Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Министерство образования и науки РФ

ФГБОУ ВО

«САМАРСКИЙ ГОСУДАРСТВЕННЫЙ АРХИТЕКТУРНО-СТРОИТЕЛЬНЫЙ УНИВЕРСИТЕТ»

Кафедра информационных и развивающих образовательных

систем и технологий

ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

к выпускной квалификационной работе бакалавра на тему:

Информационная система анализа диффузии знаний в студенческом коллективе

СТУДЕНТА ГИП-112 Крылова Дмитрия Олеговича

Самара 2016 г.

РЕФЕРАТ

Выпускная квалификационная работа бакалавра.

Пояснительная записка: 70 с., 14 рис., 6 таб., 12 источников,

4 приложения.

ДИФФУЗИЯ ЗНАНИЙ, СТУДЕНТ, ИССЛЕДОВАНИЕ, УЧЕБНЫЙ ПРОЦЕСС, ЛИНЕЙНАЯ РЕГРЕССИЯ, БАЗА ДАННЫХ

Объектом автоматизации является система анализа диффузии знаний в студенческом сообществе.

Целью работы является разработка информационной системы позволяющей определять диффузию знаний в студенческом сообществе.

Система спроектирована по методологии UML, и реализован на языке программирования Java.

СОДЕРЖАНИЕ

• ВВЕДЕНИЕ
• 1. ПОСТАНОВКА ПРОБЛЕМЫ
• 1.1 Цели и постановка задач к информационной системе
• 1.2 Анализ источников по тематике исследования
• 1.3 Формулирование требований к результатам исследования
• 2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ
• 2.1 Обоснование выбора математического аппарата
• 2.2 Построение математической модели
• 2.2 Допущения и упрощения при моделировании
• 3. ИНФОРМАЦИОННАЯ СИСТЕМА
• 3.1 Выбор пакета
• 3.2 Описание ИС
• 3.3 Диаграммы, построенные по методологии UML
• 3.3.1 Диаграмма сущностных классов
• 3.3.2 Диаграмма граничных классов
• 3.3.3 Диаграмма классов управления
• 3.3.4 Диаграмма компонентов
• 3.3.5 Диаграмма развертывания
• 3.4 Основные интерфейсы
• 4. ПРОВЕДЕНИЕ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА И АНАЛИЗ РЕЗУЛЬТАТОВ
• 4.1 Исходные данные
• 4.2 Проведение численного эксперимента
• 4.3 Анализ результатов и выводы по главе
• 5. ОРГАНИЗАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ И САМОРАЗВИТИЕ
• 5.1 Перечень публикаций
• 5.2 Перечень участия в конференциях
• 5.3 Перечень выполненных в период обучения курсовых проектов и работ
• 5.4 Портфолио
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЯ

ВВЕДЕНИЕ

Вводя новый термин «диффузия знаний», проведем аналогию с диффузией, как с химическим процессом. Если диффузия в химии - процесс взаимного проникновения молекул или атомов одного вещества между молекулами или атомами другого, то диффузия знаний - это процесс взаимного обмена знаниями студентов одного курса (факультета) между студентами другого. Причиной исследования является выяснение того, по каким учебным дисциплинам происходит бульшая диффузия, и чем это вызвано.

Будем считать, что показателем диффузии знаний является коэффициент тренда. Если коэффициент тренда положительный, и правильные ответы студентов со временем увеличиваются, то происходит диффузия знаний и стоит сделать разные варианты для разных групп, а потом проанализировать еще раз, и, если динамика снизилась - это означает наличие диффузии знаний. При сохранении положительной динамики можно сделать вывод что тест слишком прост и следует усложнить вопросы теста; если коэффициент тренда нулевой или отрицательный, то диффузии не происходит и можно сделать вывод, что данный тест достаточно сложный для студентов и следует его видоизменить.

1. ПОСТАНОВКА ПРОБЛЕМЫ

1.1 Цели и постановка задач к информационной системе

Целью работы информационной системы является определение диффузии знаний в студенческом сообществе. Данная информационная система способна продемонстрировать положительную или отрицательную тенденцию в оценках тестирования студентов ВУЗа разных курсов, групп и факультетов с течением времени. На основании полученных информационной системой результатов можно будет сделать выводы о том, имеется ли зависимость между определенными группами, курсами или факультетами.

1.2 Анализ источников по тематике исследования

Для начала выясним, почему именно тесты выбраны в качестве показателей знаний среди студентов.

Тест - измерительное средство, предназначенное для оценки результатов работы обучаемого, определяемых сформированным у него уровнем учебной подготовки. Хорошо составленные тесты достаточно объективны при оценке знаний и подготавливают обучающихся к итоговой аттестации.

С тестами в той или иной степени приходится иметь дело всем участникам образовательного процесса. Тесты - это достаточно краткие, стандартизированные пробы или проективные испытания, позволяющие за сравнительно короткие промежутки времени оценить результативность познавательной деятельности, т.е. оценить степень и качество достижения каждым участником целей обучения. По форме проведения тесты могут быть индивидуальными и групповыми, устными и письменными, бланковыми, компьютерными и т.д. В данной работе исследуются компьютерные тесты.

Таким образом, анализируя область применения тестов и подходы к оценке знаний студентов с помощью данной методики, не следует забывать, что наряду с положительными сторонами тестирования, есть и отрицательные.

Таблица 1 -- Положительные и отрицательные стороны тестирования

Положительные стороны тестирования	Отрицательные стороны тестирования
быстрый опрос с широким охватом учащихся; высвобождение времени для решения других вопросов и задач; развитие внимания и остроты восприятия; требует системы в усвоении материала; заставляет систематически готовиться к занятиям, прослеживать связь различных тем, приучает к четкости, краткости; за небольшое время можно быстро проверить большой объем знаний; возможность коррекции отдельных вопросов темы; своевременное реагирование на ошибки отдельных учащихся; многовариантность, исключающая возможность списывания; легко анализировать ошибки и осуществлять разноуровневый подход; возможность выбора ответа и разных его вариантов.	возможность ответов наугад; нечеткие формулировки вопросов или некорректные их постановки; невозможность проверить глубину знаний; ограничение развития речи, а иногда и логического мышления; различный уровень подготовки учащихся (вследствие этого и абитуриентов, и студентов) в городских и сельских школах.

Как видно из данной таблицы - тест имеет больше плюсов в качестве показателя знаний, нежели минусов.

В исследовании Г. Силласты [3] указано, что списывание и помощь у друзей занимает третье место по популярности, среди методов списывания среди студентов (19,6%), уступая шпаргалкам, подготовленных самостоятельно, и использованию сотового телефона.

На основе литературы, посвященной данной проблеме [1,2], были выделены две группы переменных, оказывающих влияние на вероятность списывания и плагиата. Можно также сделать предположения о характере такого влияния.

А. Персональные характеристики студента, повышающие вероятность «мошенничества»

Влияющие и на частоту списывания, и на частоту плагиата:

* преобладающий мотив -- получение хороших оценок любыми способами, а не ориентация на получение знаний;

* отсутствует / слабый интерес к содержанию курса;

* плохое понимание содержания курса;

* низкая успеваемость;

* полная / неполная занятость (положительная зависимость от количества часов работы в неделю);

* субъективное восприятие вероятности быть пойманным как низкой;

* восприятие наказания как не очень строгого.

Влияющие на частоту списывания:

* отношение к «мошенничеству» как к нормальному поведению;

* высокая оценка количества «мошенников» и частоты «мошенничества»;

* мужской пол;

* учится на старшем курсе.

Влияющие на частоту плагиата:

* отсутствие интереса к теме;

* плохое понимание того, как должна быть написана и оформлена работа, требований преподавателя.

Б. Факторы, связанные с внешней по отношению к студенту средой -- с характеристиками преподавателя

Влияющие и на частоту списывания, и на частоту плагиата:

* стратегия преподавателя. В случае, если преподаватель демонстрирует формальный подход к работе, вероятность списывания и плагиата повышается. В отношении эссе и рефератов формальный подход преподавателя выражается в стандартных темах эссе и рефератов, отсутствии возможности самому сужать тему и т.д., отказах обсудить работу в процессе ее написания, посоветовать литературу и т.д., отсутствии минимальной заинтересованности преподавателя в работах студентов, обратной связи.

И наоборот, если преподавателю удается заинтересовать студентов, если поощряется инициатива учащихся, то мотивация к списыванию ослабевает.

Влияющие на частоту списывания:

* личность преподавателя и стиль преподавания. Хорошая эмоциональная атмосфера, демократические, дружеские, непринужденные взаимоотношения преподавателя со студентами, строящиеся на взаимном доверии, способствуют уменьшению «мошенничества». И наоборот, если преподаватель -- сторонник тоталитарного стиля поведения, если он дает слишком сложные задания или, напротив, излишне снисходителен, то студенты будут больше «мошенничать». «Жульничество» воспринимается студентами как неизбежный атрибут курсов преподавателей-тиранов.

Влияющие на частоту плагиата:

* компетентность; ясность, структурированность изложения материала.

Если материал не был хорошо объяснен, если студент не знает, чего ожидать на экзамене, оценивает свои шансы подготовиться самостоятельно как незначительные и требующие больших затрат, то вероятность списывания повышается;

* ясность требований, предъявляемых к эссе и рефератам, хорошее объяснение того, как должна быть написана и оформлена работа. Если студентам было подробно объяснено, какие требования будут предъявляться к письменной работе, то вероятность «мошенничества» снижается [5].

Таким образом, предполагается, что масштабы «мошенничества» будут минимальными у компетентного преподавателя, который ясно излагает материал, поддерживает хорошие взаимоотношения со студентами, придерживается демократичного стиля общения. Такой преподаватель не практикует формальный подход -- он старается вызвать у аудитории интерес к содержанию курса (а не просто отчитать курс «для галочки») и стремится, чтобы студенты усвоили основное содержание материала.

Зададим следующие предпосылки модели нечестного поведения студентов, с помощью которой мы постараемся описать условия, в которых студентам выгодно продолжать «мошенничать», а преподавателям -- закрывать на это глаза:

1) Студенты и преподаватели выступают максимизаторами полезности, стараясь достигнуть определенных целей с минимальными издержками.

2) Цель студента -- прежде всего успешная сдача экзаменов, написание контрольных, эссе, а не знания, понимание содержания курса.

3) Цель преподавателя -- прежде всего не получение «академического вознаграждения» -- удовлетворения от процесса творческой деятельности, своих достижений, кооперации с коллегами, общения со студентами и др. , а внешние стимулы (например, заработная плата).

4) Списывание и плагиат широко распространены.

5) «Мошенничество» безнаказанно, т. е. большинство преподавателей не следят или лишь делают вид, что следят, за студентами на экзаменах и контрольных работах; не наказывают студентов, которые все-таки были пойманы на списывании, или делают им лишь устное замечание; не проверяют работы на наличие плагиата.

Рассмотрим следующую координационную игру. Студенты группы А (еще ни разу не списывали; первый раз сталкиваются с ситуацией экзамена / контрольной работы) и группы Б (уже сдавали экзамены и писали контрольные / списывают регулярно) решают каждый для себя, списывать на контрольной работе или нет. Матрица выигрышей этих студентов представлена в таблице 1 (s -- выигрыши студента группы А, t -- выигрыши студента группы Б, U -- полезность от той или иной стратегии).

Таблица 2 -- Матрица выигрышей двух студентов

Студент группы А	Студент группы Б
	Списывать	Не списывать
Списывать Не списывать	S1;t1 S4;t4	S2;t2 S3;t3

Пусть доля студентов из группы Б, которая решает списывать на контрольной работе, равна y, а доля решающих не списывать -- (1 - y). Тогда, , а . Студент группы А примет решение списать, если :

(1)

Таким образом, если доля уже списывающих студентов будет больше определенного числа -- выражения в правой части неравенства (1), -- то студенту выгоднее последовать примеру товарищей. Это число, как мы видим, будет зависеть от выигрыша при той или иной стратегии [8].

1.3 Формулирование требований к результатам исследования

В работе выполнено решение задачи анализа диффузии знаний в студенческом сообществе. На выходе программы формируются коэффициенты, которые в дальнейшем используются для выявления диффузии знаний на разных группах, факультетах, курсах в вузе и нахождении закономерностей, на основе которых можно сделать вывод имеет ли место диффузия знаний или нет, и обосновать, чем это вызвано.

2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

2.1 Обоснование выбора математического аппарата

Для задачи анализа диффузии знаний в студенческом сообществе выбран алгоритм линейной регрессии и применение теории вероятности.

Так как исследование проводится по двум переменным, а именно оценке по тестированию и дате тестирования, то целесообразнее выбор именно линейной регрессии, как метода восстановления зависимости между двумя переменными. После нахождения коэффициента диффузии знаний дальнейшее исследование проводится при помощи теории вероятности, для выявления закономерности полученных случайных величин.

2.2 Построение математической модели

Расчет линии тренда, для наглядности демонстрации диффузии знаний, проводится при помощи метода наименьших квадратов. Система уравнений имеет вид:

Отсюда находятся оценки коэффициентов:

Несмотря на то, что в общем случае модели с константой предпочтительней, в некоторых случаях из теоретических соображений известно, что константа должна быть равна нулю. В этом случае вместо системы уравнений имеем единственное уравнение

.

Следовательно, формула оценки единственного коэффициента имеет вид

Если регрессия m точек является многочленом степени вида , то найти коэффициенты можно следующим образом.

Для обеспечения минимума выражению необходимо, чтобы частные производные от этого выражения по всем параметрам были равны нулю:

Но в то же время, и потому имеем систему уравнений



или окончательно

или в матричном виде:

Показатель диффузии знаний рассчитывается как и имеет следующую градацию:

- 0-10% - диффузия не наблюдается;

- 10-20% - диффузия незначительна;

- 20-40% - имеется диффузия;

- 40 и более процентов - диффузия значительная.

Если показатель отрицателен - диффузия так же отсутствует.

Для проверки правильности установленного коэффициента диффузии знаний применяется коэффициент регрессии Пирсона, который демонстрирует связь между переменными. Следовательно, если коэффициент диффузии знаний низкий, то и связь между переменными слабая и наоборот.

Выборочным коэффициентом корреляции, более подробно, выборочным линейным парным коэффициентом корреляции К. Пирсона, как известно, называется число

Если r_n=1, то причем a>0. Если же r_n=-1, то причем a<0. Таким образом, близость коэффициента корреляции к 1 (по абсолютной величине) говорит о достаточно тесной линейной связи.

Если случайные вектора ависимы и одинаково распределены, то выборочный коэффициент корреляции сходится к теоретическому при безграничном возрастании объема выборки:

(сходимость по вероятности).

Более того, выборочный коэффициент корреляции является асимптотически нормальным. Это означает, что

где Ф(x) - функция стандартного нормального распределения с математическим ожиданием 0 и дисперсией 1, а D₀r_n - асимптотическая дисперсия выборочного коэффициента корреляции. Она имеет довольно сложное выражение:

Здесь под понимаются теоретические центральные моменты порядка k и m, а именно,

.

Проверка коэффициента диффузии знаний проводится также при помощи доверительных интервалов линейной регрессии, которые демонстрируют какие погрешности содержат величины y.

Если дисперсия у² известна, то случайная величина

имеет стандартное нормальное распределение и доверительный интервал

накрывает неизвестный параметр b с вероятностью 1-б. Здесь критическая точка xб -- решение уравнения

,

где Ф(х)-- функция Лапласа.

Если дисперсия у² неизвестна, то используем её оценку s², в качестве критерия можно взять величину

,

она имеет распределение Стьюдента с (n - 2) степенями свободы и доверительный интервал

накрывает неизвестный параметр b с вероятностью 1- б.

Здесь критическая точка t_{n- 2}, б -- корень уравнения , Fn-2(t_n-2,б) -- функция распределения Стьюдента с (n - 2) степенями свободы. Величину s -- стандартную ошибку регрессии, вычисляют по формуле:

.

Для того чтобы найти границы доверительного интервала, задаём малое значение б, находим соответствующую критическую точку, затем вычисляем точечную оценку параметра b и наконец -- границы соответствующего доверительного интервала.

После найдем доверительный интервал для наклона a. Если дисперсия у² известна, то случайная величина

имеет стандартное нормальное распределение.

Если б -- доверительная вероятность, и критическая точка x_б -- решение уравнения , где Ц(x) -- функция Лапласа, то доверительный интервал

накрывает оцениваемый параметр a с вероятностью 1- б.

Если же дисперсия неизвестна, то в качестве критерия можно взять величину , она имеет распределение Стьюдента с (n - 2) степенями свободы и поэтому интервал

накрывает оцениваемый параметр a с доверительной вероятностью 1- б.

Здесь критическая точка t_n-2, б -- корень уравнения , где F(t_{n-2, б}) -- функция распределения Стьюдента с (n - 2) степенями свободы.

Для того чтобы найти границы доверительного интервала, задаём малое значение б, находим соответствующую критическую точку, затем вычисляем точечную оценку параметра a и наконец -- границы доверительного интервала.

2.2 Допущения и упрощения при моделировании

Так как в данной работе применяется парная линейная регрессия , когда оценивается линейная зависимость одной переменной от другой, то формулы расчета упрощаются (можно обойтись без матричной алгебры). С помощью метода наименьших квадратов определяем уравнение, максимально соответствующее данным, путем вычисления значений a, отрезка на оси y, и b, наклона линии:

,

a = yср -- bxср,

где xср -- среднее значение x, независимой переменной, yср -- среднее значение y, независимой переменной.

Для расчёта критерия согласия Пирсона можно применить формулу:

,

где ni - эмпирические частоты, ni^T - теоретические (выравнивающие) частоты.

3. ИНФОРМАЦИОННАЯ СИСТЕМА

3.1 Выбор пакета

В качестве платформы реализации используется язык программирования Java и среда NetBeans. Высокоуровневый язык программирования Java выбран за счет простого синтаксиса, своей безопасности и переносимости на любые платформы. В качестве среды программирования используется NetBeans. Среди его плюсов можно отметить кроссплатформенность, малый объем и простоту в использовании.

В качестве СУБД выбран MS Access. Одним из его достоинств является легкая переносимость базы данных с одной машины на другую. Также он входит в пакет MS Windows, которая установлена на машине с серверной частью, и включен в лицензию, приобретенную ВУЗом.

3.2 Описание ИС

Информационная система анализа диффузии знаний в студенческом сообществе создана для определения коэффициента диффузии знаний, который отображает по каким тестируемым учебным дисциплинам происходит процесс взаимного обмена знаниями студентов одного курса (факультета) между студентами другого, а по каким нет. Исследование и анализ данного коэффициента позволяет выяснить происходит ли этот процесс повсеместно или локально, только на определенных факультетах и группах, и по определенным тестам. Если же коэффициент дает отрицательную динамику - это демонстрирует что данный тест достаточно сложный для студентов и это надо учесть при написании вопросов для тестирования, либо же то, что тестируемая группа достаточно слабая. Если же динамика по определенному теста положительна - то стоит сделать разные варианты для разных групп, а потом проанализировать еще раз, и, если динамика снизилась - это означает наличие диффузии знаний. При сохранении положительной динамики можно сделать вывод, что тест слишком прост и следует усложнить вопросы теста. Информационная система анализа диффузии знаний в студенческом сообществе для определения коэффициента диффузии знаний использует метод наименьших квадратов. Подтверждение правильности коэффициента высчитывается при помощи коэффициента корреляции Пирсона. Исследование и анализ производится при помощи нормального распределения и критериев Хи-квадрат и Стьюдента.

3.3 Диаграммы, построенные по методологии UML

3.3.1 Диаграмма сущностных классов

Класс-сущность (entity class) -- объекты сущностных классов представляют собой блоки длительно хранимой информации, используемые для организации баз данных и знаний, файловых систем хранения, данных различной логической структуры; в основном в этих классах развит атрибутный раздел, однако имеется небольшое число операций контроля ограничений целостности, как стандартных, так и специфичных для данной предметной области [5].

Диаграмма классов управления представлена на рисунке 1.



Рисунок 1 -- Диаграмма сущностных классов

3.3.2 Диаграмма граничных классов

Диаграмма граничных классов для реализуемой системы представлена на рисунке 2. Граничные классы (boundary): объекты этих классов предназначены для организации взаимодействия системы с актантом (внешним пользователем), они реализуют интерфейсы системы с внешней средой и различными пользователями. Основным содержанием класса являются операции [6].

Рисунок 2 -- Диаграмма граничных классов

3.3.3 Диаграмма классов управления

Диаграмма сущностных классов, по сути, это представление основных классов в БД. Классы управления (control): объекты этих классов являются активными, берущими на себя управления и организацию вычислительных процессов; чаще всего это стандартные компоненты операционных систем и систем управления базами данных (СУБД), таймеры, координаторы и т.п. [4].

Диаграмма классов управления представлена на рисунке 3.

Рисунок 3 -- Диаграмма классов управления

3.3.4 Диаграмма компонентов

Диаграмма компонентов - диаграмма, на которой изображены типы компонентов и зависимости между ними.

Компонент реализованной системы - это относительно независимая функциональная часть системы, которая выполняет самостоятельную функцию, и обычно реализуются в виде отдельного файла или определения.

Основными графическими элементами диаграммы компонентов являются компоненты, интерфейсы и зависимости между ними.

Компонентами являются программные модули, в том числе библиотечные модули и стандартные программные системы (операционные системы, СУБД), а также файлы документации и таблицы базы данных [4].

Компоненты так же, как и классы, группируются в пакеты. Состав и обозначения компонентов зависят от выбранной среды программирования.

Диаграмма компонентов разрабатывается для следующих целей:

- Визуализации общей структуры исходного кода программной системы;

- Спецификации исполнимого варианта программной системы;

- Обеспечения многократного использования отдельных фрагментов программного кода;

- Представления концептуальной и физической схем баз данных.

Диаграмма компонентов разработанной системы приведена на рисунке 4, она отражает компоненты системы и связи между ними.

В таблице 3 дано краткое описание основных компонентов системы.

Таблица 3 -- Основные классы системы

Класс	Описание
MainWindow	Главное окно приложения
AuthWindow	Окно авторизации
ReportConfigWindow	Окно выбора данных для отображения отчёта
ReportWindow	Окно отображения отчёта
ResultsWindow	Окно отображения результатов исследования
DatabaseController	Класс, который служит для соединения с базой данных



Рисунок 4 -- Диаграмма компонентов

Работа программы начинается с запуска исполняемого файла «KnowlDiffus.jar», который инициализирует окно авторизации. При корректном логине-пароле инициализируется главное окно «MainWindow», которое будет выглядеть по-разному, в зависимости от роли пользователя. Для роли администратора будет выдано окно справочника БД, реализация которого содержится в классе «MainWindow». Для роли преподавателя также отоборажается окно «MainWindow», в котором есть три кнопки: «Формирование отчёта по факультету», «Результаты исследования» и «Справка». При нажатии на кнопки «Формирование отчёта по факультету» и «Результаты исследования» инициализируется класс «DatabaseController», который обеспечивает связь с базой данных. При нажатии на кнопку «Формирование отчёта по факультету» отображается форма, реализованная в классе «ReportConfigWindow». В ней задаются все параметры для формирования отчёта, который реализован в классе «ReportWindow». При нажатии на кнопку «Результаты исследования», также идёт подключение к базе данных через класс «DatabaseController» и произовдится отображение окна «ResultsWindow». Окно «Справка» реализовано в классе «MainWindow».

3.3.5 Диаграмма развертывания

Диаграмма развёртывания - это завершающая диаграмма технологии UML. Она предназначена для визуализации элементов и компонентов программы, существующих лишь на этапе ее исполнения (runtime). При этом представляются только компоненты-экземпляры программы, являющиеся исполняемыми файлами или динамическими библиотеками. Те компоненты, которые не используются на этапе исполнения, на диаграмме развертывания не показываются. Так, компоненты с исходными текстами программ могут присутствовать только на диаграмме компонентов. На диаграмме развертывания они не указываются.

Диаграмма развертывания содержит графические изображения процессоров, устройств, процессов и связей между ними. В отличие от диаграмм логического представления, диаграмма развертывания является единой для системы в целом, поскольку должна всецело отражать особенности ее реализации. Разработка диаграммы развертывания, как правило, является последним этапом спецификации модели программной системы [4].

Диаграмма развертывания разработанной информационной системы представлена на рисунке 5.

Рисунок 5 -Диаграмма развертывания

3.4 Основные интерфейсы

На рисунке 6 представлено окно аутентификации. После успешной авторизации за преподавателя демонстрируется интерфейс страницы формирования отчета диффузии знаний по факультету (рисунок 7). Фильтры последовательно размещены в верхней части окна в виде выпадающего списка. В поле «Время прохождения теста» данные заполняются вручную.

Отчет статистики диффузии знаний выводится в новом окне (рисунок 8). В основном блоке отображается график диффузии знаний, где значения по горизонтали - время прохождения теста студентом, а по вертикали - оценка теста. Ниже графика отображается коэффициент диффузии знаний в процентном формате, характер данной диффузии, а также коэффициент регрессии, которая подтверждает характер найденной диффузии. Кнопка «Сохранить» позволяет сохранить данный отчёт в формате png.



Рисунок 6 -- Интерфейс окна аутентификации

Рисунок 7 -- Интерфейс окна формирования отчёта по факультету

Рисунок 8 -- Интерфейс окна отчёта по факультету

4. ПРОВЕДЕНИЕ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА И АНАЛИЗ РЕЗУЛЬТАТОВ

4.1 Исходные данные

Исходными данными в исследовании коэффициента диффузии знаний в студенческом сообществе является актуальная база данных ВУЗа, в которой находятся все данные о проходимых студентами тестов по разным дисциплинам. Всего в базе данных находятся данные по 131 тесту, 379 группам 11 факультетов, 4102 студентам и 8770 оценкам за все тесты, которые проходили студенты. В качестве СУБД для разработки базы данных системы использовался Microsoft Access. Физическая структура БД (рисунок 10) соответствует разработанной логической структуре, которая представлена на рисунке 9.

В таблице 4 приведено соответствие имен сущностей логической структуры и таблиц физической структуры БД.

Таблица 4 -- Соответствие сущностей логического уровня сущностям физического уровня

Сущность на логическом уровне	Сущность на физическом уровне
Факультет	Faculty
Студенты	Stud
Группа	StudGroup
Тест	Test
Задание теста	Task
История прохождения теста	TaskHist



Рисунок 9 -- Диаграмма логической структуры БД

Рисунок 10 -- Диаграмма физической структуры БД

4.2 Проведение численного эксперимента

Для проведения анализа были использованы данные, полученные при помощи использования разработанной информационной системы (Приложение А). Количество, полученных в ходе исследования, коэффициентов диффузий знаний наглядно представлено на рисунке 11. На рисунке 12 предоставлен график, отображающий процентное соотношение диффузии знаний во всем ВУЗе за весь промежуток времени.

Рисунок 11 -- Количество, полученных во время исследования, коэффициентов диффузии знаний

Рисунок 12 -- Диаграмма процентного соотношения градации диффузии знаний

Из данного графика видно, что в общем случае диффузия слабая или отсутствует.

Однако же в частном случае диффузия знаний ярко выражена, что демонстрирует график на рисунке 13. Из данного графика видно, что динамика по данным тестам положительна, и поэтому стоит сделать разные варианты для разных групп, а потом проанализировать еще раз, и, если динамика снизилась - это означает наличие диффузии знаний. При сохранении положительной динамики можно сделать вывод, что тест слишком прост и следует усложнить вопросы теста.

Рисунок 13 -- Диаграмма тестов с ярко выраженной диффузией знаний

На рисунке 14 представлен график диффузии знаний по факультетам. По данному графику можно сделать вывод, что внутри факультета ФИСТ имеется сильная связь между курсами и группами, и поэтому после прохождения теста одной группой нужно сменить варианты ответа на данный тест.



Рисунок 14 -- Диаграмма диффузии знаний по факультетам

информационный uml математический моделирование

4.3 Анализ результатов и выводы по главе

В ходе выполнения работы было проведено исследование по 131 группе тестов, 379 учебным группам 11 факультетов, 4102 студентам и 8770 оценкам за все тесты, которые проходили студенты. При помощи информационной системы анализа диффузии знаний в студенческом сообществе стало известно, что диффузия знаний в общем случае не наблюдается или слабо выраженная, но она имеет место в частных случаях. Сильно выраженная диффузия знаний наблюдается на факультете ФИСТ и по следующим предметам: Физика, Операционные системы, Дискретная математика и матанализ.

5. ОРГАНИЗАЦИОННАЯ ДЕЯТЕЛЬНОСТЬ И САМОРАЗВИТИЕ

5.1 Перечень публикаций

Крылов, Д.О. Информационная система оценки значимости дисциплин с учетом компетентности требований работодателей / Д.О. Крылов , В.Ю. Шаврин, А.В. Тимофеев // Технологии XXI века: проблема и перспективы развития: сборник статей Международной научно-практической конференции. - Уфа: АЭТЕРНА, 2016, - 99-103с. ISBN 978-5-906849-29-8

Крылов, Д.О. Исследование актуальности профессиональных навыков и качеств в IT-индустрии / Д.О. Крылов , В.Ю. Шаврин, А.В. Тимофеев // Роль иннфоваций в трансформации современной науки: сборник статей Международной научно-практической конференции. - Уфа: АЭТЕРНА, 2016, - 86-88 с. ISBN 978-5-906849-00-7

Крылов, Д.О. Информационный подход к термину “диффузия знаний” в студенческом сообществе / Д.О. Крылов, В.В. Козлов // Самарский государственный архитектурно-строительный университет, Самара, 2016.

5.2 Перечень участия в конференциях

За время обучения в СГАСУ, автором было принято участие в следующих конференциях:

1. 33-я межвузовская студенческая научно-техническая конференция, г. Самара, СГАСУ, 2013 г.

2. Поволжская конференция «Творческий потенциал - 2013, осень», г. Самара, СГАСУ.

3. Всероссийский форум научной молодежи «Шаг в будущее», г. Москва, МГТУ им. Н.Э. Баумана, 2013 г.

4. Поволжская конференция «Творческий потенциал - 2014, осень», г. Самара, СГАСУ.

5. 34-я межвузовская студенческая научно-техническая конференция, г. Самара, СГАСУ, 2015 г.

6. Международная научно-практическая конференция «Роль инноваций в трансформации современной науки», г. Уфа, 2016 г.

7. Международная научно-практическая конференция «Технологии XXI века: Проблемы и перспективы развития», г. Уфа, 2016 г.

5.3 Перечень выполненных в период обучения курсовых проектов и работ

В таблице 5 приведен перечень выполненных автором за период обучения курсовых работ, с указанием семестра, курса, дисциплины и названия курсовой работы.

Таблица 5 -- Перечень выполненных курсовых работ

№ п/п	Курс	Семестр	Дисциплина	Курсовая работа
1	1	1	Технология профессиональной деятельности. Введение в специальность и научные исследования	Свободное программное обеспечение, преимущества для государства, бизнеса и общества
2	1	2	Технология профессиональной деятельности. Информационный поиск и систематизация знаний	Сравнительный обзор посещаемости поисковых порталов
3	1	2	Операционные системы	Демонстрация передачи информации через сокеты между ПК по протоколу TCP/IP
4	2	3	Информационные системы	Синтез конечных автоматов для заданной грамматики
5	2	3	Технология профессиональной деятельности. Обработка и анализ экспериментальных данных	Зависимость уровня развития образования в разных странах в зависимости от уровня ВВП
6	2	4	Технология профессиональной деятельности. Моделирование и исследования с использованием прикладных программ	Продолжение исследования реализации нового метода анализа данных и его применение к исследованию человеческого потенциала стран мира
7	2	4	Технология программирования	Поиск кратчайшего пути на графах алгоритмом Дейкстры
8	3	5	Технология профессиональной деятельности. Математическое моделирование и исследование с разработкой программных продуктов	Исследование актуальности профессиональных навыков и качеств в IT-индустрии
9	3	6	Технология профессиональной деятельности. Математическое моделирование и исследование с разработкой программных продуктов	ИС оценки значимости дисциплин с точки зрения работодателей
10	3	6	Проектирование интерфейсов	Графическое моделирование физического процесса
11	4	7	Технология профессиональной деятельности. Разработка исследовательских информационных систем	Информационный подход к термину “диффузия знаний” в студенческом сообществе
12	4	7	Корпоративные ИС	Сетевая автоматизация информационной системы планирования задач
13	4	8	Технология профессиональной деятельности. Реализация исследовательских ИСТ	Информационная система анализа диффузии знаний в студенческом сообществе
14	4	8	Методы и средства проектирования информационных систем	Информационная система анализа диффузии знаний в студенческом сообществе

5.4 Портфолио

В таблице 6 приведен перечень выполненных автором за период обучения курсовых работ, с указанием семестра, курса, дисциплины и названия курсовой работы.

Таблица 6 -- Портфолио

Достижение	Область	Исходная оценка
Участие в художественном мероприятии от политической партии "Единая Россия" на тему "День флага РФ"	Культура	2
Участие в молодежном мероприятии "SNICKERS Urbania 11"	Культура	1
Помощь ДМО г.Тольятти в проведении мероприятий	Общественная деятельность	1
Выиграл школьный тур фестиваля "Шаг в будущее"	Наука	1
Участвовал в международном игровом конкурсе "British Bulldog" в 2011 году	Культура	1
Участие в студенческой научной конференции, в секции "Информационные системы и технологии"	Наука	1
Занял 3 место во всероссийском художественном конкурсе от компании Philips	Культура	3
Отправлена научная работа на Всероссийский научный форум "Шаг в будущее" г.Москва(1-й заочный этап)	Наука	2
Пройден 1-й (заочный)этап Всероссийского научного форума"Шаг в будущее"-Диплом Лауреат	Наука	3
Поволжская конференция"творческий потенциал 2013г-осень"-1 место на секции	Наука	3
Направлена работа на 2-й (ОЧНЫЙ)этап Всероссийского научного форума "Шаг в будущее" Москва 2014г.	Наука	3
Выступление на 2-м (ОЧНОМ )этапе Всероссийского научного форума "Шаг в будущее" Москва 2014г.ДИПЛОМ Лауреата	Наука	4
Доклад на Международной конференции"Творческий потенциал-2014".	Наука	3
34 Межвузовская студенческая научно-техническая конференция студ.работ Секция "Второй уровень матричной структуры" 2015г Диплом 1 место	Наука	4

ЗАКЛЮЧЕНИЕ

В ходе выпускной квалификационной работы была поставлена задача анализа диффузии знаний в студенческом сообществе. В ходе решения которой была создана информационная система, созданная с использованием методологии UML, построена математическая модель, основанная на линейной регрессии (метод наименьших квадратов) и теории вероятности. Данная информационная система может быть внедрена в систему iac.samgasu.ru.

Результат исследования показывает, что диффузия знаний внутри вуза общем случае не наблюдается или слабо выраженна, но она имеет место в частных случаях. Если динамика по тестам положительна, то необходимо сделать разные варианты для разных групп, а потом проанализировать еще раз, и, если динамика снизилась - это означает наличие диффузии знаний. При сохранении положительной динамики можно сделать вывод, что тест слишком прост и следует усложнить вопросы теста.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Иващенко, О.Н. Дидактическая система контроля знаний [Электронный ресурс] // Фестиваль педагогических идей. 2004. URL: http://www.1september.ru/ (дата обращения: 17.04.2016)

2. Пидкасистый, П.И. Опрос как средство обучения [Текст] // П.И. Пидкасистый, М.Л. Портнов. - М.: Педагогическое общество России, 1999. - С.11.

3. Силласте Г. Списывание в студенческой среде: позиции преподавателей и студентов [Электронный ресурс] // 2012. URL: http://www.fa.ru/chair/socio/research/Documents/C%D0%BF%D0%B8%D1%81%D1%8B%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B2%20%D1%81%D1%82%D1%83%D0%B4%D0%B5%D0%BD%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B9%20%D1%81%D1%80%D0%B5%D0%B4%D0%B5.pdf (дата обращения: 07.04.2016)

4. Дерябкин, В.П. Проектирование информационных систем по методологии UML [Текст] // В.П. Дерябкин, В.В. Козлов. - Самара, 2008. - 42 c.

5. Brandгo M., Teixeira A.C. Crime without Punishment: an Update Review of the Determinants of Cheating Among University Students // Research, Work in Progress. 2005. October. No. 191.

6. Дерябкин, В.П. Проектирование автоматизированных систем обработки информации и управления: курс лекций [Текст] // В.П. Дерябкин. - Самара: СГАУ, 2001. - 120 с.

7. Bushway A., Nash W.R. School Cheating Behavior // Review of Educational Research. 1977. Vol. 47. No. 4. P. 623--632.

8. Gillentine F.M. Why do College Students Cheat? // Peabody Journal of Education. 1937. July. Vol. 15. No.1. P. 15--17.

9. Nowell Cl., Laufer D. Undergraduate Students Cheating in the Fields of Business and Economics // The Journal of Economic Education. 1997. Winter. Vol. 28. No. 1. P. 3--12.

10. Сивак, Е.В. Преступление в аудитории. Детерминанты нечестного поведения студентов (плагиата и списывания) [Текст] // Е.В. Сивак. - М.: ГУ ВШЭ, Москва, 2006. - С. 5-13.

11. Леоненков, А. Самоучитель UML. Эффективный инструмент моделирования информационных систем [Текст] // А. Леоненков. -Санкт-Петербург: BHV, 2001. - 576 с.

12. Авсиевич, А.В. Автоматизированная система расчета и контроля выполнения учебной нагрузки кафедры [Текст] // А.В. Авсиевич, А.В.Сивцова. - Современные информационные технологии. 2007. № 5 (5). С. 116.

ПРИЛОЖЕНИЕ А

Таблица полученных коэффициентов диффузии знаний

Таблица А.1 -- Полученные коэффициенты диффузии знаний

Название теста	Факультет	Коэффициент диффузии знаний
ГОС 230201.65	ФИСТ	28
Строительные материалы (Сидоренко)	ФПГС	3
Физика (Бухман)	ИЭФ	-24
Физика (Бухман)	СТФ	16
Физика (Бухман)	ФИСПОС	-10
Физика (Гурьянов)	ФИСПОС	0
Физика (Куликова)	ФПГС	17
Физика (Пашин)	ФИСПОС	-20
Физика (Сазонов)	ИЭФ	3
Физика (Сазонов)	СТФ	1
Физика (Сазонов)	ФИСПОС	-9
Физика (Сазонов)	ФПГС	-18
Физика (Семенов)	СТФ	-33
Физика (Семенов)	ФПГС	45
Физика (часть 1 молекулярка)	ФИСТ	1
Физика (часть 1 молекулярка)	ФПГС	23
Архитектурное материаловедение	АФ	-4
Безопасность жизнедеятельности	ФИСПОС	-21
Безопасность жизнедеятельности	ФПГС	-14
Бизнес-плаинрование	ИЭФ	-3
Вентиляция (ТГВ)	ФИСПОС	-27
Всеобщее управление качеством	ИЭФ	-3
Высшая математика	ФИСПОС	8
Высшая математика (Куликова)	ФИСПОС	9
Геодезия (Поздышева)	ФПГС	12
Гидравлика	ФИСПОС	-14
Гидрология	ФИСПОС	-6
Дискретная математика и матанализ (Гумеров)	ФИСТ	40
Дискретная математика и матанализ (Гумеров)	ФПГС	7
Защита и рациональное использование водных ресурсов	ФИСПОС	2
Иностранный язык	АФ	0
Иностранный язык	ИЭФ	9
Иностранный язык	СТФ	1
Иностранный язык	ФИСПОС	-4
Иностранный язык	ФД	-10
Иностранный язык	ФПГС	2
Иностранный язык	ФИСТ	0
Информатика (Агафонова)	СТФ	-17
Информатика (Агафонова)	ФИСПОС	4
Информатика (Камальдинова)	ИЭФ	-16
Информатика (Камальдинова)	СТФ	-12
Информатика (Камальдинова)	ФИСПОС	16
Информатика (Камальдинова)	ФПГС	2
История ГТС	ФИСПОС	27
Математический анализ (Шувалова)	ИЭФ	-6
Машины, оборудование и инструмент в строительстве	СТФ	-13
Метрология, стандартизация и сертификация	ФИСПОС	-15
Микроэкономика	ИЭФ	-33
Надежность и диагностика состояния автодорог	СТФ	-2
Начертательная геометрия (Яшина)	СТФ	-16
Начертательная геометрия. Инженерная графика (Костикова)	ФИСПОС	7
Нелинейные системы (Фадеев)	СТФ	21
Операционные системы	ФИСТ	41
Основания и фундаменты	ФПГС	10
Основы архитектуры стрительных конструкций (Гордеева)	СТФ	8
Основы грунтоведения	ФПГС	-21
Промышленная экология	ФИСПОС	-7
Русский язык и культура речи (риторика)	СТФ	11
Русский язык и культура речи (риторика)	ФИСПОС	-9
Строительная теплофизика	ФИСПОС	5
Строительные материалы Сидоренко	СТФ	0
Строительные материалы Безгина	СТФ	8
Строительные материалы для транспортного строительства	СТФ	20
Строительные материалы (Дорожко)	ФИСПОС	2
Теоретическая механика (динамика)	ИЭФ	-40
Теоретическая механика (динамика)	СТФ	-8
Теоретическая механика (полная)	ФИСПОС	5
Теоретическая механика (полная)	ФПГС	-15
Теоретическая механика (статика кинематика)	ФПГС	1
Теоретическая механика (ускоренная)	ИЭФ	15
Теория автоматического управления	СТФ	-26
Теплофизика	ФИСПОС	29
Техническая механика	ФИСПОС	29
Техническая механика	СТФ	1
Техническая механика	СТФ	0
Техническая механика	ФПГС	-9
Типология зданий и сооружений	АФ	-8
Физика	ИЭФ	2
Физика	СТФ	-13
Физика	ФИСПОС	12
Физика	ФПГС	1
Философия	ИЭФ	3
Философия	СТФ	11
Философия	ФИСПОС	14
Философия	ФПГС	4
Экология	ФПГС	20

ПРИЛОЖЕНИЕ Б

Листинг основных программных модулей

package knowld...