авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 8 | 9 || 11 |

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ (МЭСИ) IV Российская ...»

-- [ Страница 10 ] --

Инструментальные оболочки, для создания игр по различным темам, дают возможность:

отрабатывать методы анализа различных ситуаций, формировать навыки по принятию решений;

расширять знания о предметной области;

совершенствовать навыки по применению методов представления знаний;

углублять знания подходов и методов инженерии знаний.

198 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ - concept name="P3" comments="" PRDU / - PSTU element name="P3" min="1" max="1" w="1" / /PSTU - SPIM_VU element name="P3" w="0" / /SPIM_VU SPIM_NU / /concept … - concept name="OP1" comments="" - PRDU element name="P1" min="1" max="1" w="1" / element name="P2" min="1" max="1" w="1" / element name="OP4" min="1" max="1" w="1" / /PRDU - PSTU element name="OP1" min="1" max="1" w="1" / /PSTU SPIM_VU / SPIM_NU / /concept Рис.1. Фрагмент описания виртуального объекта.

Применение в обучении подхода, ориентированного на конечный результат применения знаний из многих областей и включающего, разработку виртуального интеллектуального объекта в виртуальной среде дает возможность решать следующие задачи по использованию:

методов анализа различных ситуаций, навыков по принятию решений;

знаний о предметной области;

методов представления знаний;

подходов и методов инженерии знаний;

навыков в области компьютерной графики;

методов объектно-орентированного программирвания;

агентно-ориентированного подхода к разработке интеллектуальных программных систем;

методов планирования, распознавания, обучения;

методов коллективного поведения интеллектуальных агентов и некоторые другие.

Такой подход требует от обучаемых знаний и умений во многих, из перечисленных облас тей, и навыков в разработке сложных программных систем. На рис.1 представлен фрагмент описа ния виртуального объекта с использованием интегрированного метода представления знаний.

Реализация системы осуществлена с помощью языков программирования высокого уровня.

Литература:

Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке 1.

корпоративных информационных систем // Новости искусственного интеллекта. – 2003. - №2. – с.

24-29.

Бельчиков Я.М., Бирштейн М.М. Деловые игры. - Рига: Авотс, 1989. - 304 c.

2.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ Тельнов Ю.Ф. Интеллектуальные информационные системы в эко-номике. Учебное 3.

пособие. Издание третье, расширенное и дорабо-танное. Серия "Экономика и бизнес". – М.: СИН ТЕГ, 2002, 316 с.

Трембач В.М. Компьютерные методы представления и формирования знаний для 4.

синтеза планов решений // Новости искусственного интеллекта. – 2005. - №3. – с. 51-62.

ИСПОЛЬЗОВАНИЕ СПЕЦИАЛИЗИРОВАННЫХ ПРОГРАММНЫХ ПРОДУКТОВ ПРИ ОБУЧЕНИИ СТУДЕНТОВ ЭКОНОМИЧЕСКИХ СПЕЦИАЛЬНОСТЕЙ Ульянова Н.Д., к.э.н., доцент, Милехина Н.А., Брянская государственная сельскохозяйственная академия, телефон 483-41-24-721, факс 483-41-24-72, ulyanova@bgsha.com Для успешного функционирования в условиях конкуренции руководители любых предпри ятий, фирм, компаний, корпораций нуждаются не только в учетной информации, но и в анализе финансово-экономического состояния предприятия, получении надежных и обоснованных выво дов о результатах экономической деятельности. Именно объективная и многогранная информация, представленная в удобном для анализа виде, является основой для принятия взвешенных управ ленческих решений. Поэтому потребность в автоматизированных средствах финансово экономического анализа данных достаточно велика.

Одним из пакетов программ управленческого учета является «Экономический анализ 4.0»

компании «Скип». Данное программное средство осуществляет автоматизацию различных задач анализа экономической деятельности предприятия, дает наглядное представление в области оцен ки состояния финансовой деятельности предприятия, что делает доступ к информации простым и удобным, а работу специалиста-пользователя продуманной и многофункциональной.

В учебном процессе Брянской государственной сельскохозяйственной академии указанный программный продукт используется преподавателями кафедры информационных систем и техно логий при подготовке студентов специальности 080801 «Прикладная информатика (в экономике)»

в рамках дисциплины «Предметно-ориентированные экономические информационные системы» и других специальностей экономического факультета («Экономика и управление АПК», «Бухгал терский учет и аудит»).

Работа включает последовательное использование двух программ: «Анализ» и «База Дан ных». При выполнении задания лабораторно-практического занятия на первом этапе в программе «База Данных» студентами заполняются электронные формы бухгалтерской отчетности конкрет ного предприятия (№1,№2 и №4) за два года. В программе предусмотрена установка режима фак тических или плановых данных, а также установка режима периода исследования данных (Месяц, Квартал, Полугодие или Год с последующей конкретизацией). Затем, на основании автоматиче ской проверки правильности ввода и порядка ведения бухгалтерского учета (баланс «Активов» с «Пассивами», равенство сумм «Управленческих и Коммерческих расходов» с суммой «Условно постоянных и Условно-переменных затрат», неравенство между «Направлено денежных средств»

и суммы «Остатка денежных средств на начало года» и «Поступило денежных средств») исправ ляются ошибки. Программой предлагаются нормативные значения для основных расчетных пока зателей, которые при необходимости можно корректировать с учетом отраслевой принадлежности предприятия.

На втором этапе в программе «Анализ» осуществляется:

1) проведение расчетов 15 подразделов аналитических показателей с учетом инфляции и без (ликвидности, деловой активности, финансовой устойчивости, рентабельности, себестоимости, имущественного положения, коэффициенты платежеспособности и другие);

2) составление аналитических отчетов в виде специальных таблиц (тал. 1) и создание тек стового анализа;

200 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ Таблица Анализ эффективности основных фондов за 2005-2006г.

2005 Показатели А-Измен %-Измен Значение Значение Выручка (нетто) от прода жи товаров, продукции, 170 235,00р. 185 595,00р. 15 360,00р. 9,02% работ, услуг Основные средства 27 241,00р. 25 419,00р. - 1 822,00р. - 6,69% Фондоотдача 6,25р. 7,30р. 1,05р. 16,84% Фондоемкость 16,00р. 13,70р. - 2,31р. - 14,41% 3) проведение факторного и корреляционного анализов, 4) представление форм отчетов в готовом виде, с последующим выводом полученных ре зультатов на принтер или с их экспортированием в программы MS Word или MS Excel.

Программа Анализ включает возможность создания и редактирования пользовательских (собственных) показателей и отчетов, для этого используются соответствующие Мастера построе ния (рис. 1).

Рис. 1. Ввод формулы при создании пользовательского отчета Для закрепления знаний каждый студент по собственному предприятию выполняет инди видуальное задание, которое предполагает умение не только рассчитать конкретные таблицы по казателей и сформировать аналитический отчет, но и составить их экономическое описание с точ ки зрения анализа в динамике и по отношению к нормативным показателям. Кроме того, студен там предлагаются тестовые вопросы по теоретическому материалу и практическим навыкам рабо ты с пакетом программ «Экономический анализ 4.0».

Следует отметить, что изучение данного программного продукта возможно только на старших курсах обучения, так как уровень освоения студентами находится в высокой зависимости от теоретических знаний и практических навыков, которыми обладают учащиеся после изучения экономических дисциплин «Экономика предприятий», «Финансы» и «Экономический анализ».

Поэтому, необходима постоянная взаимосвязь и состыковка в работе между преподавателями дисциплин предметной области и соответствующей экономической информационной системы.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ РОЛЬ ИНФОРМАЦИОННОГО МЕНЕДЖМЕНТА В ТРАНСФОРМАЦИИ КОРПОРАТИВ НОГО БИЗНЕСА.

Аркадий Ильич Уринцов доктор экономических наук (08.00.13), профессор, Зав. каф. Управления знаниями и прикладной информатики в менеджменте МЭСИ, г.Москва e-mail: acca@nm.ru В настоящий момент времени трансформация крупного и корпоративного бизнеса немыс лима без создания рациональной системы управления с использованием механизмом реинжини ринга бизнес-процессов и их дальнейшей автоматизации на основе использования современных компьютерных информационных технологий. При этом, высшее руководство должно четко пони мать, что комплексная автоматизация является сверх важной, сверх сложной и сверх ответствен ной задачей, требующей от них личного участия, а саму информационную систему оно должно рассматривать как мощный инструментарий управления компанией. При этом, грамотный выбор платформы аппаратного системного и прикладного программного обеспечения, а также каналов связи – это лишь 20% успеха внедрения проекта комплексной автоматизации;

оставшиеся 80% ха рактеризует так называемый «человеческий фактор» связанный в первую очередь с информацион ным менеджментом.

В настоящий момент времени информационная среда большинства крупных компаний ха рактеризуется несоответствием существующего программного обеспечения намеченным планам развития бизнеса, организацией автоматизированной обработки данных на базе обособленных программных решений, локальных баз данных, носящих фрагментарный характер, никак не свя занных между собой, дублированием и нестыковкой информации по участкам обработки данных, отсутствием возможностей организации единой базы данных, содержащей актуальную информа цию и охватывающей все сферы деятельности предприятия. Как правило, отсутствует системный подход к проблемам построения компьютерной информационной системы компании, превалирует индивидуальный или ведомственный подход к автоматизации отдельных участков обработки дан ных. Обработка информации на компьютере не приспособлена к получению оперативных данных в режиме реального времени. Бизнес-процессы и документопотоки не систематизированы и слабо структурированы. Зачастую разработанные программные средства представляют собой аналоги ручных операций, круг решаемых задач ограничен, несмотря на автоматизацию, пользователи вы нуждены большую часть работ выполнять вручную с использованием электронных таблиц и офисных приложений из-за недоработки программных решений. Очень много неавтоматизиро ванных работ, связанных с операциями по сбору первичных документов, их проверке и группи ровке;

неэффективной организацией и использованием информационных массивов;

ориентацией на использование в качестве основных – бумажных носителей информации, что затрудняет поиск нужных данных, увеличивают длительность процессов их обработки, снижают оперативность подготовки информации, увеличивает вероятность появления ошибок.

Причиной приведенных выше фактов является несистематизированный подход к постанов ке задач, подготовке технических заданий и дальнейшему написанию программ. Зачастую, такой важный этап создания системы, как анализ требований и разработка системного проекта либо от сутствовал вообще, либо включал формальное описание, сделанное «малограмотной» группой людей, имеющими весьма смутные, или не имеющими ни малейшего представления о подготовке такого рода документов.

Для гарантии успешной реализации проекта комплексной автоматизации субъекта эконо мики необходимо назначить руководителем проекта специалиста высшего уровня управления, об ладающего знаниями в области управления проектами, экономики, информационных технологий и заинтересованного в его успешности.

Поскольку в рамках проекта будут задействованы специалисты разных структурных под разделений, то общую координацию работ (интервьюирование для постановки задачи, обучение, тестирование, перекачка данных и т.д.) способен осуществить только руководитель высшего зве на.

В связи тем, что данный проект относится к разряду сложных (параллельно ведутся работы по одновременному управлению несколькими процессами, управлению изменениями, рисками) и 202 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ресурсоемких (значительные стоимостные, трудовые затраты), руководить таким проектом дол жен специалист, имеющий знания и практические навыки в области проектного менеджмента.

Т.к. целями внедрения проекта комплексной системы автоматизации субъекта экономики является улучшение экономических показателей компании, то руководить проектом должен чело век, который разбирается в этих показателях и понимает для чего они нужны компании. Посколь ку в крупном субъекте экономики создатся инструмент управления компанией, данный руково дитель должен четко представлять функционал создаваемой информационной системы.

Поскольку разработка комплексной системы автоматизации субъекта экономики ведется средствами и специалистами в области информационных и телекоммуникационных технологий (ИТ), то управлять ими должен грамотный специалист ИТ. При этом служба ИТ должна быть под чинена руководителю проекта комплексной автоматизации субъекта экономики, поскольку под разделения ИТ является одним из главных ресурсов наряду с ресурсами компании разработчика (которыми руководитель проекта управляет в рамках договорных отношений). Также необходимо создать отдел бизнес-анализа и подчинить его лично руководителю проекта, поскольку для ус пешного внедрения информационной системы необходимо провести реинжиниринг бизнес процессов. В состав данного подразделения должны входить бизнес-аналитики, обладающие сис темотехническим мышлением, опытом работы и знанием предметной области, знаниями в области ИТ, информационного моделирования, экономики предприятия и др.

Также необходимо создать единый Департамент ИТ, объединив все ресурсы в единое целое для более эффективного управления процессом, поскольку структура и задачи службы ИТ качест венно меняются. В рамках Департамента ИТ необходимо создать отдел телекоммуникаций т.к.

этот отдел должен обеспечить проектирование, создание и сопровождение структурированной ка бельной сети (СКС) в офисах и филиалах компании, проектирование и поддержку каналов связи между офисами и филиалами. Все эти работы отдел должен выполнять в рамках единой политики ИТ. Единая информационная система создается на основе единой территориально распределенной инфраструктуры. Е основу составляет СКС.

По данным различных источников лишь 10-17% проектов комплексной автоматизации крупных субъектов экономики завершаются успехом. Остальные терпят фиаско. Одним из главен ствующих факторов здесь, несомненно, является человеческий, и от того, насколько президенту компании «по таланту» понять важность данной проблемы, насколько он заинтересован в повы шении уровня компетенций своих заместителей в этом вопросе, насколько его заместитель по ин формационным технологиям способен «внятно» управлять процессом внедрения проекта ком плексной автоматизации субъекта экономики напрямую зависит получит ли компания инструмен тарий, обеспечивающий конкурентное преимущество на рынке или нет, банально потратив впус тую огромные денежные средства и потеряв время.

О СИСТЕМЕ ПОКАЗАТЕЛЕЙ КОМПЛЕКСНОЙ ОЦЕНКИ ФИНАНСОВОГО СОСТОЯ НИЯ ПРЕДПРИЯТИЯ Филатов С.В.

Предприятия как социально-экономические системы отличаются разнообразием организа ционно-правовых форм и видов деятельности. Хотя методология комплексной оценки деятельно сти предприятий и должна подчиняться общим закономерностям системного анализа, все же су ществуют различия в конкретных методиках оценки организаций различных форм собственности и видов деятельности. В основном, подобные расхождения относятся непосредственно к выбору основных существенных признаков, описывающих деятельность организаций, а также к способам оценки этих признаков.

Таким образом, при проведении комплексного анализа следует учитывать следую щие особенности:

- отраслевую принадлежность предприятия;

- учетную политику предприятия;

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ - различие в интересах пользователей информации.

По нашему мнению, учет указанных особенностей позволит правильно расставить акценты при отборе системы показателей, эффективно провести процедуру анализа и использо вать его результаты.

Таким образом, сложно выработать какие-то единые, универсальные требования к системе показателей комплексной оценки. Тем не менее, можно ограничиться общими рекомендациями, а именно:

показатели должны в полной мере отражать все существенные стороны оцениваемо го объекта;

показатели не должны нести избыточной несущественной информации.

В математике эти правила выражаются в известной формуле «необходимо и достаточно».

Данная формула подчеркивает противоречивость комплексной оценки, так как с одной стороны, для повышения точности оценки следует включать в нее как можно больше данных, имеющих от ношение к оцениваемой проблеме, а, с другой стороны, включение несущественных показателей, избыточность информации, неизбежно приводит к росту числа ошибок и точность оценки падает.

Поэтому главной проблемой при комплексной оценке сложных социально-экономических систем является определение необходимого и достаточного количества показателей, позволяющих полу чить наибольшую точность оценки. Если критериев немного, оценка будет недостаточно полной и точной. С ростом числа критериев точность оценки растет, однако, одновременно с этим возраста ет и неопределенность, в результате чего общая эффективность оценки снижается.

Эту ситуацию можно описать следующим образом18. Пусть вся информация об ор ганизации представляет собой информационное множество I (рис. 1). Каждый элемент этого мно жества в данном случае отражает какой-то единичный объем информации об организации. При комплексной оценке организации используется набор определенных критериев. Если используют ся качественные критерии, то каждый такой критерий основывается на нескольких элементах множества I, и представляет собой таким образом подмножество.

Рис. 1. Модель комплексной оценки предприятия (организации) При этом зачастую оказывается, что некоторая информация отражается сразу несколькими критериями, то есть происходит пересечение информационных подмножеств. На рис. 1 показан пример комплексной оценки предприятия с использованием трех критериев, при этом информа ция, отражаемая сразу несколькими критериями показана штриховкой.

В первом приближении эту информацию можно определить как в равной степени принад лежащую соответствующим признакам, однако более корректно рассмотрение ее как нечеткого подмножества, для которого степень принадлежности различных элементов к разным признакам будет неодинакова. Так как различные стороны деятельности организации могут быть противо поставлены друг другу, то такое пересечение информации приводит к неопределенности в оценке организации.

Малыхин А.Л., Горохов А.А., Нохрина Т.А. Оптимальное число существенных признаков при описании сложных объектов / Проблемы теории и практики менеджмента. Сборник статей. Выпуск 2. - Тюмень: Издательство ТГУ, 2000.

204 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ Пусть для оценки организации используется n критериев. Тогда каждый критерий i переносит некоторый объем информации Vi. В этом случае совокупный объем информации соста n вит Vn Vi.

i Однако, некоторый объем информации fv, будет переносится как критерием i, так и критерием j. Сумма величин этой информации по всем критериям даст общую величину неопре деленной информации для комплексной оценки организации. Отношение общей величины неоп ределенной информации к величине всей информации об организации (множество I) характеризу ет степень риска при оценке организации.

Когда критерий, используемый для оценки организации всего один, он охватывает только небольшую часть информационного множества I. Точность оценки организации мини мальна, однако и неопределенность наименьшая, так как при наличии всего одного критерия дос таточно просто определить объем информации к нему относящийся. С увеличением числа крите риев объем переносимой ими информации растет, точность описания увеличивается, так как большее число критериев охватывает большую часть множества I, но увеличивается и неопреде ленность, так как с большим числом критериев все большая часть информации начинает относит ся сразу к нескольким критериям. Следует отметить, что сначала неопределенность растет незна чительными темпами, так как при малом числе критериев каждый новый критерий описывает, в основном, ту информацию, которая не отражена в предыдущих критериях. Однако с дальнейшим увеличением числа критериев неопределенность начинает расти все быстрее, поскольку почти вся информация уже охвачена и каждый новый критерий резко увеличивает неопределенность, при водя к многократному пересечению информационных множеств. То есть мы имеем два процесса, которые развиваются в противоположных направлениях. Если использовать для характеристики системы комплексной оценки организации такой параметр как эффективность, зависящий от чис ла критериев и учитывающий оба этих условия (достаточную точность описания и минимальный риск), то, очевидно, что данный параметр будет минимален и при малом, и при большом числе критериев и иметь некоторую точку максимума (рис. 2).

Мкр Число критериев Рис. 2.Оптимальное число критериев комплексной оценки предприятия (организации) Число критериев Мкр при котором функция эффективности достигает своего максимально го значения является, таким образом, оптимальным числом критериев для комплексной оценки организации. Использование меньшего числа приведет к недостаточной точности описания, а ис пользование большего числа критериев – к большому риску описания и, следовательно, большо му риску при принятии решения, хотя формально будет обеспечивать большую точность.

На практике большинства специалистами рекомендуется использовать не больше 9-10 кри териев. В частности, 9 критериев используется рейтинговым агентством Standard & Poor's при оценке надежности коммерческих банков, экспертами журнала «Euromoney» при построении рей тинга инвестиционной привлекательности стран мира.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ Известный специалист в области системного анализа Т. Саати утверждает, что для описа ния систем любой сложности вполне достаточно 9-10 признаков-критериев19. На это же количест во указывают некоторые численные эксперименты с моделями описания сложных систем. Таким образом, при построении системы показателей следует ориентироваться на использование не бо лее чем 9-10 критериев.

Точность комплексной оценки финансового состояния предприятия объективно обусловли вается методологическими проблемами, связанными с неопределенностью, объективностью ис ходной информации и выбором оценочных критериев.

При использовании качественных критериев необходимо учесть, что они вполне могут быть составными, то есть включать в себя критерии более низкого уровня иерархии, как количест венные, так и качественные. При этом общий критерий обычно определяется как средняя величи на по всем критериям низшего уровня иерархии.

Обобщая сказанное, можно в результате сформулировать основные принципы, которыми следует руководствоваться при построении системы показателей в рамках комплексного подхода:

принцип существенности, то есть показатели должны в полной мере отражать все суще ственные стороны оцениваемого объекта;

принцип обозримости (неизбыточности), то есть показатели должны взаимно дополнять друг друга, а не дублировать;

принцип древовидной структуры системы показателей, то есть наличие частных и обобщающих показателей, что должно обеспечить логическую связь частных показателей с обоб щающими;

принцип разумного сочетания абсолютных и относительных показателей означает, что для анализа некоторых характеристик в пространственно временном разрезе лучше использовать относительные показатели;

принцип неформальности (действенности) означает, что система должна обладать мак симальной степенью аналитичности.

НЕПАРАМЕТРИЧЕСКИЕ МЕТОДЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ В ОБУЧЕ НИИ БУДУЩИХ IT-СПЕЦИАЛИСТОВ И В ОЦЕНКЕ ЕГО КАЧЕСТВА Фокин Роман Романович, доктор педагогических наук, доцент, Санкт-Петербургский государст венный университет сервиса и экономики, домашний телефон +7(812)470-04-98, сотовый теле фон +79052125813, служебный факс +7(812)560-10-16, e-mail RRFOKIN@RAMBLER.RU В статье обосновывается тот тезис, что результаты многих педагогических, социологиче ских, экономических экспериментов (если они связаны с оценкой мнений людей) принципиально не являются нормальными случайными величинами. Про характер их распределения чаще всего мало что можно сказать. В технике, в военном деле, в метеорологии, во многих других областях большинство экспериментов дают нормально распределенные случайные величины. Большинство методов математической статистики требует нормальности случайных величин. Прямое примене ние таких методов в педагогике, социологии, экономике не правомерно. Выход в применении спе циальных методов математической статистики, называемых непараметрическими методами или методами, свободными от распределения. Эти методы необходимо рассматривать в обучении бу дущих IT-специалистов, тем более, что многие из них получат дипломы информатика-аналитика.

Автору приходится обучать студентов по специальности "Прикладная информатика в сфере сер виса" по курсу "Информационно-аналитическая деятельность в сфере сервиса" и применять эти методы с использованием электронных таблиц MS Excel и специализированных статистических пакетов SPSS, Statgraphics и Statistica. В настоящее время в сферу образования вообще и в обуче ние IT-специалистов в особенности внедряется множество различных педагогических новаций. Но Саати Т. Принятие решений. Метод анализа иерархий. Пер. с англ. – М.: Радио и связь, 1993.

206 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ всегда ли они обоснованы? Для объективной оценки педагогических экспериментов необходимы честно полученные данные и математически корректное применение статистических методов.

Рассмотренные ниже примеры относятся как раз к педагогическим экспериментам, но иллюстри руемые ими идеи легко распространяются на сферы социологии и экономики при необходимости оценки мнений людей - покупателей, сотрудников, администрации и т.п.

Педагогическая гипотеза обычно имеет следующую структуру: если применять то, что предложено в данном исследовании, тогда что-то улучшится в сфере образования. Такую гипо тезу можно обосновать теоретически, т.е. правдоподобными рассуждениями и экспериментально, т.е. путем проведения педагогического эксперимента. Педагогика - гуманитарная область знаний, здесь что-либо доказать математически точно обычно не представляется возможным, поэтому речь идет именно о правдоподобных рассуждениях. В силу ограниченности последних без педаго гического эксперимента обоснование гипотезы как правило не представляется убедительным.

Педагогический эксперимент в свою очередь качественно и количественно обосновывает гипотезу исследования. Качественно обосновывается возможность практического применения предложенного в данном исследовании, приводятся рабочие программы курсов, учебные планы и т.п. На основе полученных в ходе педагогического эксперимента численных данных количествен но обосновывается то, что практически что-то улучшилось. Для этого, как правило, рассматри ваемых в ходе эксперимента обучаемых делят на экспериментальную (к которым применялось предложенное в данном исследовании) и контрольную (к которым это не применялось) группы.

Для исключения субъективного фактора обычно в этих группах используют нескольких пе дагогов, а для выяснения мнения обучаемых или педагогов по какому-либо вопросу, как правило, проводят анонимное анкетирование. Вопросы при этом должны быть легко понимаемыми, четки ми, а не двусмысленными. Лучше не использовать вопросы с открытой, т.е. с не регламентирован ной формой ответа, например: "Что Вам понравилось и не понравилось в прослушанном курсе и почему?" Обработку ответов на такие вопросы трудно формализовать.

Следует использовать вопросы с закрытой, т.е. с регламентированной формой ответа, на пример: "Понравился ли Вам прослушанный курс? Выберите ответ из вариантов: 1 - да;

2 - нет;

3 не могу решить." или "На какую оценку 1, 2, 3, 4 или 5 Вы сами оценили бы свои знания по про слушанному курсу?" или "Сколько приблизительно процентов (0-100) времени, потраченного Ва ми для изучения материалов курса заняла у Вас не интересная рутинная работа?" В первых двух случаях ответы - это целые числа из небольшого множества {1...3} или {1...5}, т.е. мы имеем дис кретные случайные величины. В третьем случае ответ - это действительное число из отрезка [0,100], большинство будет писать целые числа кратные 5, например, 45, несколько человек напи шут целые числа не кратные 5, например, 37, в принципе отдельные оригиналы могут написать, например, 41.738, т.е. мы имеем непрерывную ограниченную случайную величину, распределение которой не является равномерным, не является нормальным, больше о нем нечего сказать.

Во многих учебных пособиях, написанных профессиональными педагогами и психологами (а не математиками) стало "классическим", например, применение к баллам от 1 до 5, т.е. к дис кретным случайным величинам критерия Стьюдента, вычисление доверительных интервалов и т.п. А все это требует нормального распределения! Почему? В ответ можно услышать, что "они стремятся к нормальным". На законные вопросы "Что стремится?" и "Как стремится?" ответ дает центральная предельная теорема:

Пусть {x1, x2,..., xn,...} - последовательность взаимно независимых одинаково распреде ленных случайных величин, имеющих математическое ожидание и дисперсию 2, тогда случай ная величина an = (x1 + x2 +... + xn)/n ассимптотически нормальна с центром n = и дисперсией 2 n= /n.

Согласно определению ассимптотической нормальности, величина bn = (an - n)/ n слабо (по вероятности) сходится к стандартному нормальному распределению N(0, 1). При больших n "близка" к нормальной величина bn, но это одно число, т.е. мы получили выборку объемом 1, а из начально у нас была выборка {x1, x2,..., xn} объемом n. Можно бы сделать и хитрее, но все равно мы получим почти нормальность, пожертвовав объемом выборки, а из-за малого объема выборки ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ самые мощные статистические методы нам никакой пользы не принесут. Значит "они стремятся к нормальным" - не аргумент!

Выход в применении так называемых свободных от распределения статистических мето дов, среди которых наиболее известны работающие с независимыми одинаково распределенными случайными величинами семейства критериев Колмогорова-Смирнова и хи-квадрат. Критерии Колмогорова-Смирнова работают со случайными величинами произвольного распределения, но их применение требует вычислительной работы огромного объема. Критерии хи-квадрат работают лишь с дискретными случайными величинами, но требуют значительно меньшего объема вычис лений.

Применение свободных от распределения методов предполагает следующую логику обра ботки данных педагогического эксперимента. Рассмотрим какой-нибудь один показатель. Напри мер, мы провели в экспериментальной и в контрольной группах один и тот же тест, по результатам которого была выставлена оценка каждому обучаемому. Таким образом, мы имеем выборку бал лов {x1, x2,..., xn} для экспериментальной группы и {y1, y2,..., ym} - для контрольной. Пусть, на пример, у нас получились выборочные средние баллы x*n = 4.6 и y*m = 4.2 соответственно. Есть основания говорить, что экспериментальная методика лучше классической, но насколько эти ос нования серьезны? Может быть в экспериментальную группу случайно попали сильные, а в кон трольную - слабые? Если n=2, m=3, то такая случайность вполне допустима, а если n=2000, m=3000, то дело скорее всего в том, что экспериментальная методика действительно хороша. Но экспериментировать с 5000 обучаемых трудно, может быть можно обойтись меньшим числом?

Предположим, что у нас указанные выше выборочные средние баллы получились при n=20, m=30. Для доказательства неслучайности наших результатов по среднему баллу за тест мы долж ны отвергнуть гипотезу о том, что выборки {x1, x2,..., xn} и {y1, y2,..., ym} имеют одинаковое рас пределение. Именно для этого служат особые разновидности критериев из семейств Колмогорова Смирнова и хи-квадрат. В данном случае рациональнее использовать хи-квадрат, поскольку баллы - это дискретные случайные величины. Эти критерии в качестве исходных данных используют не посредственно сами выборки целиком, а в результате расчетов выдают лишь одно число - уровень значимости, например =0.043. Уровень значимости - это вероятность того, что мы допустили ошибку, отвергнув гипотезу, которая на самом деле была верна. В данном случае, отвергнув, что выборки разные, мы могли допустить ошибку, но вероятность этого не превосходит 0.043. Если бы объемы выборок n, m были больше, то уровень значимости скорее всего получился бы меньше, а значит было бы весомей предположение о том, что экспериментальная методика хоро ша. Обычно для педагогических исследований считается приемлемым 0.05. Если речь идет о жизни и здоровье людей (в авиации или в медицине), то приемлемы на несколько порядков мень шие уровни значимости.

Теперь о подходах к обучению непараметрическим методам будущих IT-специалистов. На наш взгляд реализацию метода хи-квадрат лучше делать в среде электронных таблиц MS Excel.

При этом студент увидит саму сущность этого метода. Он сам же и будет реализовывать соответ ствующие алгоритмы. А вот метод Колмогорова-Смирнова для MS Excel слишком сложен. Хотя там есть программирование на VBA, которое его реализовать позволяет. Но лучше все же исполь зовать статистические пакеты, где соответствующие алгоритмы уже встроены. Иначе курс "Ин формационно-аналитические методы в сфере сервиса" превратится в курс программирования на VBA.

ИННОВАЦИОННЫЕ ПОДХОДЫ К ПОДГОТОВКЕ СТУДЕНТОВ ПО СПЕЦИАЛЬНОСТИ «ПРИКЛАДНАЯ ИНФОРМАТИКА» В МИФИ Гусева А.И, д.т.н., профессор кафедры «Экономика и менеджмент в промышленности», МИФИ, тел. 323-9330, почта aiguseva@mephi.ru Харитонов В.В., д.ф.-м.н., профессор, директор Экономико-аналитического института МИФИ Актуальность. Данная статья посвящена использованию информационно образовательного портала для организации самостоятельной работы студентов МИФИ при подго 208 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ товке выпускников по специальности «прикладная информатика». Рассматриваемая система МИ ФИСТ разработана в рамках Приоритетного национального проекта «Образование» «Инноваци онная программа инженерно-физического образования для нового этапа развития ядерной науки и промышленности» (2007-2008 г.г.). Цель реализации инновационной образовательной программы состоит в развитии инженерно-физического образования для подготовки специалистов по крити ческим технологиям, обладающих фундаментальными знаниями, высокой профессиональной компетентностью и умением превращать знания в инновации. Одним из важных факторов, опре деляющих переоснащение учебно-методической базы и переходу к исследовательскому ядерному университету, является расширение информационно-образовательной среды МИФИ за счет включения в нее дополнительных возможностей, связанных с поддержкой самостоятельной рабо ты студентов.

Концепция, положенная в основу развития самостоятельной работы студентов МИФИ, со ответствует требованиям компетентностного подхода в обучении. Одним из следствий примене ния модели компетенций к выпускникам МИФИ является увеличение объема самостоятельной работы студентов при условии использования активных форм обучения. Именно активные формы обучения, опирающиеся на использование информационно-коммуникационных технологий (ИКТ), формируют у выпускников такие необходимые компетенции.

Использование информационно-коммуникационных технологий (ИКТ) для организации самостоятельной работы студентов сопровождаются тремя инновационными составляющими раз вития инженерного образования: активно-деятельностные формы обучения, индивидуальные тра ектории обучения, дистанционная поддержка учебного процесса.

К инновационным активно-деятельностным формам обучения относятся всевозможные ин терактивные учебные элементы. Появляется возможность проведения группового обучения, в том числе и проектной формы. Проектная технология обучения составляет основу современного ин женерного образования, особенно в области программной инженерии. Особую актуальность про ектное обучение приобретает при подготовке выпускников по специальности «прикладная ин форматика», когда необходимые компетенции начинают вырабатываться уже на младших курсах при выполнении курсовых проектов.

Увеличение объема самостоятельной работы студентов позволяет использовать индивиду альные траектории обучения, т.е. осуществить переход к инновационным технологиям личност но-ориентированного обучения, которые предполагают создание гибкой системы обучения, обес печивают реализацию постоянной диагностики и самодиагностики результатов обучения. В этом случае можно говорить о более высоком уровне качества обучения.

Дистанционная поддержка образовательного процесса позволяет вне аудитории выпол нять такие виды учебной деятельности, как лабораторный эксперимент, отработка навыков рабо ты на тренажере, текущий контроль знаний с оценкой компетенций и т.д. Такая дистанционная поддержка позволяет МИФИ совместно с филиалами, через виртуальные лаборатории, использо вать уникальное оборудование для фундаментальных ядерно-физических исследований, исследо ваний в области физики высоких энергий, наносистем и сверхпроводников и т.д.

Апробация рассматриваемых активно-деятельностных форм обучения в течении последних лет проходила при подготове выпускников Экономико-аналитического института МИФИ и пока зала свои неоспоримые достоинства.

Назначение системы МИФИСТ. Назначением системы МИФИСТ является организация информационно-образовательного пространства для самостоятельной работы студентов и созда ние хранилища учебно-методических материалов. Прототипом разработки служил портал Эконо мико-аналитического института МИФИ, который находится в эксплуатации уже ряд лет.

Для входа в систему каждому пользователю назначен логин и пароль. Доступ к некоторым функциям системы возможен только из корпоративной сети МИФИ, доступ к другим – из любого места и в любое время.

В основу проекта системы МИФИСТ заложены следующие характеристики: масштаби руемость, производительность, надежность, открытость, переносимость, совместимость по дан ным с существующими БД МИФИ, безопасность. Масштабируемость системы на первом этапе ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ рассчитана на 14000 пользователей, в дальнейшем планируется подключение 30 000 пользовате лей. Система функционирует на базе локальной сети МИФИ и обеспечивает не менее 1000 одно временных подключений Открытость системы МИФИСТ означает, что проектирование системы проведено по мо дульному принципу, который позволяет расширять и модифицировать функционал подсистем.

Использование в качестве ядра системы МИФИСТ свободно распространяемого про граммного кода (e107, LMS Moodle) позволяет обеспечить лицензионную чистоту разработ ки.Совместимость по данным с существующими базами данных, в первую очередь системы «АСУ-Деканат», обеспечивается через формат Excel-файлов.

Архитектура системы МИФИСТ. Система МИФИСТ обладает трехуровневой архитек турой и состоит из следующих подсистем:

«Учебное управление»;

«Факультет» ( на каждый факультет МИФИ по одной);

«Кафедра» ( на каждую кафедру МИФИ по одной);

«Портфолио студента» ( для каждого студента);

«Личный кабинет преподавателя» (для каждого преподавателя);

Подсистема «Хранилище учебных материалов».

Основным назначением подсистемы «Учебное управление» является сбор, обработка и ор ганизация доступа к информации на уровне института о самостоятельной работе студентов;

соз дание статистических отчетов и доступ к оперативной информации по каждому факультету, ка федре, учебной группе, студенту, преподавателю, учебной дисциплине МИФИ;

предоставление другим подсистемам информации о семестровых учебных планах, списки кафедр, факультетов, студентов и преподавателей, результаты сессий в формате MS Excel.

К функциям подсистемы «Факультет» относятся: сбор и обработка статистической инфор мации по отдельному факультету, кафедре, учебной группе, студенту, преподавателю, учебной дисциплине;

создание статистических отчетов;

доступ к оперативной информации;

предоставле ние другим подсистемам соответствующей информации.

Подсистема «Кафедра» несет основную нагрузку по организации самостоятельной работы студентов, сбору, обработке и доступу к информации на уровне каждой кафедры. Подсистема «Кафедра» реализована на базе системы МИФИСТО, которая была разработана в рамках Про граммы сотрудничества Министерства образования Российской Федерации и Министерства Рос сийской Федерации по атомной энергии по направлению «Научно-инновационное сотрудничест во» в 2003 г. как прототип корпоративного ядерного университета. С 2003 г. по настоящее время МИФИСТО находится в эксплуатации в Экономико-аналитическом институте МИФИ и поддер живает 2036 пользователей, из которых 45 преподавателей, остальные – студенты и аспиранты.

Разработка портала проводилась силами студентов, дипломников и аспирантов по специальности «прикладная информатика».

Подсистема «Портфолио студента» предназначена для сбора, обработки и организации доступа к информации о самостоятельных заданиях в рамках дисциплин текущего семестра, ко торые должен выполнить студент. Назначением подсистемы «Хранилище» является импорт, хра нение и экспорт архивированных учебных материалов. Подсистема обеспечивает импорт из под системы «Кафедра» архивированных учебных материалов после окончания учебного семестра (дважды в год), каталогизацию учебных материалов, доступ к каталогизированным материалом, экспорт в подсистему «Кафедра» архивированных материалов.

Заключение. Благодаря внедрению учебно-образовательного портала улучшилась органи зация учебного процесса МИФИ. Появился инструментарий для разработки и внедрения иннова ционных образовательных технологий, в первую очередь в процесс самостоятельной работы сту дентов. Эти инновации связаны с активными формами и личностно-ориентированным обучением.

Расширилось общение между преподавателями и студентами, активнее стал происходить обмен опытом между самими преподавателями. Появилась возможность определить степень активности каждого преподавателя в области инноваций.

210 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ В учебный процесс большинства кафедр МИФИ введены подготовленные 45 УМКД по общеобразовательным и специальным учебным дисциплинам. Выросла доля самостоятельной ра боты студентов по ряду учебных дисциплин. Изменились методы оценки успеваемости за счет внедрения тестовых технологий. Образовательные программы по специальным дисциплинам в большей степени ориентированы на результат.

РАЗРАБОТКА МЕТОДИКИ СОЗДАНИЯ ЭФФЕКТИВНЫХ УЧЕБНЫХ ВИДЕО-КУРСОВ НА ОСНОВЕ ПСИХОЛОГИИ ВОСПРИЯТИЯ Черкасова Евгения Анатольевна, аспирант, старший преподаватель кафедры информатики ин женерной и компьютерной графики. Владивостокский государственный университет экономики и сервиса (ВГУЭС), тел. 89242310530, evgesik@mail.ru Сегодня невозможно представить без компьютера рабочее место специалиста в области экономики и финансов. Овладение профессией по умолчанию ассоциируется с умением пользо ваться набором прикладных программ, являющихся главным рабочим инструментом. Эти про граммы, обладающие, как правило, интуитивно понятным интерфейсом, в силу своей много функ циональности довольно сложны в использовании. Эволюционируя, они постоянно изменяются, либо вытесняются конкурирующими продуктами. Эти обстоятельства делают постоянной необхо димость обучения работе с ними как для впервые овладевающих профессией, так и для состояв шихся специалистов. Наиболее распространнными формами обучения работе с прикладным про граммным продуктом традиционно остаются устное изложение последовательности действий с демонстрацией на экране компьютера. Обучаемые закрепляют знания, используя учебники с тек стовыми описаниями последовательности действий, снабжнными снимками изображений экрана монитора на разных стадиях процесса. Эта форма обучения не самая эффективная, поскольку по стоянное сравнение большого количества снимков с изображением на экране монитора быстро утомляет. Благодаря широким возможностям компьютерных технологий, разработан ряд про граммных комплексов, позволяющих записывать происходящее на экране монитора вкупе с голо совыми комментариями. Впоследствии можно редактировать видео и звуковые дорожки, накла дывать на изображение графические вставки с текстовыми комментариями и, таким образом, го товить видео фильмы, которые легко воспроизводятся на компьютере. Обучаемые могут само стоятельно просматривать их требуемое количество раз, с возможностью останова в любой мо мент и протягивания изображения назад для повторного просмотра. Безусловно, такая форма ди дактических материалов весьма привлекательна, однако, польза от не не всегда очевидна, по скольку методология их изготовления отработана не достаточно.

Использование видеоинформации и анимации может значительно усилить обучающий эф фект. Именно видео в наибольшей степени способствует визуализации учебного процесса, пред ставлению анимационных результатов, имитационному моделированию различных процессов в реальном времени обучения.

Анализ некоторых существующих учебных видео курсов, позволяющих приобрести навыки работы с программными средствами, применяемыми в области экономики и бизнеса, показал сле дующее. Несмотря на очевидные достижения, многие обучающие системы не обладают возмож ностями адаптации процесса обучения к уровню знаний и умений обучаемых, а также не учиты вают психологических особенностей восприятия обучаемых, что достаточно сильно отражается на эффективности процесса обучения.

Восприятие человека чрезвычайно сложный феномен, традиционно относимый к познава тельным процессам, хотя по своему содержанию и функциональным возможностям он гораздо шире. Несмотря на различные методологические подходы к изучению восприятия в разных науч ных школах накоплен эмпирический материал, позволяющий использовать полученные результа ты в практике психологии рекламы, коммуникации, инженерной психологии, организационной психологии, педагогики и многих других областях.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ Существующие сегодня недостатки в организации взаимодействия обучающихся с помо щью информационных технологий связаны именно с неудовлетворительным учетом психологиче ских особенностей и возможностей человека. Ошибки, искажающие адекватное восприятие информации определяются несколькими группами факторов:

Уровнем индивидуальной чувствительности соответствующих анализаторов (органов чувств) Физическими характеристиками сигналов: их интенсивностью, длительностью, периодичностью, раздельностью или одновременностью воздействия и др.

Особенностями личности: функциональным состоянием, профессиональной подготовленностью, уровнем мотивации, наличием психологических и физических ограничений Степенью учета в программном продукте психофизиологических особенностей обучаемого по восприятию информации. [1] Проблема повышения качества мультимедийных обучающих продуктов может быть реше на, если при их разработке будут учтены уже известные науке феномены: визуального, аудиально го, тактильного восприятия. При разработке видеокурсов следует помнить, что в них существует несколько каналов информации: видимое изображение, печатный текст и другая графика, речь, музыка, шум (звуковые эффекты). Связаны они с визуальным и аудиальным каналами восприятия.


Важное место занимают характеристики звуковых сигналов и особенностей их восприятия.

Восприятие речи человеком обусловлено как акустическими, так и лексическими и грамматиче скими ее характеристиками.

Таким образом, эффективность усвоения информации зависит от успешности согласования индивидуальных качеств обучаемых с параметрами зрительной или слуховой подачи учебного ма териала.

Ошибки восприятия могут быть связаны с искажениями информации со стороны как чело века, так и со стороны неудовлетворительного технического решения продукта.

Например, использование большого количества коротких клипов рассеивает внимание, ис пользование небольшого количества клипов большой продолжительности: повышает утомляе мость. утомляемость. Объединение в одном продукте голоса, цветных движущихся образов, ста тического изображения, текста и различных эффектов по привлечению внимания и акцентирова нию главной мысли способно многократно повысить скорость усвоения информации.

Интуитивно ясно, что для таких критериев, как скорость и глубина усвоения учебного ма териала, должны существовать закономерности поиска оптимальных наборов параметров. Экспе риментальное выявление этих закономерностей позволит разработать методику изготовления лег ко усваиваемых учебных видео курсов. Рассмотрим сущность такого эксперимента.

Изготавливаются учебные видео клипы на фиксированную тематику с различным набором параметров. Например, с различными длительностями воспроизведения с дискретностью в 30 се кунд. С различными темпами речевого сопровождения, с различными тембрами голоса. Они по мещаются на сервере баз данных. Создатся компьютерная программа-диспетчер, которая дат обучаемым возможность выбрать нужный видео материал. При запуске программы обучаемый ре гистрируется, все его обращения к видео роликам фиксируются в базе данных. Создатся компью терная программа-тест, регистрирующая попытки обучаемых проверить глубину знаний и умений.

При е запуске обучаемый регистрируется, результат тестирования автоматически заносится в ба зу данных. Разрабатывается компьютерная программа для анализа результатов эксперимента. Она автоматически с заданной дискретностью делает запросы в базу данных и анализирует для каждо го из видео роликов частоту обращений (популярность) и успешность прохождения тестов обра щавшимися к ним студентами. По результатам анализа программа генерирует отчты и предос тавляет их исследователям в удобной форме. Исследователи варьируют параметры и темы, выяв ляя скрытые закономерности для поиска оптимума. Налицо классическая замкнутая система с от рицательной обратной связью.

Таким образом, обучение работе с прикладными программами по специальностям эконо мики, бизнеса и финансов актуально в течение всей профессиональной деятельности. Использова ние обучающих видео курсов – перспективное направление в создании высоко эффективных ди 212 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ дактических материалов Поиск оптимума для набора параметров видео фрагментов является мало изученной областью и имеет большое практическое значение. Проведение эксперимента для поис ка закономерностей может быть реализовано на основе предложенного описания. Ожидаемый эф фект – повышение скорости и глубины усвоения учебной программы.

Литература:

1. Ложкин Г.В., Повякель Н.И. Практическая психология в системах «человек- техника»:

Учеб. Пособие.-К.: МАУП, 2003.-296 с.: ил.-Библиограф.: с.287-291.

ОБУЧЕНИЕ СЛАБОВИДЯЩИХ. МЕТОДЫ СЕГМЕНТАЦИИ ДОКУМЕНТОВ ДЛЯ ИС ПОЛЬЗОВАНИЯ С ЧИТАЮЩИМИ АВТОМАТАМИ.

Чернов В.Г.,д.э.н.,профессор, Грибанов А.В. Владимирский государственныййуниверси тет,(4922)479992, 89038322957,факс (4922)479626,chernov@vpti.vladimir.ru Право на обучение является одним из основополагающих прав человека. Получение обра зования для людей с проблемами зрения в настоящий момент затруднено. Одним из способов ис пользования существующей методической базы является применение читающих автоматов. Кроме проблемы собственно синтеза речи, в данном случае актуальна проблема распознавания текста и самой структуры документов.

Существующие учебные материалы, как правило, снабжены рисунками, таблицами, пояс няющими схемами, что затрудняет их применение с читающими автоматами. За время работы над задачей определения структуры страницы учеными были предложены различные алгоритмы.

Эти алгоритмы основываются на различных методах определения частей документа, таких как текст, заголовки, колонки, иллюстрации. Одни используют профили проекции, другие – пре образование Хаффа, третьи – группируют связанные компоненты. В основном, алгоритмы рабо тают с бинарными изображениями, часть из них эффективно работает только с текстовыми доку ментами – без рисунков и формул. Важной проблемой всех методов является их быстродействие.

Новые подходы к этой задаче появляются регулярно.

Большинство методов, используемых для решения задачи сегментации страницы, являются детерминистскими. Применение аппарата нечеткой логики к данной задаче может повлечь за со бой разработку новых алгоритмов, которые будут лишены недостатков уже существующих.

Основываясь на методе профилей проекции можно определить характерные для различных типов содержания страницы профили. С помощью аппарата нечеткой логики система сможет оп ределять тип содержимого страницы, сравнивая с имеющимися данными о характерных профилях и делая вывод о принадлежности исследуемого фрагмента к одному из таких типов, и на основа нии этой информации производить разбиение страницы, выделение фрагментов текста и порядка их следования. Использование аппарата нейронных сетей может сделать такую систему обучаемой в процессе работы, что позволит системе более эффективно определять более сложные структуры страницы.

Преимущество данного подхода состоит в том, что можно использовать уже существую щий методический материал для обучения людей с проблемами зрения. Кроме применения в чи тающих автоматах, задача сегментации страницы важна при оцифровке документов для архивов и библиотек.

ПРОБЛЕМЫ ПОИСКА ИНФОРМАЦИИ В ИНТЕРНЕТ ДЛЯ ОБУЧАЮЩИХСЯ ЭКОНО МИЧЕСКИМ СПЕЦИАЛЬНОСТЯМ Черноусова Н.А., аспирантка МЭСИ, nchernousova@gmail.com В настоящее время Интернет для обучающихся является, пожалуй, одним из основных ис точников информации. При поиске потребительской информации, которая не требует жестких ог раничений по достоверности и актуальности, пользователь может найти достаточное количество ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ материалов. Однако при поиске экономической информации в Интернет, предъявляются уже на много более строгие требования, которые зачастую не соблюдаются.

В основном, учащиеся ищут следующую экономическую информацию:

а) сведения о фирмах, организациях;

б) сведения о состоянии экономики;

в) сведения о состоянии отраслевых рынков;

г) деловые новости;

д) справочная информация.

Для поиска необходимых ресурсов в Интернет в основном используются поисковые маши ны и каталоги. Как каталоги, так и поисковые машины, имеют как ряд достоинств, так и ряд не достатков. Рассмотрим их подробнее.

Каталоги эффективны при поиске информации на некоторую тему, но зачастую не могут дать пользователю конкретный ответ на вопрос. Несмотря на удобство поиска структурированной информации, представленной в каталогах, она далеко не исчерпывающая. Например, крупнейший Интернет каталог Open Directory Project («открытый каталог» - www.dmoz.org) включает в себя чуть более 4,5 млн. сайтов Интернет (по данным на май 2008). В то время как в 2008 году поиско вая система Google по данным TechCrunch индексировала около 40 миллиардов страниц. Поиско вой системой Яндекс в августе 2008 года проиндексировано 4 802 874 860 страниц, в то время как в каталоге зарегистрировано всего 95 391 сайтов.

Низкое качество поиска посредством поисковых машин обусловлено тем, что их алгоритм построен на основе поиска по ключевым словам. Такой поиск нельзя назвать эффективным ввиду того, что поисковые машины являются вербальными и работают, выбросив стоп-слова. Ключевые слова не отображают смысл сообщения, из которого они выбраны, в результате на запрос пользо ватель получает ответ, содержащий много «шума». Только человек может выявить смысл фразы, компьютер же может в некоторых случаях только сопоставлять факты, и то если информация формализована. Компьютер не может думать, он может только выполнять указания человека.

Единственным инструментом управления поиском являются поисковые операторы. Наиболее рас пространенные из них реализуют логические условия («И» (AND), «ИЛИ» (OR), «НЕ» (NOT), «РЯДОМ» (NEAR) и др.).

Поиск осложнен также тем, что человек имеет субъективное мнение о том, как сформули ровать фразу для поиска, и она не всегда совпадает с тем, как ее представляют разработчики web страницы. Таким образом, на странице результата поиска поисковые машины выдают не все стра ницы, которые по смыслу соответствуют запросу пользователя.

При поиске посредством поисковых машин возникает еще одна проблема – это слишком большое количество документов соответствующих запросу. Поэтому пользователю приходится самостоятельно фильтровать и анализировать представленную информацию. Но человек может обработать ограниченный объем информации, поэтому зачастую нужный материал остается не найденным.

Закрытая часть Интернета относится к так называемому «невидимому» Интернету. Прежде всего, это страницы, доступ к которым открывается при вводе верного сочетания логина и пароля или регистрации. Также это страницы, имеющие формат, не поддерживаемый поисковыми маши нами, как, например, до недавнего времени формат PDF.

По данным исследований компании Bright Planet «невидимый» Интернет более чем в раз, превышает объем видимой части. Поисковые роботы индексируют примерно 16% от всего web-контента.


Поиск по нетекстовой информации (звуки, видео, изображения) фактически невозможен, если у файла нет словесного описания.

Таким образом, поиск экономической информации остается серьезным аналитическим про цессом, в котором автоматизируется лишь процесс выдачи документов, а их подбор в основном лежит на пользователе – изменение ключевых слов для поиска, использование логических опера торов для достижения необходимого результата.

214 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ Решением данной проблемы является формализация основной информации с использова нием существующих классификаторов. Формализация применяется для каждой конкретной облас ти информации, в данном случае экономики.

По мнению автора, было бы целесообразно предложить владельцу ресурса при регистрации в поисковой машине описать организацию (месторасположение, вид деятельности и проч.) и реа лизуемые товары/услуги.

По предварительным оценкам это позволит значительно повысить эффективность поиска экономической информации посредством поисковых машин и обеспечить проведение анализа рынка с меньшими временными затратами и с большей эффективностью.

АНАЛИЗ ЭФФЕКТИВНОСТИ ПОИСКА ДЕЛОВЫХ РЕСУРСОВ В ИНТЕРНЕТ Черноусова Н.А., аспирантка МЭСИ, кафедра УЗиПИМ В настоящее время «Интернет» чаще всего рассматривают как средство обмена и поиска информации. В данной статье рассматриваются проблемы поиска деловой информации в Интер нет.

На текущим момент существует два основных способа поиска деловой информации в Ин тернет: посредством поисковых машин или с использованием каталогов.

В мире создано более 2000 поисковых машин. Все они имеют различные алгоритмы, но по строены по единым принципам: поисковая машина ищет новые сайты и периодически (в среднем 1 раз в месяц) просматривает уже имеющие в базе сайты, однако по ряду причин просматривает не все страницы сайта, выбрасывает стоп-слова, остальные принимает за ключевые и запоминает их в инвертированный массив;

в любое время (не связанное с индексацией сайтов) предоставляет поль зователю из инвертированного массива список сайтов в соответствии с его запросом.

Каталоги представляют собой информацию, размещенную в соответствии с принадлежно стью к некоторой категории.

Кроме того, необходимую деловую информацию можно найти в специализированных ана литических Интернет-изданиях, на сайтах информационных агентств и новостей.

Однако при поиске деловой информации в Интернет пользователи сталкиваются с рядом проблем:

а) низкое качество поиска посредством поисковых машин;

б) часть Интернета закрыта для просмотра;

в) часть сайтов не проиндексирована поисковыми машинами;

г) поисковыми машинами просматривается только часть сайта, а не все его страницы;

д) каталоги не содержат информации в необходимом объеме.

Каталоги эффективны при поиске информации на некоторую тему, но зачастую не могут дать пользователю конкретный ответ на вопрос. Несмотря на удобство поиска структурированной информации, представленной в каталогах, она далеко не исчерпывающая. Например, крупнейший Интернет каталог Open Directory Project («открытый каталог» - www.dmoz.org) включает в себя чуть более 4,5 млн. сайтов Интернет (по данным на май 2008). В то время как в 2008 году поиско вая система Google по данным TechCrunch индексировала около 40 миллиардов страниц. Поиско вой системой Яндекс в августе 2008 года проиндексировано 4 802 874 860 страниц, в то время как в каталоге зарегистрировано всего 95 391 сайтов. Всего же летом 2008 года Google обнаружил по рядка триллиона веб-страниц. Таким образом, полнота просмотра Интернет наиболее популярны ми поисковыми машинами - меньше 1%.

Низкое качество поиска посредством поисковых машин обусловлено тем, что их алгоритм построен на основе поиска по ключевым словам. Такой поиск нельзя назвать эффективным ввиду того, что поисковые машины являются вербальными и работают, зачастую выбросив стоп-слова.

Ключевые слова не отображают смысл сообщения, из которого они выбраны, в результате пользо ватель получает ответ на запрос, содержащий много «шума». Только человек может выявить смысл фразы, компьютер же может только сопоставлять факты, если информация формализована.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ Компьютер не может думать, он может только выполнять указания человека. Единственным инст рументом управления поиском являются поисковые операторы. Наиболее распространенные из них реализуют логические условия («И» (AND), «ИЛИ» (OR), «НЕ» (NOT), «РЯДОМ» (NEAR) и др.).

Поиск осложнен также тем, что человек имеет субъективное мнение о том, как сформули ровать фразу для поиска, и она не всегда совпадает с тем, как ее представляют разработчики web страницы. Таким образом, на странице результата поиска поисковые машины выдают не все стра ницы, которые по смыслу соответствуют запросу пользователя.

При поиске посредством поисковых машин возникает еще одна проблема – слишком боль шое количество документов соответствующих запросу. В результате чего пользователю приходит ся самостоятельно фильтровать и анализировать представленную информацию. Но человек может обработать ограниченный объем информации, поэтому зачастую нужный материал остается не найденным.

Закрытая часть Интернета относится к так называемому «невидимому» Интернету. Прежде всего, это страницы, доступ к которым открывается при вводе верного сочетания логина и пароля или регистрации. Также это страницы, имеющие формат, не поддерживаемый поисковыми маши нами, как, например, до недавнего времени формат PDF.

По данным исследований компании Bright Planet «невидимый» Интернет более чем в раз, превышает объем видимой части. Поисковые роботы индексируют примерно 16% от всего web-контента.

Поиск по нетекстовой информации (звуки, видео, изображения) фактически невозможен, если у файла нет словесного описания.

Сайты заносятся в базу поисковых машин для последующей индексации двумя способами – через ссылки с уже известных поисковой машине сайтов, либо после «ручной» регистрации сайта в поисковой машине. Таким образом, если ни одним из способов сайт не зарегистрирован в базе поисковой машины, узнать о нем возможно только из баз данных национальных регистраторов доменных имен, национальных метапоисковых систем, либо традиционных печатных изданий, рекламы.

Анализ имеющихся технологий поиска деловой информации в Интернет показал, что они зачастую не позволяют достичь желаемого результата. Поиск такой информации остается серьез ным аналитическим процессом для специалистов, а автоматизация в данной области не сильно об легчает работу аналитиков. Принятие решений на основании информации, полученной из Интер нет, может привести к неверным выводам.

Литература:

А.В. Хорошилов, С.Н. Селетков, Н.В. Днепровская, Управление информационными ресур 1.

сами: учебник. - М.: Финансы и статистика, 2006. – 272 с.: ил.

Л.А. Овчаров, С.Н. Селетков, Автоматизированные банки данных. - М.: Финансы и стати 2.

стика, 1982. – 262 с.: ил.

В.П. Захаров, Информационные системы (документальный поиск).- СПб.: СПбГУ, 2002. – 3.

188 с.

Е.Л. Ющук, Интернет-разведка: руководство к действию.- М.: Вершина, 2007. – 256 с.

4.

И. Ашманов, А. Иванов, Оптимизация и продвижение сайтов в поисковых системах (+CD). 5.

СПб.: Питер, 2008. – 400 с.: ил.

РАЗРАБОТКА МОДЕЛИ УПРАВЛЕНИЯ РИСКАМИ, ПОРОЖДАЕМЫМИ ПРИМЕНЕ НИЕМ ДИСТАНЦИОННЫХ ОБРАЗОВАТЕЛЬНЫХ ТЕХНОЛОГИЙ В ВУЗЕ Г.Н.Чусавитина, к.п.н., проф., Т.Н. Сахнова, к.п.н., доц., Чусавитин М.О., студент 4 курса фа культета информатики Магнитогорский государственный университет Тел./Факс (3519)35-09 41, inform@masu-inform.ru Современное общество представляет собой общество «производящее» риски с одной сто роны, и «потребляющее» их – с другой. Производство рисков возникает во всех сферах жизнедея 216 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ тельности общества – экономической, политической, социальной, образовательной. Возрастание значимости роли информации в современном общественном развитии привело к необходимости исследования внутренних и внешних рисков, порождаемых применением ИКТ и в сфере образо вания.

Сегодня в российских вузах активно используются современные дистанционные образова тельные технологии (ДОТ) применение которых порождает целый ряд разноплановых, трудно де терминированных рисков. Под категорией «риски, порождаемые применением дистанционных образовательных технологий в системе высшего профессионального образования» мы понимаем возможность возникновения неблагоприятных условий или воздействий на образовательную дея тельность вуза (включая миссию, функции, образ, репутацию, активы, ресурсы), обуславливаемые взаимодействием образовательной системы с угрозами и опасностями, индуцируемыми и произ водимыми в результате функционирования ее в ИКТ-насыщенной образовательной среде.

Целевая функция управления рисками, таким образом, состоит в разработке и реализации управленческих решений, направленных на предотвращение или эффективное разрешение возни кающих рисковых ситуаций, то есть восстановление исходного состояния инновационного про цесса или тенденций его позитивного (целевого) развития во внешней среде при минимально воз можных потерях.

В качестве методологии при построении модели управления рисками, порождаемые приме нением дистанционных образовательных технологий в системе высшего профессионального обра зования», нами использованы подходы рекомендуемые PMBOK® ANSI/PMI 99-001-2004. Соглас но данной методологии, управление рисками включает в себя процессы, относящиеся к планиро ванию управления рисками, их идентификации, качественному и количественному анализу, реа гированию на риски, мониторингу и управления рисками проекта.

На этапе планирования управления рисками нами была произведена категоризация рисков, порождаемых применением ДОТ в системе ВПО, на основании которой производилась в даль нейшем систематическая и всесторонняя идентификация рисков.

Иерархическая структура рисков, разработанная в ходе проекта, базируется на архитектуре образовательной системы (Learning Technology Systems Architecture – LTSA), введенной в между народном стандарте IEEE P1484.1 (IEEE P1484.1/D8, 2001-04-06), который входит в состав стан дартов, поддерживаемых ISO. Цель стандарта: стандартизация технологий обучения для проведе ния лицензирования информационных систем в области образования и снижения рисков при про ектировании и разработке информационных систем в области обучения. Согласно уровню 3. IEEE 1484.1 LTSA System (Компоненты системы) архитектура информационно-образовательной среды содержит следующие компоненты: «Обучаемый», «Инструктор» (преподаватель или компью терная система), «Репозиторий» (учебные материалы), «Доставка» (система доставки материалов обучаемому), «Оценивание» (система оценивания результатов учебы), «База данных обучаемых»

(модель обучаемого, его профиль). Риски, порождаемые использованием технологий дистанцион ного обучения, зависят от особенностей каждого компонента процесса обучения.

На этапе идентификации рисков нами были проанализированы инциденты, связанные с безопасностью ОИС на примере образовательной инфраструктуры факультета информатики Ма ГУ, использовались материалы из открытых источников, в том числе научные работы, базы дан ных угроз и уязвимостей информационной инфраструктуры, бенчмаркетинг и др. В ходе проде ланной работы был составлен реестр рисков, порождаемых применением ИКТ в образовательном процессе вуза, содержащий описание: условий возникновения риска, возможного воздействия, возможного ущерба, причины риска, типа риска.

Фрагмент реестра рисков связанных с компонентом «Оценивание» представлен в таблице 1.

На рынке программного обеспечения сегодня разработаны и предлагаются различные ин струментальные средства анализа и контроля информационных рисков: COBRA (компания ком пания C & A Systems Security Ltd. ), британский CRAMM (Insight Consulting), американский RiskWatch (RiskWatch) и российский ГРИФ (Digital Security) и др.

ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ В рамках программы лицензирования (Academic Free License) программных продуктов для образовательных учреждений российская компания Digital Security представило факультету ин форматики МаГУ программные продукты ГРИФ (система анализа и управления рисками) и КОН ДОР (система разработки и управление политикой информационной безопасности) в целях пре доставления студентам, изучающим вопросы информационной безопасности, возможности на практических занятиях работать с лицензионным программным обеспечением, которое им пред стоит использовать в своей будущей профессиональной деятельности.

Таблица. Фрагмент реестра рисков Описание Источник Вероятные Ресурсы риска Уязвимости угрозы22 последствия (угрозы20) Использование слабых паролей владельцами информации;

Слабая защита про грамм проведения тес тирования и базы тес- Фальсификация Несанкционированный тов;

Антропогенные результатов тес доступ к АПИМам Хранение результатов тирования тестирования в неза шифрованом (тексто вом виде);

АПИМ Действие вредоносного ПО Сетевые кабели не продублированы;

Сете- Потери, связанные вые кабели не защище- с невозможностью ны;

Выход из строя выполнения обяза Отсутствие оборудования сервера;

Техногенные тельств (невоз доступа к АПИМам Отсутствие системы можность про своевременного распо- ведения тести знавания вторжения на рования) сервере Для проведения полного анализа информационных рисков нами использовался метод клас сического непересекающегося поля угроз информации: угроз конфиденциальности, целостности и доступности программная реализация которого осуществлена в компьютерной системе ГРИФ (Digital Security). С использованием ГРИФ нами построены компьютерные модели анализа ин формационных потоков образовательного учреждения и модели анализа угроз и уязвимостей на примере ОИС факультета информатики МаГУ. Произведена количественная и качественная оцен ка рисков, порождаемых применением ИКТ в образовании, осуществлен выбор методов воздейст вия на риск при сравнении их эффективности, производится расчет значения риска для ресурсов Угроза - потенциально возможное событие, действие (воздействие), процесс или явление, которое может привести к нанесению ущерба чьим-либо интересам.

21 Уязвимость - это присущие объекту информатизации причины, приводящие к нарушению безопасности информа ции на конкретном объекте и обусловленные недостатками процесса функционирования объекта, свойствами архи тектуры автоматизированной системы, протоколами обмена и интерфейсами, применяемыми программным обеспече нием и аппаратной платформой, условиями эксплуатации 22 Источник угрозы - это потенциальные антропогенные, техногенные или стихийные носители угрозы безопасности 23 Последствия - это возможные последствия реализации угрозы (возможные действия) при взаимодействии источни ка угрозы через имеющиеся факторы (уязвимости).

218 МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СОВЕРШЕНСТВОВАНИЕ ПОДГОТОВКИ IT-СПЕЦИАЛИСТОВ ПО НАПРАВЛЕНИЮ «ПРКЛАДНАЯ ИНФОРМАТИКА» ДЛЯ ИННОВАЦИОННОЙ ЭКОНОМИКИ ИНСТИТУТ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ после задания контрмер (остаточный риск), оценка эффективности контрмер. Была произведена апробация отдельных направлений в процессе создания ОИС в МаГУ.

Материалы исследования использовались в курсовом и диплом проектировании со студен тами факультета информатики МаГУ, при проведении конференций, круглых столов, заседаний научных школ и т.п. Была произведена корректировка существующих учебных программ по спе циальностям 080801 «Прикладная информатика (в экономике)», 30106 «Информатика», специали зация «Защита информации и информационная безопасность»;

введены новые тем в образователь ные программы в части регионального компонента и дисциплин по выбору для профильных спе циальностей и направлений высшего образования. Материалы исследования опубликованы на Web-портале университета.

К участию в проекте были привлечены 25 студентов 3-5 курсов, обучающихся на факульте те информатики МаГУ по специальностям - 080801 «Прикладная информатика (в экономике)» и 050202 «Информатика» с дополнительной специализацией «Защита информации и информацион ная безопасность» и других специальностей университета, активно занимающихся научно исследовательской деятельностью.

Исследование выполнено при финансовой поддержке РГНФ, проект № 08-06-00166а «Управление рисками, порождаемыми применением информационно-коммуникативных техноло гий в образовательном процессе вуза», направленному на совершенствование механизмов управ ления рисками, возникающими в ИКТ-насыщенной среде вуза.

ПРИМЕНЕНИЕ СРЕДСТВ ВИРТУАЛИЗАЦИИ ОПЕРАЦИОННЫХ СИСТЕМ ПРИ ИЗУ ЧЕНИИ СЕТЕВЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ К.т.н доцент Шевченко Валерий Павлович Москва, Институт современной экономики, chiev@online.stack.net В настоящее время компьютерные информационные сети (ИС) являются непременным ат рибутом информационных систем различного назначения. Технологии ИС развиваются очень ди намично и требуют пристального внимания при подготовке IT-специалистов в целом и, в том чис ле, по направлению «Прикладная информатика в экономике» [1]. Основные практические навыки конфигурирования, настройки, администрирования и применения ИС закладываются в ходе прак тических и лабораторных занятий, проходящих в компьютерных классах, объединенных в локаль ные сети.

Однако, как показывает опыт, полноценному образовательному процессу при проведении таких занятий на одноранговых сетях мешает два фактора:

- в процессе конфигурирования и настройки сетей студенты вторгаются в системную об ласть компьютеров, приводя в ряде случаев своими не квалифицированными действиями к отка зам в работе операционной системы (ОС) отдельных компьютеров или сети в целом;

- значительное число обучаемых в учебной группе, как правило, не позволяет выделить от дельному студенту для индивидуальной работы свою, даже очень малую сеть, практически счита ется хорошим результатом если на одного студента приходится одна рабочая станция.

Для сетей с выделенным сервером положение еще более усугубляется, так как сервер всего один на целый класс и ситуация, когда установленное на него программное обеспечение исследу ется группой в несколько десятков человек, не может рассматриваться как нормальная в принци пе. А ведь даже серверная ОС, устанавливаемая на выделенный сервер, существенно сложнее кли ентских ОС и требует большего времени на изучение и, тем более, на ее настройку.

По нашему мнению, выходом является применение средств виртуализации ОС. В настоя щее время наблюдается технологический прорыв в виртуализации ОС, когда на одной машине оказывается возможным посредством использования специального приложения установить, кроме основной ОС (ее называют хостовой), также несколько гостевых ОС. При этом, на экране хостово го компьютера появляются сразу несколько виртуальных компьютеров с гостевыми ОС, работа с которыми ни чем не отличается от работы на реальных компьютерах. Оказывается возможным ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ IV РОССИЙСКАЯ НАУЧНО-МЕТОДИЧЕСКАЯ КОНФЕРЕНЦИЯ связать виртуальные компьютеры в сеть, посредством выполнения тех же операций по конфигу рированию и настройки, что и в реальной сети.



Pages:     | 1 |   ...   | 8 | 9 || 11 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.