автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Разработка моделей и методов опережающего интернет-обучения эксплуатационного персонала САПР

На правах рукописи

РАЗРАБОТКА МОДЕЛЕЙ И МЕТОДОВ ОПЕРЕЖАЮЩЕГО ИНТЕРНЕТ-ОБУЧЕНИЯ ЭКСПЛУАТАЦИОННОГО ПЕРСОНАЛА САПР

05.13.12 - Системы автоматизации проектирования (электротехника и энергетика)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Иваново 2004

Работа выполнена в Ивановском государственном энергетическом университете

Научный руководитель

кандидат технических наук, доцент Пантелеев Евгений Рафаилович

Официальные оппоненты:

доктор физ.-мат. наук, профессор Ясинский Федор Николаевич кандидат технических наук, доцент Голяков Сергей Михайлович

Ведущая организация: ОАО «Зарубежэнергопроект» г. Иваново

Защита диссертации состоится »\mjDJLX' 2004 года в'ч а сов на заседании диссертационного совета Д 212.064.02 при Ивановском государственном энергетическом университете по адресу: г. Иваново, ул. Рабфаковская, 34.

С диссертацией можно ознакомится в библиотеке Ивановского государственного энергетического университета.

Автореферат разослан 2004 года.

Учёный секретарь диссертационного совета

Общая характеристика работы

Актуальность темы исследования. По мнению специалистов, внедрение САПР в различные сферы инженерной деятельности имеет больший потенциал повышения производительности труда, чем все известные технические нововведения.

Сложность объектов проектирования постоянно возрастает. Примерами могут служить системы контроля и управления (СКУ) энергетических установок, а также системы контрольно-измерительных приборов и автоматики (КИПиА), относящиеся к классу многокомпонентных систем, которые характеризуются большим количеством и многообразием компонентов и связей. Одновременно с усложнением объектов усложняются задачи их проектирования.

Рост сложности объектов и задач проектирования ведет к повышению требований к уровню подготовки эксплуатационного персонала САПР. В настоящее время подготовка эксплуатационного персонала осуществляется либо путем самостоятельного освоения «учебных» версий САПР и изучения технической документации, либо при поддержке поставщиков САПР (специализированные платные курсы, «горячая линия»). Однако самостоятельное обучение не дает полного представления о функциональных возможностях и ключевых особенностях САПР применительно к отраслевой и организационной специфике проектной организации. Кроме того, оно, как правило, не предусмотрено графиком внедрения системы. Высокая стоимость очных курсов вынуждает руководителей предприятий, внедряющих САПР, ограничивать численность обучаемых (например, курс обучения работе с САПР-Альфа - разработчик АО «Аскон» - стоит 12 000 р., обучение с САПР компании Sprat Technologies — 1 500 р. на одного человека в день, курс обучения работе с САПР КОМПАС-ГРАФИК - 18 000 р.), а также проводить обучении уже после того, как система была закуплена. Эти недостатки замедляют процесс внедрения САПР, уменьшают эффективность их эксплуатации и замедляют возврат инвестиций.

Перечисленные факторы обусловили актуальность поиска новых форм опережающего обучения методам автоматизации проектирования. Наиболее перспективной формой обучения, потенциально способной разрешить проблему подготовки специалистов САПР (в комплексе с традиционными методами) как в качественном, так и в количественном аспекте, является Интернет-обучение. Системы Интернет-обучения обладают целым рядом преимуществ:

1. Относительная дешевизна (услуги Интернет-обучения в 3-5 раз дешевле).

2. Оперативность (любые коррективы в учебной программе Интернет-обучения становятся доступными мгновенно всем обучаемым).

3. Инвариантность к географическому положению обучаемого.

4. Асинхронный режим обучения (отсутствие обязательной привязки к определенному учебному графику).

Несмотря на отмеченные преимущества Интернет-обучения, как существующие системы общего назначения: (Прометей, ОРОКС, Доцент, Blackboard), так и специализированные системы обучения САПР (TRANSTEC - микроэлектроника) не отвечают требованиям опережающей подготовки. Они не предусматривают актуальной для опережающего обучения адаптации программ к персональным

целевым установкам и уровню подготовки обучаемого, так как в этих системах отсутствуют модели структурирования предметных знаний и методы динамической компоновки учебного материала, обеспечивающие указанные возможности.

Поэтому актуальна задача создания технологий опережающей подготовки эксплуатационного персонала САПР с применением методов Интернет-обучения, обеспечивающих возможности адаптации учебно-контролирующего материала программ подготовки специалистов в области САПР в соответствии с целевыми установками и персональными особенностями слушателя, и сокращения затрат на разработку программ подготовки за счет повторного использования информационных ресурсов.

Цель и задачи работы. Целью диссертационной работы является разработка комплекса моделей и методов, позволяющих обеспечить сокращение непроизводительных затрат на традиционные формы подготовки эксплуатационного персонала САПР за счет использования опережающего Интернет-обучения, а также повысить качество подготовки за счет целевой персональной настройки программ обучения.

Достижение поставленных целей требует решения следующих задач:

1. Анализ известных подходов к реализации систем Интернет-о бучения (как специализированных, так и общего назначения), определение области эффективного применения, а также формулирование требований к моделям и методам подготовки специалистов в области эксплуатации САПР на основе Интернет-обучения.

2. Разработка структурной модели описания знаний предметных областей САПР, позволяющей осуществлять: концептуальное моделирование предметной области знаний, представление динамической составляющей знаний, визуальное представление знаний.

3. Разработка модели обучаемого, учитывающей: персональные целевые установки обучения, текущий уровень знаний обучаемого.

4. Разработка метода реконструкции целевых установок обучаемого и структурного синтеза персональной программы подготовки.

5. Разработка метода адаптивной навигации в пределах учебного материала.

6. Разработка и экспериментальное исследование инструментальных средств проектирования и сопровождения программ обучения эксплуатационного персонала САПР.

Выполнение задачи 2 позволит сократить временные и финансовые затраты на разработку программ подготовки за счет повторного использования информационных ресурсов. Выполнение задач 3, 4 и 5 позволит снизить непроизводительные затраты и повысить качество обучения САПР за счет персонификации материала программ подготовки в соответствии с индивидуальными особенностями обучаемых на этапе опережающей подготовки.

Методы исследования. При решении поставленных задач в диссертационной работе использованы методы объектно-ориентированного программирования, теории графов и множеств, теории баз данных, теории пространств знаний, теории вероятности, теории построения информационных систем и искусственного интеллекта.

Научная новизна результатов исследования. Обоснованы и реализованы следующие методы, модели и средства автоматизации построения и персонали-зации программ Интернет - обучения САПР:

1. Трехзвенная модель предметных знаний отличается согласованным совместным использованием независимо структурированных компонентов описания предметных знаний - семантического (сеть знаний), структурного (сеть Петри) и визуального (многоаспектный каталог). Согласованность компонентов модели позволяет решать актуальные для опережающего обучения задачи реконструкции персональных целей и адаптивной навигации. Относительная обособленность компонентов позволяет распараллелить процесс и таким образом уменьшить время разработки программ.

2. Модель обучаемого, которая отличается учетом субъектных и объектных качеств обучаемого. Дуальная модель создает информационные предпосылки для решения задачи реконструкции персональных целей обучения и настройки содержимого программ в функции текущего состояния знаний обучаемого.

3. Метод идентификации целей обучения и синтеза программы подготовки, основанный на продукционной обработке результатов навигационной статистики и инверсном моделировании учебной программы сетью Петри. Метод отличается согласованным учетом структуры и семантики учебного материала. Применение метода позволяет ограничить структуру программы подготовки подмножеством учебных модулей, релевантных персональным целям и текущему состоянию знаний обучаемого.

4. Метод адаптивной настройки навигационных предпочтений по содержанию курсов обучения, основанный на вероятностной модели прогноза, реализованной в виде однослойной искусственной нейронной сети (ИНС). Метод заключается в ранжировании разделов программы в соответствии с текущим состоянием знаний и персональными целями обучения. Отличие предложенного метода заключается в мониторинге динамических характеристик профиля знаний обучаемого - отслеживании изменений профиля знаний с течением времени. Это позволяет строить для каждого обучаемого персонифицированную траекторию освоения материала.

На защиту выносятся:

1. Модель предметных знаний.

2. Модель обучаемого.

3. Метод идентификации целей обучения и синтеза программ подготовки.

4. Метод адаптивной настройки навигационных предпочтений.

Практическая ценность результатов работы определяется:

1. Снижением сроков разработки курсов Интернет-обучения САПР и затрат на разработку курсов за счет многоаспектного структурирования учебного материала и повторного использования компонентов знаний;

2. Сокращением непроизводительных затрат на очное обучение, за счет применения опережающей подготовки персонала САПР;

3. Повышением качества обучения за счет применения методов реконструкции целей обучения и адаптации структуры и содержания курсов к текущему уровню предметных знаний обучаемых.

Реализация и внедрение результатов исследований. Диссертационная работа выполнялась при поддержке следующих научно-технических программ (НТП) и грантов:

1. НТП «Инновации в высшей школе и введение интеллектуальной собственности в хозяйственный оборот», подпрограмма «Активизация инновационной деятельности в научно - технической сфере».

2. НТП «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее потенциала», подпрограмма «307. Развитие региональной инфраструктуры научно-инновационной деятельности высшей школы в образовательной и научно-технической сферах».

3. Гранта Национального Фонда Науки, США #0310576 Директората по Образованию и Людским Ресурсам (NSF Directorate for Education and Human Resources) под эгидой проекта CCLI: Individualized Exercises for Assessment and Self-Assessment of Programming Knowledge: QuizPACK.

Основные научные и практические результаты работа реализованы в виде программно методического комплекса и внедрены:

• в Филиале «Хозрасчетный участок пусконаладочных работ» ОАО «Мосэнер-гомонтаж» с 3 марта 2003г,

• в учебном центре «Стиплер-Графике», г. Москва с 9 марта 2004г;

• на кафедре безопасности жизнедеятельности ИГЭУ.

А также использованы автором в учебном процессе:

• факультета компьютерных наук Техасского университета в Далласе (Computer Science Department, University of Texas at Dallas) для Интернет-обучения студен -тов магистратуры по курсу «Системы баз данных» (CS6360 Database systems);

• факультета информатики Питтсбургского университета (University of Pittsburgh) для обучения студентов младших курсов программированию на языке Си.

Апробация работы. Основные положения диссертационной работы доложены на международных научно-технических конференциях:

1. SIGCSE 2004 The 35th Technical Symposium on Computer Science Education, Norfolk, VA USA.

2. ASEE annual conference 2003, Nashville, TN USA.

3. «Образовательные технологии», Воронеж, 2001.

4. «Состояние и перспективы развития электротехнологий X Бенардосовские чтения». Иваново, 2001.

5. «Современное состояние, проблемы и перспективы развития российской экономики» (III Кондратьевские чтения). Иваново, 2000.

6. "Информационная среда вуза", Иваново, 2000.

Публикации. По теме диссертации опубликовано 12 печатных работ. Структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 99 наименований и включает 122 страницы основного текста, 40 рисунков и 11 таблиц.

Содержание работы

Введение определяет цели и задачи исследования, обоснована актуальность выбранной темы, сформулированы новые научные результаты, перечислены положения, выносящиеся на защиту.

Первая глава посвящена анализу перспектив использования технологий Интернет-обучения (ТИО) для подготовки персонала САПР и формулированию задач исследования. Выявлены преимущества и область эффективного применения ТИО. Сформулированы требования к ТИО, выполнен анализ, существующих

методов и подходов к реализации этой формы обучения с точки зрения сформулированных требований. Определены цели и задачи исследования.

Анализ традиционных подходов к подготовке эксплуатационного персонала САПР позволил выявить следующие недостатки:

• структура учебных планов энергетических специальностей вузов не предусматривает изучения технологий автоматизации проектирования, поэтому начало подготовки эксплуатационного персонала САПР совпадает с моментом его приема на работу;

• высокая стоимость подготовки на базе учебных центров не позволяет охватить обучением большую часть персонала, по этой же причине обучение по данной форме обычно совпадает во времени с моментом начала внедрения САПР;

• самостоятельная подготовка персонала проектной организации, как правило, не обеспечивается необходимыми временными и финансовыми ресурсами и поэтому реализует метод проб и ошибок, что неоправданно затягивает начало эффективной эксплуатации САПР.

Таким образом, любая из известных на сегодняшний день форм подготовки персонала САПР характеризуется наличием существенного временного интервала между приобретением САПР (и/или наймом персонала) и началом эффективной эксплуатации системы. Сокращение этого интервала, с учетом высокой стоимости и сложности современных САПР представляет собой весьма актуальную задачу.

Решение упомянутой проблемы возможно путем организации подготовки, предшествующей закупке технологии АП и/или найму персонала (далее - опережающей подготовки). Выполненный в работе анализ показал, что наиболее адекватной платформой для реализации идеи опережающей подготовки является Интернет-обучение персонала САПР:

• Во-первых, специфика автоматизированного проектирования, основанного на замене реальных объектов их компьютерными моделями, делает ТИО естественным элементом профессиональной среды персонала САПР. Характерным примером сближения Интернет-технологий и САПР является появление форматов обмена проектными данными через Интернет и создание распределенных компонентных моделей сред проектирования.

• Во-вторых, относительная дешевизна (или бесплатность, с учетом заинтересованности поставщика САПР в формировании рынка сбыта) этой формы подготовки позволяет начать обучение до приобретения САПР и/или найма персонала и вовлечь в этот процесс большую часть персонала. Это способствует сокращению потерь времени на обучение персонала в процессе внедрения.

• В-третьих, ТИО обладают значительным потенциалом открытости, то есть способностью удовлетворить образовательные потребности подготовки персонала САПР независимо от места и времени обучения, а также с учетом отраслевой и организационной специфики и персональных качеств обучаемого.

В результате анализа выявлены основные требования к методам опережающего Интернет-обучения применительно к задачам подготовки персонала САПР:

• возможность восстановления персональных целей подготовки, что обусловлено различными целевыми установками и информационными потребностями обучаемых;

• возможность адаптации учебного материала в соответствии с целями обучения и персональными особенностями обучаемого, что обусловлено отсутствием «живых» контактов с преподавателем.

Кроме того, выявлены проблемы использования технологий Интернет-обучения, обусловленные опережающим характером подготовки. Эта проблема заключается в том что:

• не специфицированы персональные цели подготовки;

• отсутствует априорная информация об уровне профессиональных знаний и способностей обучаемого;

• в силу указанных обстоятельств ограничены возможности использования активных форм диагностирования результатов подготовки (тестов);

Наличие методов эффективного решения упомянутых проблем опережающей подготовки также является существенным требованием к Интернет-технологиям обучения. Анализ существующих ТИО выявил, что они не отвечают требованиям опережающей подготовки персонала САПР, так как:

• в большинстве случаев ТИО не формализуют цели подготовки; если такой формализм существует, предполагается, что модель определена и параметризована априорно; задача реконструкции целей, характерная для опережающей подготовки, не ставится;

• информация об уровне профессиональных знаний обучаемого не используется в целях адаптации учебно-контролирующего материала; единственным источником этой информации являются результаты активной диагностики (тестов); методы реконструкции состояния персональных знаний в условиях характерного для опережающей подготовки ограничения на использование активных форм контроля не разработаны;

• применение активных форм обучения, способствующих формированию практических навыков использования программно-информационных средств САПР, в известных ТИО не распространено.

Проделанный анализ позволяет констатировать, что нишей наиболее рационального использования ТИО является опережающая подготовка персонала САПР (на этом этапе Интернет-обучение практически безальтернативно), а также определить следующие задачи исследования и разработки:

• разработка методов реконструкции целей подготовки и выявления потребностей обучаемого в информационных/образовательных ресурсах;

• разработка комбинированных (пассивных и активных) методов диагностики уровня подготовки слушателей и моделирования текущего состояния знаний и навыков обучаемого относительно целей подготовки;

• разработка методов адаптации учебно-контролирующего материала;

• разработка технологии создания программ опережающей подготовки персонала САПР и исследование эффективности этих программ.

Вторая глава посвящена разработке модели предметных знаний, определяющей целевой и содержательный контекст подготовки, и разработанной в этом контексте модели пользователя, которая отражает персональные целевые установки и фактическое состояние предметных знаний обучаемого относительно заданного целевыми установками эталона.

Предложена модель предметных знаний, базирующаяся на элементах теории пространств знаний, теории сетей Петри, принципе разделения концептуального и визуального описания предметных знаний и принципе синергии. Модель отличается согласованным совместным использованием трех относительно обособленных компонентов описания предметных знаний: семантического (содержательного, статического), структурного (динамического) и визуального (формального), а также ориентацией на решение задач динамической адаптации учебного материала.

Синергетические свойства модели позволяют стратифицировать и усилить согласованность эффектов адаптации по каждому из трех перечисленных компонентов модели, что открывает возможности персональной настройки учебно-контролирующего материала программ подготовки персонала САПР.

Семантический компонент модели предметных знаний представляет собой семантическую сеть (/=(5',/?), где — множество элементов предметных зна-

ний (ЭПЗ) £={5}, Я - множество семантических связей между ЭПЗ. Каждый ЭПЗ Л представляет собой концепт предметной области знаний, умение или профессиональный навык. На множестве ЭПЗ определен частичный порядок: ■^-^.(^¿оЗ), который показывает, что множество ЭПЗ ¿2 может быть изучено не раньше, чем будет изучено множество Данное отношение порядка является рефлексивным: для любого подмножества 5*с5 выполняется Множество семантических связей представлено расширяемым набором семантических отношений. Основу набора составляют отношения: часть - целое, аналог, класс - объект класса, объект — атрибут, проблема - решение, утверждение — доказательство, метод — приложение, метод — модификация/улучшение метода.

Структурный компонент модели предметных знаний представляет собой сеть Петри где 5 - множество ЭПЗ, Т- множество структурных

переходов (модулей), - множество дуг , - множество пользователей,

- состояния знаний обучаемых. Критерием корректности состояния знаний является его непротиворечие частичному порядку, заданному в виде функции <т:5'(5 ) . сг(5)={5|^2»---А}> где ¿ч^!,V...члг-^,,. Будем называть каждый элемент предусловиями (пререквизитами) Таким образом, может иметь более одного набора пререквизитов. Таким образом, корректным состоянием знаний будет состояние, удовлетворяющее

Визуальный компонент модели предметных знаний представляет собой структурированный каталог типизированных объектов визуализации где - множество ЭПЗ, - множество объектов визуализации, I - инцидентор, порождающий множество ,1, ^{(в.уДг)(1(5,уДг),5ее е Э,ге Я}, О - множество приоритетов визуализации, R - множество дидактических типов, А:\А—- множество отношений группировки альтернатив (наборов альтернативных объектов визуализации), - множество структурных связей между объектами визуализации.

Предложена модель пользователя, которая отличается: а) двухаспектной формализацией свойств обучаемого; последний рассматривается одновременно и как субъект, и как объект процесса обучения, б) определением обеих составляющих в шаблоне модели предметных знаний. Эти отличия создают информационную основу для ре-

конструкции априорно неизвестных целей опережающего обучения и позиционирования фактического состояния знаний обучаемого относительно этих целей.

Математическую основу предлагаемого подхода составляет оверлейная модель представления знаний пользователя в пространстве допустимых состояний.

Субъектная составляющая модели пользователя отражает целевые установки обучаемого - информацию о том, что он хочет знать. Целевые установки являются прогнозом эталонного состояния знаний, которым стремится овладеть обучаемый. На начальном этапе (опережающее обучение), когда возможности активного измерения пользовательских знаний ограничены, прогноз делается на основании журнала навигации обучаемого (хронографического списка действий обучаемого по взаимодействию с Интернет курсом). В процессе дальнейшего взаимодействия с материалом курса (в т.ч. виде прохождения тестов) прогноз по целевым установкам уточнятся, пока не сойдется к какому-либо устойчивому состоянию. При необходимой избыточности обучающего материала цели исполняют роль фильтра и ограничивают необходимый для изучения материал неким подмножеством.

Объектная составляющая модели пользователя отражает меру достижения обучаемым целевых установок - текущее состояние знаний пользователя относительно целей. В процессе обучения состояние знаний меняется и приближается к целевому. Изменение состояния объектной составляющей модели обусловлено овладением пользователем новыми знаниями и умениями, подтвержденным тестами.

В терминах модели предметных знаний субъектная и объектная модели выражены в виде состояния предметных знаний обучаемого. Субъектная составляющая модели является эталонным состоянием знаний, к которому стремится пользователь, объектная составляющая является текущим состоянием знаний относительно эталонного. На этапе синтеза персональной программы обучения объектная и субъектная составляющие модели пользователя являются отправной и конечной точкой процесса обучения соответственно.

Выполненный в главе 2 анализ позволяет определить содержание последующих глав, которые описывают: а) методы реконструкции целевых установок обучения; б) методы измерения объектной составляющей пользовательской модели; в) методы синтеза учебных программ; г) методы адаптации учебного материала к персональным характеристикам обучаемых.

Третья глава посвящена разработке методов реконструкции целей обучения и адаптации учебного материала. Выделены два ключевых уровня задач адаптации: стратегический (структурный синтез персональных программ подготовки) и тактический (поддержка навигации в пространстве учебного материала персональной программы).

Предложен и ревизован метод структурного синтеза программ подготовки, обеспечивающий построение структуры программы в соответствии с персональными целями обучения и начальным уровнем знаний обучаемого.

Процедура структурного синтеза состоит из трех этапов: 1. Накопления информации о возможных целях обучаемого в виде навигационного журнала, представленного кортежем троек <ключ обучаемого, ключ ЭПЗ, время>, который формируется в прозрачном для обучаемого режиме. Накопле-

ние навигационной статистики выполняется одновременно с предварительным ознакомлением обучаемого с материалом Интернет-курса.

2. Формирование и корректировка гипотезы о целевыхустановках обучаемого на основании анализа навигационного журнала в виде подмножества ЭПЗ. На основании навигационной информации, собранной на этапе 1, осуществляется восстановление персональных целей подготовки. Разработан алгоритм персональной идентификации целей, основанный на использовании расширяемого набора правил продукций, которые расширяют и фильтруют предварительно идентифицированные цели. При идентификации целей учитываются семантические и частотные характеристики материала, с которым ознакомился обучаемый: а) наличие семантических связей между ЭПЗ; б) количество активаций ссылки на ЭПЗ (частота посещения материала ЭПЗ). После построения гипотезы о цели подготовки обучаемый имеет возможность ее скорректировать в интерактивном режиме.

3. Диагностика знаний обучаемого и структурный синтез персональной программы. На этом этапе осуществляется позиционирование текущего состояния знаний обучаемого относительно целей с применением активных форм контроля знаний. Алгоритм тестирования знаний основан на подходе к моделированию структуры учебных курсов сетями Петри (СП), а также на подходе к моделированию информационных запросов ультрасетями. При тестировании знаний происходит распространение множественных типов маркеров в СП учебной программы, отражающее результаты тестирования. На основании окончательной разметки СП учебной программы (полученной при диагностике текущего состояния знаний обучаемого), происходит восстановление внутренней структурной модели персональной учебной программы - синтез персональной программы подготовки.

В составе метода структурного синтеза предложена и реализована экспертная процедура идентификации целей, основанная на семантической модели предметных знаний. Процедура отличается наличием автоматизированного этапа реконструкции, основанного на применении правил продукционного порождения и фильтрации гипотез к навигационной статистике обучаемого общего вида: ЕСЛИ [отношение], ТО [модификация гипотезы]. Например, правило выбора семантически связных ЭПЗ: ЕСЛИ между двумя ЭПЗ, входящими в навигационную статистику, существует семантическая связь, то они включаются в гипотезу цели: е5" л 3^2 зет{5Х, => 52},

где - навигационная статистика, - гипотеза цели, - показывает

наличие семантической связи между двумя ЭПЗ).

В составе метода структурного синтеза предложен и реализован алгоритм реконструкции персонального состояния знаний, основанный на использовании подхода к моделированию запросов информационной области ультрасетями. Алгоритм отличается от прототипа расширенной типизацией маркеров и использованием активных форм контроля знаний в качестве решающего правила распространения разметки:

ргора%а1е(()\: />сш(/,{р,,... л})л/<р,. .,/>„)={-} =>

к(р;)<А, => ¿p;)^{'}A\/f,pre(t, {р,'}), propagate^),

где propagate(t) - функцияраспространения р а з м ^JOS^t^)) - позиция р является выходной для перехода t, pre(t, р) - позиция р является входной для перехода t, ц(р) - разметка позиции р, к(р) - уровень знания обучаемым ЭПЗ, соответствующего позиции р, А - профиль достаточных знаний ЭПЗ программы.

Алгоритм реконструкции текущего уровня знаний методом обратного распространения маркеров одновременно реконструирует модульную структуру персональной программы подготовки.

Предложен метод адаптивной настройки навигационных предпочтений (АННП) по элементам программы подготовки. Информационную основу метода составляет модель предметных знаний, описанная в Главе 2. Теоретической основой метода является формализм искусственных нейронных сетей (ИНС), и теория когнитивной психологии.

Метод АННП имеет своей целью, на основании модели пользователя и журнала навигации обучаемого, осуществить ранжирование (аннотацию) ссылок на разделы программы подготовки по степени релевантности текущему состоянию знаний обучаемого. Метод отличается:

• использованием механизма самообучения искусственных нейронных сетей для настройки алгоритма ранжирования ссылок;

• абстрагированием от используемого типа оценки знаний:

- в режиме минимальной кооперации пользователя (без использования активных форм контроля) знания оцениваются по принципу «видел-знает»;

- в режиме высокой кооперации пользователя (использование тестов) знания оцениваются по принципу «успешно протестирован - знает»;

• инвариантностью к используемому типу оценки знаний.

Отличия обуславливают следующие преимущества метода:

• инвариантность к типу оценки знаний позволяет применять метод вне зависимости от доступности активных форм тестирования знаний;

• возможность осуществлять адаптивную настройку в условиях ограничений на использование активных форм контроля предметных знаний;

• использование особенностей искусственных нейронных сетей обеспечивает устойчивость к зашумлению данных, что позволяет повысить эффективность метода АННП по сравнению с методами, основанными на скрытых Марковских переменных, которые являются наиболее часто используемыми математическими моделями в системах поддержки адаптивной навигации.

Показано, что предложенный метод АННП позволяет достигнуть 7-кратного снижения уровня ошибки по сравнению с методами, основанными на использовании Марковских скрытых переменных в ситуации с ограниченным объемом обучающих данных, характерной для опережающего обучения.

Рассматриваемый в работе метод АННП основан на используемой в когнитивной психологии гипотезе о том, что осознанный выбор следующего фрагмента материала, делается обучаемым на основании г-1 предыдущих фрагментов, причем достаточно принять На основании этого постулата построена искусственная нейронная сеть (ИНС). ИНС принимает на вход текущую историю изменения

состояния знании обучаемого глубиной Г и делает один «шаг» вперед - вычисляет прогноз следующего состояния знаний в виде вероятностной функции к*,

i), где к, И к,.] - векторы текущего и предыдущего состояние знаний обучаемого, к»| - прогнозируемое состояние знаний. Передаточная функция ИНС имеет вид:

где О есть сигмовидная функция, W - матрица весов ИНС. Каждый вектор имеет вид k=[k(1),Цз, ...,k(js¡)]r, где Ц,) выражает меру овладения обучаемым »-M ЭПЗ для данного состояния знаний. Эта мера выражается в значениях бинарной шкалы: «знания /-го ЭПЗ отсутствуют», «знания í-ГО ЭПЗ присутствуют». Значение к^ может быть получено из навигационной статистики или применением пороговой функции к результату теста. Нейронная сеть является однослойной (показано, что увеличение количества слоев не приведет к улучшению показателей эффективности). В качестве метода корректировки весов сети выбран метод минимизации энтропии, хорошо зарекомендовавший себя в случаях применения ИНС для решения вероятностных задач. Соответствующая функция вычисления ошибки ИНС имеет вид:

£(W) = -(1 /Л01£(Т ® Iog(0)+[U* -T]®Iog[I.lJ - 0])1„,

где N - размер выборки, Т - целевые значения выходов ИНС, О - полученные значения выходов ИНС, 1„ - единичный вектор-столбец размерностью п, ® — произведение Адамара (поэлементное), W - матрица весов ИНС.

Направление поиска оптимальных весов сети вычисляется с помощью метода Шанно. Оптимальный выбор шага поиска в выбранном направлении осуществляется с помощью разработанного алгоритма. Алгоритм базируется на критериях Вольфа, определяющих является ли шаг слишком малым или большим. В соответствии с критериями происходит коррекция шага. Использование метода Шанно и критериев Вольфа позволяет повысить вычислительную эффективность алгоритмов обучения ИНС.

В четвертой главе рассмотрены вопросы разработки инструментальных средств проектирования и интерпретации программ опережающего обучения, экспериментального подтверждения теоретических положений работы и оценки эффективности предложенных решений.

Реализована трехзвенная распределенная архитектура системы Интернет -подготовки эксплуатационного персонала САПР, компонентами которой являются: сервер базы данных Oracle; сервер приложений Apache Tomcat 4.12; АРМ обучаемого на базе браузера Internet Explorer версии не ниже 5.0 или его аналогов. Реализация сервера БД на базе Oracle обеспечивает:

• возможность доступа к материалам программы подготовки в интенсивном многопользовательском режиме без потери в скорости доступа;

• высокую степень безопасности хранения и гарантия целостности данных;

• возможность шифрования конфиденциальных данных (например, данных об успеваемости обучаемых).

Реализация сервера приложений на платформе Apache Tomcat 4.12 обеспечивает:

• условно бесплатное лицензирование сервера приложений;

• высокую надежность;

• поддержку клиент-серверных приложений, разработанных согласно стандартам J2EE/J2EE и JSP.

Использование браузера Internet Explorer обеспечивает доступность решения (браузер входит в стандартную поставку большинства поставляемых компьютеров);

Выполнено экспериментальное исследование разработанных моделей, методов и инструментальных средств на примерах создания программ обучения методам расчета и проектирования сверхпроводящих трансформаторов (СПТ).

Специфика задачи обучения методам расчета и проектированию СПТ делает задачу применения Интернет-обучения особенно актуальной по следующим причинам:

• предметная область имеет междисциплинарный характер (физика сверхпроводников, теория электрических машин и аппаратов, теория и методы автоматизации проектирования);

существует дефицит традиционных учебных материалов.

SSUSS^^^.?Zil~. Г : 111 ' 'lb'-

Рис. 1 Окно программы обучения расчету и проектированию сверхпроводящих

трансформаторов

Эти факторы определяют широкий диапазон возможных целей и разброс уровней начальной подготовки, что, в свою очередь, определяет необходимость реконструкции целей и поддержки адаптивной навигации по материалам программы, способствующей выбору рационального маршрута подготовки. Пример реализации методов, предложенных в работе, показан на Рис. 1, где изображено интерактивное окно программы обучения расчету и проектированию сверхпроводящих трансформаторов. Экспериментально показано, что применение разработанного метода адаптивной навигации повышает качество обучения за счет сокращения времени на поиск релевантной информации.

На основе применения методики оценки затратной эффективности и экспертных данных, предоставленных компанией Consistent Software и учебным центром

«Стиплер-Графикс» показано, что предложенный в работе инновационного подхода к организации обучения персонала САПР по сравнению с очной формой подготовки персонала САПР способствует сокращению непроизводительных затрат, связанных с низким уровнем стартовой подготовки персонала и риском приобретения САПР в комплектации, не соответствующей потребностям проектной организации.

Заключение подводит итоги работы. Перечислены результаты и выводы работы, определены направления дальнейших исследований.

Основные выводы и результаты работы

1. Показано, что подготовка эксплуатационного персонала является наиболее критичной составляющей организационного обеспечения САПР, которая, с учетом сложности и высокой стоимости САПР, должна опережать процесс их внедрения. В то же время, существующие формы и методы подготовки эксплуатационного персонала САПР не удовлетворяют требованиям опережающей подготовки. Сделан вывод о необходимости разработки новых методов обучения эксплуатационного персонала САПР на базе Интернет-технологий.

2. Определена специфика опережающей подготовки персонала в среде Интернет (персональная настройка целей и структуры программ, адаптация их содержания к уровню подготовки). Показано, что известные СДО не соответствуют этим требованиям. Сформулированы требования к моделям и методам дистанционной подготовки специалистов в области эксплуатации САПР: повышение качества обучения за счет персональной целевой адаптации учебных программ и сокращение непроизводительных затрат на другие формы обучения за счет опережающего Интернет-обучения.

3. Разработан комплекс моделей и методов в состав которого входят: модель предметных знаний, модель обучаемого, метод идентификации целей и синтеза персональной программы и метод адаптивной настройки навигационных предпочтений.

4. Выполнено экспериментальное исследование разработанных методов, которые внедрены в организациях, занимающихся подготовкой эксплуатационного персонала САПР (учебный центр «Стиплер Графикс», г. Москва), в проектных организациях (ОАО «Мосэнергомонтаж»), а также в ИГЭУ, в Техасском университете в Далласе и Питтсбургском университете. Полученные в этих организациях отзывы и документы внедрения позволяют констатировать, что поставленные в работе цели полностью достигнуты.

5. Определены следующие перспективы развития разработанных методов: 5.1. Реализация интерфейсов с другими формами обучения.

52. Реализации интерфейсов с рабочими/учебными версиями технических систем. 5.3. Универсальное применение методов адаптации в их инвариантной части в обучении вообще.

По теме диссертации опубликованы следующие работы: 1. Yndelson, М.; Brusilovsky, P.; Sosnovsky, S. Accessing Interactive Examples with Adaptive Navigation Support // IEEE International Conference on Advanced Learning Technologies, Joensuu, Finland, 2004 (принято к печати).

2. Пантелеев ЕР., Нуждин В.Н., Юделъсон MB. Управление качеством услуг дистанционного обучения на основе концепции интегрированной информационной модели жизненного цикла. Качество. Инновации // Образование. - 2003. № 1. - с. 54-59.

3. Пантелеев Е.Р., Юделъсон MB., Малков КВ., Пекунов В.В. ГИПЕРТЕСТ: инструментальная среда разработки и сопровождения программ дистанционного обучения. - Иваново: ИГЭУ, 2003. -100 с.

4. Yudehon М. V., Yen l.-L, Panteleev E.R., Khan L. Framework for an intelligent online education system // ASEE annual conference, 22-25 June 2003 Nashville Tennessee USA.

5. Пантелеев ЕР., Ковшова И.А., Малков И.В., Пекунов В.В., Первовский М.А., Юделъсон М.В. Управление качеством услуг дистанционного образования в среде ГИПЕРТЕСТ // Информационные технологии. - 2002. №3. - с.32-37.

6. Пантелеев ЕР., Малков КВ., Пекунов В.В., Первовский М.А., Ковшова И.А., Юделъсон М.В. Инструментальная среда разработки программ дистанционного обучения ГИПЕРТЕСТ. Свидетельство об официальной регистрации программы для ЭВМ №2001611279. © М.: РОСПАТЕНТ, 2001.

7. Пантелеев ЕР., Ковшова КА., Малков И.В., Пекунов В.В., Первовский М.А., Юделъсон М.В. Среда разработки программ дистанционного обучения ГИПЕРТЕСТ: Инструментальные средства // Информационные технологии. — 2001. №8. - с34-40.

8. Пантелеев ЕР., Ковшова И.А., Малков КВ., Пекунов В.В., Первовский М.А., Юделъсон М.В. Разработка и сопровождение учебно-контролирующих программ для Интернета в инструментальной среде ГИПЕРТЕСТ // Программные продукты и системы. - 2001. №3. - с.41-44.

9. Пантелеев ЕР., Пекунов В В., Юделъсон М.В. Концепция прав доступа в сетевой среде разработки программ дистанционного обучения ГИПЕРТЕСТ // Образовательные технологии: Межвуз. сб. науч. тр. - Воронеж: ВГПУ, 2001. - с. 184-187.

10.Пантелеев Е.Р., Юделъсон М.В., Пекунов В.В. Разграничение прав в среде разработки программ дистанционного обучения ГИПЕРТЕСТ: Тез. докл. между-нар. науч.-техн. конф. «Состояние и перспективы развития электротехнологий X Бенардосовские чтения». - Иваново, 2001. -т.1. - 27 с.

П.Пантелеев ЕР., Юделъсон М.В. Логистическая модель планирования учебного процесса в вузе: Тез. докл. НПК «Современное состояние, проблемы и перспективы развития российской экономики» (III Кондратьевские чтения). - Иваново: ИГЭУ, 2000. - с. 18-20.

12.Пантелеев Е.Р., Ковшова К.А., Пекунов В.В., Первовский М.А., Юделъ-сон М.В. ГИПЕРТЕСТ: Инструментальная среда разработки программ дистанционного обучения и профильного тестирования: Сб. ст. VII междунар. науч.-техн. конф. "Информационная среда вуза". - Иваново, 2000. - с.27-30.

Формат 60x84 1/16 Тираж 100 экз.

Печать плоская Заказ 0462

Отпечатано в ОМТ МИБИФ 153003, Иваново, ул. Рабфаковская, 34, оф. 101, тел. (0932) 38-37-36

»14317

ВВЕДЕНИЕ

Общая характеристика работы

1. АНАЛИЗ ФОРМ И МЕТОДОВ ОБУЧЕНИЯ ПЕРСОНАЛА САПР ОБЪЕКТОВ ЭНЕРГЕТИКИ

1.1 Введение

1.2 Анализ существующих форм н технологий обучения методам автоматизированного проектирования

1.2.1 Подготовка персонала САПР на базе ВУЗов

1.2.2 Подготовка персонала САПР в учебных центрах

1.2.3 Самостоятельная подготовка персонала САПР

1.3 Анализ потенциала Интернет-технологий для подготовки персонала САПР

1.4 Анализ существующих технологий Интернет-обучения

1.4.1 Модели и методы формализации целей подготовки

1.4.2 Методы адаптации учебного материала

1.4.3 Методы структурирования информационных ресурсов Интернет-обучения

1.5 Выводы

2. РАЗРАБОТКА ИНФОРМАЦИОННОЙ МОДЕЛИ ИНТЕРНЕТ - ОБУЧЕНИЯ ПЕРСОНАЛА САПР

2.1 Введение

2.2 Модель предметных знаний

2.2.1 Семантическая модель предметных знаний

2.2.2 Структурная модель предметных знаний

2.2.3 Структура визуальной модели

2.2.4 Визуализация концептов и отношений предшествования

Информационная модель обучаемого

2.3 Выводы

3. РАЗРАБОТКА МЕТОДОВ РЕКОНСТРУКЦИИ ЦЕЛЕЙ ОБУЧЕНИЯ И АДАПТАЦИИ УЧЕБНОГО МАТЕРИАЛА

3.1 Введение

3.2 Разработка метода реконструкции внешней модели персональной программы и синтеза структуры программы

3.2.1 Анализ существующих решений и постановка задачи

3.2.2 Реконструкция внешней модели и синтез программы подготовки

3.3 Разработка методов адаптации учебного материала

3.3.1 Постановка задачи

3.3.2 Метод адаптации учебного материала основанный на искусственных нейронных сетях

3.3.3 Результаты и сравнительный анализ

3.4 Выводы

4. РЕАЛИЗАЦИЯ И ИССЛЕДОВАНИЕ МЕТОДОВ ОПЕРЕЖАЮЩЕЙ

ПОДГОТОВКИ ПЕРСОНАЛА САПР 4.1 Введение

4.2 Выбор архитектуры и реализация компонентов среды опережающего обучения ГИПЕРТЕСТ

4.3 Разработка программы обучения методам расчета СПТ

4.4 Анализ эффективности предложенных методов

4.5 Выводы

Общая характеристика работы

Актуальность темы исследования. По мнению специалистов, внедрение САПР в различные сферы инженерной деятельности имеет больший потенциал повышения производительности труда, чем все известные технические нововведения.

Сложность объектов проектирования постоянно возрастает. Примерами могут служить системы контроля и управления (СКУ) энергетических установок, а также системы контрольно-измерительных приборов и автоматики (КИПиА), относящиеся к классу многокомпонентных систем, которые характеризуются большим количеством и многообразием компонентов и связей. Одновременно с усложнением объектов усложняются задачи их проектирования.

Рост сложности объектов и задач проектирования ведет к повышению требований к уровню подготовки эксплуатационного персонала САПР. В настоящее время подготовка эксплуатационного персонала осуществляется либо путем самостоятельного освоения «учебных» версий САПР и изучения технической документации, либо при поддержке поставщиков САПР (специализированные платные курсы, «горячая линия»). Однако самостоятельное обучение не дает полного представления о функциональных возможностях и ключевых особенностях САПР применительно к отраслевой и организационной специфике проектной организации. Кроме того, оно, как правило, не предусмотрено графиком внедрения системы. Высокая стоимость очных курсов вынуждает руководителей предприятий, внедряющих САПР, ограничивать численность обучаемых (например, курс обучения работе с САПР-Альфа - разработчик АО «Аскон» - стоит 12 ООО р., обучение с САПР компании Sprut Technologies - 1 500 р. на одного человека в день, курс обучения работе с САПР КОМПАС-ГРАФИК - 18 ООО р.), а также проводить обучении уже после того, как система была закуплена. Эти недостатки замедляют процесс внедрения САПР, уменьшают эффективность их эксплуатации и замедляют возврат инвестиций.

Перечисленные факторы обусловили актуальность поиска новых форм опережающего обучения методам автоматизации проектирования. Наиболее перспективной формой обучения, потенциально способной разрешить проблему подготовки специалистов САПР (в комплексе с традиционными методами) как в качественном, так и в количественном аспекте, является Интернет-обучение. Системы Интернет-обучения обладают целым рядом преимуществ:

1. Относительная дешевизна (услуги Интернет-обучения в 3-5 раз дешевле).

2. Оперативность (любые коррективы в учебной программе Интернет-обучения становятся доступными мгновенно всем обучаемым).

3. Инвариантность к географическому положению обучаемого.

4. Асинхронный режим обучения (отсутствие обязательной привязки к определенному учебному графику).

Несмотря на отмеченные преимущества Интернет-обучения, как существующие системы общего назначения: (Прометей, ОРОКС, Доцент, Blackboard), так и специализированные системы обучения САПР (TRANSTEC - микроэлектроника) не отвечают требованиям опережающей подготовки. Они не предусматривают актуальной для опережающего обучения адаптации программ к персональным целевым установкам и уровню подготовки обучаемого, так как в этих системах отсутствуют модели структурирования предметных знаний и методы динамической компоновки учебного материала, обеспечивающие указанные возможности.

Поэтому актуальна задача создания технологий опережающей подготовки эксплуатационного персонала САПР с применением методов Интернет-обучения, обеспечивающих возможности адаптации учебно-контролирующего материала программ подготовки специалистов в области САПР в соответствии с целевыми установками и персональными особенностями слушателя, и сокращения затрат на разработку программ подготовки за счет повторного использования информационных ресурсов.

Цель и задачи работы. Целью диссертационной работы является разработка комплекса моделей и методов, позволяющих обеспечить сокращение непроизводительных затрат на традиционные формы подготовки эксплуатационного персонала САПР за счет использования опережающего Интернет-обучения, а также повысить качество подготовки за счет целевой персональной настройки программ обучения.

Достижение поставленных целей требует решения следующих задач:

1. Анализ известных подходов к реализации систем Интернет-обучения (как специализированных, так и общего назначения), определение области эффективного применения, а также формулирование требований к моделям и методам подготовки специалистов в области эксплуатации САПР на основе Интернет-обучения.

2. Разработка структурной модели описания знаний предметных областей САПР, позволяющей осуществлять: концептуальное моделирование предметной области знаний, представление динамической составляющей знаний, визуальное представление знаний.

3. Разработка модели обучаемого, учитывающей: персональные целевые установки обучения, текущий уровень знаний обучаемого.

4. Разработка метода реконструкции целевых установок обучаемого и структурного синтеза персональной программы подготовки.

5. Разработка метода адаптивной навигации в пределах учебного материала.

6. Разработка и экспериментальное исследование инструментальных средств проектирования и сопровождения программ обучения эксплуатационного персонала САПР.

Выполнение задачи 2 позволит сократить временные и финансовые затраты на разработку программ подготовки за счет повторного использования информационных ресурсов. Выполнение задач 3, 4 и 5 позволит снизить непроизводительные затраты и повысить качество обучения САПР за счет персонификации материала программ подготовки в соответствии с индивидуальными особенностями обучаемых на этапе опережающей подготовки.

Методы исследования. При решении поставленных задач в диссертационной работе использованы методы объектно-ориентированного программирования, теории графов и множеств, теории баз данных, теории пространств знаний, теории вероятности, теории построения информационных систем и искусственного интеллекта.

Научная новизна результатов исследования. Обоснованы и реализованы следующие методы, модели и средства автоматизации построения и персонализации программ Интернет - обучения САПР:

1. Трехзвенная модель предметных знаний отличается согласованным совместным использованием независимо структурированных компонентов описания предметных знаний - семантического (сеть знаний), структурного (сеть Петри) и визуального (многоаспектный каталог). Согласованность компонентов модели позволяет решать актуальные для опережающего обучения задачи реконструкции персональных целей и адаптивной навигации. Относительная обособленность компонентов позволяет распараллелить процесс и таким образом уменьшить время разработки программ.

2. Модель обучаемого, которая отличается учетом субъектных и объектных качеств обучаемого. Дуальная модель создает информационные предпосылки для решения задачи реконструкции персональных целей обучения и настройки содержимого программ в функции текущего состояния знаний обучаемого.

3. Метод идентификации целей обучения и синтеза программы подготовки, основанный на продукционной обработке результатов навигационной статистики и инверсном моделировании учебной программы сетью Петри. Метод отличается согласованным учетом структуры и семантики учебного материала. Применение метода позволяет ограничить структуру программы подготовки подмножеством учебных модулей, релевантных персональным целям и текущему состоянию знаний обучаемого.

4. Метод адаптивной настройки навигационных предпочтений по содержанию курсов обучения, основанный на вероятностной модели прогноза, реализованной в виде однослойной искусственной нейронной сети (ИНС). Метод заключается в ранжировании разделов программы в соответствии с текущим состоянием знаний и персональными целями обучения. Отличие предложенного метода заключается в мониторинге динамических характеристик профиля знаний обучаемого - отслеживании изменений профиля знаний с течением времени. Это позволяет строить для каждого обучаемого персонифицированную траекторию освоения материала.

На защиту выносятся:

1. Модель предметных знаний.

2. Модель обучаемого.

3. Метод идентификации целей обучения и синтеза программ подготовки.

4. Метод адаптивной настройки навигационных предпочтений. Практическая ценность результатов работы определяется:

1. Снижением сроков разработки курсов Интернет-обучения САПР и затрат на разработку курсов за счет многоаспектного структурирования учебного материала и повторного использования компонентов знаний;

2. Сокращением непроизводительных затрат на очное обучение, за счет применения опережающей подготовки персонала САПР;

3. Повышением качества обучения за счет применения методов реконструкции целей обучения и адаптации структуры и содержания курсов к текущему уровню предметных знаний обучаемых.

Реализация и внедрение результатов исследований. Диссертационная работа выполнялась при поддержке следующих научно-технических программ (НТП) и грантов:

1. НТП «Инновации в высшей школе и введение интеллектуальной собственности в хозяйственный оборот», подпрограмма «Активизация инновационной деятельности в научно - технической сфере».

2. НТП «Государственная поддержка региональной научно-технической политики высшей школы и развитие ее потенциала», подпрограмма «307. Развитие региональной инфраструктуры научно-инновационной деятельности высшей школы в образовательной и научно-технической сферах».

3. Гранта Национального Фонда Науки, США #0310576 Директората по Образованию и Людским Ресурсам (NSF Directorate for Education and Human Resources) под эгидой проекта CCLI: Individualized Exercises for Assessment and Self-Assessment of Programming Knowledge: QuizPACK.

Основные научные и практические результаты работа реализованы в виде программно методического комплекса и внедрены:

• в Филиале «Хозрасчетный участок пусконаладочных работ» ОАО «Мосэнер-гомонтаж» с 3 марта 2003г;

• в учебном центре «Стиплер-Графике», г. Москва с 9 марта 2004г;

• на кафедре безопасности жизнедеятельности ИГЭУ. А также использованы автором в учебном процессе:

• факультета компьютерных наук Техасского университета в Далласе (Computer Science Department, University of Texas at Dallas) для Интернет-обучения студентов магистратуры по курсу «Системы баз данных» (CS6360 Database systems);

• факультета информатики Питтсбургского университета (University of Pittsburgh) для обучения студентов младших курсов программированию на языке Си.

Апробация работы. Основные положения диссертационной работы доложены на международных научно-технических конференциях:

1. SIGCSE 2004 The 35th Technical Symposium on Computer Science Education, Norfolk, VA USA.

2. ASEE annual conference 2003, Nashville, TN USA.

3. «Образовательные технологии», Воронеж, 2001.

4. «Состояние и перспективы развития электротехнологий X Бенардосовские чтения». Иваново, 2001.

5. «Современное состояние, проблемы и перспективы развития российской экономики» (III Кондратьевские чтения). Иваново, 2000.

6. "Информационная среда вуза", Иваново, 2000.

Публикации. По теме диссертации опубликовано 12 печатных работ. Структура работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 99 наименований и включает 122 страницы основного текста, 40 рисунков и 11 таблиц.

4.5 Выводы

1. Определен перечень задач исследования разработанных методов опережающей подготовки персонала САПР, который включает в себя: разработку инструментальных средств автоматизации разработки и предоставления программ Интернет-обучения; использование предложенных инструментов для разработки программ обучения эксплуатационного персонала САПР; анализ экономической эффестивности опережающего обучения.

2. Разработана трехзвенная архитектура системы опережающего Интернет-обучения, а также инструментальные средства, реализующие предложенные в работе методы обучения с учетом необходимости долговременного сохранения и эффективной обработки персонального контекста взаимодействия обучаемого с системой Интернет-обучения в условиях ограничений, накладываемых технологиями Интернет.

3. Выполнено экспериментальное исследование разработанных методов и инструментальных средств на примере проектирования фрагмента программы опережающей Интернет-подготовки персонала САПР - ТРАНС, выполняющей функции обучения методам расчета сверхпроводящих трансформаторов. Показано, что междисциплинарных характер предметных знаний и связанный с

JJUUU этим разброс персональных целей и уровней начальной подготовки персонала делает актуальным использование разработанных методов персонализации программ.

Определены источники повышения эффективности обучения персонала САПР с использованием разработанных моделей, методов и инструментальных V средств. На основании данных, полученных от организаций, на базе которых выполнялось внедрение результатов работы, и с применением методики оценки затратной эффективности получены количественные оценки эффективности. Показано, что основным источником эффективности применения разработанных методов является сокращение непроизводительных затрат на очное обучение, обусловленное опережающей дифференциацией обучаемых по уровню подготовки.

Заключение

Основными результатами и выводами и результатами работы являются:

1. Показано, что подготовка эксплуатационного персонала является наиболее критичной составляющей организационного обеспечения САПР, которая, с учетом высокой сложности и стоимости САПР, должна опережать процесс их внедрения. Однако, существующие формы подготовки персонала САПР не удовлетворяют требованиям опережающей подготовки. Сделан вывод о необходимости разработки новых методов обучения САПР на базе Интернет-технологий.

2. Определена специфика опережающей подготовки персонала в среде Интернет (персональная настройка целей и структуры программ, адаптация их содержания к уровню подготовки). Показано, что известные СДО не соответствуют этим требованиям. Сформулированы требования к моделям и методам дистанционной подготовки специалистов в области сопровождения и эксплуатации САПР: повышение качества обучения за счет персональной целевой адаптации учебных программ и сокращение непроизводительных затрат на другие формы обучения за счет опережающего Интернет-обучения.

3. Для достижения поставленных в работе целей разработан комплекс моделей и методов, в состав которого входят: модель предметных знаний, модель обучаемого, метод идентификации целей и синтеза персональной программы и метод адаптивной настройки навигационных предпочтений.

4. Выполнено экспериментальное исследование разработанных методов, которые внедрены в организациях, занимающихся подготовкой персонала САПР (учебный центр «Стиплер Графике», г. Москва), в проектных организациях (ОАО «Мосэнергомонтаж»), а также в ИГЭУ и Техасском университете в Далласе. Полученные в этих организациях отзывы и документы внедрения позволяют констатировать, что поставленные в работе цели полностью достигнуты. Анализ полученных результатов позволил определить следующие перспективы развития разработанных методов:

1. реализация интерфейсов с другими формами обучения;

2. реализации интерфейсов с рабочими/учебными версиями технических систем;

3. универсальное применение методов адаптации в их инвариантной части в обучении вообще.

1. Acton, F. S. Ch. 2 in Numerical Methods That Work. Washington, DC: Math. Assoc. Amer., 1990.

2. Albert, D.; Lukas, J. Eds. Knowledge Spaces: Theories, Empirical Research, and Applications. Mahwah, NJ: Lawrence Erlbaum Associates, 1999.

3. Baldwin, T.L.; Ykema, J.I.; Allen, C.L.; Langston, J.L. Design optimization of high-temperature superconducting power transformers. Applied Superconductivity, IEEE Transactions on, Volume: 13, Issue: 2, June 2003 Pages: 2344-2347.

4. Borges, J.; Levene, M. Mining navigation patterns with hypertext probabilistic grammars. Research Note RN/99/08, Department of Computer Science University College London, 1999.

5. Brown, P.F.; Delia Pietra, V.J.; de Souza, P.V.; Lai, J.C.; Mercer, R.L. Class-Based N-gram Models of Natural Language. Computational Linguistics, 1992, vol. 18, no.4, pp. 467-479.

6. Brusilovsky P. Adaptive Educational Systems on the World Wide Web: A Review of Available Technologies (http://manic.cs.umass.edu/~stern/webits/itsworkshop/brusilovsky.html)

7. Brusilovsky, P. "Methods and techniques of adaptive hypermedia", in User Modeling and User Adapted Interaction, v.6, n.2-3,1996.

8. Brusilovsky, P., Schwarz, E., and Weber, G. (1996b). A tool for developing adaptive electronic textbooks on WWW. Proceedings of WebNet'96, World Conference on the Web Society. Charlottesville: AACE. Pp. 64-69.

9. Brusilovsky, P.: WebEx: Learning from examples in a programming course. In: Fowler, W. and Hasebrook, J. (eds.) Proc. of WebNet'2001, World Conference of the WWW and Internet, Orlando, FL, AACE (2001) 124-129.

10. Brusilovsky, P.L. Intelligent Tutor, Environment and Manual for Introductory Programming // Educational and Training Technology International, 1992, Vol. 29 (1), pp.26-34.

11. Charniak, E. Statistical language learning. The MIT Press, 1996.

12. Chen, M.-S.; Park, J.S.; Yu, P.S. Efficient data mining for traversal patterns. IEEE Transaction on Knowledge and Data Engineering. 10(2):209-221,1998.

13. Doignon, J.-P.; Falmagne J.-Cl. Knowledge Spaces, Berlin: Springer, 1999

14. Efron, В., "Estimating the error rate of a prediction rule: Improvement on cross-validation," J. of the American Statistical Association, 78,316-331, 1983.

15. Eklund, J. and Brusilovsky, P. (1999) InterBook: An Adaptive Tutoring System UniServe Science News Vol. 12. March 1999. p. 8-13.

16. Everitt, B.S.; Landau, S.; Leese, M. Cluster Analysis. 4th ed. London: Arnold, New York: Oxford. 2001.

17. Fevrier, A.; Tavergnier, T.P.; Laumond, Y.; Bekhaled, M. Preliminary tests on a superconducting power transformer. Magnetics, IEEE Transactions on, Volume: 24, Issue: 2, Mar 1988. Pages: 1477-1480.

18. Fischer, S. Course and exercise sequencing using metadata in adaptive hypermedia learning systems. ACM Journal of Educational Resources in Computing 1, Vol. 1, No. 1, Spring 2001, Article #3,21 pages

19. Gillard-Swetland, A. J.; Kafai, Y. В.; Lands, W. E. 2000. Application of Dublin Core metadata in the description of digital primary sources in elementary school classrooms. J. Am. Soc. Inf. Sci. 51,2, 193-201.

20. Golden, R.M. Mathematical Methods for Neural Network Analysis and Design. MIT Press 1996, pp. 203-205.

21. Greer, J.; McCalla, G. (eds.) Student modeling: the key to individualized knowledge-based instruction. NATO ASI Series F, 1993. Vol. 125, Berlin: Springer-Verlag.

22. H. Gamboa, A. Fred Designing Intellignt Tutoring Systems: a Bayesian Approach // ICEIS 2001 Artificial Intelligence and Decision Support Systems, pp. 452-458

23. Hornfeldt, S.; Albertsson, O.; Bonmann, D.; Konig, F. Power Transformer With Superconducting Windings. Magnetics Conference, 1993. INTERMAG '93., Digest of International, April 13-16, 1993. Pages:FE-03-FE-03.

24. IEEE's Learning Objects Metadata. http://grouper.ieee.org/P1484/wgl3

25. Kay, J. And Kummerfeld, R.J. An individualised course for the С programming language // Proceedings of Second International WWW Conference. Chicago, II, 17-20 October, 1994.

26. Kleinbaum, D. G. Logistic regression: A self-learning text. 1994, New York.

27. Magoulas, G.D.; Papanikolaou, K.A.; Grigoriadou, M. Towards a computationally intelligent lesson adaptation for a distance learning course Tools with Artificial Intelligence, 1999. Proceedings. 11th IEEE International Conference on , 1999 Page(s): 512

28. Mehta, S.P.; Aversa, N.; Walker, M.S. Transforming transformers superconducting windings. Spectrum, IEEE, Volume: 34, Issue: 7, July 1997. Pages: 43-49.

29. Minsky, M. Neural Nets and the Brain Model Problem, Ph.D. dissertation in Mathematics, Princeton, 1954.

30. Mitchell, T. Machine Learning, McGraw Hill, 1997.

31. Nitta, Т.; Misawa, K.; Nomura, H. Some considerations on superconducting transformers from a design-point of view. Magnetics, IEEE Transactions on, Volume: 32, Issue: 4, July 1996. Pages: 2381-2384.

32. Shanno, D.F. Conjugate gradient methods with inexact line searches. Mathematics of Operations Research 1978 3:244-256.

33. Specht M., Weber G. User Modeling and Adaptive Navigation Support in WWW-based Tutoring Systems (http://www.psychologie.uni-trier.de: 8000/projects/ELM/Papers/ UM97-WEBER.html)

34. Specht M., Weber G., Heitmeyer S., Schoch V. AST: Adaptive WWW Courseware for Statistics. In: Proceedings of the Workshop "Adaptive Systems and User Modeling on the World Wide Web" at 6th International Conference on User Modeling.

35. Stephan Fischer. Course and Exercise Sequencing Using Metadata in Adaptive Hypermedia Learning Systems // ACM Journal of Educational Resources in Computing, Vol. 1, No. 1, Spring 2001, Article #3,21p.

36. Theng, Y. L. Addressing the 'lost in hyperspace' problem in hypertext, PhD Thesis 1997, Middlesex University (London), p31 & p96.

37. Voros, A. Spectral Functions, Special Functions and the Selberg Zeta Function. Commun. Math. Phys. 110,439-465,1987.

38. W. Nejdl, M. Wolpers KBS Hyperbook A Data-driven Information System on the Web. November 27, 1998 (http://www.kbs.uni-hannover.de/Arbeiten/Publikationen /1999/www8/)

39. What Work Requires of Schools A SCANS Report for America 2000? The Secretary's Comission on Achieving Necessary Skills. Washington, DC: U.S. Department of Labor, June 1991.

40. Wolfe, P. Convergence conditions for ascent methods II: Some corrections. SIAM Review 13,1971, pp. 185-188.

41. Wolfe, P. Convergence conditions for ascent methods. SIAM Review 11, 1969, pp. 226-235.

42. Yamaguchi, H.; Kataoka, Т.; Sato, Y. Analysis of a 3-phase air-core superconducting power transformer. Applied Superconductivity, IEEE Transactions on, Volume: 9, Issue: 2, June 1999. Pages: 1300-1303.

43. Yamaguchi, H.; Sato, Y.; Kataoka, T. Comparison between superconducting and conventional power transformers considering auxiliary facilities. Applied Superconductivity, IEEE Transactions on, Volume: 5, Issue: 2, Jun 1995. Pages: 937-940.

44. Yamamoto, M.; Mizukami, N.; Ishigohka, Т.; Ohshima, K. A feasibility study on a superconducting power transformer. Magnetics, IEEE Transactions on, Volume: 22, Issue: 5, Sep 1986. Pages: 418-420.

45. Yamamoto, M.; Yamaguchi, M.; Kaiho, K. Superconducting transformers. Power Delivery, IEEE Transactions on, Volume: 15, Issue: 2, April 2000. Pages: 599-603.

46. Yaskin, D.; Everhart. Blackboard Learning System (Release 6) Product Overview White Paper//Blackboard Inc. 2002. 14 p.

47. Yudelson M.V., Yen I.-L., Panteleev E.R., Khan L. Framework for an intelligent online education system // ASEE annual conference, 22-25 June 2003 Nashville Tennessee USA.

48. Автоматизированное проектирование электрических машин: Учеб. пособие для студ. вузов, обуч. по спец. «Электромеханика» / Ю.Б. Бородулин, B.C. Мостей-кис, Г.В. Попов, В.П. Шишкин; Под ред. Ю.Б. Бородулина. — М.: Высш. шк., 1989.-280 е.: ил.

49. Бородулин Ю Б., Гусев В.А., Попов Г.В. Автоматизированное проектирование силовых трансформаторов. — М.: Энергоатомиздат, 1987. 264 с.

50. Бородулин Ю.Б., Кузнецов С.Ю., Попов Г.В. Многокритериальная оптимизация проектных решений при проектировании трансформаторов на базе САПР // Электромеханика. Изв. вузов. 1986. - № 9. - с. 21-26.

51. Бородулин Ю.Б., Попов Г.В. Тенденции развития и совершенствования автоматизированного проектирования силовых трансформаторов 10-110 кВ // Управл. системы и машины. 1984. - № 5. - с. 122-125.

52. Галеев И.Х. Организация адаптивного обучения навыкам алгоритмичес- кой природы // Программные продукты и системы. 1989 - N 3. - с.50-57

53. Галеев И.Х. Разработка модели грамматики немецкого языка в части склонения имен прилагательных // Интегрированные системы компь- ютерного обучения. Межвузовский сборник научных трудов. Казань: КГТУ, 1994. - с.31-48.

54. Гартфельдер В., Кузнецов Ю. Кадровая стратегия. Промышленность и вузы // САПР и графика № 10,2002.

55. Дейт К. Руководство по реляционной СУБД DB2. М.: Финансы и статистика, 1998.-320 с.

56. Дунаев С.Б. Технологии Интернет-программирования. СПб.: БХВ - Петербург, 2001.-480 с.

57. Дюк, В.; Самойленко, A. Data Mining. Учебный курс. Питер. 2001. 368с.

58. Ефремов И., Трофимов А., Коломиец Ю. Новые инженерные кадры новой России // САПР и графика, № 11,2002.

59. Информационные технологии как ключевой элемент при подготовке нового поколения инженеров-строителей / Альхименко А., Болыпев А., Тучков А., Фертман И. // САПР и графика, № 12,2002.

60. Комаров А.В. Интегрированная система дистанционного обучения Learning Space для образовательных учреждений на базе Lotus Domino // Школа семинар Судак - 2001 (http://nit.itsofl.ru/index.html)

61. Концепция информатизации сферы образования российской Федерации // Бюллетень «Проблемы информатизации высшей школы», № 3-4 (13-14), 1998. 322 с.

62. Котов В.Е. Сети Петри. М.: Наука, 1984. -158 с.

63. Крючков, А. Новая технология подготовки инженеров? // САПР и графика, № 9,1997.

64. Лизунов С.Д. Лоханин А.К. Проблемы современного трансформаторостроения в России // Электричество. 2000. -№8,9.

65. Лутидзе Ш.И. Сверхпроводящие трансформаторы. М.:Научтехлитиздат, 2002.

66. Максимов В., Пьянов В. Ученье — свет // САПР и графика, № 1,2001.

67. Математическое моделирование трансформаторов при оптимальном проектировании на основе САПР / Бородулин Ю.Б., Попов Г.В., Кузнецов С.Ю. и др. // Электромеханика. Изв. вузов. 1989. - 3 7. - с. 18.24.

68. Пантелеев Е.Р., Ковшова И.А., Малков И.В., Пекунов В.В., Первовский М.А., Юдельсон М.В. Разработка и сопровождение учебно-контролирующих программ для Интернета в инструментальной среде ГИПЕРТЕСТ // Программные продукты и системы. 2001 №3 с.41-44.

69. Пантелеев Е.Р., Ковшова И.А., Малков И.В., Пекунов В.В., Первовский М.А., Юдельсон М.В. Управление качеством услуг дистанционного образования в среде ГИПЕРТЕСТ // Информационные технологии. 2002. №3. - с.32-37.

70. Пантелеев Е.Р., Ковшова И.А., Малков И.В., Пекунов В.В., Первовский М.А., Юдельсон М.В. Среда разработки программ дистанционного обучения ГИПЕРТЕСТ: Инструментальные средства // Информационные технологии. -2001. №8. с.34-40.

71. Пантелеев Е.Р., Малков И.В. Системы дистанционного образования. Аналитический обзор // Образовательные технологии. / Межвуз. сб. научных трудов. Вып.7. Воронеж: ВГПУ, 2001. - С.178-184.

72. Пантелеев Е.Р., Нуждин В.Н., Юдельсон М.В. Управление качеством услуг дистанционного обучения на основе концепции интегрированной информационной модели жизненного цикла. Качество. Инновации // Образование. — 2003. №1. с. 54-59.

73. Пантелеев Е.Р., Пекунов В.В., Юдельсон М.В. Концепция прав доступа в сетевой среде разработки программ дистанционного обучения ГИПЕРТЕСТ // Образовательные технологии: Межвуз. сб. науч. тр. Воронеж: ВГПУ, 2001. — с.184-187.

74. Пантелеев Е.Р., Юдельсон М.В. Логистическая модель планирования учебного процесса в вузе: Тез. докл. НПК «Современное состояние, проблемы и перспективы развития российской экономики» (III Кондратьевские чтения). — Иваново: ИГЭУ, 2000.-с. 18-20.

75. Пантелеев Е.Р., Юдельсон М.В., Малков И.В., Пекунов В.В. ГИПЕРТЕСТ: инструментальная среда разработки и сопровождения программ дистанционного обучения. Иваново: ИГЭУ, 2003. - 100 с.

76. Попов Г.В., Ратманова И.Д., Игнатьев Е.Б. К вопросу организации экспертной помощи при автоматизированном проектировании трансформаторов // Энергетика. Изв. вузов. 1990. - № 11.-е. 33-37.

77. Приворотский Д. С., Комиссарова Е.В. Обучение системам автоматизированного проектирования: опыт сотрудничества фирмы, работающей на рынке САПР, и вуза. САПР и графика № 10,1999, с. 23-28

78. Прометей: Дизайнер курсов (http://www.etraining.ru/products/cdesign/)

79. Прометей: Тест-система (http://www.etraining.ru/products/test/)

80. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. М.: Радио и связь, 1993.-320 с.

81. Сервер WebCT. — (http://www.webct.com)

82. Создание расчетной подсистемы САПР трансформаторов / Бородулин Ю.Б., Гусев В.А., Попов Г.В. и др. // Электротехника. 1981. - № 5. - с. 27-30.

83. Справочник по САПР / А.П. Будя, А.Е. Кононюк, Г.П. Куценко и др.; Под ред. В.И. Скурихина. К.: Тэхника, 1988. - 375 с.

84. Ставровский Е.С., Кукукина И.Г. Оценка привлекательности инвестиционных проектов: Учебное пособие / Под ред. Кукукиной И.Г. — Иваново: «Иваново», 1997.-108 с.

85. Теверовский JL. Тридцать два часа, или Преподавательские истории // САПР и графика, № 8,2000.

86. Технология проектирования тепловых электростанций и методы ее компьютеризации / Н.Б. Ильичев, Б.М. Ларин, А.В. Мошкарин и др.; Под ред. В.Н. Нуж-дина, А.В. Мошкарина. М.: Энергоатомиздат, 1997. 234 с.

87. Технология системного моделирования / Е.Ф. Аврамчук, А.А. Вавилов, С.В. Емельянов и др. / Под общ. ред. С.В.Емельянова и др. — М.: Машиностроение; Берлин: Техник, 1988. 520 с.

88. Целищев Е.С. Технология автоматизированного проектирования технической структуры систем управления тепловых электростанций. — Автореф дисс. на соискание ученой степени д.т.н. Иваново, 2000. — 34 с.

89. Чечкин, А.В. Математическая информатика. М.: Наука. Гл. ред. физ.-мат. лит., 1991.-416с.

90. Шурыгин М.Н., Щелыкалов Ю.Я. Расчет плоскопараллельных и осесиммет-ричных магнитных полей в электрических машинах, трансформаторах и реакторах. Иваново, 1990, - 23 е.: ил.

91. Щелыкалов Ю.Я., Косаков Ю.Б. Конечно-элементное моделирование электрических полей в электрических машинах. Иваново, 2001. — 100 с.

92. Ясинский В.Б. О применимости дистанционных образовательных технологий для получения высшего образования по техническим специальностям // Электронный журнал «Исследовано в России» (http://zhurnal.ape.relarn.rU/articles/2002/016.pdf)