5. Описание полученных результатов

В ходе выполнения дипломной работы была выполнена реализация клиентской и серверной части проекта. На рис. 2. представлена диаграмма компонентов серверного приложения и интеграция с базой данных Neo4j и клиентским приложением.

Рис. 2. Архитектура серверной части проекта.

Платформа состоит из трех слоев, обмен данными между которыми происходит при помощи интерфейсов: слой контроллеров, слой сервисов и слой репозиториев. Рассмотрим каждый из них:

1. Слой контроллеров обеспечивает обработку http-запросов, посылаемых клиентским приложением. Каждый контроллер обрабатывает свой тип запросов, такие как, например, поисковые запросы или запросы на отправку сообщений в чатах. Для выполнения запросов слой контроллеров взаимодействует со слоем сервисов. Контроллеры не содержат бизнес-логики, предоставляя функционал серверного приложения мобильным клиентам как веб-интерфейс. Также реализован специальный контроллер, отвечающий за обработку ошибок, возникающих при выполнении запросов и отправляющий клиентам информацию о них.

2. Слой сервисов является слоем бизнес-логики, занимающийся непосредственно обработкой и модификацией данных, а также реализацией алгоритмов, необходимых для полноценной работы приложения. Например, в поисковом сервисе реализован поиск подходящих собеседников по заданным параметрам, в других сервисах содержится логика отправки сообщения, логика получения сообщений пользователя и т.д. Слой сервисов взаимодействует со слоем репозиториев для работы с объектами, хранящимися в базе данных, и для выполнения запросов. Возможно использование сервисов другими сервисами, к примеру, сервис поиска «SearchService» использует сервисы для работы с информацией о пользователях и языках - «UserService» и «LanguageService».

3. Слой репозиториев представляет из себя интерфейс к базе данных. Каждый репозиторий выполняет запросы к отдельному виду сущностей в базе данных, такие как, например, пользователи, сообщения или языки. Поскольку присутствует большое количество стандартных запросов, они реализованы в библиотеке, предоставляемой вместе с СУБД. Также в репозиториях реализованы специфические запросы на языке cypher [43], повышающие удобство использования интерфейсов репозиториев слоем бизнес-логики.

Рис. 3. Графовая визуализация записей в базе данных.

5.2 Описание реализованного функционала

Серверное приложение обеспечивает персистентность данных при помощи графовой базы данных (Рис. 3). Оно также предоставляет следующие интерфейсы, спроектированные в соответствии с принципами REST API:

1) Регистрация пользователей;

2) Авторизация и аутентификация;

3) Получение профиля по уникальному идентификатору или токену доступа;

4) Редактирование профиля;

5) Добавление и удаление друзей;

6) Блокировка пользователей;

7) Получение списка друзей, подписчиков, подписок;

8) Получение списка заблокированных пользователей;

9) Поиск собеседника по определенным параметрам;

10) Отправка и получение сообщений;

11) Отправка и получение комментариев.

Рис. 4. Результат запроса к интернет-сервису Яндекс.Переводчик в окне диалога с собеседником.

Клиентское приложение использует перечисленные выше методы для обеспечения взаимодействия между пользователями. Вызов методов происходит с помощью библиотек Alamofire и p2/OAuth 2.0. Помимо этого на клиентской стороне также представлен дополнительный функционал, предназначенный для использования языковых ресурсов и инструментов для запоминания слов.

Так, в режиме обмена текстовыми сообщениями пользователь имеет возможность обратиться к словарю или переводчику, выделив фрагмент сообщения собеседника (Рис. 4). Данный функционал реализован при помощи обращения к сторонним Интернет-сервисам, таким как Яндекс.Переводчик и Яндекс.Словарь, с использованием уникального ключа API. При обращении к данным ресурсам клиент получает ответ в формате JSON, который впоследствии интерпретируется соответствующим образом для представления в пользовательском интерфейсе. История обращений к сервисам записывается во временном хранилище, и записи могут быть добавлены в личный словарь по желанию пользователя.

Рис. 5. Обращение к интернет-сервису Яндекс.Переводчик с помощью инструментов пользовательского интерфейса.

Пользователь также имеет возможность обратиться к переводчику при помощи фиксирования нужного объекта на изображении, полученного с камеры пользовательского устройства (Рис. 5). Для реализации данного функционала потребовалась интеграция машинного обучения и использование моделей в формате, необходимом для работы с CoreML. Так, возможно использовать существующие модели, основанные на нейронных сетях, например, MobileNet [44], позволяющую соотнести доминирующий на изображении объект с одной из 1000 категорий, или Places205-GoogLeNet [45], предоставляющую возможность соотнести изображение со сценой из 205 категорий.

Рис. 6. Окно диалога и сообщение собеседника, ассоциированное с двумя комментариями пользователя.

Также в данном режиме пользователь имеет возможность прокомментировать фрагмент сообщения собеседника, указав таким образом на возможную ошибку или предложив рекомендацию (Рис. 6), а сообщение, ассоциированное с какими-либо комментариями по уникальному идентификатору, соответствующим образом помечается в пользовательском интерфейсе. Одно сообщение при этом может быть прокомментировано более одного раза.

Рис. 7. Окно выбранной записи в личном словаре.

При развитии продукта предлагается разработать и интегрировать новую модель, более точно соответствующую потребностям пользователей, изучающих иностранные языки.Дополнительно фрагмент сообщения может быть выделен и добавлен в личный словарь пользователя с сохранением контекста. В случае выделения одного слова, оно приводится к нормальной форме, определяется его лексический класс и язык при помощи NSLinguisticTagger (Рис. 7). Также данные новой записи передаются в тестовую систему, которая на данной основе генерирует задание на запоминание в соответствии с принципами, описанными в разделе 3.2.2.

Так, в данном разделе была описана реализация онлайн-платформы для изучения иностранных языков на основе клиент-серверной архитектуры. Также приведено подробное описание и визуализация в виде UML-диаграммы компонентов серверного приложения платформы, представлены результаты серии транзакций к графовой базе данных.

Также приведены программные интерфейсы серверного приложения, реализованные в соответствии с принципами REST и использующиеся клиентским приложением. Описан функционал последнего, даны подробности его реализации, способы сокращения временных затрат на разработку при помощи библиотек Alamofire и NSLinguisticTagger, методы оптимизации затрат аппаратных ресурсов пользовательских устройств при помощи CoreML. Наконец, были приведены скриншоты результатов работы с клиентским приложением на платформе iOS.

6. Технико-экономическое обоснование

6.1 Обоснование необходимости релиза на рынок

В соответствии с анализом аналогов были приняты решения по реализации определенного функционала в приложении, который присутствует в недостаточной степени либо полностью отсутствует в аналогичных продуктах. Также были приняты решения по выбору технологического стека, максимально подходящего для реализации поставленных задач. Благодаря этому, представляется возможным достичь определенного успеха при релизе приложения на рынок, что будет являться важным этапом для дальнейшего развития проекта. Рассмотрим успехи одного из аналогов, что показывает востребованность приложений данной тематики:

Разработка проекта Lingualeo [13] началась в 2009 году. Выпуск первой версии в 2010 году не принес значительного успеха, но вскоре в проект были привлечены инвестиции в размере $200.000. В 2011 году проект вышел на самоокупаемость, число пользователей возросло до 200 тысяч. В 2012 году в проект были снова инвестированы средства и аудитория пользователей Lingualeo расширилась до 2 миллионов человек, с учетом 100 тысяч в Бразилии в связи с выпуском португальской версии Приложения, а затем до 10 миллионов в 2014 году. С 2017 года компания объявляет о выходе на рынки Испании и Латинской Америки. В 2018 году число пользователей возросло до 17,5 миллионов. Функционал проекта постоянно обновлялся, добавлялись новые языковые тренировки и материалы. Также необходимо отметить, что в процессе развития были освоены новые рынки, что демонстрирует заинтересованность различных аудиторий по всему миру.

Таким образом, предполагается, что релиз проекта положительно повлияет на развитие проекта по следующим причинам:

1. Использование одной из моделей монетизации, описанных в следующих частях, обеспечит рост средств на развитие проекта. К примеру, они могут быть потрачены на расширение команды проекта для разработки Android приложения, либо на улучшение характеристик технического оборудования.

2. Поскольку ожидается использование приложения большим количеством пользователей, это означает, что объем данных, которые можно использовать для обучения моделей искусственного интеллекта, будет непрерывно увеличиваться. Это позволит повысить качество существующих моделей и определить возможности для разработки новых.

3. Сбор пользовательских отзывов также будет полезным для понимания потенциальным направлений развития проекта.

6.2 Стоимость выпуска, внедрения, дистрибуция

Для расчета стоимости выпуска, внедрения и дистрибуции продукта на платформе iOS, возьмем следующие данные:

- Рабочий день длится восемь часов, зарплаты сотрудников соответствуют средним значениям для данного типа специалистов в городе Москве.

- Для разработки серверного приложения с выбранным технологическим стеком требуется два бэкенд-разработчика среднего уровня со знанием Java. Медианная зарплата одного специалиста по состоянию на май 2018 года составляет 119,766 руб. в месяц [46].

- Для разработки клиентского приложения с выбранным технологическим стеком требуется три разработчика под iOS среднего уровня. Медианная зарплата одного специалиста по состоянию на май 2018 года составляет 134,938 руб. в месяц [46].

- Для ведения проекта, исследования рынка и взаимодействия с потенциальными пользователями требуется один менеджер с навыками управления как проектами, так и продуктами. Медианная зарплата одного специалиста по состоянию на май 2018 года составляет 149,038 руб. в месяц [46].

- Для ведения работы над продуктом потребуется шесть рабочих мест, оборудованных производительными компьютерами с высокоскоростным доступом к сети Интернет. Стоимость рабочих мест оценивается в 60,000 руб. по состоянию на май 2018 года.

- Для разработки приложения под iOS три из шести рабочих мест должны быть оборудованы компьютерами на платформе macOS. Стоимость ноутбука MacBook Pro в минимальной комплектации по состоянию на май 2018 года составляет 94,990 руб. [47]. При этом для отладки клиентского приложения дополнительно потребуются следующие устройства: iPhone SE, iPhone 8, iPhone X, iPad Mini 4. Стоимости устройств по состоянию на май 2018 года составляют: 27,990 руб. [48], 56,990 руб. [48], 79,990 руб. [48], 29,990 руб. [49] соответственно.

- Для разработки серверного приложения потребуются три коммерческих лицензии на интегрированную среду разработки IntelliJ IDEA. Для стартапов, представленных на рынке в течение не более трех лет, действует 50% скидка на ежемесячную подписку на данный продукт [50]. Потому стоимость использования IntelliJ IDEA в течение одного месяца составит 24.95 долларов США, что по обменному курсу на 13 мая 2018 года составляет 1,544.60 руб.

- Для обеспечения персистентности данных потребуется коммерческая лицензия на графовую базу данных Neo4j. Для стартапов в ранней стадии с количеством сотрудников менее 20 человек и ежегодным доходом менее трех миллионов долларов США предоставляется бесплатная лицензия [51].

- Для использования стороннего интернет-сервиса Яндекс.Переводчик потребуется приобретение коммерческой лицензии.

- Для дистрибуции готового iOS-приложения в AppStore потребуется членство в Apple Developer Enterprise Program, ежегодный взнос за которое по состоянию на май 2018 года составляет 299 долларов США [52], что по обменному курсу на 13 мая 2018 года составляет 18,510.49 руб.

Далее предположим, что:

- Исследование рынка и предпочтений потенциальных пользователей, разработка концепции продукта, технического задания, эскизного проекта займет один календарный месяц. На данном этапе потребуется вовлечение менеджера по продукту, таким образом, стоимость трудовых затрат на данному этапе оценивается в 149,038 руб при 160 часах работы.

- Проектирование архитектуры программного комплекса, интерфейсов взаимодействия серверной и клиентской сторон, реализация программного продукта и его тестирование займет пять календарных месяцев. На данном потребуется вовлечение двух бэкенд- и трех iOS-разработчиков. Так, стоимость данного этапа составит 3,221,730 руб. за 4000 часов работы.

Если учесть вышеприведенные условия и расчеты, но пренебречь расходами на аренду рабочего помещения и серверов для размещения серверного приложения платформы, можно оценить стоимость разработки и запуска на рынок первой версии программного продукта в 4,064,654 рублей 49 копеек и 4160 часов работы. При этом данную стоимость возможно оптимизировать с помощью закупки рабочих устройств на вторичном рынке и найма сотрудников в регионах.

6.3 Предполагаемая модель монетизации

Ввиду необходимости покрытия расходов на трудовые затраты, содержание инфраструктуры и парка рабочих устройств, возможна монетизация программного продукта одним из ниже описанных способов.

Freemium. Данный способ широко распространен и успешен на рынке мобильных приложений, потому как за загрузку программного продукта на пользовательское устройство не взимается плата. Далее возможны следующие сценарии:

1) Пользователю предоставлен неограниченный доступ к функционалу продукта, взамен ему с определенной периодичностью показываются рекламные сообщения от партнеров.

2) Пользователю предоставлен ограниченный доступ к функционалу продукта, при этом ему предлагается за определенную плату снять данные ограничения.

Стоит отметить, что вышеописанные сценарии могут комбинироваться. В случае монетизации приложения для изучения иностранных языков, возможно предоставление ограниченного доступа к части функционала (например, к сервису-переводчику) и периодический показ рекламных сообщений. Пользователю может быть предложено пожизненное или ограниченное по времени снятие ограничений за определенную плату.

Подписка. Монетизация приложения данным способом может повлиять на количество потенциальных пользователей, но при этом им будет предложен неограниченный доступ к функционалу продукта без показа рекламных сообщений. В данном случае возможны следующие сценарии:

1) Пользователь получает возможность использования программного продукта только после оплаты подписки. При этом возможно предоставление пробного периода, например, в течение недели после регистрации на платформе. Кроме того, возможно предоставление льготной цены на продление подписки, например, за неделю до истечения текущей.

2) Возможна комбинация данной модели с Freemium: пользователю бесплатно предлагается только базовый функционал платформы, например, взаимодействие с другими пользователями посредством обмена текстовыми сообщениями, но использование дополнительных сервисов и инструментов возможно только после оформления подписки.

Одноразовая оплата. В данном случае пользователь платит за установку программного продукта на свое устройство единожды, после чего получает неограниченный доступ к функционалу продукта без просмотра рекламных сообщений. Монетизация приложения данным способом существенно уменьшает затраты на реализацию технического проекта, но может значительно сузить круг пользователей.

В данном разделе была обоснована актуальность вывода на рынок программного комплекса для изучения иностранных языков. В пользу данного решения были приведены коммерческие успехи существующих продуктов в данной категории. Кроме того, описаны возможные сценарии развития проекта в случае привлечения инвестиций и выхода на рынок.

Также была рассчитана стоимость разработки и выпуска первой версии продукта с учетом найма шести сотрудников различной специализации, закупки парка устройств и лицензий на необходимое программное обеспечение.

Наконец, были описаны возможные модели монетизации программного продукта, рассмотрены их преимущества и недостатки.

Заключение

В рамках данной работы проведено исследование рынка программных продуктов для изучения иностранных языков и технических решений, были выявлены основные отличительные особенности, тенденции и недостатки. Также изучена возможность внедрения инструментов обработки естественных языков и методов машинного обучения в продукты данного типа с целью повышения их функциональных возможностей. Так, с учетом проведенных исследований и использованием современных технологий реализована онлайн-платформа для изучения иностранных языков, образовательный процесс на которой построен вокруг коллаборативного изучения языков. Пользователи платформы имеют возможность прямого взаимодействия друг с другом с быстрым доступом к языковым ресурсам и инструментам для запоминания новой лексики на клиентской стороне.

Таким образом, среди основных результатов проведенных исследований и разработок можно выделить следующие пункты:

1) Существующие программные продукты для изучения иностранных языков не уделяют существенного внимания активному использованию языков во время занятий;

2) Многие из разработчиков существующих решений учитывают современные тенденции, в частности широкое распространение портативных устройств, но не часто задействуют больше аппаратных средств устройств для расширения функционала продуктов;

3) Применение инструментов обработки естественных языков во многих существующих программных комплексах является ограниченным, также немногие разработчики интегрируют машинное обучение для расширения функциональных возможностей продуктов.

При этом необходимо отметить, что в развитии данной платформы могут быть заинтересованы образовательные учреждения, заинтересованные в повышении успеваемости студентов по дисциплинам, связанным с изучением иностранных языков. Данное предположение обусловлено недостаточным объемом практики языков в рамках аудиторных и самостоятельных занятий.

В будущем возможно развитие разработанной платформы путем расширения ее функционала с целью повышения эффективности образовательного процесса. Работа может быть продолжена в следующих направлениях:

1. Дальнейшая интеграция машинного обучения. Ввиду того что многие продукты для изучения иностранных языков не способны предоставить пользователю информативную обратную связь, возможна реализация нового функционала на серверной стороне платформы с применением моделей, обученных на речевых корпусах соответствующих языков, что позволит качественно оценивать письменную и устную речь пользователя на предмет аутентичности, корректного употребления средств выразительности и лексики.

2. Введение языковых сообществ. Так как в образовательном процессе данной платформы большое внимание уделяется коллаборативной составляющей, возможно дальнейшее расширение возможностей взаимодействия пользователей между собой. Так, совместными усилиями сообщество изучающих данный язык могло бы наполнить базу знаний на платформе, делиться дополнительными материалами.

3. Сбор и анализ статистики использования платформы. В научно-исследовательских интересах возможно интегрировать в клиентские приложения сервисы аналитики с целью сбора статистики использования для последующего анализа и выявления закономерностей. Так, вероятной могла бы быть дополнительная интеграция средств для А/В-тестирования, регулярное проведения которого помогло бы выявить влияние особенностей пользовательского интерфейса на эффективность процесса обучения пользователя. Результаты тестирований и собранная статистика способствовали бы развитию платформы.

Наконец, необходимо отметить вклад Алексея Колесниченко в исследование программных комплексов для изучения иностранных языков, разработку серверного приложения платформы. Также следует подчеркнуть вклад Артура Давлетшина в исследование теоретической основы работы, разработку клиентского приложения. Совместными усилиями была исследована возможность внедрения средств обработки естественных языков и машинного обучения в образовательные продукты, был обоснован выбор технологического стека, спроектированы архитектура комплекса и программный интерфейс серверного приложения. Также результатом совместной работы является технико-экономическое обоснование.

Краткий глоссарий

Аутентификация - процесс проверки данных на предмет легальности. Он предназначен для проведения однозначной идентификации пользователя.

Авторизация - выдача прав на выполнение требуемых действий, а также проверка этих прав при запросе действия.

Перечень сокращений, условных обозначений, символов и терминов

UI - User Interface

UX - User Experience

API - Application Programming Interface

Список использованных источников

1. Plisson J. et al. A rule based approach to word lemmatization. - 2004.

2. Pecina P. Lexical association measures and collocation extraction //Language resources and evaluation. - 2010. - Vol. 44. - No. 1-2. - P. 137-158.

3. Brayer J. E. A. R. H. A. J. M. et al. Syntactic pattern recognition, applications. - 1982.

4. Meurers D. Natural language processing and language learning //The Encyclopedia of Applied Linguistics. - 2012.

5. Chiarбin N. N., Chasaide A. N. Chatbot Technology with Synthetic Voices in the Acquisition of an Endangered Language: Motivation, Development and Evaluation of a Platform for Irish //LREC. - 2016.

6. Sebastiani F. Machine learning in automated text categorization //ACM computing surveys (CSUR). - 2002. - Vol. 34. - No. 1. - P. 1-47.

7. Pang B., Lee L., Vaithyanathan S. Thumbs up?: sentiment classification using machine learning techniques //Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10. - Association for Computational Linguistics, 2002. - P. 79-86.

8. Nasrabadi N. M. Pattern recognition and machine learning //Journal of electronic imaging. - 2007. - Vol. 16. - No. 4. - P. 049901.

9. Arel I., Rose D. C., Karnowski T. P. Deep machine learning-a new frontier in artificial intelligence research [research frontier] //IEEE computational intelligence magazine. - 2010. - Vol. 5. - No. 4. - P. 13-18.

10. Косинская Е. В. Методы изучения иностранного языка //Территория науки. - 2013. - №. 1.

11. Chapelle C. A. Computer assisted language learning. - Blackwell Publishing Ltd, 2008. - P. 585-595.

12. Kukulska?Hulme A. Mobile?Assisted Language Learning //The encyclopedia of applied linguistics. - 2013.

13. Crowther D., Kim K. M. H., Loewen S. The Implementation of ISLA in MALL Technology: An Investigation into the Potential Effectiveness of Duolingo //MSU Working Papers in Second Language Studies. - 2017. - Vol. 8. - No. 1.

Размещено на Allbest.ru