Система поддержки принятия решений для выбора траектории Smart-образования

Определение критериев оценки альтернативных траекторий Smart-образования с целью разработки системы поддержки принятия решения. Создание алгоритмического и программного обеспечения СППР. Выбор языка программирования. Разработка руководства оператора.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 02.09.2018
Размер файла 3,2 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Аннотация

Системы поддержки принятия решений являются средством, которое позволяет предоставить помощь лицам, принимающим решения (ЛПР). С помощью таких систем осуществляется выбор решений многокритериальных задач. В работе предлагается методика для выбора траектории Smart-образования на основе методов поддержки принятия решений, которая позволит использовать опыт и навыки экспертов в различных областях, а также пожелания обучаемого. Предлагаемый метод позволит выбрать наиболее оптимальную образовательную траектории. Данная задача относится к многокритериальной, поэтому является существенным алгоритмизация выбора траектории образования с учетом особенностей и предпочтений обучаемого.

Annotation

Decision support systems that can be useful to decision-makers (decision-makers). With the help of such systems, the choice of solutions to multicriteria problems is carried out. The paper proposes a technique for selecting the trajectory of Smart Education based on decision support methods that make it possible to use the experience and skills of experts in various fields, as well as the wishes of the trainee. The proposed method allows you to choose the most optimal educational path. This task is related to multicriteria, therefore it is an essential algorithmization of the choice of educational trajectories taking into account the traits and preferences of the trainee.

Оглавление

  • Введение
  • 1. Обоснование актуальности
  • 2. Постановка задачи СППР для выбора траектории Smart - образования
  • 2.1 Определение критериев оценки альтернативных траекторий Smart - образования
  • 2.2 Описание альтернативных траекторий Smart-образования
  • 3. Обзор и анализ методов поддержки принятия решений
  • 4. Выбор метода поддержки принятия решений для выбора траектории Smart-образования
  • 5. Разработка алгоритмического и программного обеспечения СППР
  • 5.1 Разработка алгоритма СППР
  • 5.2 Выбор языка программирования
  • 5.3 Разработка программной документации
  • 5.3.1 Разработка руководства оператора
  • 5.3.2 Программа и методика испытаний
  • Заключение
  • Приложение

Введение

В настоящее время существует необходимость повышения эффективности учебного процесса, в особенности области, связанной с развитием индивидуального потенциала учащегося.

Общепринятое классическое образование в вузах, которое подразумевает общение студентов с преподавателем на лекциях и практических занятиях, не соответствует требованиям и запросам сегодняшнего общества.

Вследствие развития информационных технологий, которые стали существенной частью жизни человека, “классическое” образование постепенно сменяется смарт-образованием.

Дистанционное и электронное обучение заложили основы нового мирового явления - smart - education (Smart - образование).

Smart - образование - это новейшая образовательная среда, созданная объединением усилий преподавателей, специалистов и обучающихся для повышения уровня компетенций и перехода от книжного контента к активному [10].

Smart - Education - это образование, соответствующее мировым задачам и возможностям современности, способное обеспечить максимально высокий уровень образования, позволяющий выпускникам вузов не только самореализоваться в условиях быстроменяющейся профессиональной среды, но и адаптироваться в инновационном обществе, которое уже невозможно представить без Smart - технологий, облегчающих любую деятельность и активизирующих ее творческую составляющую [5, стр.105].

Таким образом, задача smart - образования сделать процесс обучения более эффективным путем перемещения образовательного процесса в электронную среду.

Вследствие этого, становится актуальной задача разработки системы поддержки принятия решений для выбора траектории Smart - образования, которая будет учитывать интеллектуальные особенности и требования обучаемого в соответствии с заданными критериями и ограничениями.

1. Обоснование актуальности

Основная идея smart - education - это индивидуализации обучения, путем создания преподавателем материала, направленного на конкретного слушателя.

Smart - образование предусматривает контакт работодателей и учебных учреждений; шанс использования персонального графика для каждого обучаемого. Вместе с тем эффективность подготовки должна определяться улучшением уровня знаний.

В smart - образовании основной упор делается на технологии. Smart - образование - интерактивная образовательная среда, созданная при помощи объединения усилий преподавателей, специалистов и студентов для использования всемирных знаний и перехода от книжного контента к активному [13].

Smart - образование означает выполнение учебной деятельности в Интернете, связь между преподавателями и учащимися, а также обмен опытом и умениями между ними.

Одними из главных особенностей smart технологий является обеспечение бесшовности, то есть независимости от используемых устройств, непрерывности и мобильности доступа к данным. Подобное образование позволяет студентам составлять свой план обучения, когда и где это удобно [13].

Основными условиями для реализации smart - образования являются: смена фокуса с продолжительности обучения на его результативность, наличие точных метрик для определения компетентности до и после обучения, электронное портфолио с результатами метрических измерений для анализа стиля обучения студента. Также немаловажным условием является периодическое обновление образовательного контента [13].

При использовании smart технологий учебный процесс организован на применении инноваций и Интернета, что дает возможность приобретения профессиональной компетенции по специальности на основе системного многомерного видения и изучений дисциплин, с учетом их многоаспектности и непрерывного обновления [13].

В результате внедрения smart - образования [13]:

- появится эффективный способ диагностики состояния развития студента до и после освоения им предложенной программы;

- увеличится объем знаний по специальности и появится возможность улучшения своих знаний;

- улучшится интерактив между студентами, между студентами и преподавателями;

- изучение программы не будет ограничено ни стенами вуза, ни временными рамками;

- повысится уровень использования инновационных технологий;

- возможно установление сотрудничества не только в рамках университета, но и создание сети обмена информацией по специальности между несколькими университетами.

Таким образом, преподаватели за короткий промежуток времени смогут эффективно выровнять и повысить уровень компетенций студентами при помощи использования smart технологий [13].

Уникальные особенности smart - образования показывают, что сравнение smart - образования с основными методами обучения сегодня, является перспективным, а также может быть использовано в большом масштабе.

Автоматизация обучения в smart - образовании достигается за счет использования системы поддержки принятия решений.

Под поддержкой принятия решений понимается содействие, помощь, оказываемая лицу, принимающему решение, при оценке неопределённостей, при генерации возможных решений, их оценке, анализе последствий принятия различных альтернатив и т.д. [15].

Особую важность здесь приобретает прогнозируемость, а персональные возможности обучающихся, их интеллектуальный потенциал являются исходными данными для разработки методики автоматизации выбора траектории обучения, что в свою очередь способствует выбору рациональной для обучаемого и преподавателя индивидуальной траектории Smart-образования [14].

Новый образовательный контент позволит студентам приобрести навыки и знания в соответствии с компетентностной моделью. В рамках философии smart education преподаватель может разрабатывать индивидуальный подход для каждого студента благодаря дисциплинам по выбору, вместе с тем, сам студент может участвовать в разработке конкретных дисциплин [14]. Smart education позволит преподавателю не тратить время на технические требования, связанные с разработкой курса. Он сможет воспользоваться уже существующим контентом, реализованным в виде модулей, описанных специальным образом [14].

2. Постановка задачи СППР для выбора траектории Smart - образования

smart образование алгоритмический программирование

Концепция Smart - образования - гибкость, предполагающая наличие большого количества источников, максимальное разнообразие мультимедиа (аудио, видео, графика), способность быстро и просто настраивается под уровень и потребности слушателя [8]. Помимо этого, Smart-образование должно быть легко управляемым, когда учебное заведение может легко обеспечивать гибкость учебного процесса, и интегрированным, то есть постоянно использующие внешние источники [8].

В процессе разработки системы поддержки принятия решений, для выбора траектории Smart - образования, становится необходимым:

- определение критериев оценки альтернативных траекторий Smart-образования;

- описание альтернативных траекторий Smart-образования;

- выбор методов поддержки принятия решений для разработки СППР.

2.1 Определение критериев оценки альтернативных траекторий Smart - образования

Smart - образование включает в себя накопленные и выработанные подходы к обучению в традиционном их понимании с элементами дистанционного обучения с использованием информационно-телекоммуникационных технологий (ИКТ) [11]. Концепция smart - образования предполагает комплексное развитие образовательной услуги, включая кадровое обеспечение, административно-правовое управление, материально-техническую базу и пр. [11]

Основные характеристики smart - образования [11]:

1. Бесшовность - обеспечение совместимости между программным обеспечением, разработанным для разных операционных систем. Бесшовность позволяет предоставлять равные возможности для обучения, не зависимо от используемых устройств обеспечивая возможность реализации непрерывности учебного процесса и целостности учебной информации.

2. Независимость от времени и места, мобильность, повсеместность, непрерывность и простота доступа к учебной информации.

3. Автономность преподавателя и учащегося за счет использования мобильных устройств доступа к учебной информации.

4. Определение различных мотивационных моделей.

5. Взаимосвязь между индивидуальными и организационными целями работодателей и учебного заведения.

6. Оценка демонстрируемых изменений компетенций - результативность учебного процесса измеряется не столько полученными знаниями, сколько возможностью их применять на практике.

7. Гибкое обучение с точки зрения предпочтений и индивидуальных возможностей учащегося (возможность настройки обучения под индивидуальные параметры учащегося, в том числе такие как: исходные знания, опыт и навыки; стиль обучения; вплоть до физиологического и психологического состояния в каждый конкретный момент обучения) [11].

Для успешного внедрения элементов smart - обучения в существующую образовательную систему, необходимо соблюдать следующие принципы реализации концепции smart - образования [1].

1. Гибкость обучения в интерактивной образовательной среде с использованием высокотехнологичных устройств.

Smart - обучение реализуется с использованием современных ИКТ и ресурсов интернета, которые на сегодняшний день привычны для всех. Процесс обучения должен быть максимально вовлеченным в жизнь обучающегося, непрерывным, включающим обучение в профессиональной среде, с использованием средств профессиональной деятельности. Чтобы успевать за происходящими изменениями и растущими запросами студентов, smart-образование должно быть гибким, приспосабливаемым, качественным и инновационным [1].

2. Интегрированная среда обучения.

Современное smart - общество с его подходом “образование через всю жизнь” показывает необходимость обучения везде по принципу “обучение там, где удобно слушателю”, т. е. существенным принципом реализации smart - образования должна стать мобильность потребления контента [1]. То есть образовательный процесс является инвариантным по отношению к месту и, в общем случае, к времени его проведения. Ресурсы интернета являются открытыми для любого пользователя, а наличие и доступность многочисленных образовательных интернет - контентов позволяет реализовать потребность в получении информации и совершенствовании своих знаний. Однако собственно обучение как целенаправленный процесс помимо электронных учебных материалов требует наличия методической компоненты, которая при smart-обучении обеспечивается за счет социально-информационного объединения учащихся и преподавателей в рамках интегрированной информационной среды, реализуемой средствами ИКТ [1].

3. Совместное использование контента всеми вузами.

Развитие концепции smart-образования возможно за счет совместной разработки и использования вузами общего репозитория (“хранилища” информации) учебного контента -- проект “электронного породнения” вузов на базе технологий smart-образования [1]. Преимущества такого подхода очевидны: преподавателю вуза не приходится самостоятельно создавать учебный контент с нуля -- используя общий репозиторий, ему достаточно только актуализировать материал при работе с ним. Использование технологий smart-образования дает возможность объективно формировать модель компетенций, предъявляемых со стороны работодателя студенту -- выпускнику вуза, во много раз упрощается создание специальных учебных программ, семинаров и мастер-классов, т. е., по сути, происходит персонификация образования [1].

4. Персонализация и адаптация обучения.

Обучение на основе smart-технологий способствует реализации внутреннего потенциала через сопоставление контента изучаемого курса с собственными результатами, выстраивание индивидуальной образовательной траектории с акцентом на свои личностные качества [1]. Стоит отметить, что обучающийся может продвигаться по индивидуальной траектории в том случае, если ему будут предоставлены такие возможности как: выбор оптимальной формы и темпа обучения; применение тех способов обучения, которые наиболее соответствуют его индивидуальным особенностям; осуществление оценки и корректировки своей деятельности [1].

Критерии отбора формируют эксперты на основе нормативных документов, профессионального опыта, сведений о возможностях и предпочтениях студентов, опыта предыдущих лет обучения. В итоге в качестве таких критериев можно назвать, следующие [25]:

К1. Качество образования (комплексный критерий, состоящий из нескольких вложенных подкритериев).

К1.1. Выполнение требований образовательных стандартов.

К1.2. Степень освоения профессиональных компетенций.

К1.3. Степень освоения универсальных компетенций.

К1.4. Степень достижения заявленных целей и результатов обучения.

К2. Доступность элементов образовательной траектории.

К3. Стоимость обучения.

К4. Время, затраченное на освоение образовательной программы (дисциплины).

К5. Степень удовлетворения ожиданий участников образовательного процесса от предоставляемых образовательных услуг.

К5.1. Достоверность получаемой информации.

К5.2. Полнота получаемой информации.

К5.3. Целостность получаемой информации.

К5.4. Ясность изложения материала.

К5.5. Актуальность учебного материала.

2.2 Описание альтернативных траекторий Smart-образования

Образовательную траекторию рассматривают как условие индивидуализации профессионального становления личности в пространстве непрерывного образования. При этом личность выступает субъектом проектирования своей профессиональной биографии. Реализуются индивидуальные траектории на основе индивидуальных учебных планов и программ обучения, выбора обучающих модулей, набора накопительно - рейтинговых показателей, профессионально - психологических оценок в портфолио, дистанционного обучения, осуществления электронного и проектного обучения [16].

Выбор образовательной траектории определяется социально - профессиональной направленностью обучающихся, его ценностно - смысловыми ориентациями, наличием альтернативных образовательных программ, возможностями образовательных организаций [16].

В основе выбора и построения образовательных траекторий влияют социально - экономические условия и ситуация на рынке образовательных услуг, потребности экономики региона в кадрах, а также индивидуальные характеристики [16]: социально - профессиональная направленность, опыт, уровень образования, индивидуально - психологические потребности, здоровье.

Ключевой задачей смарт - образования, является обеспечение устойчивого развития общества и экономики в соответствии с меняющейся окружающей средой, обеспечивая возможности для создания нового уровня эффективности в экономике и государственном управлении [17].

Основные принципы смарт-образования [17]:

1. Использование в образовательной программе актуальных сведений для решения учебных задач. Скорость и объем информационного потока в образовании и любой профессиональной деятельности стремительно нарастает. Существующие учебные материалы необходимо дополнять сведениями, поступающими в режиме реального времени, для подготовки студентов к решению практических задач, к работе в условиях реальной ситуации, а не на тренировочных примерах и моделях.

2. Организация самостоятельной познавательной, исследовательской, проектной деятельности студентов. Данный принцип являются ключевым при подготовке специалистов готовых к творческому поиску решения профессиональных задач, самостоятельной информационной и исследовательской деятельности.

3. Реализация учебного процесса в распределенной среде обучения. Образовательная среда сейчас не ограничивается территорией университета, или пределами системы дистанционного обучения (LMS). Процесс обучения должен быть непрерывным, включающим обучения в профессиональной среде, с использованием средств профессиональной деятельности.

4. Взаимодействие студентов с профессиональным сообществом. Профессиональная среда рассматривается не только как заказчик на подготовку специалистов, но становится активным участником учебного процесса. ИКТ предоставляют студентам новые возможности по участию в работе профессиональных сообществ, наблюдением за решением задач профессионалами.

5. Гибкие образовательные траектории, индивидуализация обучения. Сфера образования значительно расширяется за счет привлечения в систему образования работающих граждан, частой смены вида профессиональной деятельности, интенсивным развитием технологии. Студенты, приходящие в университет, как правило хорошо осознают и формулируют свою потребность в образовании. Задача университета обеспечить образовательной услугу в соответствии с потребностью и возможностями студента.

6. Многообразие образовательной деятельности требует предоставления широких возможностей для студентов по изучению образовательных программ и курсов, использованию инструментов в учебном процессе, в соответствии с их возможностями здоровья, материальными и социальными условиями [17].

Согласно представленным принципам можно сформировать элементы для описания образовательной траектории.

Рассмотрим более детально элементы Smart-образования, которые могут использоваться при формировании индивидуальных образовательных траекторий.

Элемент1. Обязательной составляющей любого образовательного процесса является самостоятельное изучение учащимися материалов курса. Это можно сделать с использованием большого количества различных информационных источников. Тогда в качестве первой группы элементов траектории Smart-образования можно назвать [25]:

· стандартные привычные всем учебники и учебные пособия, справочная литература.

· научные периодические издания и материалы конференций,

· Интернет-ресурсы, перечень которых формирует как преподаватель, так и сами учащиеся,

· многочисленные электронные материалы и документы:

- текстовые файлы,

- презентации,

- статистические таблицы,

- мультимедиа-материалы (аудио, видео, графика),

подготовленные преподавателями и учебными ассистентами для лучшего усвоения материала.

Элемент2. Следующей важной составляющей любого образования, в том числе и Smart-образования является способ организации учебного процесса (виды учебных занятий). Тогда в качестве второй группы элементов траектории Smart-образования можно назвать [25]:

· очное прослушивание лекций,

· очное участие в семинарах,

· организация очных лабораторных или практических занятий,

· очное участие в мастер-классе с приглашенными специалистами,

· участие в очных студенческих научно-практических конференциях,

· заочное обучение путём просмотра кейса учебных материалов,

· заочное выполнение домашних заданий,

· групповая работа преподавателей и учащихся в интернет-пространстве,

· самостоятельные исследования по предложенной преподавателем тематике,

· участие в online-мероприятиях (доклады, вебинары, конференции...),

· участие в деловых играх,

· учебные, научно-исследовательские и производственные практики,

· очные консультации,

· заочные консультации

- на форумах,

- через электронную почту,

- посредством систем мгновенного обмена сообщениями,

- через информационную образовательную среду учебного заведения,

- через системы видеоконференций.

Элемент3. К третьей группе элементов траектории Smart-образования можно отнести численность учебной группы [25]:

· возможность обучения в малой группе,

· возможность обучения в большой группе (с потоком студентов),

· возможность индивидуального обучения,

· чередование этих видов обучения.

Элемент4. К четвертой группе элементов траектории Smart-образования можно отнести технологии преподнесения материала. Каждый человек обладает различной способностью запоминания и предпочтениями к способу усвоения новых знаний. Правильно подобранная индивидуальная технология преподнесения знаний дает наибольший эффект для конкретного человека. Здесь можно назвать различные технологии преподнесения знаний [25]:

· преобладание визуальной информации (текстовой, числовой, графической),

· преобладание аудио информации,

· мультимедийные источники информации.

Элемент5. Также в процессе обучения следует организовать текущий и итоговый контроль знаний. В качестве пятой группы элементов можно использовать различные способы проверки знаний обучаемого [25]:

· очное выполнение контрольных работ,

· очный экзамен,

· очное/заочное тестирование,

· участие в деловых играх,

· выполнение проектов,

· выполнение домашних заданий,

· защита курсовых работ,

· защита междисциплинарных курсовых работ,

· оценка отчётов по различным видам практик:

- учебной,

- производственной

- научно-исследовательской

· итоговый междисциплинарный экзамен,

· защита выпускных квалификационных работ.

Элемент6. Следует также подобрать темп подачи материала для конкретного обучаемого. Шестой группой элементов может быть вариант [25]:

· медленный с многократным повторением пройденного материала,

· стандартный с фиксацией основных положений,

· ускоренный с упором на самоподготовку,

· регулируемый студентом (по готовности перейти к следующему разделу).

Элемент7. Один из важнейших элементов - организация учебного процесса с точки зрения очередности и числа одновременно изучаемых предметов. К седьмой группе элементов Smart-обучения можно отнести [25]:

· семестровая система (множество предметов, параллельно изучаемых в течение полугода),

· модульное обучение (небольшое количество дисциплин, изучаемых за относительно короткий промежуток времени - 2-3 месяца),

· последовательная траектория изучения дисциплин друг за другом (1 дисциплина - несколько недель и переход к следующей только после успешной сдачи экзамена по текущей, иначе повторное изучение),

· индивидуальный план обучения.

3. Обзор и анализ методов поддержки принятия решений

“Метод - способ достижения какой-либо цели, решение конкретной задачи, совокупность приемов или операций практического и теоретического познания действительности”. Методы конкретизируются в методике, где описываются конкретные приемы, средства, например, для получения и обработки информации по решаемой проблеме [9, стр.25].

Различают два основных метода, применяемых при принятии решений: индивидуальный и групповой.

Методы принятия индивидуальных решений в свою очередь подразделяются на [18]:

- методы принятия решений в условиях определенности исходной информации (методы сравнения и оценки многокритериальных альтернатив, методы интерактивной многокритериальной оптимизации);

- методы принятия решений в вероятностно - определенных условиях и в условиях неопределенности исходной информации.

Методы оценки и сравнения многокритериальных альтернатив.

Методы, не требующие ранжирования критериев.

Метод максимин.

Критерий максимина (принцип гарантированного результата, или критерий Вальда). Данный принцип заключается в выборе в качестве оптимальной (наиболее эффективной) той альтернативы (стратегии), которая имеет наибольшее среди наименее благоприятных состояний внешней среды значение функции полезности [12].

Метод максимакс.

Критерий максимакса (принцип безудержного оптимизма). Если критерий максимина ориентирован на получение гарантированного минимума желаемого результата (правило “лучший” из “худших”), то критерий оптимизма предполагает возможность получения максимального уровня желательности результата. В отличие от метода МАКСИМИН, который ищет наихудший критерий, в методе МАКСИМАКС определяется критерий, по которому данный вариант является наилучшим [18].

Метод Харвица.

Иногда для отбора вариантов из множества эффективных решений используется метод Харвица. Данный метод является комбинацией методов Максимин и Максимакс [18].

Основными типами элементарных процедур в данном методе являются процедуры сравнения двух альтернатив и выделения лучшей из них (данная процедура является сложной) и процедура сравнения двух оценок по шкале одного критерия (допустимая процедура) [18].

Методы, основанные на информации о допустимых значениях критериев.

Можно выделить два основных метода данной группы.

Первый из них - метод разложения множества вариантов на удовлетворительные и неудовлетворительные - основан на задании минимально допустимых значений критериев. Таким образом, задание допустимых значений критериев позволяет разложить варианты на удовлетворительные и неудовлетворительные [18].

По второму методу анализ вариантов проводится только по критериям, для которых достигаются “наилучшие” значения.

Описанные методы могут использоваться только в случае количественных критериев.

Недостатком данных методов является то, что они позволяют лишь разделить заданное множество вариантов на удовлетворительные и неудовлетворительные [18].

Однако описанные методы являются чувствительными к ошибкам ЛПР, так как ошибка в задании допустимых значений критериев ведет по существу к решению новой задачи принятия решений, а ошибка при сравнении частных оценок с их пороговыми значениями ведет к исключению рассматриваемого варианта из области допустимых решений [18].

Методы иерархического упорядочивания вариантов (альтернатив) на заданном множестве вариантов (альтернатив) и критериев.

Лексикографический метод.

Термин “лексикографический” отражает аналогию между этим методом и методом упорядочивания слов в словаре. При лексикографическом подходе требуется ранжирование показателей по важности, а значения показателей располагаются на шкале порядка. После того, как важнейший показатель выбран, может быть определена альтернатива, имеющая наивысшее значение по этому показателю [6]. Если такая альтернатива одна, то ее выбирают, и процедура заканчивается. Если по определенному показателю имеется несколько альтернатив с одним и тем же наивысшим значением, то они сравниваются по второму по важности показателю. Процесс продолжается таким образом до тех пор, пока не будет выявлена единственная альтернатива, или пока не будут проверены все показатели [6].

Недостатком лексикографического порядка является то, что бесконечно малое приращение одной из компонент не перевешивает больших приращений других [6].

Метод лексикографического полуупорядочивания.

Этот метод является модификацией лексикографического метода. Основным отличием данного метода является включение в данное множество вариантов (альтернатив), субоптимальных по данному k-тому критерию, то есть вариантов (альтернатив), для которых значение выбранного критерия несущественно отличается от максимального. Данный метод требует обязательной количественной оценки критериев [18].

В лексикографических методах упорядочения вариантов основной используемой процедурой является процедура сравнения двух оценок по шкале одного критерия, которая является допустимой.(Д) Лексикографические методы можно отнести к разряду малочувствительных к ошибкам ЛПР, так как ошибка при сравнении двух вариантов по одному из критериев может привести лишь к увеличению количества итерационных шагов для поиска допустимого решения [18].

Метод перестановок.

Особенностью данного метода является требование количественного определения весов отдельных критериев. Данный метод не выгоден при большом числе вариантов, так как число перестановок резко возрастает с ростом m. Основными используемыми процедурами являются процедуры назначения весов критериев (данная операция является сложной, если не используются специальные методырасчета весов критериев) и процедура сравнения оценок по шкале одного критерия [18].

Метод перестановок обладает высокой чувствительностью к случайным ошибкам ЛПР, особенно при задании весов отдельных критериев, так как система весов критериев, по существу, определяет решение задачи. Ошибка при задании весов имеет достаточно большую вероятность, так как данная операция является сложной для ЛПР [18].

Методы, основанные на количественном выражении предпочтений ЛПР на множестве критериев.

Простые методы объединения характеристик.

Метод приращений.

ЛПР выражает свои предпочтения на множестве критериев, как правило, с помощью задания системы весовых коэффициентов. Данные методы можно условно разделить на две группы [7]:

1) простые методы объединения характеристик;

2) методы объединения, основанные на порогах чувствительности.

Одним из основных методов 1-й группы является простой метод приращений. Входные данные - множество вариантов решения. Каждый из этих вариантов предварительно оценивают. Оценка производится по нескольким заданным критериям. При каждой оценке (по каждому критерию) вариант получает свой порядковый номер. Затем каждый вариант будет поставлен на какое-либо место. Это место определяется оценкой порядковых номеров критериев. Затем строится квадратная матрица. B=||bir|| порядка N. Значение bir показывает, сколько раз i-й вариант xi оценен как r-й по порядку [7].

Если заданы весовые коэффициенты, то bir - это сумма весов тех критериев, по которым вариант оценен по порядку, т.е. элементы матрицы можно интерпретировать как меру приращения r-го порядка i-му варианту [7].

Составляется матрица Y=||yir||, состоящая только из нулей и единиц. Изначально она вся нулевая. yir = 1, если варианту xi приписан r-й порядок. Для нахождения решения решается задача целочисленного линейного программирования [7]:

при условии

Методы объединения, основанные на порогах чувствительности.

Методы ELECTRE.

Методы ELECTRE направлены на решение задач с уже заданными многокритериальными альтернативами. В отличие от метода аналитических иерархий в методах ELECTRE не определяется количественно показатель качества каждой из альтернатив, а устанавливается лишь условие превосходства одной альтернативы над другой [4, стр.106].

Основные этапы методов ELECTRE [4, стр.106-107]:

1. На основании заданных оценок двух альтернатив подсчитываются значения двух индексов: согласия и несогласия. Эти индексы определяют согласие и несогласие с гипотезой, что альтернатива А превосходит альтернативу В.

2. Задаются уровни согласия и несогласия, с которыми сравниваются подсчитанные индексы для каждой пары альтернатив. Если индекс согласия выше заданного уровня, а индекс несогласия -- ниже, то одна из альтернатив превосходит другую. В противном случае альтернативы несравнимы.

3. Из множества альтернатив удаляются доминируемые. Оставшиеся образуют первое ядро. Альтернативы, входящие в ядро, могут быть либо эквивалентными, либо несравнимыми.

4. Вводятся более “слабые” значения уровней согласия и несогласия (меньший по значению уровень согласия и больший уровень несогласия), при которых выделяются ядра с меньшим количеством альтернатив.

5. В последнее ядро входят наилучшие альтернативы. Последовательность ядер определяет упорядоченность альтернатив по качеству.

Методы семейства ELECTRE включают в себя ELECTRE I, ELECTRE II, ELECTRE III.

Каждый метод семейства обладает индивидуальными особенностями, что делает их применение наиболее эффективным для различных типов задач принятия решений. Методы ELECTRE I являются базовыми методами семейства. Основными недостатками базовых методов являются отсутствие возможности получения полного ранжирования альтернатив. Однако процедура решения задач с применением базовых методов является достаточно быстрой, так как требуется минимальный набор исходных данных. Таким образом, базовые методы наиболее эффективны, если требуется произвести быстрое ранжирование альтернатив с низкой точностью или невозможно найти подходящего эксперта, который достаточно компетентен, чтобы подготовить исходные данные для других методов семейства [3].

Методы ELECTRE II последовательно развивают базовые методы семейства, благодаря использованию псевдокритериев и процедуры дистилляции альтернатив. Наиболее эффективным является метод ELECTRE III, использующий преимущества методов ELECTRE IS и ELECTRE II.

Методы ELECTRE позволяют определять для каждой пары альтернатив индексы согласия и несогласия с гипотезой, что одна из альтернатив превосходит другую. При заданных уровнях согласия и несогласия две альтернативы могут находиться в отношениях превосходства, эквивалентности и несравнимости. Последовательное выделение ядер позволяет упорядочить альтернативы по качеству [4].

Метод аналитических иерархий.

Недостатки метода [18]:

• введение новой, не доминирующей альтернативы может в общем случае привести к изменению предпочтений между двумя ранее заданными альтернативами

• необоснованный переход к числам при проведении измерений, оторванность метода объединения оценок от предпочтений ЛПР

Достоинства метода [18]:

• направленность на сравнение реальных альтернатив

• метод может применяться даже тогда, когда эксперты (или ЛПР) не могут дать абсолютные оценки альтернатив по критериям, а пользуются более слабыми сравнительными измерениями

Методы принятия групповых решений.

Метод Дельфи.

Среди имеющихся на сегодняшний день инструментов, предназначенных для выбора и оценки эффективности решений, особое место занимается дельфийский метод или, как его ещё называют, метод Дельфи. Он является очень эффективным как в повседневной жизни, так и в профессиональной сфере деятельности, ведь он позволяет учитывать мнения всех людей, которые имеют отношение к какому-либо вопросу, посредством последовательного объединения соображений, предложений и выводов, а затем прийти к конкретному соглашению [24].

Данный метод, в основном, используется при прогнозировании, однако он также может применяться для определения оценок, характеризующих альтернативы. Информация с прогнозами или оценками экспертов подвергается обработке [18].

Учитывая то, что метод Дельфи представляет собой метод экспертного оценивая, основными его особенностями являются анонимность, многоуровневость и заочность. Базовой предпосылкой служит идея о том, что, если должным образом произвести обобщение и обработку индивидуальных оценок экспертов по поводу конкретной ситуации, можно получить общее мнение, которое будет обладать максимальной степенью надёжности и достоверности [24].

Метод минимального расстояния.

Метод минимального расстояния основан на анализе ранжировок альтернатив, заданных экспертами. Для применения метода прежде всего нужно задать способ определения расстояния между ранжировками. Затем необходимо найти такую ранжировку, суммарное расстояние от которой до всех экспертных ранжировок минимально. Эта ранжировка получила название медианы Кемени-Скелла. По сути медиана Кемени-Скелла - это ранжировка, наиболее полно удовлетворяющая всех экспертов сразу [18].

Для получения медианы Кемени-Скелла необходимо [18]:

1. Перебрать все возможные матрицы размерности n*n.

2. Исключить из отобранного множества матрицы, содержащие несогласованные участки (циклы).

3. Вычислить расстояние от каждой матрицы из оставшихся до всех экспертных матриц.

4. Найти матрицу с минимальным суммарным расстоянием до всех экспертных матриц.

С вычислительной точки зрения данный алгоритм довольно требователен к ресурсам. С возрастанием количества альтернатив (n), количество матриц, которые необходимо перебрать, возрастает очень быстро, и при n = 10 задача становится практически неразрешимой при современном уровне развития вычислительной техники [18].

Метод ранжирования альтернатив.

Результатом использования данного метода является упорядоченная последовательность альтернатив, в которой на первом месте находится альтернатива, имеющая наибольшую степень предпочтения. Последующие места в полученной ранжировке альтернативы занимают по степени убывания их предпочтительности, то есть на последнем месте оказывается наименее предпочтительная альтернатива [18].

Суть метода сводится к следующему: каждый эксперт формирует свою ранжировку альтернатив, согласно собственным предпочтениям, а затем по результатам обработки мнений экспертов должна быть определена единственная упорядоченная последовательность альтернатив [18].

Существует два способа задания исходной ранжировки экспертом [18]:

1. Непосредственное назначение ранга альтернативам

2. Использование процедуры попарных сравнений

Использование процедуры попарных сравнений имеет ряд недостатков. Во-первых, число сравнений увеличивается с увеличением числа альтернатив. Во-вторых, в некоторых случаях предпочтения эксперта не могут быть определены однозначно, что может привести к образованию циклических участков. Например, если упорядочение вариантов экспертом выглядит следующим образом: а3 > а4 > а2 > а3. Чтобы избежать подобных ситуаций, суммарную матрицу перед вычислением проверяют на отсутствие циклов [18].

Метод кластеризации экспертных оценок.

Кластеризация -- это процесс объединения объектов в группы по принципу схожести по какому-либо признаку, показателю или критерию. Сами же группы принято также называть кластерами [18].

Групповое принятие решений с помощью процедуры кластеризации можно разделить на ряд этапов [18]:

Этап 1. Каждому эксперту предлагается заполнить матрицу сравнения альтернатив по всем показателям качества принимаемых решений, на основе которой рассчитывается степень удовлетворения объектом по заданным критериям всеми экспертами (наибольшей степени удовлетворения соответствует наибольшее числовое значение оценки) [18].

Этап 2. Полученные результаты наносятся на график. По данным графикам распределения мнений экспертов ЛПР может определить согласованную оценку по каждому из критериев [18].

Этап 3. ЛПР производит кластеризацию оценок экспертов каждого объекта поочередно по всем показателям качества одним из известных методов.

Если разброс мнений экспертов является существенным, то каждому эксперту предлагается дать комментарий относительно выставленной им степени удовлетворения объектом, после чего все полученные обоснования и результаты кластеризации доводятся до сведения экспертов. Если какой-либо из экспертов на основе полученной информации изменяет свою оценку, выражающую степень удовлетворения объектом, то данному эксперту предлагается вновь заполнить матрицу сравнения, и производится повторная процедура кластеризации оценок экспертов [18].

Этап 4. Производится вычисление центров масс образовавшихся кластеров. Понятие “центра масс” кластера введено для возможного учета коэффициентов компетентности экспертов, задаваемых ЛПР.

Этап 5. Вычисляется “масса кластера”. За ее величину предлагается взять сумму коэффициентов компетентности экспертов, входящих в кластер.

Этап 6. Рассчитывается итоговая оценка объекта по каждому из критериев.

Этап 7. Расчет итоговой оценки объекта относительно всех критериев.

Этап 8. Лучшей считается альтернатива, для которой итоговая оценка является наибольшей [18].

4. Выбор метода поддержки принятия решений для выбора траектории Smart-образования

Таблица 1

Сравнение методов поддержки принятия решений

Методы

Метод принятия индивидуальных / групповых решения

Цель

Множество альтернатив

Критерии

Операции

Веса критериев

Чувствительность к ошибкам

Максимин

Индивидуальных

Выбор лучшей альтернативы

Небольшое

Количественные

Определение оптимальной альтернативы по критерию

?

Низкая

Максимакс

Индивидуальных

Выбор лучшей альтернативы

Небольшое

Количественные

Определение оптимальной альтернативы по критерию

?

Низкая

Метод Харвица

Индивидуальных

Выбор лучшей альтернативы из множества альтернатив

Любое

Количественные

Сравнение двух альтернатив; Выбор лучшей альтернативы

?

Высокая

Лексикографический метод

Индивидуальных

Выбор лучшей альтернативы, ранжирование альтернатив

Небольшое

Любые

Определение сравнительной важности критерия;

Оценка альтернативы по критерию

?

Низкая

Метод лексикографического полуупорядочивания

Индивидуальных

Выбор лучшей альтернативы, классификация альтернатив

Небольшое

Количественные

Определение сравнительной важности критерия;

Определение альтернатив, для которых значение выбранного критерия несущественно отличается от максимального

?

Низкая

Метод перестановок

Индивидуальных

Выбор лучшей альтернативы, ранжирование альтернатив

Небольшое

Любые

Назначение весов критериев;

Сравнение оценок по шкале одного критерия

Назначает ЛПР

Высокая

Метод приращений

Индивидуальных

Выбор лучшей альтернативы

Небольшое

Любые

Сравнение оценок по шкале одного критерия;

Назначение весов критериев

Назначает ЛПР

Высокая

Electre I

Индивидуальных

Исключение неэффективных альтернатив

Небольшое

Количественные

Назначение весов критериев;

Оценка альтернативы по критерию;

Задание порогов чувствительности

Назначает ЛПР

Высокая

Electre II

Индивидуальных

Упорядочение индифферентных классов альтернатив

Небольшое

Количественные

Назначение весов критериев;

Оценка альтернативы по критерию;

Задание порогов чувствительности

Назначает ЛПР

Высокая

Метод аналитических иерархий

Индивидуальных

Выбор наилучшей альтернативы, ранжирование

Небольшое

Любые

Назначение весов критериев;

Попарное сравнение коэффициентов важности критериев;

Попарное сравнение альтернатив

Назначает ЛПР

Высокая

Метод Дельфи

Групповых

Прогнозирование диапазона значений величины

Альтернативы не заданы

Не используются

Прогнозирование; Определение оценок, характеризующих альтернативы

?

Зависит от количества экспертов

Метод минимального расстояния

Групповых

Ранжирование альтернатив

Любое

Не используются

Нахождение ранжировки, наиболее полно удовлетворяющей всех экспертов

?

Зависит от количества экспертов

Метод ранжирования альтернатив

Групповых

Упорядочивание последовательности альтернатив

Небольшое

Не используются

Формирование ранжировки альтернатив каждого эксперта;

Попарное сравнение альтернатив

?

Зависит от количества экспертов

Метод кластеризации экспертных оценок

Групповых

Ранжирование альтернатив

Любое

Любые

Расчет итоговой оценки альтернативы

Зависит от количества экспертов

Идея методики в том, чтобы помочь студенту выстроить индивидуальную траекторию образования и в дальнейшем сформировать индивидуальный перечень учебных материалов, средств и технологий обучения. В поставленной задаче необходимо выстроить траекторию для группы студентов. При этом необходимо сформировать группу экспертов, которая должна включать методистов, психологов, преподавателей, административных рабочих или других специалистов по решению руководителя образовательной программы. Такая группа экспертов должна сформировать набор элементов и траекторию Smart-обучения, основываясь на опросах обучаемых. В итоге необходимо сформировать множество альтернатив и критериев выбора наиболее рациональной траектории.

При выборе метода поддержки принятия решений важно учитывать, что критерии могут носить как численный, так и лингвистический характер, а число образовательных траекторий, как правило, невелико. Согласно тому, что решение по выбору траектории принимается при согласовании мнений всех экспертов, целесообразно использование групповых методов поддержки принятия решений. К таким методам относятся: метод Дельфи, метод минимального расстояния, метод ранжирования альтернатив и метод кластеризации экспертных оценок (таблица 1).

В итоге процедура принятия решения должна быть автоматизирована, единственным методом, который легко поддается алгоритмизации является метод минимального расстояния несмотря на то, что число вычислений может быть велико и зависит от числа альтернатив.

5. Разработка алгоритмического и программного обеспечения СППР

5.1 Разработка алгоритма СППР

Для решения задачи выбора траектории Smart-образования необходимо выделить несколько групп пользователей. В программе реализованы три группы пользователей: студенты, сотрудники (психологи, методисты, преподаватели, кураторы, экономисты, административные рабочие и другие специалисты по решению руководителя образовательной программы) и руководитель образовательной программы. Для студентов и сотрудников алгоритм ввода, проверки и сохранения данных осуществляется одинаково (рис. 1).

Рис. 1. Алгоритм ввода данных

1. Студент составляет траекторию обучения по результатам входного тестирования. Преподаватель осуществляет ввод матрицы попарного сравнения альтернатив на основании составленных траекторий.

2. Данные, введенные пользователями, проверяются. Они будут сохранены, если на все вопросы выбран хотя бы один ответ (для студентов), и матрица попарного сравнения введена согласно примеру (для сотрудников), в противном случае ввод данных повторяется.

3. Правильно введенные данные записываются в базу данных.

4. Данные выводятся на экран. Студент может увидеть результат тестирования (образовательную траекторию), сотрудник - матрицу попарного сравнения альтернатив.

Для автоматизации процедуры выбора / ранжирования альтернатив используется метод минимального расстояния на основе расчета медианы Кемени-Снелла (рис. 2).

Рис. 2. Алгоритм выбора траектории

1. На первом шаге применения метода каждым экспертом (сотрудником) строятся матрицы попарного сравнения альтернатив. Однако каждый сотрудник добавляет данные матрицы только лишь после авторизации в системе, и итоговый набор матриц выбирается из базы данных.

2. Далее осуществляется вычисление итоговой матрицы, путем перебора всех существующих матриц с нулевой диагональю и кососимметричными относительно неё значениями “1” и “-1”.

3. Итоговая матрица должна быть равноудалена от всех матриц, введенных экспертами. Для новой матрицы рассчитывается расстояние (сумма модулей разностей элементов итоговой матрицы и любой из матриц, введенных экспертами) до всех экспертных ранжировок.

4. Процедура расчета расстояния до матриц, составленных экспертами, осуществляется для каждой подобранной матрицы.

5. Новая матрица и расстояния до каждой экспертной матрицы сохраняются в базу данных.

6. Далее выбирается матрица с минимальным суммарным расстоянием до всех экспертных ранжировок.

7. Результаты вычислений системы выводятся на экран руководителю образовательной программы.

5.2 Выбор языка программирования

1. С++

Язык программирования С++ представляет высокоуровневый компилируемый язык программирования общего назначения со статической типизацией, который подходит для создания самых различных приложений [19].

Компилируемый язык, который был создан в 1983 году Бьерном Страуструпом. Относится к группе статических, при этом поддерживает объектно-ориентированную модель программирования. Получил популярность ввиду следующих возможностей [20]:

- процедурное программирование;

- возможность разделения на модули;

- абстрагирование и классификация объектов;

- совместим с предшественником С в большинстве программ.

2. C#

C# относится к семье языков с C-подобным синтаксисом, из них его синтаксис наиболее близок к C++ и Java. Язык имеет статическую типизацию, поддерживает полиморфизм, перегрузку операторов (в том числе операторов явного и неявного приведения типа), делегаты, атрибуты, события, свойства, обобщённые типы и методы, итераторы, анонимные функции с поддержкой замыканий, LINQ, исключения, комментарии в формате XML [21].

Переняв многое от своих предшественников -- языков C++, Java, Delphi, Модула и Smalltalk -- С#, опираясь на практику их использования, исключает некоторые модели, зарекомендовавшие себя как проблематичные при разработке программных систем: так, C# не поддерживает множественное наследование классов (в отличие от C++) [21].

С# является жестко типизированным языком. При его использовании вы должны объявлять тип каждого объекта, который создаете (например, целые числа, числа с плавающей точкой, строки, окна, кнопки, и т. д.), и компилятор поможет вам избежать ошибок, связанных с присвоением переменным значений только того типа, который им соответствует. Тип объекта указывает компилятору размер объекта (например, объект типа int занимает в памяти 4 байта) и его свойства (например, форма может быть видима и невидима, и т.д.) [21].

3. Python

Python - универсальный язык программирования, при помощи которого можно делать любые приложения в диапазоне от интернет-сайтов и десктопных приложений до роботов и системных сервисов [22].

Преимущества Python [22]:

- открытая разработка;

- довольно прост в изучении, особенно на начальном этапе;

- особенности синтаксиса стимулируют программиста писать хорошо читаемый код;

- предоставляет средства быстрого прототипирования и динамической семантики;

- имеет большое сообщество, позитивно настроенное по отношению к новичкам;

- множество полезных библиотек и расширений языка можно легко использовать в своих проектах благодаря предельно унифицированному механизму импорта и программным интерфейсам;

- механизмы модульности хорошо продуманы и могут быть легко использованы;

- абсолютно всё в Python является объектами в смысле ООП, но при этом объектный подход не навязывается программисту [22].

Недостатки Python [22]:

- не слишком удачная поддержка многопоточности;

- на Python создано не так уж много качественных программных проектов по сравнению с другими универсальными языками программирования, например, с Java;

- отсутствие коммерческой поддержки средств разработки (хотя эта ситуация со временем меняется);

- изначальная ограниченность средств для работы с базами данных;

- бенчмарки показывают меньшую производительность Python по сравнению с основными Java VM, что создаёт этому языку репутацию медленного [22].

4. Java

Java -- строго типизированный объектно-ориентированный язык программирования, разработанный компанией Sun Microsystems. К достоинствам этого языка можно отнести [23]:

- независимость от платформы, на которой выполняются программы: один и тот же код можно запускать под управлением различных операционных систем;

...

Подобные документы

  • Методы решения проблем, возникающих на стадиях и этапах процесса принятия решений, их реализация в информационных системах поддержки принятия решений (СППР). Назначение СППР, история их эволюции и характеристика. Основные типы СППР, области их применения.

    реферат [389,3 K], добавлен 22.11.2016

  • Разработка алгоритмического и программного обеспечения для решения задачи поддержки принятия решений о выпуске новой продукции. Математическое обеспечение задачи поддержки принятия решений о выпуске новой продукции, основные входные и выходные данные.

    дипломная работа [943,0 K], добавлен 08.03.2011

  • Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.

    дипломная работа [1,9 M], добавлен 10.07.2017

  • Система поддержки принятия решений "Мыслитель" и метод, заложенный в её основу. Порядок работы в программе: новая задача, составление списка альтернатив, списка критериев их оценки, сравнение критериев по степени важности, попарное сравнение альтернатив.

    отчет по практике [719,2 K], добавлен 08.03.2016

  • Теоретические аспекты функционирования Business intelligence - систем в сфере логистики. Анализ условий для разработки системы поддержки принятия решений. Характеристика процесса создания программного продукта, применение аналитической платформы QlikView.

    курсовая работа [2,5 M], добавлен 09.09.2017

  • Изучение назначения и основных задач, которые решает Project Expert - система поддержки принятия решений (СППР), предназначенная для менеджеров, проектирующих финансовую модель нового или действующего предприятия. Программные приложения, этапы работы.

    реферат [30,7 K], добавлен 19.05.2010

  • Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.

    курсовая работа [772,0 K], добавлен 21.04.2016

  • Исследование технологического процесса по производству газобетона. Модель "как будет" процесса диагностирования состояния технологического процесса производства газобетона с учетом системы поддержки принятия решений. Прототипирование интерфейса СППР.

    дипломная работа [4,8 M], добавлен 17.06.2017

  • Разработка информационного и алгоритмического обеспечения системой управления базами данных Microsoft Access. Реализация и принцип работы основных компонентов подсистемы поддержки принятия решений. Особенности разработки программного модуля в Delphi.

    реферат [333,9 K], добавлен 15.11.2009

  • Разработка и внедрение программного модуля поддержки принятия управленческих решений для информационной системы медицинского предприятия ООО "Центр эндохирургических технологий". Эффективность применения модуля, полученные с его помощью результаты.

    дипломная работа [1,9 M], добавлен 11.04.2013

  • Анализ существующих решений системы поддержки принятия решений для корпоративной сети. Многоагентная система. Разработка концептуальной модели. Структура базы знаний. Разработка модели многоагентной системы на базе сетей Петри. Методика тестирования.

    дипломная работа [5,1 M], добавлен 19.01.2017

  • Анализ и сравнение существующих систем тьюторской поддержки. Методологии разработки программного обеспечения. Разработка web-ориентированной системы тьюторской поддержки самостоятельной работы студента. Выбор архитектуры программных средств разработки.

    курсовая работа [1,1 M], добавлен 05.01.2013

  • Концепция систем поддержки принятия решений. Диапазон применения Analytica 2.0. Программное обеспечение количественного моделирования. Графический интерфейс для разработки модели. Основные способы моделирования. Диаграмма влияния и дерево решений.

    контрольная работа [1,1 M], добавлен 08.09.2011

  • Классификация задач системы поддержки принятия решений, их типы и принципы реализации при помощи программы "Выбор". Обзор современных систем автоматизированного проектирования "Компас", "AutoCad", "SolidWorks", оценка преимуществ и недостатков программ.

    курсовая работа [1,4 M], добавлен 22.07.2014

  • Разработка экспертной системы по выбору языка программирования, отвечающего критериям разработчика: представление базы знаний; выбор и обоснование механизма вывода решения. Программа формирования основного меню, реализация механизма выработки решения.

    курсовая работа [2,5 M], добавлен 15.08.2012

  • Типы административных информационных систем: системы генерации отчетов, системы поддержки принятия решений, системы поддержки принятия стратегических решений. Сортировка и фильтрация списков в Microsoft Excel. Работа с базами данных в Microsoft Access.

    контрольная работа [6,0 M], добавлен 19.11.2009

  • History of development. Building Automation System (BMS) and "smart house" systems. Multiroom: how it works and ways to establish. The price of smart house. Excursion to the most expensive smart house in the world. Smart House - friend of elders.

    контрольная работа [26,8 K], добавлен 18.10.2011

  • Рассмотрение понятия и истории возникновения систем поддержки принятия решения. Приспособленность информационных систем к задачам повседневной управленческой деятельности. Понятие термина "интеллектуальный анализ данных". Методика извлечения знаний.

    реферат [79,8 K], добавлен 14.04.2015

  • Изучение характеристик магазина "Мир дверей" и видов его деятельности. Выявление условий труда и функций продавца-консультанта, подлежащих автоматизации. Описание системы поддержки принятия решения подбора товаров на платформе "1С: Предприятие 8.3".

    дипломная работа [3,9 M], добавлен 30.05.2015

  • Методика и основные этапы реализации, информационное обеспечение компьютерной системы поддержки составления учебного плана. Разработка алгоритмов решения функциональной задачи, программного обеспечения. Расчет сметы затрат и экономической эффективности.

    дипломная работа [2,4 M], добавлен 21.04.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.