Содержание к диссертации
Введение
ГЛАВА 1. Анализ научно-технологической базы для подготовки специалистов в области компьютерного моделирования 16
1.1. Тренды развития вычислительной и информационнной инфраструктуры компьютерного моделирования 17
1.2. Требования к подготовке кадров в области компьютерного моделирования 23
1.3. Современные технологии электронного и дистанционного обучения: покрытие требований предметной области компьютерного моделирования 27
1.4.1. Учебные и исследовательские объекты: современные концепции представления электронных ресурсов различных форм Исследовательские объекты 34
1.5. Учебные объекты Технологии построения образовательных траекторий 44
1.6. Технологии автоматизации построения и сопровождения образовательных траекторий и средства оценки степени достижения компетенций 51
1.7. Выводы по главе 1: оценка потребностей и возможностей в области подготовки кадров по компьютерному моделированию 54
ГЛАВА 2. Формальный аппарат автоматизации процесса подготовки профессионалов в области компьютерного моделирования 56
2.1. Основные определения и объекты 57
2.2. Инструментальные объекты: прикладные пакеты и композитные приложения 61
2.3. Виртуальные моделирующие объекты 67
2.4. Объекты для проектирования, разработки и реализации учебных ресурсов 73
2.5. Объекты для построения и планирования образовательных траекторий 77
2.6. Объекты для организации средств оценивания 79
2.6. Выводы по главе 2 81
ГЛАВА 3. Автоматизация процессов разработки образовательных ресурсов и облачных учебных систем в области компьютерного моделирования 84
3.1. Облачная репрезентация программного пакета компьютерного моделирования 84
3.2. Проектирование абстрактного учебного ресурса и его сопровождение текстовыми материалами из научной документации 94
3.3. Организация функционирования учебных ресурсов на основе облачной модели AaaS 105
3.4. Выводы по главе 3 115
ГЛАВА 4. Автоматизация процессов построения образовательных траекторий на основе облачных учебных ресурсов 116
4.1. Подход к построения образовательных траекторий на основе структур виртуальных моделирующих объектов 116
4.2. Методика формирования компетенций для образовательных программ, связанных с компьютерным моделированием 126
4.3. Метод автоматизации построения образовательных траекторий с применением эвристических алгоритмов оптимизации 134
4.4 Выводы по главе 4 147
ГЛАВА 5. Автоматизация контроля реализации образовательных траекторий на основе облачных учебных ресурсов 149
5.1. Учебный процесс в формате коллаборации студентов, преподавателей и учёных посредством облачных технологий. Модели обучения на основе композитных приложений 150
5.2. Автоматизация оценки достижения обучаемым компетенций 161
5.3. Управление реализацией образовательных траекторий на уровне выполнения композитных приложений в распределенной вычислительной среде 175
5.4. Выводы по главе 5 188
ГЛАВА 6. Программный комплекс автоматизации технологических процессов подготовки профессионалов в области компьютерного моделирования 189
6.1. Состав компонент расширения облачных платформ высокопроизводительных вычислений для автоматизации разработки и реализации образовательных траекторий 189
6.2. Описание компонент, обеспечивающих функционирование программного комплекса как единого целого 196
6.3. Структура комплекса автоматизации технологических процессов для подготовки профессионалов в области компьютерного моделирования 213
6.4. Выводы по главе 6 218
ГЛАВА 7. Экспериментальные исследования технологий автоматизации процессов подготовки профессионалов в области компьютерного моделирования 220
7.1. Планирование экспериментов 221
7.2. Экспериментальная проверка возможности применения облачных платформ и первичных научных материалов в учебных целях 227
7.3. Экспериментальная проверка эффективности предложенных научно-методических средств автоматизации обучения профессионалов в области компьютерного моделирования 244 7.4 Выводы по главе 7 262
Заключение 265
Список цитированной литературы 269
Приложение. Описание прикладных пакетов компьютерного моделирования в составе программного комплекса
- Учебные и исследовательские объекты: современные концепции представления электронных ресурсов различных форм Исследовательские объекты
- Виртуальные моделирующие объекты
- Проектирование абстрактного учебного ресурса и его сопровождение текстовыми материалами из научной документации
- Методика формирования компетенций для образовательных программ, связанных с компьютерным моделированием
Введение к работе
Актуальность темы исследования. В последние десятилетия бурное развитие информационно-коммуникационных технологий (ИКТ) и их проникновение в качестве диффузных технологий практически во все отрасли науки и практики стимулирует интерес к выполнению интердисциплинарных исследований и разработок, основанных на применении методов компьютерного моделирования (КМ) сложных объектов и систем реального мира. В силу быстрого обновления самой научно-технологической базы отличительной особенностью таких проектов является ограниченное время выполнения (от полугода до двух лет), использование трансляционных подходов на основе фундаментальных знаний, а также вовлечение большой интердисциплинарной (и, часто, международной) команды специалистов. В данных условиях повышается ценность профессионалов, в совершенстве владеющих методами КМ и ИКТ. Необходимые для них профессиональные компетенции присутствуют в российских образовательных стандартах третьего поколения, а общие компетенции появятся в четвертом поколении стандартов.
Основы отечественных исследований в области автоматизации технологических процессов, в т.ч. в образовании, заложены научными школами В.М. Глушкова, С.В. Клименко, В.Н. Васильева, Д.А. Новикова, И.В. Ретинской, Л.С. Лисицыной, С.А. Бояшовой, В.П. Гергеля, О.А. Шабалиной, А.Г. Кравец, Г.К. Селевко, А.П. Карпенко, Л.В. Зайцевой, В.А. Богомолова, И.Л. Артемьевой, О.Н. Калачиковой. Однако в условиях конкуренции тенденций массовости и индивидуализации образования подготовка высококвалифицированных кадров (в том числе магистров и кандидатов наук) в области КМ выходит за рамки классических подходов к ИКТ-образованию, а существующие технологии разработки и реализации соответствующих образовательных траекторий и ресурсов во многом утрачивают свою эффективность. В настоящее время существуют устоявшиеся стандарты разработки и интеграции различных типов образовательных ресурсов, в том числе признанный стандарт Learning Tools Interoperability (интероперабельности учебных средств (ИУС)) и концепция Reusable Learning Object (многоразовых учебных объектов (МУО)). Указанные стандарты позволяют быстро создавать и развертывать образовательные системы, доступные практически с любого устройства. «Ахиллесовой пятой» существующих стандартов является то, что сами информационные образовательные ресурсы должны разрабатываться отдельно, в том числе на уровне упрощенных копий/представлений сложных компьютерных моделей или реальных процессов. Как следствие, в тренде быстрых обновлений научных результатов и технологических решений образовательный ресурс на момент времени окончания его разработки зачастую становится морально устаревшим.
Помимо заведомого устаревания образовательного ресурса на момент завершения его разработки могут быть выделены следующие негативные факторы. Во-первых, большинство ИКТ-решений в области автоматизации образования ориентированы на конкретную научную или предметную дисциплину при том, что объем интердисциплинарных исследований стремительно растет. Стандарт ИУС и концепция МУО частично исправляют сложившуюся ситуацию, но позволяют изучать реальные процессы лишь покомпонентно, а не на системном уровне. Во-вторых, современные ИКТ-решения (в том числе облачные продукты) прежде всего ориентированы на существующие информационные процессы в образовании и тем самым сильно ограничивают возможности создания креативных интердисциплинарных образовательных сред и платформ. И, в-третьих, при предоставлении студенту отдельно разработанных учебных материалов заведомо ограничивается доступ к первичным научным результатам и технологическим решениям. Тем самым, после завершения обучения выпускнику может потребоваться значительное время на адаптацию к новым условиям работодателя (стажировки, корпоративное обучение и т.д.).
В сложившихся условиях требуется создание условий, необходимых для реализации полного цикла образовательного процесса в области КМ на системной основе, что невозможно без использования средств автоматизации. Поэтому разработка методологической основы, соответствующих технологий и, как следствие, инструментальных средств для автоматизации проектирования и конструирования образовательных ресурсов, планирования и реализации образовательных траекторий (включая оценку уровня достижения обучаемым заданных компетенций) в области КМ является актуальной.
Степень разработанности диссертации. В диссертации выполнена разработка методологии трансляции различных форм научных результатов в учебный контент (гибридные учебные ресурсы) на основе совместного использования концепций исследовательских и учебных объектов, разработаны и реализованы технологии, позволяющие обеспечить полный цикл проектирования, конструирования образовательных ресурсов, планирования и реализации образовательных траекторий на основе облачных научных объектов для подготовки высококвалифицированных специалистов в области КМ. Работа представляет собой законченное и цельное исследование, обладающее научной новизной и практической значимостью, обуславливающей возможность внедрения ее результатов в сфере высшего образования.
Цель работы и задачи исследования. Целью работы является создание методологии автоматизации технологических процессов, покрывающих весь жизненный цикл проектирования и реализации учебных курсов на основе различных форм научных результатов при обеспечении массовости и доступности, высокой возможной вариативности образовательных траекторий, постановки и развития у обучаемых общих и профессиональных компетенций в решении интердисциплинарных задач средствами КМ.
Задачами работы являются:
-
Обоснование характеристик разрабатываемой методологии на основе анализа трендов в области автоматизации образования и современных требований к профессионалам в части КМ.
-
Построение формальных моделей базовых объектов методологии автоматизации технологических процессов, покрывающих жизненный цикл проектирования и реализации учебных курсов, в форме математических соотношений.
-
Разработка технологии автоматизации разработки гибридных учебных ресурсов на основе трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент.
-
Разработка технологии автоматизации построения образовательных траекторий на основе гибридных учебных ресурсов с применением виртуальных моделирующих объектов и эвристических алгоритмов оптимизации.
-
Разработка технологии сопровождения реализации образовательных траекторий с оценкой степени освоения компетенций, в том числе способности работы в команде в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ.
-
Проектирование, разработка и тестирование комплекса облачных программных средств для реализации вышеприведенных технологий.
7. Экспериментальная проверка условий применения и эффективности разработанных
технологий автоматизации проектирования и реализации учебных курсов на основе
научных результатов с применением облачных вычислительных технологий в рам
ках требований современных трендов в науке и образовании.
Объектом исследования является процесс организации и реализации учебного про
цесса подготовки профессионалов в области КМ, соответствующий современным трендам
5 в науке, технологиях и образовании, включая быстрое обновление результатов научной деятельности, эволюцию и моральное устаревание информационных технологий, а также увеличение объема интердисциплинарных исследований и разработок.
Предметом исследования являются информационные технологии, обеспечивающие автоматизацию полного цикла учебных мероприятий, включая проектирование и конструирование гибридных ученых ресурсов на основе различных научных результатов, которые позволяют предоставить обучаемым актуальные учебные материалы, индивидуализировать образовательные траектории, выполнить оценку достижения заданных компетенций.
Научная новизна состоит в том, что впервые разработан и реализован подход к трансляции различных форм научных результатов в учебный контент на основе совместного использования концепций исследовательских и учебных объектов и наследуемых подходов к автоматизации полного цикла разработки и реализации учебных курсов на основе облачных вычислений в рамках модели AaaS (Application as a Service). Это позволило создать на единой основе комплекс новых технологий автоматизации, обеспечивающих проектирование и разработку гибридных образовательных ресурсов на основе облачных учебных объектов, автоматизацию построения образовательных траекторий на основе гибридных учебных ресурсов с применением структур виртуальных моделирующих объектов и эвристических алгоритмов оптимизации, а также сопровождения и реализации образовательных траекторий с оценкой степени освоения компетенций в ч асти КМ для решения интердисциплинарных задач (индивидуальная и командная работа).
Теоретическая ценность работы состоит в создании подхода трансляции содержимого объектов различных видов на основе объединения соответствующих объектных концепций. Данный подход определяет технологии быстрого конструирования производных объектов с применением компонент исходных. Дмонстрация подхода приведена на примере теоретической разработки компонент гибридных учебных ресурсов на основе компонент научных объектов.
Практическую значимость работы составляют:
-
Программный комплекс автоматизации технологических процессов подготовки профессионалов в области КМ на основе расширения облачной платформы CLAVIRE.
-
Семейство учебно-методических ресурсов, учебных курсов и образовательных программ в области КМ, разработанных и внедренных с использованием методов и технологий, реализованных в диссертации. Методология и методы исследования включают в себя методы системного анализа
и инженерии знаний, методологию объектно-ориентированного программирования, теорию множеств, теорию графов, методы оптимизации, методы эволюционного программирования, методы проектирования информационных систем, методы инженерии программного обеспечения, методы планирования эксперимента и статистической обработки данных.
Соответствие диссертации паспорту специальности
Диссертация соответствует паспорту специальности 05.13.06 —Автоматизация и управление технологическими процессами и производствами (в образовании):
в части формулы специальности:
«…математическим, информационным, алгоритмическим и машинным обеспечением создания автоматизированных технологических процессов и производств и систем управления ими…», «…научные и технические исследования и разработки, модели и структурные решения человекомашинных систем, предназначенных для автоматизации производства и интеллектуальной поддержки процессов управления и необходимой для этого обработки данных в организационно-технологических и распределенных системах
6 управления в различных сферах технологического производства и других областях человеческой деятельности».
в части областей исследования:
п. 3. «Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами…»;
п. 7. «Методы совместного проектирования организационно-технологических распределенных комплексов и систем управления ими»;
п. 9. «Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУТП, АСУП, АСТПП и др., включая базы и банки данных и методы их оптимизации».
На защиту выносятся:
-
Методология автоматизации технологических процессов, покрывающая жизненный цикл проектирования и реализации учебных курсов и обеспечивающая массовость и доступность учебных материалов, высокую вариативность образовательных траекторий, развитие у обучаемых общих и профессиональных компетенций в части решения интердисциплинарных задач средствами КМ.
-
Технология автоматизации разработки гибридных учебных ресурсов на основе трансляции различных форм результатов научной деятельности, доступных посредством облачных технологий, в образовательный контент.
-
Технология автоматизации построения образовательных траекторий на основе гибридных учебных ресурсов с применением виртуальных моделирующих объектов и эвристических алгоритмов оптимизации.
-
Технология сопровождения реализации образовательных траекторий с оценкой степени освоения компетенций, в том числе способности работы в команде в рамках интердисциплинарных проектов, с применением облачных вычислительных платформ.
Достоверность научных результатов определяется использованием унифицированного формального описания объектов и методов, рассматриваемых в работе, корректным применением признанных принципов и методического инструментария при разработке и детализации методологии трансляции результатов научной деятельности в учебный процесс, включая методы оптимизации, методологию объектно-ориентированного программирования, эволюционные алгоритмы; результатами тестирования разработанного программного обеспечения, корректной постановкой и проведением экспериментальных исследований, а также успешным внедрением полученных результатов в учебный процесс.
Личный вклад автора состоит в разработке методологии трансляции различных форм результатов научной деятельности в учебный процесс на основе концепций исследовательских и учебных объектов, в разработке подхода построения образовательных траекторий на основе виртуальных моделирующих объектов, методики формирования гипертекстовых учебных материалов на основе научных статей и научно-практической документации, методики сопровождения реализации образовательных траекторий с применением облачных платформ высокопроизводительных вычислений, формата взаимодействия участников учебного процесса и учёных в облачных средах; в участии в разработке: метода проектирования абстрактных учебных ресурсов и реализации учебных ресурсов на основе концепции порождающих учебных объектов и принципов объектно-ориентированного программирования, методики организации функционирования учебных ресурсов на основе облачных платформ высокопроизводительных вычислений, метода построения образовательных траекторий на основе эвристических алгоритмов, моделей обучения на основе научных потоков работ (композитных приложений), методики автоматизации оценки достижения обучаемым заданной компетенции с применением композитных приложений,
7 метода количественной оценки способности обучаемого развивать себя в процессе командной работы в изучении новых интердисциплинарных направлений; в участии в разработке алгоритмов и программной реализации средств, необходимых для проведения экспериментов, в постановке и проведении экспериментов, обсуждении и интерпретации результатов.
Апробация работы
Основные результаты работы докладывались и обсуждались на следующих научно-технических (методических) конференциях и семинарах.
Конференции, прошедшие на территории России: «Телематика», Всероссийская научно-методическая конференция, Санкт-Петербург, 2012, «Научный сервис в сети Интернет: поиск новых решений», Международная суперкомпьютерная конференция, Новороссийск, 2012, «Высокопроизводительные параллельные вычисления на кластерных системах», Всероссийская конференция, Нижний Новгород, 2012, «Информационная система инновационного вуза», Научно-практическая конференция, Москва, 2013, «Научный сервис в сети Интернет: все грани параллелизма», Международная суперкомпьютерная конференция, Новороссийск, 2013, «Национальный суперкомпьютерный форум», Переславль-Залесский, 2013, «Технологии высокопроизводительных вычислений и компьютерного моделирования», Молодежная школа, Санкт-Петербург, 2013, «Информационная система инновационного вуза», Научно-практическая конференция, Москва, 2014, International Conference on Application of Information and Communication Technologies, Международная конференция, Ростов-на-Дону, 2015, Международная конференция «Russian Supercomputing Days», Москва, 2016 г.
Зарубежные международные конференции: «International Conference on Computational Science», Международная конференция, Кэрнс, Австралия, 2014, «International Conference on Application of Information and Communication Technologies», Международная конференция, Астана, Казахстан, 2014, «Frontiers in Education», Международная конференция, Мадрид, Испания, 2014, «International Conference on Computational Science», Международная конференция, Рейкьявик, Исландия, 2015, «Young Science Conference», международная молодежная конференция, Афины, Греция, 2015, «Frontiers in Education», Международная конференция, Эль-Пасо, США, 2015, «International Conference on Computational Science», Международная конференция, Сан-Диего, 2016.
Внедрение результатов работы. Теоретические результаты работы применены при выполнении следующих НИОКР: «Создание высокотехнологичного производства комплексных решений в области предметно-ориентированных облачных вычислений для нужд науки, промышленности, бизнеса и социальной сферы» в рамках реализации постановления Правительства РФ № 218, «Распределенные экстренные вычисления для поддержки принятия решений в критических ситуациях» в рамках реализации постановления Правительства РФ № 220, «Высокопроизводительный программный комплекс для моделирования электронных и электромеханических свойств наноуглеродных объектов», «Разработка web-ориентированного производственно-исследовательского центра в области со-циодинамики и ее приложений», «Технологии экстренных вычислений в задачах планирования и диспетчеризации маршрутов наземного общественного транспорта» в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007–2013 годы», а также в проектах «Методы и технологии моделирования процессов большого города на основе данных индивидуальной мобильности населения» (2015–2016) и «Предсказательное моделирование экстремальных явлений и оценка рисков устойчивому развитию сложных систем» (2013–2016) в рамках Программы повышения конкурентоспособности Университета ИТМО (5–100).
Практические результаты работ внедрены в учебном процессе отечественных и зарубежных вузов, а также в научных центрах и предприятиях (ЗАО «Фирма «АйТи». Информационные технологии», ГНЦ Курчатовский институт). На их основе в Университете ИТМО (г. Санкт-Петербург) и Университете г. Амстердам (Нидерланды) разработана и успешно реализуется первая в России международная магистерская образовательная программа двойного диплома в области КМ «Суперкомпьютерные технологии в междисциплинарных исследованиях», а также ряд профильных курсов для других программ, использующих технологии КМ. Внедрение результатов диссертации поддержано ведущими российскими вузами — членами Суперкомпьютерного консорциума Университетов России в рамках выполнения комплексного проекта «Суперкомпьютерное образование» (2010– 2014). Кроме того, решения, предложенные в диссертации, использованы при проведении мероприятий интенсивной подготовки и повышения квалификации специалистов в области КМ в рамках ежегодной Научной школы-практикума молодых ученых и специалистов «Технологии высокопроизводительных вычислений и компьютерного моделирования» (г. Санкт-Петербург, 2011–2016) и Международной научной школы-конференции молодых ученых и специалистов в области компьютерного моделирования YSC (Амстердам-Барсе-лона-Амстердам-Афины-Краков, 2012–2016).
Публикации. Основные результаты работы опубликованы в 24 статьях (общий объем — 12,62 п.л., вклад соискателя — 5,43 п.л.) из списка ВАК Минобрнауки (в том числе 18 статьях зарубежных изданий, индексируемых WoS/Scopus), а также представлены в научно-технических отчетах госбюджетных НИР в рамках ряда федерально-целевых и ведомственных научно-технических программ, внебюджетных НИР по заказу ведущих научных организаций и промышленных предприятий. Имеется 5 свидетельств об официальной регистрации разработанных программ для ЭВМ.
Учебные и исследовательские объекты: современные концепции представления электронных ресурсов различных форм Исследовательские объекты
Решение задач КМ тесно связано с использованием вычислительной инфраструктуры. Как следствие, для анализа научно-технологической базы, используемой при подготовке специалистов в области КМ, необходимо оценить тренды развития инфраструктуры на ближайшие 10–12 лет. Отталкиваясь от источников [1–5], выделены следующие тенденции.
Доступ к вычислительным услугам в удалённом режиме (услуги в «облаке»). За последние 15 лет широкое развитие получили сервисы, позволяющие получать вычислительные услуги через глобальную сеть интернет. Рост скорости каналов связи и мощности вычислительных систем позволяет помимо традиционных услуг (интернет-банкинг, интернет-покупки) получать удаленный доступ к медиа- и графическим ресурсам, взаимодействовать с высокопроизводительной системой с тонкого клиента, организовывать облачные инфраструктуры (виртуальные офисы, предприятия, бухгалтерии) и работать в них. Предполагается, что в будущем спектр удаленных услуг будет расширяться и покроет все сферы деятельности частного сектора и бизнеса. При этом облачные средства будут предлагать услуги «по ситуации», используя средства искусственного интеллекта и библиотеки приложений (2017–2022 годы). В последние 5 лет интерес к обычным облачным вычислениям плавно снижается, сменяясь общемировым интересом к гибридным облачным инфраструктурам (Рисунок ), которые применяются в создании и развертывании современных САПР [2].
Экспансия облачных вычислений (персональные, частные и публичные облака, гибридные облака). Несмотря на то, что интерес к базовым технологиям облачных вычислений за последние полтора года несколько спал (Рисунок ), объем интернет-запросов по ключевым словам «Cloud Computing» по-прежнему продолжает доминировать по отношению к другим технологиям, связанным с суперкомпьютингом и высокопроизводительными вычислениями. С 2013 года средняя величина числа запросов «Cloud Computing» впервые стала самой высокой. Также следует отметить проявление интереса к т.н. персональным облакам, хотя такой интерес на данный момент сравнительно невелик, поскольку соответствующие технологии «симбиоза» частных и публичных облаков (т.е. гибридных облаков) находятся в начале своего развития. Анализ изменений циклов разработки, апробаций и внедрения критических технологий, проведенный в [135], показывает тенденцию к смене обычных облаков гибридными.
Новый уровень технологий виртуализации. Одной из определяющих характеристик современной вычислительной инфраструктуры является активное применение технологий аппаратной виртуализации, например, «виртуального рабочего стола» (Hosted Virtual Desktop). Такие технологии (DaaS, Desktop as a Service, IaaS, Infrastructure as a Service) сами по себе не являются новыми, однако если в недавнем прошлом они ограничивались операционными системами одного семейства при монопольном использовании ЭВМ (трансляция картинки экрана с блокировкой используемого компьютера), в настоящее время получают развитие средства, позволяющие работать с удаленным рабочим столом с помощью тонкого клиента с любой операционной системой, а также разделять доступ к ресурсам (что, например, позволяет работать нескольким пользователям на базе одного вычислительного ядра). В ближайшем будущем получат развитие технологии предоставления приложений в качестве сервиса, когда разработчик или пользователь смогут пользоваться функционалом некоторого приложения без необходимости его установки и настройки и отсутствии информации о фактическом месте выполнения приложения (SaaS — Software as a Service). Затем расширится сфера применения пользовательских сред приложений, основывающихся на двух и более сервисах, при этом каждое приложение в рамках среды для пользователя будет представляться единым целым (AaaS — Application as a Service). Примерами таких сред могут быть виртуальные полигоны, лаборатории [9] и др.
Появление эксафлопсных вычислительных систем. Последние 15 лет производительность суперкомпьютеров возрастает на 3 порядка каждые 7–8 лет. В июне 2016 года производительность на тесте Linpack суперкомпьютера, возглавляющего список TOP5002, составляла 93 ПФлопс. Выход на эксафлопсный рубеж ожидается в 2017–2018 году. Результатом применения эксафлопных технологий должно стать радикальное улучшение технико-экономических характеристик сложных технических систем за счет одновременной оптимизации свойств материалов, конструкции и процесса их изготовления. Благодаря наличию существующих проектов таких систем стала возможной разработка алгоритмов соответствующего класса, которые ведутся в рамках государственных проектов ряда развитых стран, включая США и Россию.
Развитие проблемно-ориентированных платформ распределенных вычислений. В настоящее время не существует унифицированного подхода к решению прикладных задач компьютерного моделирования и обработки данных с использованием высокопроизводительных вычислительных ресурсов. Однако можно считать, что решение таких задач с комплексным
Виртуальные моделирующие объекты
В данной главе приводится формальное описание механизмов автоматизации процесса подготовки профессионалов в области компьютерного моделирования и описываются их основные компоненты. Они соответствуют двум приведенным в первой главе концепциям: концепции учебных объектов и ее развитию, концепции исследовательских объектов. Концепция учебных объектов охватывает вопросы построения и применения информационных структур учебного назначения, содержащих ссылки на информационные ресурсы. Концепция исследовательских объектов охватывает схожие вопросы в целях создания простого инструментария для коллаборации научных групп. Данная концепция допускает возможность коллаборации в случае, когда одной из её сторон является команда, выполняющая разработку необходимых средств обучения.
Исходя из концепции учебных объектов, а также принципов построения систем управления учебным контентом (LCMS), мы выделили три основных группы средств, необходимых для реализации учебного процесса:
1) средства разработки учебных ресурсов (например, учебных кейсов, лекционных материалов, виртуальных лабораторных практикумов (ВЛП), и др.);
2) средства планирования образовательных траекторий (как для учебных групп, так и для отдельных обучаемых, которые строятся с учетом индивидуальных особенностей обучаемого и его текущих компетенций);
3) средства оценивания полноты и уровня усвоения знаний, навыков и умений, а также компетентности. Разработанный набор базовых компонент для механизма автоматизации учебного процесса основывается на информации из литературных источников (см. Главу 1) и выделенных выше группах средств обеспечения реализации учебного процесса.
При подготовке профессионалов в области компьютерного моделирования необходимо обеспечивать обучаемых актуальными материалами. Стремительность темпов появления научно-технических достижений приводит к неполному покрытию нужд образования учебниками, пособиями и другими формами учебно-методических комплексов, так как данные формы не предоставляют возможностей быстрого усвоения в них новых научных материалов. В связи с этим в данной работе предлагается отказаться от этапа переработки результатов научной деятельности разработчиком учебно-методических материалов в пользу предоставления обучаемым самих результатов научной деятельности, включая исполняемые научные сервисы. Такая «трансляция» решает проблему устаревания учебных материалов. В то же время, отсутствие адаптации материала первоисточников к возможностям обучаемых может привести к затруднению восприятия материала некоторыми обучаемыми. Исследование таких рисков будет описано в седьмой главе.
Рассмотрим следующие определения.
Информационный объект (ИО) — сущность, которая с помощью ключевых слов описывает факт, понятие, концепцию, процедуру, процесс, компьютерную программу, облачный сервис или другой информационный элемент (например, программный пакет для моделирования комплексной сети, суперкомпьютер, парадигма SWF), содержит ссылку на сам информационный элемент (или на его описания в тех или иных форматах, в том числе звуковом или видеоформате). Информационный ресурс (ИР) — сущность, которая содержит ссылки на информационные объекты, объединяемые по какой-либо заданной тематике, либо для какой-либо цели. Данная сущность также содержит ключевые слова для идентификации.
Учебный объект (УО) — сущность, которая ссылается на информационный объект и содержит сведения о его применении в образовательных целях, в том числе для проведения лекций, практического изучения и оценивания компетенций.
Абстрактный учебный ресурс (АУР) — сущность, которая содержит ссылку на набор информационных ресурсов и ссылку на набор учебных объектов. Кроме этих метаданных учебный ресурс содержит общие сведения о его применении в учебном процессе.
Абстрактность АУР состоит в том, что его содержимое дополняется ссылкой на метод, определяющий поведение этого учебного ресурса в зависимости от значений параметров контекста. Набор таких параметров также включается в содержимое АУР. Данный набор предназначен для позиционирования ресурса в образовательном процессе (уровень подготовки, вид учебной активности и т.д.), определения предметной области его применения и задания технических параметров применения информационных объектов (например, количество вычислительных узлов, достаточных для выполнения некоторого программного пакета, поддерживающего параллельные вычисления) — см. п 1.4.2. В самом АУР метод, задающий поведение ресурса, является абстрактным. Его конкретизация определяется в производных учебных ресурсах (ПУР). Подробности о реализации ПУР на основе АУР приведены в главе 3.
Теперь введем базовые компоненты, порождаемые из результатов научной деятельности. Научные объекты имеют разные формы. Начнем с программного пакета. Программным пакетом (ПП) будем называть отдельную компьютерную программу (набор программ, иное программное решение), которая проводит научные расчеты, обработку данных или другие заложенные учеными действия. Данная компьютерная программа может быть разработана в любой среде на любом языке программирования и функционировать на любом вычислительном устройстве под управлением той или иной операционной системы, связанной с пакетом. Следует отметить, что традиционным условием применения программы для построения информационных систем в учебных целях является возможность ее прямого вызова, например, через командную строку, на ЭВМ, где она установлена.
Проектирование абстрактного учебного ресурса и его сопровождение текстовыми материалами из научной документации
В данной главе предложены методы и технологии автоматизации разработки образовательных ресурсов на основе результатов научной деятельности (см. (2.1)-(2.4)) и учебных объектов (2.17). Тем самым, в формировании учебных ресурсов могут использоваться (по сути, транслироваться) материалы научных и образовательных сообществ. Для подготовки профессионалов в области компьютерного моделирования использование двух таких источников ценно тем, что актуальные научные результаты, представляемые в различной форме (в том числе в виде программных пакетов (2.1)), могут быть при необходимости дополнены проверенными учебными объектами. Такие объекты могут восполнить пробелы как в основной области (математическом моделировании), так и в тех предметных областях, которые необходимо охватить на заданном уровне для исследования некоторого интердисциплинарного процесса.
Представление программного пакета (2.1) с помощью отображения (2.5) должно быть автоматизировано так, чтобы его владелец не только мог определить предпочитаемые состав, условия и форматы входных и выходных данных (функции PMl{lmclPack) и PMO{OutsPack)), но и был избавлен от необходимости затрачивать время на технические процедуры, такие как разработка web-интерфейса или формирование набора команд для удаленного запуска пакета на ресурсах распределенной гетерогенной вычислительной среды. Вместе с тем необходимо обеспечить облачному представлению пакета потенциальную возможность стыковки с другими облачными сервисами в бесшовное композитное приложение (2.10) для решения интердисциплинарной задачи. Для решения таких задач необходима облачная платформа ВПВ, которая предоставляет нужный функционал исключительно через веб-интерфейс без установки каких-либо приложений на локальный компьютер, а также позволяет хранить в облаке профили пользователя, включающие в себя как отображения программных пакетов в облачный (2.5), так и исходные коды, формирующие составные сервисы, включая композитное приложение (2.10), реализующее облачную модель AaaS. В настоящее время единственной платформой, поддерживающей указанные требования, является платформа CLAVIRE, которая не только соответствует вышеприведенным условиям, но и позволяет формировать персональные облачные среды для коллаборативной работы научных групп в рамках решения как отдельных комплексных задач, так и выполнения исследовательского проекта. Потому далее по тексту работы все примеры и технологии отрабатываются на базе платформы CLAVIRE, что в целом не сужает общности реализации модели AaaS.
Платформа CLAVIRE, основанная на концепции iPSE (Intelligent Problem Solving Environment) [18], используется для построения предметно-ориентированных программно-аппаратных комплексов, обеспечивающих многопользовательский удаленный доступ через сеть Интернет к исполнению КП на неоднородных ресурсах облачной вычислительной среды. Платформа поддерживает принципы сервисно-ориентированной архитектуры (SOA) и позволяет использовать вычислительные ресурсы различной архитектуры (SMP, GPGPU, CBEA), а также существующие Грид-среды и среды облачных вычислений в рамках моделей IaaS и SaaS.
Принципиальным достоинством платформы CLAVIRE для реализации ВЛП является сочетание унифицированных подходов к платформенно-независимому описанию КП в форме WF, что позволяет обеспечить: — сопряжение неоднородных программных модулей в составе одного WF на этапе интерпретации из абстрактного представления в исполнимую форму (реализуя функцию (2.9)); — процесс проектирования, создания и исполнения КП как в пакетном, так и в интерактивном режиме исполнения с возможностью динамического изменения структуры WF (реализуя, таким образом, функции (2.11) и (2.12)). Отображение пакетов (2.5) в облачный пакет или встраивание пакета в CLAVIRE выполняется с помощью веб-ориентированного интеллектуального редактора Package Manager (PM) [12, 112]. Данный редактор предоставляет графический многодокументный интерфейс, с помощью которого владелец пакета может быстро описать входные и выходные данные облачного сервиса, а также при необходимости задать функции PMl{lnsclPack) и PMO{OutsPack) (2.5). Такие функции задаются как непосредственно во встроенном текстовом редакторе в виде лямбда-выражений с применением синтаксиса языка Ruby, так и в виде классов-конверторов во внешних текстовых файлах. Также PM позволяет задать проверку входных данных на соответствие заданным диапазонам, обеспечивая как «защиту от дурака», так и защиту от легитимного пользователя. В последнем случае пользователь не сможет использовать облачный пакет со значением одного или нескольких параметров в нежелательных для владельца пакета диапазонах (в частности, если стоит цель избежать перегрузки вычислительных ресурсов).
После создания описания пакета и по ходу внесения в него изменений PM автоматически генерирует скрипт на предметно-ориентированном языке описания пакетов EasyPackage [13, 139]. Данный скрипт используется платформой CLAVIRE для оперирования с программным пакетом при необходимости его вызова.
EasyPackage и PM дают широкие возможности для реализации образовательных целей. Один и тот же научный пакет может быть представлен в разных вариантах использования. Такие варианты определяются в том числе зависимостями от образовательного контекста, заданного в учебном ресурсе. Помимо этого, один облачный пакет может требовать запуска разных программных пакетов. В этом случае, в соотношении (2.5) параметр Package становится переменной, зависящей от параметра InsClPack: PM(PMI(InsClPack)Package (InsClPack )є Packages ,PMO{OutsPack )), (3.1) где Packages — множество пакетов, участвующих в описании облачного пакета. Иными словами, отображение (3.1) дает облачную репрезентацию сразу для нескольких исходных программных пакетов. Рис. 3.1 иллюстрирует возможности множественной облачной репрезентации программных пакетов.
Для ПП 1.1 имеются три описания, дающие, соответственно, три облачных пакета (ОП1–ОП3). Облачный пакет ОП4 в своем описании задействует прикладные пакеты как первой, так и второй групп (ПП 1.1, ПП 2.1 и ПП 2.2). И, наконец, облачный пакет ОП5 задействует все пакеты второй группы. Множественная облачная репрезентация программных пакетов позволяет формировать большое количество вариантов облачных сервисов, основанных на разных библиотеках программных пакетов для аудиторий разного уровни и/или разных предметных областей. Таким образом, преподаватель/методист имеет гибкий инструментарий для создания разнообразных образовательных ресурсов.
На Рис. 3.2 представлена схема встраивания ПП в облачную среду ВПВ и его применения как облачного сервиса с помощью платформы CLAVIRE [112, 117]. Данная схема показывает первую точку коллаборации представителей научных и образовательных сообществ. Представители научного сообщества, являющиеся владельцами ПП, предоставляют описание его использования (в том числе в виде программной документации (2.3)) и дают к нему доступ для применения его в образовании. Облачная репрезентация программного пакета (в том числе подготовка с помощью PM описания пакета), может быть выполнена как представителем образовательного сообщества по согласованию с представителем науки, так и совместно. Для обеспечения доступности функций пакета обучаемым требуется коллаборативная работа представителей обоих сообществ.
Как правило, программные пакеты установлены на тех ресурсах, которые принадлежат научным командам. Возможен и вариант, когда пакеты устанавливаются на вычислительных ресурсах учебного заведения. Такой вариант обычно реализуется, в частности, для легко переносимых пакетов или в случаях, когда пакет является скриптом, содержащим вызовы функций типовых библиотек, установленных на вычислительных ресурсах учебного заведения. В любом случае администратор платформы вносит данные о пакетах в специализированный реестр, в том числе указывая место расположения исполняемых файлов. Также администратор проводит настройку параметров операционных систем, установку необходимых сервисов для обеспечения удаленного вызова исполняемых файлов.
Методика формирования компетенций для образовательных программ, связанных с компьютерным моделированием
Магистерский курс, который показан на Рис. 4.5, составлен из ИР разных уровней обоих ВМО-проектов. Такие курсы могут рассматривать высокоуровневые технологии решения комплексных задачи, в том числе технологии электронной науки eScience, в которых предлагаются к изучению примеры их применения либо способы их использования в целях разработки комплексных решений для компьютерного моделирования и поддержки принятия решений.
Полученные с помощью рассмотренного выше подхода автоматизации ОТ остается дополнить необходимыми текстовыми материалами (в том числе с применением приведенного в п. 3.2 и в [96] подхода), задать для ОТ входные и выходные компетенции с их уровнями и привести средства оценки достижения заданных уровней компетенций. Формирование перечней входных и выходных компетенций будет рассмотрено ниже, а технология разработки средств оценивания достижения компетенций заданного уровня будут описаны в главе 5. Ниже приведены формулировки шагов, которые необходимо пройти для подготовки ОТ с необходимым образовательным контентом на основе готовых ВМО/ВМО-проектов [116]: 1) выбор ВМО-проектов или отдельных ВМО; 2) создание/изменение списка тем 19 , соответствующих наименованиям ВМО или ВМО-моделей, фиксация списка; 3) создание УР путем выполнения указанных выше трех шагов (получение и дополнение ИР, «упаковка» его в АУР, задание значений параметров контекста — инициализация экземпляра АУ); 4) дополнение УР необходимыми текстовыми материалами, в том числе с применением приведенного в п. 3.2 подхода; 5) задание для ОТ входных и выходных компетенций; 19 Создание списка тем возможно либо путем частичной или полной трансляции структуры ВМО/ВМО-проекта, либо путем свободного ручного формирования. 6) обеспечение установленной аудитории доступом ко всем используемым в компонентах ОТ облачным сервисам и, соответственно, к интерфейсам платформы CLAVIRE [19].
Далее в настоящей главе будут рассмотрены методики построения ОТ с применением оптимизации. Если в описанном в п. 4.1 подходе информация о структурировании ОТ имеется в исходных ВМО/ВМО-проектах, то для применения методов оптимизации требуется задать соответствующие данные. В нашем случае каждая компонента ОТ, основанная на УР, будет дополняться перечнями входных и выходных компетенций и их уровнями по пересмотренной таксономии Блума. Ниже рассматривается методика формирования общего перечня компетенций либо для курса, либо для образовательной программы. Полученные компетенции с заданными для них уровнями возможно привязывать на вход и выход компонент ОТ.
В тренде бурного развития интердисциплинарных направлений исследований, трансформации институтов профессий [49, 50, 152], а также в периоде действия образовательных стандартов третьего поколения и выше, основанных на компетентностном подходе, в педагогических направлениях возросли темпы исследований в области общих (мета-, надкомпетенций) [55, 63–65]. Для успешной работы профессионалов в области компьютерного моделирования помимо профессиональных компетенций им необходимо владеть общими компетенциями, связанными с самостоятельным изучением незнакомых ранее дисциплин, умением коммуницировать на языке заказчика, умением работать в международной и интердисциплинарной команде, в том числе в роли ее лидера и т.д.
В современных образовательных стандартах перечисляются общие компетенции, которые подходят для многих направлений, но при этом не дают точных границ областей для выполнения оценивания работ учащихся. Детализация компетенций очень затруднительна, поскольку необходимо учитывать как профессиональные требования, так и требования к общим направлениям, отражённым в профессиональной деятельности. Поэтому «прямые» попытки формирования списка компетенций не всегда удачны.
Пример такой не очень удачной попытки формирования компетенций можно увидеть в документе «Ключевые ориентиры для разработки и реализации образовательных программ в предметной области «Информационно-коммуникационные технологии»» [31]. Здесь общие и профессиональные компетенции, по нашему мнению, смешаны. Например, в профессиональных компетенциях присутствует: «Способность анализировать предметную область, идентифицировать, классифицировать и описывать проблемы; находить методы и подходы к их решению; формировать требования». Данную компетенцию сложно отнести к профессиональной для области ИКТ, т.к., в частности, один из ее инвариантов «анализировать предметную область» может использоваться во всех родах и в большинстве видах деятельности. Здесь может быть сформулирована такая профессиональная компетенция: «Умение формализовывать технологические процессы, которые необходимо покрыть средствами автоматизации».
Поэтому возникает необходимость применения специальных методик формирования набора компетенций как для образовательной программы, так и для отдельного учебного курса.
В настоящей работе методика формирования набора компетенций строится с применением кубической модели по аналогии многофакторного анализа Р.Б. Кэттелла [36] и модели интеллекта по Дж. Гилфорду [23]. В нашем случае по осям куба будут откладываться общие компетенции и профессиональные компетенции. Большинство исследований проводятся в командах. Каждый член команды имеет свою роль. В менеджменте существуют технологии и методики, которые позволяют организовывать командную работу, назначая роли участникам из ранее сформированного перечня. Такие роли позволяют уточнять общие компетенции. Таким образом, мы можем отложить третью ось куба, соответствующую таким ролям.