Развитие научных знаний студентов по компьютерному моделированию при обучении обратным задачам для дифференциальных уравнений

Обложка

Цитировать

Полный текст

Аннотация

Постановка проблемы. В настоящее время высшая школа предоставляет студентам физико-математических направлений подготовки фундаментальные предметные знания, формирует профессиональные компетенции, развивает творческие способности и креативность, учит использовать современные компьютерные технологии для решения прикладных задач. Одной из таких учебных дисциплин, при обучении которой студентов учат применять компьютерные технологии при решении прикладных математических задач, является учебный курс «Обратные задачи для дифференциальных уравнений». Данная дисциплина преподается в некоторых вузах России в виде курсов по выбору с 70-х годов XX века. Учебный материал курса включает передовые результаты исследований по обратным задачам, принадлежащие специалистам разных стран, таких как Германия, Италия, Китай, Швеция, Нидерланды, Россия, Япония и другие страны дальнего зарубежья. На практических занятиях уделяется большое внимание применению компьютерного моделирования для исследования прикладных задач. Это обстоятельство предполагает разработку учебных материалов с учетом профессиональной подготовки студентов вузов, в которых необходимо уделить внимание использованию компьютерного моделирования при решении математических моделей обратных задач. Методология. Реализация обучения студентов вузов физико-математических направлений подготовки должно учитывать современные научные достижения мировой науки в области обратных задач с использованием компьютерного моделирования и реализовывать на учебных занятиях передовые педагогические технологии. Результаты. При исследовании обратных задач студенты приобретают научные знания по компьютерному моделированию и осваивают его широкие возможности. Заключение. Наличие научных знаний в области компьютерного моделирования и практического опыта его применения для решения обратных задач дает студентам большие преимущества, возможности стать успешными специалистами в области прикладной математики и быть востребованными на рынке труда в разных сферах человеческой деятельности.

Об авторах

Виктор Семенович Корнилов

Московский городской педагогический университет

Автор, ответственный за переписку.
Email: vs_kornilov@mail.ru
ORCID iD: 0000-0003-0476-3921

доктор педагогических наук, кандидат физико-математических наук, профессор, департамент информатизации образования

Российская Федерация, 127521, Москва, ул. Шереметьевская, д. 29

Список литературы

  1. Vabishevich PN. Computational methods of mathematical physics. Inverse problems and management problems. Moscow: Vuzovskaya Kniga Publ.; 2019. (In Russ.)
  2. Romanov VG. Stability in inverse problems. Moscow: Nauchnyj Mir Publ.; 2005. (In Russ.)
  3. Yurko VA. Introduction to the theory of inverse spectral problems. Moscow: Fizmatlit Publ.; 2007. (In Russ.)
  4. Yagola AG, Titarenko VN, Van YA, Stepanova IE. Inverse problems and methods of their solution. Applications to geophysics. Moscow: Binom Publ.; 2014. (In Russ.)
  5. Falleta S, Monegato G, Scuderi L. On the discretization and application of two space - time boundary integral equations for 3D wave propagation problems in unbounded domains. Applied Numerical Mathematics. 2018;124:22-43. http://doi.org/10.1016/j.apnum.2017.10.001
  6. Fedorov VE, Ivanova ND. Inverse problems for a class of linear Sobolev type equations with overdetermination on the kernel of operator at the derivative. Journal of Inverse and Ill-Posed Problems. 2020;28(1):53-61. https://doi.org/10.1515/jiip-2012-0076
  7. Flemming J. Existence of variational source conditions for nonlinear inverse problems in Banach spaces. Journal of Inverse and Ill-Posed Problems. 2020;26(2):227-286. https://doi.org/10.1515/jiip-2017-0092
  8. Huang L, Liang J, Wu C. A three-dimensional indirect boundary integral equation method for modeling elastic wave scattering in a layered halfspace. Int. J. Solids Structures. 2019;169:81-94. https://doi.org/10.1016/j.ijsolstr.2019.03.020
  9. Nguyen PM, Nguyen LH. A numerical method for an inverse source problem for parabolic equations and its application to a coefficient inverse problem. Journal of Inverse and Ill-Posed Problems. 2020;28(3):323-339. https://doi.org/10.1515/jiip-2019-0026
  10. Mei Y, Fulmer R, Raja V, Wang S, Goenezen S. Estimating the non-homogeneous elastic modulus distribution from surface deformations. Int. J. Solids and Structures. 2016;83:73-80. https://doi.org/10.1016/j.ijsolstr.2016.01.001
  11. Belov YuA, Lyubanova ASh, Polynceva SV, Sorokin RV, Frolenkov IV. Inverse problems of mathematical physics. Krasnoyarsk: SFU Publ.; 2008. (In Russ.)
  12. Bidajbekov EY, Kornilov VS, Kamalova GB. Teaching future teachers of mathematics and computer science inverse problems for differential equations. MCU Journal of Informatics and Informatization of Education. 2014;(3(29)):57-69. (In Russ.)
  13. Vatulyan AO, Belyak OA, Suhov DYu, Yavruyan OV. Inverse and ill-posed problems. Rostov-on-Don: Izd-vo Yuzhnogo Federal'nogo Universiteta Publ.; 2011. (In Russ.)
  14. Kornilov VS. On the interdisciplinary nature of studies of cause-and-effect inverse problems. MCU Journal of Informatics and Informatization of Education. 2004;(1(2)): 80-83. (In Russ.)
  15. Kornilov VS. Humanitarian component of applied mathematical education. MCU Journal of Informatics and Informatization of Education. 2006;(2(7)):94-99. (In Russ.)
  16. Kornilov VS. The role of computer science training courses in teaching university students to numerical methods. RUDN Journal of Informatization in Education. 2011;(3): 24-27. (In Russ.)
  17. Kornilov VS. Laboratory classes as a form of organizing students’ training in fractal sets. MCU Journal of Informatics and Informatization of Education. 2012;(1(23)): 60-63. (In Russ.)
  18. Kornilov VS. Inverse problems in academic disciplines of applied mathematics. MCU Journal of Informatics and Informatization of Education. 2014;(1(27)):60-68. (In Russ.)
  19. Kornilov VS. Teaching students to inverse problems of mathematical physics as a factor in the formation of fundamental knowledge by integral equations. Bulletin of Laboratory of Mathematical, Natural-Science Education and Informatization: The Reviewed Collection of Scientific Work. 2015;VI:251-257. (In Russ.)
  20. Kornilov VS. Realization of scientific and educational potential of teaching university students inverse problems for differential equations. Kazan Pedagogical Journal. 2016;(6(119)):55 - 60. (In Russ.)
  21. Kornilov VS. Basic concepts of computer science in the content of teaching inverse problems for differential equations. RUDN Journal of Informatization in Education. 2016;(1):70-84. (In Russ.)
  22. Kornilov VS. Theory and technique of training to the inverse problems for differential equations. Moscow: OntoPrint; 2017. (In Russ.)
  23. Romanov VG. Stability in inverse problems. Moscow: Nauchnyj Mir Publ.; 2005. (In Russ.)
  24. Bidaibekov YY, Kornilov VS, Kamalova GB, Akimzhan NSh. Fundamentalization of knowledge system on applied mathematics in teaching students of inverse problems for differential equations. AIP Conference Proceedings. 2015;1676:020044. http://doi.org/10.1063/1.4930470
  25. Efimova IYu, Varfolomeeva TN. Computer simulation: collection of practical works. Moscow: Flinta Publ.; 2019. (In Russ.)
  26. Majer RV. Computer simulation: modeling as a method of scientific cognition. Computer models and their types. Nauchnyi Elektronnyi Arkhiv. (In Russ.) Available from: http://econf.rae.ru/article/6722 (accessed: 10.06.2021).
  27. Ovechkin GV, Ovechkin PV. Computer simulation. Moscow: Akademiya Publ.; 2015. (In Russ.)
  28. Pavlovskij YuN. Computer simulation. Moscow: Fizmatkniga Publ.; 2019. (In Russ.)
  29. Sosnovikov GK, Vorobejchikov LA. Computer simulation. Workshop on simulation modeling in the GPSS World environment. Moscow: Forum Publ.; 2018. (In Russ.)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».