов.
Служба исполнения НПР платформы CLAVIRE. Осуществляет планирование исполнения композитных приложений.
CLAVIRE.Jobpusher. Программная библиотека, предназначенная для
запуска композитных приложений через командную строку.
ИУС-Integrator for CLAVIRE. Встраивание интерфейсов CLAVIRE в
веб-интерфейсы систем управления учебным контентом, поддерживающие ИУС.
Компоненты могут использоваться как по отдельности для решения тех или иных
задач применения облачных ресурсов в образовании, так и в комплексе для обеспечения
автоматизации полного цикла процессов разработки и реализации образовательных курсов.
В седьмой главе приведены сведения о выполненных экспериментальных исследованиях (ЭИ), в которых проверялась эффективность разработанных в диссертации подходов, методов и технологий.
Набор сценариев разбит на две части. Сценарии первой части позволяют проверить
возможность применения полученных в диссертации решений в образовательных целях.
Иными словами, проверяется наличие необходимых условий применения данных решений.
Вторая часть набора ЭИ направлена на проверку эффективности разработанных методов,
методик и технологий.
В первой части ЭИ содержалось пять сценариев:
1) исследование возможности удаленного обучения представителей научных команд
облачным технологиям второго поколения для наращивания объема источников информационных объектов;
2) исследование возможности удаленного обучения представителей научных команд
технологиям быстрой разработки программных средств высокореалистичной визуализации;
3) исследование возможности обучения студентов первого года магистратуры, являющихся выпускниками бакалавриата/специалитета технических направлений, работать с первичным научным материалом — научными статьями;
4) исследование эффективности техники кластеризации задач при планировании исполнения наборов композитных приложений в распределенных вычислительных гетерогенных средах с временными окнами;
5) исследование производительности платформы облачных вычислений CLAVIRE при
многопользовательском доступе к облачным пакетам и композитным приложениям.
ЭИ по первому сценарию показали, что 100% участников за три недели смогли
научиться пользоваться облачными технологиями, в том числе решать задачи интеграции
программных пакетов в облачную среду. 65% из них справились с обучением за первые
две недели, у 45% от всех участников в течение первых двух недель возникали вопросы,
вызванные несовершенством первых версий документаций и инструкций по использованию облачной платформы. Оставшиеся 55% задавали вопросы, связанные с недопониманием облачной репрезентации программного пакета — получением облачного пакета (в
28
том числе заданием функций ограничения диапазонов тех или иных входных данных). Такие вопросы были связаны с освоением языка Ruby, на основе которого составляется часть
описания пакета, в частности, с формированием лямбда-выражений. Тем самым основная
проблема, которая была быстро устранена, состояла в качестве документации, описывающей используемые интерфейсы и служебные сервисы платформы CLAVIRE, в том числе
Package Manager.
После выполнения ЭИ по второму сценарию мы убедились, что все активные участники за четыре недели смогли создать программные средства визуализации. Однако только
треть из них предоставила решения надлежащего качества, а остальные остановились на
первых версиях своих продуктов, поскольку предоставили их в самом конце срока и были
лишены возможности общения с экспертом по визуализации. Мы можем утверждать, что
молодые ученые способны создавать информационные объекты, однако вопрос качества
визуализации находится как минимум в плоскости дисциплинированности участников в
части соблюдения сроков.
ЭИ по третьему сценарию были проведены путем привлечения студентов магистратуры первого года обучения в рамках программы «Суперкомпьютерные технологии в исследовании процессов большого города» к заполнению на английском языке специальной
формы, отражающей общую информацию о научной статье, которую им требовалось прочитать. Эксперимент показал, что обладающие хорошей успеваемостью студенты (те, кто
не имел долгов за первый год обучения, их число составило 60%) способны работать с первичным научным материалом с минимальным обучением. Отзывы таких студентов показали их высокую мотивацию, связанную с тем, что они сразу получают навыки использования первичных источников, а также прямой доступ к необходимым материалам, а не искажённую преподавателем информацию. Преподаватель становится не поставщиком знаний, а «навигатором» среди соответствующих источников. Остальные студенты либо относили к учебе формально (10%), либо безответственно (30%). Последние 30% участников
(шесть студентов) либо представили результаты путем заимствования текста из статьи
(оригинала) в более, чем 35% объеме от содержимого формы, либо не выполнили работу.
Пять из шести студентов были отчислены в течение первого года эксперимента (не более,
чем через семь месяцев после проведенного эксперимента)
Применение последних четвертого и пятого сценариев ЭИ первой части показали
высокие производительности интерфейса и служебных сервисов платформы CLAVIRE при
её использовании в учебных целях. Среди алгоритмов планирования исполнения наборов
КП лучше всего проявил себя алгоритм (техника) кластеризации задач, который в среднем
на 10–15% лучше использовал свободные временные «кванты» вычислительных ресурсов
различных типов при планировании исполнения десятков композитных приложений.
Также при увеличении нагрузки на служебные сервисы CLAVIRE, связанной с вовлечением студентов в облачную среду, производительность интерфейсов остаётся на комфортном уровне (падение производительности не превысило 15% от уровня, который поддерживался платформой до предоставления студентам доступа к ней.
Вторая часть ЭИ, посвященная оценке эффективности применения облачных вычислений в обеспечении автоматизации полного цикла процесса подготовки специалистов в
области КМ, содержала следующие сценарии:
1) исследование эффективности применения метода проектирования учебных ресурсов
на основе информационных объектов, являющихся результатом научной деятельности;
2) исследование эффективности применения подхода построения образовательных траекторий на основе структур виртуальных моделирующих объектов;
29
3) исследование эффективности применения метода планирования образовательных
траекторий с использованием эвристических алгоритмов оптимизации;
4) исследование возможности применения средств контроля прохождения учебных ресурсов в реализации образовательных траекторий
5) исследование результатов работы метода количественной оценки способности обучаемого работать над новой интердисциплинарной проблемой индивидуально или в
команде;
6) исследование возможности применения платформы облачных вычислений для обучения.
В процессе реализации шестого сценария был использован ВМО-проект «Моделирование движения городского транспорта и оптимизация расписания движения общественного транспорта», состоящий из четырех ВМО, девяти моделей. На основе данного проекта
сконструировано шесть абстрактных учебных ресурсов, из которых были образованы 16
учебных ресурсов для проведения 6 лекций и 10 лабораторных работ. Ускорение по отношению к традиционным технологиями разработки учебных ресурсов было более чем четырёхкратным. За счет варьирования значений образовательного и предметного контекстов были предложены учебные ресурсы для ряда других дисциплин, включая «Методы
оптимизации», «Геоинформатика». За счет того, что ресурсы уже были ранее созданы, для
их репрезентации в других дисциплинах временные затраты имели место только при задании параметров контекста (не более 5–7 минут). Здесь осуществляется трансляция существующих ресурсов в другую дисциплину, поэтому ускорение может составлять как высокую кратную, так и порядковую величину.
Аналогичные действия были выполнены на базе облачных решений и научных статей в областях «Социодинамика и приложения», «Технологии обработки и анализа сверхбольших объемов данных», «Технологии электронной науки». Здесь было задействовано
около 100 статей, 30 облачных пакетов и 7 ВМО-проектов, на основе которых были созданы: 6 лекций, 4 практических работы, около 30 лабораторных работ. Минимальное
ускорение за счет применения предложенной технологии было трёхкратным. Среднее и
максимальное ускорение составило 3,72 и 6,0 соответственно.
В итоге ЭИ № 6 показал только кратное ускорение (не менее трех) в разработке учебных ресурсов и более высокое (в том числе на порядковом уровне) при трансляции имеющегося УР в другую дисциплину.
В ЭИ № 7 составлялись структуры учебных курсов на основе ВМО и ВМО-проектов.
По сути они не составлялись, а записывались путем прямой трансляции или компиляции
структур ВМО в структуры курсов/модулей. Так за 15 минут на основе того же ВМО (см.
ЭИ № 6) были предложены структуры двух модулей с 10 темами. Время расходовалось
только на запись, т.к. структура курсов/модулей уже имелась в ВМО. Однако было показано, что применение такой трансляции или компиляции структур не всегда гарантирует
полное покрытие требований к компетенциям, в результате чего образуются компетентностные разрывы. Такие разрывы сравнительно легко и быстро покрываются с помощью
технологии формирования цепочек учебных ресурсов, которая основывается на эвристических алгоритмах. В фитнес-функции такого алгоритма учтены не только штрафы, связанные с разрывами компетенций, но и штрафы для случая, если два смежных элемента
цепочки находятся в разных отраслях.
ЭИ № 8 показал, что в ряде случаев небольшие цепочки, построенные с помощью
данного метода, лучше покрывают компетентностные разрывы, чем цепочки, построенные
экспертами. В частности, в рамках курса «Методы моделирования урбанизированных территорий» ВМО «Моделирование движения городского транспорта и оптимизации распи-
30
сания движения общественного транспорта» только частично покрыл требования по компетенциям. Оставшийся разрыв был покрыт с помощью учебных ресурсов по классическим
и неклассическим методам оптимизации, а также УР по основам геоинформатики. На введение данных о компетентностном разрыве, настройку параметров оптимизации, вычисления с применением ГА (формирование искомой цепочки) ушло 20 минут. В сумме с временем, потраченным на запись структуры курса, общий расход составил 35 минут. Данный
интервал можно сократить, если связать конструктор образовательных траекторий на основе виртуальных моделирующих объектов с компонентой построения образовательных
траекторий с применением генетических алгоритмов, чтобы автоматически задавать выходные компетенции в имеющемся разрыве.
ЭИ № 9 показал возможность применения компоненты управления реализацией образовательных траекторий. В рамках данного исследования была проведена игрофикация
одного из контрольных мероприятий, где студентам, поделенным на команды по два человека, в соревновательной форме было предложено ответить на ряд вопросов разной сложности. Игрофикация включала два этапа. На первом этапе вопросы касались тех статей, по
данным которых студенты заполняли специальные формы (см. ЭИ № 3), на втором этапе
были поставлены такие вопросы, для которых источники ответов студентам были неизвестны. Оба шага были очень похожи на игру Encounter7, но поиск ответов осуществлялся
в компьютерной аудитории, в которой студенты могли общаться только внутри своей команды. Первый этап студенты «отыграли» с очень низким результатом, набрав не более
30% от общего количества баллов. Во втором этапе результаты были значительно выше —
все команды набрали более 60% баллов от максимально возможной величины, при этом
треть из них ответила на все вопросы, еще треть — набрали баллы в диапазоне от 75 до 85
процентов. Позже выяснилось, что перед первым этапом студенты не прочли присланных
им инструкций, что и стало основной причиной провального результата. Тем самым, эксперимент показал, что современными студентами новые информационные системы (в том
числе применяемые для контроля знаний и оценки достижения компетенций) осваиваются
легче путем прохождения так называемых «пробных туров», нежели путем изучения соответствующих инструкций. В таком случае, применение подсистемы контроля реализации
образовательных траекторий не приводит к негативным эффектам.
В ЭИ № 10 студентов привлекали в рамках международной конференции молодых
ученых по технологиям высокопроизводительных вычислений и КМ (YSC-20158). Студенты разбивались на международные команды и разрабатывали предложения по решению
выданной им сложной интердисциплинарной проблемы в области большого города. После
вычисления и обработки интердисциплинарных векторов в целях оценки эффективности
работы команд мы получили следующие результаты (Рис. 6). Отрезками показаны возможные диапазоны эффективности работы команд: от максимальной (слева) до минимальной
(справа). Фактическая эффективность показана «крестиком».
Наиболее эффективной командой была четвертая команда (будем их нумеровать по
занятым местам). Однако тема проекта с позиции интердисциплинарного вектора была далека от текущих предметных компетенций её членов. Наиболее успешной по этому критерию была вторая команда, но её эффективность была ниже, чем у первой. Заметим, что
первое место заняла команда, которая показала хорошую эффективность, была близка к
тематике проекта, а также имела распределение степеней участия своих членов, наиболее
близкое к равномерному. По Рис. 6 можно сделать вывод, что самые высокие шансы при
7
8
http://en.cx/
http://ysc.escience.ifmo.ru/
31
адекватном судействе имеет команда, которая не только по своим предметным возможностям близка к тематике проекта и эффективно использует эти возможности, но и имеет
хорошую балансировку распределения ролей ее членов.
В последнем одиннадцатом ЭИ было проведено социологическое исследование в
двух фокус-группах: участников первого ЭИ, студентов первого курса магистерской программы «Суперкомпьютерные технологии в междисциплинарных исследованиях». По данным опросов для каждой группы были сформированы облака тэгов. Облако фокус-группы
№1 показало, что на получение облачного сервиса не требуется существенных временных
затрат (т.е. подготовленному специалисту (учёному) не требовалось более часа). Облако
фокус-группы №2 в большей степени указывало на то, то интерфейсы облачной платформы
интуитивно понятны и работать с ними несложно. В целом, обе фокус-группы положительно отозвались об использовании облачных платформ высокопроизводительных вычислений в учебных целях и в целях научно-образовательной коллаборации, но отметили, что
существенную роль в освоении облачных технологий играет качество эксплуатационной,
программной и методической документации, что сохраняет высокую роль преподавателей.
Рисунок 6 — Сравнение эффективностей команд с присужденными им местами (обозначены римскими цифрами слева) и распределением долей участия (обозначены справа)
Заключение. В настоящей работе проведен анализ современных трендов развития
науки, технологий и образования и определены требования к автоматизации технологических процессов подготовки профессионалов в области КМ с применением облачных технологий. На базе предложенной в работе методологии трансляции различных форм научных результатов в учебный контент на основе совместного использования концепций исследовательских и учебных объектов разработаны технологии автоматизации полного
цикла разработки и реализации курсов с использования облачных вычислительных технологий.
Основные результаты, полученных в диссертационном исследовании, сводятся к
следующему
1. На основе научных источников выполнен анализ трендов развития науки и технологий, образования; требований к современным профессионалам в области применения ИКТ в решении комплексных интердисциплинарных задач и, соответственно, к
системе образования. На основе данного анализа определены основные недостатки
2.
3.
4.
5.
6.
7.
32
в действующей системе образования, в том числе в условиях быстрого обновления
технологий. В частности, текущие решения автоматизации разработки учебных ресурсов не способны обеспечить обучаемых актуальным материалом. Также отсутствуют средства для создания высокоэффективных виртуальных интердисциплинарных учебных коллаборативных сред, обеспечивающих постановку и развитие важных в современных трендах общих компетенций.
Выполнено построение формальных моделей базовых объектов методологии проектирования и реализации систем автоматизации, покрывающих жизненный цикл разработки и реализации учебных курсов, на основе различных форм научных результатов в виде математических соотношений. Такие модели является формальной основой конструирования и применения как самих гибридных образовательных ресурсов на основе различных форм научных результатов, так и проектирования, разработки соответствующих систем автоматизации, покрывающих полный цикл разработки и реализации учебных курсов подготовки профессионалов в области КМ.
Разработана технология автоматизации конструирования гибридных учебных ресурсов на основе трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент. Данная
технология не только кратно ускоряет разработку необходимого учебного контента,
но и дает обучаемому прямой доступ к первичным научным материалам.
Разработана технология автоматизации построения образовательных траекторий на
основе гибридных учебных ресурсов с применением виртуальных моделирующих
объектов и эвристических алгоритмов оптимизации. Такая технология не только
обеспечивает быструю разработку образовательных траекторий по запросу, но и дает
возможность их вариации в зависимости от текущей компетентности обучаемых, их
успехов в освоении курса, изменения целей курса.
Разработана технология сопровождения реализации образовательных траекторий с
оценкой степени освоения компетенций, в том числе способности работы в команде
в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ. Данная технология обеспечивает обучаемых бесперебойным доступом к функционалу облачных вычислительных платформ и позволяет выполнить текущую и итоговую оценку степени покрытия областей, заданных профессиональными и общими компетенциями.
Разработан комплекс программных средств для реализации вышеприведенных технологий. Данный комплекс средств обеспечивает автоматизацию полного цикла разработки и реализации образовательных курсов, не требуя какой-либо установки локальных программных средств даже для научной 3D-визуализации.
Выполнена экспериментальная проверка условий применения и эффективности разработанных технологий автоматизации проектирования и реализации учебных курсов на основе научных результатов с применением облачных вычислительных технологий в рамках требований современных трендов в науке и образовании. Эксперименты показали, что ученые способны в короткие сроки научиться работать в облачных вычислительных средах, в том числе выполнять встраивание своих программных пакетов в соответствующую облачную платформу. Также ученые, как и
студенты способны быстро освоить технологии научной 3D-визуализации на основе
языков программирования высокого уровня. Интерфейсы и служебные сервисы облачных сред устойчивы к резкому росту числа пользовательских запросов, возникающему за счет предоставления доступа студентам. Также существуют алгоритмы,
позволяющие эффективно управлять запуском наборов композитных приложений
33
при высокой конкуренции за ограниченные объёмы вычислительных ресурсов в облачной среде. Технологии разработки гибридных учебных ресурсов, планирования и
сопровождения образовательных траекторий кратно снижают временные затраты на
выполнение необходимых работ полного цикла разработки и реализации учебных
курсов, освобождая преподавателя (методиста) от рутинной письменной работы и
вёрстки документов. По факту преподаватель (методист) становится конструктором
гибридных учебных ресурсов, соответствующих коллаборативных учебных сред и
платформ для подготовки профессионалов в области применения передовых ИКТ, в
том числе КМ, для решения сложных интердисциплинарных задач (проблем).
Полученные в настоящей работе методология проектирования и реализации систем
автоматизации, покрывающие жизненный цикл разработки и реализации учебных курсов,
и соответствующие технологии не только обеспечивают участников образовательного процесса условиями и средствами подготовки профессионалов в области применения передовых ИКТ, в том числе КМ, для решения сложных интердисциплинарных задач (проблем),
но и позволяют реализовывать инновационные форматы в развертывании образовательных
сред и платформ, дающих широкие возможности в обучении развитию всех участников
образовательного процесса, а также вовлеченных в него учёных.
1.
2.
3.
4.
5.
6.
7.
СПИСОК РАБОТ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ
(по перечню ВАК, включая публикации, индексируемые в WoS/Scopus)
Болгова Е.В., Богачёва А.В., Духанов А.В., Князьков К.В., Бухановский А.В. Инфраструктурное обеспечение виртуальных лабораторных практикумов для междисциплинарных образовательных программ в рамках концепции облачных вычислений // Современные проблемы науки и образования. — 2012. — № 5. — 1/0,44 п.л.
Болгова Е.В., Богачева А.В., Балахонцева М.А., Князьков К.В., Духанов А.В., Хоружников С.Э. Автоматизация процесса разработки виртуальных лабораторных практикумов на основе облачных вычислений // Информационно-измерительные и управляющие системы. — 2012. — Т. 11. — С. 71–81. — 0,69/0,31 п.л.
Духанов А.В., Болгова Е.В., Гервич Л.Р., Колпаков В.Г., Кравченко Е.Н., Курочкин И.И., Масленников Е.Д., Офёркин И.В., Рубцов А.О., Смирнов С.А., Штейнберг О.Б., Юрушкин М.В. Предметно-ориентированные технологии создания виртуальных рабочих пространств в среде облачных вычислений CLAVIRE // Известия высших учебных заведений. Приборостроение. — 2013. — Т. 56. — № 5. — 0,44/0,31 п.л.
Боченина К.О., Духанов А.В. Особенности планирования загрузки вычислительных ресурсов в облачных средах второго поколения на основе модели отложенных вычислений во временных окнах // Динамика сложных систем. — XXI ВЕК. — 2013. — Т. 7. —
№ 3. — С. 83–89. — 0,44/0,06 п.л.
Иванов С.В., Князьков К.В., Чуров Т.Н., Духанов А.В., Бухановский А.В. Моделирование и оптимизация движения городского пассажирского транспорта в среде облачных
вычислений CLAVIRE // Динамика сложных систем — XXI ВЕК. — 2013. — Т. 7. —
№ 3. — С. 35–39. — 0,44/0,06 п.л.
Чуров Т.Н., Князьков К.В., Иванов С.В., Духанов А.В., Бухановский А.В. Технологии
экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного общественного транспорта // Научно-технический вестник информационных технологий, механики и оптики. — 2013. — № 5 (87). — 0,12/0,06 п.л.
Smirnov P.A., Kovalchuk S.V., Dukhanov A.V. Domain ontologies integration for virtual
modelling and simulation environments // Procedia Computer Science. — 2014. — Т. 29. —
С. 2507–2514. — 0,5/0,06 п.л.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
34
Dukhanov A., Karpova M., Bochenina K. Design virtual learning labs for courses in computational science with use of cloud computing technologies // Procedia Computer Science. —
2014. — Т. 29. — С. 2472–2482. — 0,69/0,37 п.л.
Dukhanov A.V.,
Krzhizhanovskaya V.V.,
Bilyatdinova A.Z.,
Boukhanovsky A.V.,
Sloot P.M.A. Double-Degree Master's Program in Computational Science: Experiences of
ITMO University and University of Amsterdam // Procedia Computer Science. — 2014. —
Т. 29. — С. 1433–1445. — 0,81/0,31 п.л.
Dukhanov A., Smimov P., Karpova M., Kovalchuk S. e-Learning course design based on the
virtual simulation objects concept // Application of Information and Communication Technologies (AICT), 2014 IEEE 8th International Conference on. — IEEE, 2014. — С. 1–6. —
0,37/0,31 п.л.
Bochenina K., Boukhanovskaya I., Bilyatdinova A., Dukhanov A., Lutsenko A. Using a cyclic model of knowledge transfer for the development of transdisciplinary learning environments // 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. — IEEE, 2014. —
С. 1–9. — 0,5/0,06 п.л.
Bilyatdinova A.,
Dukhanov A.,
Bochenina K.,
Boukhanovsky A.V.,
Krzhizhanovskaya, V.V., Sloot P.M. Dutch-Russian double degree master's program curricula in computational science and high performance computing // 2014 IEEE Frontiers in Education Conference (FIE) Proceedings. — IEEE, 2014. — С. 1–8. — 0,5/0,06 п.л.
Dukhanov A., Trofimenko T., Karpova M., Bezborodov L., Bezgodov A., Bilyatdinova A.,
Lutsenko A. Approach to Automation of Cloud Learning Resources’ Design for Courses in
Computational Science Based on eScience Resources with the Use of the CLAVIRE Platform
// Procedia Computer Science. — 2015. — Т. 51. — С. 1957–1966. — 0,62/0,44 п.л.
Bochenina K., Butakov N., Dukhanov A., Nasonov D. A clustering-based approach to static
scheduling of multiple workflows with soft deadlines in heterogeneous distributed systems //
Procedia Computer Science. — 2015. — Т. 51. — С. 2827–2831. — 0,31/0,06 п.л.
Kogtikov N., Dukhanov A., Trofimenko T. Evaluation based on databases of scientific publications measuring the transdisciplinarity of scientific problems // Application of Information
and Communication Technologies (AICT), 2015 9th International Conference on. — IEEE,
2015. — С. 496–500. — 0,31/0,12 п.л.
Karpova M., Shmelev V., Dukhanov A. An automation of the course design with use of learning objects with evaluation based on the Bloom taxonomy // Application of Information and
Communication Technologies (AICT), 2015 9th International Conference on. — IEEE, 2015.
— С. 138–142. — 0,31/0,12 п.л.
Shmelev V., Karpova M., Dukhanov A. An approach of learning path sequencing based
on revised Bloom's taxonomy and domain ontologies with the use of genetic algorithms //
Procedia Computer Science. — 2015. — Т. 66. — С. 711–719. — 0,56/0,44 п.л.
Dukhanov A., Karpova M., Shmelev V. An Automation of the Course Design Based on Mathematical Modeling and Genetic Algorithms // Frontiers in Education Conference (FIE), 2015.
32614 2015. IEEE. — IEEE, 2015. — С. 1–4. — 0,25/0,19 п.л.
Dukhanov A., Bilyatdinova A., Bochenina K., Karbovsky V. The approach to design of
STEM courses' learning resources based on students' activity with the use of scientific resources' databases // Frontiers in Education Conference (FIE), 2015. 32614 2015. IEEE. —
IEEE, 2015. — С. 1–6. — 0,38/0,31 п.л.
Krzhizhanovskaya V.V.,
Dukhanov A.V.,
Bilyatdinova A.Z.,
Boukhanovsky A.V.,
Sloot P.M.A. Russian-Dutch double-degree Master’s programme in computational science in
the age of global education // Journal of Computational Science. — 2015. — Т. 10. — С. 288–
298. — 0,69/0,25 п.л.
21.
22.
23.
24.
1.
2.
3.
4.
5.
35
Kogtikov N., Dukhanov A., Bochenina K. Modeling Knowledge Transfer and the Transdisciplinary Effect on Project-based Learning Activities // Procedia Computer Science. — 2016.
— Т. 80. — С. 1989–1999. — 0,69/0,19 п.л.
Bilyatdinova A., Karsakov A., Bezgodov A.A., Dukhanov A.V. Virtual environment for creative and collaborative learning // Knowledge, Information and Creativity Support Systems.
— Springer International Publishing, 2016. — С. 371–381. — 0,69/0,06 п.л.
Shmelev V.A., Dukhanov A., Knyazkov K., Ivanov S. Bus scheduling in dynamical urban
transport networks with the use of genetic algorithms and high performance computing technologies // Knowledge, Information and Creativity Support Systems. — Springer International Publishing, 2016. — С. 97–104. — 0,5/0,06 п.л.
Dukhanov A.V., Bolgova E.V., Bezgodov A.A., Bezborodov L.A., Boukhanovsky A.V. The
Approach to the Extension of the CLAVIRE Cloud Platform for Researchers’ Collaboration
// Knowledge, Information and Creativity Support Systems. — Springer International Publishing, 2016. — С. 467–481. — 0,94/0,75 п.л.
СВИДЕТЕЛЬСТВА О РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ
Свидетельство № 2013611424 Российская Федерация. Распределенная информационная система в области социодинамики и ее приложений / Богачева А.В., Болгова Е.В.,
Бухановский А.В., Гуськов А.А., Духанов А.В.; заявитель и правообладатель ФГАОУ
ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики». — № 2012619134; заявл. 26.10.2012; зарегистр. 09.01.2013.
Свидетельство № 2013619767 Российская Федерация. Высокопроизводительный программный комплекс моделирования и оптимизации движения городского транспорта /
Бухановский А.В., Духанов А.В., Иванов С.В., Князьков К.В., Чуров Т.Н.; заявитель и
правообладатель ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики». —
№ 2013617433; заявл. 16.08.2013; зарегистр. 14.10.2013.
Свидетельство № 2015612809 Российская Федерация. Программа моделирования межбанковского взаимодействия в комплексных финансовых сетях / Гулева В.Ю., Духанов А.В.; заявитель и правообладатель ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики». — № 2014664186; заявл. 30.12.2014; зарегистр. 26.02.2015.
Свидетельство № 2016611059 Российская Федерация. Компьютерная программа
оценки эффективности работы команд над учебными проектами с применением трансдициплинарного подхода / Боченина К.О., Духанов А.В., Когтиков Н.С.; заявитель и
правообладатель ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики». —
№ 2015661753; заявл. 03.12.2015; зарегистр. 26.01.2016.
Свидетельство № 2016611446 Российская Федерация. Программа построения учебных
курсов на базе концепции учебных объектов с применением предметных онтологий и
пересмотренной таксономии Блума / Духанов А.В., Карпова М.С., Шмелев В.А.;
ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики». — № 2015662378; заявл. 14.12.2015;
зарегистр. 02.02.2016.
1/--страниц
Пожаловаться на содержимое документа