Московский Иняз
имени Мориса Тореза
Московский государственный
лингвистический университет

Научная работа

Исследование сложных социо-экономических систем, прежде всего образовательных систем, приводит к необходимости учитывать как иерархическую внутреннюю структуру системы, так и неоднородность критериев, описывающих ее эффективность. Элементарные объекты, формирующие систему (подсистемы нижнего уровня) имеют свои цели, зависящие от роли подсистемы и отличающиеся от целей системы в целом, тогда как цели системы (критерии эффективности), в свою очередь, формируют некую иерархию: эффективность восприятия информации может не соответствовать административным, экономическим, имиджевым показателям эффективности. Исследования макросистем, в том числе иерархических, показали, что максимальная эффективность процессов при ограничении на продолжительность процесса связана с показателем необратимости. Для управления такими системами требуется разработать математическое, алгоритмическое и программное обеспечение, моделирующее процессы в неоднородных системах, включающее возможности интерактивного участия в процессе моделирования реальных объектов различных ролей. Результаты исследований можно объединить в несколько основных направлений:

1 Мультилингвальные рекомендательные системы;

2 Кластерный анализ больших данных

3 Мультимодальные технологии в образовании: макросистемный подход

4 Мета-методики дистанционного образования

1 Мультилингвальные рекомендательные системы

Рекомендательные системы – одна из развивающихся областей Computer Science, являются инструментом, который облегчает пользователю задачу поиска нужной информации путем предоставления рекомендации по использованию соответствующей информации или за счет определения степени близости конкретной информации интересам пользователя. Рекомендательные системы решают две основные задачи: прогнозирование значимости информации, для которой степень близости неизвестна, и составление списков информационных объектов, наиболее релевантных к запросам пользователя. В настоящее время рекомендательные системы основаны на ряде эмпирических предположений (в том числе, транзитивности предпочтений), которые в реальном мире не всегда выполняются. Нами разработаны алгоритмы решения основных задач, не требующие выполнения таких эмпирических предположений. Эти алгоритмы позволили обеспечить надежное и полное решение основных задач в условиях изменяющихся предпочтений и при сильной разреженности матрицы оценок. Дальнейшие исследования и развитие теории рекомендательных систем предполагает разработку алгоритмов решения задач в условиях, когда предпочтения могут быть выражены в разных классификациях информации, например, когда пользователи формируют свои профили на разных языках. Тогда модель рекомендательной системы становится многоуровневой (по количеству языков с различными классификациями информационных объектов) иерархической системой.

Рекомендательные системы, основанные на разработанной строгой математической модели, включающей теорию макросистем, нечеткую логику и теорию метрических пространств, позволяют:

• обеспечить высокую эффективность, не зависящую от исходных данных, их изменения во времени;

• выявить небольшие группы интересов, отличающиеся от основной группы мейнстрима, обеспечить эффективное решение прогнозных задач для этих групп;

• снизить сложность алгоритмов, тем самым снизить время на вычисление прогнозов для больших массивов данных.

Предлагаемые рекомендательные системы позволяют решить задачи выбора для заданного пользователя набор наиболее привлекательных для него товаров и определения наболее правдоподобной оценки заданного товара, не оцененного пользователем.

Результаты работ в этом направлении могут быть использованы при определении заинтересованности пользователей при поиске информационных объектов (текстов, товаров, услуг, контента, событий) при изменении предпочтений пользователей, при аппроксимации объективных оценок информационным объектам при обработке экспертных оценок нечеткой семантики.

1. Амелькин С.А., Понизовкин Д.М. Оптимальное проведение экспертизы образовательных проектов. // Труды XVII Всероссийской научно-методической конференции Телематика’2010. Том 1, Санкт-Петербург: Университетские телекоммуникации, 2010, с.158—159.

2. Amelkin S.A., Ponizovkin D.M., Scorchelletti D.S. Collaborative analysis of expert appraisal in problems of strategic planning. // Труды Третьей международной конференции «Математическое моделирование социальной и экономической динамики». М.: ЛЕНАНД, 2010, с.24—26.

3. Понизовкин Д.М., Амелькин С.А. Оптимальное распределение проектов при проведении экспертизы. // Электронные библиотеки: перспективные методы и технологии, электронные коллекции RDCL-2010. Казань, 2010.

4. S. А. Amelkin. Evaluation of Recommender Systems Efficiency. EUR-WS v. 934. XIV All-Russian Scientific Conference "Digital libraries: Advanced Methods and Technologies, Digital Collections" Pereslavl-Zalessky, Russia, October 15-18, 2012. pp, 288-291.

5. Амелькин С.А., Понизовкин Д.М. Математическая модель задачи top-n для контентных рекомендательных систем // Известия Московского государственного технического университета МАМИ. 2013. Т. 2. № 3 (17). С. 26-31.

2 Кластерный анализ больших данных

Увеличение объема статистической информации в последнее время приняло взрывообразный характер при появлении возможностей использования вычислительной техники. Проблема обработки данных особенно актуальна при анализе социальных систем, где критерии качества являются интуитивно понятными, но существенно различаются в зависимости от роли эксперта. Получаемые большие данные, требующие статистической обработки для получения информации о социальных системах, характеризуются большим объемом, большим многообразием и требуют высокоскоростной обработки и получения результатов, так что мы можем говорить о необходимости создания систем обработки больших данных для получения информации о текущем состоянии и возможных тенденциях развития социальных процессов.

В этих условиях подходы, основанные на составлении индексов, становятся неинформативными, большая часть информации, получаемая в ходе статистических исследований, теряется при агрегировании и усреднении. Предлагаемый подход к мониторингу социального развития основан на другом принципе, позволяющем не сводить все многообразие наблюдаемых параметров к единому критерию. Большое количество данных, требующих анализа, можно распределить по подсистемам различного уровня и на основании полученных значений построить фазовые портреты подсистем, как многообразие точек в многомерном пространстве значений и скоростей их изменения. При этом, фазовое пространство является метрическим (например, в таком пространстве можно определить расстояние между любыми двумя точками с помощью метрики Евклида – Махаланобиса), что позволяет решить задачу кластеризации подсистем.

Наблюдение за положением подсистем в ходе наблюдений позволяет выявить как периодические колебания подсистем, так и движения, соответствующее тренду развития. Такой подход легко масштабируем, при увеличении количества наблюдаемых параметров нет необходимости менять модель. Важными элементами фазовых траекторий являются траектории движения кластеров и траектории движения точек, составляющих кластер, относительно центра кластера. Первый элемент характеризует тренды социальных процессов в подсистемах со схожими условиями развития, формирующих кластер. Второй – показывает устойчивость кластера, анализируя тренды движения фазовых траекторий относительно центра кластера, можно выявить потенциальные преимущества социальных подсистем или скрытые проблемы.

1. Амелькин С.А., Хачумов В.М. Обобщенное расстояние Евклида—Махаланобиса и его применение в задачах распознавания образов. – Доклады 12-ой Всероссийской конференции «Математические методы распознавания образов». – М.: МАКС Пресс, 2005 с. 7-9.

2. Амелькин С. А., Захаров А. В., Хачумов В. М. Обобщенное расстояние Евклида–Махаланобиса и его свойства // Информационные технологии и вычислительные системы. 2006. № 4. С. 40—44.

3. Amelkin S.A. Modelling of economic and social processes using indexing objective functions // International workshop "Complex societal dynamics: security challenges and opportunities. Zagreb, 2009

4. Amelkin S.A. Finite-time approach to microeconomic and information exchange processes // Interdisciplinary description of complex systems, vol. 7, No.1, 2009, pp. 8--13.

5. Амелькин С.А., Знаменский С.В. Оценка в образовании будущего. // труды XVII Всероссийской научно-методической конференции Телематика’2010. Том 1, Санкт-Петербург: Университетские телекоммуникации, 2010, с.156—158.

6. Амелькин С.А., Шустова М.В. Байесовская оценка аномальности потока данных // Искусственный интеллект и принятие решений, №2, 2016, с. 55-60.

3 Мультимодальные технологии в образовании: макросистемный подход

Обмен информационными ресурсами включают не только процессы передачи информации, но и процессы восприятия: осознания, понимания и интерпретации информации. Особенностью информации как ресурса, отличающей ее от других, материальных, видов ресурсов, является то, что распространение информации не уменьшает ее количества у источника, поэтому балансовые зависимости требуют уточнения (введения характеристик ценности, уникальности информации, ноу-хау и др.).

Целью процесса передачи информации является возможность реципиентов выбирать и генерировать решения. Поэтому информацию часто разделяют на значения или смыслы и на данные, обеспечивающие формирование этих смыслов. Значения или смыслы могут передаваться по каналам связи в виде потоков данных. Процессы восприятия – извлечение значений, позволяющих генерировать решения.

Одним из видов процессов передачи информации является обучение. Эффективность обучения, как мера совпадения реально достигнутых результатов с целями, предусмотренными образовательной программой, определяется уровнем восприятия переданной слушателям информации. Интенсивность потоков данных и подготовленность слушателей – основные параметры, определяющие эффективность обучения. При этом, чем больше интенсивность передачи данных, тем ниже доля информационного потока, воспринимаемая слушателями. Поэтому возникает задача оптимального выбора интенсивности информационного потока, решение которой – оптимальные методики обучения.

Интенсификация процесса обучения может быть достигнута как за счет использования оптимальных методик, так и за счет распараллеливания потоков информации: использование различных модальностей для передачи значений. Так же, как и при параллельной организации вычислений, эффективность мультимодальных технологий нелинейно растет с увеличением модальностей, поэтому актуально оценить предельные возможности мультимодальных методов обучения. Эта задача решается с применением методов исследования макросистем.

Результаты работ в этом направлении могут быть использованы при разработке систем мультимодального обучения, включая трехмерное виртуальное моделирование, системы дополненной реальности, виртуальные образовательные пространства и пр.

1. Amelkin S.A. Extreme performance of macrosystems with several driving forces of different nature. International Workshop on Multidisciplinary Researches: Describing Complex Systems (DECOS), Zagreb, Croatia, May, 2005.

2. S.A.Amelkin. Macrosystem Approach to Analysis of Process of Information Exchange. // International Conference Describing Complex Systems (DECOS 2006). Brijuni - Croatia, 12 – 14 June 2006.

3. Амелькин С.А., Знаменский С.В. Кластерная модель проведения контрольных мероприятий // Наука в вузах: математика, физика, информатика. Проблемы высшего и среднего профессионального образования. Тезисы докладов Международной научно-образовательной конференции 23—27 марта 2009 г. М.: Российский университет дружбы народов, 2009, с.854—856.

4. Амелькин С.А., Иванова О.С. Математическая модель процесса передачи информации в экономической макросистеме // Программные системы: теория и приложения, 2010, №3, с.85-91.

5. Амелькин С.А., Иванова О.С. Предельные возможности передачи информации в макросистемах // Моделирование и анализ информационных систем, Т.18, №3(2011), с.32-38

6. M.A.Amelkina, S.A.Amelkin. A Mathematical Model of Nonequilibrium Regimes of an Open Socio-Economic System // Science, Technology, Higher Education and Society in the Conceptual Age ― Cracow, 2011

7. Иванова О.С., Амелькин С.А. Расчет оптимальных режимов систем обмена информационных ресурсов // Свидетельство о государственной регистрации программы для ЭВМ № 2017662062, дата приоритета: 14.09.2016, дата регистрации: 26.10.2016.

4 Мета-методики дистанционного образования

Развитие веб-технологий проведения дистанционных занятий в последнее время становится актуальной задачей, как на отдельных занятиях образовательных учреждений, так и в центрах дистанционного обучения. Появляются новые методические проблемы в региональных институтах развития образования, обеспечивающих систему переподготовки и повышения квалификации. Нынешний уровень сетевых технологий позволяет проводить учебные курсы с привлечением ведущих специалистов. Широкое распространение веб-занятий требует развития методик их проведения, а также разработки теоретических оснований мета-методик, обобщающих такие методики, формирующих понятия эффективности и результативности веб-занятий. Текущее развитие методик веб-занятий направлено на разработку семинаров, предполагающих отображение презентации и выступления преподавателя, а также общение преподавателя с обучаемыми. Методики проведения таких семинаров хорошо разработаны и получили широкое распространение. Но семинары представляют собой частный случай даже для очных форм взаимодействия преподавателя с обучаемыми, не говоря о тех возможностях, которые даёт использование компьютерных и веб-технологий.

Веб-технологии, основывающиеся на возможностях оперативного и эффективного информационного общения разнесённых в пространстве преподавателей и учеников, позволяют расширить возможности двухуровневой методики на бόльшее количество уровней, а также отказаться от линейности алгоритма обучения, за счёт постоянного общения учителей с методистом вне зависимости от географического расположения как методиста, так и учителей (групп учителей). Эффективность обучения возрастает при увеличении уровней взаимодействия, что достигается сочетанием веб-занятий и очных занятий. Простейшим вариантом двухуровневого обучения является схема методист → группа учителей → группы слушателей. Процесс взаимодействия на каждом уровне может быть сетевым, что формирует сложную иерархическую структуру веб-занятия. Так, учитель может создать подсеть, которая также может быть многоуровневой. Использование мета-методик позволяет разработать многоуровневую интерактивную методику проведения занятий, позволяющую не только управлять результатами обучения, но и обеспечить эффективность обучения в смысле повышения среднего ожидаемого результата при снижении его дисперсии.

1. Знаменский С.В., Амелькин С.А. Информационная поддержка организации сложной совместной деятельности // Программные системы: теория и приложения. Труды международной конференции, май 2009. Переславль-Залесский: Издательство УГП, 2009, т.1, с. 123—133.

2. Егорычев А.А., Амелькин С.А. «Математические модели, алгоритмическое и программное обеспечение для поддержки образовательных процессов» // XIX Всероссийская научно-методическая конференция «Телематика'2012», 2012

3. Амелькин С.А., Егорычев А.А. Математическое методы мониторинга качества образования // Известия Московского государственного технического университета МАМИ. 2013. Т. 2. № 3 (17). С. 22-25.

4. Амелькин С.А., Егорычев А.А. Влияние оценки качеств деятельности образовательного учреждения на учебный процесс. Вестник Ярославского регионального отделения РАЕН, 2014, №1, том 8, с. 4 – 10.

5. Амелькин С.А. Компетентностная модель качества обучения детей младшего возраста основам информатики (обзор литературы) // В сборнике: Труды большого московского семинара по методике раннего обучения информатике в 10 томах. сост. и науч. ред. И.В. Соколовой и Ю.А. Первина. Москва, 2015. С. 3-11.

6. Амелькин С.А. Алгоритмическое обеспечение для задачи мониторинга качества обучения. // одиннадцатая конференция «Свободное программное обеспечение в высшей школе» Переславль-Залесский, 30-31 января 2016 г., 29-34.

7. Амелькин С.А., Первин Ю.А. Алгоритмический уровневый подход к разработке методики дистанционных занятий // Современные технологии: актуальные вопросы, достижения и инновации. Сборник статей IX Международной научно-практической конференции. Под общей редакцией Г.Ю. Гуляева. Наука и Просвещение, 2017, с. 147-151

Система Orphus