Применение методов интеллектуального анализа данных для реализации рефлексивной адаптации в системах e-learning


https://doi.org/10.21686/1818-4243-2017-4-13-20

Полный текст:


Аннотация

В последние годы технологии электронного обучения (e-learning) стремительно набирают обороты в своем развитии. В связи с этим актуальными становятся вопросы, связанные с повышением качества программного обеспечения виртуальных образовательных систем: увеличение срока непрерывной эксплуатации программ, повышение их надежности и гибкости.
Перечисленные характеристики напрямую зависят от способности программной системы адаптироваться к изменениям в предметной области, условиям внешней среды и особенностям пользователей. В ряде случаев такая способность сводится к своевременной оптимизации программой собственных интерфейсов и структур данных. В настоящее время известно несколько подходов к созданию механизмов самооптимизации программных систем, но все они отличаются недостаточной степенью формализованности и, как следствие, универсальности. Целью данной работы является разработка основ технологии самооптимизации программных систем в составе e-learning.
В основе предлагаемой технологии лежит сформулированный и формализованный принцип рефлексивной адаптации программного обеспечения, применимый к широкому классу программных систем и основанный на выявления новых знаний в поведенческой продукции системы.
Для решения поставленной задачи применялись методы интел- лектуального анализа данных. Интеллектуальный анализ данных позволяет находить закономерности в функционировании программных систем, которые могут быть неочевидными на этапе их разработки. Нахождение таких закономерностей и последующий их анализ позволят реорганизовать структуру системы более оптимальным образом и без вмешательства человека, что позволит продлить жизненный цикл программного обеспечения и снизить затраты на его сопровождение. Достижение данного эффекта имеет важность для систем e-learning, поскольку они являются достаточно дорогостоящими.
К основным результатам работы следует отнести: предложенную классификацию механизмов адаптации программного обеспечения, учитывающую новейшие тенденции в IT-сфере в целом и сфере e-learning в частности; формулирование и формализацию принципа рефлексивной адаптации в программных системах, применимого к широкому классу прикладных программ; разработку универсального архитектурного шаблона программной системы, ориентированной на реструктуризацию в процессе эксплуатации; алгоритм самооптимизации пользовательского интерфейса программной системы на основе методов интеллектуального анализа данных.
Разработка теоретических основ автоматической реорганизации программного обеспечения e-learning позволит повысить гибкость виртуальной образовательной среды и увеличить срок ее непрерывной эксплуатации. В отличие от существующих аналогов, предлагаемые в статье методы являются универсальными и применимы к широкому классу прикладных программ. Данное обстоятельство является актуальным для систем электронного обучения, поскольку входящие в их состав подсистемы могут иметь различный тип и назначение (например, компонентами одной системы могут быть виртуальные тренажеры и информационно-библиотечное обеспечение).


Об авторах

А. С. Бождай
Пензенский государственный университет
Россия
Д.т.н., профессор кафедры «Системы автоматизированного проектирования» Пензенский государственный университет, Пенза, Россия


Ю. И. Евсеева
Пензенский государственный университет
Россия
К.т.н., ассистент кафедры «Системы автоматизированного проектирования» Пензенский государственный университет, Пенза, Россия


А. А. Гудков
Пензенский государственный университет
Россия
К.т.н., доцент кафедры «Системы автоматизированного проектирования» Пензенский государственный университет, Пенза, Россия


Список литературы

1. Keromytis A.D. Characterizing Software Selfhealing Systems // Computer Network Security. Springer. 2007. P. 22–33.

2. Shin M.E., Cooke D. Connector-Based SelfHealing Mechanism for Components of a Reliable System // Workshop on the Design and Evolution of Autonomic Application Software (DEAS 2005). ACM, 2005. P. 1–7.

3. Smart Sparrow. URL: https://www.smartsparrow.com/ (дата обращения: 22.05.2017).

4. Rajan C.A., Baral R. Adoption of ERP system: An empirical study of factors influencing the usage of ERP and its impact on end user // IIMB Management Review. 2015. No. 2. P. 105–117.

5. The Next Evolution of ERP: Adaptive ERP // ERP the Right Way: Changing the game for ERP Cloud implementations URL: https://gbeaubouef.wordpress.com/2012/09/05/adaptive-erp/ (дата обращения: 14.05.2017).

6. WWU Munster // OpenUSS. URL: https://www.uni-muenster.de/studium/orga/openuss.html (дата обращения: 22.05.2017).

7. WebCT. URL: http://www.cuhk.edu.hk/eLearning/c_systems/webct6/ (дата обращения: 22.05.2017).

8. Заметки о Big Data // ЕС-Лизинг URL: http://www.ec-leasing.ru/public/publikatsii/index. php?ELEMENT_ID=39 (дата обращения: 28.04.2017).

9. Big Data in eLearning: The Future of eLearning Industry // eLearning Industry. URL: https://elearningindustry.com/big-data-in-elearning-futureof-elearning-industry (дата обращения: 22.05.2017).

10. Ravindran K., Rabby M. Software cybernetics to infuse adaptation intelligence in networked systems // IEEE International Conference on the Network of the Future (NOF). Washington: IEEE Computer Society, 2013. P. 1–6.

11. Wang P., Cai K.Y. Representing extended finite state machines for SDL by a novel control model of discrete event systems // Sixth IEEE International Conference on Quality Software (QSIC 2006). Washington: Ieee Computer Society, 2006. P. 159–166.

12. Wang P., Cai K.Y. Supervisory control of a kind of extended finite state machines // 24th IEEE Chinese Control and Decision Conference (CCDC). Washington: Ieee Computer Society, 2012. P. 775–780.

13. Patikirikorala T., Colman A., Han J., Wang L. A systematic survey on the design of selfadaptive software systems using control engineering approaches // 7th International Symposium on Software Engineering for Adaptive and Self-Managing Systems (IEEE Press). Washington: IEEE Computer Society, 2012. P. 33–42.

14. Lorenzoli, D., Mariani, L., Pezzè, M. Automatic generation of software behavioural models // 30th international ACM conference on Software engineering. New York: ACM, 2008. P. 501–510.

15. Yang, Q., Lü, J., Xing, J., Tao, X., Hu, H., Zou, Y. Fuzzy control-based software self-adaptation: A case study in mission critical systems // IEEE 35th Annual Computer Software and Applications Conference Workshops (COMPSACW). Washington:

16. IEEE Computer Society, 2011. P. 13–18.

17. Liu L., Zhou Q., Liu J., Cao Z. Requirements cybernetics: elicitation based on user behavioural data // J. Syst. Software. Amsterdam: Elsevier. 2016.

18. Park J.S. Essence-based, goal-driven adaptive software engineering // EEE/ACM 4th SEMAT Workshop on General Theory of Software Engineering (GTSE). Washington: IEEE Computer Society, 2015. P. 33–38.

19. Liu C., Jiang C., Hu H., Cai K.Y., Huang D., Yau S.S. Control-based approach to balance services performance and security for adaptive service based systems (ASBS) // 33rd Annual IEEE International Computer Software and Applications Conference (COMPSAC’09). Washington: IEEE Computer Society, 2009. P. 473–478.

20. Zhou Y., Taolue C. Software Adaptation in an Open Environment: A Software Architecture Perspective. Boca Raton: CRC Press, 2017.

21. Lemos R. Software Engineering for SelfAdaptive Systems. Berlin: Springer, 2009.


Дополнительные файлы

Для цитирования: Бождай А.С., Евсеева Ю.И., Гудков А.А. Применение методов интеллектуального анализа данных для реализации рефлексивной адаптации в системах e-learning. Открытое образование. 2017;(4):13-20. https://doi.org/10.21686/1818-4243-2017-4-13-20

For citation: Bozhday A.S., Evseeva Y.I., Gudkov A.A. Data mining methods application in reflexive adaptation realization in e-learning systems. Open Education. 2017;(4):13-20. (In Russ.) https://doi.org/10.21686/1818-4243-2017-4-13-20

Просмотров: 234

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1818-4243 (Print)
ISSN 2079-5939 (Online)