Содержание к диссертации
Введение
1. Тенденции изменения технологии обучения в связи с формированием телекоммуникационной среды вуза 8
1.1. Направления информатизации учебного процесса в высшей школе 8
1.2. Индивидуализация обучения как важнейшая задача информатизации в высшей школы 26
1.3. Цели и задачи исследования 29
Выводы по главе 32
2. Разработка организационных схем индивидуализированной подготовки специалистов 34
2.1. Комплекс организационных схем индивидуализированного обучения 34
2.2. Организационная схема формирования индивидуализированного учебного графика 37
2.3. Организационная схема индивидуализации самостоятельной работы студентов 40
2.4. Организационная схема индивидуализации преподавания дисциплин на основе непрерывного индивидуального мониторинга успеваемости 42
Выводы по главе 46
3. Разработка комплекса математических моделей для организации индивидуализированной подготовки специалистов 48
3.1. Состав комплекса математических моделей 50
3.2. Оптимизационная математическая модель формирования индивидуализированного учебного графика 54
3.3. Интерактивно-оптимизационная математическая модель формирования индивидуализированных технологических карт 80
3.4. Оптимизационная математическая модель кластеризации студенческой группы на основе непрерывного индивидуального мониторинга успеваемости 86
Выводы по главе 93
4. Разработка автоматизированной системы поддержки индивидуализированного обучения в вузе 96
4.1 Функциии архитектура информационной системы 96
4.2. Функции АИС уровня непосредственного обучения 104
4.3. Функционирование блока математических моделей 115
Выводы по главе 118
5. Внедрение и анализ эффективности разработанной технологии 120
5.1. Общая характеристика внедрения 120
5.2. Индивидуализация учебного графика 122
5.3. Оптимизация самостоятельной работы студентов на основе индивидуализированных технологических карт 133
5.4. Кластеризация студенческих групп и мониторинг успеваемости потока студентов 142
Выводы по главе 150
Выводы 151
Список использованных источников 152
- Индивидуализация обучения как важнейшая задача информатизации в высшей школы
- Организационная схема формирования индивидуализированного учебного графика
- Оптимизационная математическая модель формирования индивидуализированного учебного графика
- Оптимизация самостоятельной работы студентов на основе индивидуализированных технологических карт
Введение к работе
Необходимость повышения качества учебного процесса в современных условиях является объективной необходимостью [1]. В настоящее время общепризнано, что одним из основных средств повышения качества учебного процесса в высшей школе является индивидуализация обучения [2, 3, 4, 5, 6]. Так, в соответствии с распоряжением Правительства Российской Федерации от 29 декабря 2001 года № 1756 —р об одобрении Концепции модернизации российского образования на период до 2010 г. [7, 8, 9] предусматривается профильное обучение и ставится задача создания «системы специализированной подготовки (профильного обучения), ориентированной на индивидуализацию обучения». Информатизация вузов открывает в этом направлении новые, ранее не использованные, возможности. Хотя широкое применение АСУ-вуз и тестирующих систем позволяет получить подробную информацию о ходе учебной деятельности каждого студента [10, 11, 12, 13], в настоящее время эта информация используется, в основном, только на «первом уровне» системы обучения — в непосредственном учебном процессе «преподаватель-студент». Она не оказывает влияния на планирование и организацию самого учебного процесса. Причина этого кроется в отсутствии необходимых достаточно сложных математических моделей и реализующих их комплексов программ [3].
Между тем, индивидуализация, а, следовательно, и качество учебного процесса возрастут, если: последовательность преподавания дисциплин, без нарушения их структурно-логической связи, будет определяться с учетом готовности конкретного потока к их освоению с тем, чтобы использовать оставшееся до изучения «отодвинутых» на более поздний срок дисциплин время для дополнительной подготовки к ним студентов; студенты смогут более эффективно распределять свое время между учебной, трудовой и иными видами деятельности; студенты получат возможность индивидуализации сроков промежуточной аттестации в семестре с учетом их интересов и доминирующих целей, если это не повлечет за собой нарушение логики учебного процесса.
Реализация указанных возможностей требует учета огромного количества факторов, что невозможно без применения довольно сложных оптимизационных математических моделей, баз данных и информационных технологий.
Цель диссертации состоит в совершенствовании управления учебным процессом в вузах путем индивидуализации процесса обучения за счет использования математического моделирования и информационно-коммуникационных технологий (ИКТ) [14, 15] в условиях телекоммуникационной среды (ТКС) вуза [16, 17, 18].
Ее актуальность определяется необходимостью повышения качества подготовки специалистов. Подготовка специалистов по любому направлению имеет свою специфику. Безусловно, эти особенности должны быть учтены при разработке математических моделей и комплексов программ, направленных на повышение качества подготовки специалистов в соответствующих областях. Для апробирования создаваемой технологии выбрана сфера подготовки специалистов в области инфокоммуникаций [19, 20]. В качестве основных специфических моментов подготовки специалистов в области инфокоммуникаций можно выделить следующие [21]: высокая компьютерная вооруженность и компетентность каждого обучаемого в данной области, обусловленное этим интенсивное использование ИКТ в процессе обучения, индивидуальный темп овладения инфокоммуникационными технологиями, освоение большого числа дисциплин, предусматривающих создание законченных продуктов деятельности.
Важно, что эффективная система подготовки таких специалистов может быть организована в рамках существующей в вузах поточной системы обучения и не требовать при этом кардинальной ломки сложившегося учебного процесса. Однако для этого необходимо решение ключевых задач.
Разработка организационно-методической структуры планирования и организации индивидуализированной подготовки специалистов с активным применением ИКТ в условиях ТКС вуза.
Обоснование необходимости математического моделирования при реализации разработанной системы индивидуализированной подготовки специалистов и разработка оптимизационных математических моделей индивидуализированной их подготовки.
Разработка информационной системы и комплекса программ для исследования и поддержки индивидуализированной подготовки специалистов.
Внедрение результатов и анализ их эффективности.
Задача индивидуализированной подготовки студентов может быть формализована с использованием терминологии многокритериальных систем (МС) [22]. Пусть множество студентов является внешним множеством по отношению к образовательной системе, в то время как ее множество стратегий представляет собой совокупность альтернативных обучающих проектов, например, вариантов учебного графика или технологической карты освоения учебной дисциплины. В этом случае функция локальной эффективности/^,^ определяет эффективность подготовки студента хєХ по учебному графику у єУ. Индивидуализация обучения состоит в оптимальном выборе некоторого подмножества проектов А={уі}і=1..т с- У и определенной на X распределяющей функции Е(х), сопоставляющей каждому студенту хєХ номер того элемента А, за которым студент закреплен.
Эффективность образовательной системы, рассматриваемой в рамках гарантирующей многокритериальной системы (ГМС), характеризуется в этом случае минимальным гарантированным качеством освоения учебного материала по всему контингенту студентов, то есть качеством подготовки самого «слабого» студента. Образовательная система, рассматриваемая в рамках интегральной многокритериальной системы (ИМС), характеризуется средним уровнем подготовки по всему контингенту. Очевидно, что оба подхода страдают однобокостью. Как минимум, их необходимо рассматривать одновременно, добавив еще и критерий, определяющий максимальную подготовку, например, наиболее «сильного» студента. Такая присоединенная задача является задачей векторной оптимизации. Она, в свою очередь, может быть представлена как задача оптимизации расширенной многоцелевой системы с внешним множеством Храсш = Х*К, где К - множество неопределенных значений весовых коэффициентов в линейной свертке частных критериев. Указанный подход лежит в основе математических моделей, разработанных в настоящей диссертации, при этом понятия теории МС интерпретируются в соответствии со спецификой решаемой задачи.
В процессе работы над диссертацией использовались следующие методы исследования: методы системного анализа и теории оптимального управления, методы линейного программирования, методы целочисленной оптимизации, методы проектирования информационных систем и реляционных баз данных, технологии сетевого программирования, методики определения достоверности и валидности результатов тестирования [23, 24, 25].
В диссертации получены следующие новые научные результаты: предложена новая технология подготовки специалистов, отличающаяся индивидуализацией учебных графиков, технологических карт и непосредственного процесса обучения на основе комплекса специальных математических моделей и программ, впервые разработана математическая модель формирования оптимального распределения дисциплин по циклам обучения на основе учета кластерной готовности обучаемых, впервые предложена математическая модель оптимального формирования индивидуализированных технологических карт дисциплин в семестре, разработана новая информационная технология непрерывного дистанционного мониторинга индивидуальной учебной деятельности обучаемых с кластеризацией потока, отличающаяся тесной интеграцией с учебным планом отдельных дисциплин и рабочим графиком обучения.
Практическим результатом диссертации является разработка информационная системы поддержки индивидуализированного обучения в вузе. Разработанный при этом банк тестовых заданий по дисциплине «Корпоративные информационные системы» сертифицирован для проведения аттестации учреждений высшего образования Российской Федерации (Сертификат № 0382834 от 29.06.2007 органа по сертификации программно-дидактических тестовых материалов и технологий компьютерного тестирования «ТЕСТ-Профобразование») [26]. Результаты внедрены в учебный процесс на факультете информационных систем и технологий (ИСТ) Самарского государственного архитектурно-строительного университета (СГАСУ).
Работа докладывалась на трех международных и семи Всероссийских научных конференциях в Москве, Уфе, Нижнем Новгороде и Самаре. Основные результаты диссертации представлены в 20-ти публикациях, в числе которых числе три в изданиях, рекомендованных ВАК РФ для публикации результатов докторских и кандидатских диссертаций.
Индивидуализация обучения как важнейшая задача информатизации в высшей школы
Автоматизация работы приемной комиссии: регистрация абитуриентов сотрудниками приемной комиссии, ON-Line регистрация абитуриентами, учет принятых документов, составление расписания вступительных экзаменов (компьютерное тестирование), настройка шкалы перевода ЦАТ/ЕГЭ и ввод оценок, мониторинг состояния абитуриентов, печать личных карточек, статистика.
Организация движения контингента студентов: приказы, выписки из приказов, проведение изменений приказов. Формирование и утверждение учебных и рабочих планов, справочник ГОСов. Ведение журналов посещаемости студентами учебных мероприятий. 8) Распределение стипендии по результатам сессии. 9) Ведение базы данных НИРС, договоров НИЧ и публикаций на кафедрах, отчеты о деятельности кафедры. 10) Учет и ведение личных дел аспирантов, мониторинг успеваемости и выполнения учебных планов. 11) Проведение сессии: электронные зачетные книжки, отслеживание академической успеваемости студентов, учет выданных экзаменационных листов, ведение семестровых журналов. 12) Управление оплатами контрактных студентов, мониторинг оплат, оперативный анализ и прогнозирование финансовых потоков. 13) Учет совместителей: программы дополнительного образования, договора, акты, отчетность. 14) Поддержка процесса целевой подготовки специалистов по договорам со сторонними организациями. 15) Автоматизированная подготовка типового набора документов, включая договоры, анкеты, ведомости, заявления, расписки, приказы и справки. 16) Ведение журналов регистрации документов. 17) Гибкая система прав доступа к данным, возможность настройки специфических автоматизированных рабочих мест (АРМ). 18) Доступ к личному кабинету для сотрудника, студента, абитуриента, аспиранта, совместителя. 19) Оперативное предоставление информации родителям и опекунам студентов. 20) Расчет нагрузок на ППС и читающие кафедры. 21) Возможность удаленного доступа к единому банку данных и получения актуальной информации. Во многих вузах России созданы подобные системы поддержки учебного процесса. Вкратце остановимся на двух из них. ГОУ ВПО «Московский государственный университет стали и сплавов (технологический университет)». 19 мая 2006 года МИСИС стал одним из победителей в конкурсном отборе образовательных учреждений высшего профессионального образования, внедряющих инновационные образовательные программы, проводимом в рамках приоритетного национального проекта «Образование». На конкурс МИСИС представил программу «Качество. Знания. Компетентность» [25]. Важнейшим условием выполнения программы является модернизация системы управления университетом, которая предполагает переход на институциональную организационно-функциональную форму управления на основе принципов менеджмента качества. Для реализации запланированных мероприятий в рамках выполнения инновационной образовательной программы МИСИС провел в июле 2006 года открытый конкурс по выбору наилучшего технологического решения комплексной автоматизации управления учебным процессом. Победителем этого конкурса стала московская компания ЗАО «МНППНАМИП [51]. В кратчайшие сроки была разработана Концепция поэтапного развития корпоративной информационной системы университета. На стадии реализации концепии были разработаны следующие компоненты (автоматизированные информационные системы - АИС): 1) АИС «Планирование учебного процесса» предназначенная для автоматизации работы с учебными планами и учебными программами, посеместрового планирования учебного процесса, расчета учебной нагрузки кафедр; 2) АИС «Управление контингентом учащихся» представляющее собой программно-информационный комплекс, обеспечивающий сквозной учет контингента учащихся в соответствующих службах и структурных подразделениях МИСИС, организованный по единым принципам, на базе единого информационного пространства с поддержкой концепции однократного ввода данных в систему; 3) АИС «Учет текущей успеваемости и посещаемости» представляющее собой программно-информационный комплекс, обеспечивающий оперативный аналитический учет и контроль текущей успеваемости студентов, посещаемости занятий (по результатам выполнения текущих контрольных мероприятий), организованный по единым принципам, на базе единого информационного пространства с поддержкой концепции однократного ввода данных в систему..
Программные компоненты автоматизированных информационных систем разработаны на языках программирования JAVA и .NET и используют в качестве несущей СУБД Microsoft SQL Server 2005. Эксплуатация АИС ведется в сетевом режиме, обеспечивающем возможность одновременной работы произвольного числа пользователей с системой, а также ее интеграцию с рядом информационных систем, эксплуатирующихся в университете на настоящий момент.
Иркутский государственный университет (ИГУ). Информационно-аналитическая система «Факультет» [52] способствует организации мониторинга образовательных услуг. Система предоставляет возможности создания базы данных о потребностях в специалистах, выпускаемых факультетом, в России, Сибири, Иркутской области, городах и районах Приангарья, о потенциальных потребителях образовательных услуг факультетов ИГУ и АГТА, о трудоустройстве выпускников.
При проектировании данной системы была поставлена задача, охватить единой информационной средой все звенья структурной организации ВУЗа. Приведенная структура в качестве базового объекта содержит учебный план по специальности. При разработке нового учебного плана сначала создается график учебного процесса - структура, дифференцирующая часовой объем подготовки специалиста по различным видам работ: теоретическая подготовка, производственная и другие виды практики, сессия, выпускная квалификационная.
Организационная схема формирования индивидуализированного учебного графика
Преподаватель имеет доступ как к результатам каждого из студентов, так и к общему итогу по группе, а таюке динамике всего процесса самоподготовки студентов, имея возможность вмешаться в нее лично. На основе полученных данных преподаватель получает представление об уровне подготовки студентов к текущему практическому или лабораторному занятию по данной теме и при необходимости корректирует его содержание [72]. Кроме этого преподаватель имеет доступ к статистике по уровню освоения предшествующих разделов дисциплины и может использовать их для корректировки дальнейшего изложения материала по дисциплине. Студенту такая схема построения учебного процесса также дает ряд преимуществ. Во-первых, студент может заранее оценить уровень своей подготовки к практическому занятию и в случае необходимости заново изучить эту тему. Во-вторых, сильный студент может самостоятельно изучать дисциплину в свободном темпе и сдавать контрольные точки досрочно. В-третьих, студент, по каким-либо причинам пропустивший ряд тем, может изучить их самостоятельно и отчитаться по ним в свободное для себя время. Для реализации описанной схемы индивидуализированного изучения дисциплин была разработана информационная система, подробно описанная в главе 4.
Описанный подход предусматривает гибкую адаптацию преподавания дисциплины с учетом того, как студенты ее осваивают. Однако, такой подход не позволяет индивидуализировать обучение, давая возможность лишь для полностью индивидуального обучения студентов по своим учебным траекториям. Индивидуализированная же технология обучения предполагает групповое обучение в однородных по своему составу группах. В диссертации предлагается индивидуализированная коррекция преподавания учебной дисциплины путем динамической кластеризации студенческой группы на основе данных непрерывного мониторинга учебного процесса (Рисунок 11). Динамическая кластеризация проводится информационной системой поддержки учебного процесса по запросу преподавателя в любой момент времени, например перед лабораторными занятиями. Это не является классической схемой дистанционного обучения, так как все обучение проводится в очном режиме а кластеризация студенческой группы перед занятиями лишь помогает преподавателю найти более подходящие формы обучения для каждой из сформированных подгрупп. Перед проведением лабораторных работ преподаватель получает список, сформированный информационной системой поддержки учебного процесса, в котором студенты разделены на несколько подгрупп (кластеров) в зависимости от выявленной степени их готовности к данной лабораторной работе. Это позволяет преподавателю индивидуализировать свою работу по отношению к студентам при проведении занятия, например, уделяя больше внимания подгруппе, состоящей из «слабых» студентов, в то время как более «сильные» студенты могут заниматься самостоятельно.
Разработанный в главе комплекс организационных схем, обеспечивает формирование индивидуализированных рабочих графиков и индивидуализацию процесса освоения учебных дисциплин и самостоятельной работы студентов в семестре. 1. Построение матрицы взаимозависимостей дисциплин, а также формирование базы данных, содержащей всю «историю» каждого студента позволяет реализовать индивидуализацию графика учебного процесса. Необходима разработка оптимизационной математической модели, распределяющей дисциплины по семестрам при обеспечении максимальной суммарной начальной готовности потока студентов к учебному процессу на основе матрицы взаимозависимостей дисциплин и «истории» каждого студента. 2. Путем оптимизации графика текущего контроля с учетом особых обстоятельств отдельных студентов достигается индивидуализация освоения учебных дисциплин. При этом должно быть обеспечено максимально возможное выравнивание понедельной нагрузки на студентов, а для некоторых групп студентов предусмотрена возможность выделения периодов, свободных от текущего контроля без ущерба для графика освоения учебного материала в целом. Для реализации этого положения требуется разработка соответствующей математической модели. 3. Дифференцирования деятельности преподавателя при проведении занятий в зависимости от подготовленности студентов обеспечивает индивидуализацию освоения учебных дисциплин в семестре . При этом деление на подгруппы должно производится при помощи разработанной математической модели динамической кластеризации студенческой группы по результатам выполнения им тестовых заданий с целью определения уровня их подготовки к текущей теме.
Оптимизационная математическая модель формирования индивидуализированного учебного графика
Первая модель должна обеспечивать посеместровое планирование учебных графиков и распределение студентов по потокам. В рамках этой модели вводятся понятия «гибкого потока» и «перемещаемых дисциплин». Гибкий поток - это поток студентов, состав которого может меняться от семестра к семестру, однако неизменен в течение семестра. Перемещаемые дисциплины - это дисциплины, порядок преподавания которых не задан жестко, при этом допускается их перенос между соседними семестрами. Основным критерием оптимальности этой модели является максимизация подготовки каждого из формируемых потоков к занятиям по соответствующему учебному плану. Однако уровень готовности не характеризуется какой-либо одной числовой величиной, при его определении следует комплексно учитывать ряд факторов.
Ограничениями описываемой модели являются [93]: семестровая нагрузка на студента; экономические соображения (удорожание обучения); минимальное отклонение оптимального учебного плана от рекомендуемого примерного плана; межпредметные связи. При формировании модели предусматривается возможность дополнительной подготовки студентов в межсеместровый период к дисциплинам следующего семестра. Модель является замкнутой в пределах одного учебного года, т.е. перенос дисциплин между курсами обучения не допускается. Модель функционирует на основе базы данных, содержащей все результаты обучения студентов, требования к уровню начальных знаний по каждой из дисциплин и матрицу взаимосвязей отдельных дисциплин. Так, например, некоторые дисциплины могут требовать предварительного изучения одной или нескольких обеспечивающих их дисциплин. Вторая модель - имитационная, цель которой - обеспечить планирование усилий студента при свободном изучении им дисциплин в опережающем темпе. В рамках этой модели вводится понятие психологического дискомфорта, который испытывает студент, имея задолженности по изучаемым дисциплинам. Мерой психологического дискомфорта выступает количество таких задолженностей. Модель призвана обеспечить оптимальное распределение усилий студента по дисциплинам. В качестве ограничивающего фактора используется суммарная нагрузка на студента, выраженная в учебных часах. Минимизация величины дискомфорта осуществляется за счет оптимизации распределения часов самостоятельной работы студента по изучаемым дисциплинам.
Третья модель предполагает оперативный контроль за выполнением студентом учебного графика и динамическую кластеризацию студенческой группы. Контроль традиционно осуществляется на основе учебного рейтинга успеваемости с использованием различных методик. Однако применение ИКТ, в частности автоматических тестирующих интернет-систем, позволяет получить значительно более широкую информацию о деятельности студента, а не только успешность сдачи отдельных контрольных точек. Это позволяет рассматривать рейтинг не как скалярную величину, а как вектор в трехмерном пространстве (академическая успеваемость, обязательность, способности студента). Использование пространства указанных размерностей и рейтинга как вектора в этом пространстве позволяет более целенаправленно и эффективно воздействовать на каждого студента с учетом его индивидуальных особенностей.
В рамках модели осуществляется оперативный мониторинг освоения дидактических единиц изучаемых дисциплин конкретным студентом. Вводится нормированный относительно единицы критерий успеваемости студента по каждой дисциплине. К началу зачетной недели этот коэффициент должен стать равным единице. Кроме картины успеваемости студентов вводится и качественный показатель освоения дисциплины студентом. Обеспечивается учет неравномерного (рваного) расписания и увязка с ним системы рейтинга. Изучение отдельной дисциплины, также как и весь учебный процесс, может быть индивидуализировано. Дисциплина разбивается на разделы, подразделы и темы. На раздел в целом и каждую тему в отдельности составляются рекомендации и методические указания, которые публикуются в сети Интернет. По каждой теме также предусматривается тест или контрольная работа. Контрольный тест по разделу состоит из вопросов тестов по темам и становится доступен после успешного прохождения студентом тестов по всем темам. Тестирование происходит полностью в автоматическом режиме без участия преподавателя. Преподаватель проводит очное занятие, на котором он дает некоторые установочные понятия. Далее студент в удобное для него время просматривает электронные учебные материалы, проходит тест самоподготовки. Преподаватель получает как результаты каждого из студентов, так и кластерную картинку группы. На основе полученный данных преподаватель корректирует содержание заданий для каждого кластера группы. Кластеризация производится динамически при каждом изменении информации об успеваемости студентов. Студенту такая схема построения учебного процесса также дает ряд преимуществ. Во-первых, студент может заранее оценить уровень своей подготовки к практическому занятию и в случае необходимости заново изучить эту тему. Во-вторых, «сильный» студент может самостоятельно изучать дисциплину в свободном темпе. В-третьих, студент, по каким-либо причинам пропустивший ряд тем, может изучить их самостоятельно и отчитаться по ним в свободное для него время, вне связи с загрузкой преподавателя.
Оптимизация самостоятельной работы студентов на основе индивидуализированных технологических карт
Разработанная информационная система сопровождения учебного процесса логически разделена на две подсистемы [73, 98]: информационную систему оптимизации решений по организации индивидуализированного учебного процесса; информационную систему поддержки индивидуализированного учебного процесса [70, 74]. Информационная система оптимизации решений по индивидуализации учебного процесса реализована в среде Microsoft Excel и не требует для своей работы каких-либо дополнительных пакетов. Выбор объясняется широким распространением указанной среды и достаточными возможностями для решения поставленной задачи. Для работы с модулем планирования и оптимизации учебного процесса требуется установка пакета Microsoft Excel версии 97 или выше с модулем поиска решения. Далее в этой главе речь пойдет только о второй подсистеме, а именно, об информационной системе поддержки индивидуализированного учебного процесса. Информационная система поддержки реализована в виде Web-приложения с клиентской частью, обеспечивающей дополнительные возможности. Физически ИС состоит из трех модулей [70]: серверный CGI модуль (ядро системы), несущий всю логическую нагрузку и обеспечивающий совместный доступ к базе данных на объектном уровне; модули преподавателя (совмещены с модулем декана); модуль студента. Для функционирования системы в минимальном режиме требуется класс персональных компьютеров (ПК) с установленным на них программным обеспечением Microsoft Windows. Для работы в сетевом (Internet) режиме требуется ПК с установленным Windows Server и любым Web-сервером, поддерживающим CGI расширения (например, Internet Information Server или Apache). Сервер оснащается не менее 64 Мб оперативной памяти и строится на базе CPU Pentium II архитектуры или выше. Клиентские ПК должны иметь как минимум 16Мб оперативной памяти и могут быть построены на базе CPU Pentium или выше.
Все модули информационной системы поддержки учебного процесса реализованы на языке C++ на основе библиотеки MFC (Microsoft Foundation Classes). Выбор языка объясняется тем, что C++ является индустриальным стандартом и позволяет реализовывать программные системы любой сложности. В последних версиях Windows (семейства Vista) язык C++ включен в состав дистрибутива. Библиотека классов MFC встроена в операционную систему Windows, следовательно, для функционирования систем, построенных на ее основе, не требуется каких-либо дополнительных библиотек.
В качестве системы управления базами данных (БД, СУБД) используется Microsoft Access. Ни в одном из программных модулей нет прямого использования эксклюзивных возможностей указанной СУБД. Вся работа с СУБД реализована через класс доступа к базе, который работает через интерфейс ODBC (Open Database Connectivity). Интерфейс ODBC предоставляет унифицированные средства взаимодействия прикладной программы, называемой клиентом (или приложением-клиентом), с сервером -базой данных. Интерфейс ODBC проектировался Microsoft для поддержки максимальной интероперабельности приложений, обеспечивающей унифицированный доступ любого приложения, использующего ODBC, к различным источникам данных. Так как разработанная система соответствует стандарту ODBC, то приложение сможет работать с любой СУБД без внесения дополнительных изменений в код программы и без перекомпиляции. Общая схема взаимодействия модулей показана ниже (Рисунок 15).
Как следует из приведенной схемы, вся информация собирается в централизованной БД, операции с которой производятся централизованно, через ядро системы. Ядро ИС обладает развитой системой безопасности. Безопасность обеспечивается запретом прямого доступа к БД: не допускаются какие-либо прямые SQL запросы к БД, вся работа с БД ведется через ядро -серверный модуль доступа. Этот модуль организует разграничение прав на уровне групп пользователей, при этом каждый пользователь в группе обладает собственным логином и паролем. В качестве логина пользователя используется его идентификационный номер. Особенностью системы является назначение прав не на какую-либо категорию действий или таблицу целиком, а назначение прав доступа к любому узлу таблицы. Права доступа, назначенные пользователю на узел, могут распространяться на все его дочерние узлы, а права доступа, назначенные группе пользователей, наследуются всеми подгруппами. Уровень вложенности групп пользователей и защищаемых узлов не ограничен. Модуль доступа к БД использует как механизм сессий, так и возможность непосредственной идентификации при обращении к БД. Обмен данными между клиентским приложением и ядром системы происходит по схеме «запрос-ответ». Идентификация при каждом запросе производится либо проверкой логина и пароля, либо определением логина по открытой сессии. Явное задание логина и пароля перекрывает идентификацию по сессии, причем только при текущем запросе. После идентификации проверяется наличие прав для выполнения запрошенной операции. Список видов прав доступа к различным сущностям, используемым в ИС, может различаться.
Функции ядра ИС. Ядро ИС содержит большое количество функций для организации работы с БД. Эти функции обеспечивают возможность высокоуровневой объектно-ориентированной работы с информацией, содержащейся в БД, без привязки к структуре БД и позволяют производить дополнительную обработку входных и выходных параметров. Фрагмент переченя функций ядра ИС, доступных по сети, с указанием аргументов и возвращаемых значений (за исключением логина и пароля) приведен ниже (Таблица 6).
