Opinnäytetyö: Kasvatus- ja luovien tehtävien käyttö tietokonemallinnuksen opetuksessa opiskelijoiden luovien kykyjen kehittämiseksi. Tietotekniikan rooli suunnitteluopiskelijoiden 3D-mallinnuksen opetusprosessissa

Luku 1. Mallit ja mallinnus tieteessä ja koulutuksessa.

1.1 Mallit ja mallinnus modernissa tieteessä.

1.2 Mallien soveltaminen koululaisten opetusprosessissa.

1.3 Tietokonesimulaatio opetuksessa.

Luku 2. Tietokoneoppimisen psykologiset ja pedagogiset perusteet.

2.1 Tietokonekoulutuksen psykologiset ja pedagogiset näkökohdat.

2.2 Ominaisuudet oppimistoimintaa ja sen hallinta tietokonekoulutuksen perusteella.

Luku 3 yläaste opiskellessaan aihetta "Molekyylifysiikka" tietokonesimulaatiolla.

3.1 Tietokonesimuloinnin tilan analyysi kappaleessa "Molekyylifysiikka".

3.2 Monien hiukkasten järjestelmien dynamiikan tietokonesimulointiin tarkoitetun kokeellisen ohjelman ominaisuudet ja sen käyttömahdollisuus opetusprosessissa.

3.3 Metodologia fysiikan oppituntien järjestämiseen ja johtamiseen 10. luokalla opiskellessa osiota "Molekyylifysiikka" kokeellisen ohjelman perusteella.

4.1 Kokeilun tehtävät ja toteutuksen organisointi.

4.2 Pedagogisen kokeilun tulosten analysointi.

Väitöskirjan esittely pedagogiikassa, aiheesta "Tietokonemallinnuksen käyttö oppimisprosessissa"

Yksi tärkeimmistä yhteiskunnan kehittämisen alueista on koulutus. Koulutus "toimii" tulevaisuutta varten, se määrittää jokaisen henkilön henkilökohtaiset ominaisuudet, hänen tietonsa, taitonsa, käyttäytymiskulttuurinsa, maailmankatsomuksensa ja luo siten yhteiskunnan taloudellisen, moraalisen ja henkisen potentiaalin. Tietotekniikat ovat yksi koulutuksen tärkeimmistä työkaluista, joten strategian laatiminen niiden kehittämistä ja käyttöä opetuksessa on yksi keskeisistä ongelmista. Tietotekniikan käyttö on näin ollen valtakunnallista merkitystä. Monet asiantuntijat uskovat, että tällä hetkellä tietokone mahdollistaa laadullisen läpimurron koulutusjärjestelmässä, koska opettaja on saanut käsiinsä tehokkaan opetustyökalun. Yleensä tietokoneistamisessa on kaksi pääsuuntaa. Ensimmäisen tavoitteena on varmistaa yleismaailmallinen tietokonelukutaito, toinen on käyttää tietokonetta oppimisen tehokkuutta lisäävänä työkaluna.

Koulutusjärjestelmässä erotetaan kaksi toimintatyyppiä: opetus ja oppiminen. N.F. Talyzina ja T.V. Gabai ehdotti pohtimaan tietokoneen roolia oppimisessa sen suorittaman toiminnon näkökulmasta.

Jos tietokone suorittaa opetustoiminnan johtamistehtävää, sitä voidaan pitää opettajaa korvaavana oppimisvälineenä, koska tietokone mallintaa oppimistoimintaa, esittää kysymyksiä ja vastaa opiskelijan vastauksiin ja kysymyksiin opettajana.

Jos tietokonetta käytetään vain opetustoiminnan välineenä, sen vuorovaikutus opiskelijoiden kanssa suoritetaan "tietokoneen käyttäjän" tyypin mukaan. Tässä tapauksessa tietokone ei ole oppimisväline, vaikka se voi välittää uutta tietoa. Siksi, kun he puhuvat tietokoneoppimisesta, he tarkoittavat tietokoneen käyttöä opetustoiminnan johtamiskeinona.

Huolimatta siitä, että koulutusohjelmille ei vielä ole olemassa yhtenäistä luokittelua, monet kirjoittajat erottavat niistä seuraavat viisi tyyppiä: koulutus, mentorointi, ongelmapohjainen oppiminen, simulointi ja mallintaminen, peli. Tietokonemalleilla on korkein sijoitus edellä mainituista. Mukaan V.V. Laptevin mukaan tietokonemalli on ohjelmistoympäristö laskennalliseen kokeeseen, jossa yhdistetään ilmiön tai prosessin matemaattiseen malliin perustuvat keinot interaktiiviseen vuorovaikutukseen kokeen kohteen kanssa sekä tiedon näyttötyökalun kehittäminen. Tietokonemallit ovat laskennallisen fysiikan pääkohde, jonka erottuva menetelmä on laskennallinen koe samalla tavalla kuin luonnollinen koe on kokeellisen fysiikan erottuva menetelmä. Akateemikko V.G. Razumovsky huomauttaa, että "tietokoneiden käyttöönoton myötä koulutusprosessissa monien tieteellisen tiedon menetelmien mahdollisuudet lisääntyvät, erityisesti mallinnusmenetelmä, jonka avulla voit dramaattisesti lisätä oppimisen intensiteettiä, koska ilmiöiden ydin korostuu mallinnuksen aikana ja niiden yhteisyys käy selväksi."

Tietokoneoppimisen nykytilalle on ominaista suuri joukko koulutusohjelmia, jotka eroavat huomattavasti laadultaan. Pointti on, että päällä alkuvaiheessa Koulujen tietokoneistaminen Tietokoneopetusta käyttäneet opettajat loivat omia koulutusohjelmiaan, ja koska he eivät olleet ammattiohjelmoijia, heidän luomansa ohjelmat olivat tehottomia. Siksi yhdessä ohjelmien kanssa, jotka tarjoavat ongelmaoppiminen, tietokonesimulaatio ja niin edelleen, on olemassa iso luku primitiiviset koulutusohjelmat, jotka eivät vaikuta koulutuksen tehokkuuteen. Opettajan tehtävänä ei siis ole koulutusohjelmien kehittäminen, vaan kyky käyttää valmiita korkealaatuisia ohjelmia, jotka täyttävät nykyaikaiset metodologiset ja psykologiset ja pedagogiset vaatimukset.

Yksi mallinnusohjelmien didaktisen merkityksen pääkriteereistä on mahdollisuus tehdä tutkimusta, joka ei aiemmin ollut mahdollista koulun fysiikan laboratorion olosuhteissa. Liikuntakasvatuksen sisällössä on useita osioita, joissa täysimittainen kokeilu kuvaa vain laadullisesti tutkittavaa ilmiötä tai prosessia. Tietokonemallien käyttö mahdollistaisi myös näiden kohteiden kvantitatiivisen analyysin.

Yksi sellaisista koulufysiikan osista on molekyylifysiikka, tietokoneoppimisen tila, jossa analysoimme. Sitä opiskelemalla opiskelijat kohtaavat laadullisen uusi muoto aineen liike - lämpöliike, jossa mekaniikan lakien lisäksi toimivat myös tilaston lait. Luonnolliset kokeet (Brownin liike, diffuusio, molekyylien vuorovaikutus, haihtuminen, pinta- ja kapillaariilmiöt, kostutus) vahvistavat hypoteesin molekyylirakenne aineita, mutta eivät salli esiintyvien fysikaalisten prosessien mekanismia. Mekaaniset mallit: Sternin koe, Galtonin lauta, kaasulakeja osoittava asennus, mahdollistavat Maxwellin lain havainnollistamisen kaasumolekyylien jakautumisesta nopeuksille ja saada kokeellisesti paineen, tilavuuden ja lämpötilan väliset suhteet kaasulakien johtamiseen.

Nykyaikaisen elektronisen ja elektronisen laskentatekniikan käyttö voi merkittävästi täydentää kokeen muotoilua ja toteuttamista. Valitettavasti tätä aihetta käsittelevien teosten määrä on hyvin pieni.

Työssä kuvataan tietokoneen käyttöä eri kaasujen molekyylien nopeuden riippuvuuden lämpötilasta osoittamiseen, muutoksen laskentaa. sisäinen energia haihtumisen, sulamisen ja kiteytymisen aikana sekä tietokoneen käyttö prosessoinnissa laboratoriotyöt. Se antaa myös kuvauksen ihanteellisen lämpömoottorin hyötysuhteen määrittämisestä Carnotin syklin perusteella.

Elektronisia ja elektronisia tietokoneita käyttävän kokeen perustamismenetelmä on kuvattu V.V. Laptev. Kokeen kaavio näyttää tältä: mitatut arvot->anturit-^analogi-digitaalimuunnin-mikrolaskin MK-V4 tai Yamaha-tietokone. Tämän periaatteen mukaan opiskelua varten suunniteltiin universaali sähkömekaaninen asennus koulun kurssi kaasulakien fysiikka.

A.S. Kondratievin ja V.V. Laptevin kirjassa "Fysiikka ja tietokone" kehitettiin ohjelmia, jotka analysoivat kaavioiden muodossa molekyylien Maxwellin jakauman kaavaa nopeuksien mukaan, käyttävät Boltzmann-jakaumaa laskeakseen nousun korkeuden ja tutkivat Carnot sykli.

I.V. Grebenev esittelee ohjelman, joka simuloi lämmönsiirtoa kahden kappaleen hiukkasten törmäyksessä.

Artikkelissa "Fyysisen työpajan laboratoriotyön mallinnus" V.T. Petrosyan ja muut sisältävät ohjelman hiukkasten Brownin liikkeen mallintamiseksi, joiden lukumäärä asetetaan kokeella.

Molekyylifysiikan osan täydellisin ja menestynein kehitystyö on opetustietokonekurssi "Avoin fysiikka" LLP SC FISI-KON. Siinä esitetyt mallit kattavat koko molekyylifysiikan ja termodynamiikan kurssin. Jokaisessa kokeessa esitetään tietokoneanimaatio, kaaviot ja numeeriset tulokset. Laadukkaat, käyttäjäystävälliset ohjelmat antavat sinun tarkkailla prosessin dynamiikkaa syöttömakroparametreja muutettaessa.

Samalla tämä tietokonekurssi soveltuu mielestämme parhaiten käsitellyn materiaalin kokoamiseen, havainnollistamaan fysikaalisia lakeja, itsenäinen työ opiskelijat. Mutta ehdotettujen kokeiden käyttö tietokoneesittelyinä on vaikeaa, koska niillä ei ole metodologista tukea, on mahdotonta hallita käynnissä olevan prosessin aikaa.

On huomattava, että toistaiseksi "ei ole vakiintunutta näkemystä tietystä indikaatiosta: missä ja milloin tietokonetta käytetään oppimisprosessissa, ei ole saatu käytännön kokemusta arvioitaessa tietokoneen vaikutusta oppimisen tehokkuuteen, ei ole olemassa vahvistetut lakisääteiset vaatimukset laitteiston ja opetusohjelmiston tyypeille, tyypeille ja parametreille."

Kysymyksiä pedagogisten ohjelmistojen metodologisesta tuesta esitti I.V. Grebenev.

Tietokoneoppimisen tehokkuuden tärkeimpänä kriteerinä tulisi luultavasti pitää opiskelijoiden mahdollisuutta hankkia uutta, tärkeää tietoa aiheesta vuoropuhelussa tietokoneen kanssa, sellaisen tason tai luonteen kautta. kognitiivinen toiminta, jotka ovat mahdottomia koneettoman oppimisen kanssa, edellyttäen tietysti, että niiden pedagoginen vaikutus maksaa opettajan ja opiskelijan ajan.

Tämä tarkoittaa, että jotta tietokoneiden käyttö tuottaisi todellista hyötyä, on selvitettävä, millä tavalla olemassa oleva metodologia on epätäydellinen, ja osoitettava, mitkä tietokoneen ominaisuudet ja millä tavalla voivat lisätä koulutuksen tehokkuutta.

Tietokonesimuloinnin tilan analyysi osoittaa, että:

1) tietokonesimulaatiota edustaa pieni määrä ohjelmia yleensä ja erityisesti ne, jotka mallintavat fysikaalisia prosesseja molekyylikineettisen teorian (MKT) säännösten perusteella;

2) MKT:hen perustuvissa ohjelmissa ei ole kvantitatiivisia tuloksia, vaan vain laadullinen havainnollistaminen jostain fyysisestä prosessista;

3) kaikissa ohjelmissa hiukkasjärjestelmän mikroparametrien ja sen makroparametrien (paine, tilavuus ja lämpötila) välistä yhteyttä ei esitetä;

4) ei ole kehitetty metodologiaa oppituntien pitämiseksi tietokonesimulaatioohjelmilla useille MKT:n fyysisille prosesseille.

Tämä määrittää tutkimuksen merkityksen.

Tutkimuksen kohteena on oppimisprosessi lukiossa.

Tutkimuksen aiheena on tietokonesimulaatioiden käyttö fysiikan opetuksessa lukiossa.

Opinnäytetyön tarkoituksena on tutkia tietokonemallinnuksen pedagogisia mahdollisuuksia ja kehittää metodologista tukea tietokonemallinnusohjelmien käyttöön koulun fysiikan kurssin aineiston pohjalta.

Työssä asetettiin tutkimuksen tarkoituksen perusteella seuraavat tehtävät:

1) suorittaa kokonaisvaltaisen analyysin tietokonesimuloinnin käyttömahdollisuuksista oppimisprosessissa;

2) määrittää psykologiset ja pedagogiset vaatimukset koulutustietokonemalleille;

3) analysoida kotimaisia ja ulkomaisia tietokoneohjelmia, jotka simuloivat fyysisiä ilmiöitä ja antavat todellisen oppimisvaikutuksen;

4) kehittää välineen fyysisen sisällön materiaaliin perustuva tietokonesimulaatioohjelma Yleissivistävä koulutus(osio "Molekyylifysiikka");

5) tarkastaa kokeellisen tietokonesimulaatioohjelman soveltaminen ja arvioida sen didaktista ja metodologista tulosta.

Tutkimushypoteesi.

Opiskelijoiden tiedon, taitojen ja tietokulttuurin laatua voidaan parantaa, jos fysiikan opetuksessa käytetään tietokonesimulaatioohjelmia, joiden metodologinen tuki on seuraava:

Koulutustehtävien aikana tietokonemallinnuksen teoreettisia perusteita vastaavasti määritellään opetustietokonemallien paikka, aika, käyttötapa;

Opiskelijoiden toiminnan johtamisen muotojen ja menetelmien vaihtelua toteutetaan;

Koululaisia koulutetaan siirtymään todellisista esineistä malleihin ja päinvastoin.

Tutkimuksen metodologinen perusta on: systeeminen ja aktiivinen lähestymistapa pedagogisten ilmiöiden tutkimukseen; tietokonemallinnuksen filosofiset, kyberneettiset ja psykologiset teoriat (A.A. Samarsky, V.G. Razumovskiy, N.V. Razumovskaya, B.A. Glinsky, B.V. Biryukov, V.A. Shtoff, V.M. Glushkov ja muut); koulutuksen tietokoneistamisen psykologiset ja pedagogiset perusteet (V. V. Rubtsov, E. I. Mashbits) ja koulutuksen kehittämiskonsepti (L. S. Vygotsky, D. B. Elkonin, V. V. Davydov, N. F. Talyzina, P. Ya. Galperin). Tutkimusmenetelmät:

Tieteellinen ja metodologinen analyysi filosofisista, psykologisista, pedagogisista ja menetelmällinen kirjallisuus tutkittavasta ongelmasta;

Opettajien kokemusten analysointi, heidän oman kokemuksensa analyysi fysiikan opettamisesta lukio ja fysiikan menetelmät yliopistossa;

Kotimaisten ja ulkomaisten tekijöiden molekyylifysiikan mallinnustietokoneohjelmien analyysi ohjelman sisällön määrittämiseksi;

Mallintaminen fyysisiä ilmiöitä molekyylifysiikassa;

Tietokonekokeet, jotka perustuvat valittuihin simulointiohjelmiin;

Kysely, keskustelu, havainnointi, pedagoginen kokeilu;

menetelmät matemaattiset tilastot.

Tutkimuspohja: Vologdan koulut nro 3, 11, 17, Vologdan valtion luonnon- ja matemaattinen lyseo, Vologdan valtion pedagogisen yliopiston fysiikan ja matematiikan tiedekunta.

Tutkimus toteutettiin kolmessa vaiheessa ja siinä oli seuraava logiikka.

Ensimmäisessä vaiheessa (1993-1995) määriteltiin tutkimuksen ongelma, tarkoitus, tehtävät ja hypoteesi. Filosofista, pedagogista ja psykologista kirjallisuutta analysoitiin, jotta voidaan tunnistaa teoreettiset perusteet tietokonemallien kehittämiselle ja käytölle oppimisprosessissa.

Toisessa vaiheessa (1995 - 1997) suoritettiin kokeellista työtä tutkittavan ongelman puitteissa, ehdotettiin metodologinen kehitys tietokonesimulointiohjelmien käyttö fysiikan tunneilla.

Kolmannessa vaiheessa (1997 - 2000) suoritettiin kokeellisen työn analysointi ja yleistäminen.

Saatujen tulosten luotettavuuden ja pätevyyden takaavat: teoreettiset ja metodologiset lähestymistavat tietokonesimuloinnin ongelman tutkimiseen koulutuksessa; tulosten laadullisen ja määrällisen analyysin yhdistelmä, mukaan lukien matemaattisten tilastojen menetelmien käyttö; tutkimuksen tarkoitukseen ja aiheeseen sopivat menetelmät; tieteeseen perustuvat vaatimukset tietokonesimulointiohjelman kehittämiselle.

Jälkimmäinen vaatii selitystä. Olemme kehittäneet monien hiukkasten systeemien dynamiikan mallintamiseen tarkoitetun ohjelman, jonka liikkeen laskenta perustuu H. Gouldin ja J. Tobochnikin käyttämään Werlet-algoritmiin. Tämä algoritmi on yksinkertainen ja antaa tarkat tulokset jopa lyhyellä aikavälillä, ja tämä on erittäin tärkeää tilastollisia malleja tutkittaessa. Alkuperäinen ohjelmarajapinta mahdollistaa prosessin dynamiikan näkemisen ja järjestelmän parametrien muuttamisen ja tulosten korjaamisen, mutta mahdollistaa myös kokeen ajan muuttamisen, kokeilun pysäyttämisen, tämän kehyksen tallentamisen ja myöhemmän työn aloittamisen malli siitä.

Tutkittava järjestelmä koostuu hiukkasista, joiden nopeudet asetetaan satunnaisesti ja jotka ovat vuorovaikutuksessa toistensa kanssa Newtonin mekaniikan lakien mukaisesti ja molekyylien väliset vuorovaikutusvoimat esitetään Lennard-Johnson-käyrällä, eli ohjelma sisältää mallin. oikeasta kaasusta. Mutta alkuperäisiä parametreja muuttamalla on mahdollista saada malli ihanteelliseen kaasuun.

Esittämämme tietokonesimulointiohjelma mahdollistaa numeeristen tulosten saamisen suhteellisissa yksiköissä, jotka vahvistavat seuraavat fysikaaliset lait ja prosessit: a) hiukkasten (molekyylien) vuorovaikutusvoiman ja potentiaalienergian riippuvuus niiden välisestä etäisyydestä; b) Maxwellin nopeusjakauma; c) molekyylikineettisen teorian perusyhtälö; d) Boyle-Mariotten ja Charlesin lait; e) Joulen ja Joule-Thomsonin kokeet.

Yllä olevat kokeet voivat vahvistaa tilastollisen fysiikan menetelmän pätevyyden, koska numeerisen kokeen tulokset vastaavat tilaston lakien perusteella saatuja tuloksia.

Pedagoginen kokeilu vahvisti menetelmän tehokkuuden tietokonesimulaatioohjelmien avulla tapahtuvaan oppituntien johtamiseen.

Tutkimuksen tieteellinen uutuus ja teoreettinen merkitys:

1. Oppimisprosessissa käytettävästä tietokonemallintamisesta (filosofinen, kyberneettinen, pedagoginen) on tehty kattava kuvaus.

2. Tietokoneen koulutusmallien psykologiset ja pedagogiset vaatimukset on perusteltu.

3. Monien hiukkasten dynamiikan tietokonesimulaatiomenetelmää sovellettiin, mikä mahdollisti ensimmäistä kertaa molekyylifysiikan koulun aikana ideaalikaasun tietokonemallin luomisen, joka mahdollistaa sen välisen suhteen osoittamisen. järjestelmän mikroparametrit (liikkuvien hiukkasten nopeus, liikemäärä, kinetiikka, potentiaali ja kokonaisenergia) makroparametreilla (paine, tilavuus, lämpötila).

4. Fysiikan metodologian tietokonesimulointiohjelmien perusteella suoritettiin seuraavat numeeriset kokeet: saatiin molekyylikineettisen teorian perusyhtälö; lämpötilan ja hiukkasten (molekyylien) translaatioliikkeen kineettisen energian välinen suhde on esitetty; Joule- ja Joule-Thomson-kokeet ihanteellisille ja todellisille kaasuille mallinnetaan.

Tutkimuksen käytännön merkitys on siinä, että valitulla sisällöllä ja kehitetyillä tietokonesimulaatioohjelmilla voidaan tehdä lukiossa numeerista koetta useista molekyylifysiikan kysymyksistä. Kokeessa on kehitetty ja testattu tekniikka molekyylifysiikan oppituntien pitämiseksi mallintavien tietokoneohjelmien avulla. Tutkimuksen materiaaleja ja tuloksia voidaan soveltaa myös pedagogisten korkeakoulujen opiskelijoiden opetusprosessissa sekä fysiikan ja tietojenkäsittelytieteen opettajien jatkokoulutuksessa.

Tutkimuksen aikana saatujen tärkeimpien materiaalien ja tulosten hyväksyntä suoritettiin

Kansainvälisessä elektronisessa tieteellisessä ja teknisessä konferenssissa (Vologda, 1999);

Yliopistojen välisessä tieteellisessä ja käytännön konferenssissa "Nuorten muuttuviin elinoloihin sopeutumisen sosiaaliset näkökohdat" (Vologda, 2000);

Toisessa alueellisessa tieteellisessä ja metodologisessa konferenssissa " Nykyaikaiset tekniikat korkealla ja keskellä ammatillinen koulutus» (Pihkova, 2000);

Kuudennessa koko Venäjän tieteellis-käytännöllisessä konferenssissa "Kasvatusfysikaalisen kokeen ongelma" (Glazov, 2001);

Opettaessaan fysiikkaa Vologdan kaupungin lukioissa, fysiikan opetusmenetelmien luokissa VSPU:n opiskelijoiden kanssa, seminaareissa VSPU:n jatko-opiskelijoille ja yleisen fysiikan ja tähtitieteen laitoksen opettajille.

Seuraavat toimitetaan puolustukseksi:

1. Teoreettiset lähestymistavat tietokonesimuloinnin käyttöön oppimisprosessissa ja sen metodologinen tuki.

3. Metodologia fysiikan oppituntien järjestämiseen ja suorittamiseen lukion 10. luokalla opiskellessa aihetta "Molekyylifysiikka" tietokonesimulaatio-ohjelman pohjalta.

Väitöskirjan rakenne.

Väitöskirjan rakenteen määrää tehtävien ratkaisun logiikka ja järjestys. Väitöskirja koostuu johdannosta, neljästä luvusta, päätelmästä ja bibliografiasta.

Väitöskirjan johtopäätös tieteellinen artikkeli aiheesta "Yleinen pedagogiikka, pedagogiikan ja kasvatuksen historia"

Tämän seurauksena teoreettinen ja esitutkimus onnistui määrittelemään suunnat molekyylifysiikan kurssin opetuksen parantamiseksi 10. luokalla hiukkassysteemien dynamiikan opetustietokonemallien avulla. Kehittämiseen kiinnitettiin erityistä huomiota ohjeita mallityön sisällyttämisestä oppitunneille ja esimerkkiskenaarioiden laatimisesta näille tunneille tietokonemallien käyttöön perustuen.

Tämä mahdollisti koulutuksen tehokkuuden lisäämisen, toteuttamisen yksilöllinen lähestymistapa, kehittää sellaisia persoonallisuuden piirteitä kuin havainnointi, itsenäisyys, muodostaa tietokulttuurin elementtejä.

PÄÄTELMÄ

Tutkimuksen tavoitteiden mukaisesti saatiin seuraavat päätulokset:

1. Mallien ja mallinnuksen tutkimusta käsittelevän kirjallisuuden analyysi mahdollisti joukon teoreettisia näkemyksiä, jotka kuvaavat niitä epistemologisista, kyberneettisistä ja muista asennoista. Mallintaminen on universaali menetelmä maailman tuntemiseen. Ja malleilla on mallinnusprosessin seurauksena monipuolinen arvo. Mallien käyttö mahdollistaa monimutkaisten luonnonilmiöiden yksinkertaistamisen ja samalla korostaa kohteen monimutkaisimpia puolia. Tämä mahdollistaa pääsääntöisesti tiedon käsittelyyn parhaiten soveltuvan matemaattisen kuvauskielen käyttämisen, kvantitatiivisten kokeelliseen verifiointiin käytettävien tulosten saamisen ja näiden tulosten korreloinnin todellisen kohteen kanssa. Oppimisprosessi on eräänlainen analogi tieteellisen tiedon prosessille. Ja koska tieteellisellä tiedolla on taipumus yksinkertaistaa todellisten esineiden kuvaamista malliesitysten avulla, mallien ja simulaation käyttö opetuksessa on katsottava perustelluksi. Mallinnusta käytetään laajasti kouluopetuksessa, erityisesti sen nykyaikaista muotoa - tietokonemallinnusta. Tietokonemalleissa yhdistyvät koulutusmallien edut, erityisesti mahdollisuus abstrakteihin ja dynaamisten järjestelmien käyttäytymisen tutkimiseen, tietokoneen simulointiominaisuuksiin ja erilaisiin tiedon käsittely-, tallennus- ja hankintatapoihin. Siksi yhdistämällä mallinnuksen edut tietokoneen ominaisuuksiin voit saada melko vahvan vaikutuksen oppimiseen, jota kutsuimme oppimisen kognitiiviseksi resonanssiksi.

2. Edellä mainituista määräyksistä on tullut teoreettinen perusta koulutus tietokonesimulaatiolla. Tämä perustelu on monipuolinen: se sisältää tiedotus-, psykologisia ja didaktisia näkökohtia.

Informaatioon kuuluu:

Mahdollisuus hankkia uutta tietoa;

Tietojen valinnan toteuttaminen;

Opiskelijoiden tietokulttuurin kehittäminen.

Tietokonemallinnuksen mahdollisuuksien toteuttamisen psykologinen puoli koulutuksessa heijastaa:

Opiskelijan ja ympäröivien esineiden suhteen erityisluonne (oppilaan, opettajan ja tietokoneen välisen suhteen kolminkertaisuus), mikä mahdollistaa monipuolisemman lähestymistavan opetustoiminnan rakentamiseen;

Laajemmat mahdollisuudet yksilöllisen lähestymistavan toteuttamiseen;

Vaikutus koululaisten kognitiiviseen kiinnostukseen;

Havainnon, muistin, ajattelun, mielikuvituksen henkiset ominaisuudet;

Uusia mahdollisuuksia kommunikatiiviseen oppimisen järjestämiseen.

Tietokonemallien käytön didaktinen puoli koulussa on, että se tulee mahdolliseksi

Toteuttaa opetuksen didaktiset perusperiaatteet;

Käyttää useita muotoja oppimisprosessin organisointi;

kehittää ja toteuttaa oppimistavoitteita;

Valitse tutkittavan materiaalin sisältö käytettävien tietokonemallien mukaan;

Hanki laadukkaasti uusia oppimistuloksia.

3. Psykologisen ja pedagogisen kirjallisuuden tutkimuksen perusteella voidaan erottaa kolme pääasiallista tietokoneiden käyttöön liittyvien ongelmien ryhmää: ensimmäinen liittyy oppimisen teoreettiseen perusteluun, toinen on ongelmana järkevän tekniikan luominen tietokoneelle. ja kolmas yhdistää koulutusohjelmien suunnittelun psykologiset ja pedagogiset näkökohdat. Näiden ongelmien ratkaisutapojen analyysi antoi meille mahdollisuuden tunnistaa useita vaatimuksia, jotka on otettava huomioon koulutusohjelmia suunniteltaessa. Näihin vaatimuksiin kuuluvat havainnon, muistin, koululaisten ajattelun psykologiset ominaisuudet, koulutustoiminnan järjestäminen, tietokoneen dialogiominaisuuksien toteuttaminen. Tietokoneen opetussuunnitelmia kehitettäessä huomioidaan muun muassa ohjelman sisältö, sen toteuttamat didaktiset tavoitteet, opetustoiminnot, ohjelman opetusprosessiin sisällyttämisen paikka ja aika, metodologinen tuki, kirjanpito iän ominaisuudet lasten kehitystä.

4. Kotimaisen ja ulkomaisen tuotannon mallinnusohjelmien ominaisuuksien tutkiminen mahdollisti niiden joukosta tunnistamisen, jotka soveltuvat käytettäväksi toisen asteen molekyylifysiikan opetusprosessissa. Kotimainen opetustietokonekurssi "Avoin fysiikka" LLP NCC PHYSICON koostuu joukosta korkealaatuisia demonstraatioita, joiden avulla voit tarkkailla molekyyli- ja termodynaamisten prosessien dynamiikkaa. Mutta täydellisin kaasumolekyylien kaoottisen liikkeen tietokonesimulaatio on esitetty X. Gouldin ja J. Tobochnikin työssä "Tietokonesimulaatio fysiikassa". Tämä monien hiukkasten järjestelmien dynamiikkaa simuloiva ohjelma mahdollistaa yhteyden muodostamisen liikkuvien hiukkasten mikroparametrien ja kaasun makroparametrien välille.

5. H. Gouldin ja J. Tobochnikin ehdottaman monien hiukkasten järjestelmien dynamiikan mallin pohjalta olemme kehittäneet tietokonesimulointiohjelman ja tehtäväjärjestelmän molekyylikineettisen teorian perusteiden tutkimiseksi tietokoneella. Ohjelmarajapintaa luotaessa nojauduimme ensimmäisessä ja toisessa luvussa käsiteltyihin tietokonesimulointiohjelmien vaatimuksiin. Valitsimme ohjelman sisällön, määritimme didaktiset tehtävät, otimme huomioon koululaisten mahdolliset virheet ja auttoimme poistamaan ne. Tuloksena oleva tietokonemalli on dynaaminen, rakenteellis-systeeminen, muuttuva ja sillä on sellaisia ominaisuuksia kuin näkyvyys, tiedon sisältö, hallinnan helppous, ohjelman syklisyys.

6. Molecular Physics -osion holistiseen tutkimukseen on kehitetty metodologia, joka kattaa koko materiaalimäärän suhteellisen itsenäisestä aiheesta. Luokat perustuvat tietokonemallin vaihteluun, mikä mahdollistaa mallinnusohjelman sisällyttämisen oppitunnille eri muodoissa, erilaisia kommunikaatiotapoja opettajan, opiskelijan ja tietokoneen välillä sekä mahdollisuuden muuttaa tietokonekoulutuksen rakennetta.

7. Kokeellinen vahvistus kehitetty menetelmä oppituntien pitämiseksi tietokonetuella osoitti tehokkuutensa. Vertaileva analyysi vertailu- ja koeluokan opiskelijoiden tiedon laadusta tehtiin tilastollisin menetelmin. Havaitsimme, että koeryhmän opiskelijoiden tiedon laatu on korkeampi kuin vertailuryhmän opiskelijoiden, ja siksi tätä tekniikkaa mahdollistaa yksilöllisen lähestymistavan toteuttamisen, mahdollistaa kognitiivisen kiinnostuksen, opiskelijan henkisen toiminnan, itsenäisyyden kehittämisen, tietokulttuurin elementtien muodostamisen.

Opettajan avun mitta;

Tietokoneella työskentelyn saniteetti- ja hygieniavaatimusten huomioiminen.

Väitöskirjan lähdeluettelo tieteellisen työn kirjoittaja: pedagogisten tieteiden kandidaatti, Rozova, Natalia Borisovna, Vologda

1. Agapova, O. Projekti-luova koulutusmalli / O. Agapova, A. Krivosheev, A. Ushakov // Alma Mater (Vestnik vyssh. shk.). 1994 - nro 1. - S. 19.

2. Balykina, E.H. Koulutuksen uudet tietotekniikat yhteiskuntatieteet/ E.N.Balykina // Sähköisten tietokoneiden käyttötavat tieteellisessä tutkimustyö: la. tieteellinen Taide. (Materiaaleista luova keskustelu.). - M., 1991. - S.95 - 99.

3. Balykina, E.H. Tekniikka tietokoneiden koulutusohjelmien tuotantoon historiallisilla tieteenaloilla / E.N. Balykina // Kokemus historiallisen koulutuksen tietokoneistamisesta IVY-maissa: Artikkelikokoelma. / Toim.: V.N. Sidortsov, E.N. Balykina. Minsk, 1999. - S. 135-149.

4. Bellman, R. Dynaaminen ohjelmointi / R. Bellman M., 1960. - 400s.

5. Belostotsky, P.I. Tietokonetekniikat: Sovrem, fysiikan ja tähtitieteen oppitunti / P.I. Belostotsky, G.Yu. Maksimova, N.N. Gomulina // Ensimmäinen syyskuu. 1999 - nro 20. - S. 3. - (Fysiikka).

6. Berger, N.M. Tilastollisten käsitteiden kehittäminen molekyylifysiikassa / N.M.Berger // Physics in School. 1993. - N5. - S. 38-42.

7. Berseneva, N.B. Tietokonemallinnuksen tila lukion molekyylifysiikan ja termodynamiikan aikana / NB Berseneva // La. tieteellinen VSPU:n opiskelijoiden ja jatko-opiskelijoiden töitä. Vologda, 1996. - Numero 4. - S. 307310.

8. Bespalko, V.P. Pedagogisen tekniikan komponentit / V.P.Bespalko - M.: Pedagogia, 1989. 192s.

9. Bill, G.A. Teoreettinen analyysi koulutusohjelmat: Soob. 1: Uusi tutkimus pedagogisissa tieteissä / G.A.Bill, A.M.Dovchenko, E.I.Mashbits // 1965.-Iss. 4.-S.

10. Biryukov, B.V. Mallintaminen / B.V. Biryukov // Filosofi, Encyclopedia. sanat. -M., 1989. S.373-374.

11. Biryukov, B.V. Malli / B.V. Biryukov // Philosoph.encyclopeed. sanat. M., 1989. - S.373-374.

12. Bukhovtsev, B.B. Uusi oppikirja luokalle 9 / B.B. Bukhovtsev, Yu.L. Klimontovich, G.Ya. Myakishev // Fysiikka koulussa. 1971. - Nro 1. - S. 22-23.

13. Bukhovtsev, B. B. Physics-9: Proc. 9 solulle. keskim. koulu / B.B. Bukhovtsev, Yu.L. Klimontovich, G.Ya. Myakishev. -M.: Enlightenment, 1971. 271 s.

14. Bukhovtsev, B.B. Physics-9: Proc. 9 solulle. keskim. koulu / B.B. Bukhovtsev, Yu.L. Klimontovich, G.Ya. Myakishev. M.: Enlightenment, 1986. - 271 s.

15. Bukhovtsev, B.B. Fysiikka: Proc. 10 solulle. keskim. koulu / B.B. Bukhovtsev, Yu.L. Klimontovich, G.Ya. Myakishev. -M.: Enlightenment, 1990.

16. Vagramenko, Ya.A. Tietokoneen koulutusohjelmien sertifioinnista / Ya.A. Vagramenko // Humanitaarisen peruskoulutuksen informatisointi korkea-asteen koulutuksessa: Proc. raportti yliopistojen välinen tieteellinen menetelmä, konf. - M., 1995. - S. 55 - 57.

17. Williams, F. Tietokoneet koulussa / F. Williams, K. McLean. M., 1998. - 164 s.

18. Tietokoneistukseen liittyvät kysymykset koulutusprosessi: työkokemuksesta: Kirja. opettajalle / Comp. N.D. Ugrinovich; Ed. L.P. Naskali. M.: Enlightenment, 1987. - 128 s.

19. Gabai, T.V. Automatisoitu oppimisjärjestelmä psykologin näkökulmasta / T.V.Gabay // Tietokonekoulutuksen psykologiset-pedagoogiset ja psykofysiologiset ongelmat: la. tr. M., 1985. - S. 25-32.

20. Gabai, T.V. Kasvatuspsykologia: Proc. korvaus / T.V. Gabay. M.: Moskovan kustantamo. un-ta, 1995. - 160 s.

21. Gamezo, M.V. Merkkien ja ikonisten mallien roolista ja toiminnasta johtamisessa kognitiivinen toiminta ihminen // Ihmisen kognitiivisen toiminnan hallinnan teoreettiset ongelmat. -M., 1975.

22. Gvaramia, G. Kokemus tietokoneen kehittämisestä opetusvälineet fysiikassa / G. Gvaramia, I. Margvelashvili, L. Mosiashvili// INFO. 1990. - nro 6. - S. 79.

23. Gladysheva, N.K. Tilastolliset mallit Opiskelijoiden tiedon ja taitojen muodostuminen / N.K. Gladysheva, I.I. Nurminsky. M.: Pedagogia, 1991. -221s.

24. Glinsky, B.A. Mallintaminen tieteellisen tutkimuksen menetelmänä. Gnoseologinen analyysi / B.A. Glinsky, B.S. Gryaznov, B.S. Dynin, E.P. Nikitin. M.: MGU, 1965. - 248s.

25. Glushkov, V.N. Tietomallinnuksen gnoseologinen luonne / VN Glushkov // Filosofian kysymyksiä. 1963.- nro 10 - S. 13-18.

26. Glushkov, V.N. Ajattelu ja kybernetiikka / V.N. Glushkov // Filosofian kysymyksiä. 1963. -№1. - P.36-48.

27. Grebenev, I.V. Koulutietokoneiden käyttö molekyylifysiikan tärkeimpien käsitteiden muodostamiseen / I.V. Grebenev // Fysiikka koulussa. -1990. Nro 6. -KANSSA. 44-48.

28. Grebenev, I.V. Kouluopetuksen tietokoneistamisen metodologiset ongelmat / IV Grebenev // Pedagogiikka. 1994.-№5. - S. 46-49.

29. Gould, X. Tietokonemallinnus fysiikassa. Osa 1 / H. Gould, J. Tobochnik. -M.: Mir, 1990.-353 s.

30. Davydov, V.V. Koulutuksen kehittämisen ongelmat: kokemus teoreettisesta ja kokeellisesta psykologisesta tutkimuksesta / VV Davydov. M.: Pedagogiikka, 1986. - 240s.

31. Danilin, A.R. Koulutusohjelmien soveltaminen koulussa / A.R. Danilin, N.I. Danilina. Sverdlovsk: Kustantaja Sverdlov.ped.in-ta, 1987. - 35 s.

32. Demushkin, A.S. Tietokoneen koulutusohjelmat / A.S.Demushkin, A.I.Kirillov, N.A.Slivina, E.V.Chubrov //Informatiikka ja koulutus. 1995. - nro 3. - S. 15-22.

33. Jaliashvili, 3.0. Tietokonetestit historiassa dialogin elementeillä / 3.0 Dzhaliashvili, A.V. Kirillov // NIT koulutuksessa: Proceedings of the Intern. konf. T.III: Historiallinen informatiikka. Minsk, 1996. - S. 13 - 16.

34. Dusavitsky, A.K. Henkilökohtainen kehitys koulutustoiminnassa /

35. A.K. Dusavitsky M.: Pedagogian talo, 1996. - 208 s.

36. Zagvyazinsky, V.I. Didaktisen tutkimuksen metodologia ja menetelmät /

37. V.I.Zagvyazinsky. -M.: Pedagogiikka, 1982.- 160-luku.

38. Zworykin, B.S. Fysiikan opetusmenetelmät lukiossa: Molekyylifysiikka. Sähködynamiikan perusteet / B.S. Zworykin M.: Enlightenment, 1975. - 275 s.

39. Zorina, L.Ya. Didaktiset perusteet lukiolaisten systemaattisen tiedon muodostumiselle / L.Ya. Zorin. M., 1978. -128 s.

40. Fysiikan opiskelu kouluissa ja luokissa aiheen syvällisellä opiskelulla. 4.1: Metodinen Suositukset / Comp. HELVETTI. Glaser. M., 1991.

41. Ingenkamp, K. Pedagoginen diagnostiikka / K. Ingenkamp. M.: Pedagogiikka, 1991. - 240s.

42. Kabardin, O.F. Kokemuksesta opettamisesta 9. luokalla osiossa "Molekyylifysiikka" / O.F.Kabardin // Fysiikka koulussa. 1975. - nro 5. - S. 34; Nro 6. - S. 28.

43. Kavtrev, A.F. Fysiikan tietokoneohjelmat lukiolle / A.F. Kavtrev // Tietokonetyökalut koulutuksessa. 1998. - nro 1. - S. 42-47.

44. Kamenetsky, S.E. Mallit ja analogiat lukion fysiikan kurssilla /

45. S.E. Kamenetsky, N.A. Solodukhin. -M.: Enlightenment, 1982. 96s.

46. Kaptelinin, V.N. Psykologiset ongelmat koululaisten tietokonelukutaidon muodostuminen / V.N. Kaptelin // Vopr. psykologia. 1986. - nro 5. - S. 54-65.

47. Katysheva, I.A. Koulutuksen tietokoneistamiseen liittyvät kysymykset / I.A.Katysheva // Vopr. psykologia. 1986. - nro 5. - S. 73.

48. Kikoin, A.K. Fysiikka-9: Prob. oppikirja / A.K.Kikoin, I.K.Kikoin, S.Ya.Shamash, E.E.Evenchik. M.: Enlightenment, 1979. - 224 s.

49. Kikoin, A.K. Fysiikka-9: Prob. oppikirja / A.K.Kikoin, I.K.Kikoin, S.Ya.Shamash, E.E.Evenchik. M.: Enlightenment, 1982. - 224 s.

50. Kikoin, A.K. Fysiikka-9: Prob. oppikirja / A.K.Kikoin, I.K.Kikoin, S.Ya.Shamash, E.E.Evenchik. M.: Enlightenment, 1984. - 224 s.

51. Kikoin, A.K. Fysiikka 10: Proc. 10 solulle. koulu (luokat) syvällisellä fysiikan opiskelulla / A.K. Kikoin, I.K. Kikoin, S.Ya. Shamash, E.E. Evenchik. M.: Enlightenment, 1992. - 189 s.

52. Kikoin, I.K. Joitakin kysymyksiä molekyylifysiikan esitysmenetelmästä 9. luokalla / I.K.Kikoin // Fysiikka koulussa. 1980. - nro 5. - P.31-37.

53. Klaus, G. Johdanto differentiaalipsykologia opetukset: Per. hänen kanssaan. / G. Klaus; Ed. I.V. Ravich Shcherbo. - M.: Pedagogiikka, 1987. - 176 s.

54. Kozeletsky, Yu. Psykologinen päätösteoria / Yu. Kozeletsky. M.; 1979.- 504 s.

55. Kolpakov, A. Tietotekniikka / A. Kolpakov // Ihmiset. koulutus.-2000. Nro 6. - S. 154-157.

56. Tietokone opetuksessa: psykologiset ja pedagogiset ongelmat: Pyöreä pöytä // Vopr. psykologia. 1986. - nro 6. - P.42-66.

57. Kondratiev, A.B. Fysiikka ja tietokone / A.B. Kondratjev, V.V. Laptev. L .: Leningradin valtionyliopiston kustantamo, 1989. - 328s.

58. Konovalets, L.S. Kognitiivinen itsenäisyys opiskelijat tietokonekoulutuksen olosuhteissa / L.S. Konovalets // Pedagogiikka. 1999. - nro 2. - S. 4650.

59. Kornev, G.P. Fyysisten kappaleiden ja ilmiöiden mallit / G.P. Kornev. Magadan, 1977. - 123 s.

60. Kochergin, A.N. Ajattelun mallinnus / A.N. Kochergin. M.: Politizdat, 1969. - 224s.

61. Krivosheev, A.O. Tietokonetuki oppimisjärjestelmille /

62. A.O. Krivosheev // Informatisoinnin ongelmat lukio: Härkä. 1998. - nro 1-2 (11-12).-S. 179-183.

63. Krivosheev, A.O. kilpailu" Elektroninen oppikirja» / A.O. Krivosheev, S.S. Fomin // Tietotekniikka korkeakoulutuksessa M.: Moskovan valtionyliopiston kustantamo, 1994.

64. Kubitsky, V.A. Demonstraatio ja laboratoriokokeet lämpötilan käsitteen käyttöönotolla / V.A. Kubitsky // Fysiikka koulussa. 1983 - nro 5. - S. 66-68.

65. Kuznetsova Yu.V. Erikoiskurssi "Tietokonemallinnus fysiikassa" / Yu.V. Kuznetsova // Fysiikka koulussa. 1998. - nro 6. - S. 41.

66. Lalle, R. Pedagoginen tekniikka kehitysmaiden yliopistoissa. Näkymät / R. Lalle // Vopr. koulutus. 1987. - nro 3. - S. 25-38.

67. Laptev, V.V. Nykyaikainen elektroninen tekniikka fysiikan opetuksessa koulussa /

68. V.V. Laptev. Leningrad: Leningrad Publishing House, työvaltion Punaisen lipun ritarikunta. ped. in-ta im. A.I. Herzen, 1988. - 84s.

69. Leontiev, A.N. Toiminta. Tietoisuus. Persoonallisuus / A.N.Leontiev. -M.: Politizdat, 1975. 304 s.

70. Leites, N.S. Teplov ja yksilöllisten erojen psykologia / N.S. Leites // Vopr. psykologia. 1982. - nro 4.

71. Luppov, G.D. Molekyylifysiikka ja sähködynamiikka viitteissä ja kokeissa: Kirja. opettajalle / G.D. Luppov. M.: Enlightenment, 1992. -256 s.

72. Lvovsky, M.V. Fysiikan opettaminen tietokoneilla / M.V. Lvovsky, G.F. Lvovskaya // Informatiikka koulussa. 1999. - nro 5. - S. 49-54.

73. Laudis, V.Ya. Automatisoidun oppimisen psykologia ja käytäntö / V.Ya. Laudis, O.K. Tikhomirov // Psykologian kysymyksiä. 1983. - nro 6. - S. 16-27.

74. Manina, E. Kokemusta tietokonetestauksen käytöstä fysiikan tunneilla / E. Manina // Tiede ja koulu. 1999. - nro 4. - S. 56-57.

75. Matjuškin, A.M. Ajankohtaisia aiheita koulutuksen tietokoneistaminen /

76. A.M. Matjuškin // Vopr. psykologia. 1986. - nro 5. - S. 65-67.

77. Mashbits, E.I. Vuoropuhelu oppimisjärjestelmässä / E.I. Mashbitz,

78. B.V. Andrievskaja, E. Yu. Komissarov.- Kiova: B.I., 1987. 140 s.

79. Mashbits, E.I. Vuoropuhelu oppimisjärjestelmässä / E.I. Mashbits, V.V. Interersky, E.Yu. Komissarova. Kiova: Lukio, 1989. - 184 s.

80. Mashbits, E.I. Koulutusongelmien ratkaisumallin ominaisuuksista / E.I. Mashbitit // Vopr. psykologia. 1973. - nro 6. - S. 53-58.

81. Mashbits, E.I. Koulutuksen tietokoneistaminen: ongelmat ja tulevaisuudennäkymät / E.I. Mashbitit. M.: Knowledge, 1986. - 80 s. - (Uutta elämässä, tieteessä, tekniikassa: Pedagogia ja psykologia; nro 1).

83. Mashbits, E.I. Koulutustoiminnan johtamisen psykologiset perusteet / E.I. Mashbits Kiiv: Korkeampi. koulu, 1987. - 223 s.

84. Mashbits, E.I. Tietokoneistumisen psykologiset ja pedagogiset näkökohdat / E.I. Mashbitit // Vestn. korkeampi koulu - 1986. Nro 4. - S.39-45.

85. Mashbits, E.I. Koulutuksen tietokoneistamisen psykologiset ja pedagogiset ongelmat / E.I. Mashbits- M .: Pedagogia, 1988. 192 s. - (Pedagoginen tiede - kouluuudistus).

86. Minina, E.E. Didaktiset ehdot tietotekniikan käytölle fysiikan opetuksessa lukiossa: Tiivistelmä opinnäytetyöstä. dis. cand. ped. Tieteet / E.E. Minina - Jekaterinburg, 1994 17 s.

87. Mikhailychev, E. Didaktisten testien typologia kehittämisessä ja tarkastelussa / E. Mikhalychev // Alma Mater (Vestn. vyssh. shk.). -1997.- №2 S. 16-17.

88. Molotkov, N.Ya. Termodynamiikan tärkeimpien käsitteellisten määräysten syventäminen / N.Ya. Molotkov // Fysiikka koulussa. 1997. - N6 - S. 50-53.

89. Monakhov, V.M. Koulutuksen tietotekniikka kouluuudistuksen metodologisten tehtävien näkökulmasta / V.M. Munkit // Vopr. psykologia-1988.-№2.-s. 27-36.

90. Multanovsky, B.B. Lämpötilan käsitteen ja molekyylikineettisen teorian pääsäännösten tutkimuksesta / V.V. Multanovsky, A.S. Vasilevsky // Fysiikka koulussa, 1988. - Nro 5. - S. 36-39.

91. Myakishev, G.Ya. Ihanteellinen kaasu ja lämpötilan käsite / G.Ya. Myakishev, N.V. Khrustal, S.Ya. Shamash, E.E. Evenchik // Fysiikka koulussa. 1986. - nro 5 - S. 4546.

92. Myakishev, G.Ya. NOIN eri tavoilla ihanteellisen kaasun tilayhtälön johtaminen lukion fysiikan kurssilla / G.Ya. Myakishev // Fysiikka koulussa.- 1980.-№5.-S. 37-41.

93. Myakishev, G.Ya. Fysiikka. Proc. 10 solulle. Yleissivistävä koulutus laitokset / G.Ya. Myakishev, B.B. Bukhovtsev, H.H. Sotsky, - M .: Koulutus, 2001 - 336 s.

94. Myakishev, G.Ya. Fysiikka: Proc. fysiikan perusteelliseen tutkimukseen / G.Ya. Myakishev, A.Z. Sinyakov. M.: Bustard, 1998. - 350 s.

95. Nemtsev, A.A. Tietokonemallit ja laskennallinen kokeilu fysiikan koulukurssilla: Tiivistelmä opinnäytetyöstä. dis. . cand. ped. Tieteet / A.A. Nemtsev SPb., 1992.- 17 s.

96. Novik, I.B. Kyberneettisten mallien gnoseologiset ominaisuudet / I.B. Novik // Vopr. filosofia. - 1963. - Nro 8. s. 92-103.

97. Novik, I.B. Monimutkaisten järjestelmien mallintamisesta: Philos. essee / I.B. Novik-M.: Ajatus, 1965.-335 s.

98. Orlov, V.A. Fysiikan kokeet luokille 9-11 / V.A. Orlov. M.: School-Press, 1994.-96 s.

99. Tietokonelukutaidon perusteet / E.I. Mashbits, L.P. Babenko, JI.B. Wernick; Ed. A.A. Stognia-Kiova: Korkeampi. Koulu: Head Publishing House, 1988.-215 s.

100. Pedagogiikan ja korkeakoulupsykologian perusteet: Proc. korvaus / toim. A.B. Petrovsky-M.: Moskovan valtionyliopiston kustantamo, 1986.-304 s.

101. Paderina E.V. Mahdollisuus käyttää tietokonetta fysiikan opetuksessa / E.V. Paderina // Fysiikka koulussa. 2000. - nro 6. - S.27-34.

102. Pedagogia: Proc. opintotuki ped. yliopistot ja korkeakoulut / Toim. P.I. Pidkasistogo M.: RPA, 1996 - 604s.

103. Petrosyan, V.G. Fyysisen työpajan laboratoriotyön mallinnus / V.G. Petrosyan, R.M. Ghazaryan, D.A. Sidorenko // Informatiikka ja koulutus - 1999. Nro 2. - S. 59-67.

104. Piljugin, V.V. Konegrafiikka ja automaatio tieteellinen tutkimus/ V.V. Pilyugin, JI.H. Sumarokov, K.V. Frolov // Vestn. Neuvostoliiton tiedeakatemia.- 1985.-nro 10.-S. 50-58.

105. Lukion ohjelmat. Fysiikka. Astronomy-M.: Koulutus, 1992. 219 s.

106. Lukion ohjelmat. Fysiikka. Tähtitiede. Perusohjelmat kouluille (luokille), joissa on syvällinen fysiikan opiskelu. Fysiikka. Matematiikka. Sähkötekniikan ja radiotekniikan erikoiskurssi-M.: Koulutus, 1990 62 s.

107. Purysheva, N.S. Tilastollisten esitysten muodostamisesta luokissa, joissa on syvällinen fysiikan tutkimus / N.S. Purysheva, S.I. Desnenko // Fysiikka koulussa. 1993. - nro 5. - P.42-45.

108. Sosiologin työkirja. M.: Nauka, 1976. - 512 s.

109. Razumovskaya, N.V. Tietokone fysiikan tunneilla / N.V. Razumovskaya // Fysiikka koulussa. 1984. - nro 3. - S. 51-56.

110. Razumovskaya, N.V. Tietokonemallinnus koulutusprosessissa: Tiivistelmä opinnäytetyöstä. dis.cand. ped. Tieteet / N.V. Razumovskaya SPb., 1992. - 19 s.

111. Razumovski, V.G. Tietokone ja koulu: tieteellinen ja pedagoginen tuki / V.G. Razumovsky // Neuvosto, Pedagogiikka. 1985. - nro 9. - S.12-16.

112. Robert, I.V. Perspektiiviset tutkimussuunnat tieto- ja viestintäteknologian soveltamisen alalla koulutuksessa / I.V. Robert // Keskimääräinen prof. koulutus. 1998. - nro 3. - S. 20-24.

113. Rozova, N.B. Tietokonemallinnus fysiikan tunneilla aiheen "Molekyylifysiikka ja termodynamiikka" tutkimuksessa. Kasvatusfysikaalisen kokeen ongelmat: la. tieteellinen tr. / N.B. Rozova M., 2001.- Numero. 13.- S. 79-81.

114. Rozova, N.B. Koululaisten tietokulttuurin muodostuminen erityyppisiin toimintoihin sopeutumistekijänä / N.B. Rozova // Nuorten muuttuviin elämänolosuhteisiin sopeutumisen sosiaaliset näkökohdat: Conf. - Vologda, 2000. S. 91-92.

115. Rubtsov, V.V. Tietokone koulutusmallinnuksen välineenä / V.V. Rubtsov, A. Margolis, A. Pajitnov // Informatiikka ja koulutus. 1987. -№5. - P.8-13.

116. Rubtsov, V.V. Loogiset ja psykologiset perusteet tietokoneiden koulutusvälineiden käytölle oppimisprosessissa / V.V. Rubtsov // Psykologian instituutti: Publ.-M. 1990.

117. Rusan, S. Algoritminen oppiminen ja intuition kehittäminen / S. Rusan // Vestn. korkeampi koulu 1990. -№11. - S. 50.

118. Saveliev, A.Ya. Automatisoidut oppimisjärjestelmät / A.Ya. Saveliev // Tr. MVTU (354) / Toim.: A.Ya. Saveljeva, F.I. Rybakova. - M., 1981.

119. Salmina, N.G. Materialisoinnin tyypit ja toiminnot opetuksessa / N.G. Salmina.-M., 1981. 134 s.

120. Salmina, N.G. Merkki ja symboli koulutuksessa / N.G. Salmina M., 1988 - 287 s.

121. Kokoelma fysiikan didaktisia tehtäviä: Proc. käsikirja teknisille kouluille / G.I. Ryabovolov, R.N. Dadasheva, P.I. Samoilenko 2. painos - M .: Korkeampi. koulu, 1990.-512 s.

122. Scrolls, JI. P. Jälleen kerran lämpötilasta, sen määritelmästä ja mittausasteikosta / L.P. Scrolls //Fysiikka koulussa. - 1986. - Nro 5. - S. 46-48.

123. Scrolls, L.P. Lämpötilan käsitteen tutkimus / L.P. Scrolls // Fysiikka koulussa - 1976. - Nro 5. s. 38-42.

124. Scrolls, L.P. Termodynamiikan ja molekyylifysiikan tutkimus / L.P. Svitkov-M.: Valaistus, 1975 128 s.

125. Senko, Yu. Dialogi opetuksessa / Yu. Senko // Vestn. korkeampi koulu 1991-№5. - P.35-40.

126. Sidortsov, V.N. Tietokoneiden käytön tehokkuus ja rajoitukset historian opetuksessa yliopistossa: kokeen tulokset / V.N. Sidortsov, E.H. Balykin // Nar. koulutus. 1990.- Nro 12.- S. 73-75.

127. Smirnov, A.B. Koulutuksen informatisoinnin sosioekologiset ongelmat / A.V. Smirnov // Tiede ja koulu 1998. - nro 2 - s. 38-43.

128. Smolyaninova, O.G. Fysiikan tietokonetuntien järjestäminen koulutuksen kehittämisjärjestelmässä: Tiivistelmä opinnäytetyöstä. dis. .cand. ped. Tieteet / O.G. Smolyaninova.- SPb., 1992. 17 s.

129. Talyzina, N.F. Tietokoneiden käyttöönotto koulutusprosessissa tieteellinen perusta / N.F. Talyzina // Neuvosto, Pedagogiikka - 1985 - Nro 12.- S. 34-38.

130. Talyzina, N.F. Opetusprosessin automatisoinnin tavat ja mahdollisuudet / N.F. Talyzina, T.V. Gabay. - M., 1977. 412 s.

131. Talyzina, N.F. Tiedon assimilaatioprosessin hallinta / N.F. Talyzin. -M., 1975.-343s.

132. Pedagogisen kokeilun teoria ja käytäntö: Proc. korvaus / Toim.: A.I. Piskunova, G.V. Vorobjov. Moskova: Pedagogiikka, 1979 - 207 s.

133. Tikhomirov, O.K. Koulutuksen tietokoneistamisen psykologiset ja pedagogiset perusongelmat / O.K. Tikhomirov // Vopr. psykologia 1986.- №5. - S. 67-69.

134. Tulchinsky, M.E. Fysiikan laadulliset tehtävät lukiossa: Opas opettajille / M.E. Tulchinsky M.: Valaistus, 1972 - 240 s.

135. Riveissä V.V. Kaasulakien tutkiminen ottaen huomioon tieteellisen tiedon empiirisen ja teoreettisen tason erityispiirteet / V.V. Arvohenkilöt, Yu.R. Aliev, M.P. Papiev // Fysiikka koulussa. 1984. - Nro 5. - S. 21-27.

136. Physics: Proc. korvaus 10 solulle. koulut ja luokat syventämällä. fysiikan tutkimus / Toim. A.A. Pinsky. M.: Enlightenment, 1993 - 420 s.

137. Filimonov, G.A. Tietokone koulutuksen fyysisessä laboratoriossa / G.A. Filimonov, A.N. Gorlenkov // Uusien tietokonetekniikoiden soveltaminen koulutukseen: Proceedings. intl. konf. Troitsk, 1991.

138. Fokin, M.JI. Fysikaalisten ilmiöiden tietokonemallien rakentaminen ja käyttö koulutusprosessissa: Tiivistelmä opinnäytetyöstä. dis. .cand. ped. Tieteet / M.L. Fokin M, 1989. - 17 s.

139. Frolova, T.V. Tietokoneiden pedagogiset mahdollisuudet. Pääongelmat. Näkymät / T.V. Frolova. Novosibirsk: Tiede. Sib. Toim., 1988. - 172 s.

140. Kharitonov, A. Yu. Alakoululaisten tietokulttuurin muodostuminen fysiikan opetusprosessissa: Tiivistelmä opinnäytetyöstä. dis. .cand. ped. Tieteet / A.Yu. Kharitonov Samara, 2000. - 13s.

141. Shakhmaev, N.M. Fysiikka: Proc. 10 solulle. yläaste / N.M. Shakhmaev, S.N. Shakhmaev, D.Sh. Chodiev. M.: Enlightenment, 1992.- 240 s.

142. Shakhmaev, N.M. Fysiikan peruskurssi. Osa 2: Molekyylifysiikan ja sähködynamiikan perusteet: Kokeilu, oppikirja. 9 solulle. yläaste / N.M. Shakhmaev. Moskova: Koulutus, 1979.

143. Shenshev, JI.B. Tietokoneoppiminen: edistystä vai taantumista? /L.V. Shenshev // Pedagogiikka. 1992. - Nro 11-12. - S. 13-19.

144. Shtoff, V.A. Mallintaminen ja filosofia / V.A. Stoff. M.; L.: Nauka, 1966.-301 s.

145. Shutikova, M.I. Kysymykseen mallien luokittelusta / M.I. Shutikova // Tiede ja koulu - 1998. Nro 2. - S. 44-49.

146. Schukin, E.D. Joitakin kysymyksiä molekyylifysiikan opettamisesta / E.D. Shchukin // Fysiikka koulussa. 1986. - nro 5. - S. 42-45.

147. Evenchik, E.E. Ihanteellisen kaasun molekyylikineettisen teorian tutkimuksesta / E.E. Evenchik, S.Ya. Shamash // Fysiikka koulussa 1986 - nro 5 - S. 48-50.

148. Tietokone menee huomiseen // Tiede ja elämä. 1985. - nro 8. - S. 15-19.

149. Elkonin, D.B. Kirjasta "Selected Works" / D.B. Elkonin // Vestn. MA "Kehittävä koulutus". 1996. - nro 1. - P.56-63.

150. Adams, T. Tietokoneet oppimisessa: monivärinen takki // Computer Education. 1988.V.12. -#1. s. 1-6.

151 Cohen, V.B. Mikrotietokoneiden opetusohjelmien kriteerit ja arviointi // Koulutustekniikka. 1983. Nro 1.

152. Eysenck Perinnöllisyys ja ympäristö: keskustelun tila // Koulutusanalyysi. 1982. Nro 2.

153. Kulhavy R.W. Palaute kirjallisessa opetuksessa // Kasvatustutkimuksen katsaus. 1977. V. 47.

154. Papert S. Mindstorms: Children, computers and power full ideas, N.Y.: Basic Book Inc., 1980.-279s.

R.P. Romansky

Teknillinen yliopisto, Sofia, Bulgaria

Johdanto

Tietotekniikan kehittäminen ja tietokonejärjestelmien (CS) arkkitehtonisen organisaation parantaminen edellyttävät tietokoneasiantuntijoiden ja opiskelijoiden jatkuvaa koulutusta ja itsensä kehittämistä. Tätä koulutusta toteutettaessa on välttämätöntä yhdistää perinteisen harjoittelun muotoja itseharjoittelumahdollisuuksiin, etäopiskelu, käytännön projektikehitys ja tutkimuskokeilujen toteuttaminen . Tietojenkäsittelytieteen opetuksessa keskeinen rooli on nykyaikaisten menetelmien käyttö CS:n arkkitehtonisen organisaation tutkimisessa ja järjestelmän suorituskyvyn analysoinnissa. Tässä mielessä mallinnusmenetelmien käyttö erilaisten CS:iden perusrakenteiden tutkimisessa ja tietokoneprosessien organisoinnissa mahdollistaa sopivan matemaattisen kuvauksen kehittämisen tutkittavasta kohteesta ja ohjelmiston luomisen tietokonekokeiden suorittamiseen [Romansky, 2001, Arons, 2000]. Mallintamisen kokeellisten tulosten analyysi [Bruyul, 2002] mahdollistaa järjestelmän pääominaisuuksien ja tutkittujen CS:ien suorituskyvyn arvioinnin.

Mallintamisen käyttö CS:n opiskeluprosessissa mahdollistaa arkkitehtuurin piirteiden sekä laskennan ja ohjauksen organisoinnin tutkimisen. Tämä voidaan tehdä mallikokeilun pohjalta, jonka järjestämiseen kuuluu tietokonemallin suunnittelu kolmen komponentin (käsitteellinen malli, matemaattinen malli, ohjelmistomalli) sarjana ja tämän mallin toteuttaminen sopivassa toimintaympäristössä. Tässä artikkelissa pohditaan mahdollisuutta käyttää eri menetelmiä CS:iden tutkimiseen niiden tutkimisen yhteydessä ja erityisesti mallinnusperiaatteiden soveltamista käynnissä olevien prosessien tutkimiseen sekä CS:ien järjestelmän suorituskyvyn analysointiin. Päätavoitteena on määritellä tietokonemallinnuksen yleinen menettelytapa toisiinsa liittyvien vaiheiden sarjana ja esitellä mallinnuksen tutkimusmetodologian päävaiheet. Tätä varten seuraavassa osassa esitellään tietokoneella tapahtuvan tiedonkäsittelyn yleinen formalisointi ja tietokonelaskennan piirteet tutkimuskohteena. Mallinnusperiaatteiden soveltaminen tietotekniikan opiskeluprosessissa liittyy oppimisen metodologiseen organisointiin perinteisessä, etä- tai hajautetussa mielessä.

Tietokonejärjestelmät tutkimuksen kohteena ja tutkimusmenetelmät

Yksi tietokonejärjestelmien ja suorituskyvyn tutkimuksen alan erikoiskoulutuskurssien päätavoitteista on kouluttaa tulevia ja nykyisiä tietokonesuunnittelijoita, tietokonelaitteiden kehittäjiä ja CS:n käyttäjiä käyttämään mallinnus- ja ominaisuuksien mittaamisen teknisiä valmiuksia oikein. järjestelmät. Näitä mahdollisuuksia hyödynnetään sekä uusien tietokoneprojektien tehokkuuden arvioinnissa että toteutuksessa vertaileva analyysi olemassa oleviin järjestelmiin. Oppimisprosessissa tehtävänä on selvittää tutkimusvaiheiden järjestys ja mahdollisuus kokeellisten tulosten käsittelyyn, jotta saadaan riittävät arviot suoritusindekseistä. Tätä tehtävää voidaan tarkentaa riippuen tietokoneoppimisen tietystä alueesta ja harkitun tietokoneella tapahtuvan tietojenkäsittelyn periaatteiden ominaisuuksista.

Riisi. 1. Tietokoneen käsittelyn tietotuki.

Yleensä tietokonekäsittely koskee tiettyjen toimintojen toteuttamista syötetietojen muuntamiseksi lopullisiksi ratkaisuiksi. Tämä määrittää kaksi tiedon toiminnallisen muuntamisen tasoa (kuva 1):

informaation matemaattinen muunnos - todellinen tietojenkäsittely matemaattisten objektien muodossa ja sitä edustaa yleistetty funktio f:D®R, joka kuvaa tietojoukon D elementtejä tulosjoukon R elementeissä;

prosessoinnin tietokonetoteutus - edustaa matemaattisen funktion f tiettyä toteutusta f*:X®Y tietokoneesta ja ohjelmistolaitteistosta riippuen, joka perustuu todellisten tietoobjektien sopivaan fyysiseen esitykseen.

Tuloksena voidaan kirjoittaa yleistetty toiminnallinen malli tietokoneen prosessoinnista r = f(d)ºj 2 (f*[ 1(d)]), jossa funktiot j 1 ja j 2 ovat apuväline informaation koodauksessa ja dekoodauksessa.

Kun tarkastellaan CS:tä tutkimuskohteena, on pidettävä mielessä, että tietokonekäsittely koostuu prosesseista, joista jokainen voidaan esittää rakenteena I = , jossa: t on prosessin alkamishetki; A - määritteet; T - prosessin jälki. Formaalisen kuvauksen viimeinen komponentti määrittää tapahtumien ajallisen sekvenssin e j, jotta annettu prosessi osoitetaan järjestelmäresurssin S=(S 1 , S 2 , …, S n ) elementeille. Aikavaiheiden järjestys ja järjestelmän resurssien kuormitus mahdollistavat laskentaprosessin profiilin määrittämisen (kuva 2).

Riisi. 2. Tietokoneprosessin likimääräinen profiili.

Tietokoneympäristön järjestelmäkuormituksen muodostaa eri prosessien tukeminen tietokonekäsittelyn organisoinnissa. Jokaiselle hetkelle (t =1,2,...) se voidaan esittää vektorilla V(t)=Vt= , jonka elementit ilmaisevat vapaan (v j =0) tai varatun (v j =1) laitteen S j єS (j=1,2,...,n).

CS:ää opiskellessa on tarpeen määrittää joukko järjestelmän perusparametreja, jotka heijastavat tietokonekäsittelyn olemusta, sekä kehittää metodologia järjestelmäresurssin käyttäytymisen ja käynnissä olevien prosessien tutkimiseksi. Järjestelmän pääparametreina (suorituskykyindekseinä) voidaan tutkia esimerkiksi järjestelmäresurssin kunkin elementin työmäärää, CS:n kokonaisjärjestelmän kuormitusta, vasteaikaa ratkaistaessa tehtäväjoukkoa moniohjelmatilassa, laitteiden stabiilisuus (kestävyys), tietokonekäsittelyn kustannukset, rinnakkaisten tai näennäisen rinnakkaisten prosessien ajoituksen tehokkuus jne.

Tyypillisessä CS-suorituskykyanalyysin ja -tutkimuksen alan opintojaksossa tulisi keskustella tärkeimmistä teoreettisista ja käytännön asioista seuraavilla aloilla:

mahdollisuus tutkia tietokonelaitteiden suorituskykyä ja tietokoneprosessien tehokkuutta;

sovellus tehokkaita menetelmiä tutkimus (mittaus, mallintaminen);

mittausjärjestelmän parametrien tekniset ominaisuudet (benchmark, seuranta);

mallinnuksen tekniset ominaisuudet ja organisointi (analyyttinen, simulointi jne.);

kokeellisten tulosten analysointimenetelmät.

Kaikki tämä liittyy tämän tutkimusmenetelmän soveltamiseen ja sopivien työkalujen valintaan. Tässä mielessä kuvassa Kuvassa 3 on esitetty likimääräinen luokittelu CS:n ja prosessien tutkimisen menetelmistä. Kolme pääryhmää voidaan erottaa:

Ohjelmistosekoitukset - edustavat matemaattisia riippuvuuksia prosessorin suorituskyvyn arvioimiseksi yksittäisten toimintaluokkien sovelluskertoimien perusteella. Mahdollistaa prosessorin kuormituksen arvioinnin tilastollisen analyysin avulla tyypillisten ohjelmien suorittamisen jälkeen.

Laskentamenetelmät - voit saada luotettavaa tietoa tietokoneprosessien etenemisestä COP:n käytettävissä olevien parametrien tiettyjen arvojen suoran rekisteröinnin perusteella. Tätä varten on tarpeen käyttää tai kehittää sopiva laskentatyökalu (monitori) ja organisoida laskentakokeen suoritus. On huomattava, että nykyaikaisissa käyttöjärjestelmissä on omat järjestelmämonitorit, joita voidaan käyttää ohjelmisto- tai laiteohjelmistotasolla.

Mallinnusmenetelmät - käytetään silloin, kun kokeessa ei ole todellista kohdetta. CS:n rakenteen tai käynnissä olevien prosessien tutkimus tehdään tietokonemallin pohjalta. Se heijastaa rakenteellisten ja järjestelmäparametrien käyttäytymisen tärkeimpiä näkökohtia tavoitteesta riippuen. Mallin kehittämiseksi on tarpeen valita sopivin mallinnusmenetelmä, joka mahdollistaa maksimaalisen riittävyyden ja luotettavuuden.

Riisi. 3. CS:n ja prosessien tutkimusmenetelmien luokittelu.

Perinteiseen oppimisprosessiin kuuluu luentojen pääkurssin pitäminen yhdessä luokkahuoneharjoitusten ja/tai laboratoriotyöpaja. Tietojenkäsittelytieteen alalla opiskellessaan CS:n organisaatiota ja tietokoneprosessien hallinnan periaatteita (alhaalla ja korkeatasoinen), samoin kuin järjestelmän suorituskykyä analysoitaessa on usein tarpeen kehittää tietokonemalleja suoritettaessa laboratoriotehtäviä luokkahuoneessa tai toteutettaessa projekteja omatoimisesti. Jotta voit suorittaa nämä onnistuneesti käytännön työ ja tarvittavien käytännön taitojen saamiseksi on tarpeen määrittää vaiheiden järjestys ja esitellä mallinkehityksen teknologiset ominaisuudet. Näin opiskelijat saavat tarvittavat tiedot riittävien ja luotettavien tietokonemallien kehittämisestä eri tietokonearkkitehtuurien järjestelmän suorituskyvyn tutkimiseen, arviointiin ja vertailevaan analysointiin. Tämän seurauksena ehdotetaan edelleen yleistä menettelytapaa mallinnuksen suorittamiseksi sekä metodologista kaaviota CS:n ja prosessien tutkimuksen mallintamiseksi.

Tietokonesimuloinnin menetelmä CS:n ja prosessien tutkimuksessa

TIETOKONESIMULAATIN SOVELTAMISMAHDOLLISUUDET TIETOTEKNIIKAN OPETTAJAN ITSEVÄLINEN TOTEUTUSPROSESSESSA NYYDÄLLÄ KOULUTUSTILAAN

cand. ped. Tieteet, apulaisprofessori, tietotekniikan ja koulutuksen informatisoinnin laitos sähköposti: e [sähköposti suojattu]. fi

Kurskin osavaltion yliopisto

Artikkelissa esitellään mahdollisuudet käyttää tietokonemallinnusta yhtenä menetelmänä tietojenkäsittelytieteen opettajan itsensä toteuttamisessa korkeakoulujärjestelmän kaikilla tasoilla, tietokonemallinnuksen ominaisuuksia tehokkaana kognition menetelmänä tietokasvatusympäristössä. Työssä erityinen paikka on tietokonemallinnuksen opetuksen periaatteiden ja tietokonemallinnuksen vaiheiden kuvaukselle, jonka toteuttaminen edistää tietojenkäsittelytieteen opettajien itsensä toteuttamista.

Avainsanat: tietokonesimulaatiomenetelmä, malli, informatiikan opettajan ammatillinen itsetoteutus, korkeakoulutusjärjestelmä, ammatillinen koulutus.

Yksi nykyaikaisen ammatillisen koulutuksen tärkeimmistä suuntauksista on informatisointi, jonka avulla voit nostaa koulutusprosessin uudelle laadulliselle tasolle ja paljastaa opetushenkilöstön mahdollisuudet uudella tavalla nykyaikaisissa sosiokulttuurisissa olosuhteissa. Nykyaikainen nopeasti muuttuva ja nopeasti kehittyvä tietoympäristö asettaa suuria vaatimuksia nykyaikaisen tietojenkäsittelytieteen opettajan itsensä toteuttamiselle.

Hallitusohjelma Venäjän federaatio"Tietoyhteiskunta (2011-2020)" ja Venäjän federaation kansallinen koulutusdoktriini vuoteen 2025 asti korostavat tarvetta tehdä merkittäviä muutoksia mahdollisiin menetelmiin nykyisen koulutusprosessin nykyaikaistamiseksi eri aloilla tietotekniikan käyttöön perustuen.

Yksi tehokkaimmista opetusmenetelmistä nykyaikaiset olosuhteet koulutusjärjestelmän modernisointi on tietokonesimuloinnin käyttö. Tietokonemallinnus on melko yleinen tutkimusmenetelmä eri aihealueilla. moderni tiede. Tietokonemallinnus ymmärretään tutkimusmenetelmäksi, joka perustuu kohteen tai prosessin tietokonemallin rakentamiseen ja tutkimukseen [Pikalov 2010]. Tietokonesimuloinnin tärkein erityispiirre on mahdollisuus käyttää sitä tutkittavan kohteen kokonaisvaltaiseen tutkimukseen.

Tietokonemallia luotaessa ja tutkittaessa tapahtuu todellisen elämän tai projisoidun järjestelmän ja prosessin analogisen tai korvaavan objektin näyttämis- ja toistoprosessi, ei ainoastaan rakenteen, elementtien, ominaisuuksien, vaan myös elementtien ja elementtien väliset suhteet ja suhteet. ulkoinen ympäristö paljastuu. Tietokonemallinnus, joka edustaa eräänlaista mallintamista, mahdollistaa tutkittavan järjestelmän tai prosessin kuvaamisen vain tietyllä tavalla todellisuuden lähentämisessä, ottaen huomioon olemassa olevat suhteet ja

kuvioita alkuperäisen kohteen pääkomponenttien välillä. Tietokonesimuloinnin lopputuloksena on saada kvantitatiiviset ja laadulliset ominaisuudet, joita tarvitaan tutkittavien järjestelmien tai prosessien analysointiin, niiden optimointia ja modernisointia koskevien päätösten tekemiseen, käyttäytymisen ennustamiseen erilaisissa olosuhteissa.

Mallintaminen voidaan määritellä yhdeksi tärkeimmistä kognition menetelmistä, joka on eräs todellisuuden heijastuksen muoto ja koostuu todellisten esineiden, esineiden ja ilmiöiden tiettyjen ominaisuuksien selvittämisestä tai toistamisesta käyttämällä muita esineitä, prosesseja, ilmiöitä tai käyttämällä abstraktia kuvausta. kuvan muoto, suunnitelma, kartat, yhtälöjoukot, algoritmit ja ohjelmat [Biryukov, Gasteev, Geller 1974].

Tulevan tietojenkäsittelytieteen opettajan tulee kyetä toteuttamaan henkilökohtaiset ja ammatilliset potentiaalinsa sisällön ja teoreettisten näkökohtien suhteen ammatillista toimintaa. Nykyajan riittävyys pedagogiset menetelmät varmistaa itsensä toteuttamisen tuottavuuden. Tietokonesimulaatiomenetelmä tarjoaa laajat mahdollisuudet itsensä toteuttamisen ongelmien ratkaisemiseen.

Itsensä toteuttaminen on tekijä, joka varmistaa nykyaikaisen tietojenkäsittelytieteen opettajan kilpailukyvyn laajentaen hänen henkilökohtaista ja ammatillista potentiaaliaan jatkuvasti muuttuvien monimutkaisten tehtävien edessä nykyaikaisessa koulutustilassa.

Itsensä toteuttaminen on korkea-asteen koulutuksen tärkein ajankohtainen ongelma. "Itsetoteuttamista" (latinasta asShaNB - todellinen, todellinen) pidetään ihmisen haluna tunnistaa ja kehittää henkilökohtaisia kykyjään mahdollisimman täydellisesti [Karpenko 1985].

Ammattimainen itsetoteutus määrittää tulevan tietojenkäsittelytieteen opettajan muodostumisen ja kehittymisen tehokkuuden yhä monimutkaisempien tehtävien ratkaisemisessa eri tasoilla moderni koulutus: V profiililuokat(tietotekniikka), toisen asteen ammatillisessa koulutuksessa, perustutkinto- ja jatko-opiskelijoiden opetusjärjestelmässä, ammatillisen lisäkoulutuksen järjestelmässä.

Tietokonesimulaatioon perustuvan oppimisprosessin järjestäminen, jonka tarkoituksena on tietojenkäsittelytieteen opettajan itsensä toteuttaminen, perustuu didaktisten periaatteiden järjestelmään, joka heijastuu klassisten ja nykyaikaisten kirjailijoiden teoksiin - I.P. Podlasogo, Yu.K. Babansky, L.V. Zankova, V.A. Slastenina ym. Kaikki didaktiset periaatteet edustavat yksittäinen järjestelmä ja niillä pyritään saavuttamaan kasvatuksellisia, kognitiivisia, kehittäviä tehtäviä, joiden ratkaiseminen edistää tietotekniikan opettajan kokonaisvaltaista itsetoteutusta hänen muodostumisen ja kehityksen eri vaiheissa. On paljastettu järjestelmä, jossa määritellään periaatteet tietokonesimuloinnin toteuttamiseksi tulevan tietojenkäsittelytieteen opettajan itsensä toteuttamisprosessissa, ja jotka heijastavat koulutusprosessin päämalleja. Tulevan opettajan itsensä toteuttamisprosessissa näyttää sopivalta korostaa seuraavia periaatteita:

1) tieteellisen luonteen periaate, joka mahdollistaa käytön koulutusprosessi viimeisimmät saavutukset tietokonemallinnuksen soveltamisen alalla opiskelijoiden tutkimuksen ja tutkimustoiminnan järjestämiseen;

2) saavutettavuuden periaate, joka tarkoittaa tutkittavan aineiston riittävyyttä iän ja ikärajojen mukaan yksilölliset ominaisuudet opiskelijat ja heidän teoreettisen ja käytännön koulutuksensa taso;

3) näkyvyysperiaate, jolla varmistetaan tietokonemallin rakentaminen visuaalisessa muodossa, joka parhaiten paljastaa tutkittavien järjestelmien tai prosessien olennaiset yhteydet ja suhteet;

4) systemaattisuuden periaate, joka sisältää erilaisten kompetenssien, hankittujen tietojen ja muodostuneiden taitojen ja kykyjen huomioimisen koko rakentamisjärjestelmässä. koulutuskursseja ja koulutuksen koko sisältö toisiinsa ja sisään kuuluvina järjestelminä yhteinen järjestelmä tietokulttuuria ja rationaalista jakoa koulutusmateriaalia semanttisista fragmenteista ja niiden asteittaisesta hallinnasta jatkuvalla viittauksella kokonaisuuteen;

5) peräkkäisyyden periaate, jossa suunnitellaan nousevasti kehittyvä sisältö, jossa jokainen uusi tieto nojaa edelliseen ja seuraa siitä;

6) teorian ja käytännön yhteyden periaate, joka tarkoittaa, että opiskelijoiden hankkima tieto on vuorovaikutuksessa elämän kanssa, sitä sovelletaan käytännössä, sitä käytetään ympäröivän prosessin ja ilmiön tutkimiseen, tuntemiseen ja muuntamiseen; tietoisuus hankitun tiedon tärkeydestä lisää osaltaan kiinnostusta oppimista kohtaan, mikä vaikuttaa myönteisesti koulutustoiminnan motivaatioon ja tehokkuuteen;

7) toimintaperiaate, joka mahdollistaa opitun oppimateriaalin selkeän ymmärtämisen. Opiskelijoiden aktiivisen tiedon omaksumisen ja henkisten toimien itsenäisyyden kehittämisen järjestämiseksi koulutusprosessin aikana on tarpeen esittää kognitiivinen tehtävä, jonka ratkaisu mahdollistaa motivoivan luovan etsinnän ja henkisen toiminnan;

8) tietokonemallien joustavuuden periaate, jolla tarkoitetaan niiden vastaavuutta todelliseen esineeseen ja niiden yhteensopivuutta muiden mallien kanssa, jotka muodostavat tietojärjestelmän tietyllä ainealueella ja koulutuksen sisällössä yleensä, sekä mahdollisuus tutkittavan tietokonemallin nopea modernisointi kokeellisen työn aikana;

9) integratiivisuuden periaate, joka tarjoaa mahdollisuuden integroida kehitetyt mallit erilaisiin koulutustilan olosuhteisiin; tämä periaate mahdollistaa myös eri tieteenalojen, alojen ja toiminta-alojen yhdistämisen erityisten pedagogisten ongelmien ratkaisemiseksi;

10) avoimuuden periaate, joka tarjoaa mahdollisuuden muokata luotua tietokonemallia pysyvästi koulutustarpeiden ja -olosuhteiden mukaan.

Tietokoneen käyttöön perustuva koulutusprosessin organisointi

tietojenkäsittelytieteen opettajan itsensä toteuttamiseen tähtäävä mallinnus,

tulee noudattaa seuraavia vaiheita [Kelton, Lowe 2004]:

Tehtävän muotoilu;

Tiedon (informaation) kerääminen ja käsitteellisen mallin määrittely;

Käsitteellisen mallin riittävyyden määrittäminen;

Matemaattisen mallin formalisointi tai luominen;

Tietokonemallin luominen;

tietokoneen mallin tarkistaminen;

Kokeilun suunnittelu;

Kokeiden suorittaminen tietokonemallilla;

Tulostietojen analysointi ja tulkinta;

Tulosten käyttö.

Tunnistetut vaiheet suoritetaan iteratiivisesti, eli niihin palataan

aikaisemmat vaiheet ja niiden uudelleentoteutus joidenkin selventämiseksi

kehitetyn mallin parametrit. Esitetty vaihejärjestys heijastaa yleistä lähestymistapaa tietokonesimuloinnin suorittamiseen tutkittaville objekteille ja antaa sinun seurata tietokonesimuloinnin metodologiaa oppimisprosessia organisoitaessa.

On tärkeää korostaa, että tietokonesimuloinnin vaiheet vastaavat lähes täysin tutkivan oppimisen vaiheita. Laajennetussa muodossaan tutkiva oppiminen olettaa, että opiskelija:

Tunnistaa ja asettaa ratkaistavan ongelman;

Tarjoukset mahdolliset ratkaisut;

Tarkistaa nämä mahdolliset ratkaisut;

Tietojen perusteella tekee johtopäätökset tulosten mukaisesti;

Käyttää päätelmiä uusiin tietoihin; tekee yleistyksiä.

Tutkijakasvatuksen kannattajien mukaan koulutusprosessin tulisi ihanteellisesti mallintaa tieteellisen tutkimuksen prosessia, uuden tiedon etsimistä [Klarin 1998]. Vaiheiden vastaavuus sekä tietokonemallinnuksen ja tutkimuskoulutuksen metodologia mahdollistavat tämän menetelmän aktiivisen tuomisen oppimisprosessiin keinona kehittää opiskelijoiden tutkimuskykyjä, mikä edistää tulevaisuuden itsensä toteuttamista. tietojenkäsittelytieteen opettajia.

Tietokonesimuloinnin tuloksena opiskelijat luovat tietokonemallin. Tietokonemalli ymmärretään [Lychkina 2000]:

□ ehdollinen kuva kohteesta tai jostain järjestelmästä, joka on kuvattu toisiinsa yhdistettyjen tietokonetaulukoiden, vuokaavioiden, kaavioiden, kaavioiden, piirustusten, animaatiofragmenttien, hypertekstien jne. avulla ja joka näyttää kohteen rakenteen ja elementtien väliset suhteet - rakenteellinen - toimiva malli;

□ erillinen ohjelma, ohjelmasarja, ohjelmistopaketti, jonka avulla voidaan laskentasarjan ja niiden tulosten graafisen näytön avulla toistaa (simuloida) objektin toimintaprosesseja erilaisten (myös satunnaisten) tekijöiden vaikutuksesta. siinä - simulaatiomalleja. I.Yun työssä. Pikalova päättelee, että simulaation käyttö monimutkaisten järjestelmien analysointiin perustuu tilastollisten testimenetelmien kehittämiseen (Monte Carlo -menetelmä), jotka mahdollistavat satunnaistekijöiden mallintamisen tietokonetekniikalla, mikä johtaa nopeampiin laskelmiin ja kokeiluihin monimutkaisilla järjestelmillä [Pikalov 2014 ].

Mallin käsite antaa laajan valikoiman menetelmää käyttää tietokonesimulaatiota koulutusprosessissa aiheiden välistä viestintää, jonka muodostaminen on yksi informatiikan opettajan itsensä toteuttamisen päätehtävistä. Itse mallin rakentamisen toiminta - mallintaminen - on yleistetty toiminto, joka luonnehtii tietojenkäsittelytieteitä [Kasprazhak 2004]. Lisäksi käsitteitä ja mallinnusmenetelmää tutkitaan eri aihealueiden malleilla paljastaen niiden yhteistä. Aiheiden välisen viestinnän kirjanpito on välttämätön ehto onnistunut oppiminen. Opiskelijoiden ajattelun ja näkemyksen kehittyminen riippuu siitä, miten tämä yhteys toteutetaan. Lisäksi tieteidenvälisten yhteyksien oikea toteutus edistää tieteellisen maailmankuvan muodostumista, auttaa opiskelijoita löytämään esineiden ja ilmiöiden välisen suhteen ympärillään olevassa maailmassa sekä luo kokonaisvaltaisen näkemyksen todellisen maailman tutkituista ilmiöistä ja prosesseista [ Volodin 2005].

Koulutusprosessin järjestäminen tieteidenvälisten yhteyksien pohjalta edistää opiskelijoiden osallistumista aine-käytännölliseen toimintaan, joka sisältää tiedon aktiivisen hankinnan, niiden luovan käytön, kognitiivisen kehityksen.

aktiivisuus ja itsenäisyys, tieteellisen maailmankuvan muodostuminen. Mallinnukseen perustuvien tieteidenvälisten yhteyksien muodostuminen määräytyy useiden tiedon ja taitojen hankkimismenetelmien (analyysi, synteesi, induktio, päättely jne.) avulla.

Puolestaan A.V. Yastrebov väitöstutkimuksessaan [Yastrebov 2003] toteaa, että "koulutuksen korkein tavoite on kouluttaa asiantuntija, joka pystyy itsenäisesti muotoilemaan ammatillisen toiminnan ongelmia ja ratkaisemaan niitä...", "...korkeakoulutuksen tulisi kouluttaa asiantuntijaa tutkijan itsetuntemuksella riippumatta siitä, onko hän tiedemies sanan suppeassa merkityksessä, tiedeinsinööri vai tiedeopettaja.

Tietokonemallien luomisprosessilla on valtava kehityspotentiaali, ja se edistää itsensä toteuttamisprosessin tehokkaampaa kulkua tietojenkäsittelytieteen opetuksen ammattilaisen muodostumisen ja kehityksen kaikissa vaiheissa. Tietokonemallinnuksen perusteiden tuntemus on kanava kehittävän koulutuksen toteuttamiseen, jonka avulla voit tuoda opettajan uudelle laadulliselle tasolle ja saavuttaa korkeuksien lisäksi ammatillinen pätevyys vaan henkilökohtainen kehitys.

Bibliografinen luettelo

Biryukov B.V., Gasteev Yu.A., Geller E.S. Mallintaminen. M.: BSE, 1974.

Volodin A.A. Tietokonesimulaatiomallinnus tulevaisuuden tekniikan opettajien digitaalitekniikan perusteiden tutkimuksessa: dis. ... cand. ped. Tieteet: 13.00.02. M., 2005

Kelton W., Lowe A. Simulaatiomallinnus. CS klassikko. 3. painos Pietari: Pietari; Kyiv: BHV Publishing Group, 2004. 847 s.: ill.

Klarin M.V. Innovaatioita maailman pedagogiikassa: Tutkimukseen perustuva oppiminen, pelit, keskustelut, ulkomaisten kokemusten analysointi. M., Riika: Pedagoginen keskus "Experiment", SPC "Experiment", 1998. 180 s.: ill.

Lyhyt psykologinen sanakirja / comp. LA. Karpenko; alle yhteensä toim. A.V. Petrovski, M.G. Jaroševski. M.: Politizdat, 1985. 431 s.

Lychkina N.N. Simulaatiomallinnuksen nykytrendit // Bulletin of the University. Sarja "Tiedonhallintajärjestelmät". M.: GUU, 2000. Nro 2.

Pikalov I. Yu. Tietokonemallinnuksen tutkimus kurssilla "Tiedot ja viestintäteknologiat tieteessä ja tuotannossa” // Tiede ja nykyaika. 2010. Nro 6-1. s. 307-312.

Pikalov I. Yu. Simulaatiomallinnuksen ja asiantuntijajärjestelmien soveltaminen taloudellisessa analyysissä // Auditorio. Kurskyn sähköinen tieteellinen lehti valtion yliopisto. 2014. nro 4 (4). s. 93-95. URL-osoite: http://auditorium.kursksu.ru/pdf/004-017.pdf

Valinnaiset kurssit sisään erikoistunut koulutus: Koulutuskenttä "Informatiikka" / yleisen alapuolella. toim. A.G. Kasprazhak, Venäjän federaation opetusministeriö - kansallinen koulutusrahasto. M.: Vita-Press, 2004. 112 s.

Yastrebov A.V. Tieteellisen tutkimuksen mallinnus keinona optimoida pedagogisen yliopiston opiskelijan koulutusta: dis. doc. ped. Tieteet: 13.00.08. M., 2003.

Lewy A. Koulun opetussuunnitelman suunnittelu. Pariisi, 1977.

Simuloinnin soveltaminen tietojenkäsittelytieteen koulutukseen

R.P. Romansky

Tekninen yliopisto, Sofia, Bulgaria

Johdanto

Tietotekniikan kehittäminen ja tietokonejärjestelmien (CS) arkkitehtonisen organisaation parantaminen edellyttävät tietokoneasiantuntijoiden ja opiskelijoiden jatkuvaa koulutusta ja itsensä kehittämistä. Tässä koulutuksessa tulee yhdistää perinteisen oppimisen muodot itsenäiseen opiskeluun, etäopiskeluun, käytännön projektikehitykseen ja tutkimuskokeiluihin. Tietojenkäsittelytieteen opetuksessa keskeinen rooli on nykyaikaisten menetelmien käyttö CS:n arkkitehtonisen organisaation tutkimisessa ja järjestelmän suorituskyvyn analysoinnissa. Tässä mielessä mallinnusmenetelmien käyttö erilaisten CS:iden perusrakenteiden tutkimisessa ja tietokoneprosessien organisoinnissa mahdollistaa sopivan matemaattisen kuvauksen kehittämisen tutkittavasta kohteesta ja ohjelmiston luomisen tietokonekokeiden suorittamiseen [Romansky, 2001, Arons, 2000]. Mallintamisen kokeellisten tulosten analyysi [Bruyul, 2002] mahdollistaa järjestelmän pääominaisuuksien ja tutkittujen CS:ien suorituskyvyn arvioinnin.

Tietokonejärjestelmät tutkimuksen kohteena ja tutkimusmenetelmät

Yksi tietokonejärjestelmien ja suorituskyvyn tutkimuksen alan erikoiskoulutuskurssien päätavoitteista on kouluttaa tulevia ja nykyisiä tietokonesuunnittelijoita, tietokonelaitteiden kehittäjiä ja CS:n käyttäjiä käyttämään mallinnus- ja ominaisuuksien mittaamisen teknisiä valmiuksia oikein. järjestelmät. Näitä mahdollisuuksia hyödynnetään sekä uusien tietokoneprojektien tehokkuuden arvioinnissa että olemassa olevien järjestelmien vertailevan analyysin tekemisessä. Oppimisprosessissa tehtävänä on selvittää tutkimusvaiheiden järjestys ja mahdollisuus kokeellisten tulosten käsittelyyn, jotta saadaan riittävät arviot suoritusindekseistä. Tätä tehtävää voidaan tarkentaa riippuen tietokoneoppimisen tietystä alueesta ja harkitun tietokoneella tapahtuvan tietojenkäsittelyn periaatteiden ominaisuuksista.

Riisi. 1. Tietokoneen käsittelyn tietotuki.

Riisi. 2. Tietokoneprosessin likimääräinen profiili.

Tyypillisessä CS-suorituskykyanalyysin ja -tutkimuksen alan opintojaksossa tulisi keskustella tärkeimmistä teoreettisista ja käytännön asioista seuraavilla aloilla:

mahdollisuus tutkia tietokonelaitteiden suorituskykyä ja tietokoneprosessien tehokkuutta;

tehokkaiden tutkimusmenetelmien soveltaminen (mittaus, mallintaminen);

mittausjärjestelmän parametrien tekniset ominaisuudet (benchmark, seuranta);

mallinnuksen tekniset ominaisuudet ja organisointi (analyyttinen, simulointi jne.);

kokeellisten tulosten analysointimenetelmät.

Riisi. 3. CS:n ja prosessien tutkimusmenetelmien luokittelu.

Perinteiseen oppimisprosessiin kuuluu luentojen pääkurssin suorittaminen luokkahuoneharjoitusten ja/tai laboratorioharjoitusten yhteydessä. Tietojenkäsittelytieteen alalla tutkittaessa CS:n organisointia ja tietokoneprosessien hallinnan periaatteita (matalalla ja korkealla tasolla) sekä analysoitaessa järjestelmän suorituskykyä, tulee usein tarpeelliseksi kehittää tietokonemalleja laboratoriotehtäviä suoritettaessa. luokkahuoneessa tai itsenäisesti toteutettaessa projekteja. Näiden käytännön töiden onnistuneeksi toteuttamiseksi ja tarvittavien käytännön taitojen saamiseksi on tarpeen määrittää vaiheiden järjestys ja esitellä mallin kehittämisen tekniset ominaisuudet. Näin opiskelijat saavat tarvittavat tiedot riittävien ja luotettavien tietokonemallien kehittämisestä eri tietokonearkkitehtuurien järjestelmän suorituskyvyn tutkimiseen, arviointiin ja vertailevaan analysointiin. Tämän seurauksena ehdotetaan edelleen yleistä menettelytapaa mallinnuksen suorittamiseksi sekä metodologista kaaviota CS:n ja prosessien tutkimuksen mallintamiseksi.

Tietokonesimuloinnin menetelmä CS:n ja prosessien tutkimuksessa

Tietokonesimuloinnin päätehtävä CS:n ja prosessien tutkimuksessa on saada tietoa suoritusindekseistä. Mallikokeen suunnittelu oppimisprosessissa tapahtuu seuraavien vaiheiden perusteella:

empiiristen tietojen kerääminen tietyt arvot järjestelmän perusparametrit;

empiirisen tiedon strukturointi ja käsittely sekä mallin toimintakaavion kehittäminen;

a priori informaation ja toimintaparametrien määrittelyalueiden määrittäminen alkuperäisen kohteen sopivan matemaattisen mallin kehittämiseksi;

mallikokeiden toteuttaminen, mallitietojen kerääminen ja sen myöhempi analysointi.

Mallitutkimuksen yleistetty formalisoitu menettely mallikokeen järjestämiseksi on esitetty kuvassa. 4.

Riisi. 4. Mallitutkimusmenettely.

Alkuperäisen tavoitteen määrää tarve tutkia todellista objektia (järjestelmää tai prosessia). Menettelyn päävaiheet ovat seuraavat:

Mallin rakentamisen peruskonseptin määrittäminen hajottamalla objekti alijärjestelmiin ja ottamalla käyttöön hyväksyttävä idealisointiaste järjestelmän prosessien käyttäytymisen joillekin aspekteille.

Tutkittavan kohteen rakenteen ja suhteiden matemaattinen formalisointi sopivan muodollisen järjestelmän perusteella.

Matemaattinen kuvaus todellisen järjestelmän toiminnasta ja sopivan toiminnallisen mallin kehittäminen mallinnuksen tarkoituksesta riippuen.

Matemaattisen mallin toteutus sopivimmalla mallinnusmenetelmällä.

Kuvaus luodusta matemaattisesta mallista sopivan ohjelmistoympäristön (erikois- tai universaali) avulla.

Luotuun malliin perustuvien kokeiden suorittaminen ja sen jälkeen mallitietojen käsittely ja tulkinta tutkittavan kohteen parametrien arvioimiseksi.

Tietokonesimuloinnin tärkeimmät menetelmät ovat seuraavat:

Analyyttiset menetelmät - käytä matemaattisia työkaluja kuvaamaan todellisen järjestelmän komponentteja ja käynnissä olevia prosesseja. Valitun matemaattisen lähestymistavan perusteella matemaattinen malli rakennetaan yleensä yhtälöjärjestelmäksi, jonka avulla se on helppo ohjelmoida, mutta toteutus edellyttää formulaatioiden ja hyväksyttyjen työhypoteesien suurta tarkkuutta sekä merkittävää verifiointia.

Simulaatiomenetelmät - todellisen kohteen käyttäytymistä jäljittelee ohjelmistosimulaattori, joka työssään käyttää todellista työkuormaa (emulointi) tai ohjelmiston kuormitusmallia (simulaatio). Tällaiset mallit mahdollistavat monimutkaisten järjestelmien tutkimisen ja luotettavien tulosten saamisen, mutta ne toteutetaan ajoissa, mikä määrittää menetelmän päähaittapuolen - huomattavan tietokoneajan kulutuksen.

Empiiriset menetelmät ovat kvantitatiivisia menetelmiä todellisen kohteen toimintaa koskevan tiedon rekisteröimiseksi, keräämiseksi ja analysoimiseksi, joiden pohjalta voidaan rakentaa tilastollinen malli sen tutkimiseen. Tyypillisesti lineaarisia tai epälineaarisia yhtälöitä käytetään edustamaan valittujen parametrien suhdetta (esimerkiksi ensisijaisten tekijöiden joukosta) ja laskemaan tilastollisia ominaisuuksia.

Tietokonesimuloinnin päätehtävänä on luoda riittävä malli, jonka avulla voidaan tarkasti esittää tutkittavan järjestelmän rakenne ja käynnissä olevat prosessit. Tietokonemallin kehittäminen sisältää kolme peräkkäistä tasoa - käsitteellisen mallin (ideologinen mallin strukturoinnin käsite), matemaattisen mallin (käsitteellisen mallin kuva matemaattisen muodollisen järjestelmän avulla) ja ohjelmamallin (ohjelmistototeutus). matemaattinen malli sopivalla kieliympäristöllä). Jokaisella tietokonesimuloinnin tasolla on tarpeen tarkistaa mallin riittävyys, jotta varmistetaan lopullisen mallin luotettavuus ja mallikokeiden tulosten tarkkuus. Mallinnusmenettelyn yksittäisten vaiheiden spesifisyys määrää käytetyt lähestymistavat ja keinot riittävyyden arvioimiseksi. Nämä ominaisuudet ovat löytäneet paikan kehitetyssä tietokonemallinnuksen metodologiassa, joka on esitelty alla.

Mallitutkimuksen metodologia

Tietokonemallinnuksen prosessissa, käytetystä menetelmästä riippumatta, on mahdollista määrittää mallitutkimuksen yleinen matodologinen kaavio (kuva 5). Ehdotettu formalisoitu metodologinen järjestys sisältää useita päävaiheita, jotka esitetään alla. Pohjimmiltaan se edustaa iteratiivista proseduuria kehitetyn tietokonemallin tarvittavan luotettavuuden saamiseksi perustuen alkuperäisen mallihypoteesin muotoiluun ja sen peräkkäiseen modifiointiin. Tämä lähestymistapa on onnistunut monimutkaisten järjestelmien tutkimuksessa sekä riittävän a priori tiedon puuttuessa tutkittavasta kohteesta.

Vaihe "Formulaatio"

Mallin kehittämisen ensimmäisessä vaiheessa on tarpeen määritellä tarkasti ja selkeästi mallinnuksen kohde, tutkimuksen ehdot ja hypoteesit sekä mallin tehokkuuden arviointikriteerit. Tämä mahdollistaa käsitteellisen mallin kehittämisen ja sen määrittelemisen abstrakteilla termeillä ja käsitteillä. Yleensä abstrakti kuvaus määrittelee mallin rakentamisen alkuperiaatteet (peruslikiarvot, muuttujien määritelmäalueet, suorituskriteerit ja odotettujen tulosten tyypit). Tässä vaiheessa voidaan määritellä seuraavat alavaiheet:

Tehtävän määrittely ja analysointi. Sisältää selkeästi määritellyn tutkimustehtävän olemuksen ja tarvittavien toimintojen suunnittelun. Ongelman analyysin perusteella määritetään odotettavissa olevien toimenpiteiden määrä ja tehtävän hajotuksen tarve.

Alkutietojen tyypin määrittäminen. Näiden tietojen avulla on mahdollista saada oikeat simulaation tulostulokset, ja siksi on tarpeen varmistaa arvioiden tarvittava luotettavuustaso.

Oletusten ja hypoteesien esittely. Tämä on tarpeen, kun mallin toteuttamiseen ei ole tarpeeksi tietoa. Oletukset korvaavat puuttuvat tiedot tai puuttuvat tiedot kokonaan. Hypoteesit viittaavat mahdollisten tulosten tyyppiin tai tutkittavien prosessien toteutusympäristöön. Mallintamisen aikana nämä hypoteesit ja oletukset voidaan hyväksyä, hylätä tai muokata.

Mallin pääsisällön määritelmä. Sovelletun mallinnusmenetelmän perusteella raportoidaan todellisen kohteen ominaisuus, tehtävä ja keinot sen ratkaisuun. Tämän osavaiheen tuloksia ovat mallin peruskäsitteen muotoilu, todellisten prosessien formalisoitu kuvaus ja sopivan approksimoinnin valinta.

Mallin parametrien määrittäminen ja tehokkuuskriteerien valinta. Tässä alavaiheessa määritetään mallin ensisijaiset ja toissijaiset tekijät, syöttötoiminnot ja odotetut lähtövasteet, mikä on erityisen tärkeää matemaattisen kuvauksen vaaditun tarkkuuden saavuttamiseksi. Määrittelyyn liittyy suorituskriteerien tarkentaminen toiminnallisia riippuvuuksia järjestelmän vasteen arviointi mallin parametrien muuttuessa.

Mallin abstrakti kuvaus. Käsitteellisen mallin yleinen muotoiluvaihe päättää abstraktin mallin rakentamisen sopivassa abstraktien termien ympäristössä - esimerkiksi lohkokaavion muodossa, vuokaaviona (Data Flow Diagram), graafisena kaavio (State Transition Network) jne. Tämä abstrakti esitys tekee matemaattisen mallin rakentamisesta helppoa.

Riisi. 5. Mallitutkimuksen metodologinen kaavio.

Vaihe "Design"

Tietokonemallin suunnittelu liittyy matemaattisen mallin kehittämiseen ja sen ohjelmistokuvaukseen.

Matemaattinen malli on esitys tutkittavan kohteen rakenteesta ja käynnissä olevista prosesseista sopivassa matemaattisessa muodossa Y=Ф(X, S, A, T), jossa: X on ulkoisten vaikutusten joukko; S - järjestelmäparametrien joukko; A - heijastaa toiminnallista käyttäytymistä (toimivia algoritmeja); T - ajoaika. Siten objektin Y käyttäytyminen (reaktio) mallintaa joukkoa funktionaalisia vaikutteita Ф, jotka edustavat analyyttisiä riippuvuuksia (deterministisiä tai probabilistisia). Tässä mielessä matemaattinen malli on abstraktin mallin kuvaus valitun matemaattisen järjestelmän avulla, joka arvioi hyväksyttyjä hypoteeseja ja approksimaatioita, alkuolosuhteet ja määritellyt tutkimusparametrit. Matemaattista mallia kehitettäessä on mahdollista soveltaa tunnettuja matemaattisia kaavoja, riippuvuuksia tai matemaattisia lakeja(esimerkiksi todennäköisyysjakaumat) sekä yhdistää ja täydentää niitä. Yleisimmät mallintamiseen käytettävät teoreettiset matemaattiset järjestelmät antavat mahdollisuuden esittää matemaattinen malli graafisessa muodossa - Petri-verkot, Markov-ketjut, jonojärjestelmät jne. Edellisessä vaiheessa määritettyjen kriteerien perusteella luotava matemaattinen malli tulee on arvioitava, jotta saavutetaan vaadittu luotettavuus ja riittävyys, ja sitten voit hyväksyä tai hylätä sen.

Ohjelmistomalli on matemaattisen kuvauksen toteutus ohjelmakielellä - tätä varten valitaan sopivat tekniset ja teknologiset keinot. Ohjelmiston toteutuksen yhteydessä mallin looginen rakenteellis-toiminnallinen kaavio kehitetään matemaattisen mallin pohjalta. Tämän piirin rakentamiseen voit käyttää perinteisiä lohkokaavioita tai graafisia työkaluja, joita edustaa erikoistunut simulointiympäristö - kuten GPSS (General Purpose Simulation System) . Mallin ohjelmistototeutus on ohjelmistokehityksen tehtävä ja siinä mielessä ohjelmointitekniikan periaatteiden alainen.

Vaihe "selvennys"

Riisi. 6. Iteratiivinen menettely mallin tarkentamiseksi.

Mallin luotettavuuden tarkistuksen päätarkoituksena on määrittää vastaavuuden tarkkuus todellisen kohteen prosesseja ja mallitulosten rekisteröintimekanismia esitettäessä. Yleisesti ottaen tietokonemalli edustaa kokoelmaa yksittäisiä komponentteja, ja tässä mielessä on erityisen tärkeää suunnitella riittävyystestit oikein.

Vaihe "Toteutus"

Tämä on luodun mallin toteutusvaihe (ratkaisu numeerisella menetelmällä tai ajallinen suoritus). Päätavoitteena on saada mahdollisimman paljon tietoa mahdollisimman pienellä koneen aikamäärällä. On kaksi alavaihetta:

Mallikokeen suunnittelu - ohjattujen tekijöiden arvon määrittäminen ja havaittujen tekijöiden rekisteröintisäännöt mallia suoritettaessa. Tietyn kokeellisen suunnittelun valinta riippuu tutkimuksen tavoitteesta ja samalla optimoidaan suoritusaika. Tehokkaan suunnitelman saamiseksi käytetään yleensä tilastollisia menetelmiä (koko suunnitelma, yksitekijäsuunnitelma, satunnaistettu suunnitelma jne.), joiden avulla voidaan poistaa havaittujen tekijöiden yhteisvaikutus ja arvioida sallittu kokeellinen virhe.

Kokeen toteutus - syöttötietojen valmistelu, koesuunnitelman tietokonetoteutus ja koetulosten tallennus. Kokeen toteuttaminen voidaan tehdä seuraavalla tavalla: ohjaussimulaatio (mallin suorituskyvyn ja herkkyyden tarkistamiseksi ja mallin ajan arvioimiseksi); työsimulaatio (kehitetyn koesuunnitelman todellinen toteutus).

Vaihe "Mallin tulosten analysointi ja tulkinta"

Mallikokeen suunnitelmaa toteutettaessa kerääntyy tietoa (simulaatiotuloksia), joita tulee analysoida, jotta saadaan arvio ja johtopäätökset tutkittavan kohteen käyttäytymisestä. Tämä määrittää kaksi näkökohtaa - menetelmän valinnan kokeellisen tiedon analysointiin ja sopivien menetelmien käytön saatujen arvioiden tulkitsemiseen. Jälkimmäinen on erityisen tärkeä tutkimuksen oikeiden johtopäätösten muodostamiseksi. Ensimmäisen näkökohdan merkityksessä käytetään yleensä tilastollisia menetelmiä - kuvailevia analyyseja (parametrien raja-arvojen laskenta, matemaattinen odotus, varianssi ja keskineliövirhe; nipun määrittäminen valitulle tekijälle; histogrammin laskenta jne.); korrelaatioanalyysi (tekijäsuhteen tason määrittäminen); regressioanalyysi (syy-suhteen tutkimus tekijöiden ryhmässä); varianssianalyysi (tiettyjen tekijöiden suhteellisen vaikutuksen määrittämiseksi kokeellisten tulosten perusteella).

Mallitietojen analyysin tulokset voidaan esittää numeerisessa tai taulukkomuodossa käyttämällä graafisia riippuvuuksia, kaavioita, histogrammeja jne. Sopivien graafisten keinojen valinnassa on olennaista käytettävä analyysimenetelmä sekä kokeen tekijän subjektiiviset taidot esitelläksesi kokeen tulokset.

Johtopäätös

Jokaisen simulaatiokokeen järjestämisen päätavoite on tehokkaan simulaation toteuttaminen. Se liittyy koneen aikaan - huomattava määrä prosessointia mallissa nostaa mallinnuksen kustannuksia ja vähentää tehokkuutta. Mallin nopea validointi ja konvergenssin saavuttaminen ovat oleellisia tutkimuksen tehokkuuden kannalta. Jokaista todellista järjestelmää varten on usein tarpeen luoda useita erilaisia malleja, jotka eroavat toisistaan hajoamistavan ja yksityiskohtaisuuden, mallintamisen, ohjelmistojen toteutustyökalujen jne. Parhaan vaihtoehdon valintaprosessissa vain tarkkuuden ja riittävyyden arviointi ei ole riittävä. Konvergenttien mallien joukosta on valittava tehokkain vaihtoehto, joka käyttää mahdollisimman vähän aikaa toteuttamiseen.

Ohjelmistojen toteutuksen sovellettu kieli sekä käsitteellisen mallin abstraktin esitystavan muodollisen järjestelmän täydellisyys, kuvausehtojen yksinkertaisuus, optimaalisen suunnitelman kehittäminen jne. ovat välttämättömiä riittävän tehokkuuden saavuttamiseksi. Yleisten ohjelmistojärjestelmien käytölle on ominaista erityisten kielioperaattoreiden puuttuminen ja siksi ne soveltuvat ensisijaisesti analyyttiseen mallinnukseen. Simulaatiomallien toteuttamisessa on hyvä käytäntö käyttää erikoiskielisiä ympäristöjä.

Bibliografia

[Bruyul 2002] Bruyul A. SPSS: tiedonkäsittelyn taito. Tilastotietojen analyysi. Pietari: DiaSoft, 2002, - 608 s.

[Romansky, 2001] Romansky R. Matemaattinen mallintaminen ja tietokonetietojen käsittelyn stokastisten aikaominaisuuksien tutkimus // Tietotekniikat. - Moskova, Venäjä, 2001, nro 2, - S. 51 - 55.

Arons H., van Asperen E. Tietokoneavustus mallin määrittelyyn // Proceedings of the 32nd Winter Simulation Conference. - Florida, USA, joulukuu 2000. - S. 399-408.

Benveniste A., Fabre E., Haar St. Markov-verkot: todennäköisyysmallit hajautetuille ja samanaikaisille järjestelmille // IEEE Transactions on Automatic Control. marraskuu 2003, voi. 48, nro 11. - P. 1936-1950.

Butler J.E., Brockman J.B. Verkkopohjainen oppimistyökalu, joka simuloi yksinkertaista tietokonearkkitehtuuria // ACM SIGCSE Bulletin. Kesäkuu 2001, voi. 33, ei. 2. - s. 47-50.

Crosbie R. E. Mallintamisen ja simuloinnin malli-opetusohjelma: Tarvitsemmeko sitä? Voimmeko tehdä sen? // 32. talvisimulaatiokonferenssin aineisto. joulukuuta 2000.-P. 1666-1668.

Fabre E., Pigourier V. Hajautettujen järjestelmien valvonta hajautetuilla algoritmeilla // Päätös- ja valvontakonferenssin 41. IEEE-konferenssin julkaisu. - vol. 1. 10.-13. joulukuuta 2002 - s. 411-416.

Ibbett R.N. WWW Tietvisualisointi // Procedings of the 7th Annual Conf. Tietojenkäsittelytieteen koulutuksen innovaatioista ja teknologiasta. Kesäkuu 2002 - s. 247.

Lilja D.J. Tietokonejärjestelmien suorituskyvyn analyysin opetusmenetelmien vertailu // IEEE Trans. koulutuksesta. Helmikuu 2001, voi. 44, nro 1, - s. 35-40.

Music G., Zupancic B., Matko D. Petri-verkkopohjainen mallinnus ja valvontaohjaussuunnittelu Matlabissa // IEEE Conference EUROCON 2003 "Tietokoneet työkaluna" julkaisua. - vol. 1. 22.-24.9. 2003. - Slovenia. - s. 362-366.

Pandey S., Ramamritham K., Chakrabarti S. Dynaamisen verkon seuranta jatkuviin kyselyihin vastaamiseksi // Proceedings of the 12th International Conference on World Wide Web. - Unkari, toukokuu 2003, - s. 659-668.

Pockec P., Mardini W. Modeling with queues: an empiirical study // Proceedings of the Canadian Conference on Electrical and Computer Engineering. - vol. 1. 13.-16. toukokuuta 2001. - P. 685-689.

Romansky R. et all. Hajautetun e-oppimisen tietoverkon tietoverkon organisaatio // Kolmannen kansainvälisen tietokonejärjestelmiä ja tekniikoita käsittelevän konferenssin (e-Learning) julkaisuja. 20.-21. kesäkuuta 2002. Sofia, Bulgaria. - P. IV.4-1 - IV.4-6.

Sargent R.G. Simulaatiomallien verifiointi ja validointi // Proceedings of the 2003 Winter Simulation Conference. - vol. 1. 7.-10. joulukuuta 2003. - s. 27-48.

Stahl, I. GPSS: 40 vuotta kehitystä // Proceedings of the 33rd Winter Simulation Conference. Joulukuu 2001. - s. 577-585.

Ye D, Xiaofer Xu, Yuliu Chen. Integroitu mallinnusmenetelmä virtuaalisille yrityksille // Proceedings of the 10th Conference on Computers, Communications, Control and Power Engineering. - vol. 3. lokakuuta 2002. - P. 1603-1606.

Mestari opiskelija

Mordovian valtio Pedagoginen instituutti nimetty M.E. Evsevyeva

Informatiikan ja tietotekniikan laitos

Safonov V.I., fysiikan ja matemaattisten tieteiden kandidaatti, informatiikan ja tietokonetekniikan osaston apulaisprofessori

Huomautus:

Artikkeli osoittaa mallinnuksen tärkeyden koulun informatiikan kurssilla. Demonstroidut mallinnus- ja luokittelumallit esitetään ohjelmisto ja interaktiivinen ympäristö tietokonesimuloinnin toteuttamiseen.

Avainsanat:

mallinnus; Tietotekniikka; virallistaminen; malli; matemaattinen malli; matemaattinen mallinnus.

mallinnus; tietokone Tiede; virallistaminen; malli; matemaattinen malli; matemaattinen mallinnus.

UDC 004

Mallintamisen opiskelu on tärkeä osa koululaisten valmistautumista. Mallintamista tulee pitää tapana kehittää opiskelijan ajattelua ja lisäksi ratkaisun työkaluna. erilaisia tehtäviä. Mallintaminen on tärkeä tieteellisen tiedon menetelmä. Eri oppiaineissa tietojenkäsittelytieteen lisäksi mallinnusta opiskellaan esimerkiksi matematiikassa, fysiikassa, biologiassa, kemiassa jne. Kuitenkin suoraan informatiikan tunneilla tarkastellaan mallin rakentamisen, mallin tarkistamisen, mallien luomisen vaiheita erilaisissa tietokoneohjelmissa.

Lähes kaikki tietojenkäsittelytieteen koulukurssin aiheet liittyvät mallintamiseen, mukaan lukien esimerkiksi algoritmisointi ja ohjelmointi. Tietojenkäsittelytieteen oppikirjojen kirjoittajat uskovat, että mallinnuksen opetuksessa tärkein tehtävä on analysoida ja rakentaa malleja. Näitä taitoja tarvitaan kuitenkin myös muilla tietojenkäsittelytieteen osa-alueilla, esim. Tietoprosessit". Näin ollen mallinnus on läsnä monissa tietojenkäsittelytieteen kurssin osissa, mikä on perustavanlaatuista tietojenkäsittelytieteen koulukurssin opiskelussa.

Informatiikan kurssilla opiskellaan matemaattisten mallien lisäksi myös informaatiomalleja, jotka sisältävät piirustuksia, taulukoita, ohjelmia, algoritmeja, mikä antaa tietotekniikalle tieteidenvälistä luonnetta.

Malli on yksinkertaistettu todellisen kohteen tai prosessin muistutus. Mallintamisen avainkäsite on tavoite. Mallintamisen tarkoitus on tulevaisuuden mallin tarkoitus. Kohde määrittelee mallissa toistettavan alkuperäisen objektin ominaisuudet. Voit mallintaa sekä materiaalisia esineitä että prosesseja. Tietomalli on kuvaus mallinnusobjektista. Esityksen perusteella mallit jaetaan taulukkomuotoisiin, graafisiin, objektitietoihin ja matemaattisiin.

Formalisointi on todellisen kohteen tai prosessin korvaamista sen muodollisella kuvauksella, ts. sen tietomalli. Informatiivinen aihelinja mallinnuksen suorittaa tärkein tehtävä: opiskelijoiden systeemisen ajattelun kehittäminen.

Taulukot ovat yleisin ja kätevin työkaluympäristö ongelmien ratkaisemiseen. matemaattinen mallinnus. Matemaattinen malli on kuvaus minkä tahansa todellisen järjestelmän (prosessin, objektin) käyttäytymistilasta matematiikan kielellä, ts. käyttämällä kaavoja, yhtälöitä ja muita matemaattisia suhteita. Matemaattisen mallin toteuttaminen on käyttöä tietty menetelmä lähtöparametrien arvojen laskenta tuloparametrien arvojen mukaan. Taulukkotekniikka on yksi menetelmistä matemaattisen mallin toteuttamiseksi. Myös matemaattisen mallin toteuttamiseen on olemassa menetelmiä, joihin kuuluu ohjelmointi ohjelmointikielillä, matemaattisten pakettien käyttö (MathCad, Mathematics, 1C: Mathematical Designer jne.), erikoistuneiden ohjelmistojärjestelmien käyttö mallintamiseen. Tällaisilla keinoilla luotuja matemaattisia malleja kutsutaan tietokonematemaattisiksi malleiksi.

Tietojenkäsittelytieteen, matematiikan ja fysiikan yhteenkytketty opetus tarjoaa mahdollisuuden perehtyä sovellettavien matemaattisten pakettien käyttöön tyypillisten ongelmien ratkaisun työkaluna. Siksi osiossa "Mallinnointi ja formalisointi" ilmenee informatiikan meta-subjektirooli.

Mallintaminen on yksi vaikeimmista osista koulun tietojenkäsittelytieteen kurssilla. Sisältö-rakenteellinen komponentti "Mallinnointi ja formalisointi" on tärkeä osa tieteenalaa, jota kehitetään jatkuvasti, minkä seurauksena sen tutkimuksen metodologian tutkimus ei ole vielä valmis. Tällä hetkellä on suuri määrä tietokonemallinnuksen opetusmenetelmiä, joita käytetään aktiivisesti koulun tietojenkäsittelyn tunneilla.

Aiheen "Tietomallinnus" ohjelmisto- ja resurssituki yleissivistävän ja toisen asteen yleissivistävän koulutuksen tasolla edustaa ohjelmisto- ja Internet-resursseja, erityisesti yhden digitaalisten koulutusresurssien kokoelman resursseja.

Yksi käytettävissä olevista mallinnustyökaluista on Microsoft Excel -toimistosovellus, sillä lähes kaikissa kouluissa on MS Office. Microsoft Excel on taulukkolaskentaohjelma, jonka avulla voit analysoida suuria tietomääriä. Tämä ohjelma käyttää yli 600 matemaattista, taloudellista, tilastollista ja muuta erikoistoimintoa, joiden avulla voit linkittää erilaisia taulukoita toisiinsa, valita mielivaltaisia tiedonesitysmuotoja ja luoda hierarkkisia rakenteita.

Mathcad on teknisten ja matemaattisten laskelmien sovellus, alan standardi laskelmien suorittamiseen, jakeluun ja tallentamiseen. Mathcad on universaali järjestelmä, ts. voidaan käyttää millä tahansa tieteen ja teknologian alalla - missä tahansa matemaattisia menetelmiä sovelletaan.

KOMPAS on tietokoneavusteinen suunnittelujärjestelmä. KOMPAS-järjestelmän avulla voit luoda 3D-assosiatiivisia malleja osista ja yksittäisistä yksiköistä, jotka sisältävät alkuperäisiä tai standardoituja rakenneosia.

Blender on ilmainen 3D-mallinnusohjelmisto. Tämän ohjelman temppu on, että 3D-näkymää luotaessa apuohjelmaikkuna voidaan jakaa osiin, joista jokainen on itsenäinen ikkuna, jossa on tietyntyyppinen 3D-näkymä, aikajanaviivain, objektiasetukset. Tällaisten osien määrää rajoittaa vain näytön resoluutio. Sovelluksessa on myös spline-mallinnustyökaluja, ja Bezier-käyriä ja B-splinejä käytetään myös 3D-objektien muodostamiseen.

Tietokonemallinnuksella on useita etuja vain silloin, kun tietokoneen laskenta- ja graafiset ominaisuudet on täysin hyödynnetty, mikä mahdollistaa vastaavien ohjelmistojen monipuolisten mahdollisuuksien toteuttamisen.

Esimerkki yhtälön graafisesta ratkaisusta interaktiivisessa ympäristössä "1C: Mathematical Constructor":

Kuinka monta ratkaisua yhtälöllä log1/16x = (1/16)x on? Vasemman ja oikean osan kuvaajilla on ensi silmäyksellä vain yksi ratkaisu, joka on suoralla y = x (kuva 1). Zoomaus- ja Siirrä taulukko -työkalujen avulla voit kuitenkin lähentää ja löytää kahden kaavion odottamattoman kietoutumisen, joka johtaa kolmeen, ei yhteen juureen!

Riisi. 1. Graafisen yhtälön ratkaisu

Intuitio tässä tapauksessa pettää: jos piirrämme nämä yhtälön kuvaajat käsin, niin näemme, että yhtälöllä on yksi juuri - molempien kaavioiden ja suoran leikkauspisteessä y = x(eli yhtälön (1/16) juuri x = x). Mutta se on helppo nähdä ja tarkistaa korvaamalla, että numerot x= 1/2 ja x= 1/4 ovat myös juuria. Mistä he tulevat?
Jos rakennat kuvaajia "Mathematical Constructorissa", niin ohjelma löytää kolme niiden leikkauspistettä (kuva 2), vaikka näiden pisteiden läheisyydessä "normaalissa" mittakaavassa kaaviot "tarttuvat yhteen". Työkalun käyttäminen Muuta zoomia voit suurentaa kuvaa ja nähdä kuinka kaaviot ovat "kietoutuneet".

Riisi. 2. Graafisen yhtälön ratkaisu

Näin ollen yksinkertaisten graafisten mallien rakentaminen, kuten yksinkertaisten matemaattisten tehtävien ratkaiseminen, soveltuu jo tietojenkäsittelytieteen peruskurssille. Graafisten mallien itsensä kehittäminen edellyttää ohjelmoinnin tuntemusta, ja tämä pätee vaikeutuneeseen materiaaliin, jota opiskellaan profiilikurssi tietojenkäsittelytiede tai osana valinnaista kurssia.

Bibliografinen luettelo:

1. Korolev, A.L. Tietokonemallinnus / A.L. Korolev. - M: BINOM. Knowledge Laboratory, 2010 - 230 s.
2. Safonov, V.I. Tietokonemallinnus: oppikirja. korvaus / V. I. Safonov. - Mordov. Osavaltio. Ped. in–t. - Saransk, 2009. - 92 s.
3. Tarasevich, Yu.Yu. Matemaattinen ja tietokonemallinnus. Alkukurssi: oppikirja. lisäys / Yu.Yu. Tarasevitš. - M. : LIBROKOM, 2013. - 152 s.

Arvostelut:

25.11.2017, 14:51 Feofanov Aleksander Nikolajevitš
Arvostelu: Artikkeli on huonosti jäsennelty, ei ole selvää, kuka lukija on. Anna niiden näyttää ero kuvien 1 ja 2 välillä. Mitä minun pitäisi kuvitella, ja mikä on, on kuvan toisto. 1. Tarkistuksen jälkeen julkaisu lehdessä on mahdollista. Teknisten tieteiden tohtori, prof. Feofanov A.N.

19.12.2017, 20:53 Feofanov Aleksander Nikolajevitš
Arvostelu: Onko materiaaliin tehty korjauksia? (linkissä ei ole mitään) - kuka on lukija (opettaja vai opiskelija). Kenelle artikkeli on tarkoitettu? - ero kuvassa 1 ja 2 - pitäisi olla eri mittakaava. Mutta tätä ei ole tehty! Kuvien mittakaava pysyy samana. Ensimmäisessä kuvassa leikkauspisteet eivät olleet näkyvissä, toisessa ne sijoitettiin. Mutta tämä ei ole tietokonesimulaatioiden tulos. - artikkelissa on toistoja. Teknisten tieteiden tohtori, prof. Feofanov A.N.

19.12.2017 21:21 Vastaus kirjoittajan arvosteluun Rezaeva Natalya Sergeevna:
Lukija on pääosin opiskelija, mutta osittain myös opettaja. Juuri ohjelman avulla voit suurentaa tätä kuvaajaa ja nähdä nämä leikkauspisteet, kaikki tämä kasvaa ja pienenee ohjelmassa, eikä sitä ole järkeä lisätä kuvissa.

20.12.2017, 7:31 Feofanov Aleksander Nikolajevitš
Arvostelu: On parempi ja selkeämpi näyttää esimerkki kolmioilla tai ympyröillä (leikkauspisteet, yhteiset pisteet jne.) Ja artikkeli ei paljasta "1C: Mathematical Designer" -ohjelman automaattisen skaalauksen toimivuutta. Feofanov A.N.

22.01.2018, 16:16 Bovtruk Natalia Sergeevna
Arvostelu: artikkelilla on erittäin hyvä otsikko, mutta artikkelissa tehtiin vain pieni analyysi ohjelmista. On tarpeen analysoida enemmän ohjelmien olemusta tapauksessasi.