Электронные библиотеки https://rdl-journal.ru/ <div id="journalDescription"> <p><strong>Дорогой посетитель!</strong></p> <p>Вы находитесь на сайте электронного научного журнала «Электронные библиотеки», посвященного оперативному отражению новых результатов теории и практики использования в России и за рубежом электронных библиотек – распределенных информационных систем, позволяющих обрабатывать, хранить, распространять, анализировать и организовывать поиск в разнообразных коллекциях электронных документов (текст, графика, аудио, видео и др.) через глобальные сети передачи данных. Журнал нацелен на формирование российского сообщества учёных, развивающих названное научное направление, и является в настоящее время единственным российским изданием, последовательно и систематически освещающим наиболее актуальные вопросы, связанные с развитием технологий электронных библиотек, которые в настоящее время становятся всё более существенными для совершенствования стандартов науки, экономики, образования, здравоохранения и качества жизни вообще. Научные электронные библиотеки играют важную роль в реализации активно поддерживаемых научным сообществом инициатив открытого доступа к результатам исследований, формировании открытой науки и глобальных репозиториев представления знаний и данных. Материалы журнала направлены на формирование российского сообщества ученых, экспертов и практиков, целенаправленно занимающимися вопросами использования технологий электронных библиотек для социально-экономического развития.</p> <p>Аудитория журнала включает широкий круг специалистов в сфере создания и использования информационно-коммуникационных технологий; ученых и исследователей; работников сфер образования и культуры; частных лиц, интересующихся проблемами развития современного информационного общества. Материалы, публикуемые в журнале, проходят строгую процедуру рецензирования и экспертного отбора.</p> </div> Kazan Federal University ru-RU Электронные библиотеки 1562-5419 <p class="text-justify">Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.</p> <p class="text-justify">Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.</p> <p class="text-justify">Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.</p> <p class="text-justify">Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.</p> <p class="text-justify">При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.</p> <p class="text-justify">Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com</p> <p class="text-justify">Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.</p> <p class="text-justify">Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте <a href="https://rdl-journal.ru/files/docs/ru-copyright-101443.docx" target="_blank" rel="noopener">скан Авторского договора о передаче неисключительных прав на использование произведения</a>.</p> Модель лингвистического графа знаний «Turklang» как база для создания инструментов обучения тюркским языкам https://rdl-journal.ru/article/view/838 <p>Описаны элементы модели лингвистического графа знаний «Turklang», разработанного в Институте прикладной семиотики АН РТ и используемого в качестве базы для создания ряда лингвистических ресурсов и инструментов: портал «Тюркская морфема», электронный корпус татарского языка «Туган Тел», лингвистические процессоры.</p> <p>Для создания образовательной среды необходимы предметно-ориентированные графы знаний, для получения которых не применимы методы создания общих и открытых графов. В работе описаны лингвистические графы знаний, которые отображают, с одной стороны, потенциальные возможности тюркских языков, с другой стороны, примеры реального использования в текстах. Особенность этих графов знаний заключается в том, что они содержат лингвистические единицы разных языковых уровней, а также семантические универсалии, соответствующие значениям этих лингвистических единиц, которые встроены в единую модель лингвистического графа знаний. Структура такого графа знаний позволяет формировать учебные курсы, строить индивидуальную образовательную траекторию, а также создавать задания и средства автоматизированной проверки в рамках контроля знаний при обучении тюркским языкам. Это дает возможность разрабатывать впоследствии, на основе этих графов, программы обучения с учетом структурно-функциональных особенностей тюркских языков, а также способствует реализации индивидуальных целей обучающихся.</p> Айрат Рафизович Гатиатуллин Николай Аркадиевич Прокопьев Copyright (c) 2024 Айрат Рафизович Гатиатуллин, Николай Аркадиевич Прокопьев https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 251 265 10.26907/1562-5419-2024-27-3-251-265 Проектирование и разработка обучающего блокчейн-симулятора https://rdl-journal.ru/article/view/839 <p>Представлен блокчейн-симулятор, предназначенный для обучения студентов и начинающих блокчейн-разработчиков. Симулятор создан с целью предоставить пользователям интуитивно понятное и доступное средство для изучения основных концепций и механизмов функционирования блокчейна. Рассмотрены основные аспекты проектирования и архитектуры симулятора, а также представлена демонстрация работы приложения. Разработанный симулятор способствует привлечению новых специалистов в сферу блокчейн-разработки.</p> Олег Максимович Меховников Александр Сергеевич Тощев Copyright (c) 2024 Олег Максимович Меховников, Александр Сергеевич Тощев https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 266 277 10.26907/1562-5419-2024-27-3-266-277 Автоматизированное оценивание коротких ответов обучающихся с использованием языковых моделей https://rdl-journal.ru/article/view/840 <p>Методы проверки ответов обучающихся с использованием языковых моделей в настоящее время исследуются разными специалистами. Результаты автоматизированного оценивания зависят от предметной области и особенностей учебной дисциплины. В работе проанализированы ответы студентов, полученные в ходе изучения курса «Компьютерная графика и дизайн». При помощи языковых моделей определены векторы документов. Предложен метод оценивания ответов через нахождение косинусного сходства полученных векторов и уточнение оценок проверкой ключевых слов. Результаты могут использоваться при предварительной проверке ответов студентов и являются базой для дальнейших исследований.&nbsp;</p> Чулпан Бакиевна Миннегалиева Ильнур Илхамович Кашапов Ольга Дмитриевна Морозова Copyright (c) 2024 Чулпан Бакиевна Миннегалиева, Ильнур Илхамович Кашапов, Ольга Дмитриевна Морозова https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 278 293 10.26907/1562-5419-2024-27-3-278-293 Анализ моделей машинного обучения на основе методов объяснимого искусственного интеллекта в образовательной аналитике https://rdl-journal.ru/article/view/841 <p>Проблема прогнозирования досрочного отчисления студентов российских вузов является актуальной, поэтому требуется разработка новых инновационных подходов для её решения. Для решения данной проблемы возможна разработка предиктивных систем на основе использования данных о студентах, имеющихся в информационных системах вузов. В настоящей работе исследованы модели машинного обучения для прогнозирования досрочного отчисления студентов, обученные на основе данных о характеристиках и успеваемости студентов. Основная научная новизна работы заключается в использовании методов объяснимого ИИ для интерпретации и объяснения функционирования обученных моделей машинного обучения. Методы объяснимого искусственного интеллекта позволяют понять, какие из входных признаков (характеристик студента) оказывают наибольшее влияние на результаты прогнозов обученных моделей, а также могут помочь понять, почему модели принимают те или иные решения. Полученные результаты расширяют понимание влияния различных факторов на досрочное отчисление студентов.</p> Дмитрий Артурович Минуллин Фаиль Мубаракович Гафаров Copyright (c) 2024 Дмитрий Артурович Минуллин, Фаиль Мубаракович Гафаров https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 294 315 10.26907/1562-5419-2024-27-3-294-315 Исследование когнитивной функции при генерации эллиптических предложений в планиметрических задачах https://rdl-journal.ru/article/view/842 <p>Работа посвящена изучению когнитивной функции, связанной с генерацией эллиптических предложений в русском языке. Исследование проводилось на основе тестирования этой когнитивной способности с помощью компьютерной системы, специально разработанной авторами для этой цели. Тестирование этой когнитивной способности предложено и реализовано впервые. Система является расширением Moodle и открыто размещена в репозитории github. Эллиптические конструкции ограничиваются глагольными и именными эллипсисами, которые теоретически возможно полностью восстановить на основе контекста предложения. Исследование проводилось с участием в качестве респондентов студентов СПбПУ. В качестве предметной области были выбраны тексты планиметрических задач. В результате анализа данных тестирования получены следующие результаты: установлено влияние знаний респондента предметной области (планиметрии) на результаты тестирования; обнаружена тенденция к самообучению респондентов, что проявляется в сокращении времени и увеличении баллов по мере прохождения тестов; показано, что респонденты слабо мотивированы, если не видят отзыв на ответ по выполненному заданию.</p> <p>Обсуждены проблемы дальнейшего развития системы тестирования и её применения при адаптации опросников (заданий) для оценки знаний студентов СПбПУ в области автоматизации обнаружения ошибок в программах, а также диагностики функционального состояния специалистов операторского профиля и экспресс-диагностики деменции. Перспективным представляется также применение системы для совершенствования процессов синтаксического разбора эллиптических предложений и автоматизации восстановления эллипсисов в предметной области планиметрии.</p> Владимир Андреевич Пархоменко Ксения Александровна Найденова Татьяна Александровна Мартирова Александр Валентинович Щукин Copyright (c) 2024 Владимир Андреевич Пархоменко, Ксения Александровна Найденова, Татьяна Александровна Мартирова, Александр Валентинович Щукин https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 316 335 10.26907/1562-5419-2024-27-3-316-335 Система автоматизации численной оценки сходства Android-приложений https://rdl-journal.ru/article/view/843 <p>Работа посвящена проектированию и разработке системы автоматизации численной оценки сходства Android-приложений. Задача оценки сходства приложений сведена к оценке сходства множеств графов потока управления, построенных на основе кода из classes.dex файлов приложений. Значение сходства вычислено на основе матрицы сходства. Для сравнения графов потока управления использованы алгоритмы редактирования графов и расстояние Левенштейна. Сформулированы критерии сходства приложений и исследованы формы их представления. Представлены виды моделей Android-приложений и методы их построения. Разработан прототип системы автоматизации численной оценки сходства Android-приложений. С помощью инструментов параллельного программирования выполнена оптимизация программного решения. Проведены эксперименты и сделан вывод о способности разработанной системы выявлять сходства между Android-приложениями.</p> Валерий Владимирович Петров Copyright (c) 2024 Валерий Владимирович Петров https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 336 365 10.26907/1562-5419-2024-27-3-336-365 Классификация изображений с помощью сверточных нейронных сетей https://rdl-journal.ru/article/view/844 <p>Для классификации изображений в настоящее время можно применить множество различных инструментов, каждый из которых направлен на решение определенного спектра задач. В статье проведен краткий обзор библиотек и технологий для классификации изображений. Построена архитектура простой свёрточной нейронной сети для классификации изображений.</p> <p>Были проведены эксперименты по распознаванию изображений с такими популярными нейронными сетями, как VGG16 и ResNet 50. Обе нейронные сети показали хорошие результаты. Однако ResNet 50 переобучилась из-за того, что в наборе данных присутствовали однотипные изображения для обучения, поскольку в данной нейронной сети больше слоев, позволяющих считывать признаки объектов на изображениях. С обученными моделями был проведен сравнительный анализ по распознаванию изображений, специально подготовленных для этого эксперимента.</p> <p>Для классификации изображений в настоящее время можно применить множество различных инструментов, каждый из которых направлен на решение определенного спектра задач. В статье проведен краткий обзор библиотек и технологий для классификации изображений. Построена архитектура простой свёрточной нейронной сети для классификации изображений.</p> <p>Были проведены эксперименты по распознаванию изображений с такими популярными нейронными сетями, как VGG16 и ResNet 50. Обе нейронные сети показали хорошие результаты. Однако ResNet 50 переобучилась из-за того, что в наборе данных присутствовали однотипные изображения для обучения, поскольку в данной нейронной сети больше слоев, позволяющих считывать признаки объектов на изображениях. С обученными моделями был проведен сравнительный анализ по распознаванию изображений, специально подготовленных для этого эксперимента.</p> Сергей Алексеевич Филиппов Copyright (c) 2024 Сергей Алексеевич Филиппов https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 366 382 10.26907/1562-5419-2024-27-3-366-382 Многомерная геометрия на факультативных занятиях со школьниками и студентами младших курсов https://rdl-journal.ru/article/view/845 <p>Рассмотрены некоторые подходы к преподаванию многомерной геометрии на факультативных занятиях, направленные на развитие у школьников и студентов многомерной геометрической интуиции. Особое внимание уделено использованию групп преобразований при исследовании геометрии правильных многогранников.</p> Вадим Васильевич Шурыгин Вадим Вадимович Шурыгин Copyright (c) 2024 Вадим Васильевич Шурыгин, Вадим Вадимович Шурыгин https://creativecommons.org/licenses/by/4.0 2024-07-11 2024-07-11 27 3 383 412 10.26907/1562-5419-2024-27-3-383-412