ГЛАВА 6. ПРИМЕНЕНИЕ СИСТЕМЫ «ЭЙДОС»
В УЧЕБНОМ ПРОЦЕССЕ

6.1. Учебные дисциплины, при преподавании
которых используется система «Эйдос»

Авторы вели ранее и сейчас ведут много различных учебных дисциплин: "Теория и техника измерений", "Методы принятия решений", "Основы теории информации", "Алгоритмы и структуры данных", "Вычислительные системы и сети", "Базы данных", "Новые информационные технологии в учебном процессе", "Комплексные технологии в науке и образовании", "Информационные системы в экономике", "Математическое моделирование", "Измерения в экономике (Эконометрика)", "Информатика", "Интеллектуальные информационные системы", «Представление знаний в информационных системах», "Основы теории управления (теория автоматического управления)", «Компьютерные технологии в строительной науке и образовании (магистратура)», «Современные технологии в образовании (магистратура)», «Управление знаниями (магистратура)», Введение в искусственный интеллект, Системно-когнитивный анализ, Информационные технологии управления бизнес-процессами / Корпоративные информационные системы (магистратура), Система искусственного интеллекта «Эйдос», Моделирование социально-экономических систем / Организационно-управленческие модели корпорации (магистратура), Введение в нейроматику и методы нейронных сетей (магистратура), Интеллектуальные и нейросетевые технологии в образовании (магистратура), Основы искусственного интеллекта, Эффективность АСУ (магистратура), Функционально-стоимостной анализ системы и технологии управления персоналом (магистратура), Компьютерная графика.

При проведении лабораторных и практических занятий по многим из этих дисциплин может успешно использоваться системе «Эйдос-Х++». Прежде всего, это все дисциплины, связанные с интеллектуальными технологиями и управлением знаниями, а также с системным анализом, моделированием, управлением и измерениями. Рассмотрим подробнее некоторые из них.

6.2. Дисциплина: «Информационные технологии
в юридической деятельности»

Структура и содержание дисциплины для студентов очного обучения

Общая трудоемкость дисциплины составляет 4 зачетные единицы, т.е. 144 часа. Она включает в себя 13 лекций и 23 лабораторных работы

Лекции:

Лекция-1. Концепция смысла «Шенка-Абельсона» и понятия: «Данные», «Информация» и «Знания», представление об информационном сырье, информационном полуфабрикате и информационном продукте. Сбор и формализация исходных данных, преобразование данных в информацию, а ее в знания, анализ данных и использование информации для достижения целей.

Лекция-2. Информационная модель деятельности специалиста-юриста, задачи, решаемые в процессе этой деятельности и программные системы, которые могут применяться для автоматизации решения этих задач.

Лекция-3. Классификация задач обработки данных, информации и знаний в юридической деятельности:

	Глубина обработки данных	1	2	3
1	Базы данных и информационно-поисковые системы (ИПС)	1.1.ИПС с полным четким запросом	1.2.ИПС с не-полным четким запросом	1.3.ИПС с неполным нечетким запросом
2	Информационно-аналитические системы (ИАС)	2.1.	2.2.	2.3.
3	Интеллектуальные системы (ИС)	3.1. Задачи распознавания, идентификации и прогнозирования	3.2. Задачи поддержки принятия решений	3.3. Задачи исследования моделируемой предметной области путем исследования ее модели

По каждому блоку существует много задач, примерный перечень которых будет приведен ниже в разделе, посвященном лабораторным работам.

Специализированные правовые информационные системы (ИПС, ИАС, ИС) и методы работы с ними.

Правовые ресурсы в сети Интернет и методы поиска нужной информации.

Справочная правовая система Гарант.

Лекция-4. Количественные меры измерения данных, информации и знаний: Больцмана, Хартли, Шеннона, Харкевича.

Лекция-5. Понятие системы, уровня системности, системных (эмерджентных свойств). Системные обобщения мер Хартли и Харкевича. Коэффициенты эмерджентности как количественные меры уровня системности.

Лекция-6. Общие свойства информации:

1. Атрибутивные свойства - это те свойства, без которых информация не существует.

• неотрывность информации от физического носителя и языковая природа информации.

• дискретность.

• непрерывность.

2. Прагматические свойства - это те свойства, которые характеризуют степень полезности информации для пользователя, потребителя и практики.

• смысл и новизна.

• полезность. Уменьшение неопределенности сведений об объекте. Дезинформация расценивается как отрицательные значения полезности, т.е. вредность.

• ценность.

• кумулятивность.

• полнота.

• достоверность.

• адекватность.

• доступность (мера возможности получить ту или иную информацию ).

• актуальность (степень соответствия информации текущему моменту времени).

• объективность и субъективность.

3. Динамические свойства - это те свойства, которые характеризуют изменение информации во времени.

• рост информации.

• старение.

Лекция-7. Специфические свойства и особенности юридической информации.

· Свойство физической неотчуждаемости информации.

· Свойство обособляемое информации.

· Свойство информационной вещи (информационного объекта).

· Свойство тиражируемое (распространяемости) информации.

· Свойство организационной формы.

· Свойство экземплярности информации.

Лекция-8. Автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – система «Эйдос» как современная инновационная технология преобразования данных в информацию, а ее в знания. Задачи, решаемые в АСК-анализе и системе «Эйдос» и место этих задач в информационной модели деятельности специалиста-юриста.

· Теоретические основы АСК-анализа.

· Системная теория информации – математическая модель АСК-анализа.

· Методика численных расчетов АСК-анализа.

· Интеллектуальная система «Эйдос» – программный инстурментарий АСК-анализа.

Лекция-8. Этапы постановки и решения задач в АСК-анализе и системе «Эйдос»

1. Когнитивная структуризация предметной области (неформализованный этап). На этом этапе решается, что мы хотим прогнозировать и на основе чего. В нашей задаче мы хотим прогнозировать продолжительность жизни пациента после перенесенного им инфаркта на основе анализа эхокардиограммы.

2. Формализация предметной области. На этом этапе разрабатываются классификационные и описательные шкалы и градации, а затем с их использованием исходные данные кодируются и представляются в форме баз событий, между которыми могут быть выявлены причинно-следственные связи.

3. Синтез и верификация моделей (оценка достоверности, адекватности). Повышение качества модели. Выбор наиболее достоверной модели для решения в ней задач.

4. Решение задач идентификации и прогнозирования.

5. Решение задач принятия решений и управления.

6. Решение задач исследования моделируемой предметной области путем исследования ее модели.

Лекция-9. 1. Когнитивная структуризация предметной области (неформализованный этап). На этом этапе решается, что мы хотим прогнозировать и на основе чего. В нашей задаче мы хотим прогнозировать продолжительность жизни пациента после перенесенного им инфаркта на основе анализа эхокардиограммы.

Лекция-10. 2. Формализация предметной области. На этом этапе разрабатываются классификационные и описательные шкалы и градации, а затем с их использованием исходные данные кодируются и представляются в форме баз событий, между которыми могут быть выявлены причинно-следственные связи.

Лекция-11. 3. Синтез и верификация моделей (оценка достоверности, адекватности). Повышение качества модели. Выбор наиболее достоверной модели для решения в ней задач.

Лекция-12. 4. Решение задач идентификации и прогнозирования. 5. Решение задач принятия решений и управления.

Лекция-13. 6. Решение задач исследования моделируемой предметной области путем исследования ее модели.

Лабораторные работы 23

Классификация лабораторных работ

	Глубина обработки данных	1	2	3
1	Базы данных и информационно-поис-ковые системы (ИПС)	1.1. ИПС с полным четким запросом	1.2. ИПС с неполным четким запросом	1.3. ИПС с неполным нечетким запросом
2	Информационно-аналитические системы (ИАС)	2.1. Не представлены	2.2. Не представлены	2.3. Не представлены
3	Интеллектуальные системы (ИС)	3.1. Задачи распознавания, идентификации и прогнозирования	3.2. Задачи поддержки принятия решений	3.3. Задачи исследования моделируемой предметной области путем исследования ее модели

1.1. ИПС с полным четким запросом

Лабораторная работа 1.

Защита и работа с конфиденциальными документами и информацией в ОВД, оснащенных современной вычислительной и телекоммуникационной техникой.

Лабораторная работа 2.

Практическая работа с СПС «КОНСУЛЬТАНТ +» и «ГАРАНТ»

Лабораторная работа 3.

Практическая работа с дактилоскопической АИПС «ПАПИЛОН»

Лабораторная работа 4.

Практическая работа с автоматизированными информационно-логи-ческими системами (АИЛС) СОНДО-ОПТЕЛ, ПОИСК, АРМЭК

Лабораторная работа 5.

Проведение трассологической экспертизы и эспертизы холодного оружия с использованием АИПС «СОНДА-СЛЕД»

Лабораторная работа 6.

Проведение судебно-автотехнической экспертизы и экспертизы лакокрасочных материалов с помощью АПК «АВТОЭКС» и АИПС «МАРКА».

Лабораторная работа 7.

Проведение судебно-фоноскопической экспертизы на базе системы «Signal Viewer» (SV).

Лабораторная работа 8.

Проведение пожарно-технической экспертизы с использованием программного модуля «ЭКПОТЕК-МП-1»

Информационно-аналитические системы (ИАС)

Лабораторная работа 9.

Особенности решения проблемы и задач ОВД на примере деятельности вневедомественной охраны (готова)

Лабораторная работа 10.

Автоматизированная информационно-поисковая система «Рартотека» (готова)

Лабораторная работа 11.

Использование спектральных методов в юриспруденцию (готова)

Лабораторная работа 12.

Нелинейные модели в совершенствовании управления ОВД (готова)

Интеллектуальные системы (ИС)

Лабораторная работа 13.

Прогнозирование вероятностных пунктов назначения железнодорожных составов (готова).

Лабораторная работа 14.

Прогнозирование учебных достижений абитуриентов на основе их социального статуса (готова).

Лабораторная работа 15.

Атрибуция анонимных и псевдонимных текстов (готова)

Лабораторная работа 16.

Прогноз учебных достижений студентов на основе их почерка (готова) [57].

Лабораторная работа 17.

Прогноз учебных достижений студентов на основе их имиджа или фоторобота (готова) [8].

Лабораторная работа 18.

Идентификация места преступления по признакам на основеи вербализованного оисания (на примере остановок электротрнаспорта) (в разработке) [263, 329].

Лабораторная работа 19.

Прогноз типа и времени совершения ДТП (в разработке)

Лабораторная работа 20.

Обобщение фотороботов по статьям административного и уголовного кодексов и оценка степени склонности к совершению преступлений по фотороботу (в разработке).

Лабораторная работа 21.

Поиск аналогов преступлений по их фабуле [263, 329].

Лабораторная работа 22.

Принятие решений по конфигурированию системы безопасности MS Windows (готова) [120].

Лабораторная работа 23.

Обобщение изображений отпечатков пальцев по статьям административного и уголовного кодексов и оценка степени склонности к совершению преступлений по отпечаткам пальцев (в разработке)