МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования «УЛЬЯНОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»

Ульяновский областной центр новых информационных технологий

ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ

ТЕХНИКА

VIII Всероссийская научно-техническая конференция аспирантов, студентов и молодых ученых

ИВТ-2016

(Россия, г. Ульяновск. 24-26 мая 2016 г.)

Сборник научных трудов

Ульяновск УлГТУ

2016

УДК 004 ББК 32.97 И 74 Редколлегия: Афанасьев А.Н. – д.т.н., профессор, первый проректор,

проректор по дистанционному и дополнительному образованию УлГТУ

Негода В.Н. – д.т.н., профессор кафедры ВТ УлГТУ Соснин П.И. – д.т.н., профессор, заведующий кафедрой

ВТ УлГТУ Святов К.В. – к.т.н., доцент, декан ФИСТ УлГТУ Ярушкина Н.Г. – д.т.н., профессор, первый проректор,

проректор по научной работе УлГТУ

УДК 004 Информатика и вычислительная техника. VIII Всероссийская на-

учно-техническая конференция аспирантов, студентов и молодых ученых ИВТ-2016 (Россия, г. Ульяновск. 24-26 мая 2016 г.) : сборник научных трудов / под общей ред. В.Н. Негоды. – Ульяновск : УлГТУ, 2016. – 322 с.

В сборнике отражены результаты исследований аспирантов и студентов, представленные на VIII Всероссийской научно-технической конференции «Информатика и вычислительная техника» (ИВТ-2016, г. Ульяновск, 24-26 мая 2016 г.). Тематика докладов охватывает следующие предметные области: мате-матическое и программное обеспечение ЭВМ, моделирование рассуждений разработчика программного обеспечения, моделирование программных и аппа-ратных средств ВТ, встроенные системы, коммуникационные системы, автома-тизация проектирования, автоматизация обучения, технологии программирова-ния, организация параллельной обработки данных.

Статьи сборника публикуются в авторской редакции.

© Колл. авторов, 2016 ISBN 978-5-9795-1602-8 © Оформление. УлГТУ, 2016

ОГЛАВЛЕНИЕ

Соснин П.И. Образно-семантическое моделирование в проектировании автоматизированных систем 8

Негода В.Н. Геймификация чемпионата школьников по программированию: формирование динамичной системы рейтингов 17

Афанасьев А.Н., Войт Н.Н., Канев Д.С. Экспериментальное аттестационное занятие по сапр компас-3D 25

Абрамов А.Е. Описание процесса проектирования задач для системы J-MARK 32

Афанасьев А.Н., Гордеев В.А. Разработка метакомпилятора диаграммного языка 37

Афанасьев А.Н., Войт Н.Н., Молотов Р.С. Проектирование матрицы датчиков для идентификации фигур на шахматной доске 41

Афанасьев А.Н., Кириллов С.Ю. Разработка генератора правильных bpmn диаграмм на основе rv-грамматики 47

Боначев Н.О. Использование методов DATA MINING в прогнозировании увольнений сотрудников на основаннии данных учёта рабочего времени 56

Борисова Е.В., Подобрий А.Н., Тимирзянов В.В. О подходе к созданию системы учета и контроля электронных замечаний 60

Бригаднов С.И., Канев Д.С. Разработка рекомендательной системы САПР КОМПАС-3D 68

3

Васильев А.А. Применение модели «Experiential Learning» в деятельности проектных организаций с использованием моделирующей среды WIQA.Net 74

Васильева Т.В. Синтаксемный анализ в задаче формирования связей онтологии ownWIQA 86

Водовозова А.В., Макарова М.А., Шалаев Д.О. Единая онтологическая платформа интеллектуального анализа данных 94

Войт Н.Н. Опыт проектирования электрической принципиальной схемы в KICAD: EEschema 98

Гузаева А.В. Организация рабочего места радиомонтажника в целях повышения квалификации работников производства 104

Гусева М.А. Разработка логико-алгебраической модели системы учета рейтинга студентов 112

Дубинина М. М. Обзор графических интерфейсов программ с открытым исходным кодом для вычислительной газодинамики 118

Ефремов А.А. Система формирования туристических маршрутов с использованием анализа текстов 123

Зенцова Е.А. Оптимизация параметров многомерной контрольной карты Хотеллинга с помощью генетического алгоритма NSGA-II 127

Карпаев С.А. Интегрированная модель системы оперативного календарного производства в условиях контрактного производства 135

Карпенко Ю.С. Проектное управление в сфере WEB-разработок 143

4

Кондратьев Е.В. Сравнение эвристик структуры данных «Система непересекающихся множеств» 153

Кувайскова Ю.Е., Федорова К.А., Барт А.Д. Применение методов нечеткой логики и машинного обучения при решении задачи технической диагностики 160

Куркина С. В., Григоричева М.С. Разработка автоматизированной системы учета и анализа торговых операций 167

Куркина С.В., Кантимирова А.И. СППР на валютном рынке 172

Лихтциндер Б.Я., Голубничая Е.Ю. Разработка и анализ модели беспроводной сенсорной сети 178

Мошкин В.С. Подход к прогнозированию финансового состояния организации с использованием возможностей платформы 1С: предприятие 8.3 1812

Павлов В. Ю. Разработка метода повышения точности определения местоположения абонента мобильной связи 186

Пономарева О.А. Анализ данных с помощью аналитической платформы DEDuctor 191

Прохоров Е.Э. Концептуальная схема формирования лингвистической обратной связи в компьютерных играх 194

Пушкарева А.А. Механизмы автоматической обработки текстов в задаче формирования проектных онтологий 200

Ромодин М.Ю. Прототипирование проектных решений при создании интегрированного хранилища номенклатурно-справочной информации 207

5

Савкин Л.В. Приложение пороговых функций к анализу и управлению режимами динамической реконфигурации регенеративных электронных систем 218

Сельбаков А. Э. Анализ влияния помех на точность определения местоположения абонентов систем мобильной связи 223

Сибирев И.В. Быстродействие программной реализации алгоритма «восстановление данных» 227

Смагин А.А., Липатова С.В., Булаев А.А. Модели построения 3D ГИС 232

Смирнов И.А. Анализ влияния помех на зоны сотовых систем связи 238

Старшова Т.В. Оценка реактивности web-приложений, созданных средствами Kendo UI Framework 241

Стратонов А.Н. Практическое исследование ассемблер трансляторов в Unix-системах 249

Субханкулова С.Р. Повышение точности вывода нечётких классификаторов с помощью алгоритма «минный взрыв» и метода хука-джиивса на наборе данных kdd 254

Труханов Т.И., Федяев О.И. Алгоритм обучения нейросетевого распознавателя графических образов на основе самоорганизации 258

Тырса С.В., Моргайлов Д.Д. Разработка архитектуры кроссплатформенного сетевого сервиса централизованной печати 264

Фролов В.А. Расширение функциональности приборной панели с помощью микроконтроллера 267

6

Хорева А. С., Клячкин В. Н. Семантическое обобщение патернов при формировании сборочной 3D-модели 274

Цыганков Д.Э., Похилько А.Ф. Семантическое обобщение патернов при формировании сборочной 3D-модели 279

Шамшев А. Б. Интернет вещей – понятие, проблемы, перспективы 282

Шайдуллова Г. И. Критерии и инструментальные средства оценивания качества таблиц каскадных стилей CSS и продуктов их использования 296

Шайдуллова Г. И. Событийно-ориентированное управление использованием css стилей 300

Шибанов М.А. Математическая модель воздействия негауссовских помех на устройства цифровой обработки сигналов 306

Шунина Ю.С., Алексеева В.А. Реализация интеллектуальных методов классификации в среде Matlab 311

Шунина Ю.С., Алексеева В.А. Реализация непараметрических методов классификации в среде Matlab 317

7

УДК 004.912

ОБРАЗНО-СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В ПРОЕКТИРОВАНИИ АВТОМАТИЗИРОВАННЫХ

СИСТЕМ

П.И. Соснин1

В статье представляется подход, обеспечивающий образно-семантическое моделирование при решении задач в проектировании автоматизированных систем. Такое моделирование дополняет работу левого и правого полушарий мозга проектировщика, способствуя объ-единению и переплетению логических и образных процессов и их ре-зультатов в целостности, обслуживающие явное и конструктивное представление как процесса понимания, так и его результата.

Введение Не так далёк тот день, когда расширяющаяся компьютеризация всех сфер

человеческой активности, включая различные виды персональной и коллек-тивной деятельности, приведёт к образованию социо-киберфизической ноо-сферы, во взаимодействие с которой будет вовлечено всё население Земли. В образовании такой ноосферы особо принципиальна роль прогресса теле-коммуникаций, который за последнее десятилетие, освоив различные формы связывания людей, включая социальные сети (Internet-of-People), перешёл на то что их окружает как вещи (Internet-of-Things) и как сервисы (Internet-of-Services).

С развитием разновидностей систем расширенного Интернета, уже осу-ществляется переход к всеохватывающему Интернету (Internet-of-Evrythings), а от него в Кибер-сети, где различные неодушевленные предме-ты и физическая реальность, за счет использования разнообразных вычисли-тельных ресурсов и сенсорных возможностей, наделяются подобием интел-лектуальных функций и поведением.

Всё это приводит к новым постановкам вопросов о формах существова-ния людей в глобально информатизируемом мире и, в первую очередь, об их взаимодействии с их окружением. Следует отметить, что в таких взаимодей-ствиях следует сохранять естественность отношений людей с их окруженим, естественность в том смысле, что применения кибер-посредников должны включаться в их жизнедеятельность согласовано с её природной интеллекту-альной сущностью.

1 432027, Ульяновск, ул. Северный Венец, 32, УлГТУ, e-mail: sosnin@ulstu.ru

8

Одной из важнейших составляющих естественного взаимодействия явля-ется мысленное воображение, без которого невозможно себе представить работу проектировщиков автоматизированных систем (АС), аналоги которых отсутствуют. В такой работе приходится строить архитектурные представле-ния будущей АС, опираясь на её образно-семантические представления.

В статье рассматриваются вопросы образно-семантического моделирова-ни феномена интеллектуального воображения в рамках автоматизированного мысленного экспериментирования, осуществляемого проектировщиком в процессах прецедентно-ориентированного решения проектных задач.

Основой для реализации моделирования служит инструментальная во-просно-ответная моделирующая среда OwnWIQA (Own Working In Questions and Answers, короче WIQA, персональная среда вопросно-ответной активно-сти), разработанная для инструментальной поддержки [2] проектировщика, решающего задачи в разработке АС.

Исходные предпосылки Создавая интеллект, природа опиралась на многочисленные эволюцион-

ные эксперименты с условными рефлексами и их кодированием и декоди-рованием в нейронных мозговых структурах живых существ для будущих повторных использований. Вложение таких рефлексов в генетический опыт оказалось одним из результатов таких экспериментов, полезных для живых существ.

Следовательно, реагируя на новую задачу Z как на причину, потенциаль-но развивающую наличный опыт в человеко-компьютерной среде, целесооб-разно использовать аналогии с интеллектуальной обработкой условных дея-тельностных рефлексов, способствующие согласованно формировать пред-ставление задачи R(Z) в мозговых структурах лица (или лиц), решающе-го(решающих) и модель прецедента MP(Z) её компьютеризованного реше-ния.

Формируя представление задачи R(Z) следует исходить из того, что этот конструкт является динамическим образованием. Аналогии подсказывают необходимость моделирования мыслительных образов, сопровождающих процесс построения R(Z), независимо от того порождаются эти образы сти-мулами, поступающими в результате взаимодействия органов чувств с ок-ружающей средой или в условиях отсутствия таких стимулов.

Схематические модели {GMk(Z)} таких образов позволяют выражать це-лостность восприятия и представления задачи Z с полезных точек зрения. Каждая из таких моделей GMk(Z) создается для определённых целей, для достижения которой эта модель активизирует соответствующий мысленный образ, удерживает его в активном состоянии и взаимодействует с ним в про-цессе решения задачи. Более того, модель GMk(Z) может быть материализо-вана в компьютерной памяти так, чтобы её полезное применение выражалось программно и применялось автоматически или автоматизированно.

9

В согласованном формировании представления R(Z) и моделей и MP(Z) и GMk(Z) следут конструктивно использовать логико-лингвистические меха-низмы и другие проявления интеллекта, среди которых особое место занима-ет «понимание».

Наиболее разносторонне и глубоко интеллектуальная обработка задачных ситуаций освоена в научной деятельности. Так, например, научный экспери-мент исходно предполагает, что его описание, включая полученный резуль-тат, должно быть таким, чтобы по этому описанию его могли повторить не только автор, но и другие исследователи. А значит, научные эксперименты относятся к подклассу прецедентов, для которых накоплен громадный опыт интеллектуальной обработки породивших их задачных ситуаций.

За любым экспериментом E практически всегда стоит попытка выявить определённую причинно-следственную закономерность wi, потенциально полезную для отношений человека с окружающим миром W. С такой попыт-кой связывают задачу ZEj, в содержание которой включают спецификации связной совокупности условий CE(CEj1, CEj2,…, CEjK) проведения экспе-римента и ожидаемого результата REj. Другими словами, текст постановки задачи ZEj должен раскрывать в какой обстановке Vj будет эксперименталь-но выявляться закономерность wi.

К решению задачи ZEj логично подходить с позиций работ над проектом создания обстановки Vj, что обычно и происходит в практике научного экс-периментирования, поскольку только после создания обстановки Vj появля-ется возможность управляемо активизировать исследуемую потенциальную закономерность wi. Типичным результатом подобных проектов является соз-дание «экспериментальной установки», для которой оценено, а, возможно, и предусмотрено управляемое взаимодействие с окружающей средой в про-цессе экспериментирования.

Причины проведения научных экспериментов многообразны и в их число входят те, которые возникают в наукоемком проектировании. Так что, как опыт проектирования может помочь в научном экспериментировании, так и опыт (научного) экспериментирования может помочь в проектировании, в первую очередь, в подтверждениях, что требования к проекту (как своеоб-разные «закономерности») реализуются.

Одним из видов научных экспериментов, наиболее близких к естествен-ному взаимодействию человека с окружающей средой, является мысленное экспериментирование, в котором обстановка Vj управляемо создаётся в моз-говых структурах, а процесс экспериментирования и управление этим про-цессом поддерживается за счет использования естественного (или естествен-но-профессионального) языка и схематических образов. Особое место в мысленном экспериментировании занимают процессы сознания, проте-кающие в его (сознания) памяти и взаимодействующие с употреблениями языка и графики, вынесенными за рамки мозга.

10

Инструментальная среда WIQA Инструментальная среда WIQA изначально разрабатывалась для модели-

рования совокупностей технологических (нормативных) и предметных про-ектных задач, которые приходится решать разработчикам АС. Как источник нормативных задач были использованы типовые задачи потоков работ кон-цептуального проектирования в технологии Rational Unified Process (RUP).

Одной из важнейших особенностей концептуального проектирования в среде WIQA является потенциальное применение всех средств этого инстру-ментария к любой задаче Zi дерева T({Zi}) проектных задач {Zi}, если в этом будет необходимость. В таком применении задача Zi представляется её во-просно-ответной моделью (QA-моделью, QA(Zi)), структурирующей про-цесс решения задачи в формах вопросно-ответных рассуждений. К специфи-ке инструментария WIQA относится встроенная в него семантическая память вопросно-ответного типа и концептуально-алгоритмический язык програм-мирования, определённый над этой памятью () и позволяющий разрабаты-вать необходимые расширения.

К числу таких расширений относятся средства, обеспечивающие создание и использование Базы Опыта (проектной организации, разрабатывающей семейства АС), в состав которой входят «База прецедентов» и «Онтология». Именно эти компоненты несут основную функциональную нагрузку в конст-руктивной работе с пониманием при решении проектных задач (Рис. 1)

Рис. 1. Среда достижения понимания и представления его результата

WIQA

Операционная среда проектирования

Онтология База прецедентов

База Опыта

Интегрированная модель прецедента

Модель_N Модель_2 Модель_1

11

Модель прецедента Применение аналогий с «интеллектуально обработанным условным реф-

лексом» привело к модели прецедента, схема которого, согласованная с ре-шением проектных задач в компьютеризованных средах, представлена на рисунке 2.

Рис. 2. Структура модели прецедента

Модель прецедента, детально специфицированная в [Sosnin, 2013], для соответствующей задачи (по ходу её решения) интегрирует в единое целое следующие компоненты: постановку задачи PTi(t), результат вопросно-ответного анализа процесса её решения PQAi(t), логические условия повтор-ного решения PLi(t), образное представление задачи PGi(t) и её псевдо-кодовое алгоритмическое описание PIi(t) а также исполняемую программу решения PEi(tr6).

В схеме модели её (итеративное) построение выражено приращениями ∆PXi(t) c их привязкой к жизненному циклу модели, который на интервале времени (t0, tr) входит в жизненный цикл задачи так, что проектировщик пе-реключается на модель прецедента, когда в этом возникает необходимость. Любая из таких причин прямо или косвенно затрагивает то, что называют «пониманием».

Напомним, что в построениях моделей прецедентов используется их «по-нимание» как «интеллектуально обработанных условных рефлексов», что выводит на вопросы о формах такой обработки. Одной из таких форм явля-ется «концептуальный эксперимент как автоматизированный мысленный эксперимент, содержание и процесс которого оперативно отображается на семантическую память, а результаты отображения используются по ходу

12

экспериментирования с полезными целями [Sosnin, 2015]. Наиболее важны-ми из таких целей является обслуживание понимания и повторное использо-вание решения соответствующей задачи.

Итеративное построение модели прецедента Итеративное построение модели прецедента осуществляется в контексте

метода пошаговой детализации решения проектной задачи, который адапти-рован к его применению в инструментально-моделирующей среде WIQA, где его применение начинается с исходной постановки задачи ST(Zi, t0), сформу-лированной на естественно-профессиональном языке. Сохраняя сущность задачи, этот текст лучше сформулировать настолько абстрактно (а значит и коротко) насколько это возможно.

Каждый шаг реализации метода снимает определённый объем неопреде-лённости∇U(Zj, tk) существующий в ST(Zj, tk) за счёт дополнения его очеред-ным приращением ∆ST(Zj, tk), которое вносит в решение задачи очередные ограничения. Повышение уровня абстракции текста уменьшает навязанные им ограничения.

Текст ST(Zj, t0) и соответствующая ему неопределённость ∇U(Zj, t0) являются источником последующих приращений ∆ST(Zj, t1), ∆ST(Zj, t2), …, ∆ST(Zj, tK-1), которые уточняют текст до необходимого состояния ST(Zj, tK). Для такой генерации текст логично интерпретировать как источник ис-ходных аксиом, которых должно быть как можно меньше, но в то же время достаточно для «вывода» состояния S(Zj, tK).

После создания исходной постановки задачи, проектировщик обращается к анализу ее текста и осуществления других нормативных действий разрабо-танного подхода. При выполнении этих действий, шаг за шагом, состояние ST(Zj, tk) будет обогащаться в то время как его неопределенность ∇U(Zj, t0) будет уменьшаться за счёт включения в работу с неопределённостями меха-низмов вопросно-ответной идентификации результатов.

Отметим, что пошаговая детализация постановки задачи ST(Zj, tk) являет-ся той составляющей её жизненного цикла, которая используется для ин-формационно-управляющего воздействия на построение модели прецедента. Именно по этой причине в состав его специализированных моделей включе-на постановка задачи PTi(Zj, t) = ST(Zj, t) в её текущем состоянии. Кроме того, результаты вопросно-ответной детализации текста постановки задачи, фик-сирующие приращения {∆ST(Zj, tk)} регистрируются в специализированной модели PQAi(Zj, t).

Постановка задачи ST(Zj, t) и её приращения могут содержать не только текст, а также графические и алгоритмические составляющие, подключение которых к текстовым описаниям вопросов и ответов предусмотрено в систе-ме операций с ячейками семантической памяти. Такие составляющие порож-даются в результате работы с текстами (например, в результате их анализа) и дополняют тексты с различными целями (например, для обслуживания по-нимания). По этой причине, очередное приращение постановки задачи может

13

иметь любой тип из множества (∆PT(t), ∆PL(t), ∆PQA(t), ∆PG(t), ∆PI(t), ∆PE(t)), причем результаты анализа полученного приращения отрабатываются по обратной связи в следующем шаге детализации задачи и, следовательно, в построении модели прецедента. В качестве основных источников данных для анализа в разработанном подходе используются концептуальные экспери-менты.

Понятийно-образная поддержка эксперимента В число принципиальных целей концептуального экспериментирования

входит достижение необходимого понимания, например, (исходного) текста постановки задачи или очередного её приращения. Для достижения такой цели разработан специализированный (типовой) концептуальный экспери-мент, проведение которого осуществляется в обстановке, схема которой при-ведена на рисунке 3.

В основу эксперимента положено итеративное согласование исследуемой текстовой единицы T, представленной её пролого-подобным описанием Pr(T), и графической модели T в виде семантической сети (граф-схемы), ко-торая создается автоматически по коду Pr(T). Для преобразования обрабаты-ваемого Т в Pr(T) разработана специализированная утилита преобразования.

Рис. 3. Итеративное согласование текста и графики

Согласование осуществляется в интерфейсных формах специализирован-

ного графического редактора, встроенного в инструментарий WIQA. Для

14

псевдокодового программирования графики разработано расширение языка LWIQA.

Основой согласования служит обратная связь между текстом и графикой, способствующая переносу любых «позитивных изменений» от текста на графику и наоборот. Для проверки корректности прологоподобных описаний из программы эксперимента вызывается версия Swi-Prolog интерпретатора Пролога [Swi-Prolog, 2016]. Для проверки корректности графики и её уточ-нения используются обращения к Онтологии проекта и Базе Опыта. Завер-шение итеративного согласование текста Т и его граф-схемы указывает, что понимание Т достигнуто.

Кроме преобразования текстовых единиц в соогтветствующие им семан-тические сети, предлагаемый комплекс средств обеспечивает построение диаграммных схем и их прикрепление к единицам текста, а также построе-ние концептуально-алгоритмических схем, в частности диаграмм активно-стей, для демонстрации моделируемых действий в прецедентах.

Для диаграммных схем опрелены средства псевдокодового программиро-вания, обслуживающие их повторное динамическое вырисовывание, а также исполнение алгоритмических диаграмм в режиме интепретации. Одним из применений разработанных средств графики является их использование для рисования исполняемых интерфейсов, обеспечивающих оперативное связы-вание псевдо-кодовые процедур и функций в единое целое

Заключение В статье представляется подход, позволяющий управлять процессами по-

нимания проектировщика при решении задач в проектировании автоматизи-рованных систем. Такое управление дополняет работу левого и правого по-лушарий мозга проектировщика, способствуя объединению и переплетению логических и образных процессов и их результатов в целостности, обслужи-вающие явное и конструктивное представление как процесса понимания, так и его результата. Особое внимание уделяется новым задачам, которые поро-ждаются проектировщиком творчески и оперативно по ходу проектирования.

Для поддержки процесса понимания и представления его результата ис-пользуется инструментально-моделирующая среда WIQA, предназначенная для обслуживания концептуального проектирования АС. Особую роль в поддержке выполняет вззаимодействие с Базой опыта и такими её компонен-тами как «Онтология» и «База прцедентов». Типовой формой регистирации достигнутого понимания является нормативная схема модели прецедента.

Список литературы 1. Соснин П. И. Вопросно-ответное программирование человеко-компьютерной

деятельности – Ульяновск : УлГТУ, 2010. – 240 с. 2. K. R. M. Leino M. and K. Yessenov, “Stepwise refinement of heap-manipulating code

in Chalice”, Formal Aspects of Computing, Vol. 24, Issue 4, 2012, pp 519-535.

15

3. Guarino, N., Oberle, D., Staab, S.: What is an Ontology? In S. Staab and R. Studer (eds.), Handbook on Ontologies, Second Edition. International handbooks on information systems. Springer Verlag, 1-17 (2009).

4. R. Colvin, L. Groves, I. J. Hayes, D. Hemer, R.Nickson and P. Strooper, “Developing Logic Programs from Specifications Using Stepwise Refinement”, Lecture Notes in Computer Science, Volume 3049, 2007, pp 66-89.

5. Fitsilis, P., Gerogiannis,V., Anthopoulos, L.: Ontologies for Software Project Manage-ment: A Review, Journal of Software Engineering and Applications, vol.7 no.13, 1096-1110 (2014).

6. V. Jaros, “Concept Development and Experimentation in project STRUCTURE.” In Cybernetic Letters.Brno: Expertia, o.p.s., no. 2, 2011, pp.36-41.

7. P. Sosnin, Question-Answer Processor for Cooperative Work in Human-Computer Environment/ Sosnin P.I. // In Proc. of the 2d International IEEE conference Intelligent System Varna, Bulgaria, 2004, pp. 452-456.

8. Sosnin, P. Question-answer programming and modeling in expert systems/ P.I. Sosnin // In Proc. of Artificial Intelligence and Applications – AIA’2009, Vienne, Austria, pp. 117-123.

9. P. Sosnin, Question-Answer Programming in Collaborative Development Environment/ P.I. Sosnin // In Proc. of The third IEEE conference Cybernetics and Intelligent Sys-tems – CIS-RUM’2010, Singapore, 2010, pp. 273-278.

10. P. Sosnin, Question-Answer Approach to Human-Computer Interaction in Collabora-tive Designing / P.I. Sosnin. Chapter in the book “Cognitively Informed Intelligent In-terfaces: Systems Design and Development” Published IGI Global, 2012, pp. 157-176.

16

http://www.scirp.org/journal/articles.aspx?searchCode=Panos+Fitsilis&searchField=authors&page=1http://www.scirp.org/journal/articles.aspx?searchCode=Vassilis+Gerogiannis&searchField=authors&page=1http://www.scirp.org/journal/articles.aspx?searchCode=Leonidas+Anthopoulos&searchField=authors&page=1http://www.scirp.org/journal/PaperInformation.aspx?PaperID=52811http://www.scirp.org/journal/PaperInformation.aspx?PaperID=52811http://www.scirp.org/journal/Home.aspx?JournalID=45http://www.scirp.org/journal/Home.aspx?IssueID=5818

УДК 004.588

ГЕЙМИФИКАЦИЯ ЧЕМПИОНАТА ШКОЛЬНИКОВ ПО ПРОГРАММИРОВАНИЮ: ФОРМИРОВАНИЕ

ДИНАМИЧНОЙ СИСТЕМЫ РЕЙТИНГОВ

В.Н. Негода1

Рассматриваются технологии и процесс геймификации чемпионата ИТ-сферы Ульяновской области по программированию среди школь-ников. Результатом излагаемого процесса является система из не-скольких десятков рейтингов успешности и индексов их прогресса.

Введение Чемпионат ИТ-сферы Ульяновской области по программированию среди

школьников проводится с весны 2015 года [1]. В 2016 году это система из 13 турниров [2], разбитых на 4 сезона: зима, весна, лето, осень. В каждый сезон проводится 3 турнира: тренировочный, отборочный и финальный. Каждый турнир это один контест в терминологии спортивного программирования, выполняемый с использованием системы управления программистскими турнирами Contester [3]. Двенадцать сезонных турниров предполагают инди-видуальное участие с подсчетом суммарных показателей по учебным заведе-ниям. После индивидуальных турниров в рамках сезона «Осень-2016» орга-низуется заключительный командный суперфинал, в который приглашаются команды по три человека от лучших школ по итогам всех турниров года.

С целью увеличения массовости и результативности чемпионата в 2016 году в его организацию вовлекается широкий спектр мотивационных меха-низмов, основанных на технологиях геймификации обучения [4]. Как извест-но, основу таких технологий составляет система рейтингов, дающая основа-ние порождать различные события успеха, с которыми связываются различ-ные «пряники», представляющие собой либо сообщения о достижениях, ли-бо символические награды – бэйджи. Разработка и использование широкого спектра показателей успеха в технологии геймификации обычно объединяют термином «игровые механики».

Формируемая для чемпионата система рейтингов рассматривается ниже как продукт целенаправленного эволюционного процесса. Содержание этого процесса строится на последовательном выявлении недостатков множества предлагаемых рейтингов в контексте двух важных требований к ним: воз-

1 432027, Ульяновск, ул. Северный Венец, 32, УлГТУ, e-mail: nvnulstu@gmail.com

17

можности порождать достаточно широкий круг достижений и обеспечивать динамику изменения положения школ и участников в различных рейтингах.

Если эти требования удовлетворяются, то повышается вероятность полу-чения «пряников» многими школами и участниками. Тем самым усиливают-ся мотивы участия для тех, кто в традиционной турнирной таблице оказыва-ется заведомо не на призовых местах. Если требования не удовлетворяются, то либо создаются какие-то компенсационные механизмы, уменьшающие отрицательный эффект от выявленных недостатков, либо вводятся дополни-тельные рейтинги.

Исходное состояние геймифицируемого чемпионата С целью мотивации участия в чемпионате с июля 2015 года подсчитыва-

ется рейтинг школ по формуле: R = C + 3*F + 5*S,

где C – число правильных решений задач учениками школы в отбороч-ных турнирах;

F – число правильных решений задач в сезонных финалах; S – число правильных решений задач в суперфинале. За год использования данного рейтинга вскрылись следующие его недос-

татки: • не учитывается активность в тренировочном процессе; • легко «накрутить» рейтинг за счет массового участия в отборочном

турнире; • не учитывается различие в сложности задач; • не обеспечивается достаточно активная динамика изменения положе-

ния школ, особенно во второй части чемпионата, когда некоторые школы уходят в заметный отрыв от остальных.

Технология геймификации: базовые механизмы развития системы «пряников»

Даже в ИТ-квестах, рассчитанных на короткие полтора-два часа времени, можно обнаружить десятки поощрительных бейджей, задействованных в процессе ради мотивации. За этим многообразием скрывается обычно трудо-емкий и длительный процесс развития системы поощрений, базовыми меха-низмами которого являются:

а) восприятие чужого опыта – в качестве примера такого опыта можно привести весьма добротное описание эволюции системы бейджей в крупной компании по интернет-маркетингу Netpeak [5];

б) фантазия и креативные способности отдельного энтузиаста геймифи-кации – здесь нужно иметь такого энтузиаста и готовность организаторов образовательного мероприятия привести в порядок продукты фантазии;

18

в) фантазия участников мозговых штурмов – здесь необходимо иметь ко-манду участников, модератора и команду аналитиков;

г) рутинный процесс инвентаризации недостатков и последовательное преодоление этих недостатков – это рациональный процесс, способный по-родить десятки «пряников» для мотивации.

Ниже рассматривается последовательное применение четвертого механизма.

Учет активности в тренировочном процессе

Существует два принципиально разных способа избавиться от недостат-ков в какой-то формуле рейтинга:

а) совершенствовать саму формулу; например, добавить в приведенную выше формулу рейтинга R слагаемое 0,2*T, где T – число задач, решенных в тренировочном турнире;

б) ввести новый рейтинг. Первый способ обычно используют при ранжировании в профессиональ-

ной оценке и системах поддержки принятия решений. Пример – рейтинг FIFA [6].

При геймификации целесообразнее вводить новые рейтинги для усиления мотивации, стремясь при этом получить рейтинговые таблицы, заметно раз-личающиеся по составу и порядку участников.

В случае c тренировочным процессом чемпионата школьников существу-ет потенциальная потребность учитывать решения в сборниках задач и ка-кие-то другие активности школьников в предметной области информацион-ных технологий. С учетом данного обстоятельства целесообразно ввести рейтинг активности А, который равен количеству решенных задач в любых турнирах и возможно каких-то баллов от внетурнирной активности. Сущест-вующий рейтинг, обеспечивающий прохождение в финал, логично назвать рейтингом успешности.

Анализ недостатков рейтинга активности Рейтинг активности является хорошей характеристикой активности

школы, но у него есть два недостатка (продолжаем инвентаризацию недостатков).

1. Поскольку этот рейтинг не приводит в финал и суперфинал, его авто-ритет большинству участников представляется невысоким. Авторитет можно поднять за счет фиксации мнения ИТ-компаний о ценности баллов рейтинга активности. Объективно, многим компаниям интересны работники, способ-ные выполнять большой объем несложной работы. Это трудяги. Обращение к мнению ИТ-компаний является компенсатором недостаточной авторитет-ности показателя.

19

2. У двух школ может быть одинаковое значение рейтинга активности при существенно различающемся числе участников турнира. Например, в тренировочном турнире одной школы 10 задач будут решены одним учени-ком, а другой школы – 10 учениками. По сути дела, речь идет о массовости участия, при самостоятельном учете которой мы получаем еще один рейтинг, расширяющий спектр достижений. Кроме того, ИТ-компании выгодно во-влекать в какие-то образовательные мероприятия школу с большим числом участников чемпионата. В этой связи целесообразно ввести рейтинг массо-вости M, который равен числу школьников, решивших хотя бы одну задачу. С тем, чтобы массовость участия всего лишь в одном турнире не могла стать определяющей место в годовом рейтинге, последний целесообразно вычис-лять как сумму показателя массовости по всем турнирам, т.е. M = ΣMn, где n – номер турнира.

Учет сложности задач Широко распространенный подход к учету сложности заключается в

приписывании каждой задаче индекса сложности – определенного веса. Именно так делают при проведении большинства муниципальных олимпиад школьников по информатике. Для одного мероприятия в год можно было бы попытаться собрать экспертов и построить взвешенную оценку сложности. Однако для 13 турниров это практически невозможно, а в условиях много-дневных турниров с участием новых участников, диапазон квалификации которых широк и трудно предсказуем, приходится добавлять задачи по ходу турнира. Проблема использования предварительной оценки школьников хо-рошо рассмотрена в методических рекомендациях центральной предметно-методической комиссии по информатике [7].

Возможность объективной и достаточно простой оценки сложности задач заключается в том, чтобы связать эту оценку с количеством участников, ко-торые решили конкретную задачу. Самый простой способ заключается в том, чтобы за k-ю задачу начислять B/Nk баллов, где Nk – число участников, ре-шивших k-ю задачу, а B – какое-то базовое число баллов, которое получает тот, который оказался единственным, решившим эту задачу.

Такой рейтинг логично назвать рейтингом мастерства (профессионализ-ма), а в силу занятости имени M в создаваемой системе рейтингов будем ис-пользовать имя P:

P = B*Σ 1/Nk . Сумма вычисляется по всем решенным задачам для каждого школьника и

суммируется по всем школьникам для получения рейтинга мастерства шко-лы.

Рейтинг мастерства логично не вычислять для тренировочных турниров в силу отсутствия контроля самостоятельности решения. Недостатком рейтин-га мастерства является наличие отрицательной динамики – первый решив-ший k-ю задачу получает B балов, однако по мере решения этой задачи дру-

20

гими участниками баллы уменьшаются. Компенсатором этого недостатка может быть такая публикация рейтинговых показателей, в которой этот не-достаток мало заметен.

Завершение формирования базовой системы рейтингов

Борьба с тремя первыми недостатками исходного рейтинга R породила систему рейтингов MARP – массовость, активность, успешность (результа-тивность), мастерство (профессионализм). Каждый рейтинг порождает таб-лицу, местоположение в которой очень важно для геймификации. Место в таблицах будем обозначать индексом L, что позволяет формируемую базо-вую систему назвать MARPL. Система MARPL довольно универсальна. При геймификации образовательных мероприятий внутри школы она может быть использована либо полностью, либо без рейтинга массовости, если меро-приятие не предполагает участие по личному желанию учеников многих классов.

Для чемпионата по программированию базовая система включает в себя 8 видов рейтингов:

MARPL = {M, LM, A, LA, R, LR, P, LP}. Эти рейтинги дают возможность фиксировать широкий круг достижений

вида «преодоление уровней значения рейтинга» и «улучшение места в таб-лице рейтинга». Базовую систему рейтингов важно иметь перед работой по развитию динамики рейтингов.

Повышение динамики показателей: локализация показателей по контингенту участников

По мере роста рейтингов MARP к концу мероприятия относительный их прирост падает и зачастую решение даже нескольких задач не приводит к изменению положения в рейтинговых таблицах. Этот недостаток динамики показателей преодолевается локализацией показателей. Очень часто исполь-зуется локализация по контингенту участников, которая заключается в агре-гации рейтингов отдельных участников в рейтинги каких-то групп.

На основе личных рейтингов участников областного чемпионата школь-ников могут быть построены различные агрегации.

1. Отдельный участник – из рейтингов отдельных участников склады-ваются суммарные рейтинги любой из групп. Массовость для отдельного участника лишена смысла, поэтому получаем рейтинги и места: Au, Ru, Pu, LAu, LRu, LPu.

2. Команда участников – во внутришкольном процессе может быть це-лесообразным разбить класс на команды и самим участникам команд пору-чить суммировать рейтинги для получения рейтингов команд и мест этих команд в межкомандном соревновании.

21

3. Учебный класс – аналогично предыдущему из рейтингов участников одного класса получается рейтинг всего класса, который участвует в состя-зании между классами.

4. Школа – эти рейтинги публикуются на сайте ulivt и порождают систе-му показателей школ: Ms, As, Rs, Ps, LMs, LAs, LRs, LPs.

5. Юноши/Девушки – не соревнование между ними, а выделение чем-пионов и призеров классов, школ и других ареалов агрегации среди девушек, либо среди юношей.

6. Возрастные группы – выделение победителей среди младших, сред-них, старших групп либо среди участников одного года рождения.

Повышение динамики показателей: локализация показателей по этапам мероприятия

Локализация по этапам заключается в выделении этапов и определении победителей и призеров для каждого этапа.

В чемпионате по программированию такие этапы уже есть. 1. Турнир (контест в терминологии спортивного программирования).

Турнирные таблицы порождаются системой автоматической проверки реше-ний. С учетом правил подсчета рейтингов чемпионата из рейтингов получа-ем систему внутритурнирных рейтингов: {Aut, Rut, Put, LAut, LRut, LPut} и {Mst, Ast, Rst, Pst, LMst, LAst, LRst, LPst}

2. Сезон. Суммирование рейтингов отдельных турниров сезона и тур-нирная таблица финала сезона порождают такую систему внутрисезонных рейтингов: {Aus, Rus, Pus, LAus, LRus, LPus} и {Mss, Ass, Rss, Pss, LMss, LAss, LRss, LPss}

3. Год. Это исходная система рейтингов, критический анализ динамики которой позволил утроить набор показателей через локализацию по этапам – 42 рейтинга вместо 14.

4. Многолетнее участие в чемпионате – нарастающая сумма показате-лей по всем годам участия. В индивидуальном зачете очень часто подводится на сайтах поддержки спортивного программирования.

Очевидно, что динамика показателей уменьшается по мере увеличения выше интервала времени их подсчета.

Повышение динамики показателей: учет прогресса показателей

Учет прогресса показателей позволяет выделять тех участников и те шко-лы, которые на каком-то отрезке времени сделали «рывок». В коротких обра-зовательных мероприятиях это могут быть минуты, например: первые десять минут, вторые и т.п.; первые полчаса, вторые полчаса.

22

В круглогодичном чемпионате целесообразно выделять сильно разли-чающиеся отрезки времени, например: либо .

Поскольку прогрессируют различные рейтинги, то для обозначения при-ращения целесообразно не использовать термин «рейтинг», а применить термин «индекс прогресса». Для уменьшения все нарастающей сложности в обозначениях рейтингов индексы прогресса будем выделять префиксами имен: d – день, w – средний интервал (неделя или 10 дней), q – максималь-ный интервал (квартал либо 100 дней). В итоге для общегодовых результатов школ получаем:

dMs, wMs, qMs, dAs, wAs, qAs, dRs, wRs, qRs, dPs, wPs, qPs, dLMs, wLMs, qLMs, dLAs, wLAs, qLAs, dLRs, wLRs, qLRs, dLPs, wLPs, wLPs,

dAu, wAu, qAu, dRu, wRu, qRu, dPu, wPu, qPu, dLAu, wLAu, qLAu, dLRu, wLRu, qLRu, dLPu, wLPu, wLPu.

К 42 рейтингам турниров, сезонов и года добавляются 42 индекса про-гресса – это без внутришкольных показателей. В принципе, может быть раз-биение на большее число интервалов времени, однако публикация индексов прогресса на веб-страницах чемпионата при этом затрудняется.

В индексе прогресса рейтинга мастерства существует риск проявится от-меченный выше недостаток рейтинга мастерства, заключающейся в возмож-ности его деградации у конкретного участника по мере решения задач дру-гими участниками. Легко показать, что благодаря единой точке начала коор-динат отрезка времени исчисления индекса прогресса этот индекс не может быть отрицательным. Например, индекс i-го участника dPui может умень-шаться по мере решения задач другими участниками, однако он никогда не будет отрицательным.

Публикация информации о событиях чемпионата Для участников чемпионата основным результатом геймификации явля-

ется отображение на его сайте таких событий, которые можно считать дос-тижениями. Все многообразие событий чемпионата целесообразно разбить на четыре потока:

• календарный поток событий, в котором фиксируются моменты време-ни начала и завершения турниров, сезонов и всего чемпионата конкрет-ного года; • исходный поток событий, образованный вердиктами проверяющих машин; • основной поток событий, связанных с изменением положения в раз-

личных рейтинговых таблицах и таблицах индексов прогресса; • дополнительный поток событий, которые являются либо продуктами

аналитической обработки динамики изменения рейтинговых таблиц, либо охватывают события, не представляемые в этих таблицах.

23

События календарного потока должны фиксироваться в базах данных чемпионата и публиковаться в заголовочных данных турнирных таблиц и информеров чемпионата.

Публикацией данных исходного потока событий занимается система под-держки проведения турниров по спортивному программированию Contester, используемая в чемпионате.

Естественным форматом публикации основного потока событий являют-ся различные таблицы, которые можно посмотреть на сайте ulivt.ru.

Дополнительный поток событий предназначен для того, чтобы в нем можно было отразить достижения как лидеров, так и аутсайдеров чемпиона-та. Лидеры могут обнаружить серьезные достижения типа «Занял призовое место», «Вошел в круг решивших 100 и более задач», «Первым решил тур-нирную задачу» и даже очень редкое «Решены все задачи турнира». Менее успешные обнаружат сообщения о более скромных достижениях: «Решена первая задача в сезоне», «Вошел в круг решивших 5 и более задач», «Вошел в ТОП-100».

Среди личных достижений участников важное место должны занимать такие, которые связаны с достижениями школы. Даже решивший в турнире всего одну задачу может получить сообщение вида «Решенная задача позво-лила школе выйти в лидеры турнира», либо «Решенная задача позволила школе войти в круг решивших 200 и более задач чемпионата». Генерация сообщений о таких событиях увеличивает мотивацию начинающих участни-ков, особенно зарегистрированных в конце чемпионата, а также способству-ет воспитанию командного духа учащихся школ.

Дополнительный поток событий порождает настолько широкий спектр сообщений, что по субъективному восприятию значимость серьезных дос-тижений падает – они теряются в потоке сотен разнообразных событий. Компенсатором такого явления может быть формирование совокупностей «пьедесталов» по итогам сезонов и чемпионата в целом. Кроме естественных «пьедесталов» типа «Призеры сезона по рейтингу активности», «ТОП-10 по рейтингу мастерства по итогам года» и т.п., в итоговых данных могут быть такие, которые напрямую не связаны с приведенными выше рейтингами. Например: «Получившие дипломы 1 степени во всех финалах года», «Самые быстрые решения первой задачи в турнирах года» и т.п.

Заключение Последовательная реализация рутинного процесса инвентаризации

свойств формируемой системы рейтингов является хорошей основой для создания системы показателей, обеспечивающих расширение круга событий успеха и дающих шансы на получение поощрительных бейджей даже шко-лам и участникам, которые в общем зачете находятся в нижней части тур-нирной таблицы. В результате частичной реализации описанной выше сис-темы рейтингов и индексов прогресса в чемпионате 2016 года удалось уве-

24

личить число решенных задач относительно аналогичных турниров 2015 го-да примерно в полтора раза. При этом, значительная часть результативности чемпионата 2015-го года была достигнута за счет активного использования административного ресурса – в школы рассылались письма руководящих работников правительства области и письма из регионального министерства образования. С начала чемпионата 2016 года оргкомитет чемпионата прекра-тил эксплуатацию административного ресурса.

Список литературы 1. Негода В.Н. Использование технологий электронного обучения в организации

чемпионата области по программированию среди школьников. // Электронное обучение в непрерывном образовании. Сб. трудов III междунар. науч.-практич. конференции. – Ульяновск : УлГТУ, 2016. – с. 335 – 343.

2. Чемпионат ИТ-сферы Ульяновской области по программированию среди школь-ников. // URL: ulivt.ru

3. Лапшов Ю.А., Негода В.Н., Фолунин В.А. Использование технологий проведения соревнований по программированию в учебном процессе. // Электронное обуче-ние в непрерывном образовании. Сб. трудов Всероссийской научно-практической конференции. Т.1. – Ульяновск : УлГТУ, 2014. – с. 99 – 103.

4. Геймификация обучения. Сайт Techyjmatrix: e-Learning Solutions // URL: http://tmx-learning.ru/?p=2987

5. Управление → реальный опыт внедрения системы геймификации в агентстве интернет-маркетинга.– URL: https://habrahabr.ru/post/223575/

6. FIFA/Coca-Cola World Ranking. URL: www.fifa.com 7. Всероссийская олимпиада школьников по информатике. Методические рекомен-

дации по проведению школьного и муниципального этапов всероссийской олим-пиады школьников по информатике в 2015/2016 учебном году. – М: Центральная предметно-методическая комиссия по информатике, 2015. – 88 с.

25

http://www.fifa.com/

УДК 004.8

ЭКСПЕРИМЕНТАЛЬНОЕ АТТЕСТАЦИОННОЕ ЗАНЯТИЕ ПО САПР КОМПАС-3D1

А.Н. Афанасьев2, Н.Н. Войт3, Д.С. Канев4

В рамках дисциплины «Инженерная и компьютерная графика» автора-ми проведено исследование на тему внедрения в учебный процесс но-вой адаптивной и рекомендательной компьютерной среды обучения по САПР КОМПАС-3D (базовый уровень), результаты опыта сведены в таблицу. Авторами предложен метод разработки подобных систем.

Введение Предложен авторский метод формирования рекомендаций для проекти-

ровщика на основе протокола проектных операций отличающийся анализом операций твердотельного трехмерного моделирования деталей, выполняе-мых в САПР КОМПАС и позволяющий заменить неоптимальные множества операций на множества операций с меньшим количеством действий, что по-зволяет повысить эффективность работы проектировщика. Рассматриваются вопросы, связанные с разработкой рекомендательной системы.

Классификация рекомендаций Выделим следующие способы уменьшения количества действий при по-

строении проектного решения с использование САПР машиностроительных объектов:

• исключение действий, которые не влияют на проектное решение: o возврат проектного решения в одно из предыдущих состояний:

- удалённые операции, - возврат параметров операции в одно из предыдущих состояний;

o действия, не изменяющие выполнение операций: - изменение параметров, не влияющих на результат операции; - повторные изменения параметров операции. • выполнение однотипных действий над группами объектов;

1 Исследование выполнено при финансовой поддержке РФФИ в рамках научного

проекта № 15-07-08268 а. 2 432027, Ульяновск, ул. Северный Венец, 32, УлГТУ, e-mail:a.afanasev@ulstu.ru 3 443027, Ульяновск, ул. Северный Венец, 32, УлГТУ, e-mail:n.voit@ulstu.ru 4432027, Ульяновск, ул. Северный Венец, 32, УлГТУ, e-mail: dima.kanve@gmail.com

26

• применение специальных операций для выполнения типовых задач (фаска, скругление и т.д.);

• выстраивание оптимальной последовательности операций с целью уменьшения количества действий необходимых для переходов между операциями;

Рассмотрим классификацию неоптимальных действий. 1. Удалённые действия

В проектном решении выполнены лишние операции, которые в дальней-шем были удалены.

Шаблон для поиска: операция удаления и удаленные операции. Резуль-тат: пустое множество.

2. Действия, кроме последних, по редактированию параметров операции

Некоторые операции в проектном решении редактировались по несколько раз. Задавайте сразу верные значения параметров операции, это уменьшит колич