ВВЕДЕНИЕ 8
1 ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 12
1.1 Программная и техническая архитектура ИС предметной области 12
1.2 Методы оценки интеллектуального ресурса 17
1.3 Метод оценки в области задач 27
2 АНАЛИТИЧЕСКАЯ ЧАСТЬ 35
2.1 Постановка проблемы 35
2.2 Анализ программных средств в данной области (задачно-
ориентированных) 36
2.3 Используемые системы кодирования и классификаторы 42
2.4 Обоснование проектных решений по видам обеспечения 44
3 ПРОЕКТНАЯ ЧАСТЬ 52
3.1 Информационная модель и ее описание 52
3.2 Характеристика нормативно-справочной и входной и выходной
оперативной информации 52
3.3 Моделирование информационных процессов 53
3.5 Пользовательский интерфейс 59
3.5 Интерфейс модуля тестирования 63
3.6 Описание программных модулей 65
3.7 Организация технологии сбора, передачи, обработки и выдачи
информации 70
3.8 Схема технологического процесса сбора, передачи, обработки и выдачи
информации 72
ЗАКЛЮЧЕНИЕ 74
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 76
Приложения
Последние несколько десятилетий наблюдается значительный рост объема информации практически во всех сферах общества. Современные исследования показывают, что объем сгенерированных данных составил 2,8 зеттабайт в 2012 году, до 2020 г. прогнозируется рост до 40 зеттабайт (ZB). Экономика, финансы, политика, культура, технологии, каждая из этих сфер с огромной скоростью накапливает и обрабатывает информацию [1]. Процесс накопления, обработки и использования данных в знания с каждым годом все больше ускоряется. По утверждению многих ученых, каждые десять лет объем информации увеличивается в два раза. Исходя из этого факта и возникает необходимость эффективно хранить, распределять и обрабатывать накопленные данные.
Современное общество проходит так называемый процесс информатизации, при этом темпы этого процесса растут. Еще десять лет назад для работы с данными требовалось наличие стационарных компьютеров, сейчас же вычисления можно проводить на мобильных компьютерах, позволяющие не только получать доступ к мировым источникам, но даже контролировать процессы, обрабатывать данные в облаке, иметь место при управлении крупными проектами и зачастую даже заменять персональный компьютер во многих ситуациях. Информатизация общества приняла глобальный социальный характер, особенностью которого накопление, является сбор, продуцирование, обработка, хранение, передача и использование информации. Высокий уровень обслуживания в области информации поддерживает доступность любого члена общества к различным источникам достоверной информации, а также представление информации в визуальном формате, за счет которого повышается существенность используемых данных.
Информационные средства расширяют возможности работы с данными, позволяя не только хранить их, но и позволяют эти данные анализировать и на основе этих результатов принимать решения различного характера.
Информатизация общества давно перенесла задачу анализа данных на плечи вычислительной техники, это намного быстрее и удобнее, чем решать эту задачу человеческими ресурсами. Разработано множество аналитических систем, специального программного обеспечения, веб-сервисов и прочего, которые позволяют анализировать полученные данные. Но остается вопрос, затрагивающий их эффективность и недостатки, в частности касательно представлению конечных результатов под пользователя.
У любого аналитического программного обеспечения есть ряд своих проблем или недостатков, будь то невозможность работы с пропусками данных, необходимость в эмпирических или эвристических предположениях, неизвестность модели и так далее.
Данная работа направлена не просто на создание аналитической платформы, в данной ситуации она выступает больше в качестве инструмента достижения цели, а на изменение подхода к обработке данных и визуализации результатов, получению данных из различных источников, работе с различными форматами и типами, использование кластерного анализа, для возможности проверять гипотезы, находить зависимости между этими данными.
Созданный программный продукт сможет функционировать не только в рамках отдельного предприятия, а сможет стать вполне самостоятельным коммерчески реализуемым проектом.
В настоящее время существует ряд проблем в области анализа данных. Так например существующие методы не рассматривают оценку интеллектуального ресурса пользователя при решении задач разной сложности в определенной предметной области.
В рамках исследования рассматривается предметная область - интеллектуальный анализ данных при оценке интеллектуального ресурса человека и сопоставление его с интеллектуальными запросами (задачами).
Необходимость измерения и сопоставления может возникнуть при приеме нового сотрудника, оценке знаний учащегося, визуализации данных и других процессов, в которых необходимо измерить интеллектуальный ресурс человека для оценки его потенциала и возможностей решать определенные классы задач в предметной области.
Целью диссертации является исследование и моделирование процессов оценки интеллектуального ресурса пользователя и сопоставление его с интеллектуальными запросами (задачами). Объектом исследования является процесс оценки интеллектуального ресурса пользователя. Предметами исследования являются интеллектуальные ресурсы пользователя при решении профессиональных задач.
Задачи, поставленные в рамках данной выпускной квалификационной работы:
- провести анализ существующих методов и средств оценки интеллектуальных ресурсов пользователей;
- изучить существующие средства для тестирования пользователей в области задач;
- разработать модели системы оценки интеллектуальных ресурсов;
- разработать интерфейс пользователя, который отвечает задаче оценки интеллектуальных ресурсов;
- разработать прототип программного средства для оценки
интеллектуального ресурса пользователя в заданной предметной области.
Первая часть посвящена анализу предприятия, рассмотрению его структуры, программного обеспечения и оборудования. Затрагивает изучение существующих методов измерения интеллектуального ресурса человека, а также возможность их применения сто стороны задач в предметной области. Рассмотрены известные тесты структуры интеллекта Айзенка, прогрессивные матрицы Равена и другие методы. Также в теоретической части рассмотрена математическая модель метода измерения интеллектуального ресурса, ориентирующаяся на психофизические методы, а также математические алгоритмы определяющие степени уверенности и глубину знаний человека в предметной области.
В аналитической части проведен анализ существующих программных решений используемых для тестирования пользователей. Так как была выбрана область рассмотрения навыков программиста, то были выделены решения в этой области, выявлены их минусы и плюсы. Во второй половине главы посвященной анализу, был обоснован выбор среды разработки, применяемой в рамках данной работы, а также обоснование выбранного инструментария.
Проектная часть затрагивает непосредственно разработку самого программного модуля. Он посвящен моделированию информационных процессов в среде BPWin, а также структуре модуля и его взаимодействию с системой «Познание», которая была разработана нами ранее. Также в проектной части рассматриваются алгоритмы и структура модуля, результаты работы программы. В разделе программных модулей приведены отрывки кода, демонстрирующие алгоритмы и результаты выполнения программы.
В ходе диссертации была исследована предметная область деятельности проектно-конструкторского отдела ИП Шевченко. Были выявлены основные проблемы в аналитической деятельности предприятия. В ходе анализа деятельности аналитического отдела возникла необходимость в методах, которые решающих интеллектуальные задачи и сопоставляющие их с интеллектуальным ресурсом пользователя. Разработаны методы и средства на основе изученных дисциплин, обеспечивающие решение этих проблем.
В процессе разработки были разработаны методы и средства измерения интеллектуального ресурсов пользователя, а так же была проанализирована деятельность и структура ИП Шевченко, а так же взаимодействие подразделений предприятия, определены задачи аналитика. Были изучены организационная и техническая структура предприятия. Изучено используемое программное обеспечение и технические средства, используемые для решения конкретных задач. Работа аналитика на данном промежутке времени работы предприятия занимает длительное время, большинство расчетов проводится вручную. В связи с этим было предложено решение этой проблемы.
В ходе анализа существующего программного обеспечения, был сделан вывод, что большая часть существующих предложений не позволяют эффективно решать задачи и зачастую имеют высокую стоимость лицензии. Поэтому было принято решение разработки системы «Познание», сопоставляющее интеллектуальные запросы пользователя и его интеллектуальный ресурс.
Задачи, выполненные в рамках данной выпускной квалификационной работы:
- проведен анализ существующих методов и средств оценки интеллектуальных ресурсов пользователей;
- изучены существующие средства для тестирования пользователей в области задач;
- разработана модель системы оценки интеллектуальных ресурсов;
- разработан интерфейс пользователя, который отвечает задаче оценки интеллектуальных ресурсов;
- разработан прототип программного средства для оценки
интеллектуального ресурса пользователя в заданной предметной области.
Для этого были реализованы следующие функции:
- формирование гипотез произвольного вида при помощи предикатов первого порядка;
- решение задачи уменьшения пространства признаков уменьшение и пространства признаков при помощи логико-статистических методов вычислений;
- учёт интеллектуального ресурса пользователя;
- импорт файлов из различных источников.
В результате реализации проекта, в соответствии с требованиями руководства ИП Шевченко к разрабатываемой системе автоматизации, система удовлетворяет требованиям аналитика, а именно:
- позволяет измерять интеллектуальный ресурс пользователя;
- позволяет формулировать гипотезы свободного вида;
- позволяет принимать управленческие решения.
Во время разработки модуля для системы «Познание» была решена главная задача - измерение интеллектуального ресурса пользователя в области задач.
1. Анфилатов В. С., Емельянов А. А., Кукушкин А. А. Системный анализ в управлении. — М. Финансы и статистика, 2012.
2. Базы данных. Интеллектуальный анализ данных. Автор Нестеров А.С. год выпуска 2011, издательство СПб.: Изд-во Политехн. ун-та;
3. Гуц А.К. Математическая логика и теория алгоритмов. — Наследие, Диалог-Сибирь, 2013.
4. Дюк В., Самойленко А. «DataМining: учебный курс», 2010;
5. Ершов Ю.Л., Палютин Е.А. Математическая логика. — М.: Наука, Физматлит, 2007.
6. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. РАСПОЗНАВАНИЕ. Математические методы. Программная система. Практические применения. — М.: Изд. «Фазис», 2011
7. Зиновьев А. Ю. Визуализация многомерных данных. — Красноярск: Изд. Красноярского государственного технического университета, 2010.
8. Игошин В.И. Математическая логика и теория алгоритмов. — Academia, 2008.
9. Ильясов Ф. Н. Шкалы и специфика социологического измерения. Мониторинг общественного мнения: экономические и социальные перемены. 2014.
10. Клини С.К. Математическая логика. — М.:Мир, 2013.
11. Мендельсон Э. Введение в математическую логику. — М. Наука, 2012.
12. Новиков П.С. Элементы математической логики. — М.:Наука, 2013.
13. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям— СПб.: Изд. Питер, 200
14. Перегудов Ф. И., Тарасевич Ф. П. Введение в системный анализ. — М.: Высшая школа, 2009.
15. Суппес П., Зиннес Д. Основы теории измерений. Психологические измерения.
16. Чубукова И. А. DataMining: учебное пособие. — М.: Интернет- университет информационных технологий: БИНОМ: Лаборатория знаний, 2012.
17. Ian H. Witten, Eibe Frank and Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques. — 3rd Edition. — Morgan Kaufmann,
2011.
18. MSDN - сеть разработчиков Microsoft [Электронный ресурс]. - Режим доступа. - URL: http://www.msdn.microsoft.com/(дата обращения 01.12.2018)
19. TechNet - ресурсы по администрированию, виртуализации, облачным вычислениям [Электронный ресурс]. - Режим доступа. - URL: https://technet.microsoft.com/(дата обращения 01.12.2018)
20. Businessintelligence - Википедия [Электронный ресурс]. - Режим доступа. - URL: https://ru.wikipedia.org/wiki/Business_Intelligence/(дата обращения 01.12.2018)
21. Гручко А.А., Тимонина Н.Н. Теоретические основы защиты информации. - М.: издательство Агентство «Яхтсмен». 2011 г. - 333с.
22. Базы данных. Интеллектуальный анализ данных. Автор Нестеров А.С. год выпуска 2011, издательство СПб.: Изд-во Политехн. ун-та. - 442с.
23. Дюк В., Самойленко А. «DataМining: учебный курс», 2010; - 237с.
24. Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям— СПб.: Изд. Питер. - 200с.
25. Журавлёв Ю.И., Рязанов В.В., Сенько О.В. РАСПОЗНАВАНИЕ. Математические методы. Программная система. Практические применения. — М.: Изд. «Фазис», 2011- 367с.
26. Зиновьев А. Ю. Визуализация многомерных данных. — Красноярск: Изд. Красноярского государственного технического университета, 2010. - 422с.
27. Чубукова И. А. DataMining: учебное пособие. — М.: Интернет- университет информационных технологий: БИНОМ: Лаборатория знаний,2012.- 286с.
28. Ian H. Witten, Eibe Frank and Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques. — 3rd Edition. — Morgan Kaufmann,
2011. - 321с.
29. Гуц А.К. Математическая логика и теория алгоритмов. — Наследие, Диалог-Сибирь, 2013.- 400с.
30. Ершов Ю.Л., Палютин Е.А. Математическая логика. — М.: Наука, Физматлит, 2007.- 420с.
31. Игошин В.И. Математическая логика и теория алгоритмов. — Academia, 2008. - 353с.
32. Клини С.К. Математическая логика. — М.:Мир, 2013.- 239с.
33. Мендельсон Э. Введение в математическую логику. — М. Наука,2012.- 420с.
34. Новиков П.С. Элементы математической логики. — М.:Наука, 2013.-323с.
35. Анфилатов В. С., Емельянов А. А., Кукушкин А. А. Системный анализ в управлении. — М. Финансы и статистика, 2012. - 290с.