Онтологический подход в управлении адаптивной подготовкой групп специалистов

Обложка

Цитировать

Полный текст

Аннотация

Предлагается комплексный подход к решению задач управления процессом адаптивной подготовки групп специалистов, который позволит учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня подготовки специалистов и оперативно подстраивать сценарий обучения под текущую ситуацию. Реализация этого подхода основана на онтологическом и прогнозном моделировании процесса адаптивной подготовки специалистов. В статье описывается метаонтология адаптивной подготовки групп специалистов организационно-технических систем для автоматизированного решения задач управления процессом подготовки. Рассматривается подход к решению задач сбора, обобщения и анализа цикла интеллектуального управления адаптивной подготовкой групп специалистов на основе метаонтологии. Применение разработанной метаонтологии позволяет автоматически определять наличие знаний и умений обучаемых, которые хранятся в их профилях и обновляются по результатам пройденных этапов подготовки. Это позволяет повысить оперативность формирования управляющих воздействий (учебно-тренировочных задач) и качество подготовки.

Полный текст

Введение

В современном обществе существует проблема повышения эффективности процесса подготовки специалистов и его адаптации к динамично изменяющимся внешним и внутренним факторам, таким как изменение рынка труда, смена предпочтений потребителей, развитие перспективных технологий, индивидуальные особенности специалистов и др. Профессиональное образование нередко отстаёт от развития экономики, что приводит к дисбалансу подготовки специалистов и реальных потребностей общества [1].

На приобретение специалистами дополнительных компетенций, необходимых для решения поставленных работодателем задач, тратятся значительное время и материальные ресурсы. Для подготовки специалистов существует большое количество прикладных обучающих, в т.ч. интеллектуальных, систем (ИС) [2, 3], а также краткосрочных курсов переподготовки специалистов в соответствии с их устремлениями и возможностью вариации содержания [1].

Можно выделить проблему повышения эффективности подготовки специалистов организационно-технических систем (ОТС), выполняющих сложные задачи в составе групп в условиях, связанных с риском для здоровья и необходимостью адаптации процесса их подготовки к изменяющимся условиям деятельности. Осуществлять подготовку таких групп специалистов к выполнению задач в реальных условиях возможно только с использованием специальных тренажеров и технических средств.

Для повышения эффективности подготовки групп специалистов ОТС необходимо повышать качество и оперативность управления этим процессом, в т.ч. за счёт учёта индивидуальных психофизиологических особенностей (ПФО) каждого специалиста группы [4]. Учёт ПФО специалистов на этапах индивидуальной подготовки обусловливает необходимость гибкого изменения сценария подготовки специалистов непосредственно в процессе занятий.

Необходимость учёта имеющихся знаний, умений и индивидуальных особенностей каждого специалиста (различная скорость усвоения материала, потребность в различных подходах и методиках к обучению) при одновременной подготовке большого количества специалистов в составе групп обусловливает обработку руководителем занятия больших объёмов данных. С увеличением плотности потока поступающей информации, на основании которой необходимо принимать управляющее решение, психофизиологические возможности руководителя занятия снижаются [5]. Это определяет актуальность автоматизации процесса управления адаптивной подготовкой (АП) групп специалистов ОТС.

1  Автоматизация управления адаптивной подготовкой групп специалистов

Одним из путей повышения качества управления подготовкой групп специалистов является адекватный учёт индивидуальных ПФО каждого специалиста из состава группы в процессе адаптивного формирования для них управляющих воздействий [6-8].

В процессе проведения занятий наибольшие трудности возникают при адаптивном формировании учебно-тренировочных задач (УТЗ) для каждого специалиста группы с учётом их текущего уровня подготовленности и результатов выполнения предыдущих УТЗ (с учётом времени выполнения задачи, результатов её выполнения и совершённых ошибок).

Решение этих задач руководителем занятий занимает длительное время и обусловливает субъективизм оценки текущего уровня подготовленности обучаемых, на основе которой принимаются решения по формированию управляющих воздействий УТЗ, и анализа результатов их реализации и последующей корректировки.

Для обучаемых характерно забывание пройденного материала, что происходит индивидуально [7] и обусловливает неопределённость в достижении целей этапов подготовки. Изменение уровня подготовленности каждого специалиста в процессе обучения аппроксимируется соответствующей экспоненциальной функцией [8]. Руководителю занятия трудно учесть эти изменения при формировании индивидуальных управляющих воздействий в процессе занятия.

Поэтому на этапах групповой подготовки адаптивное индивидуальное управление приведёт к существенному увеличению времени на анализ, изменение и выработку управляющих воздействий в процессе подготовки обучаемых [4].

Эти факторы обусловливают необходимость автоматизации процесса управления АП групп специалистов за счёт разработки адаптивной системы управления (СУ) процессом подготовки, которая должна учитывать специфику предметной области (ПрО) и индивидуальные ПФО обучаемых специалистов (скорость приобретения и утраты знаний, умений и навыков).

Задача управления АП групп специалистов не может быть задана в числовой форме, её цели не могут быть выражены в терминах точно определённой целевой функции, не существует общего алгоритма её решения. Это позволяет отнести названную задачу к классу слабоструктурированных или неформализованных задач [2].

Автоматизация процесса управления подготовкой может быть осуществлена с помощью ИС управления, построенной на основе модели ПрО и включающей знания о стратегиях и методах подготовки, предметах обучения и обучаемых [8-10]. Для формализации знаний ПрО АП групп специалистов ОТС целесообразно применение онтологического инжиниринга [11].

2  Метаонтология адаптивной подготовки групп специалистов

Метаонтология АП групп специалистов (MetOap) является моделью знаний и представляет собой онтологию верхнего уровня, включающую совокупность взаимосвязанных предметных онтологических моделей (ОМ): ОМ предметов АП (Op), ОМ объектов АП (Oop), ОМ ресурсов для АП (ORes), множество отношений между онтологиями (Rs), множество аксиом (Ax), позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами.

MetOap=Stage,Goal,Op,Oop,ORes,Rs,Ax,

где Stage – множество этапов АП (одиночная подготовка, подготовка в составе групп специалистов);  Goal – цели этапов АП групп специалистов.

Op представлена в виде (см. также рисунок 1)

 

Рисунок 1 – Онтологическая модель предметов адаптивной подготовки

 

Op=P(b)=P1(b),...,Pq(b),...,PQ(b), q=1,...,Q, b=1,..,B;Pq(b)Apq(b)=Apq,1(b),...,Apq,c(b),...,Apq,C(b), c=1,...,C;CLq(b)=clq,1(b),...,clq,p(b),...,clq,P(b), p=1,...,P;Rcq(b)=Rcq,1(b),...,Rcq,l(b),...,Rcq,L(b), l=1,...,L;Rsq(b)=Rsq,1(b),...,Rsq,m(b),...,Rsq,M(b), m=1,...,M;Rpq(b)=Rpq,1(b),...,Rpq,s(b),...,Rpq,S(b), s=1,...,S;Apq,c(b)Fpq,c(b)=Fpq,c1(b),...,Fpq,cj(b),...,Fpq,cJ(b), j=1,...,J,

где P(b)=P1(b),...,Pq(b),...,PQ(b) – множество элементов АП (предметов, тем, занятий, изучаемых понятий и отрабатываемых умений);

P(1)=P1(1),...,Pq(1),...,PQ(1);

Pq(1)Pq(2)=Pq,1(2),...,Pq,f(2),...,Pq,F(2), f=1,...,F;

Pq,f(2)Pfq(3)=Pfq,1(3),...,Pfq,i(3),...,Pfq,I(3), i=1,...,I;

Pq(b)=Nq,GZkz(q),GUku(q),wq,

где Nq – имя q-го элемента АП;

GZkz(q)=gzkz,1(q),...,gzkz,n(q),...,gzkz,N(q), kz=1,...,KZ, n=1,...,N – множество обобщённых гранул знаний, содержащихся в q-м элементе АП;

gzkz,n(q) – атомарная гранула знаний, представляющая собой семантически неделимое понятие ПрО (например, определение);

GUku(q)=guku,1(q),...,guku,v(q),...,guku,V(q), ku=1,...,KU, v=1,...,V – множество обобщённых гранул умений, содержащихся в q-м элементе АП;

guku,v(q) – атомарная гранула умений, представляющая собой элементарную операцию, являющуюся составной частью действий, выполняемых специалистом при решении задач.

Множество обобщённых гранул знаний и умений формируется в результате процесса информационной грануляции содержания АП и группирования атомарных гранул знаний и умений на различных αi-уровнях по семантической близости [12, 13]. Полученная таким образом иерархическая структура является основой при построении дерева целей АП.

wq – степень влияния элемента АП на достижение частной цели подготовки, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

gzkz,n(q)=Nkz,n(q),Tkz,n(q),Reskz,n(q),wkz,n(q), guku,v(q)=Nku,v(q),Tku,v(q),Resku,v(q),wku,v(q),

где Nkz,n(q)Nku,v(q)  – имя n-й гранулы знаний/v-й гранулы умений;

Tkz,n(q)Tku,v(q)  – время, необходимое для изучения n-й гранулы знаний/v-й гранулы умений;

Reskz,n(q)Resku,v(q) – ресурсы, необходимые для изучения (отработки) n-й гранулы знаний/v-й гранулы умений;

wkz,n(q)=0...1wku,v(q)=0...1 – степень влияния n-й гранулы знаний/v-й гранулы умений на достижение частной цели подготовки нижнего уровня иерархии;

Apq(b)=Apq,1(b),...,Apq,c(b),...,Apq,C(b) – множество атрибутов элементов АП (имя элемента АП, множество атомарных гранул знаний и атомарных гранул умений, степень влияния элемента АП на достижение частной цели подготовки, время, необходимое для овладения элементом АП);

CLq(b)=clq,1(b),...,clq,p(b),...,clq,P(b) – множество частных целей, соответствующих элементам АП, образующих дерево целей (например, занятию, входящему в определённую тему, соответствует частная цель, а предмету подготовки может соответствовать конечная цель подготовки).

сlq,p(b)=Ncp,Fcp,wcp,

где Nсp – имя p-й частной цели;

Fcp:Pq(b)clq,p(b) – функция отображения элементов АП частным целям;

wcp – степень значимости p-й частной цели нижнего уровня иерархии цели более верхнего уровня иерархии, определяемая с помощью модели, разработанной на основе метода анализа нечётких иерархий с адаптивным согласованием данных [14];

Rcq(b)=Rcq,1(b),...,Rcq,l(b),...,Rcq,L(b) – множество иерархических отношений (отношение «часть-целое») между элементами АП на различных уровнях;

Rsq(b)=Rsq,1(b),...,Rsq,m(b),...,Rsq,M(b) – множество отношений причинно-следственной зависимости между элементами АП на b-м уровне иерархии (последовательное изучение и отработка тем, занятий, понятий и умений);

Rpq(b)=Rpq,1(b),...,Rpq,s(b),...,Rpq,S(b) – множество отношений влияния элементов АП нижнего уровня на элементы более высокого уровня;

Rpq,s(b)=rplq,s(b),rpmq,s(b),rpsq,s(b),

  • где rplq,s(b) – отношение слабого взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины, но не является обязательным), степень влияния элемента АП на достижение частной цели подготовки wq < 0.4;
  • rpmq,s(b) – отношение среднего взаимовлияния между элементами АП (означает, что для достижения родительской вершины желательно владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.4 ≤ wq < 0.7;
  • rpsq,s(b) – отношение сильного взаимовлияния между элементами АП (означает, что для достижения родительской вершины необходимо владеть знаниями и умениями дочерней вершины), при этом степень влияния элемента АП на достижение частной цели подготовки лежит в интервале 0.7 ≤ wq ≤ 1.

Критерии взаимовлияния между элементами АП определены на основе метода экспертных оценок и не противоречат программам подготовки и накопленному опыту подготовки групп специалистов.

Fpq,c(b)=Fpq,c1(b),...,Fpq,cj(b),...,Fpq,cJ(b) – множество ограничений атрибутов элементов АП.

Oop представлена в следующем виде (см. также рисунок 2).

 

Рисунок 2 – Онтологическая модель объектов адаптивной подготовки

 

Oop=OP(d)=OP1(d),...,OPv(d),...,OPV(d), v=1,...,V, d=1,..,D;OPv(d)Aopv(d)=Aopv,1(d),...,Aopv,r(d),...,Aopv,R(d), r=1, ​...,R;Rocv(d)=Rocv,1(d),...,Rocv,u(d),...,Rocv,U(d), u=1,...,U;Aopv(d)Rvpv(d)=Rvpv,1(d),...,Rvpv,g(d),...,Rvpv,G(d), g=1,...,G,

где OP(d)=OP1(d),...,OPv(d),...,OPV(d) – множество объектов АП (отдельные специалисты, группы специалистов);

Aopv(d)=Aopv,1(d),...,Aopv,r(d),...,Aopv,R(d) – множество атрибутов объектов АП;

Rocv(d)=Rocv,1(d),...,Rocv,u(d),...,Rocv,U(d) – множество иерархических отношений (отношение «часть-целое») между объектами АП;

Rvpv(d)=Rvpv,1(d),...,Rvpv,g(d),...,Rvpv,G(d) – множество отношений соответствия между атрибутами объектов АП и элементами АП онтологии предметов подготовки.

ORes имеет следующий вид (см. также рисунок 3).

 

Рисунок 3 – Онтологическая модель ресурсов для адаптивной подготовки

 

ORes=Res=Res1,...,Resi,...,ResI,i=1,...,I;ResiAri=Ari,1,...,Ari,kr,...,Ari,KR, kr=1,...,KR;Rori=Rori,1,...,Rori,qn,...,Rori,QN,qn=1,...,QN;AriRvri=Rvri,1,...,Rvri,gt,...,Rvri,GT,gt=1,...,GT;Fri=Fri,1,...,Fri,e,...,Fri,E,e=1,...,E,

где Res=Res1,...,Resi,...,ResI – множество ресурсов, необходимых для отработки элементов АП;

Resi=Iresi,rs,Mresi,re,rs=1,...,RS,re=1,...,RE,

где Iresi,rs=Iresrs,1,...,Iresrs,nm,...,Iresrs,NM,nm=1,...,NM – множество информационных ресурсов (литература, видеоматериалы и т.п.);

Mresi,re=Mresre,1,...,Mresre,zs,...,Mresre,ZS,zs=1,...,ZS – множество материальных ресурсов (реальная техника, технические средства обучения и т.п.);

Ari=Ari,1,...,Ari,kr,...,Ari,KR – множество атрибутов ресурсов для АП;

Rori=Rori,1,...,Rori,qn,...,Rori,QN – множество иерархических отношений (отношение «часть-целое») между ресурсами для АП;

Rvri=Rvri,1,...,Rvri,gt,...,Rvri,GT – множество отношений соответствия между атрибутами ресурсов для АП и элементами АП онтологии предметов подготовки;

Fri=Fri,1,...,Fri,e,...,Fri,E – множество ограничений атрибутов ресурсов для АП.

Rs=Rs1,...,Rsjn,...,RsJN,jn=1,...,JN – множество отношений соответствия между предметными онтологиями;

Ax=Ax1,...,Axh – множество аксиом, позволяющих делать обобщённые выводы из совокупности атрибутов и отношений между классами (подклассами) и атрибутами метаонтологии.

3  Практическое применение

Для практического решения задач управления АП групп специалистов разработанная метаонтология реализована в среде Proté. С помощью запросов на языке SPARQL осуществляется процесс получения необходимой для руководителя занятий информации об обучаемых специалистах для планирования мероприятий их АП.

Пример запроса о составе группы и выполняемых функциях специалистов в группе представлен на рисунке 4. Результаты запроса выводятся в виде таблицы, что позволяет руководителю занятия оперативно планировать мероприятия АП независимо от специфики задач, выполняемых группой обучаемых. Для руководителя занятия имеется возможность с использованием запросов к метаонтологии уточнять информацию о наличии определённых знаний и умений у обучаемых.

 

Рисунок 4 – Пример запроса к метаонтологии о составе группы

 

На рисунке 5 приведён пример запроса к метаонтологии о специалистах, изучивших требования безопасности. По результатам запроса руководителю занятия выводится информация о членах группы, изучивших этот вопрос.

 

Рисунок 5 – Пример запроса к метаонтологии о специалистах, изучивших требования безопасности

 

Для автоматического обновления информации о пройденных этапах АП в разработанной метаонтологии сформированы правила на языке SWRL. Правила позволяют автоматически обновлять информацию о полученных каждым обучаемым знаниях и умениях в процессе АП и представлять информацию (перечень атомарных гранул знаний и умений) руководителю занятия об оставшихся этапах для каждого обучаемого группы.

На рисунке 6 представлен пример правила, которое определяет требуемые знания для продолжения подготовки согласно сформированному дереву целей.

 

Рисунок 6 – Пример правила, которое определяет требуемые знания для продолжения подготовки

 

На рисунке 7 представлены результаты АП специалиста (оценки атомарных гранул знаний и умений в соответствии с деревом целей).

 

Рисунок 7 – Результаты адаптивной подготовки специалиста

 

Документирование полученных результатов позволяет руководителю занятия делать выводы о процессе АП, динамике овладения знаниями и умениями каждым обучаемым группы и дифференцированно формировать для них управляющие воздействия с учётом текущих результатов.

Все данные об обучаемом, получаемые из метаонтологии, хранятся в цифровом двойнике объекта подготовки SPq

SPq=IDSPq,LKSPq,YtekmSPq(t),CSSPq,TRSPq,

где IDSPq – идентификатор q-го специалиста;

LKSPq – индивидуальные ПФО специалиста, определяемые моделями приобретения и утраты навыков [15];

YtekmSPqt – текущий уровень подготовленности q-го специалиста на m-м этапе подготовки, оцениваемый в соответствии с руководящими документами об организации подготовки групп специалистов и методиками оценки;

CSSPq – цифровой след q-того специалиста (результаты прохождения этапов подготовки по различным дисциплинам);

TRSPq – эталонный сценарий подготовки q-того специалиста.

Эталонный сценарий подготовки формируется на основе дерева целей, где каждой частной цели соответствуют обобщённые гранулы знаний и обобщённые гранулы умений. Выбор цели и эталонного сценария зависит от заданного времени на подготовку групп специалистов. Поэтому целью АП может быть цель не самого верхнего уровня αn, а частная цель уровня α(n-1). В этом случае содержание подготовки определяется в соответствии с отношением влияния элементов АП нижнего уровня на элементы более высокого уровня.

Получаемый с помощью метаонтологии в соответствии с деревом целей перечень необходимых знаний и умений используется при формировании сценарно-информационной модели процесса АП в виде упорядоченной последовательности элементов для прогнозного моделирования достижимости цели АП. Сценарно-информационная модель представляет собой множество возможных сценариев АП для каждого специалиста и группы в целом путём объединения индивидуальных сценариев отдельных специалистов группы. В результате моделирования выбирается рациональный сценарий и осуществляется процесс подготовки специалистов. Сценарий представляет собой структуру процесса АП групп специалистов в виде последовательности атомарных гранул знаний и атомарных гранул умений с учётом уже имеющихся у специалиста знаний и умений в усовершенствованной нотации ARIS, предназначенной для моделирования бизнес-процессов.

При отработке сценария АП групп специалистов фиксируются полученные результаты в виде оценок по четырёх бальной шкале и ошибки, допускаемые специалистами группы при выполнении алгоритма деятельности, которые учитываются при адаптации сценария к текущим результатам.

Заключение

Предложен подход к решению задач управления процессом АП групп специалистов, который позволяет учитывать изменяющиеся внешние и внутренние факторы, а также динамику изменения уровня качества подготовки специалистов и изменять сценарий обучения с учётом текущей ситуации. Для реализации предложенного подхода разработана мета-онтология - модель знаний ПрО, отражающая взаимосвязи между предметами, объектами АП и ресурсами, необходимыми для проведения АП.

Разработанная метаонтология позволяет повысить качество решения задач поиска, сбора, агрегирования и анализа исходной информации для процесса интеллектуального управления АП групп специалистов ОТС за счёт сформированных SWRL-правил и SPARQL-запросов.

×

Об авторах

Игорь Анатольевич Фролов

Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации

Автор, ответственный за переписку.
Email: igor-frolov-81@mail.ru

кандидат технических наук, преподаватель кафедры

Россия, Смоленск

Список литературы

  1. Соловов А.В., Меньшикова А.А. Трансформация онтологии образования: от классно-урочной системы к смарт-инновациям // Онтология проектирования. 2022. Т.12, №4(46). С.470-480. doi: 10.18287/2223-9537-2022-12-4-470-480.
  2. Рыбина Г.В. Интеллектуальные обучающие системы на основе интегрированных экспертных систем. М.: Директ-Медиа, 2023. 132 с.
  3. Рыбина Г.В. Интеллектуальные системы: от А до Я. Серия монографий в трёх книгах. Книга 1. Системы, основанные на знаниях. Интегрированные экспертные системы. М.: ООО «Научтехлитиздат», 2014. 224 с.
  4. Фролов И.А., Борисов В.В. Сценарно-информационный анализ и моделирование адаптивной подготовки групп специалистов на основе нечёткого онтологического подхода // Прикладная информатика. 2023. Т.18. № 6. С.54–66. doi: 10.37791/2687-0649-2023-18-6-54-66.
  5. Фролов И.А. Метод сценарно-информационного анализа для интеллектуального управления адаптивной подготовкой групп специалистов // XXI национальная конференция по искусственному интеллекту с международным участием, КИИ-2023 (Смоленск, 16-20 октября 2023 г.). Труды конференции. В 2-х томах. Т.1. Смоленск: Принт-Экспресс, 2023. С.304-314.
  6. Соловов А.В. Электронное обучение: проблематика, дидактика, технология. – Самара: «Новая техника», 2006. – 462 с
  7. Майер Р.В. Исследование математических моделей дидактических систем на компьютере. [Электронный ресурс]: Глазов: Глазов. гос. пед. ин-т, 2018. http://maier-rv.glazov.net/Mayer_monograph2018.pdf.
  8. Рыбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика; ИНФРА-М, 2014. 432 с.
  9. Петрушин В.А. Экспертно-обучающие системы. Киев: Наукова. Думка, 1992. – 196 с.
  10. Брусиловский П.Л. Интеллектуальные обучающие системы // Информатика. Информационные технологии. Средства и системы. 1990. № 2. С.3-22.
  11. Gruber T.R. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition. 1993. №5(2). P.199-220.
  12. Тарасов В.Б., Калуцкая А.П., Святкина М.Н. Гранулярные, нечёткие и лингвистические онтологии для обеспечения взаимопонимания между когнитивными агентами // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2012): материалы II Международной научно-технической конференции (Минск, 16-18 февраля 2012) / В. В. Голенков (отв. ред.). Минск: БГУИР, 2012. C.267-278.
  13. Алтунин А.В. Теоретическое и практическое применение методов принятия решений в условиях неопределённости: Том 1. Общие принципы принятия решений в условиях различных видов неопределённости. [б.м.]: Издательские решения, 2019. 484 с.
  14. Харитонов Е.В. Метод согласования субъективных измерений в иерархиях матриц отношений предпочтения // Математическая морфология: электронный математический и медико-биологический журнал, 1999. Т.3. №2. С.52-57.
  15. Шибанов Г.П. Количественная оценка деятельности человека в системах человек-техника. – М.: Машиностроение. 1983. 263 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок 1 – Онтологическая модель предметов адаптивной подготовки

Скачать (491KB)
3. Рисунок 2 – Онтологическая модель объектов адаптивной подготовки

Скачать (243KB)
4. Рисунок 3 – Онтологическая модель ресурсов для адаптивной подготовки

Скачать (203KB)
5. Рисунок 4 – Пример запроса к метаонтологии о составе группы

Скачать (232KB)
6. Рисунок 5 – Пример запроса к метаонтологии о специалистах, изучивших требования безопасности

Скачать (256KB)
7. Рисунок 6 – Пример правила, которое определяет требуемые знания для продолжения подготовки

Скачать (459KB)
8. Рисунок 7 – Результаты адаптивной подготовки специалиста

Скачать (402KB)

© Фролов И.А., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).