Математическое и программное обеспечение поддержки принятия управленческих решений для организации дополнительного профессионального образования Темникова Елена Александровна

Содержание к диссертации

Введение

ГЛАВА 1 Модели, методы и информационные системы управления образовательным учреждением 14

1.1 Классификация и принципы разработки управленческих решений 14

1.2 Методы прогнозирования экономических показателей 20

1.3 Анализ временных рядов 27

1.4 Онтологические модели знаний и предметных областей 33

1.5 Использование современных информационных технологий при принятии управленческих решений 44

1.6 Выводы по главе. Обоснование цели и задач исследования 52

ГЛАВА 2 Создание онтологической модели предметной области с помощью редактора protege 4.2 54

2.1 Язык описания онтологической модели знаний учреждения дополнительного профессионального образования 55

2.2 Формирование базовых элементов OWL-онтологии в Protege 4.2 59

2.2.1 Описание классов и отношений между ними 60

2.2.2 Наполнение классов индивидами

2.3 Выполнение SPARQL-запросов 72

2.4 Формирование онтологического графа - сетевой модели ПрО 75

2.5 Результаты и выводы по главе 77

ГЛАВА 3 Разработка моделей прогноза на основе анализа временных рядов 78

3.1 Анализ временных рядов 79

3.1.1 Построение аддитивной модели сезонности 88

3.1.2 Гармонический анализ временных рядов 92

3.2 Моделирование количества слушателей в летний период времени методом Монте-Карло 96

3.3 Прогноз числа слушателей ИДПО на летний период времени с помощью регрессионных моделей 98

3.4 Методика расчета платежной матрицы прибыли в игре с природой 108

3.5 Выбор оптимального режима работы ИДПО летом с помощью информационной системы поддержки принятия управленческих решений .113

3.6 Результаты и выводы по главе 118

ГЛАВА 4 Информационная система поддержки принятия решений 120

4.1 Методика оценки результативности обучения слушателей и удовлетворенности заказчиков 121

4.2 Структура и функции ИСППР 130

4.3 Управление базой данных 133

4.4 Работа с данными в ИСППР 135

4.5 Оценка уровня знаний слушателей на основе комплекса автоматизированных тестовых программ 148

4.6 Реализуемые управленческие решения с помощью ИСППР Оценка оперативности обработки информации 150

4.7 Результаты и выводы по главе

Заключение 154

Список сокращений 156

Список основных условных обозначений 158

Список литературы 162

• Использование современных информационных технологий при принятии управленческих решений
• Описание классов и отношений между ними
• Прогноз числа слушателей ИДПО на летний период времени с помощью регрессионных моделей
• Оценка уровня знаний слушателей на основе комплекса автоматизированных тестовых программ

Введение к работе

Актуальность темы. Образование играет значительную роль в модернизации общества и экономики. Без конкурентоспособного образования переход к инновационной экономике невозможен, так как от уровня образования напрямую зависит качество трудовых ресурсов. Жесткая конкуренция даже на внутреннем рынке образовательных услуг заставляет учреждения дополнительного профессионального образования совершенствовать качество своей работы путем поиска оптимальных управленческих решений. Для эффективного распределения ресурсов учреждениям дополнительного профессионального образования необходимо: иметь возможность прогнозирования числа слушателей (спроса); разработать и внедрить информационную систему поддержки принятия решений (ИСППР), способную генерировать и оценивать возможные альтернативы управленческих решений в условиях неопределенности.

Имеющиеся ИСППР разработаны преимущественно для высших и сред-непрофессиональных учебных заведений. В последние годы образовательные услуги, предоставляемые учреждениями дополнительного профессионального образования, вызывают все больший интерес, поскольку задача качественного и своевременного повышения квалификации рабочих и специалистов приобретает все больший приоритет.

Для успешной разработки ИСППР необходимо точно определить область знаний, в которой информация зачастую имеет слабоструктурированный характер, нуждающийся в формализации и формировании онтологической модели предметной области.

Исследования выполнялись по инициативным разработкам ФГБОУ ВПО «Иркутский государственный университет путей сообщения» (ИрГУПС): «Информационные технологии анализа факторов эффективности образовательного процесса в вузе» 2011 - 2014 г.г., номер государственной регистрации ГО809/01; «Разработка методик моделирования оценки эффективности и надежности функционирования, поддержки принятия решения в сложных социально-экономических, технических и информационных системах» 2012-2016 г.г., номер государственной регистрации 01201255726. Автор является лауреатом стипендии Президента РФ за 2014/2015 уч.г.

Степень разработанности проблемы. В своих работах автор опирался на труды ученых Э.В. Киселева, М.И. Сухомлинова, В. А. Артюхина, И. Ан-софф, О.П. Уманцева, Н.В. Злобиной, В.В. Баранова, И.К. Гевлич, СБ. Лапши-нова, посвященные алгоритмам поиска оптимальных управленческих решений и разработке СППР. Были использованы научные труды П.В., Яковлева, А. Колесникова, И.В. Сибикиной, Л.И. Меныцаевой, И.В. Вешневой, Е. Бушуевой, Е.В. Суминой, А.В. Горшкова, внесших вклад по созданию моделей и методов оценки качества образовательных услуг. Вопросы онтологического моделирования рассматривались в работах зарубежных ученых: Т. Грубера, Н. Гуарино; в нашей стране: Н.М. Боргест, Т.А. Гавриловой, Ю.А. Загорулько, Л.С. Болотовой, Б.В. Добровым, М.Р. Когаловским, А.Ф. Тузовским, Л.В. Массель, В.Ф. Хорошевским, В.З. Ямпольским, Е.А. Теслиновой и др.

Большое количество работ в данной области еще раз подтверждает акту-

альность проблемы и говорит о наличие «узких» мест и ее недостаточной проработанности.

Цель: повышение эффективности функционирования учреждения дополнительного профессионального образования за счет совершенствования механизма принятия решений на основе теории «игры с природой», прогнозирования количества слушателей и создания математического и программного обеспечения системы поддержки принятия решений.

Для достижения цели решались следующие задачи:

1. Исследование процесса принятия управленческих решений и существующих информационных систем в учреждениях дополнительного профессионального образования.

2. Формализация и описание предметной области учреждения дополнительного профессионального образования на основе онтологической модели данных, используемой для управления информационными потоками.

3. Анализ, проверка гипотез, моделирование и прогнозирование значений временных рядов, характеризующих количество слушателей курсов повышения квалификации и профессиональной переподготовки Института дополнительного профессионального образования при Иркутском государственном университете путей сообщения.

4. Оценка ожидаемой прибыли на основе имитационного моделирования количества слушателей методом статистических испытаний Монте-Карло.

5. Разработка методики расчета платежной матрицы прибыли для модели «игры с природой», а также специального алгоритмического и программного обеспечения.

6. Разработка математических моделей оценки результативности обучения и удовлетворенности заказчика качеством услуг, предоставленных учреждением дополнительного профессионального образования, структуры, алгоритмического и программного обеспечения информационной системы поддержки принятия решений.

Объект исследования - образовательная деятельность в учреждении дополнительного профессионального образования на примере Института дополнительного профессионального образования (ИДПО) ИрГУПС и Ангарского учебного центра «Профиль».

Предмет исследования - модельное и алгоритмическое обеспечение процесса подготовки и принятия управленческих решений в учреждении дополнительного профессионального образования.

Методы исследования: метод статистических испытаний, математическая статистика, регрессионный анализ, эконометрика, онтологическое моделирование, теории принятия решений, программирование, разработка баз данных и информационных систем.

Эмпирическую базу исследования составили: сметы расходов курсов разной продолжительности, расписания учебных занятий; штатное расписание, данные о сроках аттестации, временные ряды количества слушателей.

Результаты, выносимые на защиту:

формализованное описание предметной области учреждения дополни-

тельного профессионального образования на основе онтологической модели знаний (соответствует 2 пункту паспорта специальности: разработка методов формализации и постановка задачи управления в социальных и экономических системах);

метод обработки временных рядов на основе трехмерного представления данных с последующим анализом сезонной волны, тренда и гармоники для решения задач управления социальной и экономической системой учреждения дополнительного профессионального образования (соответствует 6 пункту паспорта специальности: разработка и совершенствование методов получения и обработки информации для задач управления социальными и экономическими системами);

оценка ожидаемой прибыли на основе получения методом Монте-Карло случайной выборки количества слушателей усеченного нормального и экспоненциального распределения вероятностей для принятия решений в социальных и экономических системах в условиях риска (соответствует 3 пункту паспорта специальности: разработка моделей описания и оценок эффективности решения задач управления и принятия решений в социальных и экономических системах).

регрессионные модели оценки количества слушателей учреждения дополнительного профессионального образования в летний период времени на основе ретроспективной информации (соответствует 3 пункту паспорта специальности);

формализация и постановка задачи принятия управленческого решения о выборе оптимального режима работы учреждения дополнительного профессионального образования в летний период на основе модели «игры с природой» и методика расчета платежной матрицы прибыли, разработка специального математического и программного обеспечения системы поддержки принятия управленческого решения (соответствует пунктам паспорта специальности 2 и 5: разработка специального математического и программного обеспечения систем управления и принятия решения в социальных и экономических системах);

методика и алгоритмы прогнозирования оценок результативности и качества обучения слушателей, удовлетворенности заказчиков, разработка специального математического, программного и алгоритмического обеспечения информационной системы управления в учреждении дополнительного профессионального образования (соответствует 5 пункту и 11 пункту паспорта специальности: разработка методов и алгоритмов прогнозирования оценок эффективности и качества организационных систем).

Научная новизна исследования

7. Выполнена формализация, систематизация, концептуализация и описание предметной области учреждения дополнительного профессионального образования в виде онтологической модели данных.

8. Разработан метод обработки временных рядов на основе трехмерного представления данных, с помощью которого установлено, что исходные данные имеют тренд по критерию Аббе-Линника, сезонную и случайную составляю-

щие. Распределения количества слушателей курсов повышения квалификации и ряд остатков подчиняются нормальному закону распределения, а распределение количества слушателей семинаров - экспоненциальному. Усредненные значения уровней временных рядов аппроксимированы рядом Фурье (4x2).

3. Построены регрессионные модели количество слушателей учреждения дополнительного профессионального образования от безразмерного временного параметра. Предложены методика расчета платежной матрицы прибыли и алгоритмическое обеспечение системы поддержки принятия решения об оптимальном режиме работы в летний период на основе модели «игры с природой»

4. Предложены критерии и методика оценки результативности обучения, удовлетворенности заказчиков и потребителей, основанные на результатах анкетирования. Разработано специальное модельное и алгоритмическое обеспечение информационной системы управления в учреждении дополнительного профессионального образования.

Теоретическая значимость исследования

Предложен метод на основе трехмерного представления данных временных рядов, позволяющий выявить основные признаки и закономерности временных рядов.

Разработано математическое обеспечение для принятия оптимальных управленческих решений на основе применения модели «игры с природой», разработанных методики расчета матрицы прибыли, прогнозных регрессионных моделей количества слушателей и критериев оценки результативности обучения, удовлетворенности заказчиков и потребителей.

Практическая значимость исследования

В Институте дополнительного профессионального образования приняты к использованию предлагаемые автором: ряды Фурье - для прогноза количества слушателей по месяцам внутри года, что позволяет принимать оптимальные решения по распределению нагрузки преподавателей и формированию графика учебного процесса; регрессионные модели оценки количества слушателей недельных, двухнедельных курсов повышения квалификации и семинаров в летний период времени обучения; методика оценки результативности обучения слушателей и удовлетворенности заказчиков качеством предоставляемых образовательных услуг; тесты автоматизированного промежуточного контроля знаний; алгоритмы автоматизированного соблюдения аккредитационных показателей по всем направлениям подготовки слушателей, позволяющие повысить конкурентоспособность образовательных услуг. Имеется акт о внедрении.

Созданная ИСППР предоставляет лицу, принимающему решение, автоматизированный выбор оптимальной альтернативы на основе критериев Сэ-виджа, Вальда и Гурвица. Предложены управленческие решения, которыми может руководствоваться лицо, принимающее решение, в случае, когда фактическое число слушателей, подавших заявку на обучение в июне, больше прогнозируемого.

Разработанные онтологическая модель знаний, позволяющая решать задачу категоризации и поиска информации, модельное, алгоритмическое и про-

граммное ИСППР могут быть использованы в качестве базовых для создания систем управления учреждениями дополнительного профессионального образования.

Достоверность полученных результатов и выводов определяется подтверждением адекватности моделей прогноза, сопоставимостью результатов численного эксперимента с реальными данными.

Апробация результатов работы. Основные результаты работы докладывались и обсуждались на конференциях различного уровня: научно-технической конференции «Современные технологии и научно-технический прогресс» в Ангарской государственной технической академии (2011, 2012), Международной научно-технической конференции «Математические методы в технике и технологии» (Пенза 2008, Волгоград 2012, Нижний Новгород 2013, Ангарск 2013, Тамбов 2014), Международном научно-методическом симпозиуме «Современные проблемы многоуровневого образования» (Ростов н/Д, 2011, 2012), Всероссийских конференциях с международным участием «Винеровские чтения» (Иркутск, 2011, 2013, 2014) и «Информационные и математические технологии в науке, технике, медицине» (Томск, 2012); Байкальской Всероссийской конференции «Информационные и математические технологии в науке и образовании» (Иркутск, 2012), на научно-технической конференции «Автоматизация технологических объектов процессов. Поиск молодых» (Донецк, 2012), Международных научно-практических конференциях «Безопасность регионов - основа устойчивого развития» (Иркутск, 2012, 2014), «Транспортная инфраструктура Сибирского региона» (Иркутск, 2013, 2014), «Молодежь и современные информационные технологии» (Томск, 2013), «Информационные технологии в науке, управлении, социальной сфере и медицине» (Томск, 2014); Российская научно-техническая конференция «Обработка информации и математическое моделирование» (Новосибирск, 2015).

Публикации. По теме диссертационной работы опубликовано 28 работ, в том числе 4 статьи в журналах из перечня ВАК РФ, 2 свидетельства о государственной регистрации программы для ЭВМ и 1 свидетельство о государственной регистрации базы данных.

Личный вклад автора. Автором были определены сезонные компоненты, получены ряды Фурье, регрессионные модели оценки количества слушателей курсов повышения квалификации в летний период времени, проверена их адекватность; получена случайная выборка количества слушателей методом Монте-Карло; разработаны: онтологическая модель предметной области; база данных; ИСППР; предложены алгоритмы автоматизированного контроля за соблюдением аккредитационных показателей слушателей учреждения дополнительного профессионального образования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов по каждой главе, заключения, библиографического списка из 153 наименований, 7 приложений. Основной текст изложен на 175 страницах, в том числе 87 рисунков и 34 таблицы.

Использование современных информационных технологий при принятии управленческих решений

Внедрение решения - это реализация принятого УР на практике. При сопровождении и контроле необходимо убедиться, что принятое решение приведет к желаемому исходу. Необходимо отметить, что принятие решений - циклический процесс. С помощью обратной связи J111P получает сведения, которые могут инициировать новый цикл, в связи с тем, что выбранное решение оказалось неудачным, поэтому следует заново проанализировать проблемы, оценить допустимые варианты решений и составить новый план действий.

Жесткая конкуренция даже на внутреннем рынке, например, образовательном, заставляет каждую организацию совершенствовать качество своей работы путем поиска оптимума управления. Искусство ЛПР заключается в умении создать баланс удовлетворенности всех заинтересованных сторон при ограниченных ресурсах, в способности добиться заданного результата лучшим путем, затратив при этом меньшее количество ресурсов [52]. Эффективность принятых управленческих решений определяется соотношением полученного результата к вложенным ресурсам. Если показатель эффективности меньше заданного критерия оценки, следовательно, вложенные ресурсы используются неэффективно [68].

При разработке системы оценки критериев, входящих в модель принятия решений, необходимо создать систему оценки показателя качества. Если ЛПР сможет каждому из показателей модели поставить в соответствие затрачиваемый ресурс (время, деньги, кадры), то можно решать задачу поиска оптимальной альтернативы в рамках достижения поставленной цели [128].

Информационной базой для анализа экономических процессов являются динамические и временные ряды. Во временных рядах в качестве признака упорядочения используется время. Временные ряды наблюдений 7(1), 7(2), ..., Y(N), состоящие из N уровней, записываются в виде: 7(0, Г =1,2,...,N. (1.1) Отличие временных рядов от простых статистических выборок [74]: 1) последовательные по времени уровни временного ряда являются взаимозависимыми; 2) информационная ценность наблюдений убывает по мере их удаления от текущего момента времени; 3) с увеличением числа уровней временного ряда точность статистических характеристик не будет увеличиваться пропорционально числу наблюдений, а с появлением новой тенденции развития она будет даже уменьшаться.

Метод прогнозирования - это способ исследования объекта, направленный на разработку прогнозов, позволяющих получить информацию о возможном состоянии объекта в будущем и сроке его осуществления [22].

К числу основных принципов разработки прогнозов относятся: системность, определяющая анализ явления как единого целого и как его совокупности относительно самостоятельных направлений прогнозирования; адекватность, означающая максимальное приближение теоретической модели к устойчивым, существенным закономерностям. Созданные модели должны быть проверены на их способность имитировать уже сложившиеся тенденции; альтернативность, связанная с возможностью развития экономического объекта по разным траекториям при различных взаимосвязях и структурных отношениях. Главная проблема реализации на практике этого принципа - выбор среди всех вариантов единственного, который может быть реализован при сложившихся условиях. Наибольшую вероятность осуществления имеет, как правило, экстраполяционный вариант, т.к. он исходит из сохранения уже сложившихся устойчивых условий и тенденций развития.

Методика прогнозирования включает в себя этапы [49]: выполнение предпрогнозной ориентации (определение предмета, цели, задач и периода упреждения); создание предпрогнозного фонда (сбор и анализ данных в интервале ретроспекции); формирование поисковой модели, ее верификация (проверка истинности результатов прогноза), при необходимости - ее уточнение; подготовка, обоснование, принятие необходимых решений.

Процесс прогнозирования подразделяется на два этапа: индуктивный -обобщение наблюдаемых данных и представление статистических закономерностей в виде модели; дедуктивный - составление прогноза в момент времени на основе выявленных закономерностей, определяющего ожидаемое значение исследуемого показателя с указанием доверительного интервала [77].

По оценкам ученых, насчитывается более 150 разных методов прогнозирования, а на практике используется лишь 15-20 [22] (см. рисунок 1.4).

Эвристические методы занимаются построением интуитивных прогнозных моделей, формируемые экспертом на основе имеющейся информации, опыта, интуиции и знаний.

Аналитическими методами строятся прогнозные модели, если известны общие закономерности развития экономического процесса, его структура, функциональные связи и имеется в распоряжении опытная выборка, позволяющая проверить работоспособность модели. К статистическим методам относятся методы, формирующие стохастические модели прогноза. Развитый математический аппарат, широкий опыт практического применения делает статистические методы и модели наиболее привлекательными [49].

Среди методов экстраполяции наибольшее распространение получил метод подбора функций, основанный на методе наименьших квадратов (МНК) [27]. Сущность экстраполяции состоит в изучении тенденций развития экономического показателя, сложившихся в прошлом и настоящем, и перенос их в будущее.

Наибольшее распространение при оценке операционного риска инвестиционных проектов, при сценарном планировании, в основном в среднесрочном и долгосрочном периодах, получили такие количественные методы, как [78]: - статистический метод; - анализ чувствительности (метод вариации параметров); - метод проверки устойчивости (расчета критических точек); - метод сценариев (метод формализованного описания неопределенностей); - имитационное моделирование (метод статистических испытаний Монте-Карло); - метод корректировки ставки дисконтирования.

Основные положения сценарного анализа следующие: существует бесконечное множество независящих от предприятия внешних факторов, влияющих на финансовое состояние предприятия в плановом периоде; некоторые из этих факторов не поддаются или слабо поддаются количественной оценке; значения количественных факторов в плановом периоде неизвестны и поддаются только вероятностной оценке; реалистичность проекта увеличивается, если рассматривать не дискретные значения факторов, а определенный диапазон значений [75]. При этом в методе сценариев рассматривается вся совокупность факторов исследуемого проекта с учетом их взаимозависимости. Метод сценариев предполагает описание опытными экспертами всего множества возможных условий реализации проекта (либо в форме сценариев, либо в виде системы ограничений на значения основных технических, экономических и прочих параметров проекта) и отвечающих этим условиям затрат, результатов и показателей эффективности. В качестве возможных вариантов целесообразно построить как минимум три сценария: пессимистический, оптимистический и наиболее вероятный (реалистический, или средний).

Следующий этап реализации метода сценариев состоит в преобразовании исходной информации о факторах неопределенности в информацию о вероятностях отдельных условий реализации и соответствующих показателях эффективности. На основе имеющихся данных определяются показатели экономической эффективности проекта. Если вероятности pt наступления того или иного события, отраженного в сценарии, известны точно, то ожидаемый интегральный эффект проекта ЫРож рассчитывается по критерию математического ожидания, используемого при принятии решений в условиях риска:

Описание классов и отношений между ними

Индивиды (экземпляры классов или свойств) определяются при помощи аксиом индивидов (фактов): Данная аксиома устанавливает сразу два факта: индивид класса «Организация», имеющий имя «ОООАнгария»; этот индивид связан свойством «имеетКон-тактныйТелефон» с индивидом «8(3955)52-27-90», определенным где-то в другом месте.

Аксиомы второго типа нужны для определения идентичности индивида, поскольку в OWL не делается предположений о различии или совпадении двух индивидов, имеющих различные идентификаторы URI. Подобные утверждения выражаются через следующие утверждения:

В качестве примера, на рисунке 2.17 продемонстрировано, что индивид «ВербитскаяТатьянаНиколаевна» является экземпляром подкласса «Ф.И.О.», класса «Преподаватель». Ему присвоены такие свойства как: «имеетадрес», связывающее преподавателя с его местом жительства «Иркутск_ул.Лермонтова_26 71 67»; свойство «имеет_ученое_звание», которое определяет, что данный преподаватель является доцентом; «имеет_ученую_степень» (например, кандидат технических наук); «имееттелефон» и «преподавательведетдисциплину», которое связывает индивида «ВербитскуюТатьянуНиколаевну» с дисциплиной «ТБгидротехническихсооружений», а также другие возможные отношения концепта, позволяющие связать его с конкретными экземплярами классов [111].

Панель описания индивида Отдельные индивиды могут ссылаться на других таким образом, чтобы быть «тем же» или «отличным от». В редакторе Protege 4.2 эти свойства можно задать с помощью owl:sameAs и owl:AllDifferent характеристик.

Описание перечислимых классов

Кроме описания именованных классов через суперклассы и анонимных через ограничения, OWL позволяет определять классы списком индивидов, являющихся его членами - перечислимые классы [102].

В созданной онтологии были определены перечислимые классы: «Видзанятия», включающий в себя индивиды: лекция, лабораторная, практика; «Видкурса», наполненный индивидами: недельные, двухнедельные курсы и семинар; «Продолжительностьобучения», содержащий индивиды: бчасов, 40_часов и 72_часа.

В Protege 4.2 перечислимые классы определяются с помощью редактора выражений «Class expression editor», в котором индивиды, составляющие перечислимый класс, задаются списком имен.

В качестве примера на рисунке 2.18 представлено окно редактора выражений перечислимого класса «Продолжительностьобучения», а на рисунке 2.19 его панель описания.

Опасные_отходы Tp ебо ва н ия_э кол о ги ч еско й_6езо п асн ост и Безо п асн ост ь_ги д p от ехн и ч еских_со о py жен и й Дисциплина ИНН Организация Корпус Место_проведения_занятий Преподаватель персональные_данные_преподавателя some Пєрсо на. ТВ Обозначение При6оры_6езопасности Дисциплина Энергетическая_безопасность Дисциплина Требования_экологической_&езопасности Дисциплина Адрес Персонал ьные_данные Телефон Персонал ьные_данные Z

Группа hasGroupContentValue some integer [ Execute Рисунок 2.20 - SPARQL Query «по умолчанию» При нажатии кнопки «Execute» выполняется автоматический поиск данных по запросу и выводится результат, как показано на рисунке 2.20. Таким образом при выполнении запроса переменной subject будут в соответствии установлены классы, для которых характерно наличие свойства subClassOf, т.е. классы, являющиеся потомками других классов. На рисунке 2.21 продемонстрировано выполнение запроса, который вернул подклассы класса «Дисциплина» (были возвращены потомки класса, для которого установлено свойство аннотации rdfs:lable "Дисциплина"@ш) [106].

Онтологический граф Как модель ПрО онтологический граф наиболее часто используется для представления декларативных знаний, с помощью которого реализуются такие свойства системы знаний как: интерпретируемость, связность.. За счет этих свойств онтологический граф позволяет снизить объем хранимых данных, обеспечивает вывод умозаключений по ассоциативным связям.

СС является необходимым ресурсом и способом представления знаний, который отражает семантику ПрО, а также позволяет глубоко рассмотреть и отобразить графически её структуру [101].

На рисунке 2.24 представлено преобразование онтологического графа из графического формата описания объектов ПрО в текстовый файл с помощью кодировки текста «Unicode Transformation Format, 8-bit» (UTF-8), которая является одной из общепринятых и стандартизированных кодировок, позволяющая описать данные (объекты ПрО) в читаемом и удобном для пользователя виде.

Прогноз числа слушателей ИДПО на летний период времени с помощью регрессионных моделей

IBExpert обладает компонентами, облегчающими работу: визуальный редактор для всех объектов БД, редактор SQL и исполнитель скриптов, отладчик для хранимых процедур и триггеров, построитель области, инструмент для импорта данных из различных источников, а также дизайнер баз данных. Основными достоинствами IBExpert являются: возможность одновременной работы с несколькими БД; мощный SQL редактор с историей запросов и автозавершением кода; поиск в метаданных, а также полное и частичное извлечение данных и метаданных, формирование отчетов по метаданным; анализатор зависимостей объектов БД; экспорт данных в различные форматы [21].

Для управления БД использовалась кроссплатформенная, реляционная СУБД FirebirdSQL 2.1, которая является полностью свободной от лицензионных отчислений даже для коммерческого использования. В качестве преимуществ Firebird можно отметить многоверсионную архитектуру, обеспечивающую параллельную обработку оперативных и аналитических запросов; соответствие требованиям атомарности, целостности, изоляции и надёжности транзакций; компактность; высокую эффективность и мощную языковую поддержку для хранимых процедур и триггеров.

Было решено разработать ИСППР, которая предоставит пользователям системы удобный и многофункциональный интерфейс, так как работа с данными в редакторе IBExpert будет затруднительной и непонятной для неподготовленного пользователя, а также с целью обеспечения целостности структуры БД.

Все подсистемы, образующие ИСППР, созданы в интегрированной среде разработки Borland Delphi 7.0 .

Для работы с БД используется программный интерфейс Open Database Connectivity (ODBC), который призван унифицировать программное взаимодействие с СУБД, сделать его независимым от поставщика СУБД и программно-аппаратной платформы, а также интерфейс программирования приложений для доступа к данным ActiveX Data Objects (ADO), позволяющий представлять данные из реляционной БД в объектно-ориентированном виде.

На рисунке 4.10 представлен модуль данных TDataModule, на котором размещены не визуальные компоненты доступа к данным, используемые в работе.

Модуль данных (Data Module) TADOConnection предназначен для управления соединением с объектами хранилища данных ADO, осуществляет соединение с базой данных.

TADOTable обеспечивает использование в приложениях Delphi таблиц БД, подключенных через провайдеры ODBC. По своим функциональным возможностям и применению он подобен стандартному табличному компоненту .DataSource - источник данных, который обеспечивает связь между набором данных и компонентами отображения и редактирования данных. Все наборы данных должны быть связаны с компонентом источника данных, если требуется их редактирование. Источник данных DataSet указывает на компонент набора данных, которыми связан источник. Компонент TADOQuery осуществляет выполнение запроса в подсоединенной TADOConnection базе данных [38].

Свойства канала передачи данных Для этого необходимо в свойствах компонента TADOConnection определить: поставщика данных Microsoft Object Linking and Embedding Database Provider for Open Database Connectivity driver, источник данных (FireBird), непосредственно сам каталог данных (БД), а также имя пользователя и пароль для входа на сервер. После произведенных настроек реализуется проверка подключения с БД, при успешном соединении пользователь может приступать к работе.

Компонент Button является простой командной кнопкой, которая используется для реализации в программе команд с помощью обработчика события OnClick. Для определения события, которое надо обрабатывать, используется встроенная переменная Sender типа TObject [38].

Для реализации ввода новых данных используется компонент DBEdit - это окно редактирования, связанное с источником данных (БД), позволяющее отображать и изменять данные полей различных типов: строка, число, булева величина и т.д.

Компонент DBLookupComboBox отображает данные в виде выпадающего списка связанного с источником данных и позволяет пользователю выбрать то, что ему нужно, а также редактировать данные [38].

В ИСППР для осуществления табличного способа отображения, добавления, уничтожения и редактирования данных БД, используется компонент TDBGrid [92].

При запуске программы отображается диалоговое окно «Заявка на обучение» (см. рисунок 4.12). Модуль «Заявка на обучение» предоставляет возможность [92]: просмотра таблицы БД «TABLEZAYAVKA», которая содержит сведения об организации - заказчике, регистрационном номере заявки, датах её поступления и регистрации, Ф.И.О. сотрудника, которому направлена заявка на обработку, номер приказа, о направлении подготовки, количестве слушателей и приблизительной дате начала занятий; добавления в неё новых данных при нажатии на кнопку (компонент Button) «Добавить», изменение уже существующих записей - кнопка «Изменить» или их удаление - кнопка «Удалить» [92]; сортировка табличных данных по возрастанию; экспорт данных таблицы в MS Word при нажатии на кнопку «Печать».

Также в модуле «Заявка на обучение» в левом верхнем углу формы находится главное меню (MainMenu), предназначенное для добавления к программе главного меню элемента, без которого сложно представить многоуровневое приложение для Windows, с помощью которого реализуется навигация по разделам -модулям (таблицам, справочникам, отчетам, обучающим формам) ИСППР.

Оценка уровня знаний слушателей на основе комплекса автоматизированных тестовых программ

Свойства канала передачи данных Для этого необходимо в свойствах компонента TADOConnection определить: поставщика данных Microsoft Object Linking and Embedding Database Provider for Open Database Connectivity driver, источник данных (FireBird), непосредственно сам каталог данных (БД), а также имя пользователя и пароль для входа на сервер. После произведенных настроек реализуется проверка подключения с БД, при успешном соединении пользователь может приступать к работе.

Компонент Button является простой командной кнопкой, которая используется для реализации в программе команд с помощью обработчика события OnClick. Для определения события, которое надо обрабатывать, используется встроенная переменная Sender типа TObject [38].

Для реализации ввода новых данных используется компонент DBEdit - это окно редактирования, связанное с источником данных (БД), позволяющее отображать и изменять данные полей различных типов: строка, число, булева величина и т.д.

Компонент DBLookupComboBox отображает данные в виде выпадающего списка связанного с источником данных и позволяет пользователю выбрать то, что ему нужно, а также редактировать данные [38]. В ИСППР для осуществления табличного способа отображения, добавления, уничтожения и редактирования данных БД, используется компонент TDBGrid [92].

При запуске программы отображается диалоговое окно «Заявка на обучение» (см. рисунок 4.12). Модуль «Заявка на обучение» предоставляет возможность [92]: просмотра таблицы БД «TABLEZAYAVKA», которая содержит сведения об организации - заказчике, регистрационном номере заявки, датах её поступления и регистрации, Ф.И.О. сотрудника, которому направлена заявка на обработку, номер приказа, о направлении подготовки, количестве слушателей и приблизительной дате начала занятий; добавления в неё новых данных при нажатии на кнопку (компонент Button) «Добавить», изменение уже существующих записей - кнопка «Изменить» или их удаление - кнопка «Удалить» [92]; сортировка табличных данных по возрастанию; экспорт данных таблицы в MS Word при нажатии на кнопку «Печать».

Также в модуле «Заявка на обучение» в левом верхнем углу формы находится главное меню (MainMenu), предназначенное для добавления к программе главного меню элемента, без которого сложно представить многоуровневое приложение для Windows, с помощью которого реализуется навигация по разделам -модулям (таблицам, справочникам, отчетам, обучающим формам) ИСППР.

Алгоритм работы в модуле «Сроки аттестации» На рисунке 4.20 продемонстрирована форма электронного сообщения, которое получит организация - заказчик.

Автоматизированная рассылка уведомлений по истечению сроков аттестации слушателей на электронную почту заказчиков позволяет повысить конкурентоспособность ИДПО. Это объясняется тем, что сохраняется обратная связь с заказчиком, позволяющая привлечь новых слушателей и тех, кто уже обучался в ИДПО.

Главное меню ИСППР помимо навигации по модулям, включающим в себя таблицы с данными, необходимыми для сопровождения УП, содержит вкладку «Отчеты», в которых предусмотрен ввод, изменение и удаление данных из таблиц пользователем самостоятельно, после чего выполняется автоматическая запись изменений в БД.

Электронное письмо с уведомлением об окончании сроков аттестации слушателей УЦ «Профиль» При выборе пользователем вкладки «Отчёт», отобразится список возможных отчетов: «Удовлетворенность заказчика» (см. рисунок 4.21), включающий таблицу с результатами опроса руководителей об их удовлетворенности по трем показателям: оперативность, качество подготовки специалистов и удовлетворенность слушателей. Средние баллы по трем перечисленным показателям рассчитываются автоматически в данном модуле. «Отчет по качеству подготовки» представлен на рисунке 4.22. Данный программный модуль содержит: списки слушателей и организаций, показатели начального и конечного уровней знаний, коэффициенты результативности обучения слушателей, рассчитанные автоматически по предложенной автором методике в форме «Изменить отчет по качеству», а также средний балл успеваемости группы слушателей, который рассчитывается автоматически при нажатии на кнопку «Средний балл» [93].