Классификация программного обеспечения виртуальных лабораторий
Для решения учебных и исследовательских задач при проведении лабораторных работ и выполнении курсового и дипломного проектирования в вузах применяют широкий спектр программных средств как оригинальных, так и преимущественно приобретаемых. Такое разнообразие обусловлено объективными причинами и является препятствием на пути типизации учебно-исследовательского (УИ) ПО виртуальных лабораторий, нужной для широкого доступа к программам со стороны филиалов и различных вузов при ДО.
Учебно-исследовательское ПО классифицируют по многим признакам.
По приложениям различают программы для механики твердого тела, гидравлики, теплофизики, электроники, электромеханики, архитектуры и строительства и др. Наряду с проблемно-ориентированными средствами существуют программы, инвариантные к приложениям, например некоторые программы оптимизации или математические пакеты типа Mathematica, Maple V, MathCAD.
По тематической направленности большинство программ виртуальных лабораторий можно отнести к одной из следующих групп:
• математические пакеты;
• программы математического моделирования;
• системы машинной графики и геометрического моделирования;
• программы оптимизации, структурного синтеза и принятия решений;
системы управления базами данных и знаний;
• средства CASE-технологий;
• средства CALS-технологий.
По характеру прав пользования различают программы коммерческие, т.е. доступные для приобретения на рынке; частные программы собственной разработки организации, предоставляющей образовательные услуги; свободно распространяемые средства.
Другими признаками классификации являются ориентация на ту или иную программно-аппаратную платформу, уровень требований к используемым аппаратным ресурсам, способ использования в среде распределенных вычислений и др.
Во многих приложениях можно выделить программы, являющиеся мировыми лидерами на рынке программных продуктов. Очевидна их привлекательность для реализации в виртуальной лаборатории ИОС, но такие программы, как правило, довольно дороги, предъявляют повышенные требования к техническому обеспечению виртуальных лабораторий. Приобретение достаточного для учебных целей числа копий такого программного продукта весьма проблематично. В ряде других приложений однозначных лидеров нет, и в промышленности находят применение многие программы разных производителей. Это еще более усложняет задачу построения системы открытого образования, поскольку трудно обосновать выбор единственного продукта для всех участников (филиалов или членов консорциума вузов, создавших систему открытого образования). Кроме того, ПО быстро устаревает и ориентация на определенную версию программы не может быть продолжительной. В этих условиях созданные в Центре базовые виртуальные лаборатории имеют ограниченное применение. Их ПО и описания лабораторных работ являются скорее методическим ориентиром, нежели практическим учебным средством, поскольку на местах аналогичного ПО может не быть.
Однако в ряде случаев удается создать лабораторные практикумы на основе доступных средств с продолжительным сроком полезного использования и включать такие практикумы в базу учебных материалов.
Это, во-первых, случаи приложений со стандартными языками и, следовательно, с унифицированной методологией моделирования. Примерами таких языков являются язык VHDL для моделирования функциональных и логических схем электронной аппаратуры или язык Express для представления информационных моделей в CALS-технологиях.
Во-вторых, это случаи разработки и поддержки учебного ПО собственной разработки или использования ПО свободного доступа.
Важным вопросом построения виртуальных лабораторий является принятый характер использования учебно-исследовательского (УИ) ПО в сетевой среде. Возможны следующие варианты:
Первый вариант соответствует технологии CGI (Common Gateway Interface) или технологии сервлетов. В технологии CGI запросы на использование прикладной программы, идущие от браузера, поступают к специальной программе-обработчику запросов, находящемуся в каталоге CGI_BIN, которая и обеспечивает интерфейс к прикладной программе. Этот вариант возможен при условиях, во-первых, небольшого числа одновременно работающих клиентов, другими словами, при отсутствии существенных ограничений на допустимое число клиентов, так как прикладная программа может не допускать создания нескольких своих копий, во-вторых, при связи сервера с клиентами в пределах одной локальной вычислительной сети, поскольку при связи с удаленным сервером через Internet будет затруднена работа в интерактивном режиме. Действительно, при связи клиент/сервер через Internet с недостаточно быстродействующими каналами передачи данных отрицательными факторами являются заметная нагрузка на сеть, что и обусловливает задержки и трудности реализации интерактивной работы клиентов.
Второй вариант возможен только при использовании доступных некоммерческих программных средств.
Предпочтителен третий вариант. Примером программ для систем открытого образования, построенным в соответствии с этим вариантом, является программно-методический комплекс многоаспектного моделирования ПА9. Разновидностью подхода на основе Java является компиляция на сервере рабочей программы с конкретной моделью пользователя и передача клиенту не аплета самой программы моделирования, а байт-кода рабочей программы для выполнения с моделью необходимых экспериментов.
Методические аспекты использования виртуальных лабораторий
Иногда целесообразность перехода от использования физических моделей к экспериментам и расчетам на математических моделях вызывает отрицание у определенной части потенциальных пользователей.
В промышленности психологический барьер неприятия такого перехода преодолевается сравнительно легко в тех приложениях, где математическому моделированию просто нет альтернативы. Примерами могут служить нанотехнологии. В частности, таким приложением является микроэлектроника, где при размерах проектных норм в десятки-сотни нанометров подключение измерительных приборов возможно только к специально изготовленным тестовым образцам, но не к компонентам реальной микросхемы. Кроме того, такое подключение оказывает влияние на процессы в схеме, искажающее реальную картину процессов. Физическое экспериментирование существенно затруднено и требует больших материальных и временных затрат также при исследовании процессов в труднодоступных и агрессивных средах, при высоких температурах, давлениях, интенсивностях радиации и т.п. Но и в большинстве других приложений, как показывает практический опыт, без широкого применения средств математического моделирования и автоматизированного конструирования добиться положительных результатов в создании сложной техники уже невозможно.
В учебном процессе переход к математическому моделированию часто порождает следующие возражения: во-первых, поскольку при использовании современных развитых программ моделирования обучаемый отстраняется от выбора формул, разработки алгоритма, выполнения промежуточных расчетов, то он не приобретает навыков в использовании традиционных расчетных методик, во-вторых, без выполнения ручных расчетов от его внимания могут ускользнуть имеющиеся связи между различными параметрами и факторами, в-третьих, обучаемый не приобретает навыков в работе с реальными измерительными приборами, установками и другими материальными объектами.
Первые два возражения легко парируются. Действительно, ориентировочные ручные расчеты и экспресс-оценки должны оставаться в учебном процессе, а математическое моделирование заменяет не столько простые расчеты, сколько физическое макетирование. При этом именно математическое моделирование, благодаря легкости варьирования исходных данных, позволяет более глубоко исследовать влияние на характеристики процессов и объектов различных параметров и факторов. Нужно лишь методически правильно спланировать серию экспериментов с математической моделью, включив в учебные задания снятие на модели соответствующих зависимостей и формулировку выводов, расчет коэффициентов чувствительности и т.п.
Третье возражение более серьезно, но оно не противопоставляет ручные расчетные методики и математическое моделирование, а лишь приводит к необходимости в учебных планах и программах сохранять некоторый необходимый объем практических работ как непосредственно на реальном оборудовании, так и в лабораториях удаленного доступа.
При использовании программ моделирования необходимо также учитывать ограниченную адекватность математических моделей. Адекватность любой модели оценивается перечнем отражаемых в ней свойств и областями адекватности.
Областью адекватности называют область в пространстве параметров, в пределах которой погрешности модели остаются в допустимых пределах. В большинстве случаев области адекватности строятся в пространстве внешних переменных, к которым относятся параметры нагрузки, внешних силовых воздействий, температура и давление окружающей среды и другие влияющие на моделируемый объект факторы [52]. Например, область адекватности математической модели электронного радиоэлемента обычно выражает допустимые для применения модели диапазоны изменения моделируемых температур, внешних напряжений, частот входных сигналов. Внимание обучаемых при освоении методик математического моделирования должно быть обращено на ограниченную адекватность математических моделей в используемом ПО так же, как это делается при изучении методик физического эксперимента, где ограниченная адекватность физических моделей связана с погрешностями измерений и с неизбежными отличиями макетов и стендов от реальных объектов.
Отметим, что при исследовании большинства сложных процессов и объектов математическое моделирование оказывается предпочтительнее физического макетирования не только по затратам времени и средств, но зачастую и по соображениям адекватности, что однако не означает полного отказа от проведения физического моделирования. Как правило, в процессе проектирования технических объектов математическое моделирование позволяет лишь существенно сократить объем требуемых экспериментов и испытаний на физических макетах и стендах.