CC BY
13
А. В. Мельников, доктор технических наук, доцент Л. Е. Мистров, доктор технических наук, доцент Е. Г. Чернышев
ФУНКЦИОНАЛЬНАЯ МОДЕЛЬ ИНФОРМАЦИОННО-ОБУЧАЮЩЕЙ СИСТЕМЫ АНАЛИЗА СТАТИСТИКИ СУДИМОСТИ
FUNCTIONAL MODEL OF INFORMATION AND TRAINING SYSTEM FOR ANALYSIS OF CRIMINAL STATISTICS
В статье рассматривается функциональная модель использования информационно-обучающей системы в рамках компетентностного подхода и соответствующие решения по уменьшению трудоемкости и снижению субъективности в работе преподавателя для оценки умений и навыков обучающихся.
The article discusses a functional model of using an information and training system within the framework of a competency-based approach and the corresponding solutions to reduce labor intensity and reduce subjectivity in the work of a teacher to assess the skills and abilities of students.
Введение. Компетентностный подход в системе высшего профессионального образования формирует новую модель будущего специалиста, востребованного на рынке труда и обладающего необходимыми навыками [1].
Данный подход мотивирует обучающихся к развитию и совершенствованию своих знаний, компетенций и навыков, а также обеспечивает высокое качество подготовки будущих специалистов [2].
Формирование компетенций у обучаемого напрямую связано с уровнем его информированности, с запасом знаний, которыми он обладает.
Повышение уровня компетенции обучающегося в профессиональном смысле подразумевает под собой не только выполнение указаний преподавателя, но и поиск эффективных способов обучения. Компетентностный подход подразумевает изменение и других компонентов, включенных в образовательный процесс, например, таких как вариативность обучения с формированием индивидуальной образовательной траектории (ИОТ).
В работе под индивидуальной образовательной траекторией будем понимать последовательность решения учебных задач Uk с различной сложностью s.
На наш взгляд, необходимо оценивать уровень освоения компетенций не только с использованием блоков, тестирующих на уровень освоения знаний, но и с помощью контроля умения и навыков.
Для того чтобы в автоматизированном режиме предложить оценку, в том числе уровня освоения умения и навыков, необходимо включить соответствующий тестирующий контур и использовать так называемые информационно-обучающие системы (ИОС).
При использовании информационно-обучающей системы преподаватель будет оценивать результаты работы в ней каждого обучающегося, что является достаточно
трудоемкой задачей, так как существует огромное количество учебных задач, их решений и заключений, которые будет делать обучающийся по предоставленным ему аналитическим заданиям.
Цель работы. Предложим функциональную модель использования информационно-обучающей системы в рамках компетентностного подхода и соответствующие решения по уменьшению трудоемкости и возможному снижению субъективности в работе преподавателя для оценки умений и навыков обучающихся. Для этого необходимо в рамках разработки функциональной модели формализовать задания для определения навыков и умений, что позволит в автоматическом режиме проводить оценку аналитических результатов, которые были получены обучающимися.
В ходе работы с информационно-обучающей системой преподавателю необходимо оценивать результаты работы обучающихся и вносить их в банк эталонных решений, с которыми и будут сравниваться все те результаты, которые будет предлагать обучающийся.
Постановка задачи синтеза ИОС формулируется в следующем виде. Необходимо определить:
1) состав, тип и взаимосвязи между аппаратно-программными средствами (АПС) при выполнении учебной задачи;
2) состав и алгоритмы функционирования элементов управления информационно-образовательного среды;
3) количество и параметры учебной задачи, подлежащие выполнению информационно-образовательной средой;
4) интеллектуальный уровень обучаемых, определяемый из теоретических знаний и практической подготовки к решению учебной задачи;
5) количество, алгоритмы функционирования и эффективности аппаратно-программных средств.
Определим для ИОС на множестве О допустимых к вариантов информационно-
образовательной среды, которая описывается алгоритмами \, параметрами Ак и составом Ак, вариант, обеспечивающий эффективность решения и к для N количества с р качеством и сложности 5 учебной задачи не менее требуемой итр применительно к г вариантам информационно-образовательной среды, параметры которой задаются в виде
Ок = {к: к = Аг% тах ик (Ак,Жк, Рпк, Я, Я) > итр} (1)
Лк Ок Р
при: Ок = {О к,О к,Ок }; (2)
_ 4
Ок = [Ык1: £Ык1}; (3)
1=\
Ок е О к *; (4)
Ок е Ок*; 28
Щ = {Щ,Жк,Жк }; (6)
Щ = ; (7)
Щ = \ШКЬ; (8)
N Мк
Щ = {укП1ш : ЕЕ^т < Укт}; (9)
п=1 т=1
у = к = \К; г = 1Я (10)
п = I = \ь, m = \М, P = ЪР (11)
где:
Uk (Ак ,Щк, Р*, S, Я,) — число учебных задач, выполняемых информационно-образовательной средой на множестве ситуаций при А = {А, Ак, А } в составе (Ак ) , параметрах Ак, а также алгоритмах функционирования А и вариантах информацион-
N
но-образовательной среды, равных ик(АкЩ) = ^Рк(Ак,\кпЫ,Щ,Рк,Я,Я);
п=1
0.к, 0.к, 0.к — множество параметров, алгоритмов функционирования АПС варианта к информационно-образовательной среды при решении учебной задачи; Щ, Щ, Щ — множество, описывающее параметры, состав и алгоритмы решения учебной задачи как функции вариантов информационно-образовательной среды; М — количество некоторого типа аппаратно-программных средств в составе множества вариантов информационно-образовательной среды, используемых для моделирования учебной задачи; Дк*
£2 — множество реализуемых параметров некоторого типа аппаратно-программных
средств варианта к информационно-образовательной среды при решении учебной задачи;
„к* II к* тк* II " тк*
£ = ^ , аг || — вектор, который характеризует количественные а , динамические
ограничения на обрабатываемую информацию некоторым типом АПС варианта к
информационно-образовательной среды при решении учебной задачи; Мк1 — общее количество реализуемых операций некоторым типом АПС варианта к информационно-образовательной среды при решении учебной задачи; т — номер операции при реализации некоторого типа АПС варианта к информационно-образовательной среды при решении учебной задачи;
Жк' — количество некоторого типа аппаратно-программных средств в составе к варианта информационно-образовательной среды при решении учебной задачи;
УУ1к — множество взаимосвязей между некоторым типом АПС в составе к варианта информационно-образовательной среды при решении учебной задачи;
— многомерная матрица распределения некоторого типа АПС в составе к варианта информационно-образовательной среды при решении учебной задачи;
— количество реализуемых управляющих, информационных операций для некоторого типа аппаратно-программных средств в составе к варианта информационно-
образовательной среды при решении учебной задачи;
к
у — матрица назначения для некоторого типа аппаратно-программных средств в составе к варианта информационно-образовательной среды при решении учебной задачи, равная единице, если I типа АПС задействуется для решения учебной задачи и ноль — в ином случае;
У^к — возможности к варианта информационно-образовательной среды по выполнению т операций для моделирования учебной задачи;
Рк (Ак, vknlm,Wk, РГ, Б, К) — вероятность решения обучаемым некоторой структурной сложности учебной задачи, адаптируемой под интеллектуальный уровень подготовки обучаемых, применительно к некоторому варианту информационно-образовательной среды.
Представленное решение позволяет исследовать зависимость эффективности решения некоторым вариантом информационно-образовательной среды N количества учебных задач за счет оптимального выбора алгоритмов, состава и параметров функционирования ее аппаратно-программных средств [3].
Рис 1. Место информационно-обучающей системы в формировании индивидуальной
образовательной траектории
Покажем на примере использования программы для ЭВМ «Информационная система анализа статистики судимости» реализацию Ут к-го варианта информационно-образовательной среды по выполнению т операций для моделирования учебной задачи судебной статистики.
Разработанная информационная система анализа статистики судимости имеет следующие функции [4]:
1) выгрузка по выбранным параметрам информации о числе уголовных дел из отчетов за разные года;
2) нормализация выгруженных данных;
3) расчёт наилучших уравнений тренда для каждого ряда динамики;
4) формирование графиков для простых и обобщающих рядов динамики, а также формирование аналитических графиков для сравнения трендов;
5) формирование отчета.
Основной функционал программы для ЭВМ реализован в среде VBA IDE.
В компьютерной программе реализован функционал по сводке и группировке информации из сводных статистических форм о состоянии судимости в России, анализу и прогнозированию динамических рядов, настраиваемых по различным основаниям, формированию диаграмм для графического анализа трендов изучаемых явлений [5].
Таким образом, загрузив в данную информационную систему статистические показатели по нескольким регионам, анализирующий руководитель сможет понять, в каком регионе юридическая практика лучше, а где она хуже, по каким позициям необходимо провести совещание с органами прокуратуры, предварительного расследования и всеми остальными субъектами, которые занимаются предварительным расследованием и административным производством, и прийти к единой системе оформления материала.
Разработанная компьютерная программа актуальна для информационных подразделений органов внутренних дел (ОВД) и для руководящего состава ОВД. Позволит актуализировать статистические показатели относительно показателей предыдущего периода (АППГ) и сделать концептуальную выкладку, по каким статистическим показателям правоприменительная практика за конкретный период времени просела или наоборот улучшилась [6]. Также пользователями данной системы могут являться специалисты в области судебной статистики, магистры и студенты, обучающиеся по юридическим специальностям.
Наиболее трудоемкой задачей является формирование банка эталонных решений для N учебных задач с возможностью сравнения с требуемым U для различной сложности 5.
Сформируем вариант информационно-образовательной среды, реализующий U ( A, W ) число учебных задач и функциональную модель «Как есть» (AS-IS).
Рис 2. Функциональная модель «Как есть» (AS-IS)
Формирование банка эталонных решений к = 1, К; 8 = 1, Б; и = тах {ик является
творческим процессом, который предполагает последовательное оценивание множества вариантов решения задач преподавателем.
После накопления достаточного количества решений информационно-образовательной среды в автоматизированном режиме оценивается качество решения учебных задач.
Покажем на рисунке функциональную модель k-го варианта ИОС «Как должно быть» (TO-BE).
Рис 3. Функциональная модель «Как должно быть» (TO-BE)
Для стандартного варианта задания «Исследуйте статистику судимости по статьям Уголовного кодекса Российской Федерации. Постройте модель тренда и сделайте выводы о тенденции изучаемого явления» введем три параметра, позволяющие обеспечить инвариантность учебного задания с различным уровнем сложности.
Покажем в таблице инвариантность учебного задания для ИОС «Информационная система анализа статистики судимости» и результаты работы программы по формированию трендов в динамических рядах, а также модели, которые наилучшим образом отражают изменение динамики.
Инвариантность учебного задания с различным уровнем сложности
№ п/п
Задание
параметры задания (щ,)
Решение
1
s1
1. Статьи УК РФ: 205—227 «Преступления против общественной безопасности».
2. Временной период: с 2010 по 2021 год.
3. Вид уголовного наказания: лишение свободы (общее количество).
y = -6,67 х2 + 2817,18; R2 = 0,57
s
№
п/п
Задание
параметры задания (щ,)
Решение
82
1. Статьи УК РФ: 205—227 «Преступления против общественной безопасности».
2. Временной период: с 2010 по 2021 года.
3. Вид уголовного наказания: пожизненное лишение свободы и лишение свободы более 15 лет.
у = -0,09 х2 + 2,59; К2 = 0,05
1. Статьи УК РФ: 205—227 «Преступления против общественной безопасности».
2. Временной период: с 2010 по 2021 год.
3. Вид уголовного наказания: всего осуждено (общее количество) и ограничение свободы (основное наказание).
у = -11,91х2 +11438,62; Я2 = 0,46
84
1. Статьи УК РФ: 205—227 «Преступления против общественной безопасности».
2. Временной период: с 2010 по 2021 год.
3. Вид уголовного наказания: лишение свободы свыше 20 до 25 лет и всего осуждено.
у = -2,08х2 +11,8; Я2 = 0,19
8
2
3
4
Для проверки умения, навыков и сформированности компетенций обучающийся представляет аналитический вывод, в котором содержатся основные результаты. Для вывода введем шесть параметров (икг): статья (ик1), временной период (ик2), вид уголовного наказания (ик3), тенденция (ик4), прогноз (ик5), а также комментарий (ик6).
Структура ответа обучающегося должна содержать следующую информацию: «При изучении ряда динамики (ик1), (ик2), (ик3), выявлены тенденции (ик4) (рост/снижение).
Прогноз на следующий период (и^). Изменение данной тенденции может быть связано (ц,6)». Совпадение в решении четвертого и пятого параметров с банком эталонных решений (рис. 3) приводит к выполнению условия Щ > итр.
В качестве шестого параметра обучающийся может записать любой вывод, который предлагается для уточнения самостоятельности выполнения задания, например для s1 или s2: за анализируемый период количество лиц, к которым применялось ограничение свободы, возрастает, а количество лиц, к которым применялась судебная санкция, уменьшается, что нам показывает, что сложившаяся юридическая практика не позволяет довести дело до суда. Таким образом, дела теряют свою актуальность и этот аспект нуждается в научном и практическом осмыслении, т.е. необходимо разобраться, по какой причине дела не доходят до судебного решения, какие юридические коллизии и пробелы выявляются на стадии судебного разбирательства и как происходит дальнейшее решение судьбы субъекта, в отношении которого ведется производство, т.е. это оправдательные приговоры, это освобождение от ответственности, это прекращение дела в суде за отсутствием состава или иные факты.
Заключение. В работе на основе функциональных моделей было предложено для оценки умений и навыков использовать банк эталонных решений и предложена антология (машиночитаемые результаты).
Для учебной задачи, представленной в работе, сформированы уровни сложности, предложена вариативность учебных задач, заданы ее параметры для информационно-обучающей системы на базе разработанной компьютерной программы «Информационная система анализа статистики судимости».
ЛИТЕРАТУРА
1. Самсонова Н. С., Нечаева Е. И. Компетентностный подход как основа подготовки конкурентоспособных выпускников // Научный альманах. — 2019. — № 10-1 (60). — С. 173—175.
2. A retrospective analysis of competency-based approach in education / I. S. Tama-rov, YA. A. Polshkov, V. YU. Karpov, A. G. Saryev // Физическое воспитание и спортивная тренировка. — 2016. — № 3(17). — С. 103—106.
3. Мистров Л. Е., Поляков О. В. Метод синтеза архитектуры интеллектуальных тренажерных систем подготовки специалистов по применению радиоэлектронных объектов // Информационные системы и технологии. — 2021. — № 6 (128). — С. 72—82.
4. Жилин Р. А. Обеспечение защиты информации в комплексной системе безопасности особо важного объекта // Актуальные вопросы эксплуатации систем охраны и защищенных телекоммуникационных систем : сборник материалов всероссийской научно-практической конференции. — Воронеж, 2017. — С. 72—73.
5. Жилин Р. А., Шпак А. В. Проблема квалификации преступлений против объектов критической информационной инфраструктуры // Общественная безопасность, законность и правопорядок в III тысячелетии. — 2019. — № 5-2. — С. 248—252.
6. Жилин Р. А., Мельников А. В., Перминов Г. В. Численный метод кластеризации однородных альтернатив, характеризующих качество антитеррористической защищенности объектов органов внутренних дел, на основе суммы различий взвешенных признаков // Моделирование, оптимизация и информационные технологии. — 2020. — № 4 (31).
REFERENCES
1. Samsonova N. S., Nechaeva E. I. Kompetentnostnyj podhod kak osnova podgo-tovki konkurentnosposobnyh vypusknikov // Nauchnyj al'manah. — 2019. — № 10-1 (60). — S. 173—175.
2. A retrospective analysis of competency-based approach in education / I. S. Tama-rov, YA. A. Polshkov, V. YU. Karpov, A. G. Saryev // Fizicheskoe vospitanie i sportivnaya trenirovka. — 2016. — № 3(17). — S. 103—106.
3. Mistrov L. E., Polyakov O. V. Metod sinteza arhitektury intellektual'nyh trena-zhernyh sistem podgotovki specialistov po primeneniyu radioelektronnyh ob"ektov // Infor-macionnye sistemy i tekhnologii. — 2021. — № 6 (128). — S. 72—82.
4. ZHilin R. A. Obespechenie zashchity informacii v kompleksnoj sisteme bez-opasnosti osobo vazhnogo ob"ekta // Aktual'nye voprosy ekspluatacii sistem ohrany i zash-chishchennyh telekommunikacionnyh sistem : sbornik materialov vserossijskoj nauchno-prakticheskoj konferencii. — Voronezh, 2017. — S. 72—73.
5. ZHilin R. A., SHpak A. V. Problema kvalifikacii prestuplenij protiv ob"ektov kriticheskoj informacionnoj infrastruktury // Obshchestvennaya bezopasnost', zakonnost' i pravoporyadok v III tysyacheletii. — 2019. — № 5-2. — S. 248—252.
6. ZHilin R. A., Mel'nikov A. V., Perminov G. V. CHislennyj metod klasterizacii od-norodnyh al'ternativ, harakterizuyushchih kachestvo antiterroristicheskoj zashchishchennosti ob"ektov organov vnutrennih del, na osnove summy razlichij vzveshennyh priznakov // Mod-elirovanie, optimizaciya i informacionnye tekhnologii. — 2020. — № 4 (31).
СВЕДЕНИЯ ОБ АВТОРАХ
Мельников Александр Владимирович. Заведующий кафедрой правовой информатики, информационного права и естественнонаучных дисциплин. Доктор технических наук, доцент.
Центральный филиал Российского государственного университета правосудия.
E-mail: meln78@mail.ru
Россия, 394006, Воронеж, ул. 20-летия Октября, д. 95. Тел. 8 (910) 342-74-27.
Мистров Леонид Евгеньевич. Профессор кафедры правовой информатики, информационного права и естественнонаучных дисциплин. Доктор технических наук, доцент.
Центральный филиал Российского государственного университета правосудия.
E-mail: mistrov_le@mail.ru
Россия, 394006, Воронеж, ул. 20-летия Октября, д. 95. Тел. 8 (910) 342-88-92.
Чернышев Евгений Георгиевич. Преподаватель кафедры огневой подготовки.
Воронежский институт МВД России.
E-mail: next-vrn@yandex.ru
Россия, 394065, Воронеж, проспект Патриотов, 53. Тел. 8 (904) 212-58-50.
Melnikov Alexander Vladimirovich. Head of the chair of Legal Informatics, Information Law and Natural Sciences. Doctor of Technical Sciences, Associate Professor.
Central branch of Russian State University of Justice.
E-mail: meln78@mail.ru
Work address: Russia, 394006, Voronezh, 20-letiya Octyabrya Str., 95. Tel. 8 (910) 342-74-27.
Mistrov Leonid Evgenievich. Professor of the chair of Legal Informatics, Information Law and Natural Sciences. Doctor of Technical Sciences, Associate Professor.
Central branch of Russian State University of Justice.
Work address: Russia, 394006, Voronezh, 20-letiya Octyabrya Str., 95. Tel. 8 (910) 342-88-92.
Chernyshev Evgeny Georgievich. Lecturer in the chair of Fire Training.
Voronezh Institute of the Ministry of the Interior of Russia.
E-mail: next-vrn@yandex.ru
Work address: Russia, 394065, Voronezh, Prospect Patriotov, 53. Tel. 8 (904) 212-58-50.
Ключевые слова: функциональная модель; информационно-обучающая система; статистика судимости; анализ; учебная задача.
Key words: functional model; information and training system; criminal record statistics; analysis; learning task.
УДК 004.942
