Моделирование учебного процесса в нотации сетей Петри для принятия эффективных управленческих решений

Аннотация


Предложена модель процесса тестирования в нотации раскрашенных сетей Петри. Перед началом моделирования исследованы информационные потоки процесса освоения студентами кафедры прикладных информационных технологий ИОН РАНХиГС дисциплины «Информатика» в нотации IDEF3. В процессе построения модели решалась следующая задача: пусть дана сеть Петри, состоящая из множества позиций P = {p1, p2, ..., pn} и множества переходов T = {t1, t2, ..., tm}. Сеть моделирует процесс тестирования. Тогда существуют такие состояния позиций P, что для каждого перехода T в сети выполнены следующие условия:1. ∀ti ∈ T: (∀pi' ∈ Pred(tj): pi'(pj) = 1) → T(P) = 1, где Pred(tj) – множество всех предшествующих позиций перехода ti.2. ∀tj ∈ T: tj(pj) = 1 → (∀p' ∈ Succ(tj): pj'(pj) = 1), где Succ(tj) – множество всех следующих позиций перехода tj. То есть, необходимо формализовать учебный процесс с использованием раскрашенной сети Петри. Найти такую маркировку, которая может быть достигнута в данной раскрашенной сети Петри, удовлетворяющую следующему условию: существует такая последовательность переходов (транзакций), начиная с начальной маркировки, что каждая последующая маркировка получается применением соответствующего перехода к предыдущей маркировке. То есть: ∃ M0: (начальная маркировка) → M*, где → M* обозначает рефлексивное и транзитивное замыкание отношения переходов в сети Петри.Решение задачи достижимости маркировки сети дало понятие оптимального сценария проведения контроля освоения компетенций по дисциплине: некоторые задания и вопросы не обязательно включать в тестирование. Приведены различные сценарии контроля успеваемости обучающегося на примере тестирования по дисциплине. Например, один из вариантов сценария тестирования предполагал наличие общего ресурса с вопросами и заданиями по исследуемым пяти темам. В базе находилось 50 вопросов. Ответ на каждый вопрос может быть оценен от нуля до 10 баллов. Тест считается пройденным, если обучающийся набрал не меньше 41 балла. Также фиксировались номера выполненных заданий и вопросы с правильным ответом.Другой вариант тестирования: по каждой теме 10 вопросов, и фиксировалось время ответа на вопрос (задание).Проведен матричный анализ модели. Вектор начальной маркировки μ(pi) = {47, 1, 1, 1, 0, 0, 0, 0} и μk = {30, 0, 0, 0, 0, 0, 0, 41} на момент окончания тестирования. Анализ достижимости маркировки μk позволил получить одну из последовательностей срабатывания переходов U k-1 = (t1, t3, t4, t3, t3, t4), где переходы t1 – t4 фиксируют начало и окончание элементарного процесса (например, начало тестирования – окончание тестирования).Анализ модели позволил исследовать динамику изучения тем дисциплины «Информатика»: сколько раз обучающийся возвращался к повторному прочтению материалов модуля, сколько раз обращался к дополнительному материалу. Мониторы, прикрепленные к переходам, позволили определить время на выполнение каждой операции и составить протоколы изучения дисциплины.

Полный текст

6

Об авторах

А. И Федосеев

Российская академия народного хозяйства и государственной службы при Президенте РФ, Институт общественных наук

Л. А Пономарева

Российская академия народного хозяйства и государственной службы при Президенте РФ, Институт общественных наук

В. С Заболотникова

Российская академия народного хозяйства и государственной службы при Президенте РФ, Институт общественных наук

Список литературы

  1. Iakushkin, O. Service-Oriented Petri Net Model / O. Iakushkin // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). – 2020. – Vol. 12254 LNCS. – P. 51–66.
  2. Petri, C. Communication with automata / C. Petri // Schriften des IIM. – 1962. – N. 3. – P. 16–27. – cited By 4.
  3. Alla, H. Continuous and hybrid Petri nets / H. Alla, R. David // Journal of Circuits, Systems and Computers. – 1998. – Vol. 8, no. 1. – P. 159–188.
  4. Башина, О.Э. Статистическое исследование потребности сферы торговли в кадрах / О.Э. Башина, О.С. Писецкая, А.И. Федосеев // Вестник кафедры статистики Российского экономического университета имени Г.В. Плеханова. Материалы и доклады / под общ. ред. Н.А. Садовниковой. – 2017. – С. 367–369.
  5. Ponomareva, L.A. Instrumental implementation of the educational process model to improve the rating of the universities / L.A. Ponomareva, S.V. Chiskidov, O.N. Romashkova // CEUR Workshop Proceedings. 9. Сер. «Selected Papers of the Proceedings of the 9th International Conference Information and Telecommunication Technologies and Mathematical Modeling of High-Tech Systems, ITTMM 2019». – 2019. – P. 92–101.
  6. Автоматизация процесса многокритериального ранжирования студентов с помощью электронного портфолио / Л.А. Пономарева, О.Н. Ромашкова, А.Н. Белякова, В.С. Заболотникова // Вестник Донского государственного технического университета. – 2019. – Т. 19, № 4. – С. 382–388.
  7. Анализ данных в принятии управленческих решений / Л.А. Пономарева, П.Е. Голосов, А.Б. Мосягин, В.С. Заболотникова, И.А. Ронжина. – М., 2021.
  8. Современный подход к построению информационно-аналитической системы состояния и развития научной сферы в вузах / Н.В. Мамаева, Л.Б. Милютин, В.Н. Николенко, А.И. Федосеев. – М.: Открытое образование, 2014. – № 6(107). – С. 34–39.
  9. Федосеев, А.И. Статистические методы оценки состояния и перспектив развития социально-экономической политики в сфере потребительского рынка товаров и услуг г. Москвы (на примере предприятий шаговой (пешеходной) доступности): специальность 08.00.12 «Бухгалтерский учет, статистика»: дис. … канд. экон. наук. – М., 2005. – С. 186.
  10. Method of computeraided formation of organic compound descriptors for quantitative structure-property relationships / M.I. Kumskov, L.A. Ponomareva, E.A. Smolenskii, D.F. Mityushev, N.S. Zefirov // Известия Академии наук. Серия химическая. – 1994. – № 8. – С. 1391.
  11. Алтухова, Е.В. Проблемы и противоречия формирования кадрового потенциала сферы образования и науки / Е.В. Алтухова, А.И. Федосеев // Современные технологии управления. – 2014. – № 10 (46). – С. 2–5.
  12. Пономарева, Л.А. Автоматизированная система управления образовательной средой для повышения рейтинговой оценки вуза / Л.А. Пономарева, А.Б. Мосягин, П.Е. Голосов // Вестник Брянского государственного технического университета. – 2018. – № 4 (65). – С. 55–62.
  13. Середа, О.В. Применение модифицированного коэффициента корреляции для оценки выставочно-ярмарочной деятельности в России / О.В. Середа, А.И. Федосеев // Высшее образование для XXI века: проблемы воспитания: доклады и материалы XIV Международной научной конференции: в 2 ч., Москва, 14–16 декабря 2017 года. – Том Часть 2. – М.: Московский гуманитарный университет, 2017. – С. 231–238.
  14. Гурова, Т.И. Применение интеллектуальных систем в цифровой трансформации образования / Т.И. Гурова, В.С. Заболотникова // Математика и информатика в образовании и бизнесе: сборник материалов международной научно-практической конференции. – 2020. – С. 150–155.
  15. Гурова, Т.И. Интеллектуальные информационные системы в образовании / Т.И. Гурова, В.С. Заболотникова // Профессиональное развитие педагогических кадров в условиях обновления образования: сборник материалов VIII Городской научно-практической конференции. Сер.: Библиотека журнала «Интерактивное образование. – 2017. – С. 94–98.

Статистика

Просмотры

Аннотация - 73

PDF (Russian) - 20

Ссылки

  • Ссылки не определены.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах