Файл: Российской федерации федеральное государственное автономное образовательное учреждение высшего образования.pdf

42
В ходе алгоритма отслеживаем отдельно каждый луч пучка, начиная с ячейки, в которой расположен источник. Для каждого из этих звуковых лучей, исходя из координат его направляющего вектора и размеров ячейки сетки, можно вычислить, какую из граней текущей ячейки луч пересечѐт первой, что позволяет определить путь луча по сетке. При этом в ходе трассировки для каждой ячейки, в которую попадает луч, осуществляется проверка, не пересекает ли луч какой-либо из объектов помещения, за- креплѐнных за данной ячейкой. Если пересечение не найдено, то продол- жается перемещение луча по сетке. Если были обнаружены точки пересе- чения луча с объектами комнаты в пределах данной ячейки, то среди всех найденных точек выбирается ближайшая к началу луча. Эта же точка ста- новится новым началом отражѐнного луча, его направляющие векторы и энергия пересчитываются по формулам МТЛ, описанным ранее. В случае попадания луча в eps окрестность приѐмника, его параметры фиксируются.
Для реализации перехода между ячейками сетки применяется метод быстрого пересечения ячеек [3]. Данный метод позволяет существенно со- кратить число и вычислительную сложность операций, необходимых для перехода между соседними ячейками, ограничиваясь несколькими сравне- ниями и одним сложением.
Рассмотрим уравнение луча в пространстве:
0
x
x x
r t
 
0
y
y y
r t
 
0
z
z z
r t
 
(2)
(2) где


, ,
x y z
— координата произвольной точки луча,


0 0
0
, ,
x y z
— координата начала луча,


, ,
x
y
z
r r r
— направляющие косинусы луча.
На каждом переходе между ячейками производится оценка расстоя- ний от начала луча до ближайшей границы текущей ячейки для каждой из координат и скорость смещения луча также по каждой из координат. По данным параметрам определяется направление, в котором происходит пе- ремещение по сетке.
Трассировка каждого луча продолжается до тех пор, пока его энергия в результате переотражений не уменьшится настолько, что воздействием, оказываемым им на приѐмник, можно будет пренебречь.

43
Рис. 2.
Пример визуализации результатов трассировки в MATLAB
В качестве примера рассмотрим тестовую модель помещения с 25 от- ражающими плоскостями (после триангуляции). Программный код состав- лен на языке С++. Результатом работы являются координаты точек отра- жения для каждого из лучей, вышедшего из источника, и информация о лучах, попавших в приѐмник.
На рис. 2 показан пример построения модели распространения звука на основе полученных данных. Для этой модели была выполнена трасси- ровка при числе лучей 3321 и максимальном числе отражений 100. На рис. 3 приводится построение функции импульсного отклика исследуемой модели на основе полученных данных. При этом число лучей, прошедших в eps окрестности приѐмника, равно 998, по ним и построен график.
Рис. 3.
Пример визуализации результатов трассировки в MATLAB

44
Из рисунка можно заключить, что уровень сигнала -30дБ по энергии достигается примерно за одну секунду. Следовательно, время ревербера- ции RT, за которое сигнал спадает на 60дБ, равно примерно 2 секунды, что физически правдоподобно для помещения рассматриваемого объѐма со звукопоглощением
0.1


для всех отражений. При этом энергетический уровень сигнала в децибелах является логарифмической характеристикой абсолютного значения по энергии: ,
10 lg
E дБ
E

Второй автор признателен РФФИ за поддержку, проект
№ 19-29-06013.
Литература
1. Kuttruff Н. Room Acoustics. (5thed.). Spon Press: London, 2009.
2. Макриненко Л. И. Акустика помещений общественных зданий. М.:
Стройиздат, 1986.
3.
Amanatides J., Woo A. A fast Voxel Traversal algorithm for Ray Tracing //
Dept. of Computer Science University of Toronto. Toronto, Ontario, Cana- daM5S 1A4.

45
КОНЦЕПТ ЦИФРОВОЙ ТРАНСФОРМАЦИИ
ПЕДАГОГИЧЕСКОГО ОБРАЗОВАНИЯ В РОССИИ
Барский Е. Д., Демина С. А.
ФГБОУ ВО Московский педагогический государственный
университет,
г. Москва
E-mail: ed.barskiy@mpgu.su, sa.demina@mpgu.su
Система управления знаниями создается на основе фундаментальных наук, а также усилий менеджеров и инженерного корпуса, способных из- мерять спрос на знания и осуществляющих коммерческое применение зна- ний [4, с. 36]. Система производства знаний создается институтом образо- вания. Поэтому роль педагогического образования в современной эконо- мике сложно переоценить. «Образование прямо связано с конкурентоспо- собностью. Ни одно общество не может иметь высококачественную про- дукцию без высококачественных исходных материалов. Образование со- здает «человеческий капитал», который в соединении с «физическим капита- лом» и дает увеличение производительности и качества. Это было верно все- гда, но вдвойне верно для глобальной, технически сложной экономики» [1].
Школьное образование представляет собой базовую сферу воспроиз- водства человеческого потенциала, где закладывается не только базовый объем знаний для дальнейшего получения профессиональных знаний, но закладывается и мотивация к обучению. Именно учителя участвуют в формировании ценностно-смысловых ориентиров, формируют познава- тельные потребности у детей, дают базовые знания. От того какого учите- ля мы подготовим будет зависеть какой будет наша страна через 20 лет.
Мотивация человека в процессе всего периода его обучения в школе и профессиональном учебном заведении определяется в целом сложным, по- стоянно меняющимся соотношением разных побуждений. При этом важно отметить, что сформированное в детстве ожидание от обучения оказывает значительное влияние на активность человека в будущем, в том числе, на его стремление к достижению поставленных профессиональных задач. Эти ожидания могут как мотивировать, так и наоборот – отталкивать ребенка, все будет зависеть от способа обучения и личности самого педагога.
Сформированная в школьные годы мотивация к обучению оказывает влияние на продуктивность работы человека в течение всей жизни. Если ребенок обучался «из-под палки» и привык к постоянному внешнему под- креплению, то он не сможет решать сложные и творческие задачи.
Недостатки внешнего стимулирования вскрыл эксперимент Дана
Ариэли, экономиста из MIT [6]. Давая группе студентов несколько игр с разными заданиями, он c коллегами наблюдали как будут справляться сту-

46 денты с этими заданиями, получая вознаграждение одного из трѐх видов – малое, среднее или крупное.
Эксперимент Ариэли показал, что если от студентов требовались только механические усилия, премии имели ожидаемый эффект: чем сум- ма выше, тем лучших результатов достигали студенты. Но как только за- дание требовало хотя бы элементарного умственного труда, более крупная премия вела к понижению продуктивности. Эти эксперименты ставились не раз и другими зарубежными исследованиями
1 и каждый раз вывод под- тверждался: внешняя мотивация работает только тогда, когда задача до- статочно проста, по мере увеличения сложности решаемой задачи, внеш- няя мотивация приводит к понижению продуктивности.
Все это актуализирует задачу эффективной цифровой трансформации педагогического образования с учетом современной специфики обучения будущих педагогов. По мнению автора, важнейшей задачей цифровой трансформации педагогического образования является задача создания не- обходимых условий для непрерывного самообучения и самообразования, получения дополнительных знаний, навыков и компетенций как студента- ми вуза, так и представителями широкой общественности. Цифровая трансформация образования должна рассматриваться как инструмент до- стижения образовательных целей на различных уровнях образовательной системы, но не выступать целью внедрения цифровых инструментов и сред.
Не отрицая, что технологии являются серьезным драйвером транс- формации, стоит заметить, что само по себе их использование не приводит к системному изменению. Например, использование цифровой платформы дистанционного обучения не обязательно приведет к изменению техноло- гии обучения. Можно привести массу примеров, где преподаватель, рабо- тая в цифровой среде занимается только трансляцией знаний. Несмотря на то, что он формально использует цифровые инструменты, он сам зачастую остаѐтся пассивным в этом процессе.
Для осуществления радикальных положительных изменений в систе- ме педагогического образования необходимо признать, что цифровизация образования является ничем иным, как изменением технологии, в данном случае технологии подготовки будущих учителей.
Если проводить параллель с изменением технологии в производстве, то там переход на новые станки и оборудование, повлечет за собой изме- нения всей технологии производства. Меняется технология, а соответ- ственно пересматриваются нормы труда, его организация и оценка, прово- дится повышение квалификации персонала. В противном случае увеличи- вается количество брака, снижается качество и это отражается на финансо-
1
Знаменитый тест, придуманный Карлом Данкером в 1935 году для экспериментов в области продук- тивного мышления.

47 вом результате. Поэтому в современном производстве менеджмент очень хорошо это понимает, зарплата менеджера зависит от доходов предприя- тия. Но в производстве результат не отсрочен по времени, он ограничен только рамками производственного цикла, и он монетизирован. С образо- ванием так не получается.
Ведущие вузы России уже несколько лет работают над реализацией модели цифрового университета. В попытках сформировать единое обра- зовательное пространство интегрируются в традиционный процесс раз- личные цифровые инструменты и сервисы: системы учебной аналитики и менеджмента, онлайн-платформы, доступ к массовым открытым онлайн- курсам и т.п.
Но какими бы ни были частные результаты, уровень российского об- разования падает. Согласно рейтингам Quacquarelli Symonds и Times High- er Education в России стремительно снижется ранг лучшего российского вуза. Если в 2012 году по оценке World University Rankings ранг МГУ был на уровне 276–300 единиц, то к 2020 он снизился до 189 единиц. По оценке журнала Times Higher Education ранг лучшего российского вуза также снижается: со 116 до 84 единиц.
По данным отчѐта о развитии человечества за 2019 год, опубликован- ным 15 декабря 2020 года, наша страна стремительно продолжает терять позиции в мировом рейтинге по уровню человеческого развития (ИЧР)
2
Так, в 2019 году Россия опустилась на 52 место в рейтинге, уступив по
ИЧР Казахстану и Румынии. Для сравнения: в 2017 году Россия по ИЧР занимала 49-е место в мировом рейтинге [7]. Снижение происходит, в том числе, за счет падения уровня школьного образования, которое долгие го- ды обеспечивало России высокие позиции по ИЧР и ИРЧП.
Безусловно, проблема снижения качества российского образования является комплексной. Однако нельзя не заметить, что формальное обуче- ние переживает кризис мотивации. Интернет и новые технологии сделали информацию доступной, но не спасли учеников от апатии и потерянности в информационных джунглях. Процесс социальной дезориентации и демо- тивации в новом цифровом обществе будет только усугубляться по мере роста разрыва между знаниями и цифровыми технологиями. Внедрение технологии искусственного интеллекта только усугубит этот разрыв, а не- понимание приведет к отторжению и хаосу.
Поэтому программа цифровой трансформации вуза должна содержать не только и не столько направления в части внедрения ИТ-технологий и развития информационных систем, а, в первую очередь, отражать задачи по изменению подходов к рабочим процессам всего университета и управ- ление этими изменениями.
2
Индекс человеческого развития (ИЧР) является комплексным сравнительным показателем ожидаемой продолжительности жизни
, грамотности
, образования и уровня жизни для стран во всѐм мире.

48
Результатом цифровой трансформации образования должно стать до- стижение каждым обучающимся необходимых образовательных результа- тов за счет персонализации образовательного процесса на основе исполь- зования растущего потенциала цифровых технологий, включая примене- ние методов искусственного интеллекта, средств дополненной и виртуаль- ной реальности; развитие в образовательных организациях цифровой обра- зовательной среды; обеспечение общедоступного широкополосного досту- па к интернету, работы с большими данными.
Литература
1. Грейсон Дж., О'Делл К. Американский менеджмент на пороге XXI века: пер. с англ. – М.: Экономика, 1991. – 432 с.
2. Кризисы мотивации и смешанное обучение.
URL: http://newtonew.com:81/higher/motivation-in-blended-learning (дата обра- щения: 19.01.2022).
3. Шмелькова Л. В. Кадры для цифровой экономики: взгляд в будущее //
Дополнительное профессиональное образование в стране и мире. – 2016.
– № 8 (30). – С. 1-4.
4. Якушина Е. А. Новая роль сферы образования в экономике знаний //
Научный вестник ЮИМ. – 2013. – №1. – С. 35.
5. Bonk C. The Handbook of Blended Learning: Global Perspectives, Local De- signs / Curtis Bonk & Charles Graham. Available from: http:/ / curt- bonk.com/toc_section_intros2.pdf.
6. What makes us feel good about our work?
URL: https://www.ted.com/talks/dan_ariely_what_makes_us_feel_good_about_our
_work#t-5024 (дата обращения: 13.01.2022).
7. Human Development Report 2020 (англ.) // United Nations Development
Programme / Conceição Pedro. – N. Y.: United Nation, 2020. – ISBN 978-92-
1-005516-1. – ISSN 2412-3129.

49
КЛИЕНТ-СЕРВЕРНАЯ АРХИТЕКТУРА НА ПРИМЕРЕ
ИГРОВОГО СЕРВЕРА MTA
Белкин А. И., Майер С. Ф.
ФГАОУ ВО «Южный федеральный университет»,
Институт математики, механики и компьютерных наук
им. И. И. Воровича,
г. Ростов-на-Дону
E-mail: abelkin@sfedu.ru
MTA – это сетевая модификация для игры GTA San Andreas. Мод написан на языке C и C++ и имеет гибкий скрипт-интерфейс на языке Lua для создания пользовательских гейммодов. Для оптимизации игрового процесса скрипты имеют серверную и клиентскую направленность. Сер- верные скрипты отвечают за подключение и отключение игроков, их взаи- модействие, выполняют операции с базой данных, администрирование сервера. Клиентские скрипты отвечают за отображение объектов и созда- ние пользовательского интерфейса и выполняются на компьютере игрока, что снижает нагрузку на сервер.
Сервер запускается приложением mtaserver.exe с описанными заранее конфигурациями (пароль сервера, максимальное количество игро- ков и т. п.). В консоли сервера вводятся команды для его управления. Ко- манда debugscript3
позволяет отслеживать возможные ошибки в коде Lua.
Командой start <имя ресурса>
запускается наш ресурс — каталог со скрип- тами, описывающими процесс игры.
Скрипты состоят из обработчиков событий и функций, которые вызы- ваются этими обработчиками. Для каждого события определѐн набор со- путствующих параметров, которые обработчик передаѐт в функцию при вызове.
Когда игрок выбирает сервер в списке браузера и успешно подключа- ется, срабатывает событие onPlayerConnect
. Опишем функцию для этого со- бытия: function PlayerConnect(playerNick) outputChatBox(playerNick.." только что подключился к серверу.") end
Функция выводит в чат оповещение о подключении игрока с его ник- неймом.
Следующая функция добавляет новый обработчик: addEventHandler("onPlayerConnect", getRootElement(), PlayerConnect)
В данную функцию мы передали первым аргументом нужное нам со- бытие, третьим - сопровождающую его функцию, а второй аргумент – это элемент, к которому привязывается обработчик.