Одним из предметов, изучаемых на ступени среднего общего образования в рамках федерального компонента, является информатика и ИКТ. С одной стороны, курс информатики должен основываться на соблюдении равноправия в знаниях будущих специалистов и учащихся школ. С другой стороны, изучение информатики должно служить формированию у обучающихся умений информационной деятельности, необходимых в будущей профессиональной сфере, пониманию того, что компьютер является рабочим инструментом для решения профессиональных задач.

В курсе информатики и ИКТ среднего образования содержательная линия информационного моделирования является одной из системообразующих. В работе [1] обосновано, что умения, достижение которых составляет цель обучения информационному моделированию, интерпретируясь в терминах компьютерного моделирования, по своей сути являются компонентами ИКТ-компетентности. При этом информационные технологии в курсе информатики должны изучаться не как совокупность программ, а как инструмент эффективного применения для компьютерного моделирования.

В свернутом виде весь перечень заданий для практических работ по информатике и ИКТ можно представить следующим образом:

1)            Задачи на построение дескриптивных моделей на естественном языке и на языке математики;

2)            Задачи на построение смешанных моделей в виде таблиц, графов, блок-схем;

3)            Задачи на построение наглядных моделей внешнего вида и графического представления числовых данных [3].

Приведем примеры формулирования заданий для практических работ по информатике и ИКТ, соответствующих решению задач по информационному моделированию и имеющих профессиональную направленность:

• Профессия 262019.02 «Закройщик»

1)      Выполнить описание исторического костюма;

2)       Cоставить сравнительную таблицу текстильных материалов (изделий);

3)      Выбрать оптимальный способ размещения деталей выкройки изделия на ткани;

4)      Сделать расчет ткани для партии изделий;

5)      Разработать базу данных «Изделия бельевой группы» («Изделия платьево-костюмного ассортимента» и др.).

• Профессия 260807.01 «Повар, кондитер»

1)      Описать основные процессы и операции приготовления мясных (молочных) продуктов;

2)      Составить сравнительную таблицу условий выделения основного и дополнительного сырья для приготовления блюд;

3)      Составить калькуляционную карточку сырья для приготовления кулинарных блюд (хлебобулочных, кондитерских изделий);

4)      Разработать базу данных «Технологическое оборудование пищевого производства» («Технологическое оборудование кондитерского производства»).

• Профессия 100114.01 «Официант, бармен»

1)      Описать правила обслуживания банкетных мероприятий;

2)      Выполнить заполнение учетно-отчетной документации;

3)      Составить калькуляционную карточку с выделением ингредиентов и количественного состава напитков (коктейлей, горячих напитков);

4)      Разработать эскиз оформления стола для банкетного мероприятия.

Содержания задач, для решения которых используется метод моделирования, часто не принадлежат предметной области информатики. Однако их решение в курсе информатики имеет своей целью обучение информационному моделированию как способу описания существенных для анализа свойств изучаемого объекта средствами некоторого языка, целенаправленному информационному процессу и основному компоненту формирования представлений о научных основах информационных технологий.

С одной стороны, каждое из предлагаемых заданий направлено на формирование у выпускника НПО следующих общих компетенций (ОК), предусмотренных ФГОС: «Способность осуществлять поиск информации, необходимой для эффективного выполнения профессиональных задач» (ОК 4) и «Способность использовать информационно-коммуникационные технологии в профессиональной деятельности» (ОК 5). С другой стороны, очевидно, что выполнение этих заданий влияет и на развитие информационной компетентности, под которой понимают обладание знаниями, умениями, навыками и опытом их использования при решении определенного круга социально-профессиональных задач средствами новых информационных технологий [2].

В то же время, общее образование предусматривает ориентацию на овладение образовательными результатами – предметными, метапредметными и личностными. Обучение информационному моделированию обладает приоритетной способностью обеспечивать результативность образования во всей совокупности ее элементов [3].

Солидаризируясь с авторами статьи [1], отметим, что разработка и реализация преемственных связей в системе непрерывного образования в настоящее время находится в числе приоритетных педагогических задач в связи с переходом на федеральные государственные образовательные стандарты нового поколения, в основу создания которых положена компетентностная модель выпускника.

Кафедра информатики и вычислительной техники ПГУ им. Шолом-Алейхема является руководящей по педагогической практике студентов, обучающихся по направлению подготовки 050100.62 Начальное образование и информатика.

Данный вид практики проводится в классах среднего и старшего звена под руководством учителей школ и преподавателей вуза в общеобразовательных школах (городских и сельских). Практика проводится в 9 семестре. Общая трудоемкость практики составляет 8 недель и  10 зачётных единиц.

В содержание практики входит учебно-воспитательная и научно-исследовательская работа.

Учебно-воспитательная работа обеспечивает подготовку студентов к целостному выполнению функций учителя-предметника и классного руководителя и предполагает следующие виды деятельности:

–        изучение системы учебно-воспитательной работы образовательного учреждения;

–        планирование учебно-воспитательного процесса;

–        организацию и проведение уроков разного типа;

–        анализ и оценку процесса и результатов учебно-воспитательной работы как учителей, так и своей собственной;

–        организацию внеучебной деятельности школьников.

Научно-исследовательская работа предполагает:

–        изучение передового педагогического опыта (новых педагогических систем, современных технологий обучения и воспитания, альтернативных и вариативных программ и учебников);

–        сбор материала для подготовки и написания курсовой работы по теории и методике обучения информатике.

Структура содержания практики по этапам

Этап 1 (подготовительный период). На этом этапе студенты участвуют в работе установочной конференции, где они знакомятся с общим планом и требованиями педпрактики, заданиями по методическому блоку.

Этап 2 (ориентировочно-ознакомительный период). В течение первой недели практики студенты знакомятся с классом, на базе которого они проходят практику,  учителем-предметником и классным руководителем, наблюдают уроки преподавателей, воспитательные мероприятия, осуществляют планирование учебной и внеклассной работы.

Этап 3 (рабочий период). Практиканты самостоятельно разрабатывают календарно-тематический план, работают над заполнением индивидуального дневника, составляют планы уроков, проводят уроки информатики и ИКТ и воспитательные мероприятия (по плану работы класса), изучают опыт учителей-наставников и внедряют его в практику своей работы. В течение всей практики студент работает под активным руководством учителя-предметника и методиста руководящей кафедры.

Этап 4 (обобщающий период). Студенты-практиканты оформляют отчетную документацию по педпрактике, завершают практику, участвуют в итоговой конференции по итогам педпрактики на факультете, подводят итоги работы, завершают отчет.

Содержание каждого из этапов практики и распределение зачетных единиц представлены в таблице 1.

Таблица 1 Структура и содержание педагогической практики

Оценка педагогической деятельности студентов осуществляется в виде дифференцированного зачета согласно СТО-СМК-ДП-8.2.02-2008 «Балльно-рейтинговая система контроля достижений студентов». Данный стандарт был введен в действие в ПГУ им. Шолом-Алейхема с 01.09.2008 г. Вопросы применения балльно-рейтинговой системы при преподавании конкретных дисциплин, оценивании  курсовых работ, а также различных видов деятельности студентов описаны в трудах преподавателей ПГУ им. Шолом-Алейхема [1-5]. Ценным представляется опыт преподавателей других вузов России о применении балльно-рейтинговой системы для оценки качества образования [6-10].

Балльно-рейтинговая система в ПГУ им. Шолом-Алейхема является одной из составляющих системы управления качеством. Она состоит из двух взаимосвязанных подсистем: модульной и рейтинговой. Применительно к практике можно сказать, что модульная подсистема ориентирована на обеспечение качественной регулярной работы студентов в течение всего периода практики. Рейтинговая подсистема направлена на обеспечение объективности итоговой оценки учебных достижений студента и совокупной оценки учебных достижений по всем дисциплинам в течение текущего семестра.

Максимальное количество баллов, которое могут заработать студенты в период прохождения практики, составляет 100 баллов.

Формирование итоговой оценки происходит следующим образом:

-                    менее 51 балла – «неудовлетворительно»;

-                    51-74 балла – «удовлетворительно»;

-                    75-87 баллов – «хорошо»;

-                    88-100 баллов – «отлично».

Критерии оценки деятельности студента на практике:

-     отношение к педагогической практике (систематичность работы, самостоятельность, творческий подход);

-     качество выполнения отдельных видов деятельности практикантов (планирование работы, проведение уроков и внеклассных мероприятий);

-     уровень умений анализа и самоанализа педагогической деятельности;

-     качество отчетной документации.

Детальная разбалловка по каждому виду деятельности представлена в таблице 2.

Таблица 2 Распределение баллов в соответствии с видами деятельности практикантов

Общую оценку за педпрактику студенту выставляет руководитель по практике от кафедры информатики и вычислительной техники с учетом ранжирования баллов рейтинга оценивания педагогической практики.

Анализ методических разработок практикующих педагогов (1-7) показывает, что наибольшей популярностью среди школьников пользуются предметные внеклассные мероприятия следующих видов: соревнования, турниры, викторины, олимпиады. Именно на таких мероприятиях присутствует дух соперничества, дающий возможность не только проявить знания и смекалку, но и лидерские качества, умение отстаивать собственное мнение и прислушиваться к мнению другого.

Приведем пример разработанного нами внеклассного мероприятия – турнира по информатике «Experts in informatics».

Для проведения мероприятия потребуется следующее оборудование:

1)      Компьютер

2)      Мультимедийный проектор

3)      Презентация

4)      Таблица подсчета баллов

5)      Секундомер

6)      Наградные материалы.

Ход мероприятия:

Подготовительный этап

Группа учащихся разбивается на 4 команды. Каждая команда выбирает капитана и придумывает название команды. Команды тянут жребий, определяющий порядок участия в первом конкурсе.

Конкурс «Разминка»

Ведущий: На слайде клетки с числами, обозначающими «стоимость» вопроса от 5 до 15 баллов. Команды по очереди называют клетку, и на слайде высвечивается вопрос. Если команда отвечает верно, то команда получает соответствующий балл. В случае неверного ответа, ход переходит к другой команде. На раздумья командам дается до 30 секунд.

Вопросы по 5 баллов:

1. Система, обеспечивающая работу компьютера? (операционная)
2. Какой класс компьютерных программ наиболее популярен среди школьников? (игра)
3. Человек, взламывающий компьютерные программы (крэкер)
4. Указатель местоположения на экране (курсор)
5. Проблема, которую необходимо решить (задача)
6. Так называют область ввода в диалоговых окнах, а еще оно бывает шахматное и футбольное  (Поле)
7. Фанат компьютерных игр (геймер)
8. Назовите антоним к слову виртуальный (реальный).

Вопросы по 10 баллов:

1. Какая величина больше: 1 Мб или 1024 Кб? (они равны)
2. Какой объем информации содержится в файле Блокнота, в котором написано слово КОМПЬЮТЕР? (9 байт)
3. Как называется устройство, которое считывает информацию с листка бумаги и передает на компьютер ее электронную копию (сканер)
4. Как называется основная микросхема компьютера (процессор)

Вопросы по 15 баллов:

1. Как называется часть внутренней памяти компьютера, которая содержит программы и данные, использующиеся в данный момент (оперативная память)
2. Какое понятие, переводимое с греческого как окружность, имеет отношение к устройству компьютера (периферия)
3. На чем записывались первые программы (перфокарты)
4. Этот венгро-американский математик еврейского происхождения разработал основные принципы построения и функционирования современных компьютеров (Джон фон Нейман)

Конкурс «Капитаны, напрягитесь!»

Ведущий: Каждый капитан принесет своей команде в этом конкурсе от 5 до 20 очков. Все вы, конечно, играли в игру «Города»?! Я (ведущий) называю вам некоторое исходное слово, а вы (капитаны) по очереди называете слова на последнюю букву предыдущего слова. Конечно же, слова должны иметь отношение к информатике. Это могут быть термины, единицы измерения информации, компоненты компьютера, фамилии ученых и т.д. Побеждает та команда, капитан которой последним назовет слово. Первый выбывший капитан заработает 5 очков, каждый следующий на 5 больше. Порядок участия капитанов определяется по результатам предыдущего конкурса. На раздумье не более 5 секунд. Итак, слово ИНФОРМАТИКА. Начинаем!!!

Конкурс «Узнай пословицу»

Ведущий: Команды, вы видите перед собой таблицу с переделанными на компьютерный лад русскими пословицами. На столах у вас лежат листы бумаги, куда вы запишите номер пословицы и правильный ее вариант. За каждый правильный ответ 1 балл. На конкурс отводится 5 минут. Итак, поехали!

1. Скажи мне, какой у тебя компьютер, и я скажу тебе кто ты (Скажи мне, кто твой друг, и я скажу тебе кто ты).
2. Компьютер памятью не испортишь (Кашу маслом не испортишь).
3. В сонную лощину со своим компьютером не ездят (В Тулу со своим самоваром не ездят).
4. Бит байт бережет (Копейка рубль бережет).
5. Утопающий за F1 хватается (Утопающий за соломинку хватается).
6. Вирусов бояться – в интернет не ходить (Волков бояться – в лес не ходить).
7. Дорога не программа, дорог алгоритм (Дорог не подарок, дорого внимание).
8. По компьютеру встречают, по программам провожают (По одежке встречают, по уму провожают).
9. Не интернетом единым жив процессорный мир (Не хлебом единым жив человек).
10.  На то и хакеры в интернете, чтобы Касперский не дремал (На то и щука в реке, чтобы карась не дремал).

Конкурс «Верите ли вы»

Конкурс прост. Я (ведущий) задаю вопрос команде «Верите ли вы, что…», а команда отвечает «да» или «нет». Итак, начали!!!

1. Верите ли вы, что информацию на компьютере хранят в виде файлов (да).
2. Верите ли вы, что в древности считали в двоичной системе счисления (нет).
3. Верите ли вы, что графический способ записи алгоритмов это блок-схемы (да).
4. Верите ли вы, что запись 14263 может быть числом пятеричной системы счисления (нет).
5. Верите ли вы, что клавиатура это ручной манипулятор (нет).
6. Верите ли вы, что самый древний носитель информации, использовавшийся для хранения, это камень (да).
7. Верите ли вы, что векторное изображение при масштабировании не теряет качества (да).
8. Верите ли вы, что программную или аппаратную ошибку называют баг (да).
9. Верите ли вы, что любой нынешний домашний компьютер обладает мощностью больше, чем компьютер, управляющий полетом космического корабля (да).
10. Верите ли вы, что в 1962 году из-за дефиса пропущенного в компьютерной программе пришлось взорвать ракету, стартовавшую с мыса Канаверал к Венере (да).
11. Верите ли вы, что цифру ноль можно заменять прописной буквой «О» (нет).
12. Верите ли вы, что клавиша END на клавиатуре ПК прекращает выполнение любых программ или сеансов оперативной связи (нет).
13. Верите ли вы, что язык программирования Паскаль изобрел Блез Паскаль (нет).
14. Верите ли вы, что 1 терабайт больше 1 эксабайта (нет).
15. Верите ли вы, что улица в Редмонде, где располагается штаб-квартира компании Microsoft, называется Microsoft Way (да).

Рис. 1. Кубок победителей

Верите ли вы, что шестнадцатеричное число Е в десятичной системе счисления записывается как 13 (нет).

Итак, мы закончили с вами турнир. Самое время подвести итоги.

Данное мероприятие проводилось в лицее Приамурского государственного университета им. Шолом-Алейхема. Команда-победитель получила кубок, изготовленный собственноручно студентами – организаторами турнира (рисунок 1).

В 1956 году всемирно известный американский ученый Джон Маккарти, ввел термин, который является сердцем всех этих возможностей и многих других. Термин, который он придумал был “Искусственный интеллект”. Искусственный интеллект, сокращенно ИИ – это наука и инжиниринг, работающие над созданием интеллектуальных машин, а также интеллектуальных компьютерных программ, которые способны реагировать как человек. То есть, создание таких машин, способных чувствовать мир вокруг них, понимать разговоры и принимать решения, похожие на человеческий выбор. Искусственный разум дал нам все, от сканера до роботов в реальной жизни.

Сегодня область искусственного интеллекта может быть описана, как суп когнитивной информатики, психологии, лингвистики и математики, ожидание вспышки молнии – попытка объединения усилий исследователей и ресурсов, разработка новых подходов, использование мировых хранилищ знаний, чтобы создать искру, такую, что она будет создавать новую форму жизни.

В области искусственного разума, мы взращиваем машину ребенка с детства к взрослой жизни, таким образом, что мы создаем чисто новые подходы к обучению машины.

Отрасли искусственного интеллекта

Джон Маккарти определил некоторые из ветвей ИИ, которые описаны ниже. Он также отметил, что несколько из них еще предстоит определить.

Логика Искусственного Интеллекта: программа ИИ должна знать о фактах и ситуациях.

Распознавание образов: когда программа проводит наблюдение, то, как правило, запрограммирована на распознавание и сопоставление с образцом. Например, система распознавания речи или система распознавания лица.

Представление: должен быть способ, чтобы представить факты о мире устройству обладающем ИИ. Для представления, используется математический язык.

Вывод: умозаключение, позволяет извлекает новые факты из уже существующих фактов. Из некоторых фактов могут быть выведены другие.

Планирование: программа планирования начинается с фактов и изложения цели. Из них, программа генерирует стратегию для достижения поставленной цели.

Наличие Здравого Смысла и Рассуждения - это активное направление исследований и изучения ИИ возникло в 1950-х годах, но все же пока результат далек от человеческого уровня.

Эпистемология – это возможность обучения и получения знаний устройством. Позволяет изучать типы знаний, необходимых для конкретного типа задач.

Эвристика – это способ попытаться найти идею вложенную в программу.

Генетическое программирование – автоматическое создание программы LISP (Обработка списка), позволяющее решить поставленную задачу.

Инструменты, использующиеся для решения сложных задач при создании ИИ

За последние шесть десятилетий, существуют различные инструменты, разработанные для решения сложных проблем в области компьютерных наук. Некоторые из них являются:

Поиск и оптимизация

Большинство проблем в ИИ могут быть решены теоретически с помощью грамотного поиска возможных решений. Но простой исчерпывающий поиск редко бывает полезным и достаточным для большинства реальных задач. В 1990-е годы, различные виды поиска стали популярны, которые были основанные на оптимизации. В случае большинства проблем, можно составить предположение, а затем уточнить свой запрос. Различные алгоритмы оптимизации были написаны, чтобы помочь процессу поиска.

Логика

Логика позволяет производить изучение аргументов. В ИИ используется для представления знаний, а также использоваться для решения задач. Различные типы логики используются в исследованиях искусственного интеллекта. Логика первого порядка использует кванторы и предикаты, и помогает в представлении фактов и их свойств. Нечеткая логика является своего рода логикой первого порядка, что позволяет найти истинность заявления, которое будет представлено как 1 (истина) или 0 (False).

Теория вероятности

Вероятность – способ выражения знания. Это понятие было дано математическому значению в теории вероятностей, которая широко используется в ИИ.

Искусственный интеллект и его применение

Искусственный интеллект в настоящее время используется в широком спектре областей, включая моделирование, робототехнику, распознавание речи, финансы и акции, медицинскую диагностику, авиацию, безопасность, игры и т.д.

Разберем поподробней некоторые из областей:

Игровая Сфера: Существуют машины, которые могут играть в шахматы на профессиональном уровне. ИИ также применим к различным видеоиграм.

Распознавание речи: Компьютеры и роботы, которые понимают язык на уровне человека имеют встроенный ИИ в них.

Симуляторы: Моделирование является имитация какой-то реальной вещи. Оно используется во многих контекстах, начиная от видеоигр, заканчивая авиацией. Тренажеры включают в себя симуляторы полета для летчиков, с помощью которых ведется подготовка к пилотированию «воздушного корабля».

Робототехника: Роботы стали обычным явлением во многих отраслях промышленности, так как роботы оказались более эффективными, чем люди, особенно на повторяющихся рабочих местах, где люди имеют тенденцию терять концентрацию.

Финансы: Банки и другие финансовые учреждения полагаются на интеллектуальные программные обеспечения, которые обеспечивают точный анализ данных и помогает делать предсказания, основываясь на этих данных.

Медицина: Системы искусственного интеллекта используются в больницах, чтобы управлять расписанием больных, обеспечивать ротацию персонала, а также предоставлять медицинскую информацию. Искусственная нейронная сеть, которая представляет собой математическую модель, вдохновленной структурой и/или функциональными аспектами биологических нейронных сетей, помогает в медицине при определении диагноза.

Искусственный разум находит использование в различных областях и приложениях. Системы безопасности, системы распознавания текста и речи, интеллектуальный анализ данных, фильтрация электронной почты от спама и огромное количество других примеров. Британская телекоммуникационная группа применила эвристический поиск в приложении планирования, который составляет графики работы свыше двадцати тысяч инженеров. Применение ИИ также нашло место в сфере грузоперевозок, где нечеткие логические контроллеры были разработаны для автоматических коробок передач в автомобилях.

Проблемы, с которыми сталкиваются создатели искусственного интеллекта

За последние шесть десятилетий, ученые активно работают над имитацией интеллекта человека, но рост замедлился из-за многих проблем при моделировании искусственного разума. Некоторые из этих проблем являются:

База знаний: количество фактов, которые знает человек просто слишком много. Подготовка базы данных, которая будет содержать все знание этого мира является огромной трудоемкой задачей.

Вычет, рассуждения и решения проблем: ИИ должен шаг за шагом решать любую проблему. Как правило, люди решают проблемы на основе интуитивных суждений, а затем составляют план действий, программу. Искусственный интеллект делает медленный прогресс, чтобы имитировать человеческий метод решения проблем.

Обработка естественного языка: Естественный язык – это язык на котором говорят люди. Одной из основных проблем, с которыми сталкивается ИИ, это распознавание и понимание что говорят люди.

Планирование: Планирование, как правило, ограничивает только людей, потому что они могут думать. Умение планировать и думать, как человек, необходимо для интеллектуальных агентов. Как и люди, они должны иметь возможность визуализировать будущее.

Положительные стороны применения ИИ

Уже сейчас мы можем видеть небольшие применения искусственного разума в нашем доме. Например, смарт-телевизор, умный холодильник и т.д. В будущем в каждом доме будет присутствовать ИИ. Искусственный интеллект с нанотехнологиями или другими технологиями может привести к появлению новых отраслей в области науки. Наверняка, развитие искусственного интеллекта приведет к тому, что он станет частью нашей повседневной жизни. Уже сейчас происходит замена людей на роботов на некоторых рабочих местах. В военной отрасли искусственный разум позволит создавать различное современное вооружение, например роботов, которые сократят смертность при возникновении войн.

Отрицательные стороны применения ИИ

Несмотря на то, что искусственный интеллект, имеет множество преимуществ, существуют очень много недостатков.
На более базовом уровне, использование искусственного разума в повседневных задачах может привести к образованию лени со стороны человека, и это может привести к деградации основной массы народа.

Применение искусственного интеллекта и нанотехнологий в военной отрасли конечно имеет много положительных сторон, например создание идеального защитного щита от любых атак, но так же существует темная сторона. С помощью искусственного разума и нанотехнологий мы сможем создавать очень мощное и разрушительное оружие и при неосторожном использовании оно может привести к необратимым последствиям.

Массовое применение искусственного интеллекта приведет к сокращению рабочих мест для людей.

Кроме того, быстрые темпы развития и применения искусственного интеллекта и робототехники может подтолкнуть Землю к экологической катастрофе. Даже сейчас отходы компьютерных комплектующих и других электронных устройств оказывают огромный вред нашей планете.

Если мы дадим разум машинам, они смогут использовать его по максимуму. Машины с интеллектом станут умнее своих создателей и это может привести к исходу, который продемонстрирован в серии фильмах «Терминатор».

Заключение и будущее применение

Искусственный интеллект – область, в которой продолжаются множество исследований. Искусственный разум является отраслью компьютерной науки о понимании природы интеллекта и построения компьютерных систем, способных на разумные действия. Несмотря на то, что люди имеют интеллект, они не в состоянии использовать его в максимально возможной степени. Машины будут иметь возможность использовать 100% своего интеллекта, если мы дадим им этот разум. Это является преимуществом, а также недостатком. Мы зависимы от машин практически для любого применения в жизни. Машины теперь являются частью нашей жизни и используются везде. Таким образом, мы должны знать больше о машинах и должны быть осведомлены о будущем, что может случиться, если мы дадим им разум. Искусственный интеллект не может быть плохим или хорошим. Он меняется в пути использования его нами.

При изучении СМО используются методы имитационного моделирования и статистических испытаний (или метод Монте-Карло). При этом создается компьютерная модель, имитирующая поведение системы, с помощью ее производят большое количество реализаций анализируемого процесса и сохраняют получающиеся значения выходных величин. Получающиеся результаты приобретают статистическую устойчивость и после соответствующей математической обработки могут рассматриваться как характеристики изучаемой системы [3,8,12,13]. Имитационные модели используются при изучении социологических, экономических процессов функционирования сложных технических систем (например, ядерного реактора), а также в процессе обучения.

Каждая из систем массового обслуживания состоит из каналов (или приборов) обслуживания, на которые в случайные моменты времени поступает поток заявок или требований. После приема заявки канал оказывается занят на некоторое время обслуживания , после чего он освобождается и ожидает следующей заявки. На входе СМО может накапливаться несколько заявок, они либо становятся в очередь, либо покидают СМО необслуженными [3,5].

Последовательность событий, происходящих друг за другом в случайные моменты времени, называется потоком событий. Если поток событий задается только моментами времени  наступления этих событий, то он называется однородным. Поток неоднородных событий характеризуется:

1. совокупностью вызывающих моментов времени ,;
2. набором признаков событий, к которым относятся принадлежность заявки к тому или иному источнику, приоритет заявки, возможность обслуживания тем или иным каналом и т.д.

Интенсивность потока рассчитывается как отношение числа событий ко времени наблюдения: . В случае, когда вероятность появления заданного числа событий в течение интервала ∆τ зависит исключительно от продолжительности интервала ∆τ и не зависит от времени τ, прошедшего с начала запуска системы, поток событий называется стационарным [10,13].

Любая СМО состоит из приборов обслуживания , каждый из которых имеет накопитель заявок  и канала обслуживания заявок . В накопители заявок может одновременно находится заявок, где –емкость i-ого накопителя. В накопитель поступает поток заявок , а в канал  – поток обслуживаний . При изучение сложных систем массового обслуживания рассматривают специальные Q-схемы, образующие многоканальные и многофазные сети массового обслуживания. Связи между элементами таких СМО изображают в виде стрелок, которые показывают направления движения заявок. В некоторых случаях говорят о замкнутых СМО, имеющих обратную связь, по которой выходной поток обслуженных заявок снова поступает на вход того или иного прибора обслуживания. В общем случае процесс функционирования СМО любой сложности можно однозначно задать с помощью Q-схемы, учитывающей:

1. множество входящих потоков W;
2. множество потоков обслуживания U;
3. правила R сопряжения элементов СМО;
4. множество собственных параметров H;
5. оператор алгоритмов обслуживания заявок A;
6. вектором состояния Z, элементов которого характеризуют состояния всех приборов обслуживания и их накопителей.

Для изучения функционирования СМО методом статистических испытаний (методом Монте-Карло) стоится имитационная модель процесса и с помощью генератора случайных чисел производится «розыгрыш» случайных событий (входных сигналов и внешних воздействий) в соответствии с заданными законами распределения. Компьютер моделирует более 1000 реализаций исследуемого процесса, выходные сигналы и подвергаются статистической обработке.

Рассмотрим пример решения задачи о грузовой сортировочной станции в Arena и сравним с получившимися данными в Microsoft Excel.

На грузовой станции имеется два выгрузочных фронта. Интенсивность подхода составов под выгрузку составляет 0,4 состава в сутки. Среднее время разгрузки одного состава – 2 суток. Приходящий поезд отправляется на другую станцию, если в очереди на разгрузку стоят более трёх составов.

Оценить эффективность работы выгрузочных фронтов грузовой станции: вероятность, что выгрузочные фронты свободны, вероятность, что состав останется без разгрузки, относительную пропускную способность, абсолютную пропускную способность, среднее число поездов, ожидающих разгрузки, среднее число заявок в системе, среднее время пребывания заявки в очереди, среднее время пребывания заявки в системе. Как изменятся данные показатели, если интенсивность подхода составов увеличится до 0,5?

Решение таких задач, не смотря на разработанный математический аппарат, не очень удобно производить вручную. Для наиболее быстрого и эффективного решения, можно использовать различные программные средства: табличный процессор Microsoft Excel и среду имитационного моделирования Arena Rockwell Software. Табличный процессор при решении таких задач может помочь в вычислении приблизительных характеристик исследуемой СМО. Эти значения дают общее представление об эффективности работы системы и конечно не могут учесть массу случайных факторов, влияющих на ее работу. Кроме того, для многих подобных задач не менее важно представить логику работы системы, очереди, увидеть и понять какое количество поступивших составов получают отказ в обслуживании [5,6,8]. Эти вещи позволяет реализовать Arena (рис.1). Для решения задачи был выбран период моделирования равный 12 месяцам, что позволило получить представление о длительном периоде работы системы и наиболее приближенных к реальности показателях системы.

Рисунок 1. Логика задачи в Arena

 По условию задачи n = 2, m = 3, т. е. грузовая станция представляет собой многоканальную систему с ограниченной очередью. Интенсивность потока обслуживаний равна μ =1/2 = 0,5. Интенсивность нагрузки канала (трафик) равна ρ = 0,4 ∙ 2 = 0,8. Теперь рассчитаем характеристики для интенсивности подхода составов, равной 0,4: вероятность того, что выгрузочный фронт свободен;  вероятность того, что состав будет отправлен на другую станцию; относительную пропускную способность;  абсолютную пропускную способность; среднее число составов, ожидающих разгрузки; среднее время ожидания разгрузки; среднее число занятых фронтов (среднее число заявок под обслуживанием); среднее число составов, находящихся у разгрузочного фронта; среднее время пребывания состава у разгрузочного фронта.

Произведем вычисления для интенсивности подхода составов, равной 0,4. Решение проиллюстрировано в таблице 1. Аналогично произведем вычисления для характеристик системы массового обслуживания с интенсивностью прихода составов равной 0,5.

Таблица 1 – Расчет характеристик для грузовой  станции в Microsoft Excel

Сравнивая получившиеся результаты, можно сказать, что вероятность того, что состав будет отправлен на другую станцию при интенсивности подхода составов равной 0,5 больше, чем при интенсивности, равной 0,4.

Исходя из данных, приведённых данных в таблице 1 и получившихся результатах  имитационного моделирования (в отчетах среднее время ожидания разгрузки  - 9,5ч, а вероятность отказа  1,3%) можно сделать вывод о том, что среднее время пребывания состава в ожидании разгрузки на другой станции невелико, что говорит о нормальной работе разгрузочного узла. При увеличении интенсивности похода составов выгрузочный узел продолжает работать эффективно.

Используя данные программы, можно с легкостью обрабатывать большой массив данных, производить расчеты, наблюдать за многоканальной системой обслуживания в динамике, анализируя все ее слабые и сильные стороны. Помимо этого анимация процессов в программе Arena и обширные статистические данные, собранные в отчетах, помогут опытному  пользователю быстро разобраться с причинами возникающих проблем в системе.

Освоение алгоритмизации и программирования вызывает затруднение у учеников и считается сложнейшем разделом в рамках учебного предмета «Информатика». Для лучшего  понимания и закрепления материала необходимы иллюстрационные примеры. Визуализация алгоритмических конструкций или алгоритма – это лучший способ для представления этих примеров. Визуализация помогает учащимся лучше воспринимать и понимать информацию.

Принимая во внимание выше сказанное, представляется актуальной задачасовершенствования методов обучения программированию в общеобразовательных школах. Одним из методов повышения качества усвоения материала является применение web-визуализаторов.

Web-визуализаторы – это программы-тренажеры, которые размещаются на web-страницах и демонстрируют процесс работы алгоритмов. Использование web-приложений позволит не только существенно сократить время на изучение материала, но и повысить качество усвоения основ программирования, его базовых элементов. У учащихся появляется возможность наглядно тестировать и разрабатывать алгоритмы столько раз, сколько потребуется для понимания материала.

Рассмотрев и проанализировав различные web-визуализаторы, мы выделили следующие преимущества:

• экономия учебного времени, нет необходимости расписывать длинные иллюстрационные примеры на доске;
• учащиеся смогут сами выбирать на примере каких входных данных смотреть работу алгоритма и делать это неограниченное количество раз, что позволяет лучше разобраться в алгоритмах;
• работать с визуализатором алгоритмов учащимся намного приятнее, чем с учебником.

Исходя из тематического наполнения раздела «Алгоритмизация и программирование» в 9 классе, в который входят такие темы: «Алгоритм. Свойства алгоритма. Способы записи алгоритмов», «Исполнители алгоритмов», «Алгоритмические конструкции: линейный алгоритм», «Разработка линейного алгоритма (программы), с использованием математических функций», «Разработка алгоритма (программы), содержащей оператор ветвление», «Разработка алгоритма (программы), содержащийоператор цикла», «Разбиение задачи на подзадачи. Вспомогательный алгоритм», «Разработка алгоритма (программы) содержащейподпрограмму», «Языки программирования их классификация», «Правила представления данных», «Этапы разработки программы» следует, что учащиеся должны освоить первона­чальные навыки программирования на языке высокого уровня, что включает в себя умение разрабатывать алгоритмы линейной структуры, применять операторы ветв­ления, выбора, циклов, организации подпрограмм, в том числе рекурсивных. Так как при изучении определенных тем рационально использовать тренажеры, предлагаются следующие web-визуализаторы:

• исполнение линейного алгоритма;
• условный оператор;
• циклы с предусловием, постусловием, параметром;
• суммирование элементов массива;
• поиск минимального элемента в массиве;
• поиск максимального элемента в массиве;
• сортировка массива;
• ввод и вывод в файл.

Чтобы написать программу визуализатора для алгоритма самостоятельно необходимо закодировать алгоритм таким образом, чтобы он выполнялся пошагово, дополнить интерфейс для ввода и вывода данных, а также для перехода между шагами выполнения алгоритма. Требования к web-визуализатору:

1. Визуализатор должен обеспечивать графическую иллюстрацию работы алгоритма.
2. Визуализатор должен включать пояснения ко всем шагам алгоритма.
3. Работа визуализатора должна быть построена в пошаговом порядке.
4. Визуализатор должен иметь возможности регулирования скорости выполнения алгоритма и возвращения на несколько шагов назад.
5. Визуализатор должен обеспечивать работу с заранее заданными и с введёнными учеником данными.

В заключении можно отметить, что при изучении программирования,web-визуализаторы алгоритмов могут сыграть немаловажную роль, так как они позволяют в наглядной форме динамически показывать составляющие работы алгоритмов. Это откроет возможность использования совершенно нового подхода к обучению школьников программированию.