Отчет за 2009 год по выполнению проекта №89 «Эффективные вычислительные методы на последовательности сеток для решения задач математической физики»

Скачать 336.98 Kb.

страница	2/2
Дата	26.11.2012
Размер	336.98 Kb.
Тип	Отчет

1 2

Раздел 1. Обзор области параллельного программирования. Технологии, парадигмы, программные средства. Тема 1. Введение. Параллельные компьютеры и суперЭВМ. Тема 2. Введение. Особенности параллельного программирования.

Раздел 2. Особенности разработки параллельных приложений для систем с распределенной памятью. Тема 3. Проблемы создания приложений для вычислительных систем с распределенной памятью. Тема 4. Программирование с помощью библиотеки MPI. Тема 5. Реализация базовых алгоритмов вычислительной математики с помощью библиотеки MPI.

Раздел 3. Особенности разработки параллельных приложений для систем с общей памятью. Тема 6. Процессы и потоки. Тема 7. Обзор технологии программирования OpenMP..

Содержание курса «Особенности разработки параллельных приложений»

Раздел 1. Обзор области параллельного программирования. Технологии, парадигмы, программные средства. Тема 1. Введение. Параллельные компьютеры и суперЭВМ. Тема 2. Введение. Особенности параллельного программирования.

Раздел 2. Особенности разработки параллельных приложений для систем с общей памятью. Тема 3. Процессы и потоки. Реализации многопоточности. Тема 4. Механизм синхронизации процессов. Тема 5. Семафоры и мониторы. Тема 6. Обзор технологии программирования OpenMP.

Раздел 3. Особенности разработки параллельных приложений для систем с распределенной памятью. Тема 7. Программирование с помощью библиотеки MPI.

Итак, созданы учебные курсы, в которых рассматриваются современные подходы к разработке программного обеспечения для высокопроизводительных параллельных вычислительных систем, приводятся общие сведения об архитектурах современных суперкомпьютеров и методах их программирования, изучаются особенности ряда популярных средств разработки параллельных программ и их использования для решения различных задач. Основной упор делается на преодоление конфликтных ситуаций, возникающих при использовании параллельного программирования.
8. Структурная адаптация электронных учебных курсов с помощью обучающего тестирования.

В качестве объекта исследования в этом направлении взята проблема повышения эффективности диагностики знаний в автоматизированных обучающих системах (АОС) как инструмент по достижению оптимального педагогического воздействия в условиях дистанционной формы обучения в рамках личностно-ориентированной стратегии образовательного процесса.

Схематично процесс самостоятельного изучения учебной дисциплины с помощью электронных учебных курсов можно представить в виде кибернетического процесса с обратной связью (рис. 5).

Очевидно, что при изучении курса необходимы механизмы, позволяющие системе в автоматическом режиме оценить уровень знаний пользователя на их соответствие с требованиями учебного стандарта и принять решение по поводу дальнейших действий. В качестве результатов оценки может быть выработано решение как о соответствии продемонстрированных знаний цели обучения, так и о необходимости повторного обращения к учебному материалу. При этом требуется индивидуальный подход к каждому обучаемому, позволяющий оптимизировать траекторию дальнейшей работы с учебным материалом.

Пользователь может определить цель работы с электронными учебными курсами в виде одной из трех следующих форм:

– выполняется учебный стандарт в полном объеме;

– пользователь сам указывает, какую направленность знаний он хочет получить (ознакомительную, теоретическую, практическую, стандартизированную, углубленную, расширенную и пр.);

– пользователь сам указывает, какие именно разделы ему необходимо знать.

Рис. 5. Схема взаимодействия пользователя с автоматизированной обучающей системой, где

– обучающее - контролирующее воздействие;

– оценка знаний;

– управляющее воздействие).
В результате на базе автоматизированной обучающей системы должен формироваться такой вариант электронного учебного курса (ЭУК), который будет отвечать индивидуальным потребностям обучаемого как в плане дидактических единиц, так и в плане тестового контроля. От цели также будет зависеть и адаптация последовательности предъявления материала пользователю, учитывая его профиль, скорость обучения и текущий уровень знаний.

Остановимся на компьютерном тестировании (КТ), как на наиболее распространенном инструменте оценки знаний в условиях дистанционного и самостоятельного обучения.

Было выяснено, что автоматизированная корректировка стратегии подачи материала по результатам проведения контрольного тестирования имеет ряд ограничений:

– примитивность механизма подсчета итоговых баллов;

– высокая погрешность оценки (более 10%);

– изоляция процесса тестирования от обучения;

– сужение поля анализируемых факторов;

– уравнивание всех тестируемых, без учета целей работы с ЭУК.

Эти ограничения, взятые в комплексе, существенно снижают эффект применения КТ в образовании и упрощают лишь заключительную, контрольную фазу для педагога.

Представим модель структуры дисциплины в виде графа, содержащего четыре иерархических уровня (рис. 6).

Рис. 6. Структурная модель организации материала в ЭУК.
Введем дополнительный уровень реализации, с помощью которого будем иметь возможность перекомпоновки курса непосредственно для различных вариантов его представления. Этот уровень является виртуальным и не требует дублирования данных, т.е. очередная реализация курса будет «собираться» из элементов множества

на уровне связей с базовой структурой хранимых данных. У педагога появляется возможность реализации авторского курса на базе единой автоматизированной обучающей системы: т.е. ЭУК должен способствовать самореализации педагога, но при этом не навязывать его подход другим авторам. Студент же получает такой учебный курс, который может быть автоматически сформирован из множества элементов уровня дидактических единиц за счет наличия дополнительной метаинформации: идентификаторов «родительского» раздела, набора связей с первичными дидактическими единицами, включая различные весовые коэффициенты при связях между структурными элементами относительно их важности и профильности.

Таким образом, получается семантическая сеть, обладающая возможностью многовариантного представления, в зависимости от специфики запроса пользователя. Наличие обратных связей делает из простой цепочки разделов гибко настраиваемую сеть, в каждом узле которой можно осуществить анализ текущих знаний пользователя.

Возникает задача оптимизации стратегии предъявления учебного материала относительно определенного эталона.

Имея определенные условия учебного процесса в момент времени t_i (оценку текущего знания пользователя и цель обучения относительно курса, соотношения разделов курса и взаимосвязь дидактических единиц), можно эффективно сформировать контрольный и обучающие тесты, используя для этого метаинформацию о реализации ЭУК. Для этого рассмотрим процесс пошаговой оптимизации, зависящей от текущего уровня знаний h и цели работы обучаемого с курсом. Модель обучаемого (G), содержащая данные о динамике вектора h и особенностях индивидуального освоения дисциплины (форме представления материала, текущей стратегии, скорости обучения и пр.), должна учитываться при управлении процессом обучения следующим образом:

, (1)

где

− вектор эталонного знания разделов дисциплины.

Рассмотрим понятие обучающее компьютерное тестирование (ОКТ), под которым будем понимать такую систему КТ, которая ориентирована на достижение оптимальных показателей обучения для отдельного пользователя посредством тесной интеграции с ЭУК, комплексной оценки знаний и механизма адаптации. Основное отличие ОКТ от классического подхода КТ заключается в том, что в основу процесса контроля закладывается цель обучения. Основные положения методики уже изложены авторами в ряде работ, поэтому здесь следует уточнить такие аспекты ОКТ, как особенность интеграции обучающих тестов с ЭУК и реализация механизма индивидуализации в АОС.

Проектирование эффективно работающей АОС подразумевает наличие правил и методов описания взаимодействия ее различных компонентов. Поэтому структура модели дисциплины (метаинформация об ЭУК) нуждается в конкретизации. Исходя из фактической структуры данных (см. рис. 6) и дополнительного уровня реализации, в АОС должны быть предусмотрены формальные методы описания как дидактических единиц, так и контрольного материала (обучающих тестов), взаимодействующих через модель курса. На наш взгляд, взаимосвязь дидактических единиц с пространством терминов и набором тестовых заданий можно представить в виде семантической сети. Ее формирование определяется совокупностью связей взаимодействия множеств D и T следующим образом: термины связываются с каждой дидактической единицей и компонентами банка тестовых заданий по отдельности; тестовые задания закрепляются за каждым элементом соответствующего учебного материала, а не за разделом из R.

Задача адаптации, реализуемая стратегией предъявления материала курса и критерием (1), требует специальной структуры данных и обучающих тестов. Каждое тестовое задание, хранящееся в базе данных АОС, можно отнести к конкретному подразделу ЭУК через принадлежность его элементам. Таким образом, все характеристики, которые имеет подраздел (уровень освоения, вид работы, соответствие цели изучения), автоматически становятся применимы и к отдельным тестовым заданиям (которые можно переопределить). Задания теста также дополняются индивидуальными признаками: вид тестового задания, подсказка, уровень сложности, связь с дидактическим материалом и ключевыми терминами.

Структура курса определяет структурный состав тестовой выборки (ТВ), т.е. набора тестовых заданий, которые включаются во множество предъявляемых пользователю вопросов при очередном проведении процесса тестирования. Благодаря заранее известной цели обучения и текущей оценке уровня знаний, в модели курса осуществляется подстройка стратегии предъявления учебного материала и наполнения ТВ заданиями. Для этого используется эталонное состояние вектора

, сформированного для каждой цели, и соотношение разделов, позволяющих инициализировать начальное состояние обучающего теста. Заранее настраиваемые разработчиком параметрами ОКТ будут являться объем ТВ и нормативный баланс разделов курса в ТВ.

Динамика обучения предполагает изменение состояния знаний обучаемого h по ходу освоения курса. Это позволяет с определенной долей достоверности судить о скорости освоения материала, интенсивности самообучения, случайности ошибок в определенных разделах теста, опираясь на статистику работы с обучающим тестом.

Учет параметров процесса тестирования может дать много полезного для оценивания знаний и учебно-контрольного материала, в том числе для педагога и составителя. В первую очередь, это данные о скорости решения тестовых заданий, распределения верных и пропущенных ответов, процент используемого времени, факты просмотра (ознакомление без решения) и прерывания теста. Сюда включается и анализ адекватности начальных настроек системы КТ (число задаваемых вопросов, нормативное время, алгоритм выбора вопросов из банка тестовых заданий).

Подводя итог, следует отметить, что задача повышения качества обучения при дистанционном или самостоятельном освоении электронных курсов, при всей ее богатой истории, до сих пор в полном объеме не решена. Поэтому использование возможностей обучающего компьютерного тестирования как инструмента индивидуализации траектории обучения может стать одним из подходов, позволяющих повысить эффективность автоматизированного обучения.

Список основных публикаций по теме исследований

1. Вяткин А.В., Шайдуров В.В., Щепановская Г.И. Метод конечных элементов в моделировании сферически-симметричных пульсаций Земли // Журнал Сибирского федерального университета. – Математика и физика. – 2008. – Т. 1, № 3. – С. 247-256.

2. Vyatkin A.V., Shaidurov V.V., Shchepanovskaya G.I. The numerical spherically symmetric modeling of deep-seated geodynamics // Numerical Analysis and Its Applications. – Springer. –LNCS 5434. – 2009. – Pp. 128-138.

3. Вяткин А.В., Шайдуров В.В., Щепановская Г.И. Численное сферически-симметричное моделирование глубинной геодинамики // Cиб. журн. индуст. матем. – 2009. – Т.12, № 1(37). – С. 40-48.

4. Шайдуров В.В., Щепановская Г.И. Сферически-симметрическая модель динамики строения Земли // Труды Шестого Совещания Российско-казахстанской рабочей группы по вычислительным и информационным технологиям. – Алматы: «Казак университетi». – 2009. С. 315-323.

5. Karepova E.D. and Shaidurov V.V. Numerical approximation of equations for heat-conducting compressible viscous medium // Recent advances in fluid mechanics. Proceedings of the 6th WSEAS International Conference on Fluid Mechanics. – China,WSEAS Press, 2009. – Pp. 121-125.

6. Карепова Е.Д., Шайдуров В.В., Вдовенко М.С. Параллельные реализации метода конечных элементов для краевой задачи для уравнений мелкой воды // Вестник ЮУрГУ. Серия "Математическое моделирование и программирование". 2009. № 17 (150). Вып. 3. С. 73-85

7. Карепова Е.Д., Шайдуров В.В., Вдовенко М.С. Параллельные реализации метода конечных элементов для краевой задачи для уравнений мелкой воды // Материалы IV международной конференции "Параллельные вычислительные технологии". Нижний Новгород, 2009. С. 205-217.

8. Карепова Е.Д., Шайдуров В.В. Исследование эффективности параллельных реализаций МКЭ для краевой задачи для уравнений мелкой воды // Тезисы докладов международной конференции "Математика в приложениях". Новосибирск, 2009. С. 205-217

9. Karepova E.D., Malyshev A.V., Shaidurov V.V. Research of efficiency of parallel realization of FEM for Boundary problem of shallow water equation // Тезисы докладов международной конференции "Математические и информационные технологии". Копаоник (Сербия), Будва (Черногория) 2009. С. 75-76.

10. Gilyova L.V., ShaidurovV.V. Convergence of a full multigrid algorithm for quadratic finite elements in a domain with a curvilinear boundary // Russian J. on Numerical Analysis and Mathematical Modelling.– 2009. – V. 24, No. 5. – P. 425-438.

1 2

Отчет за 2009 год по выполнению проекта №89 «Эффективные вычислительные методы на последовательности сеток для решения задач математической физики»

Похожие: