ФГБОУ ВПО «Воронежский государственный
технический университет»
О.Б. Кремер
КОМПЬЮТЕРНЫЕ ТЕХНОЛОГИИ
В НАУКЕ И ОБРАЗОВАНИИ
Утверждено Редакционно-издательским советом
университета в качестве учебного пособия
Воронеж 2012
УДК 004.9
Кремер О.Б. Компьютерные технологии в науке и образовании: учеб. пособие / О.Б. Кремер. Воронеж: ФГБОУ ВПО «Воронежский государственный технический университет», 2012. 154 с.
В учебном пособии рассматриваются вопросы применения компьютерных технологий в научных исследованиях и образовании, относящиеся к профессиональной деятельности специалистов по вычислительной технике.
Издание соответствует требованиям Федерального государственного образовательного стандарта высшего профессионального образования по направлению 230100.68 «Информатика и вычислительная техника» (магистерская программа подготовки «Распределенные автоматизированные системы»), дисциплине «Компьютерные технологии в науке и образовании».
Пособие подготовлено в электронном виде в текстовом редакторе MS Word 2007 и содержится в файле КТвНиО.docx.
Табл. 3. Ил. 13. Библиогр.: 28 назв.
Научный редактор д-р техн. наук, проф. С.Л. Подвальный
Рецензенты: |
кафедра информационных технологий в образовании Воронежского областного института повышения квалификации и переподготовки работников образования (зав. кафедрой канд. техн. наук, доц. Л.А. Бачурина); канд. техн. наук, доц. Л.В. Холопкина |
© © |
Кремер О.Б., 2012 Оформление. ФГБОУ ВПО «Воронежский государственный технический университет», 2012 |
Цель информатизации общества - создание гибридного интегрального интеллекта всей цивилизации, способного предвидеть и управлять развитием человечества. Образовательная система в таком обществе должна быть системой опережающей. Переход от консервативной образовательной системы к опережающей должен базироваться на опережающем формировании информационного пространства Российского образования и широком использовании информационных технологий.
В научных исследованиях вычислительные процедуры прикладного статистического анализа являются достаточно трудоемкими при их реализации. Особенно актуальной проблема трудоемкости становится при многомерном анализе данных. Поэтому эффективная, грамотная, всесторонняя статистическая обработка данных даже небольшого объема практически невозможна без использования вычислительной техники. В настоящее время новый импульс развития и использования получили компьютерные технологии обработки и анализа данных.
Другая часть исследования – построение модели предметной области. Моделирование систем, рассматриваемое в целом, представляет собой скорее искусство, чем сформировавшуюся науку с самостоятельным набором средств отображения явлений и процессов реального мира. Поэтому исключительно сложными являются попытки классификации задач компьютерного моделирования или создания достаточно универсальных инструментальных средств компьютерного моделирования произвольных объектов. Однако если преднамеренно сузить класс рассматриваемых объектов, то возможно отобрать ряд достаточно универсальных подходов и программных средств.
В литературе по моделированию встречаются такие названия, как пакеты, софт, имитационные системы, имитационные среды, языки имитационного моделирования, проблемно-ориентированные имитаторы, процедурно и объектно-ориентированные языки моделирования и т.д.
Система образования и наука являются одним из объектов процесса информатизации общества. Информатизация образования в силу специфики самого процесса передачи знания требует тщательной отработки используемых технологий информатизации и возможности их широкого тиражирования. Кроме того, стремление активно применять современные информационные технологии в сфере образования должно быть направлено на повышение уровня и качества подготовки специалистов.
Поэтому важна роль преподавателя в условиях применения информационных технологий, появилось новое направление деятельности педагога - разработка информационных технологий обучения и программно-методических учебных комплексов.
В пособии представлена технология создания мультимедийных курсов и их использование в учебном процессе, а также инструментальные средства для подготовки учебных комплексов.
Одним из основных этапов проектирования учебных комплексов является этап выбора или специальной разработки, в соответствии с решаемой дидактической задачей, компьютерных или других информационных средств обучения, поэтому организационные аспекты применения информационных технологий обучения представлены в отдельном разделе.
Материал учебного пособия соответствует требованиям Федерального государственного образовательного стандарта высшего профессионального образования по направлению 230100 «Информатика и вычислительная техника» (магистерская программа подготовки «Распределенные автоматизированные системы»), дисциплине «Компьютерные технологии в науке и образовании».
Конечная цель всякого исследования или научного анализа состоит в нахождении связей (зависимостей) между переменными. Философия науки учит, что не существует иного способа представления знания, кроме как в терминах зависимостей между количествами или качествами, выраженными какими-либо переменными. Таким образом, развитие науки всегда заключается в нахождении новых связей между переменными.
Прикладная статистика определяется как самостоятельная научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов.
Под методами математической статистики предлагается понимать те методы статистической обработки исходных данных, разработка и использование которых апеллируют к вероятностной природе этих данных. Эти методы предусматривают возможность вероятностной интерпретации обрабатываемых данных и полученных в результате обработки статистических выводов.
Условно выделены три центральные проблемы прикладной статистики:
• статистическое исследование структуры и характера взаимосвязей, существующих между анализируемыми количественными переменными;
• разработка статистических методов классификации объектов и признаков;
• снижение размерности исследуемого признакового пространства с целью лаконичного объяснения природы анализируемых многомерных данных.
Вычислительные процедуры прикладного статистического анализа являются достаточно трудоемкими при их реализации. Особенно актуальной проблема трудоемкости становится при многомерном анализе данных. Поэтому эффективная, грамотная, всесторонняя статистическая обработка данных даже небольшого объема практически невозможна без использования вычислительной техники.
Проверка выдвинутых исследовательских гипотез производится с помощью корреляционного, дисперсионного или факторного анализов. Вследствие проведенного анализа данных, выдвинутая гипотеза подтверждается или отвергается, что в любом случае говорит о полученном результате.
Conjoint analysis (совместный анализ) Метод анализа, предназначенный для оценки и сравнения атрибутов продуктов с целью выявления тех из них, которые оказывают наибольшее влияние на покупательские решения. Метод "Conjoint analysis" - лучшая технология для измерения важности того или иного фактора из-за того, что он заставляет респондента думать не о том, что важно, а только о его предпочтении. Достоинством метода является возможность выявить латентные факторы, влияющие на поведение потребителей. С помощью данного метода можно выделить оптимальную комбинацию свойств продукта, оставив продукт в приемлемой ценовой категории.
Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается неким набором переменных. Целью кластерного анализа является образование групп схожих между собой объектов, которые принято называть кластерами. При помощи кластерного анализа можно производить сегментацию рынка (например, выделение приоритетных групп потребителей). Применение методов кластеризации к сегментированию основано на следующих предположениях. Во-первых, считается, что по значениям переменных, которыми описываются свойства потребителей, можно выделить группы схожих потребителей. Во-вторых, считается, что на выделяемом сегменте можно достигнуть лучших маркетинговых результатов по продвижению продукции. Полагается, что более значимо для маркетингового результата, объединение потребителей в группу с учетом мер близости друг к другу. Для обоснования данных предположений используется метод дисперсионного анализа.
Дисперсионный анализ. С помощью дисперсионного анализа исследуют влияние одной или несколько независимых переменных на одну зависимую переменную или на несколько зависимых переменных. Метод статистического анализа, позволяющий определить достоверность гипотезы о различиях в средних значениях на основании сравнения дисперсий (отклонений) распределений (например, можно проверить гипотезу о различиях двух групп потребителей, выделенных при помощи кластеризации). В отличие от корреляционного анализа дисперсионный анализ не дает возможности оценить тесноту связи между переменными.
Регрессионный анализ. Статистический метод установления зависимости между независимыми и зависимыми переменными. Регрессионный анализ на основе построенного уравнения регрессии определяет вклад каждой независимой переменной в изменение изучаемой (прогнозируемой) зависимой переменной величины. В маркетинге часто используется для прогнозирования спроса.
Факторный анализ. Совокупность методов, которые на основе реально существующих связей признаков (или объектов) позволяют выявлять латентные (или скрытые) обобщающие характеристики изучаемых явлений и процессов. Главными целями факторного анализа являются сокращение числа переменных и определение структуры взаимосвязей между переменными, то есть классификация переменных. При сокращении числа переменных итоговая переменная включает в себя наиболее существенные черты объединяемых переменных. Классификация подразумевает выделение нескольких новых факторов из переменных связанных друг с другом. В маркетинге этот метод используется в связи с углублением анализа потребительского поведения, развитием психографики и т.п. задач, в которых необходимо выявление явно не наблюдаемых факторов.
Результаты полевых исследований представляют собой значительные массивы переменных, которые достаточно сложны для обработки "ручным методом". На сегодняшний день, в арсенале исследователей имеется множество программных пакетов, позволяющих оптимизировать и упростить процедуру анализа. Наибольшее распространение получили такие пакеты, как Vortex, SPSS, Statistica.
В настоящее время новый импульс развития и использования получили компьютерные технологии обработки и анализа данных. Разработка собственных компьютерных программ не всегда целесообразна, так как большой сегмент рынка прикладных программ занимают пакеты по статистической обработке данных. Это профессиональные пакеты (SAS, BMDP), универсальные пакеты (STADIA, OLIMP, STATGRAPHICS, SPSS, STATISTICA), специализированные (BIOSTAT, MESOSAUR, DATASCOPE).
Одним из наиболее известных в России пакетов для прикладного статистического анализа данных является пакет STATISTICA.
STATISTICA — это универсальная интегрированная система, предназначенная для статистического анализа и обработки данных. Содержит многофункциональную систему для работы с данными, широкий набор статистических модулей, в которых собраны группы логически связанных между собой статистических процедур, специальный инструментарий для подготовки отчетов, мощную графическую систему для визуализации данных, систему обмена данными с другими Windows-приложениями.
С помощью реализованных в системе STATISTICA языков программирования (SQL, STATISTICA BASIC), снабженных специальными средствами поддержки, легко создаются законченные пользовательские решения и встраиваются в различные другие приложения или вычислительные среды.
Система STATISTICA производится фирмой StatSoft Inc. (США), основанной в 1984 г. в городе Тулса (США). Первые программные продукты фирмы (PsyhoStat-2,3) были предназначены для обработки социологических данных.
Система STATISTICA имеет более полумиллиона зарегистрированных пользователей во всем мире. Пользователями системы являются крупнейшие университеты, исследовательские центры, компании, банки всего мира, государственные учреждения. В 1999 г. состоялся выпуск русской версии.
Появление операционной системы Windows XP привело к необходимости структурных изменений программы STATISTICA и созданию новой версии STATISTICA 6.O. В ней существенно изменены структуры интерфейса, диалоговых окон.
Одномерный статистический анализ совокупности данных, состоящих из наблюдений и характеризующих их переменных, заключается в рассмотрении каждой отдельной переменной и исследовании их попарной взаимосвязи. Естественно, такой подход весьма ограничен, так как закономерности и взаимосвязи, присущие всей совокупности, невозможно выявить, исследуя каждую переменную в отдельности. Поэтому наиболее интересным, с точки зрения прикладных исследований, разделом математической статистики является многомерный статистический анализ данных.
Многомерный статистический анализ — это раздел математической статистики, посвященный математическим методам построения оптимальных планов сбора, систематизации и обработки многомерных статистических данных, направленных на выявление характера и структуры взаимосвязей между компонентами исследуемого многомерного признака и предназначенных для получения научных и практических выводов. Под многомерным признаком понимается р-мерный вектор X = (х1 , х2 ,..., хр) показателей (признаков, переменных) х1 , х2 ,..., хр, среди которых могут быть количественные, т.е. скалярно измеряющие в определенной шкале степень проявления изучаемого свойства объекта; порядковые (или ординальные), т.е. позволяющие упорядочить анализируемые объекты по степени проявления в них изучаемого свойства; и классификационные (или номинальные), т.е. позволяющие разбивать исследуемую совокупность объектов на не подающиеся упорядочиванию однородные (по анализируемым свойствам) классы.
Многомерный статистический анализ дает возможность получить общие выводы относительно всей совокупности данных. Учитывая также и то, что анализируемые данные являются стохастическими, т.е. ограниченными и неполными, использование методов многомерного анализа является не только оправданным, но и существенно необходимым.