Содержание к диссертации
Введение
ГЛАВА 1 Анализ информационных процессов обучения и проектирования систем безопасности имущества 8
1.1 Анализ подходов к формализации процесса обучения 8
1.2. Формализация цели управления в обучении с моделью обучаемого 17
1.3. Анализ подходов к повышению эффективности оценивания результатов тестового контроля для достижения цели управления 22
1.4. Обзор методов обеспечения устойчивости систем охраны к негативным внешним воздействиям 27
1.5. Выводы и задачи диссертационного исследования 35
ГЛАВА 2. Разработка моделей процесса обучения, тестового контроля знаний и определения устойчивости системы охраны к внешним воздействиям 37
2.1. Модель адаптивного процесса обучения индивидуального обучаемого с учетом его индивидуальных особенностей 37
2.2. Логистические модели Раша и Бирнбаума для массового автоматизированного тестирования 47
2.2.1. Метод наибольшего правдоподобия оценивания первичных данных 52
2.3. Модель определение надежности элемента системы охраны объекта 56
2.3.1. Анализ физических параметров влияющих на надежность элементов охраны 61
2.3.2. Модель определения надежности элемента охраны в условиях негативных внешних воздействий 63
2.4. Основные выводы второй главы 71
ГЛАВА 3. Алгоритмы обучения, оценивания результатов тестового контроля и опенки надежности систем охраны объектов 72
3.1. Алгоритмы обучения в автоматизированных обучающих системах 72
3.1.1. Алгоритм обучения с моделью обучаемого 79
3.2. Алгоритм оценивания результатов тестового контроля знаний 92
3.3 Алгоритм определения эффективности системы охраны 97
3.4. Основные выводы третьей главы 104
ГЛАВА 4. Разработка программного комплекса «ПК ОСВО» 108
4.1. Составные части программного комплекса «ПК ОСВО» и выбор средств их разработки 108
4.2. Структура информационной системы программного комплекса 112
4.3. Инструментальные средства создания программного комплекса 114
4.4. Разработка модулей программного комплекса «ПК ОСВО» 118
4.3.1. Модуль администрирования 118
4.3.2. Модуль организации процесса обучения 120
4.3.3. Модуль создания средств обучения 122
4.3.4. Модуль расчета кратчайших путей к материальным ценностям 124
4.5. Основные выводы четвертой главы 130
Заключение 131
Литература 132
- Анализ подходов к повышению эффективности оценивания результатов тестового контроля для достижения цели управления
- Логистические модели Раша и Бирнбаума для массового автоматизированного тестирования
- Алгоритм оценивания результатов тестового контроля знаний
- Инструментальные средства создания программного комплекса
Введение к работе
Актуальность работы. В настоящее время большое внимание уделяется исследованию задач управления в социальных системах в различных предметных областях, в том числе и обучении. Учитывая факт повышения криминогенной обстановки в России, в том числе динамику роста числа хищений имущества с объектов собственности, большое значение приобретает деятельность подразделений вневедомственной охраны (ВО), связанная с разработкой систем технических средств укреп-ленности. Задача сотрудников ВО состоит в охране объектов собственности от негативных внешних воздействий. Для подразделений ВО становятся актуальными задачи обучения и переподготовки их сотрудников в направлении систем технической оснащенности объектов охраны (СТООО), причем обучение должно обеспечивать приобретение профессиональных компетенций в максимально короткое время. Для решения таких задач целесообразно использовать автоматизированное обучение с использованием аппарата управления этим процессом, позволяющее учитывать индивидуальные особенности каждого сотрудника подразделений ВО.
В данный момент из-за высокой динамики изменения общественной обстановки и условий профессиональной деятельности очень важно при обучении каждого индивидуального обучаемого отслеживать соответствие уровня его обученности к уровню квалификационных требований. Все это предъявляет повышенные требования к управлению процессом обучения.
Ранее проблема автоматизированного обучения решалась с использованием математических моделей на основе нелинейной системы дифференциальных уравнений с учетом стохастичности, для которых невозможно построить адекватную модель обучаемого как объекта управления. Современным направлением в моделировании процессов управления обучением являются адаптивные технологии, которые представляют собой технологическую систему методов, способствующую эффективному индивидуальному обучению. Эта система основывается на учете латентных параметров уровня начальной подготовленности и трудности проверочных заданий, а также на учете индивидуальных особенностей обучаемых, что позволяет наиболее эффективно добиваться цели достижения обучаемым необходимого уровня квалификационных требований.
Исследования выполнялись на основе целевой программы «Научно-методическое, материально-техническое и информационное обеспечение системы образования» (приказ Минобразования России от 26.01.2001 № 240), и приказа об утверждении концепции службы общественной безопасности МВД России (приказ МВД России от 15.03.2002 № 240).
Исследования в области моделирования информационных процессов обучения проводились российскими учеными Нейманом Ю.М., Хлебниковым В.А., Елисеевым И.И., Ефремовой М.В., Глазковым Ю.А., Кузовлевой К.Т., Яхонтовым СВ., а также зарубежными учеными Rash G., Birnbanm A., Thorndike R., Write В. и др.
Цели и задачи исследования. Целью диссертационного исследования является разработка математических моделей и алгоритмов управления учебным процессом для повышения качества подготовки сотрудников ВО к построению систем технической укрепленности объектов охраны с учетом в модели управления индивидуальных особенностей обучаемого на основе статистического анализа результатов тестирования.
Для достижения указанной цели необходимо решение следующих задач: - анализ систем управления и математических моделей обучения сотрудников ВО;
построение математической модели управления обучаемым с определением уровня его подготовленности и учетом индивидуальных особенностей на основе статистического анализа результатов тестирования;
разработка методик формирования коэффициентов трудности тестовых заданий и уровня подготовленности объекта управления обучением, а также соответствующих алгоритмов;
построение информационной структуры технической оснащенности объектов охраны;
разработка программного комплекса для организации обучения построению систем охраны объектов с повышенной устойчивостью к проникновению через эту систему, и учетом индивидуальных особенностей обучаемых.
Объект исследования - системы управления обучением сотрудников подразделений вневедомственной охраны для построения систем технической укрепленно-сти объектов охраны.
Предмет исследования - управление обучением в социально-экономической системе сотрудников ВО построению комплексов технической укрепленности объектов охраны с учетом в модели управления индивидуальных особенностей обучаемого на основе статистического анализа результатов тестирования.
Методы исследования. Для решения поставленных задач в работе использовались методы: теории систем управления, оптимизации; аппарата вычислительной математики и методов математической статистики; теории построения программ; модульного, структурного и объектно-ориентированного программирования; имитационного, структурного и параметрического моделирования; параметризации проверочных тестов.
Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:
построена математическая модель управления обучаемым при обучении построению систем технической оснащенности объектов охраны, которое обеспечивает информационные потребности индивидуального обучаемого, отличающаяся статистическим анализом результатов тестирования на основе вычисления скрытых индивидуальных параметров;
разработаны методика и алгоритмы формирования коэффициентов трудности тестовых заданий и уровня подготовленности индивидуального обучаемого на основании статистического анализа результатов тестирования, отличающиеся использованием статистических средств оценки латентных параметров тестовых заданий;
построена информационная структура системы технического оснащения объектов охраны с повышенной устойчивостью к негативным внешним воздействиям, отличающаяся использованием методики нахождения кратчайшего пути преодоления этой системы на основе комбинаторных алгоритмов.
Выносятся на защиту:
математическая модель управления обучаемым при обучении построению СТООО, которая обеспечивает информационные потребности индивидуального обучаемого;
методика и алгоритмы формирования коэффициентов трудности тестовых заданий и уровня подготовленности индивидуального обучаемого;
информационная структура системы технического оснащения объектов охраны с повышенной устойчивостью к негативным внешним воздействиям.
Практическая ценность работы. На основе разработанных в рамках диссертационного исследования моделей и алгоритмов разработан программный комплекс из четырех приложений, реализующий функции обучения сотрудников ВО построению систем технического оснащения объектов охраны и измерения уровня квалификационных навыков сотрудников ВО (ПК ОСВО).
Часть программного комплекса, реализующая обучение, может применяться для изучения материала из любой предметной области, если он поддается представлению в виде дискретных порций обучающей информации.
Результаты диссертационного исследования внедрены в работу ГОУ ВПО «Воронежский институт правительственной связи (филиал) академии федеральной службы охраны Российской Федерации», Воронежский институт Государственной противопожарной службы МЧС России.
Соответствие диссертации паспорту научной специальности. Диссертация соответствует следующим пунктам области исследования паспорта специальности 05.13.10 - Управление в социальных и экономических системах:
2. Разработка методов формализации и постановка задач управления в социальных и экономических системах.
Разработка методов и алгоритмов решения задач управления и принятия решений в социальных и экономических системах.
Разработка специального математического и программного обеспечения систем управления и принятия решений в социальных и экономических системах.
Апробация работы. Основные положения работы докладывались на V Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (Воронеж, 2008), международной научно-практической конференции «Преступность в России» (Воронеж, 2008), Всероссийской научно-практической конференции «Техника и безопасность объектов УИС - 2008», Всероссийской научно-практической конференции «Общество, право, правосудие» (Воронеж, 2009), Всероссийской научно-практической конференции «Охрана, безопасность и связь» (Воронеж, 2009), VI Всероссийской научно-технической конференции «Теория конфликта и ее приложения» (Воронеж, 2010), Всероссийской научно-практической конференции «Общество, право, правосудие» (Воронеж, 2010), Всероссийской научно-практической конференции «Математические методы и информационно-технические средства» (Краснодар, 2009).
Публикации. По теме диссертации опубликовано 19 работ общим объемом 65 страниц (лично автором выполнено 40).Три научные статьи опубликованы в рецензируемых журналах, входящих в перечень изданий, определенных ВАК Министерства образования и науки РФ, 8 статей опубликовано без соавторов.
В работах, опубликованных в соавторстве, личное участие автора заключается в определении цели и задач работы, в разработке моделей и алгоритмов, а также рассмотрении вопросов внедрения результатов исследования.
Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения. Материал диссертации изложен на 141 странице машинописного текста, включая иллюстрационный материал. В приложении представлены акты внедрения результатов работы.
Анализ подходов к повышению эффективности оценивания результатов тестового контроля для достижения цели управления
Рассмотренная выше математическая модель автоматизированного обучения опирается на установленные субъектом управления цели Z . Необходимо обеспечить такое управление, которое оптимальным путем переводило бы объект из состояния Y0 в состояние Y , соответствующее нужному уровню обученности. Для анализа текущего состояния объекта используются вопросы в тестовой форме, соответствующие порции ОИ Un на — м этапе обучения.
Для более точного достижения целевого состояния обученности нужно построить математическую модель автоматизированного тестирования, которая могла бы. обеспечить как можно более точные оценки уровня подготовленности.
Важнейшим аспектом управления является корректная оценка состояния объекта управления после воздействия на него. Очевидно, что существующие системы оценки либо субъективны, либо, с определенной вероятностью, не объективны. Примером может служить фактор везения при ответах на вопросы теста.
Для результативного оценивания необходимо подойти к нему как к процессу объективного измерения, а результаты таких измерений обрабатывать стандартными математическими методами характеристиками точности.
Такой подход выявляет необходимость в описании: способов и средств такого измерения, измерительных шкал, точности результатов. Формализация процесса измерения подготовленности связана с рядом трудностей, которые уже упоминались ранее, а именно — особенности человеческого организма и социальные факторы, которые носят вероятностный характер. Наиболее важный при построении формальной математической модели параметр — это уровень подготовленности объекта обучения. Этот параметр нельзя измерить в явном виде. Второй параметр, так же недоступный в явном виде - это трудность конкретного задания. Для их оценивания воспользуемся изложенным в работах [44,45,52] методом. В общем случае успех в решении имеет вероятностный характер, из чего следует что, возможно его количественное измерение некоторым числом р из отрезка [0; 1]. Вероятность того, что определенный участник тестирования верно решит определенное задание, представляет собой некоторую функцию -функцию успеха, по крайней мере двух аргументов - уровня подготовленности испытуемого s и уровня трудности данного задания t: В работах [44,45,52] сформулировано предположения о смысле количественной оценки трудности. В каком-нибудь смысле трудность /некоторого задания в к раз больше трудности t2 другого задания, tj = ht2. Понятие «трудности» имеет такой смысл, при котором указанное соотношение применимо к каждому участнику тестирования. То есть первое задание должно быть в &раз труднее для каждого испытуемого (объективным примером может быть количество известных операций, нужное для решения задачи). Сформулированное предположение должно выполняться и для понятия. «уровень подготовленности» и для понятия «уровень трудности задания». Если другого испытуемого, то это утверждение должно быть справедливым применительно к заданиям, имеющим одинаковую трудность [2]. Положим Из этого следует, что вероятность правильного решения более подготовленным участником более трудного задания, должна совпадать с вероятностью правильного решения вторым, менее подготовленным участником, менее трудного задания. Для формализации понятий сформулируем соглашения: 1) понятия .га /должны определяться в комплексе друг через друга; 2) исходя из однородного характера функции (1.3.1), ее значение зависит от отношения SH t Для измерения s и t у многих, не связанных в группы, участников и многих заданий нужно принять стандартные единицы измерения. Для этого одному из стандартных заданий теста приписывается единичная трудность t0 =1, тогда величина трудности другого задания теста либо в t раз труднее (если f 1), либо легче (если 0 t 1) него [44]. Тот же механизм оценивания справедлив и для уровней подготовленности s участников тестирования. Рассмотрим функции/? мрів (1.3.3). Аналитические выражения для этих функций неизвестны, и как следствие можно рассматривать лишь их приближения. В работах [44,45] указаны ограничения, накладываемые на эти функции: 1) функция px{Q должна быть гладкой (непрерывной вместе со своей производной) и монотонно возрастающей на всей области своего определения, поскольку всякое увеличение отношения s/t должно приводить к увеличению вероятности правильного решения задания ; 2) lim/7,( ) = /71(0) = 0 что делает безнадежным успех абсолютно неподготовленного участника тестирования; 3) lim/7,( ) = l, что гарантирует успех участнику тестирования, уровень подготовленности которого во много раз превышает трудность задания; 4) pj(l) = 0,5, то есть максимальная неопределенность в предсказании результата выполнения задания должна быть в том случае, когда уровень подготовленности участника совпадает с трудностью задания, t= d. Рисунок 1.3.1 иллюстрирует график функции вероятности успешного выполнения тестового задания.
Логистические модели Раша и Бирнбаума для массового автоматизированного тестирования
Для решения задачи количественной оценки качества проектируемой системы охраны объекта используется закон умножения вероятностей. В качестве рассматриваемых событий выбраны: отказ элемента СОО и злоумышленник оснащен определенным образом. Совместное наступление указанных событий делает возможным оценку минимального времени отказа системы охраны объекта при негативных внешних воздействиях.
Произведение двух независимых величин — вероятностей оснащения злоумышленника определенным образом и отказа элемента СОО привело к получению плотностей вероятности (2.3.2.2), (2.3.2.12) и (2.3.2.15), указанные выражения позволяют рассчитывать время проникновения через элемент СОО. Во второй главе определены следующие основные результаты: 1. Для эффективного автоматизированного обучения построена модель адаптивного процесса обучения, которая удовлетворяет требованиям представления обучающей информации и организации обучения сотрудников вневедомственной охраны. 2. Для повышения качества оценки параметров тестовых заданий и уровня подготовки обучаемых разработана модель массового автоматизированного тестирования, использующая логистическую модель Г. Раша, которая позволяет на основе статистических данных о результатах тестирования адекватно оценивать уровни трудности заданий теста и подготовленности участников тестирования. 3. Для обеспечения проверки квалификационных требований сотрудников, разработана вероятностная модель системы охраны объекта, позволяющая оценивать эффективность функционирования разработанной СОО. В общем случае алгоритм управления можно представить в виде отраженном на рисунке 3.1.1.(а). Синтез модели в данном случае включает все этапы построения или уточнения модели объекта управления, этот этап конкретизирован на рисунке 3.1.1.(6). Этап формирования управляющего воздействия реализуется сразу после синтеза модели с учетом структуры модели и ее параметров. Последним этапом алгоритма является реализация управляющего воздействия на объект управления. Результатом этих трех этапов должен стать переход объекта управления в некоторое новое состояние F, которое удовлетворяет поставленным целям управления. Проверка условия достижения нужного состояния проводится после этапа реализации управления, в случае положительного результата проверки возможно два варианта дальнейших действий: первый состоит в. прекращении работы с объектом, а второй подразумевает изменение цели управления Z и повторное выполнение алгоритма управления (этот вариант указан на рисунке 1а пунктирной стрелкой). В случае не достижения состояния Y обусловленного целями. Z обучения происходит возврат к этапу синтеза модели объекта управления. Алгоритм синтеза модели представлен на рисунке 3.1.1(6), он состоит из четырех этапов, но выполнение этих этапов не обязательно и происходит только в случае необходимости. Проверка условий обеспечивает оптимальный ход построения модели объекта управления. Рассмотрим системы обучения с различными алгоритмами работы. Линейные обучающие программы. Предъявление порций ОИ в таких программах осуществляется последовательно, независимо от ответов обучаемого на вопросы. При этом не делается никаких попыток индивидуализации обучения - разница между обучаемыми выражается лишь в продолжительности прохождения обучающей программы - все обучаемые продвигаются по одному пути независимо от степени усвоения ими порций ОИ. В линейной программе отсутствует явная модель обучаемого, но она неявно присутствует в модели курса. Вся ОИ разбивается на N порций, перенумерованных от 1 до N: которые выдаются обучаемому последовательно, в моменты времени t ,...,tN (в этом и состоит алгоритм программного обучения). Однако и в линейную программу можно ввести обратную связь Y (она показана пунктиром на рис. 3.1.2):
Алгоритм оценивания результатов тестового контроля знаний
Нахождение кратчайшего пути проникновения возможно после представлении СОО в виде графе и дальнейшего поиска наименьшей длины цепочек этого графа (вершины графа — это элементы СОО, а дуги - пути продвижения преступника). Использование комбинаторных алгоритмов, позволит проанализировать все возможные сочетания этих цепочек и найти путь с минимальной длинной. Полученное время позволит численно оценить общую надежность всей СОО при осуществлении несанкционированного проникновения, что является одной из главных задач диссертационного исследования. Рассмотрим теорию алгоритмов необходимую для решения-поставленной задачи.
При использовании комбинаторных алгоритмов, в качестве основы для решения задачи нахождения кратчайшего расстояния между точкой начала проникновения (истоком) и местом хранения материальных ценностей, появляется задача представления исходных данных.
Для нахождения кратчайших путей преступника, СОО необходимо представить в виде графа, это позволит рассчитать минимальное время прохождения к материальной ценности. Структуру и состав отдельных элементов СОО удобно описывать графом. Поэтому рассмотрим представление графов и их состав в теории алгоритмов.
Поскольку определение графа включает пару множеств - вершин и дуг, описание графа обязательно включает эти два объекта. Информационные структуры, соответствующие вершинам и дугам сети, чаще всего имеют последовательное представление (файл, вектор), поэтому и нумерация вершин и дуг предпочтительнее последовательная. В дальнейшем будем считать, что вершины графа занумерованы целыми числами из диапазона (\:т), а дуги (1:п), что снимает проблему представления этих объектов.
Остается отображение, сопоставляющее каждой дуге е из Е пару вершин (v,w) - начало и конец дуги. При работе с графами приходится отслеживать соотношение смежности, т.е. находить G(v,-) - множество концов дуг с началом в v и G(v,+) - множество начал дуг с концом в v. При построении графа удобно рассматривать матрицу смежности: R(V,W), в такой матрице каждый элемент R(iJ) равен числу дуг, соединяющих вершины і в j. Эта матрица определяет смежность вершин графа, но имеет два основных недостатка: - занимая много места, практически почти всегда, она заполнена, в основном, нулями и единицами, что нерационально; - информация матрицы не позволяет восстановить номер дуги, реализующей связи между вершинами. Построение матрицы инцидентности, позволяет избавиться от второго недостатка: Построенная матрица также заполнена редко и не допускает петель в графе. Каждый столбец матрицы инцидентности содержит ровно два ненулевых элемента, 1 и -1 вводя пару векторов Left(E) и Right(E), запишем в компонентах Left(e) — v и Right(е) = w для дуги е из Е, е = (v,w). Полученное представление называется списком начал и концов дуг. Недостаток этого способа - неудобство работы со множествами G(v,-) и G(v,+). Удобнее находить G(v,-) или G(v,+), если отсортировать список дуг в порядке возрастания начал (концов) дуг, т.к. множества E(v,-) для v из V(E(v,+)) образуют разбиение множества Е которое можно задать как указано выше. Чтобы одинаково легко оперировать с G(v,-) и G(v,+) следует отсортировать множество дуг и по началам и по концам, создавая два индексных массива указателей. Недостаток этого метода проявляется, если граф не ориентирован, или в нем присутствуют не ориентированные дуги. С алгоритмической точки зрения пара концов дуги е = (v,w) обязательно упорядочена и любая попытка повысить эффективность структуры данных за счет сортировки или сжатия усложняет учет их несимметричности. Существует два решения этой проблемы: 1. Если количество неориентированных дуг невелико- каждая из них заменяется парой ориентированных противоположно. При таком подходе смежность задается множеством G(v) = G(v, ) + G(v,+). 2. Если наличие ориентации дуги указывается в виде признака ее параметра, например, отрицательного значения длины. Расшифровка такого признака должна быть предусмотрена в алгоритме. Рассмотрим алгоритмы отвечающие на вопрос о расстоянии между узлами в простом орграфе с неотрицательными весами. (Для СОО - расстояние между элементами охраны). К таким орграфам сводятся многие типы графов; так, если данный орграф не является простым, его можно сделать таковым, отбрасывая все петли и заменяя каждое множество параллельных ребер кратчайшим ребром (ребром с наименьшим весом) из этого множества. Если граф не ориентирован, то можно просто рассматривать граф, который получается из данного заменой каждого неориентированного ребра (ij) парой ориентированных ребер (ij) и (j,i) с весом, равным весу исходного неориентированного ребра.
Инструментальные средства создания программного комплекса
Для реализации программного комплекса необходимо предусмотреть три уровня разграничения прав пользователей: «Администраторы», «Преподаватели», «Обучаемые». Такая градация требуется для повышения безопасности категорий данных, участвующих в организации и реализации обучения.
Пользователи группы «Администраторы» управляют процессом обучения: создают учетные записи пользователей и редактируют их по мере необходимости. Пользователи группы «Преподаватели» имеют доступ к обучающей и контролирующей информации с правом её редактировании, а так же к статистическим данным о процессе обучения. Пользователи группы «Обучаемые» имеют доступ «только для чтения» к, обучающей информации. Модуль 1 — «Модуль администрирования» предназначен для организационной поддержки процесса обучения. Он выполняет функции по созданию личных учетных записей обучаемых, а так же для их редактирования в соответствии с реальной фазой обучения.
Данный модуль необходимо реализовать таким образом, чтобы его методы были доступны только администратору системы и были максимально изолированы от пользователей группы «Обучаемые», наиболее приемлемое средство такой изоляции состоит в создании отдельного исполнимого файла программы. Следует также предусмотреть безопасные каналы передачи сведений об обучаемых между различными модулями программного комплекса.
Модуль 2 - «Модуль создания средств обучения» предназначен для создания специальным образом, организованных файлов с вопросами для тестов, файлов с порциями обучающей информации различного рода, а также для выполнения функций структурирования всей обучающей информации.
Данный модуль следует реализовать, так, чтобы возможности по изменению обучающей и контролирующей информации были доступны только пользователям из групп «Преподаватели» и «Администраторы». Исходя из требований безопасности и эргономики, следует реализовать в,идее отдельного исполняемого модуля программного комплекса. Аналогично модулю 1, необходимо предусмотреть защищенные каналыпередачи-информации.
Модуль 3- «Модуль организации процесса обучения» предназначен для использования, пользователями группы «Обучаемые». Его функций должны состоять из: наглядного отображения порций обучающей информации; проведения тестирования знаний обучаемых, ведения необходимой статистики о процессе обучения. Этот модуль должен нести в себе основную алгоритмическую часть, так как именно он должен управлять процессами обучения и тестирования в соответствии с построенными алгоритмами и моделями. Важно учесть необходимость персонализации каждого обучаемого и индивидуального анализа его личностных параметров.
Данный модуль следует реализовать таким образом, чтобы обеспечить безопасное использование обучающей информации пользователями из группы «Обучаемые», то есть обеспечить доступ «только для чтения», во избежание фальсификации обучающей информации, а как следствие и результатов обучения. Исходя из требований к обособленности модулей 1 и 2 модуль 3, так же реализуется в. виде отдельного исполняемого модуля программного комплекса.
Что касается общего ко всем модулям требования — безопасное совместное использование информации, то наиболее приемлемым способом организации её хранения может стать запись информации в типизированные файлы, такие файлы нельзя прочитать и отредактировать, не зная их структуру. Необходимо предусмотреть особую структуру для файлов различного назначения: файлов с порциями обучающей информации, файлов- с контролирующими тестами, файлов со статистическими данными о процессе обучения. Необходимо разработать правила для хранения информации в приемлемом виде. Один из способов структурирования информации является её помещение в базу данных, в которой в качестве типа поля используются бинарные поля. Хранение личных данных пользователей системы8 должно-осуществляться в, защищенной, паролем базе данных, что в совокупности с парольным доступом к приложению дает надежную защиту от несанкционированного доступа и фальсификации.
Проведем декомпозицию рассмотренных модулей на дискретные задачи. Общая блок-схема программного продукта приведена на рисунке 4.2.
Для практической реализации программного комплекса «ПК ОЄВО» требуется широкий диапазон средств программирования. Программный комплекс сочетает в себе модули, создание которых требует использования высокоуровневого алгоритмического языка программирования, а так же модули, в состав которых входят специфические информационные процессы обработки структур данных. Исходя их разнообразия реализуемых программных модулей наиболее приемлемое средство для программирования — Delphi 7 Studio. В состав этой среды разработки входят средства создания оконных приложений, управляемых операционными средами семейства Microsoft, а так же средства разработки приложений с использованием баз данных. Наиболее современная среда разработки программ на сегодняшний день — Embarcadero RAD Studio, компании Borland, она является старшей версией Delphi 7, но в силу дороговизны и избыточности функциональности для разработки нашего проекта использоваться не будет. Для управления базами данных принято решение использовать утилиту IBExpert, предоставляющую возможность создавать и администрировать базы данных InterBase 2007. Такое сочетание программных средств позволит в полной мере реализовать все модули программного комплекса.
