автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Математическое и программное обеспечение процесса распознавания первичной информации об успеваемости в информационной системе вуза

На правах рукописи

Грушин Алексей Валерьевич

МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПРОЦЕССА РАСПОЗНАВАНИЯ ПЕРВИЧНОЙ ИНФОРМАЦИИ ОБ УСПЕВАЕМОСТИ В ИНФОРМАЦИОННОЙ СИСТЕМЕ ВУЗА

Специальность 05.13.11 Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей (технические науки)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

МОСКВА 2009

- 3 ДЕК 2009

003485873

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования "Московский государственный институт радиотехники электроники и автоматики (технический университет)

Научный руководитель: кандидат технических наук, доцент

Григорьев Виктор Карлович

Официальные оппоненты: доктор технических наук, профессор

Петров Андрей Борисович

кандидат технических наук Зотов Сергей Михайлович

Ведущая организация: Институт электронных управляющих машин

(ИНЭУМ)

Защита диссертации состоится «21» декабря 2009 г. в 14 часов 00 минут на заседании диссертационного совета Д 212.131.05 при Московском государственном институте радиотехники, электроники и автоматики (техническом университете) по адресу: 119454, Москва, проспект Вернадского, д. 78.

С диссертацией можно ознакомиться в библиотеке МИРЭА.

Автореферат разослан «20» ноября 2009 г.

Ученый секретарь диссертационного Совета к.т.н., доцент

Андрианова Е.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность работы

Доминирующей тенденцией дальнейшего развития современной цивилизации является переход от постиндустриального к информационному обществу, в котором объектами и результатами труда большей части населения станут информационные ресурсы и научные знания. Одной из характерных особенностей современного этапа научно-технического прогресса и становления "информационного общества" является широкое использование автоматизированных информационных систем. Большинство из них являются диалоговыми, т.е. взаимодействуют с пользователем посредством человеко-машинного интерфейса. Задача разработчиков интерфейсов - максимально приблизить интерфейс к предметной области, потому что от того, насколько качественно организовано человеко-машинное взаимодействие, напрямую зависит эффективность информационной системы (ИС).

Одним из активно развивающихся направлений информационных систем является класс систем автоматизации учебного процесса вузов. Их разработкой занимаются как зарубежные (SAP), так и отечественные (1С) фирмы. Однако вузы - это уникальные учреждения с множеством индивидуальных особенностей. Общее решение, как правило, избыточно и сложно настраивается при устоявшемся принципе ведения документооборота. Технические вузы, выпускающие специалистов в этой области, часто сами решают свои проблемы автоматизации, внедряя собственные разработки, чем дополнительно повышают качество выпускаемых специалистов и работников высших квалификаций, привлекая их к проектированию и разработке информационных систем.

Анализ информационных потоков вуза позволяет выбрать подразделения вуза, для которых применение quick решений наиболее эффективно. Самыми значительными информационными потоками в учебной деятельности вуза являются потоки информации о студентах, о книгах в библиотеках, об учебных дисциплинах, о преподавателях. Именно в месте взаимодействия и пересечения этих потоков происходит рождение большого объема новой информации. Выделим здесь информацию об успеваемости студента. Процесс, который порождает эту информацию, имеет название «Сессия», а службой, где фиксируется эта информация, является деканат. Учет успеваемости в вузах, как правило, производится на уровне групп, поэтому используются документы по учету групповой успеваемости.

Информация об успеваемости студентов является наиболее объемной среди всех видов информации, обрабатываемых деканатом, потому что она является прямым произведением числа студентов и числа контрольных мероприятий для каждого учебного семестра. Поэтому первичный ввод информации об успеваемости в информационную систему - один из важнейших участков автоматизации.

Табл.1. Результаты анализа систем автоматизации учебного процесса с точки зрения

первичного ввода информации об успеваемости.

Название фирмы/вуза Мониторинг учебного процесса Автоматизация первичного ввода информации об успеваемости

1С и Комкон:ВУЗ + -

Система управления обучением Oracle + -

Abbyy FineReader - Универсальные шаблоны

РЭА им.Плеханова + с 2006 года

МГТУ им. Баумана + Электронный документооборот

Московский государственный индустриальный университет + -

Уральская государственная юридическая академия + -

Новосибирский государственный университет + -

Петрозаводский государственный университет - -

Архангельский государственный технический университет + с 2006 года

Результаты, представленные в Табл.1, показывают, что организация первичного ввода информации об успеваемости автоматизирована наименьшим образом.

Базовый принцип работающих информационных систем гласит: «Информация должна попадать в систему в месте ее возникновения без промежуточных звеньев». Помимо существенного замедления работы, именно в момент первичного ручного ввода информации из большого числа однотипных документов с данными об успеваемости, вероятность ошибок, вызванных человеческим фактором, наиболее высока.

Поэтому исследование процесса первичного ввода информации об успеваемости, а также создание решения, которое позволило бы снизить человеческий фактор, обеспечив автоматизированный и непосредственный ввод результатов успеваемости в информационную систему, является актуальной задачей, требующей как теоретических исследований, так и

практической реализации. От эффективности этого процесса зависит качество всей разрабатываемой системы.

Цель диссертационной работы состоит в повышении эффективности мониторинга успеваемости студентов вуза.

Для достижения поставленной цели в диссертации необходимо провести следующие исследования и решить следующие задачи:

- рассмотреть и классифицировать типы первичной информации об успеваемости;

- построить формальную модель первичного ввода информации, исследовать методы первичного ввода информации об успеваемости, выделить элементы, позволяющие повысить качество ввода информации;

- проанализировать и экспериментально исследовать применимость различных методов компьютерного распознавания статических образов к задачам мониторинга успеваемости;

- разработать метод распознавания первичной информации групповой успеваемости, а также на его основе построить и экспериментально исследовать алгоритм распознавания информации групповой успеваемости, устойчивый для различных устройств ввода-вывода;

- разработать и реализовать систему мониторинга успеваемости студентов вуза (СМУСВ) на основе предложенного алгоритма;

- исследовать эффективность процесса распознавания первичной информации об успеваемости в информационной системе вуза. Объектом исследования является мониторинг успеваемости студентов -

процесс переноса в информационную систему результатов сдачи студентами контрольных мероприятий учебного плана, а также определение эффективности человеко-машинного взаимодействия при мониторинге успеваемости.

Основные методы исследования

Для решения поставленных задач в работе проводится анализ и экспериментальное исследование существующих методов компьютерного распознавания образов (Поспелов Д.А., Барабаш Ю.Л, Васильев В.И, Горелик А.Л., Скрипкин В.А., Дуда Р., Харт П., Кузин Л.Т., Перегудов Ф.И., Тарасенко Ф.П., Темников Ф.Е., ТуДж., ГонсалесР., УинстонП., Фу К., Цыпкин Я.З.), стандартов штрихкодирования, методов моделирования диалоговых интерфейсов (КульбаВ.В), а также методов оценок эффективности работы АИУС. Используются преобразования линейной

алгебры, математическая статистика и теория объектно-ориентированного программирования.

Научная новизна работы состоит в следующем:

- развит метод распознавания «Сравнение с прототипом» посредством быстрого поиска прототипа на основе штрихкодирования для задачи распознавания информации о групповой успеваемости;

- предложен алгоритм двухэтапного распознавания информации групповой успеваемости, предназначенный для широкого класса устройств печати и сканирования;

- построена методика по исследованию эффективности предложенного алгоритма.

Предложенные методы и алгоритмы зарегистрированы в Государственном Отраслевом фонде алгоритмов и программ - ОФАП. Номер отраслевой регистрации 4192 от 27.12.2004 г., номер Государственной регистрации 50200500011 от 14.01.2005 г.

Практическая ценность состоит в разработке программного обеспечения для первичного ввода информации групповой успеваемости на основе предложенного алгоритма двухэтапного распознавания и его использования при разработке СМУСВ, в повышении эффективности ввода первичной информации об успеваемости в 3 раза по сравнению с учетом вручную. Указанные решения реализованы и внедрены в системах управления учебным процессом в Московском Государственном институте радиотехники, электроники, и автоматики (МИРЭА), а также, в Воронежской государственной технологической академии, о чем свидетельствуют акты об использовании.

Апробация работы

Основные результаты работы доложены на научно-практической конференции студентов и молодых ученых, Dortmund, Germany, 2006 год, на конференции «Информационные технологии в науке, технике и образовании», Абхазия, Пицунда, 2007 год; на научно-практических конференциях "Современные электронные технологии в образовании" ФГУП НИИ "Восход" в 2005, 2006 гг., на научно-практических конференциях МИРЭА в 2006-2009 гг. Данная работа демонстрировалась на выставках "Hannover-Messe" 2007, 2009 Germany, Hannover и "НТТМ-2006" Россия, Москва, ВВЦ.

Публикации

Результаты теоретических и прикладных исследований опубликованы в 11 научных статьях, из них две в журналах из списка ВАКа. По теме диссертации получены 2 свидетельства о регистрации программ для ЭВМ в "Государственном фонде алгоритмов и программ РФ".

Структура и объем диссертации

Диссертация состоит из введения, четырех глав, заключения, списка литературы (117 наименований) и 2 приложений. Объем основного текста составляет 131 страница, 8 таблиц и 23 рисунка.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выполненного исследования, сформулированы цели, задачи диссертационной работы, научная новизна и практическая ценность работы.

Первая глава посвящена обзору и анализу существующих систем, осуществляющих поддержку мониторинга учебного процесса. Рассматриваются их функции, область покрытия из всего круга задач деканата вуза. Среди наименее автоматизированных - первичный учет информации об успеваемости. Особенность данной информации в том, что ее появление имеет сильно неравномерный пиковый характер, связанный с сессионным периодом. Необходимость быстрой обработки этой информации обусловлена тем, что решение деканата о прохождении студентом последующих этапов сессии зависит от анализа текущего состояния его успеваемости по данным журнала учета успеваемости, причем промежуток времени между этапами составляет от 1 до 5 дней.

На Рис.1 представлена схема движения информации об успеваемости в вузе. На каждой из стадий движения необходима защита документа от несанкционированных изменений. На стадии (2) -это контроль списка студентов и списка допущенных к сдаче дисциплины. На стадии (3) - это контроль личности преподавателя, поставившего оценку. На стадии (4) - это сохранность

V3;

Рис.1. Алгоритм движения учебной информации в вузе.

поставленных оценок от момента проставления преподавателем до момента их учета в деканате.

Все процессы подтверждаются документами, которые должны опираться на существующие Государственные стандарты (ГОСТ Р 51141-98).

Для работы полностью электронного документооборота необходима ИС вуза, распространенная на всех рабочих местах с поддержкой сертифицированной части по цифровой подписи. Организация подобной ИС - крайне сложное и дорогостоящее мероприятие.

Полностью же бумажный документооборот является чрезвычайно «времязатратным», с высокой вероятностью ошибок, вызванных человеческим фактором. Ставится задача предложить удобный способ представления и хранения информации об успеваемости, как удовлетворяющий всем критериям документооборота, так и применимый для использования электронного учета с целью снизить уровень ошибок на стадии (5) Рис.1.

В итоге дается обоснование актуальности на основе представления документов, оснащенных элементами для машинной обработки с целью возможности машинного считывания информации.

Во второй главе на основе модели диалоговых систем (КульбаВ.В, Кузнецов H.A., Ковалевский С.С.) строится модель представления документа с информацией о групповой успеваемости. Как было сказано в главе 1, требуется получить модель документа, удовлетворяющую всем критериям документооборота и применимую для электронного учета.

Существуют три основных принципа представления рукописной информации для машинного считывания посредством сканирования:

1) четкое и аккуратное написание печатных букв/цифр в специально

отведенные поля формы;

2) использование кодового штампа (по аналогии с почтовыми индексами);

3) пометка любым значком одного или нескольких полей для выбора.

На основе текстово-графических спецификаций существующих документов была построена модель документа информации групповой успеваемости на примере зачетно-экзаменационной ведомости с учетом выбранного метода представления информации:

Mo = F(Header, SL, RL, ES, EN), где (1)

Header - заголовок зачетно-экзаменационной ведомости, SL - список студентов группы, RL - список оценок и дат их проставления (рукописный

текст), Ев - список подписей преподавателя (рукописный текст), ЕЫ - ФИО преподавателя (рукописный текст).

Из (1) видно, что все информационные поля заполняются преподавателем в виде рукописного текста, и для выполнения автоматического ввода информации пришлось бы осуществлять его распознавание. Данное решение крайне сложно в реализации и обладает низкой надежностью.

Анализ вышеуказанных методов хранения информации показал, что применительно к процессу мониторинга групповой успеваемости наиболее целесообразно использовать третий метод, т.к. требуется обеспечить минимальную дополнительную нагрузку на преподавателей вместе с максимальными скоростью и надежностью процесса распознавания.

На основе вышесказанного, в модель были введены поля для машинной обработки. Была построена новая модель ведомости (2), которая представляет собой расширение (1). Ее визуализация представлена на Рис.2.

ов

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ РАДИОТЕХНИКИ, НеабеЭГЛЕ1СТР0НИКИ И АВТ0МАТИКИ (ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)

-л

ВС

г: - -

. I по дисциплине Математический анализ (Экзамен)

I факультет ВМС группа ВВ-1-06 I

• 2007/2008 уч.год 3 семестр I Экзаменатору ***-*■*•* -"*"•"«**»%.

ЕМ

. Ка

Ф.И.О. студента

Шифр Дата

Оценка

для машинной обработки

Подпись _ экзаменатора

1 Валисв Т.С.

061001Тмълщр-

УЛ

Дормаков Е.Н.

061003

Ш-

Доронкииа А.В.

061004 А .9.(0,07 (ЩММ-Р\

. ... . _ 1 аытайЫ. ¿¿хаян* 1. 4 . . I..

Экзаменатор ^АЬ. __________

т

Дата зачета /экзамена:

I ^^ I6 1 I8 Т" "*14| )х1'°1"*"I" I" 1" I" I"I I"^

.........**""|

;г г I3 г г ПТГШ4-- кмм то

Рис.2. Визуальная интерпретация модели модифицированного документа группового

учета успеваемости. Ма=Р(Неааег,ОР,ВС,8ЬДи,,КАЬ,Е8,Е^КМВ,КММ), где (2)

3101059800529031

ВС - штрих-код, RAL - поле оценок для машинной обработки, KMD - день проведения контрольного мероприятия (КМ), поле для машинной обработки, КММ - месяц проведения КМ, поле для машинной обработки, ОР - опорная полоса.

Машинная обработка результатов групповой успеваемости базируется на компьютерном распознавании информации элементов ВС, RAL, KMD и КММ. Позиционирование изображения производится на основе ОР.

Далее рассматривается классификация алгоритмов распознавания образов, основанная на модели представления знаний, предложенной академиком РАН Поспеловым Д.А, которая отражает специфику способа представления знаний о предметной области. Он выделяет:

- интенсиональное представление - в виде схемы связей между атрибутами (признаками);

- экстенсиональное представление - с помощью конкретных фактов (объекты, примеры).

Ставилась задача построить наиболее надежный и простой в реализации метод, устойчивый для работы на широком классе печатающих и сканирующих устройств. Был построен алгоритм, основанный на модифицированном методе «Сравнение с прототипом». Для быстрого поиска прототипа было предложено использовать штрихкодирование.

Определим понятие прототипа документа: Pr = F(Struct, SEM, SL, UP, KM), где:

Struct - Статическая часть, - разметка страницы. Она одинакова для любого прототипа. Величины Wt, Ww, Wh и С постоянны (Рис.3).

SEM - Номер семестра, SL - Список студентов, UP - Дисциплина учебного плана, КМ - Контрольное мероприятие учебного плана

В момент выпуска документа по учету групповой успеваемости происходит сохранение в БД параметров SEM, SL, UP и КМ, а в штрихкоде документа указывается ссылка на сохраненные параметры.

Анализ стандартов нггрихкодирования показал, что наиболее целесообразным для этой задачи является использование стандарта Code-128С. Данный стандарт поддерживает числа с Рис.3. Параметры границ разным числом разрядов, одновременно с этим информационных областей является достаточно информационноемким. документа.

W.

\щ

После сканирования изображения проводится проверка на минимально допустимое разрешение.

Производится поиск опорной полосы, расположенной в правом верхнем углу документа, и по ее положению осуществляется поворот и сдвиг изображения.

Считывается штрихкод. Алгоритм разработан в соответствии со спецификацией по стандарту Code-128C.

По данным / / у

штрихкода из базы / j /

данных загружается информация (SEM, SL, UP и КМ), и по ней производится генерация прототипа документа. Производится наложение прототипа (Рис 4) на Рис.4. Наложение прототипа на изображение.

отсканированное изображение и оценка степени совпадения путем анализа интегрального приграничного шума. В случае если наложение произведено успешно, выполняется считывание информации из областей по координатам Ci, Ri прототипа следующим образом:

я'+ж, CJ+W„,

Intensity" = £ X.fec;)

x=R' X=C>

Data'J = Signum

IntensityIJ

I I«

x=R' x*C>

(3)

^„-процент интенсивности верхнего порога шума. Если £>агаи= 1, область считается заполненной. Иначе - пустой. Алгоритм представлен на схеме 1.

Схема 1. Алгоритм распознавания документов с информацией об успеваемости с использованием метода «Сравнение с прототипом».

Экспериментальные исследования алгоритма на массиве из 120 документов и одном типе оборудования показали 117 верно распознанных. Однако в ходе экспериментальных исследований на различных типах оборудования выяснилось, что, помимо поворота и смещения, возможны такие искажения изображения, которые компенсировать описанным выше способом невозможно.

Были обнаружены и идентифицированы два основных вида искажений:

1. линейные геометрические искажения;

2. нелинейные геометрические искажения: «сжатие-растяжение» отдельных участков изображения (Рис.5).

Чаще всего они встречались в виде комбинаций двух этих видов. Причиной, скорее всего, являются погрешности механических компонентов принтеров

Рис.5. Выявленные виды искажений.

и сканеров.

Выявление указанных видов искажений потребовало существенной модификации алгоритма, чтобы сделать его устойчивым к указанным видам искажений. Алгоритм был дополнен принципом голосования. Опорная полоса заменена реперными метками по углам документа.

В момент выпуска документа по учету групповой успеваемости происходит сохранение в БД параметров SEM, SL, UP и КМ, а в штрихкоде документа указывается ссылка на сохраненные параметры (аналогично версии алгоритма по методу сравнения с прототипом).

После сканирования изображения проводится проверка на минимально допустимое разрешение, коррекция баланса белого, а также проверка на отношение пропорций изображения (A4 или А4+). При

необходимости производится приведение к формату A4.

Выполняется поиск реперных меток,

расположенных во всех четырех углах документа, осуществляется построение функций преобразования по следующим формулам:

Пусть XI, Х2, ХЗ, Х4 - найденная координата «X» опорной метки соответствующего номера.

Yl, Y2, Y3, Y4 - найденная координата «Y» опорной метки соответствующего номера.

(Xmo, Ymo) -координата искомой точки на прототипе. dXL, dXR - Значение коэффициентов деформации по левой и правой стороне изображения.

dYT, dYB - Значение коэффициентов деформации по верхней и нижней стороне изображения.

Определим коэффициенты деформации документа: dXL = ((ХЗ - XI) / (Yl - Y3)) * Ymo;

dXR = ((X4-X2)/(Y4-Y2))* Ymo; (5)

dYT = ((Y2 - Yl) / (X2 - XI)) * Xmo; dYB = ((Y4 - Y3) / (X4 - X3)) * Xmo.

X10Y10 X20Y20

\

\ /

\ /

\ /

\ /

\ /

(XMoYMo) /

о \

/ \

/ \

/ \

/ \

/ \

г

ХЗоУЗо X40Y40

;X3Y3

Рис.б. Преобразование координат.

Исходя из (5) получаем общие коэффициенты:

dx = dXL * (Х2 -Xmo) + dXR * (Xmo - XI); (6)

dy = dYT * (Y4 - Ymo) + dYB ♦ (Ymo - Y2).

Отсюда получаем формулу (6) преобразования координат прототипа в координаты отсканированного изображения (рис.6):

Xm = Xmo + dx; (7)

Ym = Ymo + dy.

Мы можем рассматривать искажения по вертикали и горизонтали (7) независимо друг от друга благодаря тому, что погрешность их влияния друг на друга имеет более высокий порядок малости.

По данным штрихкода из базы данных загружается информация (SEM,

Т Y Число чер| ных точек в соответству> Л _ ощей строке (и к.. ______ ли столО к це)

Г Г^1 t-

h 1 d

Р асс читанные знач !НИЯ С Д! пусками

ИТ зговые знач ¡ни я коорди^а-i после к зррекции

ВЫСОТ! ■ (или ш ирина) оОласти оценок X

Рис.7. Процесс уточнения прототипа по анализу интегральной интенсивности.

БЬ, ЦР и КМ), и по ней производится генерация прототипа документа с использованием преобразований (6) и (7).

Выполняется наложение преобразованного прототипа (рис.8 а,б) на отсканированное изображение. Т.к. на протяжении всех исследований

ш

нелинейная составляющая искажения оказывалась меньше, чем было

предложено использовать уточнение по £-окрестности. Вокруг каждой границы информационной области определяется интервал (рис.8 б), и в промежутке, его включающем, проводятся сканирующие линии параллельно аналитически рассчитанной границе информационной области. Вдоль

сканирующих линий производится расчет интегральной интенсивности по черному цвету.

В случае, если в заданном интервале обнаружена точка максимума интенсивности (рис.7), производится уточнение прототипа. Если точку максимума обнаружить не удалось, либо она находится вне заданного интервала -координата прототипа остается расчетной. Подобные случаи возможны, если в информационных областях либо в непосредственной близости от них Присутствуют посторонние записи. Рис.8. Генерация уточненного

После уточнения всех границ прототипа,

аналитически построенного прототипа, получаем уточненный прототип (рис.8 в). Далее считывание результатов производится по формулам (3), (4).

Схема 2. Алгоритм распознавания документов с информацией об успеваемости с использованием метода голосования.

Алгоритм представлен на схеме 2. Экспериментальные исследования на массиве из 1250 документов показали верное распознавание всех 1250 штук без ошибок.

- В третьей главе описывается разработка и исследование СМУСВ, основанной на предложенном алгоритме двухэтапного распознавания информации групповой успеваемости.

Для ускорения адаптации пользователей к новому продукту, при создании СМУСВ соблюдались следующие принципы:

- система должна поддерживать все производственные процессы в том виде, в котором они существуют в настоящее время;

- система не должна заставлять участников технологического процесса выполнять дополнительные функции;

- выполнение каждой функции с помощью системы должно занимать меньше времени и усилий, чем с помощью существующих инструментов.

Описывается реализация предложенных методов на основе функциональных схем с использованием формата ГОЕР-0; структура базы данных проектируется с использованием стандарта ГОЕР-1х (Рис.6).

Важной особенностью разрабатываемой системы, наряду с выполнением первого принципа, является возможность модификации бизнес-процессов деканата, а также расширение функциональных спецификаций и

развитие системы. Эти возможности обеспечиваются организацией базы данных, ее нормированностью (3-я нормальная форма Кодда), независимостью от системы, подробным анализом сущностей, используемых в системе, и строгим контролем принадлежности этих сущностей к бизнес-процессам деканата. Система имеет пятислойную структуру и реализована в клиент-серверной технологии (рис.10).

4 '

Декан Заместитель: декана Методист

-Секретарь"

Слой преобразованияна,основе разграничения полномочий■<><"-■

Журнал

Сессия:

Работа с учебным планом■

[7

Движение | студентов

Отчеты

Служебные функции:

Интерфейсный слой взаимодействия между системой и базой данных

Сервер системы, база данных

РисЮ. Структурная схема СМУСВ.

СМУСВ внедрена на всех факультетах МИРЭА, о чем свидетельствуют акты о внедрении. Эффективность процесса мониторинга групповой успеваемости студентов повысилась более чем в 3 раза в результате автоматизации. Исчезли очереди студентов в деканаты в период сессий.

В четвертой главе строится методика оценки эффективности разработанной СМУСВ.

Одним из важнейших показателей успешной автоматизации учебно-производственного процесса вуза является фактическое повышение эффективности этого процесса. Поэтому построение методики оценки эффективности работы СМУСВ является актуальной задачей.

Методика оценки эффективности функционирования СМУСВ реализуется посредством применения двух компонентов:

1. система сбора и объединения временной статистики;

2. система анализа статистики по раду показателей.

Строится система сбора и объединения статистики, состоящая из центрального сервера лаборатории, осуществляющего периодический сбор статистики с серверов СМУСВ каждого факультета и протокола обмена. Работа компоненты СМУСВ по сбору статистики состоит в записи в специальную таблицу БД событий и их параметров, порождаемых работой пользователей в реальном времени, по началу и окончанию сеанса работы пользователей, началу и окончанию сканирования документа групповой успеваемости, окончанию распознавания результатов, коррекции пользователем распознанных данных и сохранению результатов в базе данных.

Система анализа статистики производит сортировку полученных массивов данных, отбор по интересующим параметрам, фильтрацию краевых значений и интеграцию для получения средних показателей.

Для определения характеристик эффективности СМУСВ введем коэффициент эффективности:

К - ТВрущую / NСМУСВ/

/Т /N >где

/ 1 СМУСВ / " Вручную

Т8руч*у» - время, затрачиваемое на выполнение задачи вручную, Тсмусе - время, затрачиваемое на выполнение задачи с использованием СМУСВ, NCUÏCB -число обработанных документов в единицу времени с использованием СМУСВ, ^вручив ' число обработанных документов в единицу времени при ручной работе.

Далее рассматривается применение методики для документов групповой успеваемости студентов (ДГУС).

Обозначим следующие хронометрируемые события:

- начало (TIS) и окончание (TIE) работы интерфейса приема документов

групповой успеваемости студентов. Из этого определяется среднее время сеанса работы пользователей по приему ДГУС;

- начало (TSS) и окончание сканирования (TES). Определяется

быстродействие сканера;

окончание сканирования (TES) и окончание распознавания (TER), (ошибка при распознавании (TRE)). Вычисляется скорость работы алгоритма распознавания оценок и результат распознавания; окончание сканирования (TES) - сохранение ДГУС в БД (TSR). Это наиболее значимый промежуток времени для определения удобства интерфейса. Фиксируются общее число оценок, которые необходимо распознать, число распознанных оценок. Отмечаются инструменты, посредством которых пользователь осуществляет коррекцию оценок (с помощью мыши, либо с клавиатуры). В зависимости от используемого инструмента и числа исправлений определяется среднее время на исправление одного результата, сравнение эффективности различных инструментов, а также различных их модификаций.

Вычислим среднее время приема одного ДГУС:

BulTime =

Sirarç-TES.)

, где i - множество принятых ДГУС. (8)

-3%Ai4Ar(7S!-TES)

Вычислим производительность приема ДГУС в час:

BulByHour = Yj

(m,

ЕЕЕгак,- tesJ

TIEr TIS,

(9)

где 3 - множество сеансов работы с интерфейсом приема ДГУС, к -множество принятых ДГУС.

Вычислим среднее число ошибок при приеме ДГУС в %:

' 'чь V

*юо%, (Ю)

ErrsPercent =

liai

LIM

где ] - множество сеансов работы с интерфейсом приема ДГУС, к -множество принятых ДГУС, 1 - множество ДГУС с ошибками.

г>

й X

н и

& о

о ®

§ £

>< ю

3 о

| 3

Iй

О. тс

35% 30%

25% 20%

17 и менее 17-23 24-30 31-40 41 и более

Среднее время обработки одного документа (сек)

Диаграмма 1. Статистические данные по распределению времени обработки документов групповой успеваемости за период в 2,5 года.

Стандартно исключаем 3% краевых значений. Основное преимущество автоматического сбора статистики состоит в том, что он производится в естественных условиях работы пользователей, не оказывая никакого влияния на их работу, не отнимает дополнительного времени и обладает высокой точностью. В конце главы приводятся результаты оценки эффективности СМУСВ с использованием предложенной методики (Диаграмма 1).

В заключении приведено краткое резюме диссертационной работы и перечислены основные задачи, решенные в процессе исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

- Развит метод распознавания «Сравнение с прототипом» посредством быстрого поиска прототипа на основе штрихкодирования и адаптирован для задачи распознавания информации о групповой успеваемости.

- Построен алгоритм двухэтапного распознавания информации групповой успеваемости, предназначенный для широкого класса устройств печати и сканирования.

- Разработана методика по исследованию эффективности предложенного алгоритма.

- Разработана ИУС мониторинга учебного процесса вуза (СМУСВ), зарегистрированная в Фонде алгоритмов и программ РФ.

- Система внедрена на всех факультетах МИРЭА, а также, в ВГТА, о чем свидетельствуют акты об использовании.

- Эффективность первичного ввода групповой успеваемости многократно повысилась в результате автоматизации.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. В.К.Григорьев, А.В.Грушин «Методика автоматизированной обработки зачетно-экзаменационных ведомостей в полнофункциональной ИУС Деканат», М: Известия высших учебных заведений. Электроника №6 2008 г. стр. 71-78 (список ВАК).

2. ВХГригорьев, А.В.Групшн, А.А.Антонов «Оценка эффективности применения штрихкодовой технологии в ИУС Деканат МИРЭА», М: Известия высших учебных заведений. Электроника №5 2009 г. стр. 7784 (список ВАК).

3. В.К.Григорьев, А.В.Грушин, А.А.Антонов Регистрация отраслевого фонда алгоритмов и программ. Программно-инструментальный комплекс МИРЭА «Деканат». Номер отраслевой регистрации 4192 от 27.12.2004, номер государственной регистрации 50200500011 от 14.01.2005.

4. А.В.Грушин Уточненный алгоритм распознавания результатов ведомостей системы «Деканат» версии 2.0 Издание б-й научно-практической конференции НИИ «Восход». Москва 2006 год. Стр. 213-219.

5. А.В.Грушин «Инструментально-программная поддержка массовых операций в системе «Деканат» (практическая автоматизация бизнес-процессов деканата)» Издание 53-й научно-технической конференции МИРЭА часть 4, стр.72-78. Москва 2004 год.

6. A.A. Антонов, A.B. Грушин Базовые подсистемы программно-инструментального комплекса МИРЭА «Деканат». Издание 5-й научно-практической конференции НИИ «Восход». Москва 2005 год. стр.287-293.

7. В.К.Григорьев, А.А.Антонов, А.В.Грушин, Д.С.Зорин «Информационно-Управляющая Система «Мирэа-Деканат» Основные Принципы и Методы Реализации. Издание 54-й научно-технической конференции МИРЭА часть 1, стр. 115-121 Москва 2005 год.

8. А.В.Грушин, А.М.Семенов «Методика и инструментальные средства для оценки эффективности работы системы «Деканат» по мониторингу успеваемости» Издание 55-й научно-технической конференции МИРЭА часть 4, стр.37-41, Москва 2006 год.

9. В.К.Григорьев, О.А.Аксенов, А.А.Антонов, А.В.Грушин Методика определения качества обучающей компоненты информационно-

управляющей системы в процессе ее опытной эксплуатации // Международный журнал «Образовательные технологии и общество» Том 10. Номер 3. М.: Июль 2007 г. стр. 329-335.

Ю.В.К.Григорьев, А.В. Грушин «Полнофункциональная ИУС «Деканат» МИРЭА, базирующаяся на штрих-кодовой технологии». Журнал «Известия вузов Электроника», принята к публикации.

11.В.К.Григорьев., А.А.Антонов, А.В.Грушин, «Модель автоматической обработки опросов и ее реализация в виде программно-аппаратного комплекса». 56-я Научно-техническая конференция МИРЭА. Сборник трудов.Ч.1. Информационные технологии и системы. Вычислительная техника. - М., 2007, стр. 7-10.

12.А.В.Грушин Программный модуль сбора статистики ИУС «Деканат» по оценке эффективности работы системы Сборник трудов 8-й научно-практической конференции «Современные информационные технологии в управлении и образовании», НИИ «Восход», Москва 2009 год, стр.52-55.

Отпечатано в ООО «Компания Спутник+» ПД № 1-00007 от 25.09.2000 г. Подписано в печать 19.11.2009 Тираж 100 экз. Усл. п.л. 1,4 Печать авторефератов: 730-47-74,778-45-60

ОГЛАВЛЕНИЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ПРОЦЕССА МОНИТОРИНГА УЧЕБНОЙ ИНФОРМАЦИИ В ВУЗЕ И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1. ОБЗОР ПРОБЛЕМАТИКИ МОНИТОРИНГА УЧЕБНОЙ ИНФОРМАЦИИ В ВУЗЕ.

1.1.1. Документооборот вуза. Обзор существующих видов документооборота.

1.1.2. Анализ основных информационных потоков деканата вуза.

1.1.3. Сравнительный анализ организации электронного и бумажного документооборотов в вузе.

1.2. ВЫБОР МЕТОДИКИ МОНИТОРИНГА УЧЕБНОЙ ИНФОРМАЦИИ.

1.2.1. Обзор существующих систем автоматизации учебного процесса вуза.

1.2.1.1. Коммерческие разработки.

1.2.1.2. Самостоятельные разработки вузов.

1.2.2. Обзор основных методов компьютерного распознавания статических образов.

1.2.2.1. ПРИНЦИПЫ КЛАССИФИКАЦИИ МЕТОДОВ РАСПОЗНАВАНИЯ.

1.2.2.2. ИНТЕНСИОНАЛЬНЫЕ МЕТОДЫ.

1.2.2.3. ЭКСТЕНСИОНАЛЬНЫЕ МЕТОДЫ.

1.2.2.4. КРИТЕРИИ КАЧЕСТВА МЕТОДОВ РАСПОЗНАВАНИЯЪв

1.2.3. Вывод о применимости методов распознавания для задачи ввода первичной информации об успеваемости студентов.

1.2.4. Обзор методов штрихкодирования.

1.2.4.1. Общие сведения о штрихкодировании.

1.2.5. Структура одномерного штрихкода.

1.2.6. Структура двумерного штрихкода.

1.2.7. Структура RSS-кода.

1.2.8. Штрихкодовая символика ЕAN/UPС.

1.2.9. Штрихкодовая символика ITF-14.

1.2.10. Штрихкодовая символика Code 128.

1.2.11. 2D штрихкодовая символика PDF-417.

1.2.12. Результаты анализа стандартов штрихкодирования.

1.3. ВЫВОДЫ ПО ПЕРВОЙ ГЛАВЕ.

ГЛАВА 2. ГЕНЕРАЦИЯ МОДЕЛИ СИСТЕМЫ МОНИТОРИНГА УЧЕБНОЙ ИНФОРМАЦИИ.

2.1. МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ШАБЛОНА ДОКУМЕНТА ХРАНЕНИЯ УЧЕБНОЙ ИНФОРМАЦИИ.

2.2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ДВУХЭТАПНОГО АЛГОРИТМА ПОИСКА И РАСПОЗНАВАНИЯ ИНФОРМАЦИИ О

ПРОХОЖДЕНИИ СТУДЕНТАМИ КОНТРОЛЬНЫХ МЕРОПРИЯТИЙ.

2.2.1. Исследование методов обучения алгоритмов распознавания и выбор метода обучения посредством использования штрихкодирования

2.2.2. Итерационная разработка алгоритма.

2.2.3. Исследование полученного алгоритма и выявление его недостатков.

2.2.4. Уточненная версия алгоритма распознавания.

2.3. ВЫВОДЫ ПО ВТОРОЙ ГЛАВЕ.

ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ МОНИТОРИНГА УСПЕВАЕМОСТИ СТУДЕНТОВ ВУЗА.

3.1. РАЗРАБОТКА СТРУКТУРЫ ДАННЫХ.

3.2. Проектирование модели СМУСВ.

3.3. РАЗРАБОТКА ИНТЕРФЕЙСА.

3.4. Проектирование интерфейса подсистемы.

3.4.1. Общая структура интерфейса СМУСВ.

3.4.2. Модель интерфейса модуля по выпуску ведомостей.

3.4.3. Модель интерфейса модуля по аннулированию ведомостей, которые по каким-либо причинам не были закрыты.

3.4.4. Модель интерфейса модуля по приему ведомостей.

3.4.5. Модель интерфейса модуля по автоматизированному приему зачетно-экзаменационных листов.

3.4.6. Модель интерфейса модуля по приему зачетно-экзаменационных листов вручную.

3.5. Реализация.

3.5.1. Обзор средств реализации.

3.5.1.1. Обоснование выбора среды разработки.

3.5.1.2. Основные возможности среды разработки Delphi 6.

3.5.1.3. Обоснование выбора Inter base 7.1.

3.5.1.4. Основные возможности Interbase 7.1.

3.5.2. Физическая модель базы данных.

3.5.3. Реализация программных модулей.

3.5.3.1. Реализация модуля распознавания результатов ведомостей.

3.5.3.2. Реализация модуля по выпуску ведомостей.

3.5.3.3. Модуль приема зачетно-экзаменационных листов через сканирование.

3.5.3.4. Модуль приема зачетно-экзаменационных листов вручную

3.5.4. Реализация интерфейса.

3.5.4.1. Реализация интерфейса структуры меню.

3.5.4.2. Реализация интерфейса по выпуску ведомостей.

3.5.4.3. Реализация интерфейса по аннулированию ведомостей

3.5.4.4. Реализация интерфейса по приему ведомостей.

3.5.4.5. Реализация интерфейса по приему зачетно-экзаменационных листов с помощью сканера штрихкода.

3.5.4.6. Реализация интерфейса по приему зачетно-экзаменационных листов вручную.

ГЛАВА 4. РАЗРАБОТКА МЕТОДИКИ ПО ОЦЕНКЕ ЭФФЕКТИВНОСТИ СМУСВ.

4.1. ЦЕЛИ И ЗАДАЧИ ОЦЕНКИ ЭФФЕКТИВНОСТИ.

4.2. МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ.

4.3. ОПИСАНИЕ МЕТОДИКИ.

4.3.1. Пример сбора и анализа статистики при мониторинге групповой успеваемости студентов.

4.4. СТАТИСТИЧЕСКИЕ ДАННЫЕ ПО СКОРОСТИ.

4.5. ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ.

Доминирующей тенденцией дальнейшего развития современной цивилизации является переход от постиндустриального к информационному обществу, в котором объектами и результатами труда большей части населения станут информационные ресурсы и научные знания. Одной из характерных особенностей современного этапа научно-технического прогресса и становления "информационного общества" является широкое использование автоматизированных информационных систем [1,2,3]. Большинство из них являются диалоговыми, т.е. взаимодействуют с пользователем посредством человеко-машинного интерфейса. Задача разработчиков интерфейсов -максимально приблизить интерфейс к предметной области, потому что от того, насколько качественно организовано человеко-машинное взаимодействие, напрямую зависит эффективность информационной системы (ИС) [16].

Одним из активно развивающихся направлений информационных систем является класс систем автоматизации учебного процесса вузов. Их разработкой занимаются как зарубежные (SAP), так и отечественные (1С) фирмы [4,5,6]. Однако вузы - это уникальные учреждения с множеством индивидуальных особенностей. Общее решение, как правило, избыточно и сложно настраивается при устоявшемся принципе ведения документооборота. Технические вузы, выпускающие специалистов в этой области, часто сами решают свои проблемы автоматизации, внедряя собственные разработки [713], чем дополнительно /повышают качество выпускаемых специалистов и работников высших квалификаций, привлекая их к проектированию и разработке информационных систем.

Анализ информационных потоков вуза позволяет выбрать подразделения вуза, для которых применение quick решений наиболее эффективно[17]. Самыми значительными информационными потоками в учебной деятельности вуза являются потоки информации о студентах, о книгах в библиотеках, об учебных дисциплинах, о преподавателях. Именно в месте взаимодействия и пересечения этих потоков происходит рождение большого объема новой информации [18]. Выделим здесь информацию об успеваемости студента. Процесс, который порождает эту информацию, имеет название «Сессия», а службой, где фиксируется эта информация, является деканат. Учет успеваемости в вузах, как правило, производится на уровне групп, поэтому используются документы по учету групповой успеваемости [19].

Информация об успеваемости студентов является наиболее объемной среди всех видов информации, обрабатываемых деканатом, потому что она является прямым произведением числа студентов и числа контрольных мероприятий для каждого учебного семестра. Поэтому первичный ввод информации об успеваемости в информационную систему - один из важнейших участков автоматизации.

Табл.1.1. Результаты анализа систем автоматизации учебного процесса с точки зрения первичного ввода информации об успеваемости.

Название фирмы/вуза Мониторинг учебного процесса Автоматизация первичного ввода информации об успеваемости

1С и Комкон :вуз +

Система управления обучением Oracle +

Abbyy FineReader — Универсальные шаблоны

РЭА им.Плеханова + с 2006 года

МГТУ им. Баумана + Электронный документооборот

Московский государственный индустриальный университет +

Уральская государственная юридическая академия + —

Новосибирский государственный университет + —

Петрозаводский — —

Название фирмы/вуза Мониторинг учебного процесса Автоматизация первичного ввода информации об успеваемости государственный университет

Архангельский государственный технический университет + с 2006 года

Результаты, представленные в Ошибка! Источник ссылки не найден. 1, показывают, что организация первичного ввода информации об успеваемости автоматизирована наименьшим образом.

Базовый принцип работающих информационных систем гласит: «Информация должна попадать в систему в месте ее возникновения без промежуточных звеньев». Помимо существенного замедления работы, именно в момент первичного ручного ввода информации из большого числа однотипных документов с данными об успеваемости, вероятность ошибок, вызванных человеческим фактором, наиболее высока.

Поэтому исследование процесса первичного ввода информации об успеваемости, а также создание решения, которое позволило бы снизить человеческий, фактор, обеспечив автоматизированный и непосредственный ввод результатов успеваемости в информационную систему, является актуальной задачей, требующей как теоретических исследований, так и практической реализации. От эффективности этого процесса зависит качество всей разрабатываемой системы.

Цель диссертационной работы состоит в повышении эффективности мониторинга успеваемости студентов вуза.

Для достижения поставленной цели в диссертации необходимо провести следующие исследования и-решить следующие задачи:

- рассмотреть и классифицировать типы первичной информации об успеваемости;

- построить формальную модель первичного ввода информации, исследовать методы первичного ввода информации об успеваемости, выделить элементы, позволяющие повысить качество ввода информации;

- проанализировать и экспериментально исследовать применимость различных методов компьютерного распознавания статических образов к задачам мониторинга успеваемости;

- разработать метод распознавания первичной информации групповой успеваемости, а также на его основе построить и экспериментально исследовать алгоритм распознавания информации групповой успеваемости, устойчивый для различных устройств ввода-вывода;

- разработать и реализовать систему мониторинга успеваемости студентов вуза (СМУСВ) на основе предложенного алгоритма;

- исследовать эффективность процесса распознавания первичной информации об успеваемости в информационной системе вуза.

Объектом исследования является мониторинг успеваемости студентов - процесс переноса в информационную систему результатов сдачи студентами контрольных мероприятий учебного плана, а также определение эффективности человеко-машинного взаимодействия при мониторинге успеваемости.

Основные методы исследования

Для решения поставленных задач в работе проводится анализ и экспериментальное исследование существующих методов компьютерного распознавания образов (Поспелов Д.А., БарабашЮ.Л, Васильев В.И, Горелик А.Л., Скрипкин В.А., Дуда Р., Харт П., Кузин Л.Т., Перегудов Ф.И., Тарасенко Ф.П., Темников Ф.Е., Ту Дж., Гонсалес Р., Уинстон П., Фу К., Цыпкин Я.З.), стандартов штрихкодирования, методов моделирования диалоговых интерфейсов (Кульба В.В), а также методов-оценок эффективности работы АИУС. Используются преобразования , линейной алгебры, математическая статистика и теория объектно-ориентированного программирования.

Научная новизна работы состоит в следующем:

- развит метод распознавания «Сравнение с прототипом» посредством быстрого поиска прототипа на основе штрихкодирования для задачи распознавания информации о групповой успеваемости;

- предложен алгоритм двухэтапного распознавания информации групповой успеваемости, предназначенный для широкого класса устройств печати и сканирования;

- построена методика по исследованию эффективности предложенного алгоритма.

Предложенные методы и алгоритмы зарегистрированы в Государственном Отраслевом фонде алгоритмов и программ - ОФАП. Номер отраслевой регистрации 4192 от 27.12.2004 г., номер Государственной регистрации 50200500011 от 14.01.2005 г.

Практическая ценность состоит в разработке программного обеспечения для первичного ввода информации групповой успеваемости на основе предложенного алгоритма двухэтапного распознавания и его использования при разработке СМУСВ, в повышении эффективности ввода первичной информации об успеваемости в 3 раза по сравнению с учетом вручную. Указанные решения реализованы и внедрены в системах управления учебным процессом в Московском Государственном институте радиотехники, электроники, и автоматики (МИРЭА), а также, в Воронежской государственной технологической академии, о чем свидетельствуют акты об использовании.

Апробация работы

Основные результаты работы доложены на научно-практической конференции студентов и молодых ученых, Dortmund, Germany, 2006 год, на конференции «Информационные технологии в науке, технике и образовании», Абхазия, Пицунда, 2007 год; на научно-практических конференциях "Современные электронные технологии в образовании" ФГУП НИИ "Восход" в 2005, 2006 гг., на научно-практических конференциях МИРЭА в 2006-2009 гг. Данная работа демонстрировалась на выставках "Hannover-Messe" 2007, 2009 Germany, Hannover и "НТТМ-2006" Россия, Москва, ВВЦ.

Публикации

Результаты теоретических и прикладных исследований опубликованы в 11 научных статьях, из них две в журналах из списка ВАКа. По теме диссертации получены 2 свидетельства о регистрации программ для ЭВМ в "Государственном фонде алгоритмов и программ РФ".

4.5. ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ

В главе была предложена и разработана методика исследования качества предложенного алгоритма в процессе опытной эксплуатации и приведены результаты этого исследования на большом статистическом материале, чем подтверждается успешность метода и предложенного алгоритма.

Полученный инструментарий позволяет исследовать эффективность функционирования информационной системы в естественных условиях ее штатной работы.

ЗАКЛЮЧЕНИЕ

В ходе диссертационного исследования была рассмотрена проблема математического описания и разработки математического обеспечения мониторинга успеваемости студентов вуза. Для достижения указанной цели в работе были решены следующие задачи:

- Предложена модель представления документов о прохождении контрольных мероприятий

- Предложен и разработан алгоритм быстрого поиска прототипа на основе методов штрихкодирования

- Предложен и разработан метод двухэтапного поиска и распознавания информации о прохождении студентами контрольных мероприятий

- Предложена методика по исследованию эффективности предложенного метода, которая подтверждена экспериментальными исследованиями

- Разработана ИУС мониторинга учебного процесса вуза (СМУСВ), зарегистрированная в Фонде алгоритмов и программ РФ

- Система внедрена на всех факультетах института МИРЭА, о чем свидетельствуют акты о внедрении. Также разработка может быть использована другими вузами при решении их задач автоматизации.

- Эффективность процесса мониторинга успеваемости студентов многократно повысилась в результате автоматизации: исчезли очереди студентов в деканаты в период сессий, уменьшилось количество ошибок.

Проведенные исследования, показали, что. предложенные модели и методы имеют практическое применение и могут использоваться в качестве базы для создания систем автоматизации учебного процесса вуза.

Результаты разработки докладывались на нескольких различных научно-практических конференциях, выставлялись на выставках «Hannover-messe 2007» (Германия), НТТМ-2006, НТТМ-2007 (Россия) и используются учебном процессе нескольких вузов, о чем имеются акты о внедрении.

По теме диссертации автором опубликовано 12 работ и получено свидетельство о регистрации.

СЛОВАРЬ СОКРАЩЕНИЙ

Сокращение Значение

1 БД База данных

2 СМУСВ Система мониторинга успеваемости студентов вуза

3 КМ Контрольное мероприятие

4 КМУП Контрольные мероприятия учебного плана

5 ИУС Информационно-управляющая система

6 IB Interbase

7 СУБД Система управления базами данных

8 quick- Быстрое решение по автоматизации наиболее узкого решение участка производства

9 АВО Алгоритмы вычисления оценок

1. К.К.Колин. Фундаментальные основы информатики: социальная информатика. Изд-во «Академический проект». М., 2000, 360 стр.

2. К.К.Колин. Глобальные проблемы информатизации: информационное неравенство. «Alma mater» (Вестник высшей школы). М., 2000, #6.

3. К.К.Колин. Россия на пути в информационное общество. «Библиотековедение». Изд-во РГБ «Пашков дом». М., 2009 год, #3.

4. Официальный сайт «Комкон»: http://www.komkon.ru/dekanat8.htm

5. Oracle in Higher Education: http://www.oracle.com/industries/education/ highered.html

6. Abbyy Finereader Engine: http://www.abbyy.ru/finereader engine/

7. Официальный сайт РЭА им.Плеханова: http://www.rea.ru

8. Официальный сайт МГТУ им Н.Э.Баумана http://www.bmstu.ru/

9. Официальный сайт московского государственного индустриального университета: http://www.msiu.ru/

10. Официальный сайт Уральской государственной юридической академии http://www.usla.ru/

11. Официальный сайт новосибирского государственного технического университета: http .7/www.nstu.ru/

12. Официальный сайт петрозаводского государственного университета: http://petrsu.karelia.ru/

13. Официальный сайт архангельского государственного технического университета: http://www.agtu.ru/

14. А.М.Довгялло, В.И.Брановицкий, К.П.Вершинин Диалоговые системы современное состояние и перспективы развития. Киев Наукова думка 1987г. 248 с

15. Н.А.Кузнецов, В.В.Кульба, С.С.Ковалевский, С.А Косяченко. Методы анализа и синтеза модульных информационно-управляющих систем. М: ФИЗМАТЛИТ, 2002.

16. В.К.Григорьев «Модель обучения массовых профессиональныхпользователей информационно-управляющих систем» // Открытое образование. 2009. - N 1. - С. 10-14

17. Барабаш Ю.Л. «Вопросы статистической теории распознавания» М. Советское радио 1967г. 400 с

18. Васильев В.И. «Проблемы обучения распознаванию образов. Принципы, алгоритмы реализация», Киев. ВШ.1989.

19. Горелик А.Д., Скрипкин В.А. «Методы распознавания», Учебное пособие для вузов. М.: ВШ. 1989.-231с.

20. Ту Дж., Гонсалес Р. «Принципы распознавания образов» Изд. Мир, М.,1978.-411с.

21. Фор А. Восприятие и распознавание образов. С фр. М.: Машиностроение. 1989.-272С.

22. Вишняков Ю.М., Кодачигов В.И., Родзин С.И. Учебно-методическое пособие для самостоятельной работы по курсам "Системы искусственного интеллекта", "Методы распознавания образов". Таганрог: Изд-во ТРТУ, 1999г. 132с.

23. Дуда Р., ХартП. «Распознавание образов и анализ сцен» М.: Мир 1976

24. Перегудов Ф.И.,Тарасенко Ф.П. Введение в системный анализ: Учеб. Пособие для вузов. М.:Высш.шк., 1989. - С.203-268.

25. Темников Ф.Е. Теоретические основы информационной техники. -М.: Энергия, 1979.-511с.

26. Уинстон П. Искусственный интеллект/Пер.с англ., -М.: Мир, 1980. -520с.

27. Фу К. Структурные методы в распознавании образов /Пер.с англ. -М.: Мир, 1977. -320с.

28. Цыпкин Я.З. Основы информационной теории идентификации. -М.: Наука, 1984.

29. Луценко Е.В. Универсальная автоматизированная система распознавания образов "Эйдос" (версия 4.1).-Краснодар: ЮОИ МВД РФ, 1995.- 76с.

30. Луценко Е.В. Математическая модель автоматизированной системы распознавания образов, Сб.тезисов докладов VIII Всесоюзного съезда психологов.-М.: Наука, 1989. -С.25-26.

31. Бор Н. Атомная физика и человеческое познание. /Пер.с англ., -М.: Мир, 1961. -151с.

32. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов Монография (научное издание). — Краснодар: ТУ КубГТУ, 1999. 318с.

33. В.К.Григорьев, А.А.Антонов, А.В.Грушин, Д.С.Зорин «Информационно-Управляющая Система «Мирэа-Деканат» Основные Принципы и Методы Реализации. Издание 54-й. научно-технической конференции МИРЭА часть 1, стр. 115-121 Москва 2005 год.

34. В.К.Григорьев, А.В.Грушин «Методика автоматизированной обработки зачетно-экзаменационных ведомостей в полнофункциональной ИУС Деканат», М: Известия высших учебных заведений. Электроника №6 2008 г. стр. 71-78 (список ВАК)

35. В.К.Григорьев, А.В.Грушин, А.А.Антонов «Применение штрихкодовой технологии в полнофункциональной ИУС «Деканат» МИРЭА и оценка эффективности использования системы», М: Известия высших учебных заведений. Электроника №5 2009 г. стр. 77-84 (список ВАК)

36. А.В.Грушин «Инструментально-программная поддержка массовых операций в системе «Деканат» (практическая автоматизация бизнес-процессов деканата).» Издание 53-й научно-технической конференции МИРЭА часть 4, стр.72-78. Москва 2004 год.

37. В.К.Григорьев, А.В.Грушин, А.А.Антонов, Д.С.Зорин Регистрация отраслевого фонда алгоритмов и программ. Программно-инструментальный комплекс МИРЭА «Деканат». Номер отраслевой регистрации: 4192, Дата регистрации: 27.12.2004 года.

38. В.К.Григорьев, А.В.Грушин, А.А.Антонов, Д.С.Зорин Регистрация отраслевого фонда алгоритмов и программ. Программно-инструментальный комплекс МИРЭА «Деканат». Номер государственной регистрации: 50200500011, Дата регистрации: 14.01.2005.

39. А.А.Антонов, А.В.Грушин Базовые подсистемы программно-инструментального комплекса МИРЭА «Деканат». Издание 5-й научно-практической конференции НИИ «Восход». Москва 2005 год. стр. 287-293

40. А.В.Грушин Уточненный алгоритм распознавания результатов ведомостей системы «Деканат» версии 2.0 Издание 6-й научно-практической конференции НИИ «Восход». Москва 2006 год. Стр. 213-219

41. А.В.Грушин, А.М.Семенов «Методика и инструментальные средства для оценки эффективности работы системы «Деканат» по мониторингу123успеваемости» Издание 55-й научно-технической конференции МИРЭА часть 4, стр.37-41, Москва 2006 год.

42. Проблемы безопасного применения ЭЦП в системах электронногодокументооборота. Журнал «Информационная безопасность» #5, 2007 год. http://www.itsec.ru/newstext.php7news id=28726&format=printer-friendly

43. Агафонова В.В. Интерфейсы информационных систем в экономике. М: Финансы и статистика, 2003.

44. Бауэр В. Введение в теорию конечных автоматов. М.: Радио и связь, 1987.

45. Брунер Дж. О познавательном развитии//Исследование развития познавательной деятельности. М. 1971

46. Бусленко Н.П. Моделирование систем. —М.: Наука, 1978.

47. Вертгеймер М. Продуктивное мышление. М.: Мир, 1983.

48. Гайдамакин Н.А. Автоматизированные информационные системы, базы и банки данных. М.: Гелиос, 2007.

49. Гриф М.Г. Современные методы проектирования информационно-управляющих систем: Учеб пособие.- Новосибирск: Изд-во НГТУ, 2003.

50. Губинский А.И. Надежность и качество функционирования эргатических систем. Л.: Наука, 1982.

51. Губинский А.И., Евграфов В.Г. Информационно-управляющие человеко-машинные системы: исследование, проектирование, испытания: Справочник. М.: Машиностроение, 1993.

52. Гультяев А.К. Help. Разработка справочных систем. Учебный курс. СПб: Питер, 2004.

53. Гурвиц М., Мак Кейб Лора. Использованием Macromedia Flash MX. Специальное издание. Пер. с англ. М.: Издательский дом "Вильяме", 2003.

54. Дейкстра Э. Дисциплина программирования. М: Мир, 1978.

55. Дейт Дж. Введение в системы баз данных 7. изд. М. - и др.: Вильяме, 2001.

56. Ильин Г.Л. Философия образования, идея непрерывности, М.: Вузовская книга, 2002.

57. Котов В.Е. Сети Петри. М.: Наука, 1984.

58. Криницкий Н.А., Миронов Г.А., Фролов Г.Д. Автоматизированные информационные системы. М.: Наука, 1982.

59. Леонтьев А.Н. Деятельность, сознание, личность. М. Политиздат, 1975

60. Леффингуэлл Д., Уилдриг Д. Принципы работы с требованиями к программному обеспечению. Унифицированный подход. Пер. с англ. М.: Издательский дом "Вильяме" 2002.

61. Микрин Е.А. Предложения по проектированию новых компонентов и технологий информационно-управляющих систем PICK "Энергия". М.:ИПУ РАН, 2003

62. Поспелов Г.С., Ириков В.А. Системно-программное планирование. -М.: Советское радио, 1975. —380с.

63. Поспелов Д. А. Десять «горячих точек» в исследованиях по искусственному интеллекту Опубликовано в: Интеллектуальные системы (МГУ). — 1996. — Т.1, вып. 1-4. — С.47-56.

64. Поспелов Д. А. История искусственного интеллекта до середины 80-х годов //Новости искусственного интеллекта, 1994, № 4, с. 74-95.

65. Прикладная статистика: Классификация и снижение размерности: Справочник. / Под ред. С.А.Айвазяна. -М.: Финансы и статистика, 1989. -450с.

66. Теория прогнозирования и принятия решений /Под ред. С.А.Саркисяна. -М.: Высшая школа, 1977. -220с.

67. Фешберн П. Теория полезности для принятия решений.-М.:Наука,1978. -120с.

68. Френкель А.А., Бар-Хиллел, Основания теории множеств, -М., 1966. -238с.

69. Шнейдерман Б., Психология программирования (Человеческие факторы в вычислительных и информационных системах). /Пер с англ., -М.: Радио и связь, 1984. -303с.

70. Юдин Д.Б. Математические методы управления в условиях неполной информации.-М.: Советское радио, 1974.-120с.

71. Павлов И.П. Полное собрание сочинений. М. Госкомиздат, 1951.

72. Петров В.Н. Информационные системы. СПб, Питер, 2002.

73. Пиаже Ж. Избранные психологические труды. М., 1994

74. Питерсон Дж. Теория сетей Петри и моделирование систем: Пер. с англ. М: Мир, 1984.

75. Раскин Дж. Интерфейс: новые направления в проектировании компьютерных систем. Пер. с англ. СПб: Символ-Плюс, 2008.

76. Савельев А .Я. Прикладная теория цифровых автоматов. М: Высшая школа, 1987.

77. Саливан Эд. Время деньги, Создание команды разработчиков программного обеспечения/Пер. с англ. М: Издательско-торговый дом "Русская редакция", 2005.

78. Скутин А. А. Разработка и реализация математической модели корпоративной информационной системы. Дис. на соиск. уч. степ, к.т.н. спец. 05.13.01,Томский гос. ун-т, 2002.

79. Уэно X., Кояма Т., Окамото Т. и др. Представление и использование знаний: Пер. с япон. М.:Мир, 1989.

80. Филлипс Д.Т., Гарсиа-Диас А. Методы анализа сетей, пер. с англ. М.: Мир, 1984.

81. Харрари Ф. Теория графов. Пер. с англ., 2-е издание. М.: УРСС, 2005.

82. Царегородцев А.В. Теоретические основы построения информационных систем. М: РУДН, 2008.

83. Чеппел Д. Технологии ActiveX и OLE. Пер. с англ. М.: Издательский отдел "Русская редакция", 1997.

84. Щукина Г.И. Проблема познавательного интереса в педагогике. М. Педагогика, 1971.

85. Boehm Barry. A spiral Model of Software Development and Enhancement. IEEE Computer 21,15, May, 1988, pp. 61-72.

86. Codd E.E. A relational model for large shared data banks. Comm ACM 13.6, 1970, pp. 377-387.

87. Crad, Stuard K., Thomas P. Moran, Allen Newell. The Psychology of Human-Computer Interaction. Hillsdale, NJ: Lawrence Erlbaum Associates, 1983.

88. Crad, Stuard К., Thomas P. Moran, and Allen Newell. The Psychology of Human-Computer Interaction. Hillsdale, NJ: Lawrence Erlbaum Associates, 1983.

89. Grigoriev V.K. ITS required component of Front Office Applications for Teaching Mass Professional Users. IEEE Educational Technology & Society 6(3), 2003, pp. 139-154.

90. Grigoriev V.K. The computer tutor for mass professional users. IEEE Inter. Conference on Advanced Learning Technologies, 2002, pp. 379-383

91. Grigoriev V.K., Krichevec A.N. A correlation connecting educational methods and types of users. IEEE Educational Technology & Society 6(4), 2003, pp. 194-203.

92. Kruchten P. The 4+1 View of Architecture. IEEE Software 12,6. November, 1995, pp. 45-50.

93. Lian A., Transfer and technology in education: toward a complete learning environment. IEEE Educational Technology & Society 3(3), 2000, pp. 13-26.

94. Watson H., Kroeberg D. Computer Based Information Systems. A management approach. Addison-Wesley, 1984,

95. Автоматизированные системы управления в народном хозяйстве / Под ред. В.С.Синяка. -М.: Экономика, 1987.-125с.

96. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей: Справочник. -М.: Финансы и статистика, 1985. -182с.

97. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных: Справочник. -М.: Финансы и статистика, 1983. -225с.

98. Айзерман М.А., Завалишин Н.В., Рятницкий Е.С. Глобальные функции множеств в теории выбора альтернатив //Автоматика и телемеханика. 1977.№3. —С.111—125;№5-С.103-113.

99. Амамия, М., Танака Ю. Архитектура ЭВМ и искусственный интеллект. /Пер. с японского. -М.: Мир, 1993. -310с.128

100. Андреев Н.И. Теория статистически оптимальных систем управления. -М.: Наука, 1980.-155с.

101. Антонюк Б.Д. Информационные системы в управлении. М.: Радио и связь, 1986.-125с.

102. Бакурадзе JI.A., Луценко Е.В. Автоматический универсальный пульт управления и способ взаимодействия человека-оператора с ним, материалы заявки на изобретение, Спец.отчет. 1979ю-15с.

103. Бакурадзе Л.А., Луценко Е.В. Теоретические основы синтеза квазибиологических роботов, Спец.отчет.-т.1,1980. -100с.; Спец.отчет.-т.2, 1980.-94с.

104. Борисов А.Н., Левченков А.С. Методы интерактивной оценки решений-Рига:3инатне,1982. -250с.

105. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. -М.: Наука, 1983. 464с.

106. Информационная система вуза Томского Государственного университета. Режим доступа: http ://www.inf.tsu.ru/WebDesign/fin£2.nsf/structurl/common sistem

107. Романов В.П., Кулешова E.A., Синельников И.Б АИС «Электронный Деканат» и проблема управления корпоративными знаниями вуза. ИТО-2003 / Секция IV : устное выступление и публикация. Режим доступа: http://ito.edu.ru/2003/IV/IV-0-173 5.html

108. Process of creating the European Higher Education Area. Режим доступа: http://w\vw.ond.vlaanderen.be/hogeronderwiis/bologna

109. Алексей Голосов, Ирина Полотнюк «Реформа образования и информатизация в вузах» журнал «Открытые системы» #01/2007

110. В.М. Стасышин, директор ЦИУП, доц. каф. ПСиБД «Информатизация учебного процесса и система «Деканат» ТУ ИНФОРМ №2 (139), Март 2005 г

111. Е.П. Горелик, А.О. Петров, Е.Б. Рубцов «Система "АСУ Деканат" для автоматизации управления учебным процессом» Московский Авиационный Институт (Государственный технический университет) Режим доступа: http://nit.miem.edu.ni/2003/tezisv/articles/323.htm