CC BY
13
5. Сайт кампании «Lady Victory» [Электронный ресурс]. - Режим доступа: https://lady-victory.com/ru
6. Сайт жшочого штернет журналу «Лада» [Електронний ресурс]. - Режим доступу: http://krasalady.com.ua/
7. Электронные книги сфери «Косметология» [Электронный ресурс]. - Режим доступа: https://eknigi.org/dom_i_semja/ 42929-ko smetolo giya. html
8. Бондар, I. О. Методика створення мультимедшного навчального комплексу з шформатики для глухошмих [Текст]: зб. наук. ст. / I. О. Бондар, Н. О. Павленко // Системи обробки шформацп. - 2014. - № 1 (117) - С. 244-250.
9. Пушкар, О. I. Моделювання структурно! побудови електронного журналу црового спрямування [Текст]: зб. наук. ст. / О. I. Пушкар, I. О. Бондар // Системи обробки шформацп. - 2017. - № 2 (148). - С. 237-241.
10. Бондар, I. О. Завдання процесу розробки мультимедшного навчального видання з граф1чного дизайну [Текст]: Тез. докл. 2-й Междун. научн.-техн. конф. / I. О. Бондар, А. С. Грабова // Полиграфические, мультимедийные и web-технологи. - Х.: ХНУРЭ, 2017. - Т. 1. - С. 125-126.
11. Сервис Google Trends [Электронный ресурс]. - Режим доступа: https://support.google.com
12. Сервис Google AdWords [Электронный ресурс]. - Режим доступа: https://adwords.google.com
13. Кини, Р. Л. Принятие решений при многих критериях: предпочтения и замещения [Текст] / Р. Л. Кини, Х. Райфа. -М.: Радио и связь, 1981. - 560 с.
14. Лорьер, Ж.-Л. Системы искусственного интеллекта [Текст] / Ж. Л. Лорьер. - М.: Мир, 1991. - 568 с.
15. Подольская, М. Н. Квалиметрия и управление качеством: лабораторный практикум. Ч. 1. Экспертные методы [Текст] / М. Н. Подольская. - Тамбов: Изд-во ФГБОУ ВПО«ТГТУ», 2011. - 80 с.
16. Саати, Т. Принятие решений. Метод анализа иерархий [Текст]. - М.: Радио и связь, 1993. - 278 с.
Рекомендовано до публтаци д-р екон. наук, професор Пушкар О. I.
Дата надходження рукопису 28.09.2017
Бондар 1рина Олександрiвна, кандидат економ1чних наук, доцент, кафедра комп'ютерних систем i технологш, Харшвський нацюнальний економiчний ушверситет iменi Семена Кузнеця, пр. Науки, 9-а, м. Харшв, Укра!на, 61166 E-mail: iryna.bondar@hneu.net
Козлова Анастамя Вггалпвна, кафедра комп'ютерних систем i технологш, Харшвський нацюнальний економiчний ушверситет iменi Семена Кузнеця, пр. Науки, 9-а, м. Харшв, Укра!на, 61166
УДК 378.14:371.2
Б01: 10.15587/2313-8416.2017.115398
РОЗРОБКА МЕТОДИКИ ВИБОРУ СИСТЕМ 1НСТРУМЕНТАЛЬНО1 П1ДТРИМКИ ПРОЦЕСУ ПРОЕКТУВАННЯ ПЕДАГОГ1ЧНОГО ДИЗАЙНУ
© О. I. Пушкар, В. В. Браткевич, О. В. Самойленко
Запропоновано ieрархiчну модель вибору систем iнструментальноiрозробки педагогiчного сценарт. Наведено покрокову методику тльтсного оцтювання альтернативних варiантiв систем iнструментальноi тдтри-мки е-1еагп^. Для кожного з кластерiв ieрархiчноi моделi розглянуто шаблони матриць парних порiвнянь в^ дповiдних елементiв i надано процедуру Ы заповнення - приклади типових питань до експерта i можливих варiантiв його вiдповiдей. До^джено чутливкть моделi вiдносно невеликих змт думки експерта Ключовi слова: ieрархiчна модель, е-1еат^, педагогiчний сценарт, впровадження, критерп оцтювання, альтернативт варiанти
1. Вступ
Поняття «педагопчний дизайн» у даний час не мае однозначного визначення [1]. У контекст роботи шд педагопчним дизайном розумiеться процес прое-ктування навчальних систем, в основi якого лежить системний шдхвд, що дозволяе розробляти педагопч-ну технологш.
Шд шструментальним базисом навчально! системи педагопчного дизайну розумiеться базовий на-бiр шструментальних засобiв, як шдтримують пред-метну технологш розробки засобiв навчання й у максимальному ступеш орiентованi на сучаснi специфь каци та стандарта, що лежать в основi проектування систем навчання (e-learmng).
В даний час юнуе бiльш десятка засобiв орга-шзаци електронного навчання й безлiч супутнiх !м
BapiarnÎB систем iнструментальноï пiдтримки (С1П) e-learning. Вибiр конкретного BapiaHTa С1П не е три-вiaльним завданням, оск1льки його вирiшення зале-жить вiд багатьох, нaйчaстiше суперечливих, факто-piB. У стaтi на основi методу aнaлiзу iерaрхiй (МА1) [2] пропонуеться методика, що дозволяе фоpмaлiзу-вати процес кiлькiсного оцiнювaння кожного з альтернативних вapiaнтiв С1П e-learning.
2. Аналiз лiтературних джерел та постановка проблеми
Передбачаеться, що максимальна продуктив-тсть системи педагопчного дизайну буде забезпечуе-ться, якщо в основу ïï проектування й розробки буде покладена модель SCORM - збipник специфiкaцiй i стандарпв, який розроблено для систем навчання [3].
Pозглянyтa модель мiстить вимоги до оpгaнiзaцiï га-вчaльного мaтеpiaлy й до взде1° системи нaвчaння. Во-нa дозволяе зaбезпечити сyмiснiсть компоненпв i можливiсть ïx бaгaтоpaзового зaстосyвaння. Модель е сyмiсною з б№шютю iз сyчaсниx систем оpгaнiзaцiï нaвчaння, яш умовно можнa pоздiлити га чотири групи [4]: aвтоpськi прогрет продукти (Authoring Packages), системи кеpyвaння контентом (Content Management Systems - CMS), системи кеpyвaння ra-вчaнням (Learning Management Systems - LMS), системи кеpyвaння нaвчaльним контентом (Learning Content Management Systems - LCMS).
^ararcHra pеaлiзaцiя кожно1' iз груп здшсню-еться зa допомогою вiдповiдниx С1П e-learning. Bi-домi роботи, у якм нaведенi pекомендaцiï щодо осо-бливостей зaстосyвaння конкретно!' системи e-learning. Haйбiльш згачимими з ниx е нaстyпнi:
Sakai, - системa з вiдкpитим кодом (Java) [5]; Moodle, - системa з вiдкpитим виxiдним кодом (PHP+MySQL) [6]; WebTutor [7]; LMSeLearningServer [8]; Adobe Captivate [9], - дозволяе розробляти елект-ронш курси, у тому числ й для roix типiв мобiльниx облaднaнь; ispring Suite [9], - пpогpaмa конвертуе PowerPoint-пpезентaцiï в цiлiснi нaвчaльнi курси, яш можуть бути iнтегpовaнi в будь-яку SCORM I AICC -сумюну систему дистaнцiйного нaвчaння; Articulate Studio [10] тa iншi.
Як пpaвило, у пеpеpaxовaниx pоботax дaeться яшсний поpiвняльний опис можливостей двоx -тpьоx С1П e-learning, при цьому питaння обгрунту-вaння конкретного вибору ^a^raHM зaлишaються без вiдповiдi.
У робот [11] зaзнaчений недолiк долaeться зa допомогою зaпpопоновaноï тaм клaсифiкaцiï систем ор-гaнiзaцiï e-learning i розглядом можливиx вapiaнтiв ïx впpовaдження. При цьому aнaлiзyються вимоги, як стaвляться до зaсобiв оpгaнiзaцiï електронного нaвчaння й нa ïxнiй основi пропонуються pекомендaцiï у виглядi вiдповiдниx тaблиць щодо доцiльностi зaстосyвaння конкретно1' С1П e-learning. Тaким чином, yxвaлення рь шення здiйснюeться нa основi винятково якiсноï шфор-мaцiï й не явному (непрямому) облшу взaeмозв'язкiв мiж фaктоpaми. Тaкий mix-ii вимaгae вiд лиця, що yx-вaлюe piшення (ЛУР), досить високо1' квaлiфiкaцiï в ро-зглянyтiй облaстi й у згачнш мipi зaлежить ввд його ш-тущи. З метою зм'якшення вимог до ЛУР i щдвищення вipогiдностi pезyльтaт вибору С1П e-learning пропону-еться методикa, що дозволяе одеpжaти кiлькiснy xapaк-теристику aльтеpнaтивниx вapiaнтiв.
3. Мета та зaдaчi досл1дження
Метою дослiдження е розробга бaгaтоpiвневоï iepap\iчноï моделi, що дозволяе фоpмaлiзyвaти у ви-глядi вiдповiдноï методики процес вибору системи iнстpyментaльноï пiдтpимки e-learning, якa в повнш мipi оpieнтовaнa нa певний педaгогiчний дизaйн.
Для досягнення постaвленоï мети необxiдно pозв'язaти нaстyпнi зaдaчi:
- визнaчити пеpелiк можливиx вapiaнтiв су-чaсниx С1П e-learning;
- позгачити умови, у якиx виршуеться про-блемa, i причини, ввд якиx зaлежить вибip того aбо iншого piшення;
- дослiдити фaктоpи, що впливaють нa вибip гайбшьш пpiоpитетноï С1П e-learning i визгачити кpитеpiï оцiнювaння кожного з фaктоpiв;
- розробити шaблони мaтpиць гарнт поpiв-нянь для кожного iз клaстеpiв iepapxiчноï моделi, a тaкож вiдповiдниx вyзлiв yсеpединi клaстеpiв;
- сфоpмyлювaти питaння до експеpтa й пред-стaвити його судження (вщповщ) у виглядi згачи-миx чисел у шaблонax мaтpиць;
- викогати синтез pезyльтaтy у виглядi тдсу-мкового вектору пpiоpитетiв;
- дослiджyвaти стiйкiсть вектору пpiоpитетiв до мaлиx змiн суджень експеpтa.
Опис процесу виpiшення циx зaдaч стaновить суть методики, яга пропонуеться.
4. Методика вибору шструментальних засо-6íb проектування e-learning
Етап 1. Розробка iepapxi4Hoï структури модели
В основу побудови моделi шльшсно1' оцшки ефективностi зaстосyвaння pозглянyтиx вapiaнтiв ш-стpyментaльниx зaсобiв поклaдено припущення 1.
Припущення 1.
Мiж рiвнямu факmорiв (кpumepiïe, ознак), що вплuваюmь на eu6ip iнcmрyменmальнuх заcобiв, i^ye ieрархiчна залежнicmь.
Тaким чином, га дaномy етaпi дослщження звоpотнi зв'язки мiж piвнями, a тaкож взaeмозв'язки мiж кpитеpiями поточниx piвнiв пеpедбaчaються не-суттевими.
Ha рис. 1 гаведено пеpелiк i взaeмозв'язок клaстеpiв iepapxiчноï моделi, що пропонуеться.
Piвень 1. Мiстить один клaстеp, який мae один вузол з метою дослщження. У зaгaльномy випaдкy шльшсть вyзлiв може бути бiльш шж один.
Piвень 2. В основу побудови структури piвня поклaдено припущення 2.
Припущення 2.
Доcвiд проведення пракmuчнuх i лекцiйнuх за-няmь дозволяe cmверджyваmu, що ïx ефекmuвнicmь в значнш Mipi вuзначаemьcя втором заcобy орган1зацИ' еле^ронного навчання, якый y повнт Mipi повuнен pеалiзyваmu заcадu вiдповiдного педагогiчного сцена-рт. В свою чеpгy, на вuбip iнcmpyменmальнi заcобiв розробкы e-learning cymmeво вплuваe вuбip можлжо-го ваpiанmy його впровадження.
Тaким чином другий piвень моделi мae три групи (клaстеpiв) вyзлiв, яш зaлежaть ввд мети досль дження. Haдaлi, зпдно припущенню 2, нaведено пе-релш вyзлiв вiдповiдниx клaстеpiв.
Клаcmеp 1. Заcобu орган1заци e-learning [11].
Вузол 1.1. LMS - системи кеpyвaння нaвчaнням (Learning Management Systems). Вузол 1.2. CMS - системи кеpyвaння контентом (Content Management Systems). Вузол 1.3. LCMS - системи кеpyвaння нaвчaльним контентом (Learning Content Management Systems).
PiBeHb 1
PiBeHb 2
Мета
вибiр iнстрyмeнтальних 3aco6iB розробки„e-learning
Рис. 1. Перелiк píbhíb iepapxÎ4Hoï моделi вибору 3aco6ÍB розробки e-learning
Вузол 1.4. Authoring - авторськ програмш продукти (Authoring Packages).
Кластер 2. Педагогiчнi сценари e-learning [12].
Вузол 2.1. Лшшний (лшшний сценарш). Вузол 2.2. Нелiнiйний (нелiнiйний сценарш). Вузол 2.3. 1г-ровий (провий сценари). Вузол 2.4. Тренiнг (треншг-сценарiï).
Кластер 3. Впровадження e-learning [11].
Вузол 3.1. ГР (Готове ршення). Вузол 3.2. ПВ (Проект впровадження). Вузол 3.3. ASP (ASP-сервiс). Вузол 3.4. OS (Open Source).
PiBeHb 3. Шстить два кластера, яш впливають вплив на ус кластери попереднього рiвня.
Кластер 4. КритерИ' оцiнювання засобiв орга-н1заци e-learning.
Вузол 4.1. Функцюнальтсть. Вузол 4.2. На-дшнють. Вузол 4.3. Наявнють системи перевiрки знань. Вузол 4.4. Зручшсть використання. Вузол 4.5. Модульшсть. Вузол 4.6. 100%мультимедiйнiсть. Вузол 4.7. Масштабовашсть i розширювашсть. Вузол 4.8. Перспективи розвитку платформи. Вузол 4.9. Крос-платформешсть. Вузол 4.10. Яшсть технiчноï пiдтримки.
Кластер 5. Наявнкть фахiвцiв.
Вузол 5.1. Фамвщ в наочнш галузi - носи знань за навчальним курсом, який переводиться в online форму. Вузол 5.2. Фамвщ з перекладу учбових матерiалiв в онлайновi форми. Вузол 5.3. Фахiвцi з пiдтримки е-learning.
Рiвень 4. Цей рiвень включае в себе альтерна-тивнi варiанти систем шструментально! розробки е-learning.
Кластер 6. Системи 1нструментально'1 розробки е-learning.
Вузли 6.1 - 6.9, - 1х перелш наведено на рис. 2.
Етап 2. Формування матриць парних порь внянь ввдповвдних кластерiв та вузлiв для кожного з рiвнiв моделi.
Надалi для кожного з рiвнiв потрiбно сформу-вати вiдповiднi матрицi парних порiвнянь. У процесi формування експерту надають питання вiдносно поточного рiвня, кластерiв та вузлiв. У якосп вiдповiдi експерт повинен на основi свого досвiду вибрати iз порiвняльноi шкали Саатi [2] одну з дев'яти можли-вих вiдповiдей (ввд 1 до 9), пiсля чого заповнюеться вiдповiдна клiтина матрицi.
Зпдно конфiгурацii' iерархiчноi' моделi (рис. 1), типовi питання до експертiв можуть бути об'еднанi в три групи.
1) питання щодо ощнювання впливу кластерiв першого рiвня (кластери 1. 2 та 3) та 1х елементiв на мету дослвдження (вибiр iнструментальних засобiв розробки е-learning)
2) питання ввдносно оцiнювання впливу елеме-нтiв кластерiв другого рiвня (кластери 4 та 5) на еле-менти кластерiв першого рiвня (кластери 1. 2 та 3).
3) питання ощнювання ступеня реалiзацii в альтернативних варiантах систем iнструментальноi'
розробки е-1еагт^ (кластер 6) вимог критерив, що вiдзначенi в якосп елементiв кластерiв другого рiвня (кластери 4 та 5).
Нижче наведено приклади типових питань i ввдповвдних шаблонiв матриць парних порiвнянь.
Приклад 1. Формування матриц парних порiв-нянь вiдповiдних кластерiв другого рiвня моделi.
Зпдно з конф^ращею зав'язшв мiж першим та другим рiвнями моделi (рис.1) шаблон матрицi парних порiвнянь кластерiв другого рiвня вiдносно мети дослвдження мае вид, який надано на рис. 2.
Кластер мети. BH&íp шструментальних засобГв розробки e-íearning Кластер 2. Тнпн педагоги них сценарГГв Кластер З.Тнпн piuieHb щодо впровадженнл e-l earning
Кластер 1.3 а со&н орган 1зацГ[ електронного навчання
Кластер 2. Тнпн педагоги них сценарП'в
Рис. 2. Шаблон матрищ парних порiвнянь кластeрiв другого рiвня ieрарxiчноï модeлi
Питання до експерта щодо ощнювання впли-ву кластeрiв другого рiвня (кластери l. 2 та З) на цшь дослщження (вибiр iнструмeнтальниx засобiв розробки е-learning): «Оцiнiть по шкала Саап ступiнь
впливу на вибiр шструментальних 3aco6iB розробки e-learning (цiль дослщження) 3aco6iB органiзацiï електронного навчання (кластер 1) в порiвнянi з типом педагопчного сценарш (кластер 2), який взято за основу е-learning».
Як результат, експерт дае юльюсну оцтку, яка заноситься у ввдповщну клтгину матрищ парних порiвнянь. В даному разi експерт дав незначну перевагу кластера 2 ввдносно кластера 1, що вщповвдае по шкалi Саатi оцiнцi 2.
Аналопчним чином порiвнюються кластери 1 i 3, та кластери 2 i 3.
На рис. 3 наведено один з можливих варiан-пв матрищ парних порiвнянь, яка була сформована на базi поточного шаблону в сeрeдовищi Super Decisions [13].
Рис. З. Ыатрищ парних порiвнянь кластeрiв другого рiвня ieрарxiчноï модeлi (середовище Super Decisions)
Приклад 2. Формування матриць парних порi-внянь впливу елементiв кластера 1 на вuбip Шструментальних заcобiв розробки е-learning.
Шаблон матрищ парних порiвнянь впливу елеменлв кластера l надано на рис. 4.
Кластер нетн. ВиЁнр н струм ентальн их 3acoG¡B розроЗки e-learning 1.2. Снсгемн управлшнл контентом {Content Management Systems - CMS) 1.3. Снсгемн управлшнл навчальннм контентом (Learning Content Management Systems - LCMS} 1.4. ABTopcbKi nporpaMHi продуктн (Autiioring Packages}
1.1. Снсгемн УПРВБЛННЯ навчанням (Learning Management Systems -LMS}
1.2, Снстемн управляя контентом {Content Management Systems - CMS}
1,3. Снстемн управлшнл навчальннм контентом (Learning Content Management Systems - LCMSJ
Рис. 4. Шаблон матрищ ощнювання впливу елеменпв кластера l «Засоби оргашзацп електронного навчання»
на вибiр шструментальних засобiв розробки e-learning.
Пumання до екcnеpmа щодо оцiнювaння впливу елеменпв (вyзлiв) клaстеpa 1 нa цiль дослiдження: «Оцшиъ по шкaлi Сaaтi що бшьш впливae нa вибip iнстpyментaльниx зaсобiв розробки е-learning: зaсiб оpгaнiзaцiï електронного нaвчaння типу 1.1. «Системи yпpaвлiння нaвчaнням (Learning Management Systems - LMS)» чи зaсiб оpгaнiзaцiï електронного нaвчaння типу 1.2. «Системи yпpaвлiння контентом (Content Management Systems - CMS)»?
Якщо експерт дaв знaчнy пеpевaгy зaсобy 1.1 вщносно зaсобy 1.2, то у вщповщну клiтинy мaтpицi пapниx поpiвнянь, зпдно шкaлi Сaaтi, зaноситься число 7. Агалопчним чином поpiвнюються iншi елементи клaстеpa. Можливий pезyльтaт нaведено га рис. 5.
Пiсля зaповнення шaблонiв yсix мaтpиць зaгa-льнa ïx кшьшсть, згiдно рис. 1, сгановить 37, тому щ-лком природно зaстосовyвaти для ïx фоpмyвaння i подaльшоï' обробки спецiaлiзовaнi пpогpaмнi гакети. У дaномy paзi було обpaно середовище Super Decisions [13], яке вiдpiзняeться вiд подiбниx систем утгальною можливiстю обробляти сyпеpмaтpiцi i, як гаслщок, пpaцювaти не тiльки з iepapxiчними струк-тypaми, a й з системши зi зворотними зв'язгами - xо-лapxiямi.
Рис. 5. Матриця парних nopiBHaHb елементiв кластера 1. «Засоби оргашзацп електронного навчання» другого рiвня ieрархiчноi моделi (середовище Super Decisions)
Етап 3. Розрахунок финальною вектору прiоритетiв альтернативних вар1амт1в 3aco6iB розробки e-learning.
Уа розрахунки проводились з використанням вбудованого в середовище Super Decisions програм-ного забезпечення, математичну основу якого стано-вить теоретичнi засади методу аналiзу ieрархiй.
Розрахунок тдсумкового фiнального вектору складаеться з двох крошв, на першому з яких визна-чаються поточнi вектори прюритепв кластерiв моде-лi та !х елементiв, а на другому - фшальш прiоритети усiх вузлiв моделг
Приклад результату розрахунку вектору прю-ритетiв кластерiв другого рiвня iерархiчноi моделi надано на рис. 6, а вектору прюритепв елементiв цього же кластеру - на рис. 7.
Рис. 6. Поточний вектор прюритепв клaстеpiв другого piвня iepapxiчноï моделi (pозpaxовaно нa бaзi мaт-pицi (рис.3) в сеpедовищi Super Decisions)
Inconsistency | 1,2. Conte- 1.3 , Lear- 1,4. Auth-
1.1. Learn- 7 <- 5 <- s
1.2. Conte- t 5 4- 3
1.3. Lear- <- 9
Рис. 7. Поточний вектор прюритепв елементiв кгас-теpa 1. «Зaсоби оpгaнiзaцiï' електронного нaвчaння» (pозpaxовaно нa бaзi мaтpицi (рис. 5) в середовище Super Decisions)
З гаведент гpaфiкiв випливae, що нa вибip систем iнстpyментaльноï' пiдтpимки e-learning гайбь льше впливae (0,483) окaзye клaстеp 2 - «Типи педa-гогiчниx сцегарпв» (рис. 5), a елемент 1.1 - «Learning Management Systems - LMS» . клaстеpa 1 е домшую-чим (0,629), з боку впливу га мету дослщження.
Перелж ноpмaлiзовaниx фiнaльниx пpiоpитетiв тa ïx гpaничниx еквiвaлентiв щодо yсix вyзлiв моделi нaведено у тaбл. 1.
Слщ зaзнaчити, що поточнi (нaпpиклaд, рис. 6) i фiнaльнi (тaбл. 1, вузли 1.1-1.4) прюритети елемен-ттв першого, другого тa третього клaстеpiв спiвпaдa-ють. Це обумовлено тим, що щ клaстеpи пов'язaнi тшьки з одним клaстеpом веpxнього piвня (клaстеpом мети). В той же чaс, елементи клaстеpiв третього тa четвертого piвнiв пов'язaнi iз двомaIтpьомa клясте-paми попеpеднix piвнiв, - тому при pозpaxyнкy ввд-повiдниx фiнaльниx пpiоpитетiв вpaxовyються од-нойменш двa aбо бiльш поточниx прюритепв.
Етап 4. Доcлiдження cтiйкоcтi финального вектору прюрите™ вiдноcно до малих змiн cу-джень екcпертa.
Стшшсть вектору пpiоpитетiв - якiснa xapaкте-pистикa чyтливостi знaчень пpiоpитетiв до мaлиx змiн дaниx aбо структури моделг
Експеpтнi дaнi, що використовуються для прийняття piшень, зaвжди бшьш-менш неточнi. Тому чим менше чутливють знaчень пpiоpитетiв, тим 6í-льше обгpyнтовaнiсть викоpистaння циx пpiоpитетiв для тдтримки прийняття piшення. Якщо при мaлиx змiнax дaниx рейтинги змшюеться несуттево (aбо не змiнюeться ïx порядок) то вони ввaжaeться стшким.
Таблиця l
Розподщ фшальних та граничних вагових коeфiцieнтiв вузлiв ieрарxiчноï модeлi_
Фiнальнi ваговi коeфiцieнти Граничш
Найменування вузлiв (нормалiзованi вiдносно клас-тeрiв) ваговi коефщенти
1.1. Learning Management Systems - LMS 0.62913 0.073135
1.2. Content Management Systems - CMS 0.07655 0.008899
1.3. Learning Content Management Systems - LCMS 0.25509 0.029653
1.4. Authoring Packages 0.03923 0.004560
2.1. Лшшний 0.06092 0.009821
2.2. Нелшшний 0.10552 0.017010
2.3. !гровий 0.26427 0.042601
2.4. Треншг 0.56929 0.091770
3.1. Готове ршення 0.08415 0.004703
3.2. Проект по впровадженню e-learning 0.50566 0.028259
3.3. ASP-сервю 0.11610 0.006488
3.4. Готове Open Source ршення 0.29409 0.016435
4.1. Функцюнальшсть 0.07555 0.006718
4.2. Hадiйнiсть 0.07105 0.006318
4.3. Hаявнiсть системи пeрeвiрки знань 0.13410 0.011925
4.4. Зручнiсть використання 0.05531 0.004918
4.5. Mодульнiсть 0.03548 0.003155
4.б. l00 % мультимедшшсть 0.10970 0.009755
4.7. Mасштабованiсть i розширювашсть 0.08929 0.007940
4.8. Перспективи розвитку платформи 0.19483 0.017325
4.9. Крос- платформеншсть learning 0.14137 0.012571
4.10. Яшсть тexнiчноï пiдтримки 0.09332 0.008298
5.1. Фаxiвцi в наочнш галузi 0.59551 0.145548
5.2. Фаxiвцi з перекладу учбових матeрiалiв в он-лайновi форми 0.16237 0.039685
5.3. Фаxiвцi з шдтримки e-learning 0.24212 0.059178
5. Pe3y№Ta™ дocлiджeнь та ïx oбгoвoрeння На рис. S подано фшальш прiоритeти щодо вибору альтернативних систем шструментально1' розробки e-learninig. Тут наведено три варiанта шкали
З рис. 8 слiдуе, що з точки зору експерта най-кращою iнструментальноi системою шструменталь-но! розробки e-learninig е «LMS eLearmngServer», яка мае суттево найвищий прюритет. Однак, якщо необ-хiдно зробити вибiр мiж системами прiоритети яких не значно вiдрiзняються один ввд одного, то для об-
уявлення заключного результату: абсолютна шкала (Ideals) з ввдповвдним графiком; нормована вщносно шостого кластера шкала (Normals); шкала (Raw) граничних значень вщносно всш моделi.
Raw
0.034797 0.043194 0.023564 0.05991 S 0.025421 0.050010 0.023609 0.02273Й 0.040030
розробки e-learninig
грунтування заключного висновку необхвдно досль джувати фiнальний вектор прюритепв на стiйкiсть.
В якосп прикладу на рис. 9 наведено змша прiоритeтiв iнструмeнтальниx засобiв розробки e-learning вiдносно важливостi фактору «Необхвдшсть наявностi фаxiвцi в наочнш галузi».
Рис. S. Фiнальнi прюритети щодо вибору альтернативних систем шструментально!'
Якщо допустити, що змша суджень експерта може здiйснюватися в дапазот 0,4-0,8, то при номша-льному значент 0.59551 (табл. 1) фактору, який досль джуеться, стшкими прюритетами е: «LMSeLearning
Servers»; «Learn eXact»; «Sakai»»; «ATutor»; «iSpring». Тобто, стввщношення Mim прiоригегaми цих альтерна-тивних зaсобiв, як слiд з графшв на рис. 9, не змшю-ються.
0.1 0А 0,6 as I
Прюрптет фактору 5.1. «Фах!вц1 в наочнш галуы»
Рис. 9. Змiнa прiоритетiв iнструментaльних зaсобiв розробки e-learning вщносно вaжливостi фактору 5.1. «Не-
обхiднiсть нaявностi фaхiвцi в наочнш галузЬ»
В той же час несуттева (0.4-0.5 або 0.6-0.7, рис. 9) змша думки експерта вщносно номшального значения (0.59551, табл. 1) приводить до змши прю-ритепв наступних вiдповiдних пар зaсобiв розробки e-learning: «Moodle» вiдносно «Articulate Studio» та «Adobe Captivate» вщносно «Web Tutor». Тобто, якщо в якосп альтернатив розглядати саме щ пари, то вибiр конкретного вaрiaиту не може вважатися до-сить обгрунтованим. В цьому випадку треба скорегу-вати конфiгурaцiю моделi (наприклад, переглянути перелiк критерпв, або ввести додaтковi фактори, якi не були враховаш в вихiдноï моделi, тощо).
В даний час методика знаходиться в стадп впровадження на кaфедрi комп'ютерних систем i те-хнологш в Хaркiвському нaцiонaльному економiчно-му унiверситетi iменi Семена Кузнеця.
6. Висновки
1. Запропоновано iерaрхiчну модель вибору систем iнструментaльноï розробки педагопчного сценaрiю.
2. Вперше наведено покрокову методику шль-кiсного оцiнювaния альтернативних вaрiaнтiв систем iнструментaльноï пiдтримки е-learning.
3. Для кожного з клaстерiв iерaрхiчноï моде-лi розглянуто шаблони матриць парних порiвнянь вiдповiдних елеменлв i надано процедуру 1х запо-внення.
4. Наведено приклади типових питань до експерта i можливих вaрiaнтiв його вiдповiдей щодо за-повнення матриць парних порiвиянь.
5. Дослщжено чутливiсть моделi вiдносно змш думки експерта.
Лiтература
1. Кречетников, К. Г. Педагогический дизайн и его значение для развития информационных образовательных технологий [Электронный ресурс]: XVI Междунар. конф. / К. Г. Кречетников // Применение новых технологий в образовании. -Троицк, 2005. - Режим доступа: http://ito.edu.rU/2005/Troitsk/2/2-0-9.html
2. Саати, Т. Л. Принятие решений при зависимостях и обратных связях: Аналитические сети [Текст] / Т. Л. Саати; ред. А. В. Андрейчиков, О. Н. Андрейчикова. - М.: Издательство ЛКИ, 2008. - 360 с.
3. SCORM [Электронный ресурс] / Википедия. - Режим доступа: https://ru.wikipedia.org/wiki/SCORM
4. Зайцева, Л. В. Адаптация в компьютерных системах на базе структуризации объектов обучения [Текст] / Л. В. Зайцева, Е. Е. Буль // Образовательные технологии и общество. - 2006. - № 9 (1). - С. 422-427.
5. Система сетевого и дистанционного обучения Sakai [Электронный ресурс]. - Режим доступа: http://sakai.spbu.ru/ library/content/gateway/features.html
6. Основные возможности Moodle [Электронный ресурс] / MoodLeam. - Режим доступа: http://moodlearn.ru/ mod/page/view.php?id= 174
7. Система WebTutor [Электронный ресурс] / WebSoft. - Режим доступа: http://www.websoft.ru/db/wb/root_id/ webtutor/doc.html
8. LMS eLearning Server [Электронный ресурс]. - Режим доступа: https://refdb.ru/look/2705407-p3.html
9. Сравнение Adobe Captivate 9, Articulate Storyline 2 и iSpring Suite 8.3 [Электронный ресурс] / iSpring. - Режим доступа: http://www.ispring.ru/elearning-insights/adobe-captivate-9-vs-articulate-storyline-2-vs-ispring-suite-8/
10. Сравнение iSpring Suite 8.3 vs. Articulate Studio 13 vs. Adobe Presenter 11 [Электронный ресурс] / iSpring. - Режим доступа: http://www.ispring.ru/elearning-insights/ispring-suite-vs-articulate-studio-and-adobe-presenter/
11. Готская, И. Б. Аналитическая записка «Выбор системы дистанционного обучения» [Электронный ресурс] / И. Б. Готская, В. М. Жучков, А. В. Кораблев. - Режим доступа: https://refdb.ru/look/2705407.html
12. Пушкар, О. I. Формалiзацiя процесу розроблення педагопчного сценарт електронного навчання [Текст] / О. I. Пушкар, В. В. Браткевич, I. В. Литовченко // ScienceRise. - 2016. - T. 10, № 2 (27). - C. 34-41. doi: 10.15587/23138416.2016.80472
13. The Super Decisions is decision support software that implements the AHP and ANP [Electronic resource]. - Available at: https://www.superdecisions.com/
Рекомендовано до публкацП д-р техн. наук Удовенко С. Г.
Дата надходження рукопису 29.09.2017
Пушкар Олександр 1ванович, доктор економiчних наук, професор, заввдувач кафедри, кафедра комп'ютерних систем i технологш, Харшвський Нацюнальний економiчний ушверситет iменi Семена Кузнеця, пр. Науки, 9-а, м. Харшв, Украша, 61166 E-mail: aipvt@ukr.net
Браткевич Вячеслав Вячеславович, кандидат техшчних наук, професор, доцент, кафедра комп'ютерних систем i технологш, Харшвський Нацюнальний економiчний ушверситет iменi Семена Кузнеця, пр. Науки, 9-а, м. Харшв, Украша, 61166 E-mail: vvb1944@yandex.ua
Самойленко Олеся Вггалнвна, кафедра комп'ютерних систем i технологш, Харшвський Нацюнальний економiчний ушверситет iменi Семена Кузнеця, пр. Науки, 9-а, м. Харшв, Украша, 61166 E-mail: Dilfa@ukr.net
УДК 69.05
DOI: 10.15587/2313-8416.2017.116444
ЗАГАЛЬН1 ПРИНЦИПИ ОЦ1НКИ РИЗИКУ ЕКСПЛУАТАЦ11 СТАЛЕВИХ КОНСТРУКЦ1Й ТА ВИЗНАЧЕННЯ IX ЗАЛИШКОВОГО РЕСУРСУ
© С. В. Колесшченко, Ю. В. Селютш, I. Ю. Черних, К. Б. Мнацаканян
Виконано досл1дження проблем експлуатацИ складних iнженерних систем, буд1вель i споруд виконаних 3i сталевих конструкцш. Запропонована оцтка та прогнозування залишкового ресурсу, аналiз ризиюв пода-льшо'1 експлуатацИ стальних конструкцш, як отримали пошкодження в процес експлуатацИ. Запропоно-вано враховувати розвиток в чаа виявлених i виконувати облгк не виявлених тд час технiчного обстежен-ня дефектiв i пошкоджень сталевих конструкцш. Пропонуеться розроблений алгоритм чисельного розра-хунку залишкового ресурсу сталевих конструкцш iмовiрнiсним або детермтованим методами. Ключовi слова: сталевi конструкций дефект, пошкодження, залишковий ресурс, техтчний стан, ризи-ки, безпека
1. Вступ
Задачею безаваршно! експлуатаци будiвельних сталевих конструкцш е розрахунок залишкового ресурсу на пiдставi результапв, що отримано тд час техшчного обстеження та оцшки техшчного стану.
Сучасна концепщя експлуатаци складних ш-женерних систем, до яких можна вщнести будiвлi i споруди, передбачае перехщ ввд поняття «абсолютна безпека» до поняття «прийнятний ризик». Для цього необхвдно виконання аналiзу ризишв та розробка системи з керованютю ризишв, тобто зниженню ризиюв до прийнятного рiвня.
Розрахунок залишкового ресурсу виконуеться шляхом уточнення дшчих навантажень, розрахунко-во! схеми, виявлених дефекта та пошкоджень (ДП) з урахуванням !х розвитку у чай. Однак, завжди iснуе ймовiрнiсть того, що тд час обстеження деяка час-тина ДП не буде виявлена, !хня кiлькiсть, розподiл та мюцезнаходження буде невiдомо. Крiм того, навггь для прогнозованих ДП, можливе !х спонтанний не-контрольований розвиток тд час несанкцiонованого суб'ективного змшення проектних параметрiв функ-цiонування системи «вузол - конструкцiя - будiвля -навантаження - матерiал - розрахункова схемам» у те-
