В статье описаны результаты опроса, проведенного в Санкт-Петербургском политехническом университете Петра Великого для оценки востребованности ряда мобильных сервисов среди потенциальных пользователей – студентов, преподавателей и сотрудников. Анализ ответов позволил составить представление об использовании участниками существующих сервисов и об их ожиданиях от внедрения мобильных технологий в учебный процесс и повседневную деятельность университета. С. 24-32.

To estimate the relevance of mobile services in the education process and day-to-day operations of an university, we conducted a survey in Peter the Great St. Petersburg Polytechnic University. There was 402 participants, including 361 students, 28 instructors, and 13 representatives of other categories of employees. The survey provides information on the way the participants use mobile devices, and shows that they expect from the new services.

Оценка уровня когнитивной нагрузки на обучаемого является одной из важных компонент при разработке и реализации учебных материалов и мероприятий. Согласно определению Джона Свеллера, когнитивная нагрузка отражает ресурсы, затрачиваемые рабочей памятью человека. Одним из способов повысить эффективность образовательного процесса является определение периодов индивидуальной когнитивной перегрузки и связанных с ней ошибок. Выявление когнитивной перегрузки становится особенно важным при создании дистанционных образовательных курсов и преподавания сложных тем.
В настоящей работе описывается подход к оценке когнитивной нагрузки, реализованный на базе аппаратно-программного комплекса (АПК), обеспечивающего сбор и обработку информации для решения задач оценки психофизиологических состояний человека. На основе информации, собираемой комплексом, реализован алгоритм построения модели классификаторов психофизиологических состояний. Алгоритм основан на использовании базовых статистических инструментов. В работе приведена модель определения когнитивной нагрузки на основе фронтального тэта-ритма (4-7 Гц), регистрируемого энцефалографом потребительского класса, разработан порядок экспериментальной апробации модели на основе теста Стернберга, приведены критерии и результаты оценки точности созданной модели.
Апробация предложенного подхода показала достаточный уровень точности, сравнимый с моделями, опирающимися на определение психоэмоционального состояния при помощи методов машинного обучения. C. 35-44.

Cognitive load evaluation is an approach to boost educational efficiency. According to John Sweller, cognitive load represents the effort being used by working memory. Cognitive load and overload classification can become useful for creating educational courses.pagebreak In this paper, we describe an algorithm for a mental-state cognitive load classifier based on basic statistical instruments. We show the cognitive load model based on low-cost EEG frontal theta-activity (4-7 Hz) registration. We also describe an experimental algorithm to evaluate the model with Sternberg-task and show the results in terms of precision, recall, and F-score.
During the approbation, the described model had shown results, that are comparable to the ones of machine-learning mental-state classifiers.
This paper can be used as an instruction to quick creation and approbation of practice-oriented cognitive load models.

В статье представлены результаты исследования в области применения электроэнцефалографии (ЭЭГ) для аутентификации человека. Разработан и описан алгоритм ЭЭГ-аутентификации на основе морганий. Аутентификация проводится по одному морганию, что занимает 2-5 секунд. Для сбора данных используется электроэнцефалограф Muse. Предобработка данных включает вейвлет-преобразование и выделение морганий. В качестве признаков используются геометрические характеристики ЭЭГ. Распознавание ведется классификатором на основе Случайного леса (Random Forest). По результатам тестирования процент верной аутентификации составил 95 %. Имеется возможность фоновой аутентификации. Реализованная система может быть использована для аутентификации студентов при дистанционном образовании. С. 52-69.

The article presents the results of a study in the field of applying electroencephalography (EEG) for human authentication. An algorithm for EEG authentication based on blinks has been developed and described. Authentication is carried out by one blink, which takes 2-5 seconds. The data is collected using a Muse electroencephalograph. Data preprocessing includes wavelet transform and blink detection. Geometric characteristics of the EEG signals are used as features. Recognition is conducted by the Random Forest classifier. According to the test results, the percentage of correct authentication was 90 %. There is the possibility of background authentication. The implemented system may be used to authenticate students at distant education.

В работе рассматривается проблема передачи знаний об эффективных процессах работы программистов при решении отдельных задач. В условиях массового, особенно дистанционного образования использование традиционной модели <<учитель-ученик>>, предполагающей наблюдение за работой опытного наставника и общение с ним, оказывается невозможным. Для решения этой проблемы предлагается моделировать процессы, используемые опытными разработчиками, с помощью математического аппарата скрытых марковских моделей и связывать их с набором подсказок, позволяющих студенту улучшить собственный рабочий процесс. При использовании этого метода система идентифицирует решаемые студентом подзадачи и формирует обратную связь в виде подсказок, соответствующих текущему состоянию процесса. C. 35-44.

In this paper, we discuss the question of transferring knowledge about the efficient processes software developers use when solving specific tasks. The traditional way of learning informal processes, the apprenticeship, requires watching the master at work and asking questions. This method is not possible when dealing with the mass education, especially the distant one.
We propose to model the process of programming practiced by experts using a hidden Markov model associated with a set of hints. A plugin to an integrated development environment uses the model to detect the student's activity and implements the feedback by proving relevant hints.

В статье представлены результаты исследования в области применения электроэнцефалографии (ЭЭГ) для аутентификации человека. Разработан и описан алгоритм ЭЭГ-аутентификации на основе морганий. Аутентификация проводится по одному морганию, что занимает 2-5 секунд. Для сбора данных используется электроэнцефалограф Muse. Предобработка данных включает вейвлет-преобразование и выделение морганий. В качестве признаков используются геометрические характеристики ЭЭГ. Распознавание ведется классификатором на основе Случайного леса (Random Forest). По результатам тестирования процент верной аутентификации составил 95 %. Имеется возможность фоновой аутентификации. Реализованная система может быть использована для аутентификации студентов при дистанционном образовании. С. 52-69.

The article presents the results of a study in the field of applying electroencephalography (EEG) for human authentication. An algorithm for EEG authentication based on blinks has been developed and described. Authentication is carried out by one blink, which takes 2-5 seconds. The data is collected using a Muse electroencephalograph. Data preprocessing includes wavelet transform and blink detection. Geometric characteristics of the EEG signals are used as features. Recognition is conducted by the Random Forest classifier. According to the test results, the percentage of correct authentication was 90 %. There is the possibility of background authentication. The implemented system may be used to authenticate students at distant education.