Учебное пособие 2036

принимаемых радиосигналов. В этом режиме слежения и уточнения орбиты используются статистические методы, например дифференциальной коррекции орбитальных параметров по данным измерениям и модели движения. Этапы решения задачи включают в себя: проведение измерений параметров МКА, определение и компенсация систематической ошибки измерений, определение

икомпенсация случайной ошибки измерений, уточнение орбиты МКА. При измерениях параметров движения МКА с первоначально неизвестными начальными параметрами орбит используется всенаправленный азимутальный режим поиска. Он включает в себя: поиск радиосигналов МКА; захват и их сопровождение, измерение параметров движения МКА; начальное определение параметров орбит МКА; расчет последующих сеансов радиосвязи, предполагаемых параметров следящих систем поворотных устройств, параметров принимаемого радиосигнала; проведение измерений и обработку данных в режиме слежения и уточнения орбиты; сравнение результатов расчета режима слежения и уточнения орбиты и всенаправленного режима.

При прохождении МКА относительно научно-образовательных станций приема и обработки информации между МКА и НСП происходят сеансы связи, которые могут быть как запросные (при проведении баллистических измерений

ипроведении управления МКА по командной радиолинии) так и беззапросные (при передаче от МКА на НСП телеметрии, при проведении баллистических измерений). Сеансы связи между МКА и НСП по функциональному признаку подразделяются на: сеанс управления МКА; сеанс приема телеметрии, сеанс проведения баллистических измерений. По радиолинии НСП – МКА передается радиосигнал от НСП к МКА, содержащий пакет команд управления бортовыми системами в сеансе управления КА или измерительный радиосигнал в сеансе проведения баллистических измерений. По радиолинии МКА – НСП приходит радиосигнал, содержащий пакет ответных квитанций команд управления в сеансе управления; радиосигнал, содержащий пакет телеметрии бортовых систем МКА в сеансе приема телеметрии или измерительный радиосигнал в сеансе проведения баллистических измерений. При этом телеметрия бортовых систем МКА передается при любых прохождениях МКА относительно НСП. В то время как сеанс баллистических измерений проводится как в беззапросном режиме по измерениям параметров радиосигнала телеметрической радиолинии и параметров следящих систем антенных систем, так и при запросе на МКА по командной радиолинии для передачи и прима специальных измерительных радиосигналов. Эти измерения могут проводится на орбите одного прохождения МКА как одномоментно (в одной точке орбиты) так и многомоментно (в нескольких точках орбиты). Также эти измерения могут проводится на нескольких последовательных орбитах прохождения МКА для орбит первого и последующих прохождений МКА относительно НСП.

Разработка сети наземных станций приема телеметрии малых космических аппаратов позволит разработчикам МКА решить такие проблемы, как резервирования каналов приема телеметрии во избежание потери

10

информации, увеличения количества принимаемой информации, определения и уточнения орбитальных параметров МКА. Кроме того, сеть наземных станций может стать хорошей лабораторией при обучении студентов аэрокосмических специальностей технологиям управления МКА, приема его телеметрии, проведения внешнетраекторных измерений и определения орбит.

Литература

1. Абламейко С. В. Малые космические аппараты: пособие для студентов факультетов радиофизики и компьют. технологий, мех.-мат. и геогр. / С. В. Абламейко, В. А. Саечников, А. А. Спиридонов. – Минск : БГУ, 2012, – 159 с.

Белорусский государственный университет, Республика Беларусь

УДК 681.3

Г.П. Сапожников

ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ПО ПОВЫШЕНИЮ РЕСУРСОЭФФЕКТИВНОСТИ НА ОСНОВЕ ОПТИМИЗАЦИОННОГО ПОДХОДА И ЭКСПЕРТНОГО ОЦЕНИВАНИЯ

Возможности мониторинго-рейтингового оценивания функционирования некоммерческих организаций (НО) создает предпосылки для совершенствования систем управления за счет сочетания административного управления и интеллектуальной поддержки принимаемых администрацией решений [1].

При административном управлении, основанном на экспертном анализе предыдущего опыта, логических и интуитивных заключениях не удается учесть все возникающие взаимосвязи факторов, влияющих на целевые установки. Тем более возникает неопределенность в достижении наилучшего результата по комплексному показателю ресурсоэффективности

=( , )

где − доходы от основной деятельности НО; − расходы на основную деятельность НО, и риск принятия

управленческих решений, далеких от оптимальных.

С целью повышения эффективности управленческого процесса предлагается сформировать контур управления, обеспечивающий интеллектуальную поддержку принятия решений администрацией НО. Возможность интеллектуализации определяется наличием характеризации основных направлений деятельности вуза на основе мониторинго-рейтинговой

информации [1]. В течение = 1, календарных периодов федеральным органом исполнительной власти в сфере высшего образования проводится мониторинг эффективности деятельности образовательных организаций высшего образования и трудоустройства выпускников. Кроме того некоммерческие образовательные

11

организации участвуют в рейтинговом оценивании, проводимом агентствами и ассоциацией негосударственных вузов [2].

= 1, −

административного управления как основание для выбора экспертного решения. Возможность количественной обработки и последующего формализованного анализа данных мониторингов и рейтингов обеспечивает применение современных методов обработки информации [3], моделирования и оптимизации при выработке управленческих решений. Формализованные и административные решения необходимо согласовать для принятия окончательного решения в рамках трехконтурной системы управления (рисунок).

Структурная схема управления ресурсоэффективностью некоммерческой образовательной организации на основе мониторинго-рейтингового оценивания

результатов деятельности

12

В этой схеме к двум контурам административного управления добавляется третий контур интеллектуальной поддержки принятия решений. Первая задача, которая решается в рамках этого контура, - сокращение размерности числа показателей мониторингового оценивания для последующего упрощения решения задач моделирования и оптимизации. Редукция осуществляется на базе экспертного анализа временных рядов показателей за период = 1, по значимости влияния на изменение доходов и расходов. При этом эксперты ориентируются на количественные оценки тесноты корреляционной связи между величинами доходов и расходов и факторов, влияющих на их изменение. Далее осуществляется обработка редуцированной мониторинговой информации и используется многометодный подход к построению прогностических моделей, ориентированных на последующее принятие управленческих решений:

1)построение прогностических моделей на основе обработки данных временных рядов;

2)построение прогностической модели ресурсоэффективности с использованием регрессионного анализа и включения времени в модель;

3)нейросетевое моделирование на основе трансформации значений временных рядов и прогностических моделей, полученных при реализации методов п.1.2, в статистические выборки.

Наличие регрессионных и нейросетевых моделей позволяет перейти к оптимизации управленческих решений. С этой целью предлагается использовать оптимизационно-экспертное оценивание для решения трех задач интеллектуальной поддержки принятия решений. Первая из них позволяет экспертам оценивать множество вариантов решения задачи оптимизации при заданном горизонте перспективного планирования. Каждый вариант представляет собой значения дополнительных затрат, позволяющих повысить значение ресурсоэффективности до заданного уровня. Вторая – направлена на поддержку выбора управленческого решения по использованию дополнительных затрат, определенных решением первой задачи, для перехода на более высокую позицию при рейтинговом оценивании. Устанавливаются на основе решения задачи оптимизации значения воздействий, характеризующих условий достижения этой позиции при заданном в первой задаче значении ресурсоэффективности. Третья задача состоит в оптимальном распределении дополнительных затрат между условиями повышения ресурсоэффективности и перехода на более высокую позицию в рейтинге.

Полученные результаты оптимизационно-экспертного оценивания обеспечивают эффективный уровень согласования административных и формализованных управленческих решений.

13

Литература

1.Зернов В.А. Критерии мониторинга как эффективный инструмент повышения конкурентоспособности отечественного образования//Высшее образование сегодня.–2013.–№7.–С.4-9.

2.Измерение рейтингов университетов: международный и российский опыт/ Под ред. Ф.Э. Шереги и А.П. Арефьева.–М.: Центр социологических исследований, 2004.–204 с.

3.Новиков Д.А. Теория управления организационными системами.– 2-е изд.– М.: Физматлит, 2007.– 584 с.

АНОО ВО «Российский новый университет», Россия

УДК 004.6

А.Ф. Бобрик, М.С. Абазян, Ф.Ю. Лозбинев

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ

В современном мире искусственный интеллект – одна из ключевых сфер информатики, которая имеет как фундаментальные, чисто научные основы, так и весьма развитые технические, прикладные аспекты, включающие в себя создание и последующее использование работоспособных образцов интеллектуальных систем.

Термин интеллект (intelligence) исходит от латинского «intellectus» – что означает ум, рассудок, разум; мыслительные способности человека. Термин искусственный интеллект (artificial intelligence) возник в 1956 году на одном из семинаров в Станфордском университете в Соедин нных Штатах Америки. Термин обычно понимается как свойство автоматических систем брать на себя отдельные функции интеллекта человека, к примеру, выбирать и принимать оптимальные решения на основе ранее полученного опыта и рационального анализа внешних воздействий [0].

За все время развития сформировалось три подхода к построению систем искусственного интеллекта.

Первый подход предполагает применение структуры и механизмов работы человеческого мозга в качестве объекта исследования, а конечной целью определяет раскрытие всех тайн мышления как процесса.

Во втором же подходе объектом исследования является непосредственно сам искусственный интеллект. Конечная цель данного подхода заключается в создании программного обеспечения, позволяющего вычислительным машинам справляться с интеллектуальными задачами как минимум не хуже человека.

Третий подход направлен на формирование смешанных человекомашинных, или, как говорится, интерактивных интеллектуальных систем,

14

которые позволяют создать симбиоз возможностей естественного и искусственного интеллекта.

На сегодняшний день эффективность государственного и муниципального управления во многом определяется действенностью принимаемых управленческих решений, как на федеральном, так и на региональном и муниципальном уровнях власти, отсутствие действенных механизмов и инструментов взаимодействия между которыми не позволяет эффективно развиваться субъектам хозяйствования, экономике страны и самой системе государственного управления в Российской Федерации в целом.

Современные системы поддержки принятия решений (СППР) возникли вследствие развития управленческих информационных систем и систем управления базами данных (СУБД). Они представляют собой системы, приспособленные к решению текущих задач, возникающих в управленческой деятельности. Это мощный инструмент, который позволяет помочь лицам, принимающим решения (ЛПР), решить сложные неструктурированные задачи.

Принятые в Российской Федерации к 2017 году документы стратегического планирования предусматривают мероприятия, направленные на стимулирование развития цифровых технологий и искусственного интеллекта, а также их применение в разных секторах экономики.

Указом Президента Российской Федерации утверждена Стратегия развития информационного общества в Российской Федерации на 2017 – 2030 годы.

Согласно данному документу государство создает благоприятные условия для применения информационных и коммуникационных технологий. Совершенствуются законодательство Российской Федерации, административные процедуры и бизнес – процессы коммерческих организаций. Сформированы национальные технологические платформы онлайнобразования, онлайн-медицины, единая инфраструктура электронного правительства, Национальная электронная библиотека. Граждане осведомлены о преимуществах получения информации, приобретения товаров и получения услуг с использованием сети «Интернет», а также имеют возможность получать финансовые услуги в электронной форме, онлайн-образование, услуги онлайнмедицины, электронных библиотек, государственные и муниципальные услуги

[0].

Отечественные специалисты в качестве сфер – лидеров по внедрению и применению искусственного интеллекта определяют маркетинг и рекламу, ритейл, банкинг, телекоммуникации и промышленный комплекс.

В промышленности это чаще всего рекомендательные системы для принятия технологических решений и повышения безопасности производства, в розничной торговле – это решение логистических задач, изучение поведения покупателей, а в банках искусственный интеллект используют для формирования индивидуальных предложений, повышения эффективности таргетингов.

15

Эксперты считают, что в 2019 – 2024 годах искусственный интеллект повлияет на экономический рост, производительность труда и инновационное развитие. Кроме того, ожидается существенное влияние искусственного интеллекта на создание рабочих мест, в частности, появление новых

интерпретация данных), но и наличие и квалификация специалистов и необходимость изменения существующих бизнес – моделей.

27 февраля 2019 года Президентом России, Владимиром Путиным, в рамках реализации послания Федеральному Собранию было поручено в срок до 15 июня 2019 года разработать национальную стратегию в области искусственного интеллекта.

Вконце 2018 года TAdviser (портал выбора технологий и поставщиков) подготовил обзор, посвященный развитию технологий искусственного интеллекта и машинного обучения в России, пут м замены сотрудников роботами, расширения возможностей программных продуктов средствами искусственного интеллекта, применения новых методов машинного обучения.

Пришло время развивать искусственный интеллект и IT – технологии в системе государственного управления народным хозяйством, создавать «цифровую экономику», способствующую повышению эффективности функционирования, как самого государства, так и повышению качества жизни его граждан.

Обратим внимание на актуальные подходы ведущих технологических государств к развитию и использованию технологий искусственного интеллекта [0].

Тема искусственного интеллекта и роботов в Великобритании развивается в государственном контексте по двум направлениям: грантовое финансирование разработок и их внедрения в компаниях коммерческого сектора; финансирование исследований в учебных и исследовательских организациях. Цифровая стратегия Великобритании включает в себя семь направлений: связь, цифровые навыки и включение в цифровую жизнь, цифровые сектора, расширение экономики, киберпространство, цифровое правительство, экономика данных.

ВСоедин нных Штатах Америки имеется подобный политический документ «Национальный стратегический план исследований и разработок в области искусственного интеллекта». США в сфере искусственного интеллекта ставят перед собой целью удержание мирового лидерства и создание системы вооружений на основе имеющихся только в этой стране технологий, которую ни одна страна в мире не сможет ни скопировать, ни применить. В своих подходах США, помимо прочего, исходят из того, что «победитель получает вс » и гонки вооружений неизбежны, но ими можно управлять; предотвращение военного использования искусственного интеллекта невозможно и ИИ может стать мощным инструментом «мягкой силы».

16

Китай стремится стать «научно – технической сверхдержавой», мировым центром инноваций в области искусственного интеллекта (лидером во всех областях ИИ) с активной коммерческой индустрией ИИ и лидером в создании промышленных роботов. КНР придерживается политики «приоткрытой двери»: бер т у открытого рынка новые технологии и лучших специалистов, одновременно не давая иностранным компаниям упрочиться на сво м рынке. Поощряются поглощения иностранных компаний для получения доступа к технологиям. Обязательным условием выхода иностранных компаний на китайский рынок вс чаще становится передача технологий. Проповедуется технонационализм, который предполагает агрессивную защиту китайских компаний от зарубежных конкурентов и поглощений.

На сегодняшний день Израиль занимает лидирующие позиции по разработке искусственного интеллекта. Согласно данным Национального совета по научным исследованиям и развитию при Министерстве науки Израиля, около 898 компаний задействованы в сферу этой деятельности, что включает в себя такие направления, как большие данные (big data), машинное обучение (machine learning), интеллектуальные системы и программы.

Технологии искусственного интеллекта не обошли и сферу здравоохранения. Одним из умных медицинских продуктов является стартап Medial EarlySign – система, способная выявлять возможные серьезные заболевания у пациентов еще до проявления симптомов. Кроме того, настоящим помощником врачей может стать платформа Zebra Medical Vision, анализирующая рентгеновские снимки и результаты компьютерной томографии (КТ) и магнитно – резонансной томографии (МРТ) для выявления заболеваний или патологических изменений на ранних стадиях и оценки профиля рисков каждого пациента.

Таким образом, в статье актуализируются вопросы, связанные с искусственным интеллектом, биобезопасностью, наноиндустрией и сферой безопасности современного общества.

Ученым необходимо обратить особое внимание на объективно возникающие сложности при создании инновационных проектов и применения обновленных технологий, способствующих развитию системы искусственного интеллекта, проектированию компьютерных систем, способных решать интеллектуальные задачи, например, в области робототехники и нанобиотехнологий, непосредственно касающихся сферы безопасности общества.

Искусственный интеллект представляет собой результат человеческой деятельности, способный логически мыслить, управлять своими действиями, обосновывать свои решения, которые он может корректировать в случае изменения условий.

Активное применение компьютерных технологий, нанобиотехнологий может позволить кардинально изменить рефлексию человека, изменить культурные программы и коммуникационные технологии, влияющие на

17

экзистенциональные характеристики личности и многозначность существующих общественных отношений.

Искусственный интеллект аккумулирует, проецирует и обновляет нанобиотехнологии, взаимодействует с пользователем на естественном языке с учетом современных достижений в робототехнике и наноиндустрии.

Литература

1.Сотник С. Л., «Основы проектирования систем искусственного интеллекта» – 1998. URL: http://perviydoc.ru/v40692/%D1%81%D0.

2.Указ Президента Российской Федерации от 9 мая 2017 г. № 203 «О Стратегии развития информационного общества в Российской Федерации на 2017 – 2030 гг.»

3.Развитие искусственного интеллекта в странах мира: США, Китай, Великобритания. [Электронный ресурс]: Экспертный центр электронного государства. URL: http://d-russia.ru/razvitie-iskusstvennogo-intellekta-v-stranah- mira-ssha-kitaj-velikobritaniya.html (дата обращения 11.05.2019).

ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Брянский филиал, Россия

УДК 378.018.43

В.В. Донцова, Ф.Ю. Лозбинев

КОМПЬЮТЕРНОЕ ТЕСТИРОВАНИЕ КАК ФОРМА КОНТРОЛЯ

ВСИСТЕМЕ ДИСТАНЦИОННОГО ОБУЧЕНИЯ

Вданной статье рассматривается одна из наиболее инновационных форм образовательной деятельности – дистанционное обучение. Раскрывается сущность компьютерного тестирования как способа контроля в дистанционном обучении, а также приводится пример одной из распростран нных систем дистанционного обучения Moodle.

Проверка результатов обучения, то есть контроль, является обязательным элементом образовательного процесса. Его суть заключается в проверке уровня полученных знаний обучающимися, который должен соответствовать предъявленным требованиям. На сегодняшний день контроль обучения все больше осуществляется в форме тестирования, а с появлением новых информационно-телекоммуникационных технологий – компьютерного тестирования. Оно позволяет не только технологически упростить процесс проверки знаний, но и всесторонне оценить качество этих знаний.

Особенно важное значение компьютерное тестирование приобретает в системе дистанционного обучения (СДО). Сегодня оно является новейшей формой в системе образования, за которой, как считают многие исследователи, стоит ее будущее, так как современный человек имеет возможность получать

18

образование непрерывно, то есть на протяжении всей своей жизни, в чем и может помочь ему такая форма обучения.

Оно ориентировано на самостоятельную работу студентов без отрыва от основной деятельности, в удобное для него время, без необходимости находиться в определенном месте.

В связи со сложностью программно-аппаратного комплекса такой системы возникает проблема контроля учебной деятельности обучающегося, ведь необходимо следить за процессом обучения пользователей, отслеживать их достижения и многое другое. При этом сама форма дистанционного обучения значительно усложняет полноценный контроль знаний, из-за удаленности в пространстве, а иногда и во времени обучающегося и преподавателя. Поэтому правильно построенная система проверки и оценки полученных обучающимися знаний является одним из эффективных средств совершенствования процесса обучения на дистанции.

Существуют три главных принципа в осуществлении контроля, которые должны соблюдаться в дистанционном обучении:

-принцип объективности - познавательная деятельность в дистанционном обучении должна оцениваться при минимальном воздействии субъективного фактора;

-принцип демократичности - в дистанционном обучении должны создаваться равные условия для всех обучающихся, проходящих контроль;

-принцип массовости и кратковременности - контроль с помощью дистанционных технологий должен быть организован так, чтобы за как можно меньшее время осуществить проверку знаний у большого количества испытуемых [2].

Так что же контролируется в системе дистанционного обучения? Существует два подхода.

Первый подход связан с контролем активности обучающегося. Речь идет об отслеживании числа доступов, количества пройденных лекций, практических занятий или лабораторных работ, а также времени, затраченного им на прохождение определенной части курса. Но у данного подхода есть существенный недостаток: невозможно точно выявить, приносят ли пользу обучающемуся эти занятия, получил ли он необходимые знания.

Другой подход основан на выявлении компетентности обучающегося в изучаемом им предмете. Здесь же оценивается то, насколько хорошо он усвоил материал (проверка теоретических знаний) и умеет применять его на практике (проверка практических умений). Именно такой подход часто используется в системе дистанционного образования [3].

Для оценки результатов образовательной деятельности студентов в дистанционном обучении в настоящее время применяются самые разнообразные методы: проектная деятельность, письменный отчет, кейсовые технологии и многие другие. Но одним из наиболее эффективных форм контроля считается именно компьютерное тестирование. Оно позволяет

19