ГЛАВА 6. КОНТРОЛЛИНГ НАУЧНОЙ
И ОБРАЗОВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ

 

6.1. Краткие замечания по контроллингу
научной деятельности

 

Ряд вопросов контроллинга науки рассмотрен в статьях одного из авторов настоящей книги проф.А.И.Орлова:

Орлов А.И. Два типа методологических ошибок при управлении научной деятельностью // Управление большими системами / Сборник трудов. Специальный выпуск 44. Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. М.: ИПУ РАН, 2013. – С.32–54.

Орлов А.И. Наукометрия и управление научной деятельностью // Управление большими системами / Сборник трудов. Специальный выпуск 44. Наукометрия и экспертиза в управлении наукой / [под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева]. М.: ИПУ РАН, 2013. – С.538 – 568.

Наукометрия и экспертиза в управлении наукой: сборник статей / Под ред. Д.А. Новикова, А.И. Орлова, П.Ю. Чеботарева. - М.: ИПУ РАН, 2013. – 572 с.

Орлов А.И. Критерии выбора показателей эффективности научной деятельности // Контроллинг. – 2013. – №3(49). – С.72-78.

Орлов А.И. О показателях эффективности научной деятельности // Экономический анализ: теория и практика. – 2014. – № 7 (358). – С.21–29.

Мухин В.В. О контроллинге научной деятельности /  В.В. Мухин, А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2014. – №06(100). С. 256 – 275. – IDA [article ID]: 1001406013. – Режим доступа: http://ej.kubagro.ru/2014/06/pdf/13.pdf, 1,25 у.п.л

Орлов А.И. Наука как объект управления / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2014. – №07(101). С. 1244 – 1274. – IDA [article ID]: 1011407082. – Режим доступа:http://ej.kubagro.ru/2014/07/pdf/82.pdf, 1,938 у.п.л.

Развернутое освещение этих вопросов планируется дать в последующих работах авторов.

6.2. Контроллинг образовательной деятельности

 

6.2.1. Web-портал по УМК в составе сайта
университета: актуальность
и возможность создания

 

В данном разделе обосновывается и развивается идея, реализация которой по мнению авторов позволила бы очень существенно уменьшить трудоемкость разработки учебно-методических комплексов (УМК), упростить их подписание и утверждение различными должностными лицами и повысить их качество, сделать труд разработчиков УМК более творческим, освободив его от технических и рутинных моментов [203].

 

6.2.1.1. Структура учебно-методического
комплекса (УМК)

 

Рассмотрим структуру учебно-методического комплекса (УМК) (рисунок 10):

Рисунок 10. Структура учебно-методического комплекса (УМК)

 

УМК представляет собой некий стандартизированный текст, шаблон, набор бланков или оригинал-макет.

В этот шаблон вставляется высокоформализованный текст, который берется из государственного образовательного стандарта, примерной программы и учебного плана. Это название специальности, направления подготовки, название дисциплины, набор и формулировки компетенций.

Низкофрмализованная часть УМК – это его содержательная часть, заполняемая преподавателем по дисциплине.

Кроме того УМК включает в себя подписи его разработчика, методиста, заведующего кафедрой и декана.

 

6.2.1.2. Требования к учебно-методическому
комплексу (УМК) и к доступу к нему

 

Обратимся к рисунку 11:

 

Рисунок 11. Требования к учебно-методическому
комплексу (УМК) и к доступу к нему

 

Требования к УМК делятся на требования к оформлению, требования к содержанию и требования к доступу. Требования к содержанию определяются содержанием образовательных стандартов и содержанием дисциплины.

 

6.2.1.3. Проблемы, возникающие при разработке
учебно-методических комплексов (УМК)
и при обеспечении доступа к ним

 

При разработке УМК возникает ряд проблем, классификация которых приведена на рисунке 12:

Рисунок 12. Классификация проблем, возникающих при разработке УМК

 

Эти проблемы можно разделить на содержательные и чисто оформительские, а также на проблемы подписания проектов УМК у председателей учебно-методических комиссий и деканов, а иногда и у проректоров (по магистерским и аспирантским программам), проблемы представления доступа к утвержденным УМК внутренним и внешним проверяющим, а также всем заинтересованным в таком доступе и имеющим на него полномочия.

 

6.2.1.4. Функционально-стоимостной анализ затрат
на решение проблем

Львиную долю затрат при разработке УМК занимает не содержательная неформализуемая работа с ним, требующая опыта преподавания и профессиональной компетентности, которыми обладают профессора и доценты (ППС), как правило и разрабатывающие УМК, а  рутинная чисто техническая и легко автоматизируемая работа по выборкам данных из учебных планов, ООП и других документов, а также по приданию УМК внешнего вида, соответствующего внутреннему стандарту, принятому в данном вузе, т.е. работа по оформлению текста, т.е. по сути, верстка, которая представляют собой работу не профессора или доцента, а технического редактора. Это было бы не так страшно, если бы эти стандарты не менялись ежегодно, а иногда и по нескольку раз в год, и даже в месяц, и у каждого преподавателя не было бы чуть ли по десятку дисциплин[1]. При этом, как показывает опыт, при изменении стандарта содержание УМК меняется очень незначительно, т.к. определяется самим содержанием учебной дисциплины. Изменения же касаются, как правило, самого стандарта или шаблона оформления УМК, т.е. вида шрифтов, интервалов, таблиц и т.п.

Не секрет, что проверки УМК на практике часто сводятся к формальной проверке правильности их оформления (размеры шрифтов, интервалов, вид таблиц и т.п.), правильности номеров и дат различных протоколов, наличия всех необходимых подписей и практически не касается содержания. Это можно понять, т.к. проверяющим проще проверить внешнюю сторону УМК, чем вникать в их содержание, но с этим нельзя согласиться, т.к. по глубокому убеждению авторов (и как мы знаем других разработчиков УМК) работа по выборке данных из стандартных документов и разработка всего этого текстового оформления (верстка) вообще не дело профессоров и доцентов. При этом именно оформлению УМК при проверке уделяется основное внимание, и именно оформление занимает основную часть трудоемкости разработки УМК. При этом совершенно ясно, что едва ли если в УМК что-то будет написано не тем шрифтом то это как-то существенно скажется на качестве преподавания этой дисциплины. Это совершенно не означает, что мы призываем писать разные УМК разными шрифтами и вообще упразднить стандарт, мы лишь обращаем внимание на то, что если бы подход, подобный действующему в настоящее время в области разработки УМК действовал бы в бухгалтерии, например, то бухгалтера бы делали проводки 1% времени и 99% вручную оформляли бы выходные формы, стандарт бы которых постоянно изменялся и их бы наказывали не за ошибочное содержание этих форм, а за их вид, не тот шрифт заголовка, не тот отступ и т.п. Но этого не происходит, т.к. у бухгалтеров есть система 1С, которая снимает все подобные проблемы сразу для всех ее пользователей, а у разработчиков УМК нет никаких функционально подобных средств автоматизации их труда, отделяющих работу над содержанием от формы его представления.

 

6.2.1.5. Традиционный подход к решению проблем
и оценка степени его соответствия
предъявляемым требованиям

Разработчик УМК, как правило профессор или доцент, работая над содержанием УМК одновременно непрерывно работает и над формой представления этого содержания, т.е. занимается версткой, т.е. чуждыми для него чисто техническими рутинными операциями по изготовлению оригинал-макета УМК и при этом еще и переносит информацию из хорошо формализованных баз данных в УМК. При этом доступ к УМК возможен только при физической передаче распечатанных, подписанных утвержденных полностью оформленных экземпляров, обычно при личной встрече, что весьма затруднительно.

Таким образом, традиционный подход к разработке УМК морально и физически безнадежно устарел и актуальным является создание специализированной корпоративной системы электронного документооборота, обеспечивающей современный уровень совместной распределенной в пространстве и времени  работы над УМК всех, задействованных в этом процессе специалистов.

 

6.2.1.6. Требования к современному методу
решения поставленных проблем

Рассмотрим рисунок 13:

Рисунок 13. Требования к методу решения проблем

Всем перечисленным требованиям удовлетворяет web-портал по УМК, который по своим функциям относится к системам электронного документооборота (СЭД), входящим в состав корпоративной информационной системы (КИС).

 

6.2.1.7. Идея и концепция предлагаемого
решения проблем

Идея и концепция решения проблем с УМК состоит в том, что на уже существующей технической основе: корпоративной сети университета и Internet, предлагается создать одну из важнейших подсистем автоматизированной системы управления (АСУ) вузом, а именно подсистему корпоративной работы с УМК, автоматизирующую хорошо формализованные функции по одному из важнейших направлений научно-методической работы. В этой системе бы были зарегистрированы с различными правами, соответствующими их области компетенции, все авторы УМК, подписывающие и утверждающие их, руководители университета, а также контролирующие и проверяющие его работу по данному направлению деятельности

В качестве примеров успешной и эффективной реализации подобной технологии могут служить системы, обеспечивающие on-line работу через Internet РГНФ и РФФИ, а также сайты электронного правительства и система on-line отчетов по НИР, разработанная в Адыгейском государственном университете и успешно используемая для этих целей с 2010 года[2]. Преподаватели заполняют в этой системе специальные формы отчетности через Internet, внося текст в окна, а отчет о НИР печатается в стандартной на момент его распечатки форме, которая совершенно не зависит от преподавателя.

 

6.2.1.8. Функциональное описание web-портала
по УМК в составе сайта университета

Web-портал должен поддерживать:

1. Полное (100%) отделение работы ППС над содержанием УМК от работы над формой представления этого содержания (верстки), т.е. возможность работы над содержанием УМК совершенно безотносительно к его оформлению. Все содержание УМК, которое возможно взять из высоко формализованных баз данных должно быть взято из этих баз данных без участия разработчика УМК. Разработчик же УМК должен выполнять только те работы, которые в настоящее время невозможно автоматизировать, т.е. работы связанные с его профессиональной компетенцией в области науки, соответствующей преподаваемой дисциплине.

2. Возможность централизованного изменения формы представления УМК одним человеком – системным администратором web-портала по УМК во исполнение распоряжения ответственных разработчиков нового стандарта представления из учебного управления и управления обеспечения качества. Когда разрабатывается и утверждается руководством новый макет УМК он должен вноситься в список стандартов с возможностью его выбора из этого списка преподавателем, разрабатывающим УМК.

3. Распечатку УМК в виде текстового файла с содержанием, заданным ППС, в форме, заданной разработчиком нового стандарта. Если изменяется только форма – то УМК распечатывается в новой форме без участия разработчика с тем же содержанием. Но при изменении стандарта УМК может изменяться не только оформление, но и состав содержания. Поэтому некоторые разделы при распечатке в новом стандарте могут оказаться незаполненными (система должна сообщить об этом в результате проверке полноты заполнения обязательных полей). В этом случае разработчику УМК нужно заполнить лишь только эти новые незаполненные разделы и УМК нового стандарта практически готов!

4. Доступ к УМК с любого компьютера, подключенного к Internet и имеющего установленный браузер с виртуальной JAWA-машиной, без необходимости инсталляции какой-либо клиентской части:

•         разработчикам в режиме чтения и записи (до утверждения УМК, а после - только в режиме чтения);

•         подписывающим и утверждающим - в режиме чтения УМК и записи только к листу замечаний и полям для подписей;

•         контролирующим, проверяющим, руководителям и всем, имеющим на это право – только в режиме чтения и специальным режимам, отражающим ход разработки и утверждения УМК в разрезах по специальностям, факультетам, кафедрам и разработчика (ППС). При этом все: и разработчики УМК, и подписывающие, утверждающие, контролирующие, проверяющие, руководители и все, имеющим на это право, имеют доступ ко всем УМК, в том числе и находящимся в процессе разработки, и этот доступ они могут осуществлять в любое удобное для них время с любого компьютера, имеющего доступ к Internet;

•         идентификация личности всех работающих с УМК должна осуществляться с применением электронной подписи. После идентификации личности должна осуществляться авторизация с предоставлением прав доступа, соответствующих должности сотрудника.

 

6.2.1.9. Обобщенная структура web-портала по УМК

В предварительном плане, т.е. на предпроектной стадии, предлагается следующая структура web-портала по УМК:

1.           Справочник высшего руководства университета.

2.           Справочник факультетов с привязкой к курирующим проректорам.

3.           Справочник кафедр с привязкой к факультетам.

4.           Справочник специальностей с привязкой к факультетам, на которых по ним ведется обучение.

5.           Справочник учебных дисциплин с указанием всей информации, которая есть в учебных планах (расчасовка) с привязкой к кафедрам, на которых они преподаются.

6.           Справочник деканов с привязкой к их факультетам.

7.           Справочник Председателей методических комиссий с привязкой к их факультетам.

8.           Справочник Заведующих кафедрами с привязкой к кафедрам.

9.           Справочник разработчиков УМК с привязкой к кафедрам и дисциплинам, по которым они ведут занятия и разрабатывают УМК.

10.      Справочник контролирующих.

11.      Справочник проверяющих.

12.      База данных УМК.

13.      Базы данных анализа ситуации по разработке, подписанию, утверждению и проверке УМК.

 

6.2.1.10. Работы и ресурсы, необходимые
для создания web-портала по УМК

Создание web-портала по УМК включает следующие основные работы:

1.     Разработка Технико-экономического обоснования (ТЭО) целесообразности создания web-портала по УМК.

2.     Разработка Технического задания (ТЗ), описывающего web-портал по УМК функционально, т.е. конкретизирующего, что он должен обеспечивать.

3.     Разработка Технического проекта (ТП) web-портала по УМК, в котором конкретизируются:

•         даталогическая и инфологическая модели баз данных;

•         алгоритмы работы с базами данных;

•         структура web-портала по УМК, его подсистемы и режимы, дерево диалога от главного меню до экранных форм;

•         обосновывается выбор инструментального программного обеспечения для разработки web-портала по УМК.

4.     Разработка Рабочего проекта (РП), в котором разрабатывается программное обеспечение web-портала по УМК и этапы его внедрения и сопровождения. Внедрение должно включать краткое обучение всех пользователей портала.

Для выполнения этих работ необходимы следующие ресурсы:

1.     Воля руководства Университета по созданию web-портала по УМК.

2.     Юридическое обеспечение, в котором бы разработчикам web-портала по УМК давались необходимые полномочия на получение необходимой информации от различных подразделений университета.

3.     Разработчики программно-информационного обеспечения web-портала по УМК (в составе Центра информационных технологий университета).

4.     Контент-менеджеры, обеспечивающую первоначальное наполнение и поддержку в актуальном состоянии справочных баз данных web-портала по УМК (в составе Центра информационных технологий).

 

6.2.1.11. Работы и ресурсы, необходимые для
эксплуатации и развития web-портала по УМК

Поддержка эксплуатации web-портала по УМК включает:

1.     Администрирование (обеспечение работоспособности, надежности, информационной безопасности, регистрация всех категорий пользователей портала ).

2.     Информационное наполнение справочников и поддержание их в актуальном состоянии.

3.     Наполнение и корректировку баз данных УМК (осуществляют разработчики УМК).

4.     Сопровождение эксплуатации, т.е. консультативная поддержка всех категорий пользователей.

     Для выполнения этих работ (по-видимому в составе Центра информационных технологий) необходимы:

1.     Администратор web-портала по УМК,

2.     Контент-менеджеры.

3.     Специалисты по сопровождению эксплуатации.

 

6.2.1.12. Оценка социально-экономической
эффективности web-портала по УМК

Можно обоснованно ожидать, что создание и ввод в эксплуатацию web-портала по УМК:

1.     Резко снизит трудоемкость и затраты времени на разработку и совершенствование УМК.

2.     Высвободит время профессорско-преподавательского состава для подготовки к занятиям и ведения научно-исследовательской работы.

3.     Существенно улучшит рабочую атмосферу и душевное состояние сотрудников – разработчиков УМК.

4.     Сделает «прозрачным» весь процесс разработки и корректировки УМК и существенно повысит степень управляемости этого  процесса.

5.     Резко снизит трудоемкость и затраты времени на подписание и утверждение УМК.

6.     Резко снизит трудоемкость и затраты времени на контроль и проверку УМК.

Финансовые затраты на создание, поддержку эксплуатации и развитие web-портала по УМК включают в основном фонд оплаты труда его разработчиков (разовые) и специалистов по эксплуатации (постоянные). Эти затраты на порядки меньше, чем прямые потери от непроизводительного труда сотен разработчиков УМК, неизбежные в настоящее время при существующей технологии.

 

6.2.1.13 Выводы

Создание Web-портала по УМК в составе сайта университета позволит освободить огромную армию специалистов наивысшей квалификации, 99% которых имеют научные звания и степени кандидатов и докторов наук, доцентов и профессоров, от несвойственной им рутинной работы технического редактора, которая сейчас занимает 99% трудоемкости разработки УМК, и использовать их время, силы, профессиональную компетенцию и талант более разумно по прямому назначению для более творческой работы над содержательной частью УМК, преподавания и научной работы.

 

6.2.2. Применение АСК-анализа для сопоставимой
оценки эффективности вузов

 

Раздел посвящен решению проблемы, заключающейся в том, что с одной стороны рейтинг российских вузов востребован, а с другой стороны пока он не создан. Предлагаемая идея решения проблемы состоит в применении отечественной лицензионной инновационной интеллектуальной технологии для этих целей: а именно предлагается применить автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – интеллектуальную систему «Эйдос».  Эти методы подробно описываются в этом контексте. Предлагается рассмотреть возможности применения данного инструментария на примере университетского рейтинга Гардиан, и рассматриваются его частные критерии (показатели вузов). Указываются источники данных и методика их подготовки для обработки в системе «Эйдос». В соответствии с методологией  АСК-анализа описывается установка системы «Эйдос», ввод исходных данных в нее и формализация предметной области, синтез и верификация модели, их отображение и применение для решения задач оценки рейтинга Гардиан для российских вузов и исследования объекта моделирования. Рассматриваются перспективы и пути создания интегрированного рейтинга российских вузов и эксплуатации рейтинга в адаптивном режиме. Указываются ограничения предлагаемого подхода и перспективы его развития.

 

6.2.2.1. Формулировка проблемы

Университетские рейтинги давно стали общепринятым в мире методом оценки эффективности вузов[3].

Этими рейтингами для решения различных задач пользуются и потенциальные студенты, и их родители, и ученые, и руководители. Таким образом, они востребованы практически всем обществом.

Недавно и министерство образования и науки РФ обратилось к идее создания подобного рейтинга для российских вузов, и это в общем нельзя не приветствовать.

Однако первый опыт создания подобного рейтинга, по-видимому, приходиться признать неудачным, т.к. он вызвал большой поток совершенно справедливой и хорошо обоснованной критики со стороны научно-педагогического сообщества. Возражения вызвали, прежде как сами критерии оценки эффективности вузов[4], так и полная непрозрачность процедуры формирования этих критериев, а также то, что за бортом широкого обсуждения (которого, вообще не было) осталось и само понятие эффективности вузов, т.е. их основное назначение. А ведь именно тем, что понимается под эффективностью вузов, определяются и критерии ее оценки. Но предложенные критерии оказались таковы, что у многих возникло вполне обоснованное подозрение, что под эффективностью вузов при их формировании понималось вовсе не качество образования, а нечто другое не свойственное вузам.

Эта критика звучит и на научных конференциях,[5] и в научных публикациях. А то, о чем не принято говорить на научных конференциях и писать в научных публикациях, высказывается на форумах и на личных страницах ученых и педагогов. Например, на своем личном сайте доктор педагогических наук профессор А.А.Остапенко пишет: «Основных критериев, как мы помним пять: средний балл ЕГЭ принятых на обучение студентов; объём научных работ на одного сотрудника; количество иностранцев-выпускников; доходы вуза в расчёте на одного сотрудника, а также общая площадь учебно-лабораторных зданий в расчёте на одного студента. Как они связаны с эффективностью вуза и что такое эффективность вообще понять, мысля рационально, непросто. Даже всерьёз обсуждать эти критерии как-то странно» [6]. Но мы все же выскажем одно соображение. На наш взгляд довольно странно выглядит попытка сравнения друг с другом вузов разных направленности подготовки, т.е. например аграрных вузов и вузов, готовящих специалистов для атомной и ракетно-космической промышленности. Иначе говоря, для вузов разной направленности должны быть свои рейтинги.

Правда со временем, наверное, в какой-то степени и под влиянием этой критики, позиция Минобрнауки РФ стала меняться. А то, что к тому времени уже успели закрыть несколько вузов, как говорят: «имеющих признаки неэффективности»[7], – это как бы и не так важно. Динамику этих изменений позиции профильного министерства можно проследить по Нормативно-правовым документам Минобрнауки РФ, устанавливающим критерии оценки эффективности деятельности вузов[8].

Таким образом, налицо проблема, которая состоит в том, что с одной стороны рейтинг российских вузов востребован, а с другой стороны как-то пока не очень получается его сформировать. То есть, как обычно желаемое не совпадает с действительным, и «хотели как лучше, а вышло как всегда» (В.С.Черномырдин).

 

6.2.2.2. Авторский подход к решению проблемы

6.2.2.2.1. Идея предлагаемого решения проблемы

Идея решения проблемы проста: обратиться к мировому опыту в этой области, творчески его переосмыслить применительно к российским реалиям и разработать свои научно-обоснованные подходы, с учетом всего лучшего, что есть в мировом опыте.

Существует несколько популярных и авторитетных рейтингов вузов1:

– Университетский рейтинг The Guardian[9];

– Университетский рейтинг Times[10];

– Мировой рейтинг Times Higher Education[11];

– Рейтинг мировых вузов Шанхайского Университета[12].

Мы не будем их здесь описывать, т.к. по ним достаточно информации в общем доступе, в т.ч. по приведенным ссылкам.

Но хотели бы отметить, что для поддержки любого подобного рейтинга необходима соответствующая инфраструктура, оснащенная различными видами обеспечения ее деятельности (финансовое, кадровое, организационное, техническое, математическое, программное, информационное и т.д.). Все эти виды обеспечения в совокупности представляют собой технологию ведения и применения данного рейтинга.

Естественно, никто технологию не продает, а если и продает, то так дорого, что купить ее практически невозможно. Поэтому возникает вопрос о разработке или поиске подобной технологии в России.

Таким образом, востребованы теоретическое обоснование, математическая модель, методика численных расчетов (т.е. структуры данных и алгоритмы их обработки) а также реализующие их инструментальные (программные) средства, обеспечивающие создание, поддержку, развитие и применение подобных рейтингов.

Данная статья как раз и посвящена рассмотрению отечественной лицензионной инновационной интеллектуальной технологии, обеспечивающей решение поставленной проблемы. А именно предлагается применить для этой цели автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – интеллектуальную систему «Эйдос».

 

6.2.2.2.2. Автоматизированный системно-когнитивный анализ и интеллектуальная
система «Эйдос» как инструментарий
решения проблемы

Этот подход кратко описан в статье [148]. Здесь рассмотрим его подробнее.

Прежде всего, возникает вопрос о том, что понимается под эффективностью вузов? Ведь ясно, что прежде чем оценивать эффективность вузов было бы неплохо, а на самом деле совершенно необходимо, разобраться с тем, что же это такое. Причина этого ясна: выбор критериев оценки во многом обуславливается тем, что именно оценивается.

Ясно, что по этому поводу существует много различных мнений, которые в различной степени аргументированы или не аргументированы и отражают позиции руководителей образования и науки, профессионального научно-педагогического сообщества и различных слоев населения. По мнению автора, с научной точки зрения некорректно и неуместно говорить о каких-то критериях оценки эффективности вузов, если не определено само это понятие эффективности, т.е. отсутствует консенсус в профессиональной среде по поводу того, что же это такое.

Очевидно, для достижения такого консенсуса в наше время необходимо широкое обсуждение этого вопроса в научной печати, Internet и СМИ. Однако такое обсуждение не было организовано и критерии оценки эффективности или признаков неэффективности практически неожиданно «свалились научно-педагогическому сообществу как снег на голову».

Уже после этого, как это произошло, началось обсуждение этого вопроса на различных научных конференциях, в научной и периодической прессе, на личных сайтах, формах и т.п. Но пока шло это обсуждение и пока оно не пришло к какому-либо консенсусу в этом вопросе, ряд вузов были закрыты, филиалы сокращены и т.д.

По мнению автора, цель вуза в том, чтобы формировать компетентных и творчески мыслящих специалистов в соответствии с прогнозом социального заказа, т.е. таких, которые будут востребованы обществом в будущем периоде профессиональной деятельности этих специалистов, который составляет 30-40 лет. А должен ли вуз зарабатывать, должен ли он иметь те или иные площади в расчете на одного учащегося – это все нужно знать только для того, чтобы спрогнозировать, сможет ли он выполнить свою основную задачу, т.е. подготовку специалистов. Ни в коем случае нельзя рассматривать эти показатели как самоцель, т.к. достижение тех или иных их значений, вообще говоря, может и ничего не говорить о достижении цели вуза. Несут ли эти критерии какую-либо информацию о достижении цели вуза, и какую именно по величине и знаку, – это еще надо определить в процессе специального исследования, которое, скорее всего не было проведено. Странно, что об этом приходиться писать, но приходиться, т.к. похоже, об этом стали забывать.

Когда консенсус профессионального научно-педагогического сообщества по вопросу о том, что же понимать под «эффективностью вуза» будет достигнут, на первый план выступает вопрос о том, с помощью какого метода оценивать эту эффективность, т.е. как ее измерить.

Для авторов вполне очевидно, что этот метод должен представлять собой какой-то вариант метода многокритериальной оценки. Это обусловлено просто тем, что такие сложные и многофакторные системы как вузы в принципе невозможно оценивать по одному показателю или критерию.  Чтобы обоснованно выбрать метод оценки эффективности вузов необходимо сначала научно обосновать требования к нему, а затем составить рейтинг методов по степени соответствия обоснованным требованиям и выбрать метод, наиболее удовлетворяющий обоснованным требованиям.

Применение метода факторного анализа для этих целей, по-видимому, некорректно, т.к. этот метод, предъявляющий настолько жесткие требования к исходным данным об объекте моделирования, что их практически невозможно выполнить. Во-первых, факторный анализ – это параметрический метод, предполагающий, что исходные данные подчиняются многомерным нормальным распределениям. Во-вторых, это метод неустойчивый, т.е. небольшие изменения исходных данных могут привести к значительным изменениям в модели. Поэтому исходные данные для факторного анализа должны быть абсолютно точными, что невозможно не только фактически, но даже в принципе. В-третьих, перед началом факторного анализа необходимо определить наиболее важные факторы, которые и будут исследоваться в создаваемой модели. Но при этом в руководствах по факторному анализу не уточняется, каким способом это предлагается сделать. А между тем при большом количестве факторов, что является обычным для большинства реальных задач, это не тривиальная задача, которую вручную решить невозможно.

Когда метод оценки эффективности вузов выбран, необходимо ответить на вопрос о том, на основе каких частных критериев оценивать эффективность вузов и какой исходной информацией о вузах для этого необходимо располагать?

Ясно, что эти критерии в общем случае могут иметь как количественную, так и качественную природу и могут измеряться в различных единицах измерения. Кроме того эти критерии могут иметь различную силу и направление влияния на интегральную оценку эффективности вузов. Конечно, возникают вопросы как о способе определения системы критериев эффективности вуза, так и о способе определения силы и направления влияния критериев на оценку эффективности вузов.

Но еще более существенным является вопрос: «О способе сопоставимого сведения разнородных по своей природе и измеряемых в различных единицах измерения частных критериев эффективности в один количественный интегральный критерий эффективности вуза».

Отметим, что в материалах Минобрнауки РФ и о критериях оценки эффективности вузов[13] даже не упоминается вопрос о том, что когда значения частных критериев для того или иного вуза установлены, то необходимо каким-то образом на их основе получить обобщающую количественную оценку его эффективности в виде одного числа, т.е. надо как-то объединить значения всех частных критериев в одной формуле, в одном математическом выражении, которое и называется «Интегральный критерий».

Поэтому, наверное, и говорят не об эффективности или неэффективности вуза, а всего лишь «о признаках неэффективности», а признаками являются значения отдельных частных критериев. Если таких признаков неэффективности много, то делают вывод о том, что вуз неэффективен. Фактически такой подход, который может быть и применялся, можно назвать неосознанным применением частных критериев и интегрального критерия, т.е. «неосознанным многокритериальным подходом». При таком подходе все частные критерии имеют одинаковый вес, например принимающий значения 0 (неэффективен) и 1 (эффективен). Когда значения всех частных критериев для вуза установлены, то эти веса суммируются и сумма сравнивается с минимальными и максимальными оценками, полученными для всех вузов. Допустим, в Минобрнауки РФ из каких-то своих соображений решили, что в результате оценки эффективности вузов должно быть закрыто из-за низкой эффективности 1.5% вузов. Тогда все вузы сортируются по убыванию этой суммы и 1.5% с конца рейтинга помещаются в «черный список».

Но такой «неосознанный многокритериальный подход» очень и очень уязвим для критики.

Во-первых, возникает законный вопрос о том, почему все критерии имеют одинаковый вес, хотя даже интуитивно ясно, что они имеют разное значение и по-разному влияют на эффективность вуза (которая, кстати, непонятно в чем заключается).

Во-вторых, непонятно, как можно складывать средний балл ЕГЭ принятых на обучение студентов, объём научных работ на одного сотрудника, количество иностранцев-выпускников, доходы вуза в расчёте на одного сотрудника и общую площадь учебно-лабораторных зданий в расчёте на одного студента. За подобные математические операции ставят двойку по физике в 7-м классе средней школы. Там школьников учат, что перед тем как складывать величины, измеренные в разных единицах измерения, например рост учащихся, выраженный в метрах (1.72) и выраженный в сантиметрах (160), нужно перевести эти величины в одну единицу измерения, например в метры или в сантиметры. А иначе получится: 1.72+160=161.72, т.е. некий результат, не поддающийся разумной содержательной интерпретации[14]. Как бы нечто похожее и на таком же научном уровне не получилось при оценке наличия у вуза «признаков неэффективности». Но научно-педагогическую общественность не поставили в известность о том, каким образом вычисляется интегральная оценка эффективности вуза на основе установленных для него значений частных критериев. Поэтому высказанное опасение остается не снятым.

В развитом осознанном многокритериальном подходе для вычисления значения интегрального критерия нужно знать силу и направление влияния каждого значения частных критериев на величину этого интегрального критерия. Интегральные критерии бывают трех видов: аддитивные, мультипликативные и общего вида. Чаще всего используются аддитивные интегральные критерии, в которых значение интегрального критерия равно просто сумме значений частных критериев. Но чтобы значения частных критериев можно было корректно суммировать необходимо, чтобы они были значениями на числовых измерительных шкалах [201], и чтобы они измерялись в одних и тех же единицах измерения или были безразмерными.

Оба эти требования выполняются в Автоматизированном системно-когнитивном анализе (АСК-анализ), в котором все значения всех факторов, независимо от того количественные они или качественные и в каких единицах они измеряются в исходных данных, в моделях системы «Эйдос» (системно-когнитивных моделях) они все измеряются в одних и тех же единицах измерения – единицах количества информации [201]. Поэтому метод АСК-анализа и предлагается для решения поставленной проблемы.

АСК-анализ представляет собой один из современных методов искусственно интеллекта, который предоставляет научно обоснованные ответы на все эти вопросы, но самое существенное, что он оснащен широко и успешно апробированным универсальным программным инструментарием, позволяющим решить эти вопросы не только как обычно на теоретическом концептуальном уровне, но и на практике. Модели знаний АСК-анализа основаны на нечеткой декларативной модели представления знаний, предложенной автором в 1983 году и являющейся гибридной моделью, сочетающей в себе преимущества фреймовой, нейросетевой и четкой продукционной моделей и обеспечивающей создание моделей очень больших размерностей до 10 млн. раз превышающих максимальные размерности моделей знаний экспертных систем с четкими продукциями:

– от фреймовой модели модель представления знания системы «Эйдос» отличается существенно упрощенной программной реализацией и более высоким быстродействием без потери функциональности;

– от нейросетевой тем, что обеспечивает хорошо обоснованную теоретически содержательную интерпретацию весовых коэффициентов на рецепторах и обучение методом прямого счета [20];

– от четкой продукционной модели – нечеткими продукциями, представленными в декларативной форме, что обеспечивает эффективное использование знаний без их многократной генерации для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемого объекта.

АСК-анализ является непараметрическим методом, устойчивым к шуму в исходных данных, позволяющий корректно обрабатывать неполные (фрагментированные) исходные данные, описывающие воздействие взаимозависимых факторов на нелинейный [7] объект моделирования.

Суть метода АСК-анализа в том, что он позволяет рассчитать на основе исходных данных какое количество информации содержится в значениях факторов, обуславливающих переходы объекта моделирования в различные будущие состояния, причем как в желательные, так и в нежелательные [201].

Он состоит в целенаправленном последовательном повышении степени формализации исходных данных до уровня, который позволяет ввести исходные данные в компьютерную систему, а затем преобразовать исходные данные в информацию; информацию преобразовать в знания; использовать знания для решения задач прогнозирования, принятия решений и исследования предметной области.

 

Рассмотрим подробнее вопросы выявления, представления и использования знаний в АСК-анализе и системе «Эйдос».

Данные – это информация, записанная на каком-либо носителе или находящаяся в каналах связи и представленная на каком-то языке или в системе кодирования и рассматриваемая безотносительно к ее смысловому содержанию.

Исходные данные об объекте управления обычно представлены в форме баз данных, чаще всего временных рядов, т.е. данных, привязанных ко времени. В соответствии с методологией и технологией автоматизированного системно-когнитивного анализа (АСК-анализ), развиваемой проф. Е.В.Луценко, для управления и принятия решений использовать непосредственно исходные данные не представляется возможным. Точнее сделать это можно, но результат управления  при таком подходе оказывается мало чем отличающимся от случайного. Для реального же решения задачи управления необходимо предварительно преобразовать данные в информацию, а ее в знания о том, какие воздействия на корпорацию к каким ее изменениям обычно, как показывает опыт, приводят.

Информация есть осмысленные данные.

Смысл данных, в соответствии с концепцией смысла Шенка-Абельсона, состоит в том, что известны причинно-следственные зависимости между событиями, которые описываются этими данными. Таким образом, данные преобразуются в информацию в результате операции, которая называется «Анализ данных», которая состоит из двух этапов:

1. Выявление событий в данных (разработка классификационных и описательных шкал и градаций и преобразование с их использованием исходных данных в обучающую выборку, т.е. в базу событий – эвентологическую базу).

2. Выявление причинно-следственных зависимостей между событиями.

В случае систем управления событиями в данных являются совпадения определенных значений входных факторов и выходных параметров объекта управления, т.е. по сути, случаи перехода объекта управления в определенные будущие состояния под действием определенных сочетаний значений управляющих факторов. Качественные значения входных факторов и выходных параметров естественно формализовать в форме лингвистических переменных. Если же входные факторы и выходные параметры являются числовыми, то их значения измеряются с некоторой погрешностью и фактически представляют собой интервальные числовые значения, которые также могут быть представлены или формализованы в форме лингвистических переменных (типа: «малые», «средние», «большие» значения экономических показателей).

Какие же математические меры могут быть использованы для количественного измерения силы и направления причинно-следственных зависимостей?

Наиболее очевидным ответом на этот вопрос, который обычно первым всем приходит на ум, является: «Корреляция». Однако, в статистике это хорошо известно, что это совершенно не так.  Для преобразования исходных данных в информацию необходимо не только выявить события в этих данных, но и найти причинно-следственные связи между этими событиями. В АСК-анализе предлагается 7 количественных мер причинно-следственных связей, основной из которых является семантическая мера целесообразности информации по А.Харкевичу.

 Знания – это информация,  полезная для достижения целей[15].

Значит для преобразования информации в знания необходимо:

1. Поставить цель (классифицировать будущие состояния моделируемого объекта на целевые и нежелательные).

2. Оценить полезность информации для достижения этой цели (знак и силу влияния).

Второй пункт, по сути, выполнен при преобразовании данных в информацию. Поэтому остается выполнить только первый пункт, т.к. классифицировать будущие состояния объекта управления как желательные (целевые) и нежелательные.

Знания могут быть представлены в различных формах, характеризующихся различной степенью формализации:

 – вообще неформализованные знания, т.е. знания в своей собственной форме, ноу-хау (мышление без вербализации есть медитация);

– знания, формализованные в естественном вербальном языке;

– знания, формализованные в виде различных методик, схем, алгоритмов, планов, таблиц и отношений между ними (базы данных);

– знания в форме технологий, организационных, производственных, социально-экономических и политических структур;

– знания, формализованные в виде математических моделей и методов представления знаний в автоматизированных интеллектуальных системах (логическая, фреймовая, сетевая, продукционная, нейросетевая, нечеткая и другие).

Таким образом, для решения сформулированной проблемы необходимо осознанно и целенаправленно последовательно повышать степень формализации исходных данных до уровня, который позволяет ввести исходные данные в интеллектуальную систему, а затем:

– преобразовать исходные данные в информацию;

– преобразовать информацию в знания;

– использовать знания для решения задач управления, принятия решений и исследования предметной области (рисунок 14).

Рисунок 14. Соотношение содержания понятий: «Данные», «Информация»,
«Знания» и этапы последовательного повышения степени формализации модели
от данных к информации, а от нее к знаниям

АСК-анализ имеет следующие этапы [7]:

– когнитивно-целевая структуризация предметной области;

– формализация предметной области (формирование классификационных и описательных шкал и градаций и обучающей выборки);

– синтез и верификация статистических и системно-когнитивных моделей;

– решение задач идентификации, прогнозирования, принятия решений и исследования предметной области в наиболее достоверных из созданных моделей.

Единственный неавтоматизированный в системе «Эйдос» этап – это первый, а остальные приведены на рисунке 14.

АСК-анализ имеет ряд особенностей, которые обусловили его выбор в качестве метода решения проблемы:

1.     Имеет теоретическое обоснование, основой которого является семантическая мера целесообразности информации А.Харкевича.

2.     Обеспечивает корректную сопоставимую количественную обработку разнородных по своей природе факторов, измеряемых в различных единицах измерения, высокую точность и независимость результатов расчетов от единиц измерения исходных данных.

3.     Обеспечивает построение многомерных моделей объекта моделирования непосредственно на основе неполных и искаженных эмпирических данных о нем.

4.     Имеет развитую и доступную программную реализацию в виде универсальной когнитивной аналитической системы «Эйдос».

Очень важно, что этот инструментарий и методики его использования для решения сформулированных задач могут быть доступны всем заинтересованным сторонам не только на федеральном уровне, но и в самих вузах, что позволит им осуществлять аудиторскую самооценку и видеть свое место и динамику среди других вузов. Это позволит руководителям вузов принимать более осознанные и научно обоснованные решения, направленные на повышение эффективности и рейтинга их вуза. Конечно, для реализации на практике регулярного рейтингового анализа вузов необходимо создание соответствующей достаточно разветвленной инфраструктуры.

Более подробному и конкретному исследованию связанных с этим вопросов и посвящена данная работа, в которой далее кратко расстраивается университетский рейтинг Гардиан (который выбран просто в качестве примера), а затем приводится численный пример его реализации в форме приложения интеллектуальной системы «Эйдос». Отметим, что создание этого приложения не требует программирования [147, 151, 233], т.е. система «Эйдос» анализирует исходные данные рейтинга и строит модель, в которой отражено как влияют значения частных критериев на значение интегрального критерия, т.е. на итоговую общую оценку рейтинга вуза.

 

6.2.2.2.3. Частные критерии университетского
рейтинга Гардиан

Университетский рейтинг Гардиан[16] выгодно отличается от других тем, что измеряет качество преподавания, использования учебных ресурсов, а также оценивает уровень исследовательской деятельности, что очень полезно для тех, кто интересуется послевузовскими программами – магистратурой, докторантурой и проч.

Как указано на официальном сайте рейтинга10 в нем используются следующие частные критерии:

1.       Качество преподавания, которое оценивается национальным студенческим исследованием (NSS): процент удовлетворенных студентов.

2.       Получение обратной связи от преподавателя и качество заданий. Оценивается опросом NSS, в котором устанавливается процент удовлетворенных студентов.

3.       Результаты опроса NSS, в котором оценивается процент студентов, удовлетворенных общим качеством выбранной программы.

4.       Затраты на студента – оценка по 10-балльной шкале.

5.       Соотношение студент – работник вуза: количество студентов на штатную единицу университета.

6.       Карьерные перспективы: процент выпускников, сумевших найти работу или продолжить обучение в течение полугода после окончания вуза.

7.       Уровень прогресса студентов на основе сравнения университетских результатов с оценками предыдущего сертификата (обычно, школьного или университетского): оценка по 10-балльной шкале. Данный показатель демонстрирует, насколько преподавательский состав способен повлиять на улучшение успеваемости студентов.

8.       Проходной балл при поступлении в вуз на основе оценок предыдущего сертификата обучения (школьный или университетский сертификат).

Отметим, что считаем важным достоинством данного рейтинга то, что он ведется по различным направлениям подготовки, которых 45 (таблица 15):

 

Таблица 15 – Направления подготовки, по которым проводился
университетский рейтинг Гардиан

№

Наименование

1

Agriculture, forestry and food

2

American studies

3

Anatomy and physiology

4

Anthropology

5

Archaeology and Forensics

6

Architecture

7

Art and design

8

Biosciences

9

Building and town and country planning

10

Business and management studies

11

Chemistry

12

Classics

13

Computer sciences and IT

14

Dentistry

15

Drama and dance

16

Earth and marine sciences

17

Economics

18

Education

19

Engineering: chemical

20

Engineering: civil

21

Engineering: electronic and electrical

22

Engineering: general

23

Engineering: materials and mineral

24

Engineering: mechanical

25

English

26

Geography and environmental studies

27

History and history of art

28

Law

29

Mathematics

30

Media studies, communications and librarianship

31

Medicine

32

Modern languages and linguistics

33

Music

34

Nursing and paramedical studies

35

Pharmacy and pharmacology

36

Philosophy

37

Physics

38

Politics

39

Psychology

40

Religious studies and theology

41

Social policy and administration

42

Sociology

43

Sports science

44

Tourism, transport and travel

45

Veterinary science

 

В университетском рейтинге Гардиан содержатся рейтинги 155 вузов. Однако интегральный критерий, позволяющий получить рейтинговую оценку вуза на основе установленных для него значений частных критериев, на официальном сайте рейтинга Гардиан[17] не приводится. Поэтому для того, чтобы применить данный рейтинг на практике необходимо реконструировать его интегральный критерий и создать модель, отражающую силу и знак связи между значениями частных критериев и значениями интегрального критерия. Решим эту задачу в системе «Эйдос» на численном примере на основе реальных данных рейтинга Гардиан.

 

6.2.2.3. Численный пример

 

6.2.2.3.1. Источники исходных данных

 

В нижней части одной из страниц официального сайта университетского рейтинга Гардиан[18] есть ссылка на Excel-таблицу, которую мы использовали в качестве исходных данных:

Download the data

• DATA: download the full spreadsheet.

Кликнув по этой ссылке, мы получаем on-line доступ к этой Excel-таблице (рисунок 15):

 

Рисунок 15. Excel-таблица исходных данных по университетскому рейтингу Гардиан с официального сайта рейтинга (фрагмент)

 

Чтобы скачать эту таблицу на локальном компьютере нужно кликнуть слева вверху по пункту меню «Файл», а затем выбрать: «Сохранить как» и указать тип файла.

 

6.2.2.3.2. Подготовка исходных данных
для системы «Эйдос»

 

Однако в соответствии с 1-м и единственным не автоматизированным в системе «Эйдос» этапом АСК-анализа, который называется: «Когнитивно-целевая структуризация предметной области» перед созданием интеллектуального приложения мы должны определиться, что мы хотим определять с помощью модели и на основе чего.

В данной задаче для каждого университета по значениям его показателей мы бы хотели определить:

– обобщающий рейтинг Гардиан (Guardian score/100);

– рейтинг по каждому из направлений подготовки (Rank), перечисленных в таблице 15;

– основное (профилирующее) направление подготовки (Field of study).

– само наименование университета (Name of Institution).

Наименования показателей университета:

1.     % Satisfied with Teaching.

2.     % Satisfied overall with course.

3.     Expenditure per student (FTE).

4.     Student:staff ratio.

5.     Career prospects.

6.     Value added score/10.

7.     Average Entry Tariff.

8.     % Satisfied with Assessment.

Перевод этих показателей на русский язык приведен в разделе 2.3.

Учитывая эти результаты выполнения 1-го этапа АСК-анализа, перед для вводом данных в систему «Эйдос», таблицу, скачанную на предыдущем шаге с официального сайта рейтинга Гардиан и приведенную на рисунке 15, необходимо преобразовать в такую форму, которая бы отражала те способы группировки данных по университетам, которые нас интересуют и соответствовала бы требованиям системы «Эйдос» к внешним базам исходных данных (рисунок 16):

Рисунок 16. Экранная форма системы «Эйдос»
с описанием требований к внешним базам исходных данных

 

Для этого преобразуем таблицу, приведенную на рисунке 15, следующим образом:

1. Добавим лист (вкладку) с наименованием: «Inp_data» на 1-ю позицию. На этом листе будет формироваться результат для ввода данных всех данных по рейтингу в систему «Эйдос».

2. Переименуем наименования всех вкладок с рейтингами по направлений подготовки, полностью убирая текстовое наименование направления подготовки и оставляя только его номер (код). Это нужно для того, чтобы проще было писать формулы со ссылками на листы с информацией о рейтингах по направлениям подготовки.

3. Добавим отладочную страницу «P», на которой апробируем способ отображения абсолютного рейтинга в относительный (нормированный). Дело в том, что в таблице на рисунке 15 в каждом рейтинге по направлению подготовки участвует разное число университетов, а рейтингом является просто порядковый номер в списке. В результате рейтинги по направлениям подготовки изменяются в различных пределах от 1 до числа университетов, имеющих данное направление подготовки. В результате такие рейтинги оказываются несопоставимыми, что нас не устраивает Чтобы преодолеть эту проблему мы нормировали абсолютные рейтинги по направлениям подготовки к 10-бальной числовой шкале, т.е. преобразовали их в относительные. Можно было взять и любое другое число градаций шкалы, но мы посчитали, что такая шкала обеспечивает необходимую и достаточную для практики точность. Кроме того этот лист мы затем используем для модификации листов с рейтингами по направлениям подготовки. В таблице 16 приведены результат нормирования абсолютного рейтинга с 27 градациями и формулы, с помощью которых это делается.

 

Таблица 16 – Способ и результат нормирования абсолютного рейтинга
по направлению подготовки

Результат нормирования

абсолютного рейтинга

Способ (формулы) нормирования абсолютного рейтинга

 

A

B

C

1

X1=

1

 

2

X2=

27

 

3

Y1=

1

 

4

Y2=

10

 

5

 

 

 

6

Абсолют.

рейтинг

 

Относит.

рейтинг

7

1

 

1,00

8

2

 

1,35

9

3

 

1,69

10

4

 

2,04

11

5

 

2,38

12

6

 

2,73

13

7

 

3,08

14

8

 

3,42

15

9

 

3,77

16

10

 

4,12

17

11

 

4,46

18

12

 

4,81

19

13

 

5,15

20

14

 

5,50

21

15

 

5,85

22

16

 

6,19

23

17

 

6,54

24

18

 

6,88

25

19

 

7,23

26

20

 

7,58

27

21

 

7,92

28

22

 

8,27

29

23

 

8,62

30

24

 

8,96

31

25

 

9,31

32

26

 

9,65

33

27

 

10,00

A

B

C

X1=

=A7

 

X2=

=A33

 

Y1=

1

 

Y2=

10

 

 

 

 

Абсолютный

рейтинг

 

Относительный

рейтинг

1

 

=$B$3+(A7-$B$1)/($B$2-$B$1)*($B$4-$B$3)

2

 

=$B$3+(A8-$B$1)/($B$2-$B$1)*($B$4-$B$3)

3

 

=$B$3+(A9-$B$1)/($B$2-$B$1)*($B$4-$B$3)

4

 

=$B$3+(A10-$B$1)/($B$2-$B$1)*($B$4-$B$3)

5

 

=$B$3+(A11-$B$1)/($B$2-$B$1)*($B$4-$B$3)

6

 

=$B$3+(A12-$B$1)/($B$2-$B$1)*($B$4-$B$3)

7

 

=$B$3+(A13-$B$1)/($B$2-$B$1)*($B$4-$B$3)

8

 

=$B$3+(A14-$B$1)/($B$2-$B$1)*($B$4-$B$3)

9

 

=$B$3+(A15-$B$1)/($B$2-$B$1)*($B$4-$B$3)

10

 

=$B$3+(A16-$B$1)/($B$2-$B$1)*($B$4-$B$3)

11

 

=$B$3+(A17-$B$1)/($B$2-$B$1)*($B$4-$B$3)

12

 

=$B$3+(A18-$B$1)/($B$2-$B$1)*($B$4-$B$3)

13

 

=$B$3+(A19-$B$1)/($B$2-$B$1)*($B$4-$B$3)

14

 

=$B$3+(A20-$B$1)/($B$2-$B$1)*($B$4-$B$3)

15

 

=$B$3+(A21-$B$1)/($B$2-$B$1)*($B$4-$B$3)

16

 

=$B$3+(A22-$B$1)/($B$2-$B$1)*($B$4-$B$3)

17

 

=$B$3+(A23-$B$1)/($B$2-$B$1)*($B$4-$B$3)

18

 

=$B$3+(A24-$B$1)/($B$2-$B$1)*($B$4-$B$3)

19

 

=$B$3+(A25-$B$1)/($B$2-$B$1)*($B$4-$B$3)

20

 

=$B$3+(A26-$B$1)/($B$2-$B$1)*($B$4-$B$3)

21

 

=$B$3+(A27-$B$1)/($B$2-$B$1)*($B$4-$B$3)

22

 

=$B$3+(A28-$B$1)/($B$2-$B$1)*($B$4-$B$3)

23

 

=$B$3+(A29-$B$1)/($B$2-$B$1)*($B$4-$B$3)

24

 

=$B$3+(A30-$B$1)/($B$2-$B$1)*($B$4-$B$3)

25

 

=$B$3+(A31-$B$1)/($B$2-$B$1)*($B$4-$B$3)

26

 

=$B$3+(A32-$B$1)/($B$2-$B$1)*($B$4-$B$3)

27

 

=$B$3+(A33-$B$1)/($B$2-$B$1)*($B$4-$B$3)

 

Получим выражение для линейного отображения абсолютной шкалы, с числом градаций X2 в относительную шкалу, с заданным числом градаций Y2 (рисунок 17):

Рисунок 17. К выводу выражения для линейного отображения абсолютной шкалы в относительную шкалу (линейная нормировка абсолютной шкалы)

 

Из рисунка 17 видно, что:

Откуда получаем искомое выражение для нормировки:

где:

C – относительный рейтинг;

A – абсолютный рейтинг;

Y1 –значение начальной градации шкалы относительного рейтинга;

Y2 –значение конечной градации шкалы относительного рейтинга (число градаций, если Y1 = 1);

X1 – значение начальной градации шкалы абсолютного рейтинга;

X2 – значение конечной градации шкалы абсолютного рейтинга (число градаций, если X1 = 1).

 

Этому выражению можно придать вид линейного уравнения, но нам в этом нет необходимости.

 

4. На следующем шаге:

– копируем таблицу для нормировки абсолютных шкал на все листы с рейтингами по направлениям подготовки;

– корректируем значение X2 на фактическое в данной абсолютной шкале.

В результате и получаем такие листы (таблица 17):

 

Таблица 17 – Преобразование абсолютного рейтинга по направлению
подготовки: «Медицина» в относительный (нормированный)

 

Отметим, что значение Y2=10  во всех листах берется с листа «P» с исходной таблицей для преобразования абсолютных шкал в относительные, и, если его изменить там, то оно сразу меняется на всех листах с рейтингами по направлениям подготовки.

 

5. Затем формируем лист для ввода данных в систему «Эйдос». Для этого мы собираем на одном листе данные со всех листов с рейтингами по направлениям подготовки (таблица 18):

 

 

Таблица 18 – Исходные данные по рейтингу Гардиан,
подготовленные для ввода в систему «Эйдос» (фрагмент)

 

В таблице 18 приводится лишь фрагмент исходных данных, т.к. их распечатка составляет 25 листов.

Отметим, что исходный файл и файл исходных данных находятся на сайте автора в полном открытом бесплатном доступе на страничке: http://lc.kubagro.ru/ej_data/1071503001/Downloads.rar. Ниже приведена таблица 19 с формулами для расчета таблицы 18:

 

Таблица 19 – Формулы для расчета исходных данных по рейтингу Гардиан, для их подготовки к для ввода в систему «Эйдос» (фрагмент)

 

6.2.2.3.3. Установка системы «Эйдос»

Скачиваем и устанавливаем систему «Эйдос». Это наиболее полная на данный момент незащищенная от несанкционированного копирования портативная (portable) версия системы (не требующая инсталляции) с исходными текстами, находящаяся в полном открытом бесплатном доступе (около 50 Мб). Обновление имеет объем около 3 Мб.[19]

 

ИНСТРУКЦИЯ
по скачиванию и установке системы «Эйдос» (объем около 50 Мб)

Система не требует инсталляции, не меняет никаких системных файлов и содержимого папок операционной системы, 
т.е. является портативной (portable) программой. Но чтобы она работала необходимо аккуратно выполнить следующие пункты.

1. Скачать самую новую на текущий момент версию системы «Эйдос-Х++» по ссылкам:

http://lc.kubagro.ru/a.rar или: http://lc.kubagro.ru/Aidos-X.exe (ссылки для обновления системы даны в режиме 6.2).

2. Разархивировать этот архив в любую папку с правами на запись с коротким латинским именем и путем доступа, 
включающим только папки с такими же именами (лучше всего в корневой каталог какого-нибудь диска).

3. Запустить систему. Файл запуска:  _Aidos_gr_AIDOS-X.exe *

4. Задать имя: 1 и пароль: 1 (потом их можно поменять в режиме 1.2).

5. Перед тем как запустить новый режим НЕОБХОДИМО ЗАВЕРШИТЬ предыдущий (Help можно не закрывать). Окна закрываются в порядке, обратном порядку их открытия.

 

* Разработана программа: «_Aidos_gr_START_AIDOS.exe», полностью снимающая с пользователя системы «Эйдос-Х++» заботу о проверке наличия и скачивании обновлений. Эту программу надо просто скачать по ссылке: http://lc.kubagro.ru/Install_Aidos-X/_START_AIDOS.exe , поместить в папку с исполнимым модулем системы и всегда запускать систему с помощью этого файла.

 

При запуске программы _START_AIDOS.EXE система Эйдос не должна быть запущена, т.к. она содержится в файле обновлений и при его разархивировании возникнет конфликт, если система будет запущена.

1. Программа _Aidos_gr_START_AIDOS.exe определяет дату системы Эйдос в текущей папке, и дату обновлений на FTP-сервере не скачивая их, и, если система Эйдос в текущей папке устарела, скачивает обновления. (Если в текущей папке нет исполнимого модуля системы Эйдос, то программа пытается скачать полную инсталляцию системы, но не может этого сделать из-за ограниченной функциональности демо-версии библиотеки Xb2NET.DLL).

 

2. После этого появляется диалоговое окно с сообщением, что надо сначала разархивировать систему, заменяя все файлы (опция: «Yes to All» или «OwerWrite All»), и только после этого закрыть данное окно.


3. Потом программа _Aidos_gr_START_AIDOS.exe запускает обновления на разархивирование. После окончания разархивирования окно архиватора с отображением стадии процесса исчезает.

 

4. После закрытия диалогового окна с инструкцией (см. п.2), происходит запуск обновленной версии системы Эйдос на исполнение.


Для работы программы _Aidos_gr_START_AIDOS.exe необходима библиотека: Xb2NET.DLL, которую можно скачать по ссылке: http://lc.kubagro.ru/Install_Aidos-X/Xb2NET.DLL . Перед первым запуском этой программы данную библиотеку необходимо скачать и поместить либо в папку с этой программой, а значит и  исполнимым модулем системы «Эйдос-Х++», либо в любую другую папку, на которую в операционной системе прописаны пути поиска файлов, например в папку: c:\Windows\System32\. Эта библиотека стоит около 500$ и у меня ее нет, поэтому я даю только бесплатную демо-версию, которая выдает сообщение об ограниченной функциональности, но для наших целей ее достаточно.

 

Лицензия:

Автор отказывается от какой бы то ни было ответственности за Ваш выбор и последствия применения или не применения Вами системы «Эйдос».

Проще говоря, пользуйтесь если понравилось, а если не понравилось – не пользуйтесь: решайте сами и сами несите ответственность за Ваше решение.

 

PS

Еще считаю важным отметить, что система «Эйдос-Х++» создавалась автором проф.Е.В.Луценко не как программный продукт, т.е. не на продажу, а для применения в учебном процессе и для научных исследований. Поэтому она не соответствует требованиям к программному продукту. Этим обусловлен и выбор языка программирования, который выбран таким образом, чтобы легче было использовать огромные наработки: исходные тексты DOS-версии системы «Эйдос» ver.12.5 (если бы ставилась цель создать программный продукт, то наверное был бы выбран язык JAWA).

 

6.2.2.3.4. Ввод исходных данных в систему «Эйдос»
с помощью одного и ее программных
интерфейсов

 

Записываем файл исходных данных, приведенный в таблице 18, с именем: Inp_data.xls  в папку с системой (если она на диске C: в коревом каталоге) по пути:

c:\Aidos-X\AID_DATA\Inp_data\Inp_data.xls

Запускаем систему «Эйдос» и задаем режим 2.3.2.2 с параметрами, указанными на экранной форме (рисунок 18):

 

Рисунок 18. Экранная форма универсального программного интерфейса
импорта данных из внешних баз данных в систему «Эйдос»

 

Через несколько секунд на заднем фоне[20] появляется окно (рисунок 19) на котором нажимаем «Сохранить» или «Не сохранять», после чего появляется экранный калькулятор (рисунок 20):

 

Рисунок 19. Экранная форма, выдаваемая MS Excel, т.к. в файле исходных данных есть расчетные ячейки

 

Рисунок 20. Экранного калькулятора универсального программного
интерфейса импорта данных из внешних баз данных в систему «Эйдос»

 

На этом калькуляторе а данном случае задано по 10 интервальных числовых значений в числовых классификационных и описательных шкалах. Можно задать другие их количество, затем пересчитать шкалы и градации и выйти на создание модели.

За 41 секунду происходит формирование классификационных и описательных шкал и градаций и обучающей выборки по 2559 примерам вузов, описанных в исходных данных (рисунок 21):

Рисунок 21. Экранная форма отображения стадии
и прогноза времени исполнения

 

В результате автоматически формируются классификационные е и описательные шкалы и градации и обучающая выборка, приведенные в таблицах 20, 21, 22:

 

Таблица 20 – Классификационные шкалы и градации (фрагмент)

Код

Наименование

1

GUARDIAN SCORE/100-1/10-{25.9000000, 33.3100000}

2

GUARDIAN SCORE/100-2/10-{33.3100000, 40.7200000}

3

GUARDIAN SCORE/100-3/10-{40.7200000, 48.1300000}

4

GUARDIAN SCORE/100-4/10-{48.1300000, 55.5400000}

5

GUARDIAN SCORE/100-5/10-{55.5400000, 62.9500000}

6

GUARDIAN SCORE/100-6/10-{62.9500000, 70.3600000}

7

GUARDIAN SCORE/100-7/10-{70.3600000, 77.7700000}

8

GUARDIAN SCORE/100-8/10-{77.7700000, 85.1800000}

9

GUARDIAN SCORE/100-9/10-{85.1800000, 92.5900000}

10

GUARDIAN SCORE/100-10/10-{92.5900000, 100.0000000}

11

RANK-01.Agriculture, forestry and food

12

RANK-01.American studies

13

RANK-01.Anatomy and physiology

14

RANK-01.Anthropology

15

RANK-01.Archaeology and Forensics

16

RANK-01.Architecture

17

RANK-01.Art and design

18

RANK-01.Biosciences

19

RANK-01.Building and town and country planning

20

RANK-01.Business and management studies

21

RANK-01.Chemistry

22

RANK-01.Classics

23

RANK-01.Computer sciences and IT

24

RANK-01.Dentistry

25

RANK-01.Drama and dance

26

RANK-01.Earth and marine sciences

27

RANK-01.Economics

28

RANK-01.Education

29

RANK-01.Engineering: chemical

30

RANK-01.Engineering: civil

31

RANK-01.Engineering: electronic and electrical

32

RANK-01.Engineering: general

33

RANK-01.Engineering: materials and mineral

34

RANK-01.Engineering: mechanical

35

RANK-01.English

36

RANK-01.Geography and environmental studies

37

RANK-01.History and history of art

38

RANK-01.Law

39

RANK-01.Mathematics

40

RANK-01.Media studies, communications and librarianship

41

RANK-01.Medicine

42

RANK-01.Modern languages and linguistics

43

RANK-01.Music

44

RANK-01.Nursing and paramedical studies

45

RANK-01.Pharmacy and pharmacology

46

RANK-01.Philosophy

47

RANK-01.Physics

48

RANK-01.Politics

49

RANK-01.Psychology

50

RANK-01.Religious studies and theology

51

RANK-01.Social policy and administration

52

RANK-01.Social work

53

RANK-01.Sociology

54

RANK-01.Sports science

55

RANK-01.Tourism, transport and travel

56

RANK-01.Veterinary science

57

RANK-02.Agriculture, forestry and food

58

RANK-02.American studies

59

RANK-02.Anatomy and physiology

60

RANK-02.Anthropology

61

RANK-02.Archaeology and Forensics

62

RANK-02.Architecture

63

RANK-02.Art and design

64

RANK-02.Biosciences

65

RANK-02.Building and town and country planning

66

RANK-02.Business and management studies

67

RANK-02.Chemistry

68

RANK-02.Classics

69

RANK-02.Computer sciences and IT

70

RANK-02.Dentistry

71

RANK-02.Drama and dance

72

RANK-02.Earth and marine sciences

73

RANK-02.Economics

74

RANK-02.Education

75

RANK-02.Engineering: chemical

76

RANK-02.Engineering: civil

77

RANK-02.Engineering: electronic and electrical

78

RANK-02.Engineering: general

79

RANK-02.Engineering: materials and mineral

80

RANK-02.Engineering: mechanical

81

RANK-02.English

82

RANK-02.Geography and environmental studies

83

RANK-02.History and history of art

84

RANK-02.Law

85

RANK-02.Mathematics

86

RANK-02.Media studies, communications and librarianship

87

RANK-02.Medicine

88

RANK-02.Modern languages and linguistics

89

RANK-02.Music

90

RANK-02.Nursing and paramedical studies

91

RANK-02.Pharmacy and pharmacology

Таблица 21 – Описательные шкалы и градации (фрагмент)

Код

Наименование

80

% SATISFIED WITH ASSESSMENT-10/10-{88.8275502, 96.6000000}

79

% SATISFIED WITH ASSESSMENT-9/10-{81.0551004, 88.8275502}

78

% SATISFIED WITH ASSESSMENT-8/10-{73.2826506, 81.0551004}

77

% SATISFIED WITH ASSESSMENT-7/10-{65.5102008, 73.2826506}

76

% SATISFIED WITH ASSESSMENT-6/10-{57.7377510, 65.5102008}

75

% SATISFIED WITH ASSESSMENT-5/10-{49.9653012, 57.7377510}

74

% SATISFIED WITH ASSESSMENT-4/10-{42.1928514, 49.9653012}

73

% SATISFIED WITH ASSESSMENT-3/10-{34.4204016, 42.1928514}

72

% SATISFIED WITH ASSESSMENT-2/10-{26.6479518, 34.4204016}

71

% SATISFIED WITH ASSESSMENT-1/10-{18.8755020, 26.6479518}

70

AVERAGE ENTRY TARIFF-10/10-{551.7000000, 598.0000000}

69

AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000}

68

AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000}

67

AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000}

66

AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000}

65

AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000}

64

AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000}

63

AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000}

62

AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000}

61

AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000}

60

VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000}

59

VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000}

58

VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000}

57

VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000}

56

VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000}

55

VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000}

54

VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000}

53

VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000}

52

VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000}

51

VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000}

50

CAREER PROSPECTS-10/10-{91.6000000, 100.0000000}

49

CAREER PROSPECTS-9/10-{83.2000000, 91.6000000}

48

CAREER PROSPECTS-8/10-{74.8000000, 83.2000000}

47

CAREER PROSPECTS-7/10-{66.4000000, 74.8000000}

46

CAREER PROSPECTS-6/10-{58.0000000, 66.4000000}

45

CAREER PROSPECTS-5/10-{49.6000000, 58.0000000}

44

CAREER PROSPECTS-4/10-{41.2000000, 49.6000000}

43

CAREER PROSPECTS-3/10-{32.8000000, 41.2000000}

42

CAREER PROSPECTS-2/10-{24.4000000, 32.8000000}

41

CAREER PROSPECTS-1/10-{16.0000000, 24.4000000}

40

STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000}

39

STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000}

38

STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000}

37

STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000}

36

STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000}

35

STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000}

34

STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000}

33

STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000}

32

STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000}

31

STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000}

30

EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000}

29

EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000}

28

EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000}

27

EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000}

26

EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000}

25

EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000}

Таблица 22 – Обучающая выборка (фрагмент)

The object of training sample

Guardian score/100

Rank

Field of study

Name of Institution

% Satisfied with Teaching

% Satisfied overall with course

Expenditure per student (FTE)

Student:staff ratio

Career prospects

Value added score/10

Average Entry Tariff

% Satisfied with Assessment

Medicine-Oxford, 2012

10

41

498

606

10

20

 

31

50

57

70

79

Medicine-Cambridge, 2012

10

41

498

535

9

19

30

31

50

52

70

76

Medicine-Edinburgh, 2012

9

87

498

553

9

19

30

31

50

54

69

75

Medicine-Dundee, 2012

9

87

498

549

10

20

30

31

50

56

68

76

Medicine-UCL, 2012

8

87

498

652

9

19

26

31

50

59

69

76

Medicine-Imperial College, 2012

6

132

498

575

9

19

27

31

50

53

69

74

Medicine-Leicester, 2012

6

132

498

585

9

19

25

31

50

55

68

75

Medicine-Newcastle, 2012

6

132

498

598

10

20

24

31

50

55

68

75

Medicine-Peninsula Medical School, 2012

6

132

498

608

9

19

27

31

50

54

68

76

Medicine-Nottingham, 2012

6

178

498

604

9

19

23

31

50

54

69

74

Medicine-King's College London, 2012

5

178

498

578

8

18

25

31

50

56

68

74

Medicine-Warwick, 2012

5

178

498

660

8

18

28

31

50

59

 

74

Medicine-Leeds, 2012

4

224

498

581

8

18

26

31

50

56

68

75

Medicine-Hull York Medical School, 2012

4

224

498

574

8

18

24

32

50

58

68

75

Medicine-Manchester, 2012

4

224

498

593

6

15

28

31

50

59

68

73

Medicine-Sheffield, 2012

4

224

498

628

9

19

23

31

50

54

68

75

Medicine-Aberdeen, 2012

4

269

498

513

9

19

24

31

50

56

67

77

Medicine-Brighton Sussex Medical School, 2012

4

269

498

530

8

18

24

32

50

57

 

75

Medicine-Queen Mary, 2012

4

269

498

613

7

17

24

31

50

58

68

74

Medicine-St George's Medical School, 2012

4

315

498

634

8

19

26

32

50

56

68

75

Medicine-Southampton, 2012

4

315

498

631

8

18

24

31

50

57

68

74

Medicine-St Andrews, 2012

4

361

498

633

10

20

22

32

50

51

68

76

Medicine-Glasgow, 2012

3

361

498

560

6

15

25

31

50

55

69

72

Medicine-UEA, 2012

3

361

498

653

8

18

23

31

50

59

67

75

Medicine-Birmingham, 2012

3

361

498

523

9

18

23

32

50

53

69

72

Medicine-Queen's, Belfast, 2012

3

406

498

611

8

18

24

32

50

53

68

75

Medicine-Liverpool, 2012

2

406

498

587

6

15

24

31

50

54

68

72

Medicine-Bristol, 2012

2

406

498

531

8

15

26

32

50

54

68

71

Medicine-Keele, 2012

1

452

498

576

7

14

23

32

50

57

67

72

Medicine-Cardiff, 2012

1

452

498

537

6

14

23

32

50

58

68

71

Dentistry-King's College London, 2012

10

24

481

578

9

18

28

31

50

57

68

77

Dentistry-Glasgow, 2012

8

70

481

560

10

20

23

32

50

56

68

78

Dentistry-Cardiff, 2012

8

115

481

537

9

20

28

31

50

51

68

75

Dentistry-Queen's, Belfast, 2012

7

115

481

611

10

20

29

31

50

55

67

76

Dentistry-Birmingham, 2012

7

161

481

523

10

18

25

31

50

56

68

76

Dentistry-Bristol, 2012

6

207

481

531

9

20

26

32

50

55

68

78

Dentistry-Dundee, 2012

5

252

481

549

8

19

24

31

50

57

68

75

Dentistry-Sheffield, 2012

4

252

481

628

9

19

23

31

50

56

68

76

Dentistry-Liverpool, 2012

3

298

481

587

8

17

27

31

50

57

68

76

Dentistry-Manchester, 2012

3

344

481

593

9

18

25

31

50

57

68

75

Dentistry-Newcastle, 2012

2

389

481

598

8

19

21

32

50

56

68

76

Dentistry-Queen Mary, 2012

1

389

481

613

7

17

24

31

50

57

68

76

Dentistry-Leeds, 2012

1

435

481

581

9

19

29

32

50

56

68

73

Veterinary science-Cambridge, 2012

10

56

512

535

9

19

28

31

49

53

69

77

Veterinary science-Edinburgh, 2012

8

147

512

553

9

18

29

31

50

59

68

74

Veterinary science-Liverpool, 2012

6

193

512

587

9

20

23

31

50

54

68

74

Veterinary science-Glasgow, 2012

5

284

512

560

9

20

23

31

50

58

68

75

Veterinary science-Nottingham, 2012

5

330

512

604

 

 

24

31

 

 

68

 

Veterinary science-Royal Veterinary College, 2012

5

421

512

625

8

17

28

31

49

56

68

73

Veterinary science-Bristol, 2012

1

467

512

531

9

19

23

32

49

53

67

74

Anatomy and physiology-Oxford, 2012

10

13

470

606

10

17

30

32

 

56

69

75

Anatomy and physiology-Glamorgan, 2012

10

13

470

559

9

19

24

32

50

60

65

78

Anatomy and physiology-Cardiff, 2012

10

59

470

537

9

20

30

32

50

55

67

75

Anatomy and physiology-Plymouth, 2012

9

59

470

609

10

19

28

31

48

58

65

79

Anatomy and physiology-Brunel, 2012

8

59

470

532

10

20

23

32

48

59

65

76

Anatomy and physiology-Liverpool, 2012

8

59

470

587

9

19

29

32

48

54

66

77

Anatomy and physiology-Sussex, 2012

8

59

470

643

9

20

26

32

 

59

66

76

Anatomy and physiology-Newcastle, 2012

7

104

470

598

9

20

24

32

48

55

67

76

Anatomy and physiology-Aston, 2012

7

104

470

518

8

18

26

33

50

52

66

78

Anatomy and physiology-Bristol, 2012

7

150

470

531

9

19

27

32

47

54

67

76

Anatomy and physiology-Nottingham, 2012

6

150

470

604

10

19

27

33

 

54

67

77

Anatomy and physiology-Birmingham, 2012

6

150

470

523

9

18

 

32

47

57

67

75

Anatomy and physiology-Sheffield Hallam, 2012

5

150

470

629

10

19

23

33

48

55

66

77

Anatomy and physiology-Manchester, 2012

5

196

470

593

9

19

25

32

48

54

67

75

Anatomy and physiology-Glasgow Caledonian, 2012

5

196

470

561

9

19

24

33

48

57

66

76

Anatomy and physiology-Edinburgh, 2012

5

196

470

553

9

19

29

33

45

55

67

74

Anatomy and physiology-Robert Gordon, 2012

5

241

470

616

9

20

23

34

48

57

67

76

Anatomy and physiology-De Montfort, 2012

5

241

470

547

8

19

25

33

50

55

64

76

Anatomy and physiology-Hertfordshire, 2012

5

241

470

570

8

19

23

33

49

57

63

77

Anatomy and physiology-UEA, 2012

5

241

470

653

10

20

 

 

49

53

65

75

Anatomy and physiology-Queen's, Belfast, 2012

4

287

470

611

9

19

29

32

46

57

65

74

Anatomy and physiology-Aberdeen, 2012

4

287

470

513

8

20

24

33

47

56

64

78

Anatomy and physiology-Bradford, 2012

4

287

470

528

8

20

24

33

49

53

65

76

Anatomy and physiology-Birmingham City, 2012

2

287

470

524

9

15

23

34

48

58

65

75

Полностью обучающая выборка в работе не может быть приведена, т.к. файл исходных данных содержит 2559 строк.

Этим завершается 2-й этап АСК-анализа, который называется «Формализация предметной области» и создаются все необходимые и достаточные предпосылки для выполнения следующего этапа, т.е. синтеза и верификации (измерения достоверности) модели.

 

6.2.2.3.5. Синтез и верификация многокритериальной
системно-когнитивной модели
университетского рейтинга Гардиан,
учитывающей направления подготовки

Синтез и верификация многокритериальной системно-когнитивной модели университетского рейтинга Гардиан, учитывающей направления подготовки, представляет собой задачу, требующую довольно значительных вычислительных ресурсов. Решение этой задачи на компьютере с процессором i7 и 16 Гб оперативной памяти с размещение задачи на SSD, потребовало около 13 часов счета (рисунок 22).

 

Рисунок 22. Экранная форма с отображением стадии синтеза и верификации
моделей и прогнозом времени исполнения

 

Такая большая длительность расчетов обусловлена тем, что для измерения достоверности 10 моделей была использована вся обучающая выборка, включающая 2559 примеров.

Математические аспекты формирования системно-когнитивных моделей описаны в ряде работ автора [3-273] и здесь их подробно освещать нет необходимости. Отметим лишь, что для преобразования матрицы абсолютных частот в другие модели используются формулы преобразования, приведенные в таблице 23:

 

Таблица 23 – Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++»

Наименование модели знаний
и частный критерий

Выражение для частного критерия

через
относительные частоты

через
абсолютные частоты

INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета относительных частот: Nj – суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак

INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета относительных частот: Nj – суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак.

INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами

---

INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj – суммарное количество признаков по j-му классу

INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj – суммарное количество объектов по j-му классу

INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj – суммарное количество признаков по j-му классу

INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj – суммарное количество объектов по j-му классу

Обозначения:

i – значение прошлого параметра;

j - значение  будущего параметра;

Nij  – количество встреч  j-го значения будущего параметра при i-м значении прошлого параметра;

M – суммарное число значений всех прошлых  параметров;

W - суммарное число значений всех  будущих параметров.

Ni  – количество встреч  i-м значения прошлого параметра по всей выборке;

 Nj  – количество встреч  j-го значения будущего параметра по всей выборке;

N  – количество встреч  j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.

Iij  – частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;

Ψ – нормировочный коэффициент (Е.В.Луценко, 1979, впервые опубликовано в 1993 году [273]), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;

Pi – безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;

Pij – условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.

В результате сформированы 10 моделей: 3 статистических и 7 системно-когнитивных моделей (моделей знаний). Фрагменты трех из них приведены ниже (таблицы 11, 12, 13):

 

Таблица 24 – Матрица абсолютных частот, модель ABS (фрагмент)

Код

Наименование показателя

1/10-{25.90, 33.31}

2/10-{33.31, 40.72}

3/10-{40.72, 48.13}

4/10-{48.13, 55.54}

5/10-{55.54, 62.95}

6/10-{62.95, 70.36}

7/10-{70.36, 77.77}

8/10-{77.77, 85.18}

9/10-{85.18, 92.59}

10/10-{92.59, 100.00}

1

% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000}

2

2

1

0

2

0

1

0

0

0

2

% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000}

4

8

0

1

1

0

1

0

0

0

3

% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000}

3

8

7

5

2

4

2

2

1

0

4

% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000}

7

23

17

18

9

4

6

3

1

0

5

% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000}

6

22

31

43

30

29

9

5

0

0

6

% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000}

17

29

63

72

79

43

22

12

5

3

7

% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000}

15

22

65

93

108

89

53

43

20

12

8

% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000}

6

21

55

96

121

121

101

41

30

27

9

% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000}

6

9

25

54

87

104

97

71

38

35

10

% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000}

1

2

3

12

23

18

39

23

21

32

11

% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089}

3

3

2

1

0

0

0

1

1

0

12

% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413}

3

5

1

1

2

1

0

0

1

0

13

% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736}

4

7

5

4

6

2

2

1

0

0

14

% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060}

6

16

17

11

13

6

5

3

0

0

15

% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383}

9

20

20

31

21

19

5

6

0

0

16

% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706}

9

23

41

45

45

33

19

11

4

0

17

% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030}

16

28

65

81

96

73

45

16

9

2

18

% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353}

8

26

66

109

118

110

80

42

25

12

19

% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677}

5

15

40

84

118

114

111

73

43

44

20

% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000}

4

3

10

27

43

54

64

47

33

51

21

EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000}

2

4

3

0

1

0

0

0

0

0

22

EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000}

9

28

44

33

23

13

9

0

0

0

23

EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000}

31

48

84

114

102

64

20

13

5

2

24

EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000}

17

35

63

111

121

86

51

21

2

2

25

EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000}

6

15

38

47

67

63

58

19

7

4

26

EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000}

0

9

18

35

54

59

42

28

14

6

27

EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000}

2

6

8

28

39

52

47

29

14

8

28

EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000}

0

5

13

14

35

40

48

32

19

15

29

EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000}

1

0

0

12

22

25

33

35

23

11

30

EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000}

0

0

1

3

4

9

24

23

31

56

31

STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000}

1

2

4

11

16

13

17

17

18

20

32

STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000}

7

7

9

29

44

62

73

69

46

50

33

STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000}

7

24

53

101

160

150

131

69

43

37

34

STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000}

15

36

90

144

167

122

93

33

12

6

35

STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000}

22

34

74

79

59

47

16

11

2

2

36

STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000}

8

24

20

23

19

8

1

1

1

0

37

STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000}

4

12

10

6

2

4

1

0

0

0

38

STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000}

2

5

9

3

1

0

0

0

0

0

39

STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000}

2

3

2

0

0

1

0

0

0

0

40

STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000}

0

1

0

0

0

0

0

0

0

0

41

CAREER PROSPECTS-1/10-{16.0000000, 24.4000000}

2

5

5

5

2

0

0

0

0

0

42

CAREER PROSPECTS-2/10-{24.4000000, 32.8000000}

5

14

18

21

21

4

0

0

0

1

43

CAREER PROSPECTS-3/10-{32.8000000, 41.2000000}

12

15

41

61

57

21

14

0

1

1

44

CAREER PROSPECTS-4/10-{41.2000000, 49.6000000}

6

32

36

65

58

36

31

7

3

0

45

CAREER PROSPECTS-5/10-{49.6000000, 58.0000000}

8

19

32

66

67

89

51

19

5

1

46

CAREER PROSPECTS-6/10-{58.0000000, 66.4000000}

3

7

24

40

65

51

55

21

14

8

47

CAREER PROSPECTS-7/10-{66.4000000, 74.8000000}

1

3

10

30

28

55

47

45

27

14

48

CAREER PROSPECTS-8/10-{74.8000000, 83.2000000}

0

3

11

10

26

30

42

36

21

29

49

CAREER PROSPECTS-9/10-{83.2000000, 91.6000000}

2

1

1

4

14

10

19

19

14

19

50

CAREER PROSPECTS-10/10-{91.6000000, 100.0000000}

6

3

9

20

14

16

16

10

7

9

51

VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000}

15

21

20

24

12

3

2

2

1

0

 

Таблица 25 – Матрица условных и безусловных
процентных распределений , модель PRC2 (фрагмент)

Код

Наименование показателя

1/10-{25.90, 33.31}

2/10-{33.31, 40.72}

3/10-{40.72, 48.13}

4/10-{48.13, 55.54}

5/10-{55.54, 62.95}

6/10-{62.95, 70.36}

7/10-{70.36, 77.77}

8/10-{77.77, 85.18}

9/10-{85.18, 92.59}

10/10-{92.59, 100.00}

1

% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000}

3

1

0

0

0

0

0

0

0

0

2

% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000}

6

5

0

0

0

0

0

0

0

0

3

% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000}

4

5

3

1

0

1

1

1

1

0

4

% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000}

10

15

6

5

2

1

2

1

1

0

5

% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000}

9

15

11

11

6

7

3

2

0

0

6

% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000}

25

19

23

18

17

10

7

6

4

3

7

% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000}

22

15

24

23

23

21

16

21

16

10

8

% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000}

9

14

20

24

26

29

30

20

24

23

9

% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000}

9

6

9

14

18

25

29

35

31

30

10

% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000}

1

1

1

3

5

4

12

11

17

28

11

% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089}

4

2

1

0

0

0

0

0

1

0

12

% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413}

4

3

0

0

0

0

0

0

1

0

13

% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736}

6

5

2

1

1

0

1

0

0

0

14

% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060}

9

11

6

3

3

1

1

1

0

0

15

% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383}

13

13

7

8

4

5

1

3

0

0

16

% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706}

13

15

15

11

10

8

6

5

3

0

17

% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030}

23

19

24

20

20

18

13

8

7

2

18

% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353}

12

17

24

27

25

27

24

21

20

10

19

% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677}

7

10

15

21

25

27

33

36

35

38

20

% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000}

6

2

4

7

9

13

19

23

27

44

21

EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000}

3

3

1

0

0

0

0

0

0

0

22

EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000}

13

19

16

8

5

3

3

0

0

0

23

EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000}

45

32

31

29

22

15

6

6

4

2

24

EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000}

25

23

23

28

26

21

15

10

2

2

25

EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000}

9

10

14

12

14

15

17

9

6

3

26

EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000}

0

6

7

9

11

14

13

14

11

5

27

EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000}

3

4

3

7

8

13

14

14

11

7

28

EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000}

0

3

5

4

7

10

14

16

15

13

29

EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000}

1

0

0

3

5

6

10

17

19

9

30

EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000}

0

0

0

1

1

2

7

11

25

48

31

STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000}

1

1

1

3

3

3

5

8

15

17

32

STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000}

10

5

3

7

9

15

22

34

37

43

33

STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000}

10

16

19

25

34

36

39

34

35

32

34

STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000}

22

24

33

36

35

29

28

16

10

5

35

STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000}

32

23

27

20

12

11

5

5

2

2

36

STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000}

12

16

7

6

4

2

0

0

1

0

37

STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000}

6

8

4

2

0

1

0

0

0

0

38

STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000}

3

3

3

1

0

0

0

0

0

0

39

STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000}

3

2

1

0

0

0

0

0

0

0

40

STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000}

0

1

0

0

0

0

0

0

0

0

41

CAREER PROSPECTS-1/10-{16.0000000, 24.4000000}

3

3

2

1

0

0

0

0

0

0

42

CAREER PROSPECTS-2/10-{24.4000000, 32.8000000}

7

9

7

5

4

1

0

0

0

1

43

CAREER PROSPECTS-3/10-{32.8000000, 41.2000000}

17

10

15

15

12

5

4

0

1

1

44

CAREER PROSPECTS-4/10-{41.2000000, 49.6000000}

9

21

13

16

12

9

9

3

2

0

45

CAREER PROSPECTS-5/10-{49.6000000, 58.0000000}

12

13

12

17

14

21

15

9

4

1

46

CAREER PROSPECTS-6/10-{58.0000000, 66.4000000}

4

5

9

10

14

12

16

10

11

7

47

CAREER PROSPECTS-7/10-{66.4000000, 74.8000000}

1

2

4

8

6

13

14

22

22

12

48

CAREER PROSPECTS-8/10-{74.8000000, 83.2000000}

0

2

4

3

5

7

13

18

17

25

49

CAREER PROSPECTS-9/10-{83.2000000, 91.6000000}

3

1

0

1

3

2

6

9

11

16

50

CAREER PROSPECTS-10/10-{91.6000000, 100.0000000}

9

2

3

5

3

4

5

5

6

8

51

VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000}

22

14

7

6

3

1

1

1

1

0

52

VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000}

14

13

10

10

7

6

4

1

0

3

53

VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000}

13

15

17

15

11

8

7

3

3

3

54

VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000}

6

17

19

16

12

13

10

11

11

3

55

VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000}

6

7

8

10

12

13

14

8

7

9

56

VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000}

10

11

8

8

14

13

11

14

11

9

57

VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000}

7

6

8

10

15

16

19

24

25

28

58

VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000}

6

6

8

9

10

12

18

18

24

25

59

VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000}

1

2

3

7

7

7

9

12

10

11

60

VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000}

0

1

1

1

3

4

4

3

4

6

61

AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000}

4

5

4

2

0

1

1

0

0

0

62

AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000}

30

29

21

10

9

5

4

1

2

1

63

AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000}

38

37

35

35

26

18

13

5

7

1

64

AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000}

10

19

25

27

29

25

12

10

10

2

65

AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000}

6

3

7

12

15

16

19

15

14

9

66

AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000}

3

2

4

6

10

17

23

19

20

13

67

AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000}

4

2

1

3

6

12

21

24

22

19

68

AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000}

4

2

1

3

2

3

6

16

15

14

69

AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000}

0

0

1

0

1

1

1

5

7

25

Таблица 26 – Матрица информативностей в модели модель INF1,
мера информации по А.Харкевичу в миллибитах (фрагмент)

Код

Наименование показателя

1/10-{25.90, 33.31}

2/10-{33.31, 40.72}

3/10-{40.72, 48.13}

4/10-{48.13, 55.54}

5/10-{55.54, 62.95}

6/10-{62.95, 70.36}

7/10-{70.36, 77.77}

8/10-{77.77, 85.18}

9/10-{85.18, 92.59}

10/10-{92.59, 100.00}

1

% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000}

1876

1219

140

 

252

 

-55

 

 

 

2

% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000}

1930

1850

 

-718

-850

 

-579

 

 

 

3

% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000}

1009

1168

556

-59

-954

-272

-683

-254

-394

 

4

% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000}

922

1256

503

216

-493

-1064

-560

-709

-1186

 

5

% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000}

221

646

431

369

-63

14

-795

-856

 

 

6

% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000}

523

310

456

233

178

-224

-616

-692

-984

-1349

7

% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000}

77

-262

140

104

97

41

-225

29

-170

-536

8

% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000}

-832

-446

-144

-15

47

151

167

-156

22

-5

9

% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000}

-696

-1016

-665

-359

-93

161

269

438

355

347

10

% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000}

-1267

-1348

-1510

-690

-279

-379

432

420

782

1194

11

% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089}

1949

1291

453

-460

 

 

 

108

546

 

12

% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413}

1748

1516

-326

-661

-215

-688

 

 

345

 

13

% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736}

1325

1134

353

-168

38

-772

-606

-755

 

 

14

% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060}

905

1065

614

-83

-75

-615

-601

-598

 

 

15

% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383}

800

808

307

337

-119

-97

-1043

-463

 

 

16

% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706}

331

455

436

179

47

-106

-400

-427

-832

 

17

% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030}

287

96

297

145

155

32

-205

-638

-679

-1872

18

% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353}

-561

-236

39

123

57

103

4

-104

-98

-649

19

% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677}

-1021

-763

-446

-163

-11

65

209

288

285

365

20

% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000}

-661

-1558

-1055

-563

-306

-12

296

467

611

1034

21

EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000}

1690

1610

870

 

-512

 

 

 

 

 

22

EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000}

639

927

803

228

-204

-575

-715

 

 

 

23

EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000}

743

450

416

335

111

-173

-976

-906

-1264

-1967

24

EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000}

199

143

132

269

210

30

-239

-550

-2071

-2011

25

EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000}

-292

-187

87

-70

94

147

244

-257

-651

-1057

26

EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000}

 

-445

-368

-149

81

260

143

234

94

-552

27

EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000}

-933

-675

-936

-227

-83

262

344

370

201

-205

28

EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000}

 

-783

-488

-761

-129

87

405

496

500

363

29

EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000}

-1208

 

 

-631

-257

-46

352

830

918

364

30

EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000}

 

 

-2308

-1727

-1619

-838

145

538

1225

1778

31

STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000}

-951

-1031

-954

-446

-265

-334

56

485

971

1119

32

STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000}

-331

-989

-1280

-640

-424

-34

269

650

751

881

33

STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000}

-891

-522

-362

-160

92

143

197

91

135

70

34

STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000}

-192

-120

143

199

191

35

-25

-460

-865

-1382

35

STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000}

736

441

588

307

-67

-152

-884

-767

-1750

-1689

36

STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000}

886

1144

491

273

-18

-634

-2200

-1772

-1334

 

37

STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000}

1134

1392

739

-21

-1068

-386

-1375

 

 

 

38

STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000}

1113

1219

1208

-43

-1089

 

 

 

 

 

39

STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000}

1876

1556

718

 

 

-221

 

 

 

 

40

STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000}

 

2374

 

 

 

 

 

 

 

 

41

CAREER PROSPECTS-1/10-{16.0000000, 24.4000000}

1156

1261

761

426

-469

 

 

 

 

 

42

CAREER PROSPECTS-2/10-{24.4000000, 32.8000000}

681

881

589

383

252

-1025

 

 

 

-1087

43

CAREER PROSPECTS-3/10-{32.8000000, 41.2000000}

596

125

462

458

270

-457

-629

 

-1961

-1901

44

CAREER PROSPECTS-4/10-{41.2000000, 49.6000000}

-153

584

182

339

113

-180

-138

-949

-1217

 

45

CAREER PROSPECTS-5/10-{49.6000000, 58.0000000}

-133

-70

-137

132

13

354

56

-338

-1012

-2293

46

CAREER PROSPECTS-6/10-{58.0000000, 66.4000000}

-772

-724

-197

-107

166

69

298

-76

25

-381

47

CAREER PROSPECTS-7/10-{66.4000000, 74.8000000}

-1602

-1344

-842

-261

-450

217

252

645

657

170

48

CAREER PROSPECTS-8/10-{74.8000000, 83.2000000}

 

-1158

-576

-991

-326

-102

345

645

634

963

49

CAREER PROSPECTS-9/10-{83.2000000, 91.6000000}

-253

-1488

-1989

-1169

-256

-432

269

698

882

1196

50

CAREER PROSPECTS-10/10-{91.6000000, 100.0000000}

608

-628

-213

118

-311

-95

71

108

249

519

51

VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000}

1451

1073

532

349

-360

-1410

-1582

-1153

-1293

 

52

VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000}

637

557

337

320

-45

-87

-379

-1291

 

-793

53

VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000}

222

310

423

310

59

-166

-314

-912

-940

-1120

54

VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000}

-648

221

331

182

-59

1

-219

-116

-153

-1075

55

VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000}

-481

-376

-182

-56

136

167

200

-201

-391

-145

56

VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000}

-63

-32

-267

-264

195

104

-52

196

28

-192

57

VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000}

-595

-762

-557

-355

3

35

163

365

439

551

58

VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000}

-630

-612

-331

-340

-184

-29

273

275

562

594

59

VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000}

-1300

-1043

-628

-17

-11

-44

180

423

283

410

60

VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000}

 

-1130

-1053

-624

-26

264

373

96

382

723

61

AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000}

894

943

818

316

-1068

-200

-797

 

 

 

62

AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000}

978

936

651

42

-70

-504

-776

-1569

-1131

-1986

63

AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000}

444

426

374

360

121

-216

-471

-1198

-1025

-2697

64

AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000}

-576

-49

185

196

290

161

-477

-585

-614

-2046

65

AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000}

-668

-1326

-528

-73

127

173

289

86

51

-252

66

AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000}

-1171

-1491

-988

-594

-183

259

528

357

447

81

67

AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000}

-690

-1348

-2186

-1028

-484

100

569

695

654

544

68

AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000}

-134

-792

-1053

-545

-676

-371

133

913

917

834

69

AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000}

 

 

-1002

-1914

-1130

-448

-1197

652

923

1958

70

AVERAGE ENTRY TARIFF-10/10-{551.7000000, 598.0000000}

 

 

 

 

 

 

 

374

 

2494

71

% SATISFIED WITH ASSESSMENT-1/10-{18.8755020, 26.6479518}

2454

1796

 

 

 

 

 

 

 

 

Достоверность этих моделей различна (рисунок 23):

Рисунок 23. Экранная форма отчета по достоверности моделей

 

Для количественной оценки достоверности моделей применена метрика, предложенная автором и по смыслу сходная с известным F-критерием (рисунок 24):

Рисунок 24. Экранная форма пояснения по достоверности моделей

Обращает на себя внимание, что системно-когнитивные модели (INF1 – INF7) имеют значительно более высокую среднюю достоверность, чем статистические. Такая картина по опыту автора наблюдается в подавляющем большинстве приложений. В этом и состоит обоснование целесообразности применения системно-когнитивных (интеллектуальных) моделей.

 

6.2.2.3.6. Наглядное отображение подматриц
системно-когнитивных моделей
университетского рейтинга Гардиан
в виде когнитивных функций

 

Применительно к задаче, рассматриваемой в данной работе, когнитивная функция показывает в наглядной графической форме, какое количество информации содержится в различных значениях показателей вузов о том, что у них будет определенный рейтинг по напылению подготовки и общий рейтинг Гардиан.

Когнитивным функциям посвящено много работ автора[21], но наиболее новой и обобщающей из них является работа [235]. Поэтому здесь не будем останавливаться на описании того, что представляют собой когнитивные функции в АСК-анализе.

Отметим, что при построении средневзвешенных трендов применены математические методы, предложенные и описанные в работах [260, 261, 262], в частности применен метод взвешенных наименьших квадратов, модифицированный путем использования в качестве весовых коэффициентов количества информации в наблюдениях.

На рисунке 25 приведены визуализации некоторых когнитивных функций данного приложения для модели INF1:

Рисунок 25. Визуализация когнитивных функций зависимостей рейтинга Гардиан
от значений показателей в системно-когнитивной модели INF1

 

Из приведенных когнитивных функций видно, что увеличение или уменьшение значений показателей вузов влияет на рейтинг Гардиан по направлению подготовки и общий рейтинг Гардиан, примерно пропорционально или обратно пропорционально. Отметим, что об этом можно говорить потому, что в системно-когнитивных моделях используются интервальные числовые и порядковые измерительные шкалы.

Это подтверждает разумность и корректность построения университетского рейтинга Гардиан его разработчиками.

 

6.2.2.3.7. Интегральный критерий и решение задачи
оценки рейтинга вуза в системно-когнитивной модели университетского
рейтинга Гардиан

 

Из модели INF1 мы видим, какое количество информации содержится в том или ином значении каждого показателя о том, что вуз с этим значением показателя имеет тот или иной рейтинг по направлению подготовки и общий рейтинг Гардиан.

Но если нам известно не одно, а несколько значений показателей вузов, то как посчитать их общий вклад в сходство с теми или иными классами? Для этого в системе «Эйдос» используется 2 аддитивных интегральных критерия: «Сумма знаний» и «Семантический резонанс знаний».

Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:

В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:

,

где: M – количество градаций описательных шкал (признаков);

– вектор состояния j–го класса;

 – вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив–локатор), т.е.:

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).

Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.

Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3 и имеет вид:

где:

M      – количество градаций описательных шкал (признаков);

     – средняя информативность по вектору класса;

     – среднее по вектору объекта;

    – среднеквадратичное отклонение частных критериев знаний вектора класса;

   – среднеквадратичное отклонение по вектору распознаваемого объекта.

– вектор состояния j–го класса;

 – вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив–локатор), т.е.:

В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).

Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:

Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния j–го класса и состояния распознаваемого объекта.

Пример решения задачи идентификации для вузов рейтинга Гардиан по направлению подготовки и общего рейтинга Гардиан приведен на рисунке 26:

 

Рисунок 26. Экранная форма с результатами идентификации рейтинга
Гардиан по направлению подготовки и общего рейтинга Гардиан

 

 

6.2.2.3.8. Исследование многокритериальной
системно-когнитивной модели
университетского рейтинга Гардиан,
учитывающей направления подготовки

 

6.2.2.3.8.1. Автоматизированный количественный
SWOT-анализ университетского
рейтинга Гардиан

 

В системе «Эйдос» реализован Автоматизированный количественный SWOT-анализ [249]. Его можно применить для исследования того, какие значения показателей способствуют, а какие препятствуют присвоению вузу тех или иных рейтингов Гардиан.

Например, высокому общему рейтингу Гардиан способствуют и препятствуют значения показателей, приведенные на SWOT-диаграмме (рисунок 27), соответствующей SWOT-матрице (рисунок 28) и нелокальном нейроне (рисунок 29):

 

Рисунок 27. SWOT-диаграмма высокого рейтинга Гардиан

Рисунок 28. SWOT-матрица высокого рейтинга Гардиан

 

Рисунок 29. Нелокальный нейрон высокого рейтинга Гардиан

 

6.2.2.3.8.2. Информационные портреты классов
и значений показателей университетского
рейтинга Гардиан

 

Информационный портрет класса – это список факторов, ранжированных в порядке убывания силы их влияния на переход объекта управления в состояние, соответствующее данному классу. Информационный портрет класса отражает систему его детерминации. Генерация информационного портрета класса представляет собой решение обратной задачи прогнозирования, т.к. при прогнозировании по системе факторов определяется спектр наиболее вероятных будущих состояний объекта управления, в которые он может перейти под влиянием данной системы факторов, а в информационном портрете мы наоборот, по заданному будущему состоянию объекта управления определяем систему факторов, детерминирующих это состояние, т.е. вызывающих переход объекта управления в это состояние. В начале информационного портрета класса идут факторы, оказывающие положительное влияние на переход объекта управления в заданное состояние, затем факторы, не оказывающие на это существенного влияния, и далее – факторы, препятствующие переходу объекта управления в это состояние (в порядке возрастания силы препятствования). Информационные портреты классов могут быть от отфильтрованы по диапазону факторов, т.е. мы можем отобразить влияние на переход объекта управления в данное состояние не всех отраженных в модели факторов, а только тех, коды которых попадают в определенный диапазон, например, относящиеся к определенным описательным шкалам.

Пример информационного портрета класса приведен на рисунке 30:

Рисунок 30. Экранная форма с информационным портретом класса:
«Наивысший общий рейтинг Гардиан»

 

Информационный (семантический) портрет фактора – это список классов, ранжированный в порядке убывания силы влияния данного фактора на переход объекта управления в состояния, соответствующие данным классам. Информационный портрет фактора называется также его семантическим портретом, т.к. в соответствии с концепцией смысла системно-когнитивного анализа, являющейся обобщением концепции смысла Шенка-Абельсона, смысл фактора состоит в том, какие будущие состояния объекта управления он детерминирует. Сначала в этом списке идут состояния объекта управления, на переход в которые данный фактор оказывает наибольшее влияние, затем состояния, на которые данный фактор не оказывает существенного влияния, и далее состояния – переходу в которые данный фактор препятствует. Информационные портреты факторов могут быть от отфильтрованы по диапазону классов, т.е. мы можем отобразить влияние данного фактора на переход объекта управления не во все возможные будущие состояния, а только в состояния, коды которых попадают в определенный диапазон, например, относящиеся к определенным классификационным шкалам.

Пример информационного портрета значения фактора (показателя) приведен на рисунке 31:

Рисунок 31. Экранная форма с информационным портретом значения
показателя с установленным фильтром по наименованиям вузов

 

6.2.2.3.8.3. Кластерно-конструктивный анализ
университетского рейтинга Гардиан

Кластерно-конструктивный анализ – это новый математический метод анализа знаний, реализованный в АСК-анализе и системе «Эйдос» [7, 128], обеспечивающий:

– выявление классов, наиболее сходных по системе их детерминации и объединение их в кластеры;

– выявление кластеров классов, наиболее сильно отличающиеся по системе их детерминации и построение из них полюсов конструктов классов, при этом остальные кластеры включаются в конструкты в качестве промежуточных между полюсами;

– выявление факторов, наиболее сходных по детерминируемым ими классам и объединение их в кластеры;

– выявление кластеров факторов, наиболее сильно отличающиеся по детерминируемым ими классам и построение из них полюсов конструктов факторов, при этом остальные кластеры включаются в конструкты в качестве промежуточных между полюсами.

Состояния объекта управления, соответствующие классам, включенным в один кластер, могут быть достигнуты одновременно, т.е. являются совместимыми (коалиционными) по детерминирующим их факторам. Состояния объекта управления, соответствующие классам, образующим полюса конструкта, не могут быть достигнуты одновременно, т.е. являются противоположными по детерминирующим их факторам (антагонистическими).

Факторы, включенные в один кластер, оказывают сходное влияние на поведение объекта управления и могут, при необходимости, быть использованы для замены друг друга. Факторы, образующие полюса конструкта, оказывают противоположное влияние на поведение объекта управления.

Кластерно-конструктивный анализ классов позволяет сравнить их по сходству системы детерминации и отобразить эту информацию в наглядной графической форме семантической сети классов.

Кластерно-конструктивный анализ факторов позволяет сравнить факторы по сходству их влияния на переход объекта в будущие состояния и отобразить эту информацию в наглядной графической форме семантической сети факторов.

Примеры когнитивных диаграмм, отражающих некоторые результаты кластерно-конструктивного анализа модели университетского рейтинга Гардиан, приведены на рисунках 32, 33, 34:

Рисунок 32. Пример конструкта класса
университетского рейтинга Гардиан

Рисунок 33. Пример конструкта класса
университетского рейтинга Гардиан

Рисунок 34. Пример конструкта значения показателя
университетского рейтинга Гардиан

Как видно из приведенных когнитивных диаграмм, все классы и значения показателей являются взаимозависимыми, что исключает применение факторного анализа, как метода моделирования линейных систем.

 

6.2.2.4. Интеграция различных рейтингов в одном
«супер рейтинге» – путь к использованию
рейтинга Гардиан для оценки российских вузов

 

6.2.2.4.1. Пилотное исследование и Парето-оптимизация

 

Минобрнауки РФ в своих регламентирующих документах предлагает очень много частных критериев[22]. Ясно, что собрать информацию по всем этим показателям очень сложно, дорого и трудоемко. Поэтому представляет интерес, выявить из них минимальное количество таких критериев, которых было бы достаточно для надежного решения задачи определения рейтинга вуза.

Системно-когнитивные модели позволяют выявить показатели, оказывающие наиболее существенное влияние на объекты моделирования, что позволяет удалить из моделей не существенные показатели, т.е. провести Паретто-оптимизацию, в результате которой в моделях остаются только существенные показатели.

Таким образом, решается задача, аналогичная задаче разработки системе стандартизированных показателей, но конкретно для данного предприятия.

В результате можно сократить размерность моделей без потери их достоверности, а значит существенно сократить затраты труда и времени на сбор, ввод в компьютер и обработку исходных данных, т.е. эффективность их использования.

В таблице 27 приведен список значений факторов системно-когнитивной модели INF1 (см. табл. ) университетского рейтинга Гардиан, в котором эти значения проранжированы в порядке убывания вариабельности информативности, которая в АСК-анализе рассматривается как значимость (дифференцирующая способность) этого значения. Вариабельность информативности измеряется как ее среднеквадратичное отклонение по всем классам. Но в данном случае она посчитана только по первым 10 классам, т.е. по общему рейтингу.

 

Таблица 27 – Ранжированная таблица значений показателей
для построения Парето-диаграммы университетского
рейтинга Гардиан (фрагмент)

Код

Значение показателя

Значимость

Паретто

70

AVERAGE ENTRY TARIFF-10/10-{551.7000000, 598.0000000}

1499,07

1499,07

30

EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000}

1493,90

2992,96

2

% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000}

1430,66

4423,63

69

AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000}

1315,20

5738,83

36

STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000}

1196,80

6935,63

51

VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000}

1153,71

8089,34

37

STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000}

1074,37

9163,71

49

CAREER PROSPECTS-9/10-{83.2000000, 91.6000000}

1052,72

10216,43

62

AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000}

1034,30

11250,73

38

STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000}

1026,14

12276,87

21

EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000}

1020,24

13297,11

63

AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000}

1010,23

14307,33

12

% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413}

1009,23

15316,56

67

AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000}

994,19

16310,75

43

CAREER PROSPECTS-3/10-{32.8000000, 41.2000000}

994,12

17304,87

10

% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000}

948,77

18253,64

39

STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000}

939,42

19193,06

35

STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000}

909,13

20102,18

24

EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000}

905,30

21007,49

23

EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000}

899,29

21906,78

72

% SATISFIED WITH ASSESSMENT-2/10-{26.6479518, 34.4204016}

882,78

22789,56

4

% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000}

879,48

23669,05

11

% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089}

857,09

24526,14

61

AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000}

832,47

25358,60

1

% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000}

827,04

26185,65

80

% SATISFIED WITH ASSESSMENT-10/10-{88.8275502, 96.6000000}

826,29

27011,93

13

% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736}

818,74

27830,68

42

CAREER PROSPECTS-2/10-{24.4000000, 32.8000000}

812,94

28643,62

20

% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000}

804,92

29448,54

47

CAREER PROSPECTS-7/10-{66.4000000, 74.8000000}

794,88

30243,42

31

STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000}

782,26

31025,68

45

CAREER PROSPECTS-5/10-{49.6000000, 58.0000000}

775,12

31800,80

48

CAREER PROSPECTS-8/10-{74.8000000, 83.2000000}

758,31

32559,11

32

STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000}

746,78

33305,89

68

AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000}

743,35

34049,24

3

% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000}

738,54

34787,78

66

AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000}

736,20

35523,97

29

EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000}

726,84

36250,82

64

AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000}

700,26

36951,07

41

CAREER PROSPECTS-1/10-{16.0000000, 24.4000000}

696,72

37647,79

14

% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060}

696,11

38343,90

74

% SATISFIED WITH ASSESSMENT-4/10-{42.1928514, 49.9653012}

674,77

39018,68

17

% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030}

672,82

39691,50

22

EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000}

667,46

40358,97

60

VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000}

666,34

41025,30

6

% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000}

657,57

41682,88

52

VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000}

644,10

42326,98

15

% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383}

631,57

42958,55

59

VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000}

608,18

43566,72

44

CAREER PROSPECTS-4/10-{41.2000000, 49.6000000}

584,91

44151,64

53

VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000}

583,81

44735,44

5

% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000}

555,04

45290,48

28

EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000}

528,69

45819,17

9

% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000}

524,30

46343,48

34

STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000}

517,10

46860,57

73

% SATISFIED WITH ASSESSMENT-3/10-{34.4204016, 42.1928514}

508,31

47368,89

27

EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000}

507,02

47875,91

65

AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000}

498,92

48374,82

79

% SATISFIED WITH ASSESSMENT-9/10-{81.0551004, 88.8275502}

496,61

48871,44

19

% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677}

477,60

49349,03

57

VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000}

468,80

49817,83

71

% SATISFIED WITH ASSESSMENT-1/10-{18.8755020, 26.6479518}

465,09

50282,92

58

VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000}

451,24

50734,16

16

% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706}

443,77

51177,93

54

VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000}

424,13

51602,06

78

% SATISFIED WITH ASSESSMENT-8/10-{73.2826506, 81.0551004}

423,10

52025,17

25

EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000}

401,72

52426,89

50

CAREER PROSPECTS-10/10-{91.6000000, 100.0000000}

373,87

52800,76

33

STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000}

361,39

53162,15

46

CAREER PROSPECTS-6/10-{58.0000000, 66.4000000}

358,11

53520,26

26

EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000}

308,74

53829,01

8

% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000}

306,02

54135,02

75

% SATISFIED WITH ASSESSMENT-5/10-{49.9653012, 57.7377510}

292,73

54427,75

18

% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353}

272,45

54700,20

55

VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000}

243,46

54943,66

На рисунке 21 приведена Парето-диаграмма, построенная по таблице 35:

 

Рисунок 35. Парето-кривая значимости значений показателей
университетского рейтинга Гардиан

 

Из приведенной Парето-кривой можно сделать вывод о том, что Паретто-оптимизация была проведена разработчиками университетского рейтинга Гардиан на этапе его создания, т.к. все используемые в нем значения показателей имеют достаточно высокую значимость. Когда в модели есть малозначимые факторы, то Парето-кривая поднимается гораздо резче и потом идет более полого (рисунок 36).

Но при разработке отечественного рейтинга, по-видимому, сначала должно быть проведено пилотное исследование на всех мыслимых показателях, информацию по которым возможно собрать, на не очень большом количестве вузов, участвующих в эксперименте (при этом важно, чтобы вузы должны быть разных направлений подготовки). При этом при пилотном исследовании используется максимальная система показателей, которую можно взять из многих известных рейтингов и материалов Минобрнауки РФ.

 

Рисунок 36. Классическая Парето-кривая[23]

 

Затем необходимо провести Паретто-оптимизацию и разработать минимальную по количеству систему показателей, дающих максимум информации для определения рейтинга вуза (конфигуратор вузовского рейтинга). Таким образом, созданная по этой технологии наукометрическая методика определения рейтинга вуза будет представлять собой методику, интегрирующую многие известные рейтинги, используемые при ее разработке.

После тестирования и сертификации системно-когнитивной модели, построенной на этой системе показателей, ее можно применять в адаптивном режиме.

 

6.2.2.4.2. Эксплуатация методики в адаптивном
режиме

АСК-анализ и система «Эйдос» представляют собой с одной стороны инструмент разработки, а с другой стороны среду или оболочку (Run-time system) эксплуатации создаваемого интеллектуального приложения.

Это открывает уникальные возможности, которые полностью отсутствуют, когда мы используем приобретаемые у сторонних разработчиков продукты подобных технологий.

Возникает закономерный вопрос о том, в какой степени эти продукты применимы в наших условиях и что они будут измерять, если их применить для российских вузов? Не столкнемся ли мы с ситуацией, когда из-за того, что не могут найти линейку, измеряют размеры предметов с помощью шкалы от наружного термометра, т.е. применяют непригодный для наших целей измерительный инструмент, даже и может быть и качественный, но предназначенный для других целей и других условий. Используя университетский рейтинг Гардиан для оценки российских вузов мы сравниваем их не только друг с другом, но и с зарубежными вузами и как бы отвечаем на вопрос о том, как бы оценивались наши вузы, если бы они оказались за рубежом. Но дело в том, что они находятся у нас и поэтому модели и методов принятия решений, заложенные его разработчиками в этом рейтинге, могут быть не адекватными для наших условий, и для приведения их в соответствие с нашими реалиями может быть необходима локализация этих моделей и методов.

Имея инструментарий разработки измерительного инструмента мы получаем возможность периодически, например, ежегодно, использовать его для пересоздания модели, с целью учета изменений в моделируемом объекте и других факторов [7].

 

6.2.2.5. Выводы. Ограничения и перспективы

Таким образом, АСК-анализ и система «Эйдос» представляют собой современную инновационную (готовую к внедрению) технологию решения задач статистики методами теории информации.

Данная статья может быть использована как описание лабораторной работы по дисциплинам:

– Интеллектуальные системы;

– Инженерия знаний и интеллектуальные системы;

– Интеллектуальные технологии и представление знаний;

– Представление знаний в интеллектуальных системах;

– Основы интеллектуальных систем;

– Введение в нейроматематику и методы нейронных сетей;

– Основы искусственного интеллекта;

– Интеллектуальные технологии в науке и образовании;

– Управление знаниями;

– Автоматизированный системно-когнитивный анализ и интеллектуальная система «Эйдос»;

которые автор ведет в настоящее время[24], а также и в других дисциплинах, связанных с преобразованием данных в информацию, а ее в знания и применением этих знаний для решения задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области (а это практически все дисциплины во всех областях науки).

Этим и другим применениям должно способствовать и то, что данное приложение вместе с системой «Эйдос» размещено автором в полном открытом бесплатном доступе по адресу:  https://cloud.mail.ru/public/a5b22d65bc88/Aidos-X-1071503001.rar. Для установки системы с данным приложением на компьютере достаточно развернуть архив в корневом каталоге на диске C:.

Таким образом, в статье предлагается решение проблемы, заключающейся в том, что с одной стороны рейтинг российских вузов востребован, а с другой стороны пока он не создан. Предлагаемая идея решения проблемы состоит в применении отечественной лицензионной инновационной интеллектуальной технологии для этих целей: а именно предлагается применить автоматизированный системно-когнитивный анализ (АСК-анализ) и его программный инструментарий – интеллектуальную систему «Эйдос».  Эти методы подробно описываются в этом контексте. Предлагается рассмотреть возможности применения данного инструментария на примере университетского рейтинга Гардиан и рассматриваются его частные критерии (показатели вузов). Указываются источники данных и методика их подготовки для обработки в системе «Эйдос». В соответствии с методологией  АСК-анализа описывается установка системы «Эйдос», ввод исходных данных в нее и формализация предметной области, синтез и верификация модели, их отображение и применение для решения задач оценки рейтинга Гардиан для российских вузов и исследования объекта моделирования. Рассматриваются перспективы и пути создания интегрированного рейтинга российских вузов и эксплуатации рейтинга в адаптивном режиме. Указываются ограничения предлагаемого подхода и перспективы его развития.

 

Конечно, рассматриваемая проблема требует к себе очень серьезного отношения и большого объема работ по совершенствованию инструментария, созданию и исследованию моделей на российских данных. Поэтому предлагаемые в разделе решения можно рассматривать не более как идею решения поставленной проблемы и численную иллюстрацию этой идеи, но ни в коем случае не как готовое решение.

 

6.2.3. Двухуровневая АСУ качеством подготовки
специалистов, как АСУ ТП в образовании

 

В данном разделе рассматриваются вопросы создания двухуровневой автоматизированной системы управления (АСУ) качеством подготовки специалистов, как АСУ технологическими процессами (АСУ ТП) в образовании. При этом на первом уровне объектом управления является учащийся, а управляющей системой – учебный процесс, на втором же уровне  сам учебный процесс, прежде всего профессорско-преподавательский состав (ППС) рассматриваются в качестве объекта управления, а управляющей системой является учебный отдел (управление) и руководство вузом, которые по своему месту в иерархической системе обработки данных, информации и знаний в вузе и их использования для управления призваны выполнять функции контроллинга по отношению к ППС, но сами еще не осознают этого и далеко не всегда делают. В данном разделе поставлена проблема создания АСУ вузом и обоснована актуальность ее решения, рассмотрены пути решения этой проблемы, раскрыто понятие информатизации, детализированы ее цель и задачи, рассмотрены направления и основные приоритеты информатизации, обоснованы пути создания, развития и поддержки информационной инфраструктуры, а также конкретизированы необходимые для этого мероприятия и порядок действий, изучена специфика применения АСУ в вузе, предложены и обоснованы двухконтурная модель рефлексивной  АСУ качеством подготовки менеджеров, которая рассматривается авторами как АСУ ТП в образовании, рассмотрены сходство и различие между классическими АСУ ТП и АСУ в образовании.

 

6.2.3.1.  Проблема создания АСУ вузом
и актуальность ее решения

 

Основной целью образования и любого вуза является обучение и воспитание студентов, в результате чего они превращаются из вчерашних школьников в молодых специалистов – полноценных членов общества. Эти виды деятельности вуза имеют существенно информационный характер, т.е. в первом приближении связаны с передачей студентам от преподавателей регламентированной образовательными стандартами по количеству и содержанию информации. Для достижения цели образования студент должен находиться в определенной образовательной среде, в которой ему должна быть предоставлена возможность поиска и получения необходимой ему информации.

Традиционно основными источниками информации для студента являются: лекционные, практические, лабораторные и семинарские занятия, а также самостоятельные занятия (в основном в период подготовки к сдаче зачетов и экзаменов). В качестве носителей информации используются конспекты лекций, которые студенты пишут на лекциях, и учебные пособия, которые они могут найти по каталогам и получить в библиотеке вуза.

Сам вуз, как организация, имеет определенную структуру управления, включающую в частности подсистемы управления учебным процессом, научной и инновационной деятельностью, финансово-экономической деятельностью и другие. Таким образом, вырисовывается два основных уровня организации информационных процессов в вузе: информационное воздействие на студента в учебном процессе и управление самим учебным процессом и его качеством.

Преимущества, которые в принципе могла бы дать комплексная автоматизация вуза по всем этим направлениям его деятельности сегодня очевидна уже для многих руководителей, но надо отметить, что далеко не для всех и далеко не в полной мере. В данной работе мы не ставим себе задачу обоснования целесообразности автоматизации управления вузом, т.к. считаем, что для того чтобы убедиться в этом, достаточно посмотреть вокруг. Если это не помогает, то уже едва ли помогут даже сотни подобных статей.

Парадоксально, но в XXI веке, когда информационные технологии активнейшим образом проникают во все сферы жизни общества, вузы остаются для них во многом Terra Incognita и пока не оказали системного влияния на учебный процесс и практику управления вузом. Вместе с тем на протяжении многих лет, даже можно сказать десятков лет, ведущими вузами страны предпринимались неоднократные настойчивые попытки создания автоматизированной системы управления (АСУ) вузом. И сегодня есть все основания констатировать, что эти попытки не привели к успеху, т.к. в результате созданы лишь фрагменты подобной системы, причем не в универсальной форме, а тесно привязанные к специфике того или иного вуза. В чем же возможные причины этого?

На наш взгляд главная причина состоит в том, что АСУ вузом относится к большим сложным динамичным системам. Подобные системы очень сложно, если вообще возможно, централизованно спроектировать, создать, внедрить, а также обеспечить сопровождение их эксплуатации и развитие, т.к. для этого необходимо соблюдение целого ряда трудно выполнимых условий и решение ряда масштабных научных, технических, финансовых, организационных, юридических, психологических и других проблем.

 

6.2.3.2. Пути решения проблемы создания АСУ вузом

 

6.2.3.2.1. Проектирование АСУ вузом

АСУ вузом является большой сложной системой. Это означает, что ни один человек не в состоянии охватить эту систему в своем сознании в целом и одновременно с детализацией, достаточной для того, чтобы описать эту систему в стандартной документации разработчика программного обеспечения (ПО): технико-экономическом обосновании (ТЭО), техническом задании (ТЗ), техническом проекте (ТП), рабочем проекте (РП) и тем более создать ее.

Конечно, может быть где-то в мире и существуют несколько таких совершенно исключительных по своему уровню компетентности специалистов, способных на это, но на них ориентироваться нельзя, т.к. едва ли реалистично рассчитывать на то, что такие специалисты в обозримой перспективе появятся в каждом вузе. А именно такой специалист должен возглавить коллектив, занимающийся созданием, внедрением, поддержкой и развитием системы (о подобном коллективе мы еще поговорим ниже).

Но даже если бы это нереальное условие было выполнено, то возникает проблема создания АСУ вузом на практике, т.е. проблема создания соответствующего комплекса технических средств, программного и других видов обсечения, на которых мы остановимся ниже.

Однако АСУ вузом является не только большой и сложной, но и весьма динамичной системой. Это значит, что даже если бы проект АСУ вузом по какому-то волшебству или мановению волшебной палочки оказался готовым и лежал стопкой переплетенных томов на столе ректора, то пролежав бы там месяц-два он устарел бы на столько, что пришлось бы вносить в него изменения, причем не только в него, но и в саму реально работающую систему.

Кроме того необходимо отметить, что по ряду вопросов, имеющих принципиальное значение для создания некоторых подсистем АСУ вузом, например таких как подсистема управления качеством образования, в настоящее время пока не найдено общепринятого научного решения.

На основании вышесказанного авторы вынуждены сделать вывод о том, что классическим путем по технологии "сверх вниз" спроектировать и тем более создать подобную систему практически невозможно.

Поэтому авторы считают, что одним из "узких мест" классического подхода к проектированию и созданию АСУ вузом является централизация руководства и специалистов по проектированию и созданию системы и предлагают отказаться от этого классического подхода в пользу децентрализованного подхода, при котором, как это ни парадоксально, проектировать и специально создавать АСУ вузом не нужно, а нужно лишь создать благоприятные условия для ее возникновения и развития, при этом централизованно задаются лишь некие общие принципы и стандарты информационного взаимодействия в рамках системы, возможно включая рекомендации по выбору инструментальных средств, а принятие и реализация решений по созданию подсистем, включая работы по их созданию, внедрению, поддержке и развитию осуществляются теми лицами и подразделениями, которые в этих подсистемах заинтересованы.

 

6.2.3.2.2. Создание АСУ вузом

Как показывает опыт, чаще всего руководство вузов и администраторы от науки других уровней, особенно гуманитарии, находятся под влиянием весьма распространенных и живучих (устойчивых) заблуждений и иллюзий о том, что на практике создание АСУ вузом могут и должны осуществлять преподаватели той кафедры (факультета), которая имеет наибольшее отношение к компьютерным технологиям, а также студенты этой кафедры (факультета), обучающиеся по соответствующим специальностям.

Что можно сказать по этому поводу, если выразить это в аргументированной форме, пытаясь не вдаваться в эмоции? Прежде всего это очень печально, т.к. по сути ставит жирный крест на перспективах создания АСУ вузом в обозримой перспективе, еще печальнее то, что преодолеть эти устойчивые заблуждения и иллюзии по-видимому нет никакой реальной возможности. Теперь аргументы:

Во-первых, преподавание дисциплин, связанных с компьютерными технологиями, и создание, поддержка и развитие реально действующей большой, сложной, динамичной системы требуют совершенно различных профессиональных навыков и преподаватели, за редким исключением, не имеют опыта подобных работ и вообще не являются в этой области специалистами-профессионалами.

Во-вторых, оплата труда преподавателей осуществляется исходя из почасовой учебной нагрузки с учетом ученых степеней и научных званий, а масштабные работы работам по созданию, поддержке и развитию АСУ вузом не могут выполняться в качестве "общественной нагрузки", т.е. без дополнительной оплаты.

В-третьих, в должностные обязанности преподавателей входит проведение занятий ("звонковая нагрузка"), а также разработка учебно-методических материалов, необходимых для обеспечения учебного процесса и научная работа, а работы по созданию, поддержке и развитию АСУ вузом не входят в круг должностных обязанностей преподавателей.

В-четвертых, преподаватели, многие из которых работают на 1.5 ставки, физически не смогут уделять работам по созданию, поддержке и развитию АСУ вузом того, времени, которое для этого необходимо. А так как для этого необходимо все рабочее время, то обращаться к этим работам от случая к случая во время перерывов или "окон" между занятиями – это значит обречь их на невыполнение. Мы уже не говорим о том, что эти окна нужны еще и для восстановления сил, профессионального общения с коллегами, общения со студентами по текущим вопросам, работы по подготовке к занятиям, да и просто для того, чтобы перейти из одной учебной аудитории в другую (в Кубанском государственном аграрном университете это может занимать до 15-20 минут).

В-пятых, "об использовании студентов" на работах по созданию, поддержке и развитию АСУ вузом:

– прежде всего надо отметить, что основная обязанность студентов – это учиться. Поэтому их привлечение к подобным работам возможно только если это соответствует их специальности и оформлено, например, в виде учебно-методической или производственной практики;

– студенты, за редким исключением, еще в меньшей степени, чем преподаватели обладают теми профессиональными навыками, которые необходимы для выполнения подобных работ, т.е. просто профессионально не готовы их выполнять;

– студенты – народ необязательный, т.е. они работают только тогда, когда зависимы, а зависимы они не больше семестра: до сдачи очередного зачета или экзамена, которая воспринимается ими не иначе как "освобождение" от навязанных в этой связи обязанностей или "отработок".

В результате действия всех этих факторов использование студентов для выполнения подобных работ, как показывает большой опыт, имеющийся у авторов, приводит к большой текучести коллектива и очень некачественной его работе.

Таким образом, если кратко сформулировать ответ авторов на вопрос о том, кто должен заниматься созданием, поддержкой и развитием АСУ вузом, состоит в следующем: работами по созданию АСУ вузом должны заниматься профессионалы в этой предметной области, причем они должны делать это в соответствии со своими основными должностными обязанностями, за достойную оплату и в свое основное рабочее время. Ясно, что эти специалисты – это явно не преподаватели и тем более не студенты. Именно такие "кадры решают все", или почти все.

 

6.2.3.2.3. О коллективе, работающем над АСУ вузом

Специалисты, определяющие ключевые моменты, касающиеся всего вуза в целом, от которых зависит создание, поддержка и развитие АСУ вузом, должны быть организованы в форме коллектива.

Традиционно подобные коллективы, которые есть в большинстве вузов (за редким исключением), называются "Научно-технический Центр новых информационных технологий". Авторы предлагают не создавать подобное подразделение, т.к. это можно рассматривать как первый шаг по пути "скатывания" к традиционным централизованным уже дискредитировавшим себя подходам. Вторым, уже практически неизбежным шагом, может стать возложение на этот центр работ проектированию и созданию АСУ вузом.

Поэтому авторы предлагают назвать этот коллектив "служба проректора по информационным технологиям" (служба IT), по аналогии со службой главного инженера или главного электрика на производственных предприятиях.

Чтобы деятельность службы IT имела соответствующий юридический статус в вузе она должна основываться на утвержденной ректором Концепции информатизации вуза, кроме того она должна быть обеспечена кадрами, финансово и организационно, помещениями, компьютерной и оргтехникой, широкополосным выходом в Internet.

 

6.2.3.2.4.  Основные принципы и направления
работы над АСУ вузом

Авторы предлагают рассматривать АСУ вузом как децентрализованную открытую самоорганизующуюся систему, аналогичную системам, реализуемым на основе Internet. Это означает, что работа над АСУ вузом должна подчиняться следующим основным принципам:

1. Развитие системы не должно вступать в противоречие с действующим законодательством Российской Федерации и общепринятыми в цивилизованном обществе морально-этическими нормами.

2. Централизованно задаются лишь некие общие принципы и стандарты информационного взаимодействия в рамках системы, возможно включая рекомендации по выбору инструментальных средств.

3. Система открыта для включения в ее структуру новых подсистем, состав которых заранее не регламентирован, причем решение о создании и включении в состав системы новых подсистем принимается демократично, т.е. теми, кто ее будет ее создавать, поддерживать и развивать "в явочном порядке", т.е. не требует согласования или утверждения на каком-либо вышестоящем административном уровне.

4. Система самоорганизуется, т.е. никто заранее не планирует и не проектирует ее функции и поддерживающую эти функции структуру, а они возникают и развиваются в соответствии с текущими и перспективными потребностями самих пользователей системы. Примерно так, если мелко вспахать всю территорию вуза, то постепенно между его корпусами образуются протоптанные студентами и преподавателями тропинки и дорожки, которые можно потом заасфальтировать, а промежутки между ними засадить газонной травой, декоративным кустарником и деревьями. В результате, во-первых, отпадает необходимость в проектировании системы дорожек, а во-вторых, незачем ставить на газонах таблички: "По газонам не ходить", т.к. это и так никому не нужно.

Основные направления работы службы IT включают:

– разработка и координация реализации концепции информатизации вуза;

– создание, поддержка и развитие комплекса технических средств информационной инфраструктуры АСУ вузом, включая корпоративную сеть вуза, главный сервер, предоставление услуг широкополосного доступа в Internet для преподавателей и студентов как с компьютеров, находящихся на территории вуза, так и с их домашних и мобильных компьютеров;

– разработка и реализация ключевых (центральных) проектов АСУ вузом, непосредственно касающихся всего вуза в целом, включая: электронную библиотеку; сайт вуза; политематический сетевой электронный научный журнал вуза; сайты всех факультетов и кафедр (на первом этапе); подсистему дистанционного образования; подсистему управления качеством образования; мультимедийных и электронных учебных пособий и программно-методических комплексов (ПМК); подсистемы автоматизации научно-инновационной, кадровой, планово-экономической и финансовой деятельности и другие;

– обучение специалистов (в рамках дополнительного образования) факультетов и кафедр для поддержки и развития сайтов этих подразделений и создания мультимедийных и электронных учебных пособий;

– научные исследования и решение научных проблем и задач, связанных с управлением качеством образования и другими ключевыми аспектами создания АСУ вузом.

 

6.2.3.3. Понятие информатизации, ее цель и задачи

 

Информатизация – это процесс разработки, создания и массового применения современных информационных технологий (в т.ч. телекоммуникационных, мультимедийных, интеллектуальных).

Целью информатизации является обеспечение качественного доступа к университетским и мировым информационным ресурсам (учебным, научно-методическим и др.) для руководства вуза, руководства факультетов и кафедр, профессорско-преподавательского состава (ППС), аспирантов и студентов, интеграция вуза в мировое информационное пространство.

Задачи информатизации:

– на уровне руководства вуза: эффективное обеспечение высшего руководства вуза и руководителей подразделений достоверной стратегической и оперативной информацией, поддержка принятия решений административно-управленческим персоналом;

– на уровне ППС: информационное обеспечение учебной и научной деятельности; внедрение современных информационных, в т.ч. мультимедийных технологий, в учебный процесс;

– на уровне студентов: доступ к учебно-методической и научной информации, необходимой для профессионального и гражданского становления.

 

6.2.3.4. Направления информатизации

 

1. Разработка и реализация Технической политики вуза в области информатизации.

2. Проектирование, поэтапное создание, поддержка и развитие компонент автоматизированной системы управления (АСУ) вузом, прежде всего подсистем управления качеством подготовки специалистов и учебным процессом, систем информационной поддержки образования.

3. Создание, поддержка и развитие корпоративной сети вуза.

4. Обеспечение качественного доступа в Internet со всех сетевых рабочих станций корпоративной сети вуза, а также для профессорско-преподавательского состава вуза – с домашних компьютеров через вузовский узел коллективного доступа в Internet.

5. Поддержка HOST-компьютера, доменов и сайта вуза, электронного сетевого научного журнала вуза.

6. Проведение научно-исследовательских, проектных, опытно-конструкторских, монтажных и пусконаладочных работ по созданию новых наукоемких продуктов в области современных информационных технологий: программных систем и банков данных различного назначения, web-сайтов, мультимедийных продуктов (в т.ч. электронных учебников) на компакт-дисках, разработка и техническое обеспечение электронных презентаций (организация мультимедийной аудитории) и т.д..

7. Создание электронных баз данных и CD-архивов накопленной в вузе многолетней информации об агрометеорологических условиях и технологиях, а также количественных и качественных результатах сельскохозяйственного производства.

8. Создание, поддержка и развитие Web‑сайта вуза (в т.ч. на английском языке), включая общеуниверситетский раздел, разделы факультетов, кафедр, библиотеки (с возможностью использования каталогов и доступа к научным и учебно-методическим материалам), раздел информационной поддержки обучения, электронные научные и методические издания вуза, on-line консалтинговые службы, персональные страницы профессорско-преподавательского состава, студентов и аспирантов, и др.

10. Сервисное обслуживание и ремонт компьютерной и оргтехники вуза (по обращениями руководителей кафедр или факультетов).

11. Внедрение современных информационных технологий в организациях – участниках Кубанского аграрного научно-образовательного объединения.

12. Информационная поддержка процессов принятия решений (в первую очередь административно-управленческих, организационных и хозяйственных).

13. Информационно-вычислительное и мультимедийное обеспечение учебного процесса.

14. Формирование, развитие и удовлетворение информационных потребностей учебных кафедр, научных подразделений и студенческих групп.

15. Создание баз данных, содержащих информацию, необходимую для эффективного функционирования административно-хозяйственных служб вуза, и базы (хранилища) знаний для информационного обеспечения основной миссии вуза.

16. Формирование сферы информационных услуг в образовательной области для внутренних и внешних пользователей.

17. Формирование и поддержка условий, способствующих и обеспечивающих развитие процесса информатизации.

18. Правовое обеспечение вопросов интеллектуальной и информационной собственности.

По мере развития АСУ вузом могут выявляться и новые направления работы, касающиеся всего вуза в целом, другие же наоборот, могут уходить на уровень факультетов, кафедр или других подразделений.

 

6.2.3.5. Приоритеты информатизации

 

Процесс информатизации вуза строиться с учетом следующих приоритетов:

– информатизация органов управления вуза, обеспечивающая реализацию новых функций и совершенствование качества и эффективности методов управления;

– информатизация учебного процесса, обеспечивающая различные формы компьютерного образования и значительно расширяющая возможности и повышающая качество образовательного процесса;

– информатизация научной деятельности, обеспечивающая публикацию научных и методических работ в электронном сетевом научном журнале вуза, доступ к различным банкам научной и методической информации и электронным библиотечным фондам вуза и других вузов, активное участие сотрудников и студентов в российских и международных научных программах.

 

6.2.3.6.  Создание, развитие и поддержка
информационной инфраструктуры

 

Решение задач информатизации предполагает создание и развитие соответствующей информационной инфраструктуры. При этом на успех можно рассчитывать лишь при соблюдении вполне определенной наукоемкой технологии и полной поддержке процессов информатизации руководством вуза.

Для этого необходимо разработать, создать или приобрести:

– коммуникационную среду, включающую разнообразные средства компьютерной связи и передачи данных, технологии использования этой среды, обеспечивающей выход в городские, общегосударственные и международные компьютерные сети;

– систему баз данных различного назначения (административно-управленческие, научные, методические, информационно-справочные);

– локальные сети факультетов и корпусов;

– корпоративную общеуниверситетскую сеть;

– информационно-управляющие системы различного назначения.

Для формирования и поддержки информационной инфраструктуры необходимы следующие виды обеспечения:

1. Организационно-юридическое.

2. Финансово-экономическое.

3. Техническое.

4. Телекоммуникационное.

5. Математическое.

6. Информационное.

7. Программное.

8. Кадровое.

Информатизация предполагает решение целого ряда сложных научных, производственно-технических и социальных задач:

– проведение прикладных научных исследований и проектных работ в области информатики и системных решений;

– ускоренное развитие материально-технической базы информатизации (включая парк компьютерной и оргтехники и средства компьютерных телекоммуникаций);

– внедрение существующих, а также разработка, развитие и применение новых информационных технологий, создание технологической базы информатизации;

– подготовка кадрового состава и повышение "информационной" культуры руководителей всех уровней и конечных пользователей;

– разработка необходимой правовой базы.

 

6.2.3.7. Необходимые мероприятия
и порядок действий

 

Информатизация является одним из важных элементов деятельности вуза, не просто способствующим повышению эффективности его основной деятельности, но в настоящее время являющимся одним из необходимых условий обеспечения международного уровня качества подготовки специалистов и интеграции в международное образовательное пространство.

Для этого прежде всего необходимо создать, поддерживать и развивать техническую основу для решения:

– локальных задач на кафедрах вуза (приобретение компьютеров и периферийного оборудования);

– задач факультетского уровня (создание локальных компьютерных сетей факультетов).

– задач общеуниверситетского уровня (создание корпоративной компьютерной сети вуза);

– задач уровней научно-образовательного объединения, регионального, а также федерального и международного.

Затем, по мере развития технических средств, создать программно-информационную среду, обеспечивающую повышение эффективности основных направлений деятельности вуза (образование, наука, управление). Создание этой среды представляется в форме создания (приобретения) и внедрения сетевых информационных ресурсов, ориентированных на определенные группы пользователей, включая руководство университетом, профессорско-преподавательский состав, аспирантов, студентов, руководителей и специалистов, аграрных и других предприятий, вузов.

Реализация данной концепции основывается на принципах создания, функционирования и развития больших открытых систем. Основными из них являются:

1. "Принцип первого лица": поддержка информатизации первым лицом является необходимым условием успеха.

2. "Принцип децентрализованного метауправления": процесс создания системы информатизации вуза координируется службой IT лишь в научно-методическом плане, т.е. в форме метауправления, а не в форме принятия или визирования решений или тем более в форме выполнения предпроектных и проектных работ и реализации проектов.

Эти и другие принципы должны быть изложены и конкретизированы в документе с названием: "Техническая политика в области информатизации в вуза", который является методическим руководством по принятию решений в области информатизации для всех руководителей структур вуза, принимающих такие решения.

Сроки реализации Концепции информатизации вуза определяются сроками и объемами финансирования работ вузом, а также чисто технологическими параметрами.

В работах [15, 16] рассматривается специфика применения автоматизированных систем управления (АСУ) в вузе для управления качеством подготовки менеджеров, предлагается двухконтурная модель АСУ, на 1-м контуре которой осуществляется управление студентом с помощью образовательного процесса, а на 2-м – управление самим образовательным процессом, при этом рефлексивная АСУ качеством подготовки менеджеров рассматривается авторами как АСУ технологическими процессами (ТП) в образовании. Работа поддержана грантом КубГАУ за 2006 год по созданию программы мониторинга качества образования.

 

6.2.3.8. Специфика применения АСУ в вузе

 

Классическая схема автоматизированной системы управления (АСУ) включает управляемый объект и управляющую систему, находящиеся в некоторой окружающей среде и взаимодействующие друг с другом за счет управляющих и обратных связей (рисунок 37).

Рисунок 37. Структура типовой АСУ

 

Традиционно АСУ применялись при управлении различными техническими системами и технологическими процессами (АСУ ТП). В экономике известны АСУ организационного управления (АСОУ), в которых осуществляется управление людьми, выполняющими различные функции по производству материального продукта.

Возникает вопрос о том, можно ли осуществить перенос огромных наработок в этих областях на новую предметную область: синтез рефлексивной АСУ качеством подготовки менеджеров? Для обоснованного ответа на этот вопрос, как минимум, необходимо сравнить АСУ в вузе с АСУ на производстве и в экономике, т.е. по сути, провести некоторую аналогию (конечно, насколько это корректно и возможно) между вузом и заводом, сравнить, что в этих случаях является сырьем, управляющими факторами, конечным продуктом, окружающей средой (таблица 28):

 

 

 

Таблица 28 – СРАВНЕНИЕ РЕФЛЕКСИВНОЙ АСУ КАЧЕСТВОМ
ПОДГОТОВКИ МЕНЕДЖЕРОВ С АСУ ТП И АСОУ

 

В таблице 28 приведены АСУ, в которых объектом управления является некий объект, на начальном этапе представляющий собой сырье, а на конечном, благодаря воздействию определенной технологии, преобразующийся в конечный продукт, выпускаемый организацией и потребляемый некоторым внешним потребителем.

Конечно, абитуриент обладает определенными предпосылками для того, чтобы стать или не стать хорошим студентом или менеджером, но можно ли на этом основании в каком-то смысле сравнивать его с сырьем или какой-нибудь заготовкой для будущей детали? Если при этом сравнении упускается специфика абитуриента, как активной системы, то такое сравнение безусловно некорректно, если же характеристика конституционных и социально-обусловленных личностных свойств абитуриента (в том числе таких как его оценка и самооценка, мотивации, ценностные ориентации и т.д.) входит в систему исследуемую факторов, влияющих на его переход в будущие состояния, как это предлагается в данной работе, то такое сравнение не только обоснованно, но и целесообразно.

 

6.2.3.9.  Двухконтурная модель рефлексивной
АСУ качеством подготовки менеджеров

 

6.2.3.9.1. Концепция рефлексивной АСУ качеством
подготовки менеджеров и технология QFD
(технология развертывания функций
качества)

 

Чтобы сформулировать концепцию управления в рефлексивной АСУ качеством подготовки менеджеров рассмотрим упрощенную формальную модель. Процесс управления состоит из последовательных циклов управления, каждый из которых включают следующие этапы:

– количественное сопоставимое измерение параметров и идентификация состояния объекта управления;

– оценка эффективности (качества) предыдущего управляющего воздействия;

– если предыдущее управляющее воздействие не обеспечило приближения цели, то выработка новых или корректировка (адаптация) имеющихся методов принятия решений;

– иначе – выработка нового управляющего воздействия на основе имеющихся методов принятия решений;

– реализация управляющего воздействия.

При этом объектами управления, в соответствии с технологией QFD (развертывания функций качества) на различных уровнях являются:

– потребительские свойства продукта;

– свойства его компонент;

– технологический процесс;

– элементы (операции) технологического процесса (рисунок 17):

 

Рисунок 38. Обобщенная схема QFD-технологии
(развертывание функций качества) по Б. Робертсону

 

 

6.2.3.9.2. Рефлексивная АСУ качеством подготовки
менеджеров группы Б: 1-й контур:
"Образовательный процесс – студент"

 

Конкретизируем общие положения QFD-технологии (развертывание функций качества) для случая рефлексивной АСУ качеством подготовки менеджеров. Из этой технологии следует, что на макроуровне в этой АСУ должно быть по крайней мере два уровня:

– 1-й уровень – управление качеством конечной продукции;

– 2-й уровень – управление качеством технологии производства конечной продукции.

Такие АСУ, которые управляют производством конечного продукта организации, будем называть АСУ группы "Б" (АСУ средств потребления). Применительно к рефлексивной АСУ качеством подготовки менеджеров, АСУ группы "Б" – это АСУ управления студентом с помощью образовательных технологий (рисунок 39):

 

Рисунок 39. Обобщенная схема АСУ КПС группы "Б"

 

Обычно влияние тех или иных традиционных образовательных технологий на свойства выпускника считается известным. Это положение не подвергается в данной работе сомнению, однако необходимо отметить, что само понятие "известно" существенно отличается в гуманитарной и технических областях, т.е. в этих областях приняты различные критерии для классификации исследуемых закономерностей на "известные" и "неизвестные". Это приводит к тому, что в ряде случаев то, что "гуманитарии" считают для себя известным не является таковым для "естественников", т.е. они, конечно, имеют эти знания, но они их не устраивают. Как правило, гуманитариев устраивает качественная оценка связи, в результате они часто оперируют нечеткими высказываниями типа: "Наличие хороших учебных помещений положительно сказывается на качестве образования". И это для них приемлемо. Однако для создания АСУ необходима количественная модель предметной области, отражающая знания о взаимосвязях образовательных технологий и уровнях предметной обученности и воспитанности студентов, т.е. знаний, выраженных в такой качественной форме недостаточно, требуется количественная формулировка.

Что значит "хорошее учебное помещение", что "значит качество образования", в каких сопоставимых единицах измерения и каким способом (и каким измерительным инструментом) можно измерять эти величины, в каких единицах измерения измеряется взаимосвязь между ними, носит ли она детерминистский или статистический характер и т.д. и т.п. Вот лишь некоторые вопросы, которые задают себе проектировщики АСУ. В результате в одной и той же ситуации гуманитарий может считать, что ему "известна та или иная зависимость", а менеджер по созданию АСУ, предъявляющий к себе значительно более жесткие требования, не может себе позволить так считать, что ему это известно, а значит, будет ставить вопрос о проведении специальных исследований для выявления и количественного измерения этих связей.

Поэтому при создании рефлексивной АСУ качеством подготовки менеджеров возникают проблемы:

– количественного измерения различных параметров образовательных процессов, предметной обученности и воспитанности студентов и выпускников;

– выявления количественных зависимостей между параметрами образовательных процессов (управляющими воздействиями) и предметной обученностью и воспитанностью студентов и выпускников.

Во всех случаях внедрение АСУ означает, прежде всего, изменение (совершенствование) технологии воздействия на объект управления (рисунок 18 и таблица 28). Таким образом, сам процесс внедрения АСУ можно рассматривать как процесс управления совершенствованием технологии производства конечного продукта вуза, т.е. выпускника, молодого менеджера.

 

 

6.2.3.9.3. Рефлексивная АСУ качеством подготовки
менеджеров группы А: 2-й контур:
"Руководство вузом – образовательный
процесс"

 

АСУ, в которых сама образовательная технология является объектом управления, мы отнесем к группе "А"  (таблица 29).

В технических, производственных и (в меньшей степени) в экономических системах АСУ группы "А" являются чем-то экзотическим, т.к. объект управления, как правило, представляет собой систему с медленноменяющимися параметрами. В этих областях АСУ после внедрения работают достаточно длительное время без существенных изменений.

 

 

 

Таблица 29 – Компоненты АСУ образовательными технологиями

№

Элементы АСУ

Рефлексивная АСУ
качеством подготовки менеджеров

1

Сырье

Образовательный процесс и ППС до внедрения рефлексивной АСУ качеством подготовки менеджеров

2

Объект
управления

Образовательный процесс и преподаватели

3

Управляющие факторы

Материально-техническое и научно-методическое обеспечение образовательного процесса, повышение квалификации ППС

4

Конечный
продукт

Образовательный процесс и ППС после внедрения рефлексивной АСУ качеством подготовки менеджеров

5

Потребитель

Сам выпускник, его родители, организации, социум

6

Окружающая
среда

Рынок труда и образовательных услуг

 

В рефлексивной АСУ качеством подготовки менеджеров ситуация кардинально иная: и сами учащиеся, и условия окружающей среды, являются весьма динамичными, из чего с необходимостью следует и высокая динамичность образовательных технологий. Следовательно, рефлексивная АСУ качеством подготовки менеджеров группы "Б" фактически не только не может быть внедрена, но даже и разработана без одновременной разработки и внедрения рефлексивной АСУ качеством подготовки менеджеров группы "А", которая бы обеспечила ей высокий уровень адаптивности, достаточный для обеспечения поддержки адекватности модели как при количественных, так и при качественных изменениях предметной области, т.е. как на детерминистских, эргодичных периодах, на которых закономерности предметной области остаются практически неизменными или изменяются лишь количественно, так и после прохождения системой точек бифуркации, после чего они изменяются качественно.

Обобщенная схема рефлексивной АСУ качеством подготовки менеджеров группы "А" приведена на рисунке 40:

 

Рисунок 40. Обобщенная схема рефлексивной АСУ
качеством подготовки менеджеров группы "А"

 

6.2.3.9.4. Двухконтурная модель и обобщенная
схема рефлексивной АСУ качеством
подготовки менеджеров

 

Объединение рефлексивной АСУ качеством подготовки менеджеров групп "А" и "Б" приводит к схеме двухуровневой АСУ, в которой первый контур управления включает управление студентом, а второй контур управления обеспечивает управление самой образовательной технологией, оказывающей управляющее воздействие на студента.

Но и управление образовательными технологиями будет беспредметным без обратной связи, содержащей информацию об эффективности, как традиционных педагогических методов, так и педагогических инноваций, т.е. без учета их влияния на качество образования.

Кроме того, рефлексивная АСУ качеством подготовки менеджеров включает ряд обеспечивающих систем, работа которых направлена на создание наиболее благоприятных условий для выполнения основной функции этой АСУ, т.е. обеспечение международного уровня качества образования. Это так называемые обеспечивающие подсистемы:

– стратегическое управление (включая совершенствование организационной структуры университета и демократизацию управления);

– управление инновационной деятельностью (НИР, ОКР, внедрение);

– управление информационными ресурсами (локальные и корпоративные сети, Internet);

– управление планово-экономической, финансовой и хозяйственной деятельностью, и др.

Необходимо также отметить, что рефлексивная АСУ качеством подготовки менеджеров работает в определенной окружающей среде, которая, в частности, включает:

– социально-экономическую среду;

– рынок труда;

– рынок образовательных услуг;

– рынок наукоемкой продукции.

Учитывая вышесказанное, в данном исследовании предлагается следующая обобщенная модель рефлексивной АСУ качеством подготовки менеджеров, включающую  в качестве базовых подсистем АСУ групп "А" и "Б", а также обеспечивающие подсистемы (рисунок 41).

Необходимо отметить, что двухуровневая схема рефлексивной АСУ качеством подготовки менеджеров является обобщением структуры типовой АСУ для вуза, а не обобщением структуры рефлексивной АСУ активными объектами [7]. Чтобы рассматривать ее именно как рефлексивную АСУ необходимо иметь в виду, что и образовательный процесс, и студент, являются активными объектами и управляющие воздействия на них имеют информационный характер. При этом информационные потоки обуславливают соответствующие финансовые, энергетические и вещественные потоки, изучаемые методами логистики.

Рисунок 41. Обобщенная схема двухуровневой рефлексивной АСУ
качеством подготовки менеджеров

 

 

6.2.3.10.  Двухуровневая рефлексивная АСУ качеством
подготовки менеджеров, как АСУ ТП
в образовании: сходство и различие

 

Итак, объединение рефлексивных АСУ качеством подготовки менеджеров групп "А" и "Б" приводит к схеме двухуровневой АСУ. Из сравнения рефлексивной АСУ качеством подготовки менеджеров с АСУ ТП, то можно сделать следующие выводы:

– аналогом сырья в вузе является абитуриент;

– объектом управления в вузе является студент, который представляет собой систему несопоставимо более сложную, чем любая техническая система или любой производственный процесс;

– технологический процесс в вузе – это образовательный процесс, где использование технических средств является вспомогательным, а основным является прямое воздействие профессорско-преподавательского состава.

Вуз, если рассматривать его как производственную систему, имеет весьма специфический конечный продукт – это выпускник, молодой менеджер.

Рефлексивная АСУ качеством подготовки менеджеров имеет еще одну ярко выраженную специфическую особенность по сравнению с АСУ ТП: эта особенность – очень большая длительность технологического процесса "по выпуску одного изделия", т.е. время прохождения студента вдоль обрабатывающих центров (преподавателей) по образовательному конвейеру до выпускника (от 4 до 7 лет, обычно 5 лет). В производственных АСУ ТП это время измеряется минутами, реже часами или днями. Эта особенность привела к тому, что на различных стадиях образовательного процесса традиционно сложились свои циклы управления, вложенные во внешний цикл управления более высокого уровня, включающие образовательное управляющее воздействие и контроль его результатов в течение каждого семестра или даже занятия. При этом сами обрабатывающие центры (преподаватели) не автоматизированы и практически все управляющее воздействие представляет собой "ручной труд".

Кроме того, в связи с тем, что качество результата во многом предопределяется качеством "сырья", т.е. абитуриентов, многие вузы пришли к тому, что создали свои собственные системы довузовского образования или наладили тесные шефские связи с уже существующими средними образовательными учреждениями. Для повышения качества образования также очень важно иметь регулярную, систематическую информацию обратной связи о начале и продолжении трудового пути выпускников, молодых менеджеров, об их оценке потребителями. Для получения подобной информации вуз должен быть заинтересован в том, чтобы не терять связь со своими выпускниками на протяжении их трудового и жизненного пути, организуя с этой целью различные товарищества выпускников, регулярные встречи выпускников и т.п. и т.д. Следовательно, создание учебных заведений нового типа, интегрирующих в единую систему системы довузовского, вузовского и послевузовского образования, т.е. университетских комплексов, весьма перспективно. Поэтому обобщенную схему двухуровневой рефлексивной АСУ качеством подготовки менеджеров, представленную на рисунке 41, имеет смысл представить в виде "Технологической схемы управления", более традиционной для АСУ ТП (рисунок 42).

Рисунок 42.  Детализированная схема рефлексивной АСУ качеством подготовки
менеджеров, как двухуровневой АСУ ТП

6.2.3.10.1. Цель рефлексивной АСУ качеством
подготовки менеджеров

 

Традиционно, цель применения АСУ можно представить в виде некоторой суперпозиции трех подцелей:

1. Стабилизация состояния объекта управления в динамичной или агрессивной внешней среде.

2. Перевод объекта в некоторое конечное (целевое) состояние, в котором он приобретает определенные заранее заданные свойства.

3. Повышение качества функционирования самой АСУ (адаптация и синтез модели, совершенствование технологии воздействия на объект управления в соответствии с принципом дальности управления Фельдбаума).

Для рефлексивной АСУ качеством подготовки менеджеров, очевидно, наиболее актуальными являются второй и третий аспекты цели АСУ, причем если второй аспект реализуется путем применения образовательных технологий, то третий – за счет реализации в составе рефлексивной АСУ качеством подготовки менеджеров подсистемы управления образовательным процессом. На этом моменте стоит остановиться подробнее. Если существующая образовательная технология позволяет достичь поставленной перед ней цели, то она просто применяется и эта задача решается. Если же нет, то задача превращается в проблему, которая может быть решена только путем совершенствования самой образовательной технологии.

 

6.2.3.10.2. Структура окружающей среды
рефлексивной АСУ качеством
подготовки менеджеров

 

Как правило, АСУ действует в определенной окружающей среде, которая является общей и для субъекта, и для объекта управления (система управления находится вне среды объекта управления в случае автоматизированных систем дистанционного управления, рассмотрение которых выходит за рамки данной работы). Граница между тем, что считается окружающей средой, и тем, что считается объектом управления относительна и зависит от уровня развития технологий, т.к. определяется возможностью подсистемы управления оказывать на них воздействие: на объект управления управляющее воздействие может быть оказано, а на среду нет.

Окружающая среда включает несколько "слоев": социально-экономическая среда; рынок труда; рынок образовательных услуг; рынок наукоемкой продукции и т.д.

 

6.2.3.10.3. Студент, как объект управления
рефлексивной АСУ качеством
подготовки менеджеров

 

В определенном аспекте студент, очевидно, может с полным основанием рассматриваться как объект управления, на который преподавателями в течение длительного времени систематически оказывается определенное целенаправленное управляющее воздействие, призванное, в конце концов, превратить вчерашнего школьника в профессионала в некоторой предметной области.

Конечно, подобный подход является очень упрощенным, т.к. человек является не просто сложнейшей системой обработки информации, но и обладает свободой воли.

С формальной точки зрения это означает, что человек, как объект управления, представляет собой активную систему. Внешние параметры подобных систем слабым и очень сложным образом связаны с их результирующим (целевым) состоянием. Выразить в аналитической форме эти зависимости в настоящее время практически не представляется возможным. Эти обстоятельства привели к тому, что традиционные подходы к синтезу систем управления состоянием человека, разрабатываемые в основном в медицине, не дали ощутимых результатов. Сложноразрешимые проблемы возникают как на этапе идентификации состояния объекта управления, так и на этапе выработки управляющего воздействия.


[1] При переходе на болонскую систему обучения: бакалавриат и магистратуру, резко уменьшилось число часов на дисциплину и соответственно возросло их количество у каждого преподавателя, т.к. ставки в часах остаются теми же самыми или увеличиваются.

[2] См.: http://nis.adygnet.ru/index.php?module=main

[3] См., например: http://www.hotcourses.ru/study-in-the-uk/choosing-a-university/university-rankings-guide/

[4] http://yandex.ru/yandsearch?lr=35&text=критерии%20оценки%20эффективности%20вузов&lr=35 

[5] Достаточно сделать запрос: «научные конференции форумы по эффективности вузов»

[6] http://ost101.livejournal.com/       http://profdavidson.ucoz.ru/

[7] На наш взгляд такие признаки имеют все вузы. Поэтому дело не в том, имеют они такие признаки или нет, а в том, на сколько эти признаки существенны в совокупности.

[8] http://uup.samgtu.ru/node/211

[9] http://www.theguardian.com/education/table/2011/may/17/university-league-table-2012

[10] http://extras.thetimes.co.uk/public/good_university_guide_landing?CMP=KNGvccp1-university%20rankings

[11] http://extras.thetimes.co.uk/public/good_university_guide_landing?CMP=KNGvccp1-university%20rankings

[12] http://www.educationindex.ru/article_ranking-shanghai-2014.aspx

[13] См., например: http://uup.samgtu.ru/node/211

[14] Проще говоря «ерундой».

[15] Основные публикации автора АСК-анализа по вопросам выявления, представления и использования знаний: http://www.twirpx.com/file/793311/, Луценко Е.В. Системно-когнитивный анализ как развитие концепции смысла Шенка – Абельсона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2004. – №03(005). С. 65 – 86. – IDA [article ID]: 0050403004. – Режим доступа: http://ej.kubagro.ru/2004/03/pdf/04.pdf, 1,375 у.п.л., Луценко Е.В. Методологические аспекты выявления, представления и использования знаний в АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2011. – №06(070). С. 233 – 280. – Шифр Информрегистра: 0421100012\0197, IDA [article ID]: 0701106018. – Режим доступа: http://ej.kubagro.ru/2011/06/pdf/18.pdf, 3 у.п.л.

[16] http://www.theguardian.com/education/table/2011/may/17/university-league-table-2012

[17] http://www.theguardian.com/education/table/2011/may/17/university-league-table-2012

[18] http://www.theguardian.com/news/datablog/2011/may/17/university-guide-2012-data-guardian

[19] http://lc.kubagro.ru/aidos/_Aidos-X.htm

[20] А значит, чтобы его увидеть надо свернуть все окна

[21] См., например: http://www.twirpx.com/file/775236/

[22] См., например: http://uup.samgtu.ru/node/211

[23] См., например: http://yandex.ru/yandsearch?lr=35&text=Паретто-кривая

[24] http://lc.kubagro.ru/My_training_schedule.doc