CC BY
453
УДК 004.942
Ю.О. Самойлов, В.В. Быстров
Институт информатики и математического моделирования Кольского НЦ РАН,
Кольский филиал ПетрГУ
ИНФОРМАЦИОННЫЕ СРЕДСТВА И ТЕХНОЛОГИИ ОЦЕНКИ КАЧЕСТВА ОБРАЗОВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ
Аннотация
В статье приведен обзор существующих сред имитационного моделирования и существующих разработок в области качества образования, а также кратко рассматривается разрабатываемая в ИИММ КНЦ информационная технология для оценки качества образования и выработки образовательной стратегии. Ключевые слова:
имитационное моделирование, качество, образование, оценка, агентное моделирование.
Y.O. Samoilov, V.V. Bystrov INFORMATION TECHNOLOGIES AND METHODS OF EDUCATION QUALITY ESTIMATION
Abstract
The review of the existing imitating modeling environment and also existing education quality developments are given in the article. The developed information technology of education quality estimation and education-based strategy of IIMM KRC of rAs is also briefly considered.
Keywords:
imitating modeling, quality, education, estimation, agent-based modeling.
Введение
В наше время основополагающим звеном практически любого предприятия или организации являются люди, и именно персонал играет важнейшую роль в его развитии в условиях рыночных отношений. К современному работнику предъявляются работодателем все более обширные требования, затрагивающие, кроме умения на высоком профессиональном уровне выполнять свои прямые трудовые обязанности, еще и владение информационными технологиями. Следовательно, для развития и стабильной деятельности экономики региона необходимо соответствующее кадровое обеспечение. За подготовку кадров в первую очередь отвечает система образования. Таким образом, исследования в области образования и качества образовательных услуг, соответствующих требованиям времени и работодателей, являются актуальными и важными.
Для того, чтобы своевременно реагировать на изменения требований рынка труда к будущим работникам, необходимо каким-либо образом оценивать образовательную деятельность ВУЗа. Оценку эту, естественно, рационально связать со студентами, ведь именно их суммарный уровень и качество получаемых знаний могут рассматриваться как один из показателей качества образования учебного заведения в целом.
В рамках научно-практических исследований ИИММ КНЦ РАН для решения задачи оценки качества образования было решено использовать
моделирование как средство изучения сложных систем. В соответствии с класс-сическим жизненным циклом моделирования необходимо решить следующие задачи: построить формальную модель образовательного процесса, реализовать компьютерную модель с помощью современных средств и методов имита-ционного моделирования, провести верификацию модели, на основе анализа результатов моделирования выработать типовые сценарии и стратегии развития учебного заведения. Для упрощения рутинных операций по организации взаимодействия между пользователем и моделью разрабатывается специальное программное обеспечение. Основное назначение данного программного комплекса автоматизировать операции настройки, многократной имитации, обработки и анализа результатов моделирования.
Современные средства имитационного моделирования
В настоящее время автоматизация широко применяется во многих областях деятельности. Одним из инструментов для решения задачи автоматизации является моделирование.
Современные объекты управления обладают высокой степенью слож-ности (структурной, функционирования, выбора поведения и развития), что значительно затрудняет использование аналитических методов исследования. В этом случае применение имитационного моделирования (ИМ) является более эффективным.
Существует четыре основных подхода ИМ [1]: динамическое моделирование, системная динамика (СД), дискретно-событийный (ДС) и агентное моделирование.
В России активное использование универсальных и специализированных сред ИМ для персональных ЭВМ началось в конце XX в. Этому способствовали следующие факторы:
1. Проведение регулярных всероссийских научных мероприятий по ИМ. В октябре 2003 г. состоялась первая всероссийская конференция по имита-ционному моделированию ИММОД, проводимая раз в два года.
2. Создание портала GPSS, содержащего информацию о литературе и мероприятиях по ИМ.
3. Появление современной литературы и материалов конференций (ИММОД, МОДС, Winter Simulation Conference и др.), находящихся в свободном доступе.
4. Разработка отечественной универсальной среды имитационного моделирования AnyLogic фирмой "XJ Technologies".
В работе [2] приведен график сравнительного роста числа российских и зарубежных организаций, пользующихся услугами компании "XJ Technologies". В период с 2000 по 2007 гг. доля российского рынка компании "XJ Technologies" увеличилась более чем на 25 % всех заказов на имитацию систем. Наибольший интерес к применению имитационных моделей отмечается в логистике, производстве и бизнесе.
Основными факторами, ограничивающими развитие ИМ, являются нехватка квалифицированных кадров и использование нерациональных методов [2]. Среди частных проблем можно отметить [1] неоптимальную разработку имитационных моделей, отсутствие эффективной машинной реализации, несоблюдение компромисса между универсальностью и прикладной областью.
Имитационное моделирование может успешно применяться в исследовании производственных систем. Например, имеется опыт использования программных продуктов имитационного моделирования в горном деле, машиностроении, теплофизике и энергосберегающих технологиях [3].
Характеристики некоторых наиболее распространенных сред ИМ
Характеристика среды Arena ExtendSim Anylogic Automod Promodel
Г од выпуска 1998 1998 1999 1999 1999
Разработчик Rockwell Software Imagine That, Inc. XJ Technologies Applied Materials Inc. PROMODEL Corporation
Специализированный язык Нет ModL Java Встроенный язык Встроенный язык
Вид библиотек Стандартные Стандартные Стандартные Настраиваемые шаблоны Настраиваемые шаблоны
Создание пользовательских библиотек и шаблонов Есть Есть Есть Нет Нет
Импорт чертежей Есть Нет Есть Есть Есть
Парадигмы ИМ: а) динамические системы Нет Нет Есть Нет Нет
б) системная динамика Нет Нет Есть Нет Нет
в)агентное моделирование Нет Есть Есть Нет Нет
г) комбинированный подход Нет Есть Есть Нет Нет
Модуль оптимизации OptQuest Встроенный OptQuest AutoStat SimRunner
Потоки случайных чисел Неограниченное число Неограниченное число Неограниченное число Неограниченное число 100 потоков
Стандартные теоретические распределения 12 18 29 7 20
Разработка интерфейса для пользователя модели Нет Нет Есть Нет Нет
Операционная система, версия не ниже Windows 2000 Windows 2000, Mac OS X 10.4 Windows 2000, Apple Mac OS X 10.4, SuSE Open Linux 10.2, Ub-untu Linux 7.04 Windows XP Windows 2000
Рекомендуемые требования к оперативной памяти 256 Мб (512 Мб и более) 256 Мб (2 Гб) 1 Гб 512 Мб 512 Мб (2 Гб)
Наличие демоверсии Есть Есть Есть Есть Нет
Задачи, решаемые ИМ для исследования производственных систем, можно разделить на три основные группы [4]: определение потребности в оборудовании, оценка производительности, оценка технологических операций.
В работе [8] приведены характеристики более 50 современных сред ИМ. На основе данных этих источников можно считать, что одними из наиболее распространенных сред являются Arena [6], Extend [7], AnyLogic [8], AutoMod [9], Promodel [10], характеристики которых приведены в таблице выше.
Необходимо отметить, что некоторыми характеристиками обладают все
рассматриваемые среды, а именно:
• наличие связи с внешними приложениями;
• использование трехмерной анимации;
• документирование;
• поддержка парадигмы дискретно-событийного моделирования;
• иерархичность представления;
• эмпирические распределения;
• независимые прогоны моделируемой системы;
• разработка сценариев;
• планирование статистических экспериментов;
• интерактивный отладчик.
Для сравнения необходимо задать критерии анализа. Наиболее важными являются следующие параметры сред ИМ.
1. Основные характеристики, в число которых входят следующие возможности: использование различных парадигм ИМ, описание логики поведения объекта на встроенном языке, простота освоения среды моделирования, поддержка иерархического моделирования сложных систем, возможность интерактивной отладки и разработки интерфейса для пользователя модели, импорт и экспорт данных, обеспечение разработки сценариев моделирования, поддержка непрерывно-дискретного моделирования, связь среды ИМ с другим программным обеспечением.
2. Требования к оборудованию и программному обеспечению - объем оперативной памяти, вид и версия операционной системы.
4. Реализация анимации и динамической графики, обеспечивающих визуализацию модели и отображение ее параметров (часы, шкалы, графики и т. д.).
5. Различные статистические возможности, такие как возможность задания потоков независимых случайных величин, возможность задания эмпирических распределений, осуществление независимых прогонов модели, планирование проведения статистических экспериментов, оптимизация параметров модели.
6. Поддержка пользователя среды (наличие справочного материала, демоверсии и осуществление технической поддержки).
7. Формирование отчетов с выходными данными, графиками, диаграммами, оценкой параметров модели и т. д.
Разработка всех рассмотренных сред ИМ начата в конце XX в. и связана с быстрым развитием аппаратной базы ЭВМ. Среды ИМ обладают следующими возможностями: предоставление визуального интерфейса разработки моделей, что облегчает их применение для непрограммирующего пользователя; поддержка иерархии в структуре модели, обеспечивающей четкую и наглядную
структуру, обеспечение связи с внешними приложениями, трехмерная анимация, документирование, отладка, анализ, оптимизация модели имитируемой системы. На сайтах разработчиков рассмотренных сред ИМ (кроме "PROMODEL Corporation") можно загрузить демоверсию среды.
Отличительными особенностями приведенных сред ИМ являются наличие специализированного языка, вид библиотеки элементов, возможность создания пользовательских библиотек и шаблонов, импорт чертежей, парадигмы моделирования, возможность разработки интерфейса для пользователя модели, требования к оперативной памяти и программному обеспечению ЭВМ. Рассмотрим эти различия более подробно.
Специализированные среды ИМ отличаются поддержкой, в качестве шаблонов, уже созданных объектов, имитирующих элементы и процессы производства. Универсальные среды могут имитировать производственные системы, но для разработки модели требуются большие затраты времени. Однако у них имеется возможность создания пользовательских библиотек и шаблонов.
Все рассмотренные среды, за исключением Extend, поддерживают импорт чертежей из систем автоматизированного проектирования (например, AutoCad).
Рассматриваемые среды позволяют создавать модели непрерывных и дискретных систем с помощью ДС-подхода.
Среда ИМ AnyLogic имеет ряд преимуществ: наличие всех парадигм ИМ (высокая гибкость выбора подхода); возможность выбора между парадигмами или применение комплексного подхода; обладает всеми свойствами, необходимыми для разработки имитационных моделей. Данная среда предоставляет возможность экспортировать разработанную модель в приложение или апплет, обеспечивая этим доступность применения результатов исследования заказчиками проекта. AnyLogic разработана на универсальном языке программирования Java, что позволяет среде не зависеть от вида операционной системы. Отметим, что AnyLogic является одной из наиболее распространенных сред ИМ в России (более 30 % моделей, представленных на конференции ИММОД-2009, разработано в среде AnyLogic) и применяется в различных областях: производственных, социально-экономических,
транспортных и др. Например, в угольной промышленности возможные варианты имитации: конвейерный транспорт, проходческое оборудование, логистика, автомобильный и железнодорожный транспорт, процесс развития предприятия и др.
Обзор научно-исследовательских работ в области управления качеством образования
В настоящий момент существует множество различных работ, посвященных решению проблемы управления качеством образования. Нужно отметить, что некоторые исследования доведены до стадии реализации в виде программного продукта, тестируемого или уже внедренного в некоторые учебные заведения. Большая часть - это разработки ведущих российских и зарубежных вузов, а именно результаты научно-исследовательских работ их научных сотрудников. В данном разделе зарубежные разработки затрагиваться
не будут. Будет дано описание наиболее близких по тематике и методам разработки российских систем поддержки управления качеством образования.
1. В статье «Моделирование информационной системы оценки качества образования» за авторством К.И. Костенко и С.Д. Некрасова [12] дано описание ИС, поддерживающей осуществление основных видов деятельности по оценке качества образования. Выбранный авторами подход к созданию информационной системы основан на идеологии создания и использования массивов слабоформализованных предметных и профессиональных знаний. Он делает возможным развертывание корпоративных полей знаний, ориентированных на решение разнообразных задач с помощью технологий обработки знаний, в том числе задач управления и принятия решений.
В настоящее время решаются следующие задачи:
• расширение информационной среды материалами, регламентирующими проведение практик, содержащими сведения о выпускниках и профессиональных траекториях, аннотированную базу тем курсовых и дипломных работ;
• построение структур основных профессиональных задач по специальностям, которые осваивают студенты КубГУ;
• составление базы актуальных для современного работодателя профессиональных задач по специальностям, которые осваивают студенты КубГУ;
• сопоставление списков первой и второй обозначенных выше задач для принятия решений и внесения корректив в образовательные программы подготовки квалифицированных специалистов КубГУ;
• построение модели процесса наполнения базы первичных данных, получаемых по результатам опросов студентов, преподавателей и работодателей и автоматизации процесса прохождения опросов, определяемого регламентом предоставления информации;
• развитие системы типов (классов) интерактивных опросных форм;
• создание функциональных механизмов обработки фактической информации, включая базы профессиональных знаний, управляющих процессом оценки ситуации и принятия решений.
2. В рамках диссертационной работы «Мультиагентное имитационное моделирование образовательного процесса накопления знаний» [13] за авторством Назойкина Е.А. реализована мультиагентная модель и интерфейс, позволяющий работать с ней, в среде 8тр1ех3 Таким образом, в настоящий момент:
• разработан комплекс моделей и программ мультиагентной имитации образовательного процесса в ВУЗе в универсальной системе имитационного моделирования Simplex3 с описанием агентов на объектно-ориентированном языке моделирования Simplex-MDL с внешними процедурами и EDL описанием экспериментов в среде экспериментирования;
• разработаны программы имитационного эксперимента и поиска оптимальных решений на языке Simplex-EDL в различных условиях передачи и представления информации с процедурами накопления знаний и распределения учебной нагрузки;
• разработан пользовательский интерфейс, обеспечивающий диалоговый режим работы с имитационной моделью для проведения эксперимента с различными параметрами состояния и стратегиями поведения агентов;
• разработаны рекомендации и учебно-методические материалы по имитационному моделированию и повышению качества образовательного процесса в ВУЗе.
3. В Бийском технологическом институте (филиал АлтГТУ) разработана интегрированная автоматизированная информационная система (ИАИС) ВУЗа (Н.Ю. Ануфриева, О.А. Бубарева, Е.С. Молодцова, В.В. Парахин, К.Г. Паутов, Ф.А. Попов, А.А. Тютякин) [11]. Она обеспечивает функции оперативного и стратегического управления основными видами вузовской деятельности. Данная система обеспечивает поддержку принятия решений, как руководством института, так и руководством АлтГТУ, предоставляя им в оперативном режиме необходимые сведения о финансовом, кадровом и материально-техническом состоянии института, а также о его учебной и научной деятельности. Эта же система является источником данных для формирования отчетов, направляемых в федеральную службу по надзору в сфере образования и науки, в органы статистического наблюдения, в налоговую службу, в пенсионный фонд, а также в др. административно-управленческие и контролирующие структуры.
В структуре ИАИС выделены подсистемы управления: кадрами,
бухгалтерским учетом, финансовыми и материальными ресурсами, трудом и заработной платой, учебным процессом, научными исследованиями, библиотечной деятельностью, качеством образовательных услуг, делопроизводством, информационными ресурсами. Упомянутый выше информационный портал и коммуникационно-интеграционная подсистема также являются структурными элементами ИАИС.
На базе этой ИАИС система информационной поддержки (СИП). Для управления объектами ИАИС базовой среди CALS-технологий является технология PDM (Product Data Management), реализуемая PDM-системой.
В рамках своих функций PDM-система способна обеспечить:
• информационно-справочную поддержку СМК посредством хранения полного комплекта электронных документов системы качества, включая приказы федерального уровня, стандарты предприятия, должностные инструкции ит. д.;
• внедрение процессного подхода в управлении качеством за счет автоматизированного управления потоками работ, составляющими основные рабочие процессы ВУЗа;
• функция управления потоками работ также обеспечивает проверку процессов, включающую их мониторинг;
• классификацию хранимой документации СМК в соответствии с принятыми уровнями документов СМК;
• формирование календарного плана работ, распределения ресурсов по отдельным задачам и контроля выполнения задач со стороны руководства.
Технология управления качеством образования научно-образовательного комплекса
В рамках ИИММ КНЦ РАН разработана технология управления качеством образования научно-образовательного комплекса. Главным образом отличия заключаются в среде и выбранной парадигме моделирования (если моделирование имело место быть), а также в функциональном наполнении разработанной ИС.
Для оценки качества образования используется уровень подготовки выпускаемых специалистов, который определяется объемом и структурированностью полученных студентами знаний по каждой дисциплине учебного плана. Технология опирается на имитационное моделирование образовательного процесса. Для каждого студента имитируется уровень усвоения каждой дисциплины. Для имитации образовательных процессов используются мультиагентные технологии, агентами моделируются преподаватели и студенты, сценами - среды взаимодействия агентов. Основными действиями агентов на сцене «аудиторные занятия» являются: передача знаний преподавателем, посещение занятий студентом, усвоение знаний студентом. На передачу знаний влияют такие параметры преподавателя как: квалификация; компетентность; опыт работы. Параметры преподавателей, влияющие на эффективность передачи знаний, являются управляющими относительно качества образования. Также влияют параметры сцены: лабораторная база, библиотека, качество аудиторий. На посещение занятий студентом влияют параметры преподавателя (личные качества и профессиональные качества), параметры сцены и параметры студента (мотивация, состояние здоровья). Кроме того, на посещение занятий студентом влияют «внешние» параметры: занятия физкультурой и спортом, бытовые условия, доступность развлечений. Ряд этих параметров влияет на состояние здоровья и мотивацию. На мотивацию также влияют такие параметры как: «порог отчисления», стипендия и административные меры. На увеличение уровня знаний в первую очередь влияет посещение занятий. Также оказывает существенное влияние уровень усвоения дисциплин, связанных с данной дисциплиной и базовые знания. Управление качеством образования осуществляется путем подбора значений управляющих параметров модели при многократной имитации. Параметры могут быть изменены как перед запуском имитации, так и на любом шаге в режиме пошаговой имитации.
В статье мы отметим некоторые моменты разработки компьютерной модели. В качестве основного метода моделирования используется агентный подход, т.к. в отличие от системной динамики разработчик определяет поведение агентов на индивидуальном уровне, а глобальное поведение системы в целом возникает как результат деятельности множества агентов (моделирование «снизу вверх»).
Для оценки качества образования используются значения уровней знаний, полученные студентами по каждой дисциплине учебного плана. Для каждого студента имитируется уровень усвоения каждой дисциплины. Для имитации образовательных процессов используются агентные технологии. Используются два типа агентов, имитирующих проактивные сущности, и один тип сцены. Сценами являются аудиторные занятия, на которых происходят действия агентов по передаче и получению знаний. Сцены имеют ряд
параметров, которые могут влиять на эффективность действий агентов и, соответственно, на качество образования. Сцена «Аудиторные занятия» имеет следующие параметры: учебный план, лабораторная база, библиотека, качество аудиторий. Учебный план представляет собой набор дисциплин с проекцией на временную шкалу и связей между дисциплинами, отражающими степень их взаимного влияния с точки зрения усвоения. Набор отношений между дисциплинами является подмножеством декартова произведения набора дисциплин на себя. Лабораторная база определяется набором и качеством лабораторного оборудования. Библиотека - ассортиментом и количеством изданий для каждой группы дисциплин. Качество аудиторий -соответствием санитарным нормам и наличием мультимедийной техники.
Агентами реализуются проактивные сущности - преподаватель и студент. Количество агентов первого типа равно количеству преподавателей. Каждый агент параметризуется по данным конкретного преподавателя. Параметрами являются: квалификация, компетентность, опыт работы,
профессиональные качества, личные качества. Квалификацию преподавателя определяет ученая степень. Профессионально-педагогическая компетентность содержит пять видов компетентности, значения каждого из которых определяются экспертными методами: специальная и профессиональная
компетентность в области преподаваемой дисциплины, методическая компетентность в области способов формирования знаний, умений у студентов; социально-педагогическая компетентность в области процессов общения; дифференциально-психологическая компетентность в области мотивов, способностей, направлений учащихся, аутопсихологическая компетентность в области достоинств и недостатков собственной деятельности и личности. Опыт работы задается формально. Профессиональные и личные качества определяются с помощью анкетирования. Параметры преподавателей, влияющие на эффективность передачи знаний, являются управляющими относительно качества образования.
Количество агентов второго типа равно количеству студентов одного курса (взаимодействие между студентами разных курсов в модели не рассматривается). Каждый агент также параметризуется по данным конкретного студента и, кроме того, имеет набор параметров (уровень усвоения каждой дисциплины учебного плана), которые являются выходными и используются для оценки качества образования. Основными параметрами «студента» являются: базовые знания, уровень усвоения дисциплины, способности, мотивация, состояние здоровья. Базовые знания для студентов первого курса определяются по результатам ЕГЭ, далее учитываются значения параметра усвоения каждой дисциплины учебного плана. Способности определяются в процессе психодиагностического тестирования. Мотивация и состояние здоровья могут изменяться в процессе имитации.
Основными действиями агентов на сцене «аудиторные занятия» являются: передача знаний преподавателем, посещение занятий студентом, усвоение знаний студентом. На передачу знаний влияют такие параметры преподавателя как: квалификация, компетентность, опыт работы. Также влияют параметры сцены: лабораторная база, библиотека, качество аудиторий. На посещение занятий студентом влияют параметры преподавателя (личные качества и профессиональные качества), параметры сцены и параметры студента
(мотивация, состояние здоровья). Кроме того, на посещение занятий студентом влияют внешние параметры модели: занятия физкультурой и спортом; бытовые условия; доступность развлечений. Ряд этих параметров влияет на состояние здоровья и мотивацию. На мотивацию также влияют такие внешние параметры как: порог отчисления, стипендия и административные меры. На увеличение уровня знаний в первую очередь влияет посещение занятий. Также оказывает существенное влияние уровень усвоения дисциплин, связанных с данной дисциплиной и базовые знания. Кроме того влияют такие параметры студента как: мотивация; способности и состояние здоровья. А также оказывают влияние на уровень усвоения дисциплины параметры сцены: лабораторная база; библиотека; качество аудиторий.
Все вышеизложенные параметры можно представить в виде следующей схемы на рисунке.
Параметризация модели
Заключение
Проблема обеспечения качества образования по-прежнему является задачей актуальной и большое количество различных прикладных разработок, рассмотренных в данной статье, помимо разработки ИИММ КНЦ РАН, является тому подтверждением. Перечисленные работы в данном направлении являются далеко не единственными и существуют другие разработки как отечественных, так и зарубежных НИИ.
Предлагаемый же ИИММ КНЦ РАН подход к управлению качеством обучения обеспечивает путем многократной имитации формирование предпочтительных с точки зрения качества выпускаемых специалистов, сценариев управления образовательной деятельностью учебного заведения. Имитационная модель дает возможность прогнозирования последствий изменения значений управляющих параметров относительно качества образования. Это также позволяет проектировать программы переподготовки специалистов путем оперативного изменения учебных и рабочих планов.
ЛИТЕРАТУРА
1. Борщев, А.В. Практическое агентное моделирование и его место в арсенале аналитика / А.В. Борщев // Exponenta PRO, 2004. -№ 3/4 (7/8). -С.38-47.
2. Борщев, А.В. Применение имитационного моделирования в России -состояние на 2007 г. /А.В. Борщев // III Всерос. науч.- практ. конф. Имитационное моделирование. Теория и практика (ИММОД-2007), г. Санкт-Петербург, 17-19 октября 2007г: сб. докл., 2007. -T.1. -С .11-16.
3. Зиновьев, В.В., Гречишкин, П.В. Практическое применение программных средств имитационного моделирования / В.В. Зиновьев, П.В. Гречишкин // III Всерос. науч.-практ. конф. Имитационное моделирование. Теория и практика (ИММОД-2007), Санкт-Петербург, 17-19 октября 2007г.: сб. докл., 2007. - С.78-82.
4. Лоу, А.М., Кельтон, А.Д. Имитационное моделирование. Классика CS. 3-е изд. / А.М. Лоу, А.Д. Кельтон. Спб.: Питер: Киев: Издательская группа BHV, 2004. - 847с.: ил.
5. Swain, J.J. Discrete event simulation software: New frontiers in simulation / J.J. Swain //OR/MS Today. -2007. -V.34, № 5. -рр.32-43.
6. Bapat, V., Sturrock, D. The Arena product family: enterprise modeling solutions / V. Bapat, D. Sturrock // Proc. of the Winter Simulation Conf. New Orleans (USA), 7-10 Dec. -2003. -pp.210-217.
7. Krahl, D. Extend: An interactive simulation tool // Proc. of the Winter Simulation Conf / D. Krahl. New Orleans (USA), 7-10 Dec. -2003. -рр.188-196.
8. Карпов, Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 / Ю.Г. Карпов. - СПб.: БХВ-Петербург, 2009. - 400 с.
9. Rohrer, M.W. Maximizing simulation ROI with AutoMod / M.W. Rohrer // Proc. of the Winter Simulation Conf. New Orleans (USA), 7-10 Dec.-2003. -рр.201-209.
10. Harrell, C.R. Simulation modeling using Promodel technology / C.R. Harrell // Proc. of the Winter Simulation Conf. New Orleans (USA), 7-10 Dec. -2003. -pp.175-181.
11. Использование pdm-технологий в задачах информационной поддержки системы менеджмента качества вуза. -Режим доступа: http: //info -alt. ru/pdm
12. Костенко, К.И. Моделирование информационной системы оценки качества образования / К.И. Костенко, С.Д. Некрасов // Университетское управление: практика и анализ. - 2003. - № 3(26). -С.77-83.
13. Назойкин, Е.А. Мультиагентное имитационное моделирование образовательного процесса накопления знаний: дис. ... канд. техн. наук., защищена 19.05.2011, г. Москва, Моск. гос. ун-т приклад. биотехнологии. - М., 2011.209 с.: ил.
Сведения об авторах
Самойлов Юрий Олегович - аспирант, инженер-программист,
е-mail: samoilov@arcticsu.ru
Yu. О. Samoilov - post-graduate, programmer
Быстров Виталий Викторович - к.т.н., научный сотрудник, е-mail: vitbist@mail.ru
Vitalij V. Bystrov -Ph.D. (Tech. Sci.), researcher
