Учебное пособие 2125

УДК 378.1

Н.А. Стукалова, Л.В. Семилетова, Д.О. Стукалов

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ОБРАЗОВАНИИ

Технологии электронного обучения широко применяются в учебном процессе. В Тверском государственном техническом университете используется LSD MOODLE. На наш взгляд, эта система обучения заслуживает внимания, так как предлагает достаточное количество инструментов для обучения. Одним из таких инструментов является База данных.

Коллекция (база данных) – это таблица, столбцы которой являются полями, а строки – записями. Записи – это некоторые объекты, поля – это свойства, которыми этот объект обладает. База данных – это активный элемент курса, который позволяет участникам формировать записи, имеющие заранее определ нную ч ткую структуру. К определ нному объекту предлагаются типы полей: текстовые и числовые. Из всех активных элементов курса База данных наиболее близка к элементу Глоссарий. По сути, Глоссарий представляет собой базу данных с фиксированными полями и форматами представления. Ещ одним элементом курса является Форум, но он немного уступает Базе в удобстве. В Базе главным является запись, комментарии лишь позволяют е улучшить, в Форуме главное – это обсуждение, а запись только повод для полемики. [1]

Мы пробовали использовать Базы данных в различных качествах. Первое традиционное использование – это библиотека учебных и методических пособий. Преимущества библиотеки, организованной с помощью базы данных,

— удобство заполнения благодаря заданной структуре, удобный поиск, возможность представления каждого издания.

Также в формате Базы была реализована организация проведения конференции. Участник записывается на курс и созда т запись в Базе данных, указывает секцию, название доклада, имя руководителя. Позже сюда же он выкладывает тезисы, текст доклада, презентацию и т.п., при этом можно дать возможность каждому участнику посмотреть другие доклады, в комментариях задать вопросы, дать рекомендации.

Ещ одна интересная идея использования Базы – это создание терминологического словаря по предмету или по теме. Оформление записи должно быть настроено преподавателем с помощью шаблонов, а каждый студент заполняет свой словарь.

Отдельно хочется отметить удобство организации отчета по практике. Студент созда т учетную запись, выбирает руководителя. Руководитель выда т практиканту задание. И студент ежедневно заполняет дневник по практике, размещает все отчетные документы. Конечно, работа по отслеживанию полноты отчета и каждодневные проверки ложится на плечи преподавателя – руководителя практики. Но это каждодневное заполнение стимулирует работу

90

студента. А если некоторым студентам дать роль старосты на данном курсе, то они смогут видеть работу всех студентов группы, работать с отстающими. Сколько таких старост назначать очень зависит от группы, уровня подготовки студентов и их сознательности. Мы пробовали назначать от одного студента до всех в группе, результаты были очень разные, но все – это очень много, и тогда все ждут, что сделает кто-то другой, а один человек не успевает отслеживать работу других. Поэтому, в такой ситуации нужно положиться на опыт и педагогическое мастерство преподавателя. [2]

Создавая элемент Базы данных, обратите внимание на следующие разделы.

1.Записи: здесь указывается, возможны ли комментарии, регламентируется максимальное количество записей, разрешенных студенту, количество записей, необходимых для просмотра.

2.Оценки: у студентов нет прав для оценивания записей в Базе. Но если рассматривать Базу как средство коллективной работы, то такие права студенту нужно дать.

3.RSS: уведомления об изменениях Базы данных не рассылает. С помощью блока «Внешние RSS-ленты» можно добавить новостную ленту в курс. И чтобы База данных отображалась в новостной ленте, необходимо в е настройках указать количество записей в RSS-ленте, отличное от нуля.

База данных требует дополнительных настроек, производимых как в целом на сайте MOODLE администратором, так и в конкретном курсе, и в элементе база данных. Чтобы студенты могли оценивать записи других участников и видеть свои оценки, необходимо предоставить права в созданной Базе данных.

отладки, но эта структура тем не менее да т преподавателю очень мощный инструмент прежде всего для организации коллективной работы студентов.

Литература

1. Стукалова Н.А. Использование электронных курсов в процессе обучения / Н.А. Стукалова, Л.В. Семилетова // Инновации в науке: пути развития: материалы X Всерос. науч.-практ. конф. – Чебоксары, 2019. -

С. 141-143.

2. Стукалова Н.А. Использование информационных технологий в учебном процессе / Н.А. Стукалова, Л.В. Семилетова // Интеллектуальные и информационные системы: материалы Междунар. науч.-практ. конф. - 2018. -

С. 96-99.

ФГБОУ ВО «Тверской государственный технический университет», ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики», Россия

91

УДК 004.942

Н.В. Макушева, И.Л. Артемьева, В.Л. Завьялова

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ В ИССЛЕДОВАНИИ ВОСПРИЯТИЯ РЕЧИ НА ЯЗЫКЕ-ПОСРЕДНИКЕ С ПРИЗНАКАМИ

ИНТЕРФЕРЕНЦИИ

В условиях современного экономического и культурного взаимодействия успешная речевая коммуникация на языке-посреднике является необходимостью. Для АТР, как и для многих других регионов, таким языком является английский. Зачастую участники коммуникационного процесса – это поздние билингвы, не владеющие языком на уровне носителей. Фонетическая сторона речи неносителей может быть изменена вследствие интерференции родного языка, иногда до такой степени, что неподготовленному слушателю крайне трудно ее декодировать при восприятии [8].

Для систем автоматического распознавания речи анализ речи с признаками иноязычного акцента, наряду с распознаванием речи в условиях зашумленного канала связи, представляет одну из наибольших проблем. В связи с этим возникает острая необходимость в разработке методов декодирования такой речи, которые могут быть использованы в системах автоматического распознавания; а также в подготовке переводчиков, способных понимать на слух англоязычную речь этнических представителей стран АТР, а также в создании систем автоматического распознавания акцентов.

Существуют различные подходы к декодированию языка в форме звучащей речи, но все они пока не дают результатов в задачах декодирования речи с акцентом. На данном этапе лидером в распознавании искаженной речи является человек. Применение принципов работы естественного интеллекта не является обязательным в создании систем искусственного интеллекта, но понимание того, как устроен естественный процесс восприятия речи может быть полезным в создании систем автоматического распознавания.

Задача данного исследования – разработать программное обеспечение для проведения модельных экспериментов в области прикладной лингвистики, необходимых для исследования процесса восприятия речи. Ключевая цель разработки – реализация такого алгоритма, который бы моделировал работу мозга и был достаточно прозрачным для экспериментатора, что даст необходимые возможности для дальнейшего исследования. Фактически такое ПО не может считаться системой искусственного интеллекта, но эта разработка является важным подготовительным этапом в создании ПО для распознавания искаженной речи. Разрабатываемая программная система позволит активно взаимодействовать со специалистами в области лингвистики, интегрировать их знания и опыт в математическую и компьютерную модель, что в свою очередь даст возможность приблизить ее к действительности. Кроме того,

92

компьютерная модель имеет ряд преимуществ по сравнению с исследованиями методом натурных экспериментов. Например, инструментальные исследования когнитивных процессов, таких, как восприятие речи, не могут проходить «в чистом виде», всегда будет сохраняться влияние других процессов. Это приводит к «размытости» результатов и к ошибочному формированию гипотез для дальнейших исследований. Компьютерная модель позволяет выделить «чистый» процесс, на который не воздействуют никакие другие факторы. Эксперименты, проводимые с помощью компьютерной модели, будут требовать гораздо меньше времени и человеческих ресурсов, чем натурные эксперименты. Тем не менее, на этапе отладки системы необходимым будет проведение экспериментов с одинаковым дизайном на модели и с участием билингвов и переводчиков. Это позволит понять, насколько модель соответствует действительности, выявить необходимость доработки и разобраться в том, что именно и как требуется доработать.

Многие модели восприятия речи реализованы на основе нейросетей, их главный недостаток – отсутствие прозрачности для экспериментатора, что отмечают специалисты из области лингвистики, психолингвистики и смежных областей. Онтологический подход [6] позволяет получить необходимую прозрачность модели и реализации, и в данном случае является, как считают авторы, оптимальным решением.

Разрабатываемая программная система представляет собой симулятор коммуникативного процесса с изменяемыми параметрами. В нем работают два ключевых модуля: генератор входного речевого сигнала и дешифратор, работающий по принципу двухпотоковой обработки речевого сигнала [1, 3]. В генераторе используется модель речи с иноязычным акцентом, разработанная В.Л. Завьяловой [7]. Для создания алгоритма двухпотоковой обработки используется онтологическая модель предметной области, описывающая работу мозга человека. В результате работы дешифратора создается отображение последовательности входного сигнала на семантическую сеть, которое демонстрирует степень понимания речи. Изменение параметров симулятора позволит воссоздавать различные коммуникативные ситуации.

Рис. 1. Схема организации языка

93

Человеческая речь представляет собой последовательность звуковых сигналов с различными спектральными характеристиками. Единицей речевого сигнала принято считать фонему – такой звук, который обладает уникальными индивидуальными характеристиками, отличающими его от других фонем. Уникальные фонематические последовательности кодируют семантические единицы, которые в свою очередь объединяются в синтаксические последовательности, отображающие семантические категории (рис. 1). Этот процесс обеспечивает коммуникативную функцию, доступную homo sapiens.

Жизнь носителей языка (в модели) протекает в дискретном времени.

Носители языка (индивиды) могут обучаться языку – накапливать языковой ресурс, и коммуницировать друг с другом – передавать языковой ресурс друг другу путем копирования. Как показывают современные исследования, обучение языку во взрослом возрасте происходит с использованием тех же самых механизмов, которые задействованы у детей [2]. С предъявлением нового слова (или псевдо-слова) в мозге формируется след памяти (группа нейронов, реагирующая на предъявление соответствующего стимула). Каждое новое обращение к сформированному следу памяти активирует его и повышает эффективность ответа. При этом активация следа памяти (структурного узла мозга), связанного со словом, происходит не только при активном использовании (произнесении слова), но и при пассивном предъявлении слова, даже тогда, когда слушающий не сосредотачивает на нем свое внимание [4].

Для того, чтобы смоделировать этот процесс, мы выделили в индивидуальном языке носителя (распознаваемом множестве элементов)

пассивное (понимаемое) и активное (используемое в речи) подмножества, так, что активное подмножество включено в пассивное подмножество, а пассивное подмножество в свою очередь включено в множество индивидуального языка (рис. 2). Включенность структурного элемента языка в то или иное подмножество характеризуется значением счетчика его предъявлений.

94

Рис. 2. Подмножества языковых элементов, которыми обладает индивид

Разрабатываемая программная система предназначена для моделирования процесса восприятия речи с возможными нарушениями. Изменяемые параметры позволят воспроизводить различные коммуникативные ситуации, различные состояния слушающего, влияющие на распознавание. В частности, важным фактором для распознавания считается внимание, которое может быть направленно на различные аспекты речи (фонологический, семантический и т.д.). Кроме того, значимую роль могут играть языковые навыки слушающего (переводчика), не связанные с английским языком, зашумленность речевого сигнала, знание контекста и т.д. Программная система позволит провести модельные эксперименты, демонстрирующие степень влияния различных факторов на восприятие искаженной акцентом речи.

Таким образом, успешное компьютерное моделирование может способствовать решению двух существующих проблем: разработке методик обучения переводчиков восприятию речи, искаженной иноязычным акцентом, и разработке систем автоматического распознавания речи с признаками иноязычного акцента.

Литература

1.Bornkessel-Schlesewsky I. Neurobiological roots of language in primate audition: common computational properties [Текст] / Bornkessel-Schlesewsky I., Schlesewsky M., Small S.L., Rauschecker J.P. // Trends in Cognitive Sciences. – 2015. – №19(3). – С.142–150.

2.Friederici A.D. Brain signatures of artificial language processing:

Evidence challenging the critical period hypothesis [Текст] / A.D. Friederici, K. Steinhauer, E. Pfeifer // PNAS. – 2002. – № 99-1. – С. 529–534.

95

3.Hickok G. The cortical organization of speech processing: Feedback

control and predictive coding the context of a dual-stream model [Текст] /

G.Hickok // Journal of Communication Disorders. – 2012. – № 45(6). – С. 393–402.

4.Rapid and automatic speech-specific learning mechanism in human neocortex [Текст] / L. Kimppa, T. Kujala, A. Leminen, M. Vainio, Y. Shtyrov // NeuroImage. – 2015. – № 118. – С. 282–291.

5.Moulin-Frier C. Recognizing Speech in a Novel Accent: The Motor Theory of Speech Perception Reframed [Текст] / C. Moulin-Frier, M.A. Arbib // Biological Cybernetics. – 2013. – № 107-4. – С. 421–447.

6.Артемьева И.Л. Сложно-структурированные предметные области.

7.Завьялова В.Л. Звуковой строй английского языка Восточной Азии: концепция регионального фонетического варьирования [Текст]: дис. на соиск. учен. степ. д-ра филол. наук : 10.02.20 / В.Л. Завьялова; ДВФУ. – Владивосток.

–2018. – 584 с.

8.Шайдуллина Д.С. К вопросу о трудностях синхронного перевода английской речи носителей языков Восточной Азии [Текст] / Д.С. Шайдуллина, В.Л. Завьялова // Социальные и гуманитарные науки на Дальнем Востоке. – 2016. – № 2 (50) . – С. 142–149.

ФГАОУ ВО «Дальневосточный федеральный университет», Россия

УДК 681.3

Д.В. Иванов

ПРИНЦИПЫ ОБЪЕКТНО-ОРИЕНТИРОВАННОГО ПОДХОДА В ИНВЕСТИЦИОННОМ ПРОЕКТИРОВАНИИ

Исследование методов инвестиционного проектирования требует комплексного подхода, основанного на синергетическом эффекте комбинаций различных механизмов, включая системный подход, объектноориентированный подход и их разновидности. Конечно, в общем виде даже постановка задачи является достаточно трудоемким процессом, что приводит к комбинации отдельно взятых подходов применимых в конкретной прикладной сфере. Инвестиционный процесс в современных условиях требует принятие оптимального решения на всех уровнях социально-экономической системы, где зачастую в уже оптимальный портфель включаются дополнительные условия, так же требующие оптимизации в целом. Требование построения сложных механизмов инвестиционного проектирования зачастую обусловлено постановкой задачи в конкретной прикладной сфере, где требуется формирование математического обеспечения в рамках заданных бизнес-планов с учетом долгосрочных и краткосрочных прогнозов.

96

Классические методы учитывают стохастическую природу инвестиционного процесса, однако следует отметить, что принятие инвестиционных управленческих решений зачастую носит характер неопределенности [1,2]. Соответственно, принцип неопределенности существенно ограничивает применимость классических подходов. Кроме того, исследователи обращают внимание на необходимость применения не только системного, но и объектно-ориентированного подхода в инвестиционном проектировании [3,4]. Альтернативой здесь могут выступать подходы, сочетающие возможности мультиагентных технологий, теории игр, нечетких множеств и т.п [3].

При рассмотрении инвестиционного процесса с точки зрения классического подхода, необходимо произвести декомпозицию инвестиционного проекта на отдельные функциональные блоки с описанием связей между ними. В терминах нотаций IDEF такой подход получил название структурный или функциональный. Такой подход рассматривает каждый инвестиционный проект как уникальный, соответственно, требуется каждый раз накопление, систематизация и учет опыта и знаний экспертов. Здесь высока роль экспертов, соответственно, велик человеческий фактор.

Отличительной чертой объектно-ориентированного подхода в сравнении с структурным является объектная декомпозиция. При таком подходе элементы системы представляют собой объекты, которые обладают поведением, в основе которого лежит модель объекта реального мира.

Если подойти формально, то в понятиях объектно-ориентированного подхода объект есть сущность, обладающая характерным поведением и характеристиками, которая является существенной в прикладной сфере. В свою очередь класс представляет собой шаблон поведения объектов определенного типа с конкретно определенными параметрами. Объекты одного класса имеют те же свойства и методы реакции на те или иные сообщения.

Класс является обобщением объектов в некий шаблон свойств и поведения. С точки зрения программиста всегда вначале описывается класс, а затем определяются экземпляры класса (объекты) с заданными характеристиками и поведением. На практике, с точки зрения исследователя класс не всегда существует, поэтому приходится заниматься изучением отдельных объектов, а затем сводить полученные результаты в обобщающие структуры, которые и будем именовать классами. Следует сделать вывод, что объект является самостоятельной системой, представляющую некую сущность реального мира.

Дадим определение инвестиционному объекту – это технический объект, представляющий собой социально-экономическую сущность инвестиционного проекта, элементы которого являются активными и способны самостоятельно принимать решения на основе собственных целей и в зависимости от параметров состояний внешней и внутренней сред.

Объектно-ориентированный подход по сути является одной из парадигм проектирования, где задача ООП заключается в разработке четко определенной

97

объектной системы. ООП особенно помогает справляться со сложностью и создавать многократно используемый компьютерный код. Разбивая цели на группы небольших задач, выполняемых различными объектами, появляется возможность реализации динамического подхода, в основе которого будет лежать объектно-ориентированная парадигма. Этот подход подчеркивает возможность повторного использования кода, что особенно важно в условиях нехватки времени при проектировании. Возможность добавлять готовые объекты в новые задачи значительно ускоряет процесс разработки.

Любой процесс решения проблем на основе объектно-ориентированного подхода можно разделить на три основные категории: анализ, проектирование и реализация. Анализ относится к выявлению соответствующих объектов, отвечающих за различные задачи и связям между ними. После того как объекты определены, они обобщаются в классы, где осуществляется проектирование методов моделирования и обработки данных [5]. На этапе реализации полученные результаты преобразуются в программный код.

На рисунке представим пример проектирования классов.

Пример проектирования классов

При более сложных моделях построения следует пользоваться принципами pattern-проектирования для рефакторинга [5].

Набор классов в упрощенном коде языка C# выглядят следующим образом: public class Allocation {

float AllocationWeight;

public void ExecuteAllocation(){ } public void GetAllocationWeigth(){ }

}

public class InvestmentProA : Allocation { string Name;

double NPV[]; double IRR[]; float w;

float F;

public void SetNPV() { } public void SetIRR() { }

98

public void SetW() { }

public double GetFunctional() { }

}

public class Asset: Allocation { double Volatility;

double Price;

public void SetVolatility() { } public void SetPrice() { } public double GetVolatility() { } public double GetPrice() { }

}

Таким образом, выявив недостатки структурной парадигмы в инвестиционном проектировании, а также ограниченность применимости современных методов, был исследован объектно-ориентированный подход, расширяющий возможности работы с инвестиционными процессами. Предложено определение инвестиционного объекта и принципов построения сложных инвестиционных систем на основе ООП. Инвестиционное проектирование, основанное на объектно-ориентированном подходе, позволит снизить трудоемкость работ и ускорить процесс разработки системы в целом.

Литература

1.Бирман Г. Экономический анализ инвестиционных проектов (Пер. с англ. под ред. Л. П. Белых) [Текст] / Г. Бирман, С. Шмидт. - М.: Банки и биржи, ЮНИТИ, 2017. - 631 с.

2.Грачева М.В. Проектный анализ [Текст] / М.В. Грачева, И.М. Волков. - М.: ЮНИТИ, 2018.

3.Иванов Д.В. Интеллектуализация принятия решений при распределении инвестиционных ресурсов в условиях неопределенности [Текст] / Д.В. Иванов // Вестник Воронежского государственного технического университета. - 2014. - Т.10. - № 4. - С. 28-31.

4.Иванов Д.В. Алгоритмизация процедур принятия решений в рамках инвестиционных процессов в условиях неопределенности [Текст] / Д.В. Иванов

//Инновационный вестник Регион. - Воронеж. - 2013. - № 3. - С. 47-51.

5.Иванов Д.В. Алгоритмизация процедур принятия решения для социотехнических объектов на основе теоретико-игровых методов и мультиагентных технологий в условиях риска [Текст] / Д.В. Иванов // Известия Юго-западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2016. - № 4 (21). - С. 11-18.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

99