«Федеральное агентство по образованию ГОУ ВПО Уральский государственный технический университет – УПИ имени первого Президента России Б.Н. Ельцина ГОУ ВПО Уральский государственный университет им. А.М.Горького ГОУ ВПО ...»

Опытный преподаватель на занятиях отслеживает психоэмоциональное и психофизиологическое состояние обучаемого, перестраивая многие параметры учебного процесса – уровень изучения предмета, стиль и скорость подачи учебного материала, степень использования демонстрационных средств и т.п. Усилия многих исследователей в настоящее время направлены на создание электронных интеллектуальных обучающих систем, учитывающих индивидуальные особенности человека в процессе обучения.

Разработка инструментальных средств, ряда свойств производилась с учетом возможности в дальнейшем сконструировать такого рода интеллектуальную систему.

Для реализации содержательной части электронного учебника, с возможностью адаптации к обучаемому, при создании конструктора были выделены, структурированы и созданы следующие классы объектов.

Рис. 1. Структура классов инструментальных средств Класс Base – основной класс, в котором реализованы свойства:

prior – переменная, задающая момент времени (а соответственно и порядок) появления элемента на форме;

level – свойство, характеризующее уровень сложности материала.

Новые образовательные технологии в вузе – Класс Visual Component (Base) – является родительским для всех визуальных объектов.

x, y – координаты верхнего левого угла элемента;

depth – расположение элемента на слайде, глубина относительно других элементов.

Класс Label (Visual Component) – используется для задания заголовков, небольших фраз. Свойства:

text – содержимое надписи;

font – название шрифта;

font_size – размер шрифта;

font_color – цвет шрифта.

Класс Text (Label) – используется для отображения больших текстовых блоков. Этот класс обладает свойствами:

style – стиль оформления текста;

type – регулирует поведение текста.

Возможные значения:

static – вариант, когда текст небольшой и умещается на одну страницу;

page – в этом случае, текст не умещается целиком в текстовый компонент, перелистывание страниц происходит по нажатию пользователем на кнопку;

automate – вариант, когда текст также не умещается, но текст прокручивается автоматически с определенной для каждого пользователя скоростью.

Класс Multimedia (Visual Component) – используется для отображения мультимедиа файлов. Свойства данного класса:

source – путь к файлу;

mask – варианты отображения, настройка прозрачности, наложение цветового слоя.

Подкласс Static Image (Multimedia) – используется для отображения статичных изображений.

Scale – позволяет масштабировать элемент статичной графики. Если фактический размер изображения превышает область отображения, то его уменьшают до размеров слайда, после чего при помощи свойства Scale масштабируют сам компонент, в который загружается изображение.

Другой подкласс мультимедиа Dynamic Image (Multimedia) используется для отображения динамических изображений и видео.

Поддерживаемые форматы: *.gif, *.swf, *.flv, *.avi. Для отображения видео файлов не обязательно наличие установленных кодеков, т.к. видео кодируется в Flash Video File и для просмотра достаточно наличие Flash Player. Свойства:

looping – задает количество повторов для показа видео материала;

control – разрешает, либо запрещает управлять просмотром.

Класс Window (Visual Component) – главное окно. Слайд, содержащий материал для демонстрации. Свойства:

color_scheme – задает цветовую схему слайда, цвет фон, цветовую гамму компонентов;

width – ширина слайда;

height– высота слайда.

Класс Audio (Base) – данный класс используется для невизуального содержимого: фоновая музыка урока, звуковые эффекты, сопроводительные комментарии к конкретным компонентам.

volume – управление громкостью аудио содержимого;

source – путь к аудио файлу;

parent – компонент, к которому привязывается звуковое сопровождение.

Класс Audio_Fon (Audio) – используется для обработки фонового звука, управление громкостью, активностью.

enabled – свойство, отключающее/включающее фоновый звук;

Рассмотренные классы объектов позволяют полностью реализовать, на наш взгляд, подачу электронной версии большей части учебного материала.

Для реализации этой системы была использована среда Adobe Flex Builder 3, она обеспечивает высокую производительность, создана на базе свободно распространяемой платформы разработки Eclipse (кроссплатформенная, открытая, универсальная среда, написанная на Java).

Adobe Flex 3, помимо скорости разработки, предоставляет полные мультимедийные возможности Flash Platform, включая потоковое видео и звук.

Созданные инструментальные средства разработки динамических многовариативных электронных курсов были использованы для реализации электронных лекций и вспомогательного материала для СРС по ряду предметов. В настоящее время ведется работа по объединению инструментальных средств для создания интеллектуального конструктора электронных обучающих средств.

Новые образовательные технологии в вузе – Захарова Г.Б., Первухин Д.Н., Байгозин Д.В.

КОМПЬЮТЕРНЫЕ ТРЕНАЖЕРЫ КАК СРЕДСТВО ЭФФЕКТИВНОГО

ОБУЧЕНИЯ: КЛАССИФИКАЦИЯ И ПРИМЕР РАЗРАБОТКИ

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Отмечена роль тренажеров в различных сферах деятельности.

Проведена классификация тренажеров по областям применения, по способам организации программно-технических средств, а также с точки зрения функциональности в зависимости от заложенных моделей.

';

Отмечены преимущества интеллектуальных тренажеров. Показаны подход и принципы реализации стенда-тренажера на примере системы управления водоснабжением.

The role of training systems in various fields of activity is noted.

Classification of training systems by fields of application, by ways of the organization of program-technical tools, and also from the point of view of functionality depending on the models is described. Advantages of intelligence training systems are noted. The approach and principles for realization of the stand-training systems by means example of the control system for water-supply are shown.

Необходимым элементом эффективного обучения являются тренинги, поскольку люди запоминают только 20% из того, что они видят, 40% из того, что видят и слышат и 70%, если видят, слышат и делают.

Тренажер, от английского train – обучать, готовить, тренировать, является программно-аппаратным средством тренировки и контроля при обучении профессии или выработке практических профессиональных навыков. Тренажеры находят широчайшее применение во многих сферах деятельности – в образовательном процессе для получения практических навыков по изучаемому материалу, в промышленности для отработки режимов управления технологическими объектами и процессами, во всех видах транспорта: авиационном, водном, железнодорожном, автомобильном для обучения в реальном времени управлению сложной современной техникой.

Особое значение использование тренажеров имеет при подготовке персонала в отраслях, где ущерб от ошибочных действий может приводить к необратимым последствиям, таких как АЭС, нефтехимия, металлургическое производство и многое-многое другое.

Принимая во внимание особенности обучающих тренажеров в системе образования, выделим их в самостоятельное направление. Одной из таких важных особенностей является возможность самостоятельно организовать учебный процесс, в котором тренажер должен давать интеллектуальные подсказки, формировать тест, основываясь на анализе работы студента.

Второму направлению в области создания тренажеров, а именно, c точки зрения тренажера как средства подготовки специалиста по управлению технологическим объектом, уделим в этой работе большее внимание. В этом случае определим тренажер (по аналогии с [1]) как имитационное средство профессиональной подготовки персонала, представляющее собой специализированный дидактический комплекс технических и программных средств, реализующий интерфейсные и математические модели технической и физической сущности сложной системы «объект-среда-оператор», а также все необходимые информационно-эргономические взаимосвязи в этой системе. Тренажер предназначен для формирования и совершенствования у обучаемых профессиональных навыков и умений, необходимых для управления сложными технологическими объектами в штатных, нештатных и аварийных ситуациях.

В названном классе выделим 2 вида: компьютерные тренажеры и аппаратно-программные комплексы (стенды).

Рассмотрим компьютерные тренажеры с точки зрения заложенной в них функциональности.

1. Электронный экзаменатор. Достаточно простой программный продукт, заменяющий живого экзаменатора в строго регламентированных областях (техника безопасности различных производств, правила дорожного движения и т.п.). Как правило, такой экзаменатор содержит набор вопросов, предлагаемых в случайном порядке, и ряд неправильных и один правильный ответ на каждый вопрос. Развитый экзаменатор должен обеспечивать такие возможности, как показ рисунков и анимации в кадре вопроса;

распознавание ответа, представленного формулами; предварительное обучение (показ правильных ответов); режим редактирования вопросов и ответов, а в лучшем случае представлять из себя конструктор (оболочку).

2. Статические тренажеры. Основная особенность заключается в отсутствии физико-математической модели процессов, происходящих в оборудовании. Здесь проверяется определенный порядок действий, который жестко задан (например, тренажер по оперативным переключениям в электрических сетях), а в более сложных случаях предусматриваются разветвления в цепочке действий, что обеспечивается логическими функциями. Недостатком является трудность программирования динамических эффектов (даже простого изменения показаний приборов). Область применения таких тренажеров ограничена дискретными системами управления и не включает моделирование сложных физических процессов.

3. Динамические тренажеры. Имеют в своей основе математическую модель реальных физических процессов. Как правило, сложны для Новые образовательные технологии в вузе – разработки и реализации, требуют больших вычислительных мощностей.

4. Интеллектуальные тренажеры. Составляют особый класс обучающих систем, соединяющий в себе обычный тренажер с системой, имитирующей деятельность инструктора. Может содержать базу знаний экспертной системы с набором технологических правил по управлению объектом (например, [2]).

Современные компьютерные технологии позволяют создавать тренажеры, включающие мультимедийные компоненты – компьютерную мультипликацию, аудио и видеоэффекты. Использование этих средств усиливает ощущение реальности при работе с тренажером и открывает новые возможности в процессе обучения.

Выбор тех или иных программных средств определяется целями обучения. Так, для контроля персонала по выполнению определенных правил можно использовать простые экзаменаторы. Общее ознакомление с устройством и обучение определенному порядку действий можно выполнять средствами статических тренажеров. Для проведения экспериментов, изучения физических основ и способов функционирования устройств, для проблемного обучения, противоаварийных тренировок и анализа аварий следует использовать динамические тренажеры для осуществления комплексного обучения операторов с применением математических и имитационных моделей сложных технологических объектов необходимо использовать интеллектуальные обучающие тренажеры.

Далее представим стенды-тренажеры, сочетающие компьютерную модель с аппаратной частью. В этом классе принято различать тренажеры полномасштабные и локальные. Полномасштабные воспроизводят органы управления объектом в реальном виде и служат как для изучения физики процесса, так и для отработки моторных навыков управления им. К локальным же тренажерам не предъявляют требования полного соответствия объекту и его системе управления. Они могут воспроизводить лишь одну из технологических подсистем и служат для изучения процессов, происходящих в технологическом объекте. Их преимущество – низкая стоимость и возможность использования на обычном компьютере. Компьютер в данном случае заменяет реальный управляемый объект; здесь, как правило, требуется хорошая динамическая модель.

Недостатком стендов-тренажеров является сложность их модернизации при изменении оборудования. В этом смысле грамотно спроектированный и реализованный интеллектуальный тренажер является более предпочтительным, поскольку его можно легко перенастроить.

Перспективным представляется направление по разработке системоболочек (или систем-конструкторов) для создания программных тренажеров технологических объектов, настраиваемых на различные предметные области.

И, наконец, говоря о полномасштабных моделях, нельзя не упомянуть об их виртуальном аналоге. Системы виртуальной реальности, представляющие из себя особый вид человеко-машинного интерфейса с применением специальных устройств для динамической визуализации и прямого манипулирования объектами, как нельзя лучше подходят для разработки тренажеров в различных сферах деятельности. В силу сложности и дороговизны они пока не получили широкого распространения.

В качестве примера рассмотрим интеллектуальный тренажер, разработанный нашей группой на базе учебно-демонстрационного стенда для обучения технических специалистов основам применения современных моделей насосного оборудования. Стенд включает насосное оборудование и приборы управления, технические средства водоснабжения и отопления, модули ввода-вывода, набор контроллеров фирмы Beckhoff и персональный компьютер, обеспечивающий инструментальную среду для отображения и управления параметрами системы [3].

Тренажер спроектирован и реализован в соответствии с принципами интеллектуального управления [4]. Данное свойство позволяет довольно гибко конфигурировать физический уровень системы, что является решением проблемы модернизации аппаратной части при работе со стендамитренажерами.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

А.Н. Донской. Тренажеры на базе ЭВМ для оперативного персонала ТЭЦ // Энергетик, 1995, №5, с. 28.

В.П. Чистов, Захарова Г.Б., И.А. Кононенко, В.Г.Титов. Компьютерный тренажер для операторов технологических процессов доменного производства // Программные продукты и системы, 2002, № 3.

Г.Б. Захарова, Д.Н. Первухин, Д.В. Байгозин. Разработка стенда для управления сложным технологическим объектом в режиме реального времени // Тезисы докладов в сборник»Студент и технический прогресс», Екатеринбург, 2007, с 25.

Г.Б. Захарова, Д.Н. Первухин, Д.В. Байгозин. Разработка принципов интеллектуального управления инженерным оборудованием в системе»умный дом»// Известия Томского политехнического университета, 2008, №5, с. 168.

Новые образовательные технологии в вузе – Захарова Г.Б., Садиков Р.Ф., Мамаев А.В.

ИНТЕЛЛЕКТУАЛИЗАЦИЯ ИНСТРУМЕНТАЛЬНОЙ СРЕДЫ

ДИСТАНЦИОННОГО ОБУЧЕНИЯ

[email protected] ГОУ ВПО "УралГАХА" г. Екатеринбург Предложены принципы реализации инструментальной среды для интеллектуализации обучающей системы за счет введения интегрированной гетерогенной экспертной системы, направляющей познавательную деятельность студента. Описан модуль системы – «электронный деканат», предназначенный для генерации всех форм документов, сопровождающих учебный процесс.

The principles of the toolkit for creating the distant learning system are described. The approach to provide the system by intelligence abilities is presented. The integrated subsystem for automation of education process is also elaborated.

Применение дистанционного обучения посредством ИТ-технологий получило в настоящее время широчайшее распространение, а во многих случаях для заочных форм стало обязательным. Системы дистанционного обучения (СДО) структурировали мышление участников процесса, позволили формализовать ряд функций, что в целом дает возможность все более полно автоматизировать отдельные этапы обучения в той части, где эта автоматизация является эффективной. Все это определило фундамент и перспективу для более широкого применения методов искусственного интеллекта в обучении. Интернет-технологии в сочетании с интеллектуальными функциями обучающей системы должны обеспечивать интерактивный диалог, контроль и поддержку обучаемого в режиме реального времени, совершенствовать стратегию обучения и тестирования на основе уровня индивидуальных знаний.

В данной статье представлена инструментальная среда для реализации дистанционного обучения, в которой реализуются интеллектуальные функции. Интеллектуализация обучающей системы определяется введением в состав ее компонентов интегрированной гетерогенной экспертной системы (ЭС), отслеживающей и направляющей познавательную деятельность студента. Описан также модуль системы – «электронный деканат», предназначенный для генерации всех форм документов, сопровождающих учебный процесс.

Основными принципами реализации СДО были выбраны следующие.

Во-первых, развитие в процессе эксплуатации, что позволяет эволюционно подключать локальные подсистемы по мере их реализации. Основными требованиями при таком подходе становятся модульность и открытая архитектура системы. Поскольку на сегодняшний день наработано большое количество программ для наполнения обучающих систем учебными материалами и соответствующими средствами тестирования, в оболочку подключены свободно распространяемые компоненты для формирования электронных учебных курсов и подготовки и выполнения тестов. Основное внимание при этом уделялось организации этих программных средств, их взаимодействию, а также включению в автоматизированный процесс обучения.

Принципиальным требованием к обучающей системе стало наличие интеллектуальной составляющей, которая позволяет не только динамически контролировать процесс обучения, но и направлять процесс обучения в соответствии с индивидуальными особенностями студента. Такая активность системы реализуется за счет формализации процесса обучения. Создан адаптивный алгоритм обучения [1], который закладывается в основу ЭС, направляющей процесс обучения.

Модули системы (рис.1) предоставляют пользователю различные сервисы, ими можно пользоваться автономно, либо под управлением ЭС, которая работает на основе так называемого электронного учебного листа.

Каждому пользователю при регистрации заводится таблица – учебный лист, где в зависимости от курса, на котором обучается студент, на основании рабочего учебного плана формируется перечень дисциплин, предлагаемых к изучению в течение семестра. Учебный лист заполняется сведениями о том, какие курсы и как изучены в соответствии с алгоритмами учебных курсов.

Новые образовательные технологии в вузе – Информационное ядро системы составляют база знаний (БЗ) и база данных (БД). БЗ является гетерогенной, т.к. имеет неоднородную структуру и состоит из знаний декларативных по учебным дисциплинам (ЧТО изучать и проверять) и знаний процедурных – алгоритмов учебных курсов (КАК изучать и проверять). На основе алгоритмов автоматически формируется семантическая сеть взаимосвязей учебных курсов, которая отражает структуру знаний по данной специальности.

Обучающая часть представляет из себя виртуальную библиотеку, ее каталог состоит из разделов – по одному для каждой дисциплины, раздел содержит рабочую учебную программу дисциплины, тексты лекций и практических занятий. Дополнительно в разделах присутствуют электронные книги, а также интерактивные элементы, такие как on-line учебники, тренажёры, справочники, словари терминов. В соответствующих разделах библиотеки могут находиться дистрибутивы свободно распространяемых программ для скачивания их пользователями с целью установки на домашние компьютеры. Такая же структура (деление по дисциплинам учебного плана) принята для тестовой части для организации промежуточного и итогового контроля.

ЭС переключает модули обучения и тестирования, связанные с соответствующими разделами виртуальной библиотеки, и выполняет мониторинг образовательной деятельности по отношению к каждому студенту.

В основу реализации системы, исходя из предъявленных к ней требований открытости архитектуры, положена инструментальная среда управления контентом Joomla 1.0.12. В качестве базового программного обеспечения был выбран Denver – набор дистрибутивов (PHP5, MySQL5 и др.) и программная оболочка для разработки приложений на локальной Windows-машине без необходимости выхода в Интернет. Взаимодействие пользователя с СДО осуществляется через Web-интерфейс.

Частью системы дистанционного обучения является подсистема «электронный деканат» для автоматизации документирования учебного процесса с рабочим названием «ДекаNET», позволяющая получать все виды документов, формируемых в деканате – списки, ведомости, приказы, учетные карточки, справки и пр. Система обладает некоторыми интеллектуальными функциями, такими как автоматический перевод на следующий курс с подготовкой соответствующего приказа в конце учебного года по итогам сессий, подсчет процента успеваемости по студентам, группам и курсам, формирование дипломов с приложениями, выявление должников по оплате и многое другое.

Подсистема имеет более двух десятков модулей в соответствии с необходимыми функциями и обеспечивает автоматическое формирование практически всех видов документов. Это существенно совершенствует деятельность сотрудников деканата, высвобождая время на действительно не формализуемые функции, связанные с творческой и воспитательной работой со студентами.

Федотов О.В., Захарова Г.Б. Структура и функции интеллектуальной обучающей системы // Вестник Томского государственного университета.

Приложение №18, август 2006, материалы VI Всероссийской конференции с международным участием “Новые информационные технологии в исследовании сложных структур” (ICAM’06).

Зраенко С.М., Емельянов А.Ю.

АЛГОРИТМЫ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ В ПАКЕТЕ

ПРИКЛАДНЫХ ПРОГРАММ ENVI

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Представлен обзор методов контролируемой и неконтролируемой классификации, реализованных в пакете прикладных программ ENVI для обработки данных дистанционного зондирования.

The review of controllable and uncontrollable classification methods implemented in ENVI application software package for remote sounding data processing is presented.

Оперативная информация о земной поверхности, поступает от систем космического мониторинга, регистрирующих отраженное и собственное излучение объектов в различных спектральных диапазонах. Обработка получаемых изображений с целью классификации наблюдаемых объектов при этом выполняется обычно в ручном (оператором-дешифровщиком) или предварительной классификации) режиме. Указанные алгоритмы делятся на две группы – контролируемой классификации (с обучением или с учителем) и неконтролируемой классификации (без обучения или без учителя). В соответствие с определением, процедуры классификации с учителем используют помеченные выборки, а процедуры классификации без учителя – непомеченные [1]. В докладе представлен обзор алгоритмов контролируемой и неконтролируемой классификации, реализованных в пакете прикладных программ (ППП) ENVI предназначенном для обработки данных дистанционного зондирования.

Из алгоритмов классификации без обучения в программном комплексе ENVI реализованы алгоритмы IsoData и K-Means. Эти алгоритмы относятся к группе так называемых процедур кластеризации спектрозональных изображений, в которых используется минимальное спектральное расстояние для определения соответствующего кластера (класса) для каждого пикселя.

Эти процедуры, как правило, выполняются за несколько итераций. При этом в первой итерации кластеризации спектральное пространство равномерно разбивается на области (кластеры). Далее вычисляется спектральное Новые образовательные технологии в вузе – расстояние между пикселем и средним значением каждого из кластеров. В результате этого пиксель относится к кластеру, расстояние до которого минимально. После итерации рассчитываются средние значения спектральных признаков по полученным кластерам (средние значения кластеров изменяются в зависимости от значений спектральных яркостей попавших в них пикселей). Затем выполняется вторая итерация, в процессе которой повторяют кластеризацию с новыми средними значениями кластеров. Такие пересчеты повторяются до тех пор, пока все пиксели с заданной вероятностью (порог сходимости) не попадут в какой-либо кластер, либо пока не будет выполнено заданное количество итераций.

Из алгоритмов классификации с обучением в программном комплексе ENVI реализованы алгоритмы, основанные на методах параллелепипедов, минимальных расстояний, Махаланобисова расстояния, максимального правдоподобия, спектрального угла, двоичного кодирования.

В методе максимального правдоподобия пиксели изображения представляются векторами, компоненты которых – значения яркости в каждом спектральном канале. Далее формируется обучающая выборка – изображение, на котором по наземным данным определены участки, отвечающие различным классам. По результатам задания границ этих классов оценивается вектор математического ожидания и корреляционная матрица для каждого из них. Далее для каждого пикселя классифицируемого изображения формируется вектор измерений спектральных яркостей, и вычисляются условные плотности вероятностей этого вектора для каждого из классов. Сравнивая данные условные плотности вероятностей с некоторым порогом, определяют, какая из гипотез наиболее правдоподобна и тем самым осуществляют классификацию пикселя. При справедливости предположения о нормальном законе распределения вектора признаков метод максимального правдоподобия обеспечивает оптимальное распознавание. Однако он требует достаточно большого количества операций и является сравнительно медленным. Иногда метод усложняют, учитывая взаимные связи с соседними пикселями, что приводит к еще большему увеличению его вычислительной сложности. При отсутствии учета этих связей он проигрывает более простым методам, которые их учитывают [2].

Упрощение метода максимального правдоподобия приводит к методу минимальных расстояний, в котором классификация осуществляется на основании сравнения расстояний между пикселями изображения и средними значениями классов в пространстве яркостей. Это расстояние вычисляется в соответствии с выражением (1):

где n – количество спектральных каналов; i – номер канала; с – номер класса;

Xxyi – значение пикселя с координатами x,y канала i; ci – среднее значение яркости класса (обучающей выборки) c в канале i; dxyc – спектральное расстояние между пикселем x,y и средним значением класса c.

Метод минимальных расстояний основан на евклидовой метрике и может рассматриваться безотносительно к нормальному закону распределения. Этот самый простой и быстрый метод классификации требует минимальных сведений о классах, но уступает в точности методу максимального правдоподобия и методам, учитывающим окружение пикселя.

Метод параллелепипедов – еще один из методов классификации, связанный с нормальным законом. В нем используются сведения о классах в виде векторов средних значений яркости и векторов дисперсий, полученных в процессе обучения. Далее используется тот факт, что для нормально распределенной случайной величины 95,4% ее значений лежат в пределах отклонений от среднего меньших 2. В соответствие с этим, по результатам обучения строятся k параллелепипедов (по количеству классов) в n-мерном пространстве признаков с центрами, определяемыми математическими ожиданиями признаков и с размерами ±2 по каждому из них (отклонения определяются визуально по графикам спектральных признаков). Если на этапе классификации компоненты вектора яркости пикселя попадают в один из параллелепипедов, то принимается решение о принадлежности этого пикселя к классу данного параллелепипеда. Если значения яркости пикселя не попали ни в один из параллелепипедов, его относят к неклассифицированным объектам. Понятно, что параллелепипеды могут перекрываться, приводя к неопределенности в процедуре классификации.

Данный метод является быстрым, но недостаточно точным. Он эффективен при нормальном законе распределения вектора признаков и больше подходит для предварительной классификации.

В алгоритме, использующем Махаланобисово расстояние в отличие от Евклидова, вычисляется расстояние Махаланобиса в соответствии с выражением (2):

Здесь D – расстояние Махаланобиса; с – класс; X – вектор спектральных координат классифицируемого пикселя; Mc – вектор средних значений класса с; С-1 – обратная ковариационная матрица совокупности признаков; T – оператор транспонирования.

Для каждого пикселя затем вычисляется его расстояние Махаланобиса до центроида каждого класса. Пиксель относят к классу, расстояние Махаланобиса до которого минимально. Следует отметить, что этот метод используется при коррелированных данных, когда использование расстояния Евклида является неправомерным, поскольку оси пространства признаков становятся не ортогональными.

Классификация методом спектрального угла также используется для сравнения спектральных характеристик изображения со спектральными характеристиками эталонов. Алгоритм определяет близость между этими двумя характеристиками, вычисляя спектральный угол между ними. Для Новые образовательные технологии в вузе – этого они представляются в виде векторов в n-мерном пространстве, где n – число спектральных каналов.

Так как метод спектрального угла использует только направление векторов, то он не чувствителен к абсолютной яркости пикселей, поскольку именно длина вектора определяет меру их яркости. Все возможные яркости при этом обрабатываются одинаково, поскольку пиксели, обладающие более низкой яркостью, просто расположены ближе к началу координат диаграммы рассеяния. Цвет же пикселей, соответствующий их классу в n-мерном пространстве признаков определяется направлением их радиус-векторов.

Для вычисления спектрального угла используется следующая формула:

где – спектральный угол между векторами x и t; t – неизвестный спектр; x – эталонный спектр. Выражение (3) также может быть представлено в виде:

где nb соответствует количеству спектральных каналов изображения.

При классификации методом двоичного кодирования осуществляется кодирование значений пикселей в нули и единицы в зависимости от положения их спектральной характеристики относительно среднего значения спектра. Исключающая функция ИЛИ используется для сравнения каждого кодированного эталонного спектра со значениями кодированных спектров обрабатываемых данных. При этом классифицируемый пиксель относится к тому эталонному классу, с которым произошло наибольшее количество совпадений в различных спектральных каналах.

Как отмечается в литературе наибольшая эффективность от применения алгоритмов контролируемой и неконтролируемой классификации достигается при их комбинировании. При этом на первом этапе должна выполняться неконтролируемая классификация (кластеризация).

Дальнейшим развитием данной работы планируется осуществление сравнения алгоритмов, реализованных в пакете программ ENVI в рамках его освоения студентами Радиотехнического института - РТФ Уральского государственного технического университета - УПИ при прохождении лабораторного практикума по дисциплине специализации «Принципы построения и обработка информации в радиоэлектронных системах дистанционного мониторинга».

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.

2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.:

Техносфера, 2005.

3. Прэтт У. Цифровая обработка изображений. М.: Мир, 1982.

Зраенко С.М., Ровенков С.С.

ПРОСТРАНСТВЕННЫЕ ФИЛЬТРЫ НА ОСНОВЕ СВЕРТКИ В

ПРОГРАММНОМ КОМПЛЕКСЕ ENVI

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Представлен обзор методов основанных на операции свертки, применяемых для пространственной фильтрации изображений полученных при дистанционном зондировании Земли, в пакете прикладных программ ENVI.

The review of convolution based methods applied for images spatial filtration obtained from remote sounding of the Earth using ENVI software package is presented.

Использование данных дистанционного зондирования Земли для идентификации объектов и процессов, происходящих на ее поверхности, предполагает непосредственное участие оператора-дешифровщика получаемых изображений. Важное значение при этом имеет улучшение репрезентативных свойств снимков.

Улучшения многозональных изображений при дешифрировании выполняются изменением яркости и контрастности всего изображения или отдельных его участков и пространственной фильтрацией. К одному и тому же изображению могут быть применены различные преобразования в зависимости от задачи использования снимка. При их выполнении применяют два принципиально различных подхода основанных на анализе спектрального пространства и пространства изображения. В первом каждый пиксель многозонального снимка представляют вектором, координаты которого характеризуют значения яркостей в каждом из спектральных диапазонов. При другом – каждый пиксель с его значениями яркости анализируется в системе координат растрового изображения, определяющей пространственное положение объектов.

В докладе обсуждаются алгоритмы пространственной фильтрации на основе свертки, относящиеся ко второй разновидности преобразований изображения и реализованные в пакете прикладных программ (ППП) ENVI предназначенном для обработки данных дистанционного зондирования.

Пространственные фильтры используются для выделения или подавления объектов на изображении на основании их пространственной частоты.

Новые образовательные технологии в вузе – Пространственная частота связана с понятием текстуры и определяется частотой изменения тона на изображении. Области изображения с грубой текстурой, где тон пикселей существенно изменяется на небольшом расстоянии, имеют высокую пространственную частоту. Области изображения с гладкой текстурой (с малым изменением тона от пикселя к пикселю) – низкую.

Пространственные фильтры применяются для обнаружения границ, выделения контуров, подчеркивания мелких деталей изображения – высокочастотная фильтрация, а также для выделения больших однородных по тону областей, подавления мелких деталей изображения и уменьшения импульсного шума (сглаживания изображения) – низкочастотная фильтрация. Они изменяют значения пикселя в зависимости от интенсивности соседних с ним элементов изображения. К соседним, при этом, относятся пиксели, входящие в маску заданного размера, центр которой приходится на рассматриваемый пиксель. Над элементами маски (окна, ядра) фильтра выполняются математические вычисления, в результате которых ее центральный элемент получает новое значение. При прохождении скользящего окна фильтра по всему изображению осуществляется его преобразование (фильтрация). Разнообразие вычислений, производимых в окне, порождает и разнообразие фильтров [1, 2].

В программном комплексе ENVI реализованы следующие фильтры нижних частот (ФНЧ), основанные на выполнении операции свертки:

усредняющий, гауссов и медианный. Размер маски для данных фильтров можно изменять: 33, 55, 77 и т.д. в соответствующем меню ENVI. Из фильтров верхних частот (ФВЧ) этого класса реализованы: усредняющий, гауссов, Лапласа, градиентный (Directional), Собеля и Робертса. Размер маски для данных фильтров за исключением последних двух также можно изменять: 33, 55, 77 и т.д. В фильтрах Собеля и Робертса размер окна фиксирован и составляет 33 и 22 элемента соответственно. Имеется также возможность фильтрации изображения с использованием фильтра, параметры которого определяются пользователем.

Низкочастотная фильтрация подавляет флуктуационные шумы, в результате чего становятся более заметными плавные изменения изображения. При этом, однако, подавляется высокочастотная составляющая функции яркости, которая содержит полезную информацию о контурах изображения, что приводит к его размытию. Изменяя весовые коэффициенты можно подобрать фильтр нижних частот, достаточно сглаживающий шум, но не слишком размывающий изображение. Из линейных пространственных фильтров данного типа в ППП ENVI реализованы усредняющий фильтр и гауссов фильтр (элементы ядра определяются гауссовым распределением), маски которых приведены на рисунке 1.

Рис. 1. Маски усредняющего (а) и гауссова (б) ФНЧ для ядра 33.

Медианный фильтр основан на нахождении медианы – среднего по яркости пикселя маски (рис. 2) в результате их упорядочения по возрастанию или убыванию и присваиванию найденного значения центральному элементу окна фильтра.

Рис. 2 Примеры масок (окон) при медианной фильтрации: прямой крест (а), диагональный крест 33 (б), квадрат 33 (в).

При применении медианного фильтра резкие перепады значений яркости на изображениях не изменяются. Это очень важно, поскольку, контуры на изображениях несут основную информацию. В то же время импульсные помехи, протяженность которых составляет менее половины окна, подавляются. Медианная фильтрация имеет и свои недостатки. В частности, экспериментально установлено, что у данного метода относительно слабая эффективность при фильтрации флуктуационного шума. Кроме того, при увеличении размера маски происходит размытие контуров изображения и, как следствие, снижение четкости изображения.

Фильтры верхних частот сохраняют только высокочастотные компоненты снимка. Они используются для выделения границ между объектами изображения и для увеличения его резкости. Из линейных пространственных фильтров данного типа, так же как и в случае низкочастотных, прежде всего следует отметить усредняющий фильтр и гауссов фильтр. Реализуются такие фильтры с помощью ядра с большим значением в центре и отрицательными значениями соседних с ним ячеек (рис. 3).

Рис. 3 Маски усредняющего (а) и гауссова (б) ФВЧ для ядра 33.

Фильтр Лапласа (Laplacian Filter) – это фильтр верхних частот для выделения краев объектов, основанный на вычислении второй производной.

Данный фильтр выделяет максимальные значения в пределах изображения, Новые образовательные технологии в вузе – используя ядро с большим положительным центральным значением, окруженным отрицательными значениями в вертикальном и горизонтальном направлениях и нулевыми значениями в углах ядра (рис. 4 а). Необходимо отметить, что фильтр, реализующий оператор Лапласа, крайне чувствителен к малым перепадам яркости. Его целесообразно применять к изображениям со значительно размытым контуром и с максимально подавленными помехами.

Рис. 4 Маски фильтра Лапласа (а) и градиентного фильтра для направления Градиентные фильтры (Directional Filters) – фильтры верхних частот для выделения краев с использованием первой производной, которые изменяют параметры изображения в заданном направлении, используя вычисления градиентов. Сумма элементов ядра градиентного фильтра равна 0 (рис. 4 б). В результате применения такого фильтра области с однородными значениями яркостей обнуляются, в то время как выделяются изменения.

Методом Собеля реализуется нелинейный фильтр верхних частот с двумерной апертурой 33 вида В нем сначала находятся значения переменных X и Y Другим очень простым, быстрым и достаточно эффективным методом высокочастотной фильтрации является нелинейный фильтр Робертса.

Работает он с двумерным окном 22 вида:

Новое значение яркости в точке А в этом методе рассчитывается по формуле При этом полученное значение записывается в элемент А его маски.

Следует отметить, что при высокочастотной фильтрации при отсутствии изменений в интенсивности на изображении оно не изменяется.

Если же один из пикселей изображения ярче соседних, то его яркость еще более повышается.

Рассмотренные виды фильтров позволяют существенно изменить изображение и облегчить тем самым процедуру выполнения его ручного дешифрирования. Количественные же характеристики выполнения процедуры фильтрации могут быть получены только по результатам ее моделирования.

1. Прэтт У. Цифровая обработка изображений: Пер. с англ. – М.: Мир, 2. Сойфер В.А. Компьютерная обработка изображений. 1996.

Зуева О.Н., Вишневская Л.И.

ПОВЫШЕНИЕ КАЧЕСТВА ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО

ОБРАЗОВАНИЯ НА ОСНОВЕ ИНФОРМАЦИОННОКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ

[email protected] ГОУ ВПО «Уральский государственный экономический университет»

г. Екатеринбург Статья посвящена проблеме расширения границ профессиональной деятельности, актуальности применения в учебном процессе новых технологий обучения по активизации познавательной деятельности студентов, необходимости усиления роли самостоятельной работы на основе современных информационных технологий.

Article is devoted to a problem of expansion of borders of professional work, a urgency of application in educational process of new technologies of training on activization of cognitive activity of students, necessity of amplification of a role of independent work on the basis of modern information technologies.

Экономические преобразования в России отразились и на сфере высшего образования, которое поставляет на рынок труда высококвалифицированных специалистов. Образование является важным показателем качества жизни, фактором усиления конкурентоспособности страны, обеспечивает национальную безопасность. Недостаток опыта работы в условиях новой рыночной экономики, отсутствие знаний в области оценки и управления рыночными процессами, существенные изменения в технологиях, рынках сбыта и потребностях населения требуют перестройки корпоративной стратегии и тактики. В сложившихся условиях для своевременного и адекватного реагирования на происходящие изменения необходима помощь квалифицированных специалистов. При этом основная цель заключается в улучшении качества руководства и управляемости Новые образовательные технологии в вузе – предприятия, повышении эффективности его деятельности и увеличении индивидуальной производительности труда каждого сотрудника.

Именно эти ключевые принципы заложены в философии менеджмента качества, реализованной в международных стандартах серии ИСО 9000. Эти стандарты, принятые во всем мире в качестве рекомендательных документов, официально введены в действие и в России. Следовательно, важная задача высшего образования состоит в расширении границ профессиональной деятельности, направленной на исследование обусловленных и предполагаемых потребностей, прогнозирование затрат, достижение эффективности и результативности, снижение рисков при управлении организацией.

В связи с предстоящим вступлением России в ВТО и ее экономической интеграцией в общемировое пространство необходимо гармонизировать направления подготовки специалистов высшей квалификации. Конкретные цели присоединения для России включают:

получение лучших условий для внедрения российской продукции на иностранные рынки;

доступ к международному механизму разрешения торговых споров;

создание условий для повышения качества и конкурентоспособности отечественной продукции в результате увеличения потока иностранных товаров, услуг и инвестиций на российский рынок и др.

Очевидно, что для России проблема выбора – интегрироваться в мировое экономическое пространство или нет – такая проблема уже не стоит.

При этом принципиально важно – готовить кадры соответствующей квалификации. Ведь в глобальную экономику встраиваются не страны и даже не отрасли, а конкретные предприятия и профессионалы.

Присоединение России к Болонской конвенции по своим последствиям практически то же самое, что и вступление России в ВТО. Необходимость гармонизировать направления подготовки специалистов высшей квалификации требует определенной унификации образовательных программ и стандартов, системы оценок. Признание университетских дипломов во всех странах-участниках Болонского процесса должно основываться на их сопоставимости по уровню квалификации, сравнимости и прозрачности академических и профессиональных дипломов и степеней.

Важная роль в повышении качества высшего профессионального образования, обеспечении конкурентоспособности выпускников на рынке труда во многом предопределяются характером и уровнем учебнометодической работы. Особую актуальность в последние годы приобрело использование в учебном процессе новых технологий обучения, направленных на активизацию познавательной деятельности студентов.

К основным путям реализации этой задачи, являющейся важнейшим звеном совершенствования методической деятельности, относятся:

применение мультимедийного комплекса при чтении лекций с разработкой их электронных версий, что обеспечивает аудиовизуальное восприятие излагаемого материала, при котором в памяти студентов сохраняется до 50% информации (против 20% при визуальном);

повышение степени компьютеризации учебного процесса на основе использования авторских и стандартных обучающих программ по специальным дисциплинам, при выполнении квалификационных работ;

широкое использование учебного телевидения, в частности, демонстрационных видеофильмов, предоставленных как промышленными предприятиями и торговыми организациями, так и снятые студентами по тематике, особо нуждающейся в наглядности;

применение современных приборов для испытания материалов, объективных методов их идентификации и исследования;

использование моделей и элементов деловых игр, построенных на правдоподобных ситуациях, типичных для практической деятельности специалистов (почерпнутых из опыта работы или искусственно сконструированных преподавателем для акцентирования внимания на гипотетических проблемах);

решение и составление учебных кроссвордов по изучаемым дисциплинам, представляющим своего рода обучающие микропрограммы, направленные на эффективное использование терминологических категорий курсов, специфической особенностью которых является большой понятийный аппарат;

обеспечение самостоятельной работы студентов путем подготовки и издания учебников, пособий, курсов лекций, методической литературы в необходимом объеме и количестве;

разработка объективных критериев аттестационных испытаний и контрольно-зачетных процедур текущего и итогового контроля знаний студентов, в том числе совершенствование системы тестирования и ситуационного моделирования;

организация научно-исследовательской работы со студентами как неотъемлемой части учебного процесса; сочетание при ее проведении традиционных, апробированных временем, и новаторских форм.

Целенаправленная методическая работа преподавателей способна, на наш взгляд, воспрепятствовать проявлению негативной тенденции снижения интереса студентов старших курсов к учебе и обеспечить укрепление их профессиональных ожиданий; сформировать у выпускников устойчивые навыки аналитической деятельности и компетентной оценки ситуации в условиях динамично развивающейся экономики; обучить современным Новые образовательные технологии в вузе – методам получения информации, которая в постиндустриальном обществе, где доминирует интеллектуальный труд, приобретает особое значение.

В условиях рыночной экономики значительно возросла потребность в творчески активных и профессионально мобильных специалистах, задача подготовки которых не может быть решена без одной из самых доступных, массовых форм расширения и углубления знаний – самообразования.

Решающая роль в самообразовательном процессе принадлежит самостоятельной работе студентов, которая охватывает все аспекты учебного процесса, выступает как средство интенсификации аудиторных занятий, и как основной вид внеаудиторной деятельности.

Современные информационные технологии сделали практически общедоступным колоссальный объем информации в самых разных направлениях человеческой деятельности, предоставили потенциальную возможность обеспечить индивидуальную траекторию развития каждой личности.

Приобретение навыков самостоятельной работы способствует развитию высокой культуры умственного труда обучаемых; навыков и умений, необходимых для выполнения ими профессиональных функций;

воспитывает самостоятельность как черту характера; формирует умение принимать ответственные решения в условиях неопределенности, в критических и стрессовых ситуациях.

Самостоятельный труд развивает у студентов такие качества как организованность, дисциплинированность, инициативность, волю, упорство в достижении поставленной цели. Он служит средством превращения полученных знаний в убеждения, является основным путем формирования высокого творческого потенциала выпускника вуза, развития его способности к инновационной деятельности, резко повышает адаптационные способности.

При подготовке специалистов сферы торговли и таможенных служб значимость самостоятельной работы усиливается предстоящим вступлением России в ВТО, в ходе которого им придется решать противоречивые проблемы различного уровня: от обоснования влияния процесса присоединения на жизнедеятельность каждой отдельной фирмы, до участия в создании приемлемого торгово-политического механизма, регулирующего торговые отношения страны с зарубежными государствами; при разработке эффективных средств обеспечения защиты внутреннего рынка (таможенный тариф, квотирование, лицензирование, технические барьеры в торговле, антидемпинговые и компенсационные меры), и, следовательно, экономической безопасности.

В условиях надвигающегося кризиса в стране актуальной становится не только подготовка, но и переподготовка кадров с учетом требований рынка.

Уральский государственный экономический университет имеет соглашения о партнерстве с бизнес-школами и университетами Европы (Германия, Швейцария, Франция, Великобритания). Развивая партнерство, УрГЭУ имеет целью продолжить международное сотрудничество на базе создания магистерской программы в области международной логистики и управления цепочками поставок. Программа разработана совместно университетом Восточного Лондона (University of East London), Великобритания и Уральским государственным экономическим университетом в соответствии с британскими требованиями в рамках проекта Британского Совета «БРИДЖ».

Данная программа является откликом на существующий спрос специалистов в области логистики, особенно со знаниями управления региональными и глобальными потоками. Инновационной чертой программы является выдача двойного диплома английского и российского университетов, ее модульный характер и комплексность, широкое применение информационно-коммуникационных технологий, что позволит приблизить требования зарубежного образовательного стандарта к российскому.

Таким образом, реализация проектов подготовки, повышения квалификации и переподготовки кадров в рамках высшей школы обеспечит разумное сочетание приобретенных знаний и накопленного опыта для повышения эффективности работы, создания и внедрения новых технологий, востребование наработок академических вузов, удовлетворения запросов экономики.

Зырянова А.Л., Лапшина С.Н.

МОТИВАЦИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ ПРИ

ПЕРЕХОДЕ НА ДИСТАНЦИОННУЮ ТЕХНОЛОГИЮ ОБУЧЕНИЯ

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Внедрение дистанционных технологий обучения студентов подразумевает перевод части учебных часов на самостоятельную работу.

Уровень мотивации студентов к выполнению самостоятельной работы падает год от года все больше.

Существуют объективные и субъективные факторы, определяющие потребности, интересы и мотивы включения студентов в самостоятельную работу для освоения теоретического материала.

Часто студенты игнорируют выполнение домашних заданий и контрольных работ, либо выполняют их методом копирования у одногруппников, не задумываясь о качестве выполненного задания.

Нами было проведено пилотное исследование по выявлению причин низкой мотивации самостоятельной работы среди студентов заочной формы обучения. В ходе исследования были опрошены 50 студентов 6 курса, которым было предложено ответить на вопрос: чем обоснована низкая мотивация домашней работы (Почему студенты не выполняют домашние работы в межсессионный период).

Новые образовательные технологии в вузе – Используя инструменты менеджмента качества, для выявления причинно-следственных связей была построена диаграмма «Рыбий хребет», обобщенные результаты которой представлены на рис. 1.

Лень (100%) Отсутствие Рис. 1 Причинно-следственная диаграмма низкой мотивации Из опрошенных студентов все 50 человек ответили, что им «лень», кроме этого были выявлены и другие причины отсутствия мотивации. После определения причин 2 уровня оказалось, что под ленью большинство студентов понимают те причины, которые были уже указаны в причинах первого уровня, такие как: отсутствие информации, отсутствие времени на выполнение домашних заданий, отсутствие страха, что не допустят до экзамена.

Применение прогрессивных методик обучения возможно решение ряда проблем, связанных с нехваткой информации, методическими и педагогическими способностями преподавательского состава. В настоящее время в качестве дополнения к системе заочного образования создаются учебные материалы, методические рекомендации, разработки, а затем и электронные учебники для поддержки различных курсов для дистанционного образования.

В связи с этим большое внимание уделяется разработке автоматизированных обучающих систем – программам, предназначенным для передачи обучаемому знаний или умений, в том числе предполагающие использование вычислительной техники. Развитие обучающих систем в настоящее время идет в направлении придания им свойства адаптации к целям и условиям обучения.

Ценность и качество педагогических программных средств (ППС) зависит от того, насколько полно учитываются при его разработке комплекс требований, предъявляемый к освоению предметной области.

Среди ППС выделяют следующие типы:

Демонстрационные программы, предназначенные для наглядной демонстрации учебного материала описательного характера. Преподаватель может успешно использовать компьютер в качестве наглядных пособий при объяснении нового материала. Большими возможностями в интенсификации учебного процесса обладают те демонстрационные программы, в которых используется диалоговая или интерактивная графика.

преимущественно на усвоение новых понятий, многие из них работают в режиме, близком к программированному обучению с разветвленной программой. Обучение с помощью таких программ ведется в форме диалога, однако по большей части ведется диалог, построенный на основе формального преобразования ответа обучаемого, т.е. фактический диалог.

Программы-тренажеры – предназначены для формирования и закрепления умений и навыков, а также для самоподготовки обучаемых. При использовании этих программ предполагается, что теоретический материал обучаемыми уже усвоен. Компьютерные учебные программы такого типа реализуют обучение, мало чем отличающееся от программированного обучения с помощью простейших технических устройств. Однако ПК обладает значительно большими возможностями в предъявлении информации, чем в типе ответа.

Имитационные и моделирующие программы, предназначенные для «симуляции» объектов и явлений. Эти программы особенно целесообразно применять, когда явление осуществить невозможно или это весьма затруднительно. При использовании таких программ абстрактные понятия становятся более конкретными и легче воспринимаются обучаемыми. Кроме того студенты получают гораздо больше знаний при активном усвоении материала, чем просто запоминая пассивно полученную информацию.

Программы для проблемного обучения, которые построены в основном на идеях и принципах когнитивной психологии, в них осуществляется непрямое управление деятельностью обучаемых. Это значит, что предъявляются разнообразные задачи и студенты побуждаются решать их путем проб и ошибок.

Контролирующие программы, предназначенные для контроля определенного уровня знаний и умений. Главный недостаток существующих форм и методов контроля заключается в том, что в большинстве случаев они еще не обеспечивают необходимой устойчивости и инвариантности оценки качества усвоения учебной информации, а также необходимой адекватности этой оценки действительному уровню знаний. Совершенствование контроля за ходом обучения должно концентрироваться вокруг узловой проблемы – проблемы повышения достоверности оценки формируемых знаний, умений и навыков. Эту проблему можно рассматривать в двух аспектах: во-первых, как увеличение степени соответствия педагогической оценки действительному уровню знаний обучаемых; во-вторых, как создание и реализация таких методических приемов контроля, которые обеспечили бы независимость Новые образовательные технологии в вузе – оценок от случайных факторов и субъективных установок учителя.

Использование соответствующих пакетов контролирующих программ позволит повысить эффективность обучения и производительность труда преподавателя, придаст контролю требуемую устойчивость и инвариантность, независимость от субъективных установок учителя.

Информационно-справочные программы предназначены для вывода необходимой информации.

Использование в полном объеме педагогических программных средств позволяет перевести процесс мотивации студентов на новый уровень.

Осуществление планирования самостоятельной работы студентов в межсессионный период, путем установления контрольных сроков выполнения мероприятий позволит снизить влияние факторов «Отсутствие страха, что не допустят до экзамена», «отсутствие времени на выполнение домашних заданий», сможет помочь студенту, особенно на младших курсах, планировать самостоятельную работу и наилучшим образом усваивать материал. А формирование учебно-методических комплексов из педагогических программных средств предотвращает снижение факторов «Отсутствие информации», «Слабая подача материала преподавателями» и «Отсутствие полного понимания темы».

Зюзев А.М., Головин И.C., Костылев А.В., Нестеров К.Е.

ОПЫТ ИЗУЧЕНИЯ SCADA-СИСТЕМ НА ПРИМЕРЕ CLEARSCADA

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Рассматриваются вопросы организации проведения занятий со студентами специальности 140604 – Электропривод и автоматика промышленных установок и технологических комплексов, по изучению SCADA-систем на примере ClearSCADA с использованием лабораторного стенда, состоящего из программируемого логического контроллера и натурной установки.

SCADA-systems teaching problems are under consideration with help of ClearSCADA and laboratory stand, which consists of programmable logical controller and full-scale installation.

Построение сложных систем автоматизации невозможно без использования SCADA-систем. На кафедре «Электропривод и автоматизация промышленных установок» их изучение проводится в курсе «Системы программного управления», включающем в себя как лекционные, так и практические занятия.

При проведении лабораторных работ используется стенд, состоящий из персонального компьютера программируемого логического контроллера (ПЛК) и натурной установки (см. рис. 1). На стенде использован контроллер серии Twido производства Schneider Electric [1], дополненный модулями аналоговых входов / выходов и модулем Ehternet интерфейса, позволяющим осуществлять связь ПК с контроллером по сети Ehternet.

Натурная часть стенда представлена физической моделью тепловентиляционной установки, состоящей из радиатора c транзисторным нагревателем, вентилятора и датчика температуры радиатора. Сигналы управления вентилятором и нагревателем поступают от ЦАП модуля аналоговых выходов. Сигнал датчика температуры подаётся на АЦП модуля аналоговых входов. Вентилятор имеет встроенный импульсный датчик скорости, выход которого подключен к дискретному входу контроллера. В контроллере реализована программа стабилизации температуры радиатора путем воздействия на скорость двигателя вентилятора или мощность нагревательного элемента при изменении условий нагрева или охлаждения.

Один из ПК лаборатории назначен сервером ClearSCADA [2], осуществляющим сбор данных с контроллера и управление натурной частью стенда. В задачи сервера входит хранение SCADA-проектов и обеспечение доступа к ним через клиентские части ClearSCADA, установленные на всех ПК лаборатории, и Internet браузеры. Последнее возможно благодаря наличию в ClearSCADA встроенного Web-сервера.

Лабораторные работы выполняются на ПК с клиентской частью ClearSCADA и заключаются в создании или доработке уже созданного SCADA-проекта. При этом сначала студентам демонстрируется готовый работоспособный проект, а затем предлагается дополнить укороченную учебную версию этого проекта отсутствующими элементами. Окна полного и учебного проектов показаны на рис. 2.

Рис. 1. Общий вид лабораторной установки Новые образовательные технологии в вузе – Рис. 2. Окна SCADA-проекта: а – полная версия; б – учебная версия Также возможно удаленное выполнение лабораторных работ с использованием web-интерфейса. Применение подобных технологий позволяет организовать дистанционное обучение студентов. Фактически для выполнения лабораторных работ достаточно иметь выход в интернет.

Для ограничения потока пользователей к сайтам кафедры и исключения «случайного» доступа предложено организовать доступ пользователей через VPN соединение. В это схеме доступа обучаемый должен предварительно очно зарегистрироваться в кафедральной сети и получить логин и пароль для VPN соединения.

После удаленного подключения обучаемый получает доступ к внутренним web-ресурсам кафедры: службе учета лабораторного времени, библиотеке методических материалов, службе контроля успеваемости (в настоящий момент разрабатывается), серверам лабораторных работ, а также внутреннему форуму (также разрабатывается).

Служба учета лабораторного времени отслеживает загруженность лабораторных серверов и информирует о возможности выполнения той или иной работы. С методическими материалами (доступ только для чтения) обучаемый может ознакомиться в библиотеке и, по прочтении их, приступить к выполнению работы. Для ряда работ, связанных с реальным оборудованием, в целях защиты, планируются online тесты, предваряющие проведение работы. Только пройдя подобный тест, обучаемый получает доступ к серверу.

При возникновении вопросов по работе обучаемый может обратиться на внутренний форум и получить ответ от ведущего данную дисциплину преподавателя или от специалиста, ответственного за данный цикл лабораторных работ.

В дальнейшем планируется ввести online регистрацию обучаемых, что потребует создания базы данных, тесно связанной с сервером удаленного доступа и службой контроля успеваемости студентов.

1. www.telemecanique.com 2. www.plcsystems.ru Иванов В.Э., Черных О.А., Плохих О.В.

ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ LABVIEW В ПРЕПОДАВАНИИ УЧЕБНЫХ

ДИСЦИПЛИН

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург На кафедре Технологии и средства связи РИ-РТФ УГТУ-УПИ в году был создан Уральский региональный центр технологий National Instruments. На сегодняшний день на кафедре Технологии и средства связи организованы 4 учебных лаборатории с установленным программным и аппаратным обеспечением NI:

лаборатория микропроцессорной техники, лаборатория средств связи, лаборатория систем автоматизированного проектирования, лаборатория информационных систем и программирования.

Лаборатория микропроцессорной техники оснащена отладочными платами микроконтроллеров и процессоров различных производителей (Texas Instruments, NXP, Freescale, Atmel, Altera), универсальными PCI платами сбора данных NI, NI ELVIS, CompactRIO, CompactDAQ и соответствующим программным обеспечением. В лабораторных занятиях по изучению микропроцессорных систем отладочные платы используются совместно с пакетом LabVIEW и платами сбора данных. С помощью плат сбора данных студенты формируют (или собирают) необходимые цифровые и аналоговые сигналы. Пакет LabVIEW используется для создания программных моделей объектов управления и отладки стандартных портов передачи данных.

Лаборатория средств связи, помимо сетевого и коммутационного оборудования фирмы D-Link, оборудована модульными ВЧ-комплексами NI на шасси PXI. ВЧ-комплексы используются для тестирования и разработки коммуникационного оборудования и систем связи. Для изучения основ цифровой обработки сигналов используется отладочный модуль TMS320C6713 DSK совместно с пакетами LabView DSP и Embedded.

Лаборатория систем автоматизированного проектирования (САПР) оснащена LabView, MultiSim и пакетами САПР других производителей.

В лаборатории информационных систем и программирования установлены средства разработки программного обеспечения, в частотности пакет LabView. Студенты кафедры изучают основы программирования на языках Си, С++ и в среде LabView.

Новые образовательные технологии в вузе – Основные направления работы центра:

внедрение технологий NI в учебный процесс кафедры Технологии и средства связи Радиотехнического института Уральского государственного технического университета УГТУ-УПИ, разработка учебно-методического обеспечения, проведение курсов повышения квалификации, Студенты кафедры изучают основы программирования в LabView в дополнительном специализированном курсе на втором годе обучения. В дальнейшем технологии NI изучаются и используются в следующих дисциплинах:

Современные технологии программирования в сетях связи, Микропроцессорные системы управления в ЭВС, Микропроцессорные системы управления в РЭС, Микропроцессорные устройства в ЭВС.

Ряд работ по внедрению технологий NI в учебный процесс выполняется студентами старших курсов под руководством преподавателей.

Например, в этом году студентами-дипломниками была разработана лабораторная установка для изучения принципов работы микропроцессорных систем управления на примере системы управления двигателем внутреннего сгорания. Блок управления, снимающий показания датчиков и формирующий сигналы управления, реализован на отладочной плате с контроллером ЦОС TMS320F2812. В качестве объекта управления используется программно-аппаратная модель, реализованная на платформе CompactDAQ. Модель формирует все необходимые физические сигналы датчиков и реагирует на сигналы блока управления.

Другая работа, выполненная по этому направлению, - это разработка и изготовление лабораторного комплекса «Cистема управления обратным маятником». Этот комплекс предназначен для изучения различных алгоритмов управления с применением технологий NI. Комплекс состоит из конструкции маятника (рис. 1.), компьютера с установленным пакетом LabVIEW, PCI платы сбора данных для обмена информацией с программным обеспечением верхнего уровня, к которой подключена настольная станция NI ELVIS, и оригинальной платы управления маятником. Плата управления маятником подключена к станции NI ELVIS и содержит аналоговый выход для управления двигателем постоянного тока, а также четыре цифровых входа для получения значений энкодеров, показывающих горизонтальное и вертикальное отклонение маятника от центрального положения.

Первоначально маятник вручную устанавливается в исходное (вертикальное) положение. Это состояние неустойчивого равновесия. Задача системы – удерживать маятник в этом положении. Это достигается за счет изменения положения опоры маятника, двигатель поворачивает опору маятника, подводя ее под маятник. Определение положения маятника осуществляется энкодерами, один из которых показывает отклонение маятника от вертикальной оси (Y координата), а другой – азимут опоры маятника (X координата) (Рис. 2). Информация от энкодеров попадает в виртуальный прибор LabVIEW, в котором реализована логика управления маятником. По получаемым значениям энкодеров определяется скорость и ускорение маятника в двух координатах. С использованием этих значений ПД2 - регулятор подбирает необходимую амплитуду и полярность напряжения, подаваемого на двигатель. Студенты могут разрабатывать разные алгоритмы управления, проверять их на реальной модели обратного маятника и сравнивать расчетные и реальные параметры того или иного регулятора.

Рис. 2. Направления движения маятника и управляемой опоры Новые образовательные технологии в вузе – Можно выделить еще два проекта, предназначенных для изучения систем управления. Это две структурно похожие аппаратно-программные лабораторные установки: «Система преследования автомобиля» и «Умный дом». В обоих проектах блок управления реализован на отладочной плате с микроконтроллером корпорации Texas Instruments серии MSP430. Объект управления реализован на LabView. Обмен данными осуществляется по последовательному порту. В системе преследования автомобиля, объектом управления является виртуальный автомобиль, который должен следовать за другим виртуальным автомобилем, направляемым пользователем персонального компьютера. В проекте «Умный дом» средствами LabView реализована модель многоэтажного дома с установленными датчиками движения и температуры. Задача регулирования сводится управлению источниками света и поддержанием заданной температуры.

Большое внимание уделяется учебно-методическому обеспечению. При этом активно используются распространяемые компанией NI материалы и, при необходимости, создается новое учебно-методическое обеспечение. В качестве реализованных проектов, в которых принимал участие наш центр, можно назвать перевод на русский язык материалов практического курса по изучению основ передачи ВЧ сигналов, создание учебно-методического комплекса по дисциплине «Современные технологии программирования в системах связи» и модуля учебно-методического комплекса по дисциплине «Информатика» по изучению основ программирования в LabVIEW.

Технологии NI частично используются и в других дисциплинах, преподаваемых на кафедре.

Сотрудниками центра регулярно проводятся курсы повышения квалификации и обучения технологиям NI. Хочется отметить проведение в этом году нашим центром специализированного курса обучения сотрудников ведущих кафедр Радиотехнического института – РТФ УГТУ УПИ. В рамках инновационной образовательной программы Радиотехническим институтом закуплено программное обеспечение и оборудование NI. Преподаватели, прошедшие обучение в нашем центре, будут внедрять технологии NI в учебный процесс института. Очень перспективным представляется внедрение технологий NI в дистанционное обучение, в частности создание виртуальной лаборатории, доступной удаленным филиалам университета по сети Интернет.

Применение технологий NI в разработке систем и устройств осуществляется по двум направлениям:

использование технологий NI для тестирования и отладки систем и устройств, разработка систем на базе аппаратуры и программных средств NI.

Часто для отладки различных блоков и модулей разрабатываемой системы требуется формировать и получать сигналы от налаживаемого блока или модуля. В системах управления дополнительно требуется сформировать модель объекта управления, т.е. связать входные и выходные сигналы некоторой зависимостью. Технологии NI позволяют создавать такие имитаторы в короткие сроки. В системах управления этих целей можно успешно использовать PCI платы сбора данных с необходимым набором аналоговых и цифровых входов (выходов). В качестве примера можно привести проект разработки возбудителя для питания обмотки возбуждения синхронного двигателя. Нашими специалистами разрабатывался котроллер управления возбудителем. На этапе написания и отладки программы требовалось имитировать низковольтные аналоговые и цифровые сигналы, а также отслеживать выходные сигналы контроллера. Эта задача была оперативно решена с помощью пакета LabView, установленного на персональном компьютере, и PCI платы сбора данных. В результате большая часть работ по отладке программного обеспечения (ПО) контроллера была выполнена в лаборатории, а не в удаленном цехе. При этом разработка ПО осуществлялась параллельно с разработкой и изготовлением других блоков возбудителя. Таким образом, применение технологий NI позволило значительно ускорить сроки разработки.

Немаловажным аспектом любой разработки является тестирование.

Для тестирования систем и средств связи в нашем центре используется ВЧкомплекс NI на шасси PXI, оборудованный векторными анализатором и генератором ВЧ сигналов. Такая конфигурация позволяет генерировать и детектировать сигналы, модулированные любым из известных способов.

Кроме того, ВЧ-комплекс представляет собой мощное средство для анализа сигналов в спектральной области, без которого не обойтись на этапе отладки и тестирования современных средств связи.

ВЧ-комплекс NI на шасси PXI обладает высокими техническими характеристиками, что позволяет его использовать не только для диагностики, но и в качестве приемного или передающего блока разрабатываемой системы. В этом году на базе ВЧ-комплекса в нашем центре был разработан блок для приема и обработки сигналов удаленного устройства, передающего цифровую телеметрическую информацию.

Несущая частота цифрового радиоканала 400 МГц. Частотная манипуляция кГц при скорости непрерывного обмена 2,4 кбит. Узкая полоса канала позволяет использовать маломощный передатчик в удаленном устройстве.

Применение ВЧ-комплекса NI в этом проекте ускорило время его реализации.

В заключение хочется отметить, что наш региональный центр принял активное участие в реализации проекта НОЦ «Информационнотелекоммуникационные системы и технологии» осуществляемого на Радиотехническом институте – РТФ в течении 2007 – 2008гг.

По образовательной программе закуплено программное обеспечение NI LabVIEW с лицензией на использование во всех подразделениях УГТУ-УПИ.

Также на факультете закуплено большое количество оборудования NI.

Учебные классы оснащены лабораторным оборудованием NI. Закупленное оборудование и программное обеспечение используется так же в научно Новые образовательные технологии в вузе – исследовательской работе по темам телекоммуникаций и мониторинга окружающей среды.

Регулярно производятся консультации сотрудников, студентов и аспирантов УГТУ-УПИ по вопросам использования программного и аппаратного обеспечения National Instruments.

Центр обеспечивает информационную поддержку в УГТУ-УПИ мероприятий проводимых корпорацией National Instruments (конкурсы, олимпиады, конференции), участвует в организации семинаров и конкурсов в вузе.

Иванов О.Ю., Бабкина А.С., Романовский А.А., Романовский Е.А.

ЦИКЛ ЛАБОРАТОРНЫХ РАБОТ ПО ЦИФРОВОЙ ОБРАБОТКЕ ДАННЫХ

ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ В СРЕДЕ ERDAS

IMAGINE

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Рассматривается состав и особенности лабораторного практикума по дисциплине «Принципы построения и обработки информации в радиоэлектронных системах дистанционного мониторинга», подготовленного с использованием пакета прикладных программ ERDAS IMAGINE.

The structure and the particular features of the laboratory practice in subject called “The information processing in the radio-electronic systems of the remote sensing”, prepared by using of the application package ERDAS IMAGINE is considered Введение Решение многих народнохозяйственных задач зависит от наличия достоверной информации. Быстро растущие информационные запросы современного общества диктуют потребность в адекватных средствах получения и обработки соответствующих данных. Одним из способов получения такой информации является использование систем дистанционного зондирования Земли (ДЗЗ), которые формируют качественные изображения земной поверхности, находясь на расстоянии нескольких тысяч километров. Успешное использование этих систем повлекло за собой стремительное развитие соответствующих компьютерных программ.

Одним из лидеров на рынке программных продуктов по обработке данных ДЗЗ сегодня является пакет прикладных программ (ППП) ERDAS IMAGINE (компания Leica Geosystems). Он позволяет просматривать большие площади, покрытые целой серией снимков, анализировать растровую и векторную структуру данных, создавать информативные и профессионально ориентированные карты, предоставляет возможности по выявлению территориальных изменений, происходящих с течением времени и т.д.

С учетом сказанного выше обучение пользователей принципам обработки информации в системах дистанционного мониторинга с использованием среды ERDAS IMAGINE несомненно является актуальной задачей, успешному решению которой во многом поможет предлагаемый лабораторный практикум, включающий в себя три части, которые соответствуют трем основным этапам цифровой обработки изображений:

улучшению их качества, геометрической коррекции и тематической обработке.

Улучшение качества изображения Под улучшением качества понимается выполнение комплекса операций, в результате которого изображение становится более пригодным для извлечения полезной информации.

Данный комплекс операций, прежде всего, предполагает подавление шумов на изображении, которые существенно затрудняют его интерпретацию, как оператором-дешифровщиком, так и в автоматическом режиме. Природа образования шумов различна – это и аддитивный шум приемного устройства, и импульсный шум канала передачи информации, и мультипликативный шум, присущий когерентным системам дистанционного зондирования.

Модуль ППП ERDAS IMAGINE Radar|Radar Interpreter|Speckle Suppression содержит целый ряд процедур для подавления шумов: медианная фильтрация, усреднение, фильтрация Ли, Сигма-фильтрация и т. д.

Фильтрация изображения при этом производится в «скользящем» окне, размер которого невелик (обычно не более чем 9 9 отсчетов), что делает обработку достаточно быстрой.

Для улучшения визуального восприятия изображения необходимо, чтобы яркость его пикселей была распределена по всему диапазону и, по возможности, равномерно. В этом случае снимок выглядит высококонтрастным. На исходном снимке это условие, как правило, не выполняется. Для трансформации гистограммы распределения яркостей отсчетов изображения можно воспользоваться различными линейными, нелинейными и кусочно-линейными методами. Эти преобразования можно осуществить при помощи модуля Raster|Contrast|General Contrast.

Другой яркий пример использования психофизических свойств зрения человека – подчеркивание границ областей, отличающихся яркостью на снимке, основанный на эффекте полос Маха. Эта операция осуществляется, как правило, методом высокочастотной пространственной фильтрации.

Применение различных масок, предлагаемых ППП ERDAS IMAGINE (Radar|Radar Interpreter|Edge Enhancement), характеристики фильтра, а, следовательно, качество выделения приграничных областей на снимке.

Новые образовательные технологии в вузе – Именно эти три аспекта (подавление шумов, контрастирование изображений и выделение границ) предлагается исследовать в первой части лабораторного практикума.

Геометрическая коррекция изображения Геометрическая коррекция снимков обусловлена тем, что на них всегда присутствуют искажения, вызванные сферичностью земной поверхности, особенностями датчиков ДЗЗ, неоднородностью рельефа, несоответствием формата изображения той или иной картографической проекции и другими факторами. Результатом коррекции становится изображение с координатной привязкой в определенной картографической проекции.

ERDAS IMAGINE

использованием модели камеры спутника (доступны несколько спутников:

QuickBird, CartoSAT и др.). Однако в большинстве случаев пользователю предоставляется изображение без дополнительной информации о датчике ДЗЗ и его траектории. В этом случае ППП предлагает методы с использованием наземных опорных точек, основанные на полиномиальном преобразовании или преобразовании «резиновый лист», с последующим пересчетом растра. Особенности применения методов в различных ситуациях и предлагается исследовать во второй части лабораторного практикума.

В обоих методах (полиномиальное преобразование и преобразование «резиновый геометрически правильное изображение, либо цифровая карта. На каждом изображении необходимо расставить опорные точки, причем каждой точке исходного снимка должна соответствовать ее проекция на опорном изображении.

Суть полиномиального преобразования (Polynomial в окне выбора геометрической модели Set Geometric Model) состоит в том, чтобы найти зависимость между координатами исходного и опорного изображения.

Коэффициенты полиномов находятся методом среднеквадратической регрессии (методом наименьших квадратов). Используемый порядок полинома зависит от степени искажения. Линейное преобразование может изменять положение и масштаб по осям, поворачивать изображение.

Преобразования второго порядка обычно используются для преобразования данных из географической системы координат в прямоугольную, для преобразования данных больших областей (с учетом кривизны Земли), для точной привязки искаженных по той или иной причине данных (например, из-за искажений линз камеры) и т. д. Преобразования третьего порядка используются для привязки искаженных аэрофотоснимков, плохо отсканированных материалов и радарных изображений. Преобразования четвертого порядка могут быть использованы для преобразования очень искаженных аэрофотоснимков.

В преобразовании «резиновый лист» (Rubber Sheeting в окне выбора геометрической модели Set Geometric Model) все изображение разбивается на множество треугольников, в вершинах которых находятся вышеупомянутые опорные точки. Существует несколько алгоритмов триангуляции, но наибольшее применение получила триангуляция Делоне. При любом количестве опорных точек все они точно совмещаются, а пространство растра между ними деформируется методами, с использованием полиномиального преобразования первого порядка (т. к. трансформируемая область невелика).

После вычисления преобразования необходимо выполнить пересчет растра. Данный этап обусловлен тем, что сетка пикселей в исходном изображении в общем случае не соответствует сетке опорного изображения.

Для пересчета растра в ERDAS IMAGINE используются методы ближайшего соседа, билинейной интерполяции, бикубической свертки и бикубический сплайн.

Классификация Третья часть лабораторного практикума предусматривает выполнение отдельных операций тематической обработки спутниковых снимков. Одной из таких операций является классификация объектов изображения, которая понимается как процесс распределения точек изображения между конечным числом классов согласно яркости пикселя или вектора яркости пикселей в случае многоканального изображения. Различают автономную классификацию (кластеризацию) и классификацию с обучением.

В пакете ERDAS IMAGINE заложены два алгоритма автономной классификации – кластеризация ISODATA и RGB-кластеризация.

Алгоритм ISODATA является итерационным. Исходными данными для выполнения кластеризации с использованием этого алгоритма являются:

максимальное число кластеров; порог сходимости – максимальный процент пикселей, значения которых могут быть неизменным между итерациями;

максимальное число итераций, которые будут выполнены, если не достигнут порог сходимости. Достоинством алгоритма является простота. К недостаткам можно отнести то, что процесс кластеризации занимает много времени, так как многократно повторяется.

Другим алгоритмом автономной классификации является RGB-кластеризация. Использовать этот алгоритм можно только для многоканальных данных ДЗЗ. Изначально диапазоны изменения значений по каждой координате (в каждом канале) разбиваются на равные части.

Области, которые образуются на пересечении разбиений, становятся выходными кластерами. Значения яркости изображения, попадающие в кластер, относятся к соответствующему классу. На практике число и равномерность разбиения диапазонов значений яркости в отдельном канале можно варьировать согласно их гистограммам распределения.

В пакете ERDAS IMAGINE также имеется богатый инструментарий, который позволяет проводить другой вид классификации – классификацию с обучением. Обязательным этапом при классификации с обучением является создание набора эталонов, каждый из которых является представителем выходного класса. Для соотнесения эталонам реальных физических объектов используется априорная информация, например, карты местности или ранее Новые образовательные технологии в вузе – классифицированные изображения. В зависимости от способа создания эталонов различают параметрические и непараметрические эталоны.

После создания и оценки эталонов (обучения системы) выполняется непосредственно классификация пикселей изображения, при которой они относятся к тому или иному классу, согласно выбранному решающему правилу (кратчайшее расстояние, расстояние Махалонобиса, максимальное правдоподобие, метод Байеса и т. д.).

Заключение Предлагаемый лабораторный практикум (девять лабораторных работ) полностью перекрывает все количество часов, отводимых для выполнения лабораторных работ в рамках дисциплины «Принципы построения и обработки информации в радиоэлектронных системах дистанционного мониторинга» и позволяет слушателям приобрести практические навыки по обработке данных ДЗЗ.

Игнатченко О.А., Козлова Н. Б., Черткова С.И.

ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫХ

ТЕХНОЛОГИЙ В ПРЕПОДАВАНИИ ТЕОРЕТИЧЕСКОЙ МЕХАНИКИ

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург Рассмотрена возможность интегрирования традиционных и информационно-коммуникационных технологий в преподавании теоретической механики для студентов филиалов. Разработана методика on-line трансляций с обратной связью в режиме реального времени.

Показаны преимущества сочетания традиционных и информационнокоммуникационных технологий в учебном процессе территориальных подразделений.

Территориальная удаленность филиалов от головного вуза и отсутствие в некоторых филиалах достаточного кадрового потенциала для организации учебного процесса приводят к необходимости использования в учебном процессе филиалов информационных технологий (ИТ), позволяющих шире привлекать высококвалифицированных преподавателей головного вуза к работе со студентами филиалов. Выбор средств ИТ, оптимальных для обучения студентов в конкретных условиях, и разработка методики их применения, являются важнейшими задачами для повышения качества образовательного процесса. Для выполнения рабочего плана по теоретической механике со студентами филиала УГТУ-УПИ в г. Серове впервые апробирована технология, сочетающая традиционные методы обучения, on-line трансляции с обратной связью в режиме реального времени на базе программного комплекса Adobe Acrobat Connect Pro, of-line консультации по электронной почте и видеоконференции на базе Skype (Таблица 1).

Степень использования различных способов передачи учебной информации в типовых организационных формах проведения занятий (в процентах).

Организационная Методы и способы передачи и представления форма занятия информации комплекса Adobe Acrobat Connect Pro по сравнению с наиболее распространенными способами передачи учебной информации в традиционных и информационных технологиях обучения следующие:

передача видео и аудио сигнала, возможность передачи текста любой сложности, графики (статической и динамической), мультимедиа, наличие обратной связи со студентами в режиме реального времени, возможность контроля за усвоением студентами предлагаемого материала и корректировки темпа лекции, возможность отступления от заготовленных материалов, их редактирование во время трансляции, возможность трансляции нескольким территориально удаленным группам, возможность чтения лекций отдельным иногородним студентов без их выезда в головной вуз и дополнительных затрат времени преподавателем, более равномерный график занятий со студентами в течение семестра по сравнению с методом «вахтовых выездов»преподавателя в филиал, возможность многократного просмотра студентами записей лекций в Интернете.

В процессе подготовки к лекционным и практическим занятиям в пакете Power Point созданы презентационные материалы по динамике точки, механической системы и твердого тела, введению в аналитическую механику. Для большей наглядности основных положений использована динамическая графика. Логически завершенные фрагменты теоретического материала сопровождаются 2-3 примерами, решение которых происходит сначала вместе с преподавателем, а затем и самостоятельно. В некоторых Новые образовательные технологии в вузе – примерах сознательно допущены ошибки, которые студенты должны обнаружить в процессе решения. Трансляции из головного вуза проводились равномерно в соответствии с учебным расписанием филиала в г. Серове и не нарушали учебный процесс по другим дисциплинам. Трансляции всех лекций записаны, и студенты имеют возможность неоднократного обращения к любым их фрагментам по ссылке в Интернете.

Наиболее сложные для понимания вопросы лекционного курса (аналитическая механика) и большая часть практических занятий проведена преподавателем непосредственно в филиале по традиционной технологии.

Консультации по выполнению расчетно-графических работ частично проведены с использованием коммуникационного пакета Skype и электронной почты. Зачеты и экзамены проведены в традиционной форме.

Результаты текущего контроля знаний и промежуточной аттестации студентов показали, что сочетание перечисленных выше технологий обучения позволили сохранить уровень освоения всех дидактических единиц курса теоретической механики. В целях совершенствования преподавания теоретической механики студентам территориальных подразделений и отдельным заочникам, сокращения трудоемкости образовательного процесса в малочисленных группах запланированы следующие мероприятия:

совершенствование методики on-line трансляций по одному каналу, разработка методики on-line трансляций по нескольким каналам, создание сетевого курса теоретической механики и организация доступа к нему студентов филиалов, обучающихся по традиционной технологии, пополнение базы контрольно-измерительных материалов и разработка методики Интернет-экзамена.

Рис. 1. On-line трансляция на базе программного комплекса Adobe Acrobat Connect Pro для студентов филиала УГТУ-УПИ в г. Серове.

Илышева М.А.

ИСПОЛЬЗОВАНИЕ МЕТОДОЛОГИИ ПРОЕКТНОГО УПРАВЛЕНИЯ ПРИ

ВНЕДРЕНИИ КОМПЕТЕНТНОСТНОГО ПОДХОДА В

ОБРАЗОВАТЕЛЬНЫЙ ПРОЦЕСС

[email protected] ГОУ ВПО "УГТУ-УПИ имени первого Президента России Б.Н.Ельцина" г. Екатеринбург В статье рассматриваются аспекты, связанные с внедрением концепции компетентностного подхода в образовательный процесс. Особое внимание уделяется целесообразности использования методологии проектного управления при переходе на новую технологию образования.

In the publication the aspects connected to introduction of the concept компетентностного of the approach in educational process are considered(examined). The special attention is given expediency of use of methodology of design management at transition to new technology of education.

образовательному процессу получает все более широкое распространение в наших учебных заведениях. Связано это, в первую очередь, с растущими требованиями рынка в отношении уровня подготовки специалистов.

Работодателям в современных условиях уже недостаточно наличия определенного набора знаний и навыка получать новые знания, что обеспечивает классический подход к образованию, становится все более актуальным владение, так называемыми, компетенциями. Под компетенцией понимается личная способность специалиста решать определенный класс профессиональных задач и готовность к своей профессиональной роли в той или иной области деятельности. Понятие "компетенция" включает совокупность взаимосвязанных качеств личности (знаний, умений, навыков, способов деятельности), позволяющих справляться со сложными непредсказуемыми ситуациями. Так, например, компетенции менеджера могут включать в себя: системность мышления, умение анализировать ситуацию, навыки ведения переговоров и управления персоналом, знания в области экономики и т.д. Освоение определенного уровня компетенции подразумевает способность использовать и сочетать знания, умения, навыки в зависимости от меняющихся требований конкретной ситуации или проблемы.

По рыночным законам необходимые в том или ином виде профессиональной деятельности компетенции должен определять работодатель. И если образовательный процесс рассматривать как проект (в методологии проектного управления), целью которого является подготовка специалистов, отвечающих требованиям рынка, то овладение набором необходимых компетенций будет свидетельствовать о достижении цели данного образовательного проекта. Основными критериями успешности Новые образовательные технологии в вузе – достигнутого результата будет востребованность специалистов в данной сфере деятельности и высокая степень удовлетворенности работодателя, который, по сути, является заказчиком в этом проекте.

В связи с вышесказанным необходимо обеспечить постоянную обратную связь, с одной стороны, с работодателем, который должен уметь четко формулировать требуемые компетенции, с другой стороны, с учебным заведением (конкретной выпускающей кафедрой) для организации образовательного процесса в новой концепции. Проблемы в обеспечении нового подхода возникают и с той и с другой стороны. Достаточно сложно работодателю сформулировать необходимый набор компетенций или они являются, как правило, слишком узконапраленными, специфическими.