WWW.KONF.X-PDF.RU
БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА - Авторефераты, диссертации, конференции
 

Pages:   || 2 | 3 | 4 | 5 |

«Ракитин Александр Георгиевич КОМПЬЮТЕРНЫЕ СРЕДСТВА ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ ВЫЧИСЛЕНИЯМ БАКАЛАВРОВ ИНФОРМАЦИОННЫХ СИСТЕМ И ТЕХНОЛОГИЙ Специальность 13.00.02 - теория и методика обучения и ...»

-- [ Страница 1 ] --

«РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ

УНИВЕРСИТЕТ им. А.И. ГЕРЦЕНА

На правах рукописи

Ракитин Александр Георгиевич

КОМПЬЮТЕРНЫЕ СРЕДСТВА ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ

ВЫЧИСЛЕНИЯМ БАКАЛАВРОВ ИНФОРМАЦИОННЫХ

СИСТЕМ И ТЕХНОЛОГИЙ

Специальность 13.00.02 - теория и методика обучения и воспитания



Диссертация на соискание ученой степени кандидата педагогических наук

Научный руководитель:

доктор педагогических наук, профессор М.В. Швецкий Санкт-Петербург 2015 г.

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ МЕТОДИЧЕСКОЙ

СИСТЕМЫ ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ ВЫЧИСЛЕНИЯМ

§1.1. Парадигмы междисциплинарности

§1.2. NBIC-конвергенции как новая технологическая парадигма

§1.3. Молекулярные вычисления в NBIC-технологиях

§1.4. Понятие «природные вычисления»

§1.5. О понятии «методические связи»

Выводы по главе 1

ГЛАВА 2. РАЗВИТИЕ СОДЕРЖАНИЯ ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ

ВЫЧИСЛЕНИЯМ

§2.1. Отбор содержания обучения компьютерному моделированию структуры цепочек ДНК

§2.2. Компьютерное моделирование классических алгоритмов над молекулами ДНК

§2.3. Отбор содержания обучения алгоритмам поиска подстроки в строке....... 73 §2.4. Отбор содержания обучения алгоритмам на подпоследовательностях...... 77 §2.5. Новая реализация алгоритма поиска наибольшей общей подпоследовательности как фрагмент содержания обучения

Выводы по главе 2

ГЛАВА 3. СРЕДСТВА ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ ВЫЧИСЛЕНИЯМ. 101

§3.1. Классификация средств обучения

§3.2. Платформа 1С как средство обучения программированию

§3.3. Интерпретатор языка пробирок для ДНК-вычислений на языке Haskell как средство обучения

§3.4. Интерпретатор языка пробирок на языке 1С как средство обучения....... 114 §3.5. Компьютерная реализация опыта Эдлмана как средство обучения.......... 123 §3.6. Компьютерная реализация решения задачи о выполнимости пропозициональных формул

§3.7. Компьютерная реализация решения задачи о рюкзаке

§3.8. Фреймворк для анализа ДНК строк

§3.9. Организация и проведение педагогического эксперимента

Выводы по главе 3

ЗАКЛЮЧЕНИЕ

Библиография

ПРИЛОЖЕНИЕ 1. ГРАФЫ СОДЕРЖАНИЯ ОБУЧЕНИЯ

ПРИЛОЖЕНИЕ 2. ТРЕБОВАНИЯ, ПРЕДЪЯВЛЯЕМЫЕ К ЗНАНИЯМ И

УМЕНИЯМ СТУДЕНТОВ

ПРИЛОЖЕНИЕ 3. СПРАВОЧНАЯ ИНФОРМАЦИЯ К РАЗРАБОТАННОМУ

ИНТЕРПРЕТАТОРУ ДНК-ВЫЧИСЛЕНИЙ НА БАЗЕ ЯЗЫКА 1С.................. 173

ВВЕДЕНИЕ

Актуальность проблемы исследования. Практика использования информационных технологий приводит к необходимости поиска эффективных средств для реализации вычислений. В результате исследований были обнаружены новые вычислительные модели, которые названы неклассическими. Такие модели существенно опираются на природные процессы, которые можно использовать для вычислений.

Актуальность исследования подтверждают следующие противоречия:

активное взаимопроникновение информационных технологий, биотехнологий, нанотехнологий и когнитивных технологий (NBIC-технологий) предполагает возникновение нового содержания обучения и средств обучения, т.е.

необходимость теоретической систематизации новых знаний, лежащих в основании NBIC-технологий;

в настоящее время содержание обучения, относящееся к понятию «вычислимость», содержит класс моделей, которые мы называем «классическими вычислительными моделями» и источником которых является математика. Однако Природа обладает внутренними средствами, позволяющими реализовывать вычислительные процессы более эффективно. В учебном процессе подобные вычислительные модели пока не находят отражения в учебных и методических пособиях. Перечислим несколько существующих научных изданий, в которых затрагиваются вопросы молекулярных вычислений [12, 15, 33, 37, 38, 58, 56] и методичесские исследования Т.С. Стефановой [60, 61];

в современной информатике существуют алгоритмы, которые невозможно эффективно реализовать с помощью классического компьютера. Эти проблемы могут помочь решить неклассические вычислительные модели (в частности, молекулярные и квантовые вычисления);





для организации процесса обучения, отмеченного в пп. (1), (2) и (3), необходимы программные средства учебного назначения, но подобных программ крайне мало.

Для дальнейшего изложения определим некоторые термины.

Под парадигмой вычислений понимается совокупность убеждений и мнений, относящихся к понятию «вычислимость» и принятых научным сообществом, состоящим из специалистов в области компьютерных наук. Выбранную парадигму вычислений назовём вычислительной моделью.

При этом природными (неклассическими) вычислительными моделями будем называть алгоритмические процессы, содержащиеся в моделях некоторых природных процессов.

К неклассическим парадигмам вычислимости отнесём вычисления с помощью молекул ДНК (ДНК-вычисления или молекулярные вычисления) и квантовые вычисления. В работе будем рассматривать только молекулярные вычисления – новое междисциплинарное направление исследований на границе молекулярной биологии и компьютерных наук. Основная идея молекулярных вычислений – построение новой парадигмы вычислений, моделей и алгоритмов на основе знаний о строении и функциях молекулы ДНК и операций, которые выполняются в живых клетках над молекулами ДНК при помощи различных ферментов.

Научная проблема исследования заключается в развитии содержания существующего обучения молекулярным вычислениям и последующее конструирование средств обучения в соответствии с этим содержанием.

Целью исследования является получение системы дидактических единиц содержания обучения, которая обеспечивает возможность конструирования средств обучения молекулярным вычислениям бакалавров информационных систем и технологий.

Теперь определим тему исследования: «Компьютерные средства обучения молекулярным вычислениям бакалавров информационных систем и технологий».

Объектом исследования является процесс обучения ДНК-вычислениям бакалавров информационных систем и технологий.

Предметом исследования является конструирование средств обучения, основанного на предварительном отборе содержания обучения ДНК-вычислениям бакалавров информационных систем и технологий.

Гипотеза исследования.

Если содержание обучения молекулярным вычислениям структурировать следующим образом:

компьютерное моделирование алгоритмов поиска подстроки в строке (раздел «Алгоритмы поиска подстроки»);

компьютерное моделирование алгоритмов на подпоследовательностях (раздел «Алгоритмы на подпоследовательностях»);

моделирование молекул ДНК и операций над ними (раздел «Операции над цепочками ДНК»);

компьютерное моделирование классических молекулярных алгоритмов (раздел «Молекулярные алгоритмы») и представить содержание обучения в виде графов, то можно построить методические связи содержания и средств обучения (для каждого элемента содержания), на базе которых можно разработать следующие средства обучения, реализованные на языке императивного программирования (1С) и языке функционального программирования (Haskell):

ДНК-интерпретатор на базе языка 1С, с помощью которого реализуются классические молекулярные алгоритмы (опыт Л. Эдлмана, опыт Р. Липтона, решение задачи о рюкзаке);

интерпретатор языка пробирок для ДНК-вычислений на языке функционального программирования;

фреймворк для анализа биологических строк.

Использование этих средств обучения в учебном процессе позволит бакалаврам информационных систем и технологий:

приобрести знания о парадигмах молекулярных вычислений (параллельная фильтрация на базе формальных языков, плиточная модель);

приобрести знания об алгоритмах поиска подстроки в строке и алгоритмах на подпоследовательностях, что позволяет обучаемым осознать фундаментальность структуры данных «строка» для моделирования конструктивных объектов (в частности, объектов молекулярной биологии);

приобрести умения в реализации классических молекулярных алгоритмов;

приобрести умения применять алгоритмы поиска подстроки в строке и алгоритмы на подпоследовательностях;

повысить эффективность решения задач по молекулярным вычислениям, включающую в себя сложность, правильность, скорость и качество решения.

Для достижения поставленной выше цели необходимо решить следующие задачи, поставленные для решения обозначенной научной проблемы и проверки достоверности гипотезы исследования.

Первая группа задач (теоретического характера):

сформулировать внешние и внутренние цели обучения;

на базе понятия «природные вычисления», используемого для получения новых неклассических вычислительных моделей, сформулировать принципы отбора содержания и выделить новые концептуальные содержательные линии раздела «Молекулярные вычисления»;

построить таблицу методических связей содержания и средств обучения, т.е. установить связи между элементами содержания обучения и средствами обучения.

Вторая группа задач (практического характера) – это частичная практическая реализация теоретических положений исследования:

разработать новые учебные компьютерные программы (интерпретаторы), симулирующие ДНК-компьютер;

использовать методы математической статистики для проверки гипотез, выдвинутых в ходе исследования, а также для анализа контрольных работ, проводимых в рамках педагогического эксперимента;

осуществить апробацию построенных средств обучения молекулярным вычислениям по каждому разделу выделенного содержания обучения.

Для решения задач исследования применялись следующие научные методы:

анализ научной литературы по проблемам построения содержания обучения;

анализ научной литературы по математике, программированию, биологии;

анализ учебных пособий для педагогических вузов, университетов и технических вузов, а также научных публикаций по теме нашего исследования;

анализ вузовских стандартов, различных программ подготовки бакалавров информационных систем и технологий, учебников и учебных пособий по информатике и по теории алгоритмов;

анализ процесса обучения информатике в РГПУ им. А. И. Герцена;

методы обработки результатов эксперимента (применялись при констатирующем и контролирующем эксперименте для проверки отдельных теоретических положений);

моделирование содержания обучения молекулярным вычислениям с помощью аппарата теории графов.

На защиту выносятся следующие положения:

содержание обучения ДНК-вычислениям бакалавров информационных систем и технологий, дополненное разделами «Алгоритмы поиска подстрок», «Алгоритмы на подпоследовательностях», представленное в виде графа понятий и полученное на основе анализа научной литературы по математике, биологии и информатике;

методические связи содержания и средств обучения, представленное в виде таблицы связей элементов содержания обучения и фрагментов средств обучения;

компьютерные средства обучения молекулярным вычислениям перечисленные ниже в разделе «Практическая значимость»;

методика проведения педагогического эксперимента для случая выборок малого объёма.

Теоретическая значимость исследования.

Построение указанных выше средств обучения на основе таблицы методических связей моделируют трансдисциплинарные связи между молекулярной биологией и информационными технологиями. Другими словами, осуществляется перенос когнитивных схем из молекулярной биологии в информационные технологии и обратно (достигается взаимопроникновение рассматриваемых дисциплин).

Практическая значимость.

Построены следующие средства обучения (моделирующие, предметно ориентированные, по классификации И.В. Роберт [51]):

интерпретаторы ДНК-вычислений для работы с пробирками, написанные на языках 1С и Haskell;

интерпретаторы ДНК-вычислений для работы со стикерами, написанные на языках 1С и Haskell;

реализация опыта Л. Эдлмана, опыта Р. Липтона и молекулярного решения задачи о рюкзаке с помощью интерпретатора ДНК-вычислений на языке 1С;

реализован фреймворк для анализа ДНК строк;

реализован пакет процедур для реализации алгоритмов поиска подстроки в строке (простой алгоритм, алгоритм Вагнера-Фишера, алгоритмы Хершберга, алгоритм Укконена-Майерса).

Научная новизна.

к существующей структуре содержания обучения, построенной Т.С.

Стефановой [61], добавлены два раздела «Алгоритмы поиска подстрок» и «Алгоритмы на подпоследовательностях»;

в содержание обучения добавлены три классических молекулярных алгоритма: опыт Р. Липтона, решение задачи о рюкзаке, опыт Э. Шапиро по молекулярному моделированию конечных автоматов;

построен новый алгоритм решения задачи о нахождении lcs, для которого произведено сравнение эффективности с существующими алгоритмами;

введено понятие «методические связи» для эффективного построения средств обучения.

Достоверность и обоснованность полученных результатов обеспечена методологией исследования, теоретическим обоснованием положений исследований и практической реализацией отдельных элементов содержания обучения и средств обучения; количественным и качественным анализом результатов исследований, полученным на основе использования методов исследования адекватным предметным целям, задачам и этапам исследования.

Апробация результатов исследования:

конференция «Герценовские чтения» (2011, 2013 гг., 2012, Санкт-Петербург);

конференция «Решения 1С для бизнеса: эффективное управление и учет»

(13.11.2013-14.11.2013, Санкт-Петербург);

международная научно-практическая конференция «Высокотехнологичная информационная образовательная среда» (15.04.2014, РГПУ им. А.И. Герцена);

международная научно-практическая конференция «Педагогический опыт:

теория, методика, практика» (октябрь 2014, Чебоксары);

международная научно-практическая конференция «Новый информационные технологии в образовании» (Применение технологий «1С» для формирования инновационной среды образования и бизнеса) (03.02.2015-04.02.2015, Москва).

Структура диссертации. Диссертация состоит из введения, трёх глав, заключения, библиографии и приложений. Основной текст занимает 151 страница, в том числе 65 рисунков, 2 таблицы, библиография 110 наименований – 10 страниц, приложение 13 страниц.

В первой главе определяются понятия «междисциплинарность», «полидисциплинарность», «трансдисциплинарность», которые позволяют выделить современные акценты в классическом понятии «межпредметность».

Далее рассматривается взаимовлияние информационных технологий, биотехнологий, нанотехнологий и когнитивной науки, получившее название определено место молекулярных вычислений в NBIC-конвергенция;

NBIC-конвергенции и рассмотрено понятие «природные вычисления»; определено понятие «методические связи».

Вторая глава содержит отбор содержания обучения ДНК-вычислениям бакалавров информационных систем и технологий, приведены необходимые теоретические сведения, используемые при проведении исследования.

В третьей главе рассматриваются разработанные средства обучения:

интерпретаторы ДНК-вычислений и подпрограммы для интерпретатора, реализующие классические алгоритмы. Далее описывается педагогический эксперимент с использованием методов непараметрической статистики (U-критерий Манна-Уитни, H-критерий Крускала-Уоллиса, G-критерий знаков) и методов параметрической статистики (сравнение дисперсий с помощью F-критерия Фишера, сравнение средних значений с помощью t-критерия Стьюдента).

Заключение содержит информацию о результатах исследования.

В Приложении приведены графы содержания обучения и требования к знаниям и умениям студентов.

Внедрение результатов исследований проводилось с 2008 по 2014 гг. в следующих курсах:

«Вычислительные модели» для обучения магистрантов 1-го курса (фак.

математики, 2008-2009);

«Современные аспекты методики обучения информатике» для обучения магистрантов 1-го курса (фак. математики, 2008-2011);

«Молекулярные вычисления» для обучения бакалавров 4-го курса (фак.

информационных технологий, 2011-2012);

«Прикладное программирование на языках высокого уровня» для обучения бакалавров 3-го курса (фак. информационных технологий, 2013-2014).

В педагогическом эксперименте участвовали студенты III и IV курсов, магистранты и аспиранты кафедры информатики и кафедры информационных систем и программного обеспечения РГПУ им. А. И. Герцена.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ МЕТОДИЧЕСКОЙ

СИСТЕМЫ ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ ВЫЧИСЛЕНИЯМ

–  –  –

Эпистемологический термин «междисциплинарность» очень важен для нашего исследования. Поэтому вначале осуществим анализ этого термина и терминов, ему сопутствующих.

Междисциплинарность соединяет вместе различные теоретические допущения, методологии и практики, которые исходят от дисциплин, вовлекаемых в научное исследование. Другими словами, междисциплинарность означает кооперацию различных научных областей, циркуляцию общих понятий для понимания изучаемого явления.

В позитивном смысле междисциплинарность является закономерным отказом от дисциплинарной ограниченности, исправлением последствий чрезмерной специализации научных дисциплин. Термин «междисциплинарность»

также часто употребляется для обозначения синтеза теоретического знания и технологий, построенных на определённых когнитивных стратегиях, т. е.

эпистемологический контекст междисциплинарных исследований является неотъемлемым их компонентом. Именно в этом смысле междисциплинарными являются, например, современные биотехнологии и нанотехнологии.

Наряду с термином «междисциплинарность» для характеристики научных направлений сегодня часто используются термины «полидисциплинарность» и «трансдисциплинарность». Проведем концептуальные разграничения этих терминов.

Полидисциплинарность, которую в международном сообществе называют мультидисциплинарность (multidisciplinarity), является характеристикой такого исследования, когда какое-либо явление или объект изучается одновременно и с разных сторон несколькими научными дисциплинами. Однако полидисциплинарность – это смесь дисциплин, в которой каждая дисциплина сохраняет свою собственную методологию и свои собственные теоретические допущения, не видоизменяя и не дополняя их при влиянии со стороны других дисциплин. Полидисциплинарность отличается от междисциплинарности характером отношений, которые устанавливаются между различными дисциплинами: внутри полидисциплинарного комплекса знаний кооперация может быть взаимной и кумулятивной, но она не является интерактивной.

Наконец, трансдисциплинарность характеризует исследования, которые идут через, сквозь границы нескольких дисциплин, выходят за пределы конкретных дисциплин, что следует из смысла самой приставки «транс», т.е.

создаётся холистическое видение предмета исследования, перенос когнитивных схем из одной дисциплинарной области в другую, разработка и осуществление совместных проектов исследования.

Термин «трансдисциплинарность» первоначально начал использоваться, центром современной антропологии Э. Морена в Париже. При этом Э. Морен, предлагает говорить о полидисциплинарных исследовательских полях, междисциплинарных исследованиях и трансдисциплинарных стратегиях исследования.

Э. Морен выделяет существенные различия между понятиями «междисциплинарность» и «трансдисциплинарность»: «Междисциплинарность может означать только и просто то, что различные дисциплины «садятся за общий стол», подобно тому, как различные нации собираются в ООН исключительно для того, чтобы заявить о своих собственных национальных правах и своём суверенитете по отношению к посягательствам соседа.

Загрузка...
Но междисциплинарность может стремиться также к обмену и кооперации... В трансдисциплинарных исследованиях существуют когнитивные схемы, которые могут переходить из одних дисциплин в другие, иногда настолько резко, что дисциплины «погружаются» в состояние интеллектуального транса» [21].

Забегая вперед, отметим, что нами будут рассматриваться молекулярные вычисления, которые расположены между дисциплинами «информационные технологии» и «биология». В процессе исследования становится понятным, как информационные технологии «погруженаются» в биологию.

Трансдисциплинарность (по Б. Николеску) базируется на следующих методологических постулатах, принципиально отличающих её от междисциплинарность и полидисциплинарности:

признание существования уровней реальности. Каждая дисциплина изучает только некоторый фрагмент реальности, только один из её уровней.

Однако трансдисциплинарная стратегия стремится понять динамику процесса на нескольких уровнях реальности одновременно, именно поэтому она «перешагивает» границы конкретных дисциплин и создаёт универсальную картину процесса. В этом смысле трансдисциплинарность не антагонистична междисциплинарности, а дополняет её, так как соединяет различные фрагменты реальности в единую картину. Сегодня нередко речь идёт об инженерии трансдисциплинарности под которой понимается новый научный рационализм, или парадигма открытого разума, в которой познание опирается на такую способность ума, как способность «связывать разнородное» (имеется в виду связывание различных дисциплинарных знаний, а также знания и деятельности, традиции и новации);

логика, использующая принцип дополнительности (логика включённого третьего): трансдисциплинарность не противопоставляет, а объединяет, соединяет то, что рассматривалось как противоположное;

сложность: Трансдисциплинарность пытается понять сложность реальности и научиться справляться с ней.

Таким образом, трансдисциплинарность – это теоретическая попытка «трансцендировать» дисциплины и тем самым отреагировать на специализацию – процесса, ведущего к росту фрагментации и раздробления знания.

Переход от полидисциплинарности к трансдисциплинарности – это переход от параллельного (почти независимого) анализа к конструктивному диалогу и осуществлению совместных проектов. Однако требуется, чтобы каждая научная дисциплина, входящая в поли- и трансдисциплинарный комплекс, была одновременно и открыта, и замкнута:

открыта по отношению к новым когнитивным схемам, переносимым из смежных и более отдалённых научных дисциплин и имеющим для неё эвристическую значимость; готова к кооперации в другими научными дисциплинами, к реализации совместных исследовательских проектов;

замкнута, ибо она должна стремиться сохранить свой специфический предмет и ракурс исследования, развивать свои прогрессивные и наиболее продвинутые исследовательские методы и стратегии.

Молекулярные вычисления как раз и являются подобным проектом.

Дисциплины «Информационные технологии» и «Биология», между которых расположены молекулярные вычисления, открыты с точки зрения реализации совместных исследовательских проектов, но при этом замкнуты с точки зрения предмета и ракурса исследования.

Более точно, междисциплинарность и трансдисциплинарность в научных исследованиях приводит к конструированию и использованию NBIC-технологий.

§1.2. NBIC-конвергенции как новая технологическая парадигма Важнейшей особенностью новой информационно-технологической парадигмы, которая называется конвергентными технологиями, является конвергенция конкретных технологий в системе, в которой прежние изолированные технологические траектории становятся неразличимыми.

Особенно интересным и значимым представляется выяснение взаимовлияния информационных технологий, биотехнологий, нанотехнологий и когнитивной науки. Данное явление получило название NBIC-конвергенция (по первым буквам предметных областей: N – «нано», B – «био», I – «инфо», C – «когно»). Термин NBIC-конвергенция впервые упоминается в 2002 г. в отчете «Converging Technologies for Improving Human Performance» для Национального Научного Фонда [99].

NBIC-конвергенция – это процесс становления связанного кластера информационных технологий, биотехнологий, нанотехнологий и когнитивной науки, при этом нанотехнологии играют роль своеобразного катализатора.

Принимая во внимание междисциплинарный характер современной науки, можно говорить об ожидаемом в перспективе слиянии NBIC областей в единую научно-технологическую область знания.

В дальнейшем будем опираться на следующее понимание понятия «нанотехнологии».

Нанотехнология (от гр. nannos – карлик) [22, с. 238] – это отрасль микроэлектроники, занимающаяся созданием микроскопических объектов (не более одной миллиардной доли исходных единиц). На базе нанотехнологии появляется техника, основанная на микроскопических роботокомплексах.

Переход от «микро-» к «нано-» – это качественный переход от манипуляции веществом к манипуляции отдельными атомами.

Когда речь идёт о развитии нанотехнологии, имеются в виду три направления:

изготовление электронных схем (в том числе и объёмных) с активными элементами, размерами сравнимыми с размерами молекул и атомов;

разработка и изготовление наномашин;

манипуляция отдельными атомами и молекулами и сборка из них макрообъектов.

Изобразим схему конвергенции NBIC-технологий, описывающую объекты, с помощью которых одна технология воздействует на другую (см. Рис 1).

Рис 1. Конвергенция NBIC-технологий

Из четырёх описываемых областей наиболее развитой является «I»

(информационно-коммуникационные технологии), и она на данный момент чаще всего поставляет инструменты для развития других; в частности, это возможность компьютерного моделирования различных процессов.

Биотехнология даёт инструментарий и теоретическую основу для нанотехнологий и когнитивной науки, а также для развития компьютерных технологий.

§1.3. Молекулярные вычисления в NBIC-технологиях Определим место молекулярных вычислений в NBIC-конвергенции; для этого определим смысл термина «биотехнология».

По мнению Т.Г. Воловой «в расширительном толковании [9], биотехнология – это все технологические процессы, в которых используются живые организмы». Т.Г. Волова рассматривает две крайности: одна заключается в том, что при таком понимании термина все сельское хозяйство, начиная с первобытных форм, можно включить в это понятие; противоположная крайность – ограничить понятие «биотехнология» генно-инженерными манипуляциями. По утверждению Т.Г. Воловой, если отказаться от крайних позиций, то биотехнологию можно определить по её основному признаку – управлению биотехнологическими процессами.

Биотехнологии в составе NBIC-конвергенции предоставляют теоретическую основу для развития информационных технологий, нанотехнологий и когнитивной науки.

Происходит активное взаимодействие биотехнологий и нанотехнологий.

При помощи ДНК-цепочек, происходит сворачивание в двухмерные и трехмерные структуры синтезированных молекулы ДНК. Эти структуры в будущем могут использоваться для создания нанообъектов. Благодаря использованию различных биологических систем, стало возможно создание различных наноструктур.

Р. Твайман [105] опубликовал различные модели механизмов использования ДНК для нанотехнологий. В свою очередь были рассмотрены и обратные механизмы – модификация ДНК при помощи механического воздействия на наноуровне. Ещё 50 лет назад биоорганические объекты конструировались опытным путем, их исследование шло эмпирическим путем. В настоящее время существует возможность следить за процессами, которые проходят на наноуровне и добиться нужного результата при помощи суперкомпьютера.

Более слабый характер взаимодействия наблюдается между биологией и информационными технологиями. Однако возникло несколько междисциплинарных предметов, таких как вычислительная молекулярная биология, биоинформатика.

Системная биология связана с математической биологией и занимается изучением сложных взаимодействий в живых системах. Например, совместный проект IBM и Ecole Polytechnique Federalede Lausanne создан для моделирования работы коры головного мозга. В перспективе возможно создание компьютерного аналога человеческого мозга.

В свою очередь биоинформатика изучает как возможности применения информационных технологий к различным биологическим объектам, так и возможности биологических объектов производить вычисления.

Таким образом, возникают ДНК-вычисления, которые по своей структуре используют технологии молекулярной биологии вместо компьютерных технологий, использующих кремниевые чипы.

Развитие области ДНК-вычислений началось с работы Л. Эдлмана (1994), в которой решалась NP-полная задача поиска гамильтонового цикла в графе из семи вершин и была показана принципиальная возможность осуществить вычисления, используя операции над ДНК.

При дальнейшем развитии ДНК-вычислений были решены некоторые другие задачи, например, задача о выполнимости пропозициональных формул [93], задача о рюкзаке [92], задача быстрого перемножения матриц [96], создание компьютера для игры в крестики-нолики [74].

В. Прайд и Д.А. Медведев [41] описывают будущее NBIC-конвергенции. При этом некоторые изменения прогнозируются за счет ускоренного роста нанотехнологий. С развитием данных технологий авторы связывают возможность появления более совершенных вычислительных устройств и совместно с развитием биотехнологий прогнозируют появление новой отрасли – наномедицины.

Утверждение о том, что область ДНК-вычислений несет новые возможности для специалистов по нанотехнологиям, поддерживается также институтом прикладной математики им. М.В. Келдыша РАН. В статье [33] авторы описывают элементарные операции с ДНК, различные эксперименты, которые позволяют получить модели, алгоритмы и инструментальные средства, моделирующие ДНК-вычисления. Механизмы и структура ДНК-вычислений подробно рассмотрена в монографии [38].

В настоящий момент опубликованы опыты, которые были осуществлены с цепочками ДНК в лабораторных условиях [66, 71, 100]; при этом исходные данные и результат кодировались нитями ДНК.

К таким опытам относятся:

опыт Л. Эдлмана, позволивший решить задачу коммивояжера (о поиске пути в графе);

опыт Э. Шапиро, позволивший конструировать конечный автомат на молекулах ДНК;

опыт Е. Уинфри, позволивший синтезировать различные поверхности при помощи ДНК.

Были опубликованы и теоретические алгоритмы, наиболее известный из них, алгоритм взлома криптосистемы DES, основанный на понятии «стикеры» [38].

В 1953 году Ф. Криком и Дж. Уотсоном опубликована расшифровка структуры ДНК. Эта публикация явилась важным моментом в истории биологии.

В отличие от классических компьютеров, оперирующих цепочками битов, ДНК-компьютеры оперируют четырьмя возможными состояниями: аденин (A), цитозин (C), гуанин (G) и тимин (T). Таким образом, вместо привычного кодирования информации в виде последовательности нулей и единиц, информация будет закодирована последовательностью нуклеотидов.

Одной из особенностей ДНК-цепочки является возможность построения двойной спирали с диаметром 2 нм. При этом между элементами каждой одинарной цепочки присутствуют водородные связи. Эти связи могут быть между основаниями – A и T или G и C (комплементарность).

Нуклеотиды в молекулах ДНК находятся на расстоянии 0,34 нм. Таким образом, в 6,5 см2 может находиться более 106 Гбит информации. Для сравнения:

на винчестерах возможна запись порядка 2 Гбит на см2.

Высокая плотность информации предоставляет значительный потенциал для использования ДНК в качестве хранилища информации.

Основным преимуществом ДНК-вычислений по сравнению с классическими процессорами является возможность выполнения параллельных вычислений.

Схематично укажем место молекулярных вычислений в NBIC-конвергенции [41] (см. Рис 2).

Рис 2. Место молекулярных вычислений в NBIC-конвергенции Схема упрощена и дополнена обратными связями между словами «инфо» и «био» и пунктом «Молекулярные вычисления».

Информационные технологии оказывают влияние на исследования биотехнологий, что позволит создавать в будущем ДНК-компьютеры, которые будут использоваться в информационных технологиях.

–  –  –

Парадигма молекулярных вычислений показывает способ организации параллельных вычислений за счёт механизмов, «придуманных» самой Природой, т. е. позволяет дать представление о других способах вычислений;

В основе феномена жизни лежат структурированные и взаимосвязанные молекулярные строительные блоки, которые воспроизводятся и распространяются.

Идентичные или родственные молекулярные структуры и механизмы многократно проявляются в геноме простейших видов.

Копирование с модификацией – центральная парадигма эволюции белков, в которой новые белки и/или новые биологические функции моделируются из имевшихся ранее. Эволюция многократно использует, надстраивает, копирует и модифицирует «удачные» структуры (белки, экзоны, регулирующие последовательности ДНК, морфологические черты и т.д.), которые встречаются в природе.

Идея использования различных биологических механизмов в вычислениях, является основной идеей построение компьютеров с новой архитектурой, основанной на природных вычислениях.

Далее уточним смысл термина «природные вычисления».

Для дальнейшего анализа будем существенно опираться на сформулированный физиками эмпирический принцип неисчерпаемости Природы [10, с. 403]: «Природа имеет средства для осуществления любой корректно сформулированной человеком задачи».

Мы согласны с Т.С. Стефановой [61], которая считает, что Природа некоторым образом может помочь человеку в реализации вычислительных процессов: утверждение «Природа вычисляет», в нашем случае, является метафорой; более точно, имеет смысл искать новые вычислительные модели в создаваемых исследователями моделях реальности.

Итак, мы «смотрим» через призму моделей реальности на понятие «вычислимость» (а не наоборот: через призму понятия «вычислимость» на реальность); в результате мы обнаруживаем новый класс вычислительных моделей

– неклассические (природные) вычислительные модели.

Сравним данные модели с классической вычислительной моделью – «машиной Тьюринга». А. Тьюринг спроецировал на свою машину собственное отношение к миру, поэтому принципы обработки информации, заложенные в неё, несомненно являются результатом интроспекции (самонаблюдения). Поэтому машина А. Тьюринга – это, прежде всего, модель Тьюринга как человека, являющегося частью Природы, своеобразный памятник собственному интеллекту.

Природные вычисления являются большим, чем просто более быстрой и эффективной технологией реализации машин Тьюринга: такие вычисления являются принципиально другим способом использования окружающего материального мира.

Неклассическими (природными) вычислительными моделями будем считать следующие разделы науки о вычислениях [61]:

а) эволюционное программирование (клеточные автоматы, генетические алгоритмы, генетическое программирование);

б) нейросетевые вычисления;

в) ДНК-вычисления;

г) квантовые вычисления.

Приведённое выше уточнение понятия «природные вычисления» используем для развития содержания обучения неклассическим (природным) вычислительным моделям, в частности, выделением нового класса моделей, который мы назвали «неклассические вычислительные модели», а в этом классе – модели, которые назовём молекулярными вычислениями.

§1.5. О понятии «методические связи»

В данном параграфе определим понятие «методические связи» для методической системы обучения, опишем достаточные условия для их конструирования, а также представим методические связи содержания обучения молекулярным вычислениям и компьютерных средств обучения.

Такие связи удобно представить в виде таблицы методических связей элементов содержания обучения и фрагментов средства обучения.

1. Понятие «связь» входит в любое определение системы наряду с понятием «элемент» и обеспечивает возникновение и сохранение структуры и целостных свойств системы.

Связями в системном анализе называются подсистемы (элементы), осуществляющие непосредственное взаимодействие между другими подсистемами (элементами) и не принимающие решений. В системном анализе прямые связи подразделяют на усиливающие, ограничивающие, запаздывающие, селектирующие, а также преобразующие [14]. Важную роль в системах играет понятие «обратная связь», которая является основой саморегулирования и развития систем.

Рассмотрим некоторую абстрактную методическую систему обучения, элементами которой являются цели (внутренние и внешние), содержание, методы, формы и средства обучения.

Заметим, что внешние цели обучения часто представляют собой социальный заказ, а внутренние цели – это цели обучения, сформулированные в терминах отобранного содержания обучения.

Методическими связями будем называть особый вид связей между элементами методической системы обучения; более точно, методическими связями содержания обучения и компьютерных средств обучения назовём точно описанное структурированное множество упорядоченных пар вида (a, b), где a - элемент содержания обучения, b - элемент компьютерного средства обучения).

При этом:

элемент содержания обучения (определение понятия, теорема, лемма, алгоритм, компьютерная программа) представляет собой (для учебной дисциплины «информатика») некоторую математическую структуру, (определение см. ниже);

каждая упорядоченная пара неявно содержит информацию о возможных методах и формах обучения для данного элемента содержания, а также об обязательных результатах обучения. Разумеется, для каждой упорядоченной пары можно явным образом определить соответствующие методы, формы и обязательные результаты обучения;

методические связи могут быть как прямыми (усиливающими, ограничивающими, запаздывающими, селектирующими, преобразующими) [14], так и обратными.

2. Теперь остановимся на трактовке понятия «математическая структура», которая потребует анализа термина «математическая система».

Математическая система – это сложно организованный [18] математический объект, допускающий различные способы анализа, причём его сущность не определяется никаким конкретным способом анализа. На каждой фиксированной стадии познания математическая система предстаёт в виде комплекса объектов, имеющего то или иное иерархическое строение, с присущей ему некоторой совокупностью связей, операций и т. д. Классическими примерами математических систем являются числовые системы и функциональные пространства.

Одним из средств исследования выбранной математической системы является выявление в ней некоторой структуры. Исследование математических систем путём выявления в них математических структур является одной из особенностей математики XX в. (проявлением структурализма).

Различие между математическими системами и математическими структурами соответствует принятому в системных исследованиях противопоставлению систем как объектов исследования и систем как инструментов исследования систем-объектов.

Математические структуры являются системами второго типа, они являются вторичным продуктом математического исследования. Из истории развития математики известно, что они почти никогда не возникают сами по себе, в отрыве от некоторой математической системы, которой та или иная структура внутренне присуща.

Изучение математической системы путём выявления в ней некоторой математической структуры и дальнейшее её исследование ведёт к временной подмене объекта изучения. Поэтому, имея в виду математическую систему в целом, говорят о некоторой моделирующей её математической структуре.

Математические структуры – это некоторые виды отношений между элементами математической системы, причём присущие многим математическим системам и поэтому получившие право на самостоятельное изучение. Примерами математических структур являются различного рода упорядочения (линейный и частичный порядок, решётка и т. п.), алгебраические структуры (булева алгебра, группа, кольцо, поле и т. п.), метрические и топологические структуры (метрическое пространство, различные виды топологических пространств).

Исследование математической системы посредством некоторой математической структуры обусловлено возможностью последующего описания математической структуры на некотором логико-математическом языке, синтаксис которого адекватен данной структуре, т. е. содержит обозначения для выделенных в ней объектов, функций и отношений. В этом случае исследование может вестись в рамках соответствующего логико-математического языка.

Важно отметить, что особенностью математических систем, отличающей их от математических структур, является то, что система никогда не может быть описана полностью. Всякая попытка описания на некотором логико-математическом языке охватывает лишь некоторые аспекты, т. е. любая математическая структура, не полностью отражает сущность последней.

Наконец, остановимся на трактовке понятия «конструктивный объект».

Понятие «конструктивный объект» – это неформализованное, интуитивное понятие, его формирование связано с различением конструктивного и неконструктивного в математическом мышлении.

Пояснение того, что следует понимать под конструктивным объектом дали В. А. Успенский и А. Л. Семёнов [63]: это «такой объект, который может быть набран весь целиком и представлен нам для рассмотрения». Конструктивный объект должен быть конечным (в интуитивном понимании этого слова) и составленным из конечного числа отдельных элементов, каждый из которых принадлежит одному из конечного числа типов. Однако, конструктивный объект – это не просто конечное множество элементов. Конструктивный объект должен иметь, кроме того, некоторую внутреннюю «систему координат», позволяющую однозначно локализовать любой его элемент (второй элемент справа, элемент пятой строки и третьего столбца и т. д.).

Примерами конструктивных объектов служат слова в алфавите (конечные последовательности символов). Частными видами слов, очевидно, являются формулы формальных языков, записи натуральных, целых чисел в g-ичной системе счисления, записи рациональных чисел в виде обыкновенных дробей, конечные десятичные дроби, многочлены с рациональными коэффициентами и т. п.

Кроме того, интуитивно ясно, что всякий конструктивный объект можно однозначно и полностью описать или закодировать в виде слова, и на практике это всегда удается.

В силу этого, именно слова в алфавите являются основным видом конструктивных объектов. Поэтому обычно ограничиваются изучением алгоритмов, у которых исходные данные и результаты являются непустыми словами. Разумно также соображение о том, что исполнитель алгоритма может различать лишь конечное число исходных символов, поэтому в качестве множества допустимых данных алгоритма и областей результатов рассматривают лишь множества слов в конечных алфавитах. Множество действительных чисел (или их записей) не может служить областью допустимых данных никакого алгоритма. Действительно, это множество континуально, в то время, как возможная область допустимых данных алгоритма не более чем счётна.

Это объясняется тем, что вещественные числа слишком сложны.

Бесконечная десятичная дробь (с помощью которой можно записать вещественное число) представляет собой бесконечное слово (например, числа e и p), а, следовательно, не может быть целиком представлена для рассмотрения.

Исполнитель (компьютер или человек) читает или выписывает слово посимвольно.

Ни на каком шаге он не выпишет и не прочтёт бесконечное слово целиком.

Вещественные числа – это плод теоретического разума, но для практических вычислений они, если не считать их частных видов, недоступны.

–  –  –

В §1.1 определяются понятия «междисциплинарность», «полидисциплинарность», «трансдисциплинарность», которые позволяют уточнить смысл понятия «межпредметность». В дальнейшем будем существенно использовать понятие «трансдисциплинарность».

В §1.2 рассматривается взаимовлияние информационных технологий, биотехнологий, нанотехнологий и когнитивной науки, которое получило название NBIC-конвергенция. В дальнейшем нас будут интересовать только направления «B» и «C».

В §1.3 перечислены особенности молекулярных вычислений и определено место молекулярных вычислений в NBIC-конвергенции.

В §1.4 определено понятие «природные вычисления», к которому относятся молекулярные вычисления (ДНК-вычисления).

В §1.5 определено понятие «методические связи» для методической системы обучения, описаны достаточные условия для возможности их конструирования. В качестве конкретного примера представлены методические связи содержания обучения и одного из сконструированных нами компьютерных средств обучения молекулярным вычислениям.

ГЛАВА 2. РАЗВИТИЕ СОДЕРЖАНИЯ ОБУЧЕНИЯ МОЛЕКУЛЯРНЫМ ВЫЧИСЛЕНИЯМ

Исходя из актуальности исследования нами поставлена внешняя по отношению к методической системе обучения неклассическим вычислительным моделям цель обучения, состоящая в формировании у обучаемых нового понимания термина «вычислимость» и возможности реализации подхода к обучению информатике (социальный заказ), основанного на молекулярных вычислениях.

Достижению поставленной цели будут способствовать сформулированные внутренние цели обучения.

В процессе отбора содержания обучения мы воспользовались принципами отбора. Напомним, что принцип – это инструментальное, данное в категориях деятельности выражение педагогической концепции, это методическое выражение познанных законов и закономерностей, это знание о целях, сущности, содержании, структуре обучения, выраженное в форме, позволяющей использовать их в качестве регулятивных норм практики [16, с. 27].

Приведём используемые принципы отбора содержания обучения молекулярным вычислениям:

1) концепция содержания образования В. В. Краевского, которая утверждает, что содержание образования, изоморфное социальному опыту, состоит из четырёх основных структурных элементов:

опыта познавательной деятельности, фиксированной в форме её результатов – знаний;

опыта осуществления известных способов деятельности – в форме умений действовать по образцу;

опыта творческой деятельности – в форме умений принимать нестандартные решения в проблемных ситуациях;

опыта осуществления эмоционально-ценностных отношений – в форме личностных ориентаций.

Эти элементы образуют структуру содержания и связаны между собой таким образом, что каждый предшествующий элемент служит предпосылкой для перехода к следующему (например, умения формируются на основе знаний, а творческая деятельность предполагает овладение некоторой суммой знаний и репродуктивных умений в данной области творчества);

2) принцип использования трансдисциплинарных связей;

3) учёт отечественного и международного опыта формирования содержания учебных программ, относящихся к неклассическим вычислительным моделям;

4) принцип «межпарадигмальной рефлексии» [61].

Предварительно мы отобрали математические сведения, требуемые для изучения молекулярных вычислений в модели, которая называется параллельной фильтрацией:

цепочечные модели: множества, мультимножества, слова в алфавите;

языки в алфавите; поиск на словах;

автоматные модели: формальные грамматики; автоматы (конечные и магазинные); клеточные автоматы, тьюрмиты.

При этом были установлены соответствия между моделями молекулярных вычислений и используемыми автоматами:

для модели параллельной фильтрации с использованием молекулярных автоматов: конечные автоматы Рабина-Скотта;

для модели на базе формальных языков – конечные автоматы Уотсона-Крика, магазинные автоматы Уотсона-Крика, преобразователи Уотсона-Крика;

для плиточной модели – клеточные автоматы, тьюрмиты (муравьи Лэнгтона, 1985; Брэди, Рукер, 1987).

§2.1. Отбор содержания обучения компьютерному моделированию структуры цепочек ДНК Вначале выделим минимальный набор предварительных сведений, необходимый для осуществления молекулярных вычислений и моделирования ДНК-компьютера.



Pages:   || 2 | 3 | 4 | 5 |
 
Похожие работы:

«ЗАКЛЮЧЕНИЕ ДИССЕРТАЦИОННОГО СОВЕТА Д 212.180.01 НА БАЗЕ ФГБОУ ВПО «ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ», МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ПО ДИССЕРТАЦИИ НА СОИСКАНИЕ УЧЕНОЙ СТЕПЕНИ КАНДИДАТА ПЕДАГОГИЧЕСКИХ НАУК аттестационное дело № _ решение диссертационного совета от: 3 июня 2015 г., протокол № 126 О присуждении Бесединой Ирине Владимировне ученой степени кандидата педагогических наук. Диссертация «Развитие творческого потенциала будущих архитекторов в...»

«Петрова Дарья Владимировна Изучение фундаментальных положений квантовой физики на разных уровнях образования Специальность: 13.00.02 – теория и методика обучения и воспитания (физика, уровень общего и профессионального образования) Диссертация на соискание ученой степени кандидата педагогических наук...»

«Гавриков Александр Анатольевич ФОРМИРОВАНИЕ ПРОЕКТНОЙ КОМПЕТЕНТНОСТИ БУДУЩЕГО ВОЕННОГО ИНЖЕНЕРА В ПРОЦЕССЕ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЫ 13.00.08 теория и методика профессионального образования ДИССЕРТАЦИЯ на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических наук, профессор...»

«Дидов Павел Валерьевич Воинский этос в православной традиции Специальность: 09.00.05 — этика Диссертация на соискание ученой степени кандидата философских наук Научный руководитель: доктор философских наук, профессор А.Е. Зимбули Санкт-Петербург ОГЛАВЛЕНИЕ ВВЕДЕНИЕ ГЛАВА 1. ЗАРОЖДЕНИЕ ВОИНСКОГО ЭТОСА...»

«ХАРЛАНОВА Елена Михайловна РАЗВИТИЕ СОЦИАЛЬНОЙ АКТИВНОСТИ СТУДЕНТОВ ВУЗА В ПРОЦЕССЕ ИНТЕГРАЦИИ ФОРМАЛЬНОГО И НЕФОРМАЛЬНОГО ОБРАЗОВАНИЯ 13.00.08 – теория и методика профессионального образования диссертация на соискание ученой степени доктора педагогических наук Научный консультант: Яковлева Надежда Олеговна доктор...»

«ТРУБИН Юрий Васильевич ПЕДАГОГИЧЕСКАЯ СИСТЕМА ПОДГОТОВКИ МОЛОДЕЖИ К ВОЕННОЙ СЛУЖБЕ 13.00.01 – общая педагогика, история педагогики и образования ДИССЕРТАЦИЯ на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических наук, профессор Маврин Сергей Анатольевич Омск, 2015 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ.. 3 ГЛАВА I...»

«ЛЕЖНЕВА СВЕТЛАНА ВИКТОРОВНА ВЛИЯНИЕ ГЕОФИЗИЧЕСКИХ ФАКТОРОВ СРЕДЫ НА ПРИРОСТ ХВОЙНЫХ В СРЕДНЕЙ И ЮЖНОЙ ПОДЗОНАХ ВОСТОЧНОЕВРОПЕЙСКОЙ ТАЙГИ Специальность 25.00.25 – геоморфология и эволюционная география ДИССЕРТАЦИЯ на соискание ученой степени кандидата географических наук Научный руководитель: доктор...»

«УДК 373.016:00 Нилова Юлия Николаевна МЕТОДИКА ОБУЧЕНИЯ ПРОГРАММИРОВАНИЮ УЧАЩИХСЯ СТАРШЕЙ ШКОЛЫ НА ОСНОВЕ СИСТЕМНО-ДЕЯТЕЛЬНОСТНОГО ПОДХОДА Специальность: 13.00.02 – теория и методика обучения и воспитания (информатика, уровень общего образования) Диссертация на соискание ученой степени кандидата...»

«Бурлакова Ирина Ивановна УПРАВЛЕНИЕ КАЧЕСТВОМ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ СТУДЕНТОВ – БУДУЩИХ УЧИТЕЛЕЙ ИНОСТРАННОГО ЯЗЫКА 13.00.08 – теория и методика профессионального образования Диссертация на соискание ученой степени доктора педагогических наук Москва Оглавление Том I Введение Глава 1. Теоретико-методологические основы системы управления...»

«МАГОМАДОВА Таисия Дзаиндыевна Военная метафора в современном английском, немецком и русском медиадискурсе 10.02.20 – сравнительно-историческое, типологическое и сопоставительное языкознание Диссертация на соискание ученой степени кандидата филологических наук Научный руководитель – доктор филологических...»

«Васильева Анастасия Леонидовна Характерный танец в петербургской балетной культуре Специальность 24.00.01 — теория и история культуры Диссертация на соискание ученой степени кандидата культурологии Научный руководитель: доктор культурологии, профессор Л. В. Никифорова Санкт-Петербург ОГЛАВЛЕНИЕ...»

«Дружинина Наталия Васильевна МНОГОУРОВНЕВАЯ МОДЕЛЬ РЕАЛИЗАЦИИ ДИСТАНЦИОННЫХ ОБРАЗОВАТЕЛЬНЫХ ТЕХНОЛОГИЙ ПОВЫШЕНИЯ КВАЛИФИКАЦИИ ПЕДАГОГИЧЕСКИХ РАБОТНИКОВ ДОШКОЛЬНОГО ОБРАЗОВАНИЯ специальность 13.00.08 – теория и методика профессионального образования Диссертация на...»

«БЕСЕДИНА Ирина Владимировна РАЗВИТИЕ ТВОРЧЕСКОГО ПОТЕНЦИАЛА БУДУЩИХ АРХИТЕКТОРОВ В ПРОФЕССИОНАЛЬНОМ ОБРАЗОВАНИИ Специальность 13.00.08 – Теория и методика профессионального образования Диссертация на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических наук, доцент Л.А. Сатарова...»

«РАХИМОВА Ольга Николаевна КОМПЕТЕНТНОСТНО-ОРИЕНТИРОВАННЫЕ СИТУАЦИИ КАК ФАКТОР САМОРЕАЛИЗАЦИИ БУДУЩИХ БАКАЛАВРОВ ПО НАПРАВЛЕНИЮ ПОДГОТОВКИ «СТРОИТЕЛЬСТВО» 13.00.08 Теория и методика пр офессионального образования Диссертация на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических наук,...»

«БЕРЕЗИНА ЕЛЕНА СЕРГЕЕВНА ПОПУЛЯЦИОННАЯ СТРУКТУРА, ОСОБЕННОСТИ МОРФОЛОГИИ И ПОВЕДЕНИЯ И РОЛЬ ДОМАШНИХ СОБАК И КОШЕК В РАСПРОСТРАНЕНИИ ПРИРОДНО-ОЧАГОВЫХ ИНФЕКЦИЙ В РОССИИ Специальность 03.02.04 – зоология ДИССЕРТАЦИЯ на соискание ученой степени доктора биологических наук Омск 2015 Содержание Введение Глава 1. ДОМАШНИЕ СОБАКА (CANIS LUPUS FAMILIARIS) И КОШКА (FELIS SILVESTRIS CATUS) КАК ОБЪЕКТ БИОЭКОЛОГИЧЕСКОГО...»

«Миллер Антон Львович ФОРМИРОВАНИЕ ИКТ-КОМПЕТЕНТНОСТИ УЧИТЕЛЕЙ СРЕДСТВАМИ ЭЛЕКТРОННЫХ ОБРАЗОВАТЕЛЬНЫХ РЕСУРСОВ В УСЛОВИЯХ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ 13.00.08 – теория и методика профессионального образования Диссертация на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор педагогических...»

«Макарова Наталья Станиславовна РАЗВИТИЕ ДИДАКТИЧЕСКОГО ЗНАНИЯ ОБ ОБРАЗОВАТЕЛЬНОМ ПРОЦЕССЕ В ВЫСШЕЙ ШКОЛЕ 13.00.01 – общая педагогика, история педагогики и образования диссертация на соискание ученой степени доктора педагогических наук Научный консультант: доктор педагогических наук, профессор Н.В. Чекалева Омск – 201...»

«ВОВК Екатерина Владимировна ФОРМИРОВАНИЕ ЛЕКСИЧЕСКОЙ КОМПЕТEНЦИИ В ПРОЦЕССЕ АКТИВИЗАЦИИ ФРАЗЕОЛОГИЧЕСКИХ EДИНИЦ В РЕЧИ СТУДЕНТОВ-ФИЛОЛОГОВ 13.00.02 теория и методика обучения и воспитания (русский язык в общеобразовательной и высшей школе) ДИССЕРТАЦИЯ на соискание ученой...»

«УДК: 372.382:82.3. ЧАПЛЫГИНА ЮЛИЯ АЛЕКСАНДРОВНА МИФОЛОГИЧЕСКИЙ АНАЛИЗ ПРОИЗВЕДЕНИЯ КАК ФАКТОР ЛИТЕРАТУРНОГО РАЗВИТИЯ ЧИТАТЕЛЯ (НА МАТЕРИАЛЕ СЛАВЯНСКОЙ МИФОЛОГИИ) Специальность: 13.00.02 – теория и методика обучения и воспитания (литература) ДИССЕРТАЦИЯ на соискание ученой степени кандидата педагогических наук Научный руководитель: доктор...»

«МИКАЭЛЯН ДИАНА АРМЕНОВНА ПСИХОЛОГИЧЕСКОЕ СОПРОВОЖДЕНИЕ ФОРМИРОВАНИЯ ГОТОВНОСТИ СТАРШЕКЛАССНИКОВ К ОСОЗНАННОМУ ВЫБОРУ БУДУЩЕЙ ПРОФЕССИИ 19.00.07 – педагогическая психология (психологические науки) ДИССЕРТАЦИЯ на соискание ученой степени кандидата психологических наук Научный руководитель – кандидат психологических наук, доцент И.И....»









 
2016 www.konf.x-pdf.ru - «Бесплатная электронная библиотека - Авторефераты, диссертации, конференции»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.