Содержание к диссертации
Введение
Глава 1 Анализ состояния математического моделирования коммуникаций в виртуальной интегрированной образовательной среде 16
1.1 Обоснование необходимости разработки новых математических методов формирования функций состояния объекта для технологий виртуальной реальности 16
1.2 Анализ объектов и методов для моделирования формирования компетентностного портрета участников процесса обучения 22
1.2.1 Модели оценки результатов обучения 24
1.2.2 Мероприятия оценки результатов обучения 27
1.2.3 Математические модели контроля результатов обучения 28
1.3 Анализ интеграции в образовательную среду информационных технологий 33
1.4 Характеристика реакции человека при взаимодействии с эргатической системой 42
1.5 Описание технологических, программных и математических методов для создания канала обратной связи в обучающей системе виртуальной реальности 49
1.5.1 Технические возможности оценки изменения эмоционального состояния 50
1.5.2 Математические методы описания канала обратной связи эргатических систем 53
1.5.3 Численные методы обработки сигналов в канале связи эргатических систем 55
1.6 Обоснование выбора класса объектов математического моделирования 57
1.7 Постановка проблемы диссертационного исследования 60
Глава 2 Разработка метода математического моделирования объектов: введение статусных функций 64
2.1 Гипотеза о целесообразности использования упорядоченных пар оценок состояния объекта и построения его математической модели на основе комплексных функций 64
2.2 Выявление оптимального базиса на основе использования канонического разложения комплексных скалярных случайных функций 68
2.3 Введение комплексных статусных функций 70
2.4 Операции со статусными функциями и их интерпретация 80
2.5 Матрица средних значений статусных функций как аналог матрицы плотности 85
2.6 Непрерывный канал обратной связи анализа состояния оператора эргатической системы 86
2.7 Математическая модель процесса обучения на основе дифференциальных уравнений для статусных функций 88
2.8 Концепция применения математических моделей на основе метода статусных функций в виртуальной интегрированной образовательной среды 92
2.9 Обоснование выбора модели: априорная эффективность 103
2.10 Методология применения метода статусных функций для моделирования процесса формирования компетенций в вузе как открытой системе 108
2.11 Выводы по главе 2 116
Глава 3 Алгоритм интерпретации и преобразования данных натурного эксперимента на основе метода статусных функций 118
3.1 Сравнительный анализ этапов алгоритма Мамдани и алгоритма интерпретации данных на основе метода статусных функций 119
3.2 Этап 1. Формирование базы правил на примере формирования моделей компетентностного портрета участника процесса обучения 122
3.2.1 Алгоритм формирования одномерных моделей КПУ ПО «один к одному» 130
3.2.2 Алгоритм формирования одномерных моделей КПУ ПО «один ко многим» 131
3.2.3 Алгоритм формирования двумерных моделей КПУ ПО «один к одному» 133
3.2.4 Алгоритм формирования двумерных моделей КПУ ПО «один ко многим» 135
3.3 Этап 2. Фаззификация входных переменных 137
3.4 Этап 3. Агрегирование 138
3.4.1 Описание эксперимента при изучении спецкурса «Матричная оптика» 138
3.4.2 Алгоритм вычисления весовых коэффициентов на основе корреляции всех оценок всех участников 145
3.4.3 Сравнение статусных функций, полученных при проведении эксперимента формирования лингвистических компонент КПУ ПО 148
3.4.4 Сравнение статусных функций, полученных при проведении эксперимента формирования профессиональных компетенций преподавателей 152
3.5 Этап 4. Активизация 158
3.6 Этап 5. Аккумуляция 159
3.7 Этап 6. Дефаззификация (интерпретация выходных данных интерпретатора и алгоритмы обработки данных на основе статусных функций) 160
3.7.1 Дефаззификация данных натурного эксперимента на основе СФ на основе вычисления интегральных моментов 1D моделей 160
3.7.2 Передаточная функция для 1D-полей оценок компетенций 163
3.7.3 Дефаззификация интерпретатора данных натурного эксперимента на основе СФ на основе вычисления интегральных моментов 2D моделей 167
3.7.4 Передаточная функция для 2D-полей оценок компетенций 176
3.8 Применение алгоритма интерпретации данных на основе метода статусных функций для повышения безопасности полетов 181
3.9 Анализ человеко-машинного взаимодействия на основе статусных функций при формировании объемного изображения в волюметрических дисплеях 193
3.10 Выводы по главе 3 203
Глава 4 Архитектура комплекса проблемно-ориентированных программ: концепция настройки информационной системы 205
4.1 Общая структура комплекса проблемно-ориентированных программ 206
4.2 Экспертный блок 209
4.3 Оптимизация весов и параметров экспертного блока 216
4.3.1 Корректировка весовых коэффициентов 218
4.3.2 Корректировка продукционных правил поддержки принятия решений 219
4.4 Реализация алгоритмов вычисления пространственно-временных корреляций в форме мод Карунена-Лоэва для исследования моделей КПУ ПО 221
4.5 Анализ особенностей пространственной структуры КПУ ПО и их влияния на временную динамику интегральных характеристик 231
4.6 Использование числительных методов мод Kарунена-Лоэва и теории особенностей Уитни для настройки программных модулей 235
4.7 Архитектура интеллектуальной системы 238
4.8 Общая структура этапов реализации ИС 243
4.9 Состояние разработанности, связь с разделами диссертации и перспективы 247
4.10 Выводы по 4 главе 253
Глава 5 Проверка адекватности математических моделей статусных функций объектов на основе данных натурного эксперимента 258
5.1 Эксперимент 1. Студенты физического факультета специальности «Медицинская физика», изучающие спецкурс «Матричная оптика» 259
5.2 Эксперимент 2. Студенты стран Азии и Юго-восточной Африки, изучающие русский язык как иностранный на подготовительных курсах 275
5.3 Эксперимент 3. Студенты Медицинского университета, изучающие русский язык как иностранный 283
5.4 Эксперимент 4. Пример оценки компетенций на семинар-конференции по применению процессного подхода в управлении 292
5.4.1 1D-модель данных оценок компетенций по схеме «один к одному» 292
5.4.2 2D-модель данных оценок компетенций по схеме «один к одному» 299
5.5 Эксперимент 5. Пример оценки базовых компетенций преподавателей вузов на тренинге по проблемно-ориентированному анализу 304
5.6 Эксперимент 6. Пример оценки компетенций менеджеров коммерческой компании 2D-модель по схеме «один ко многим» 2011 год 313
5.7 Эксперимент 7. Возможности комплексной оценки сложных объектов 316
5.8 Эксперимент 8. Организация неинвазивной обратной связи для виртуальной обучающей системы в учебном процессе: постановка задачи, состав оборудования, эксперимент 330
5.9 Оценка эффективности поддержки принятия управленческих решений при управлении процессом формирования компетенций на основе статусных функций 340
5.10 Выводы по главе 5 346
Заключение 349
Список литературы 353
Основные публикации по теме диссертации: 375
Список сокращений и условных обозначений 386
Список иллюстративного материала 387
Приложения 389
Приложение А. Физические аналогии метода статусных функций 390
Приложение Б. Вид статусных функций 394
Приложение В. Структура сбора информации для эксперимента 3 399
Приложение Г. Структура сбора информации для эксперимента 6 400
Приложение Д. Структура сбора информации для эксперимента 4 402
Приложение Е. Структура сбора информации для эксперимента 404
Приложение Ж. Таблица критериев для эксперимента 7 405
Приложение З. Структура сбора информации для эксперимента 7 422
Приложение К. Акты об использовании и внедрении результатов диссертации 426
Приложение Л. Свидетельства о государственной регистрации программ для ЭВМ и баз данных 435
- Анализ интеграции в образовательную среду информационных технологий
- Описание эксперимента при изучении спецкурса «Матричная оптика»
- Реализация алгоритмов вычисления пространственно-временных корреляций в форме мод Карунена-Лоэва для исследования моделей КПУ ПО
- Эксперимент 7. Возможности комплексной оценки сложных объектов
Анализ интеграции в образовательную среду информационных технологий
В Федеральном законе «Об образовании в Российской Федерации» и государственной программе Российской Федерации «Развитие образования» на 2013-2020 годы представлена концепция развития Единой информационной образовательной среды [84]. В рамках этой концепции предлагается единый подход к разработке информационных образовательных сред и систем, их обеспечивающих, с применением электронного обучения и сетевых образовательных технологий. В развитие концепции электронного образования предлагается создание виртуальной интегрированной образовательной среды (ВИОС) на основе концепции, изложенной в [85]. При этом ВИОС базируется на элементах виртуальной реальности (ВР), элементах искусственного интеллекта, системах управления знаниями и ресурсами Интернет. Это открывает принципиально новые возможности для получения образовательных услуг [86].
Таким образом, ВИОС возникает в результате интеграции [87, 88]:
– реализации возможностей индивидуализированного обучения в сетевом коллективе на основе полноценного взаимодействия всех субъектов;
– организации деятельности по ретрансляции и освоения знаний;
– создания информационно-образовательной среды, на основе которой осуществляется взаимодействие между обучающим и обучающимся.
Процесс интеграции ВИОС в классическую систему активно развивается в каждой из функций (по работам [89, 90])..
1. Функция наблюдения. Наблюдается смена образовательной парадигмы. Завершение процессов индустриализации привело к стремительному переходу человечества и мировой экономики в новую постиндустриальную эпоху развития. Этот этап развития часто называют информационной эпохой, отмечая роль информации, как стратегического ресурса развития общества. По мнению Э. Тоффлера [91], информационная экономика – это «третья волна» экономического развития человечества.
Трансформация экономики, обусловленная состоявшейся научно-технической революцией, привела все сферы деятельности человечества в эпоху перемен, когда в мире все резко изменяется: политика и экономика, культура и социальная сфера, индивидуальные и общественные отношения и т.д. Изменяется весь образ жизни людей, поэтому неизбежна смена парадигмы образования [92].
В работах Новикова А.М. [93] отмечается, что переход от «знаниевой» образовательной парадигмы аграрного и индустриального обществан к новой образовательной «деятельностной» парадигме постиндустриального (его также называют информационным) обществом означает отказ от понимания процесса образования как завершенного полученными знаниями, от восприятия педагога как основного носителя и транслятора готового знания. Образование понимается как достояние личности, средство самореализации, построения карьеры, достижения социальных благ. Если в «знаниевой» парадигме учебный процесс концентрировался вокруг педагога, то в «деятельностной» парадигме образование понимается как сфера деятельности и самореализации обучаемого, центрируемая вокруг обучаемого [94] [95].Изменение целей образования влечет необходимость внедрения новых технологий работы с учебной информацией [96].
2. Функция контроля. Создание и развитие ВОС. Краткая характеристика известных средств информатизации образования приведена в таблице 1.1.
Анализ таблицы показывает, что применение современных информационных технологий обучения позволяет лучше формировать индивидуальные траектории обучения, обеспечивать гибкость тракторий процесса обучения. Однако современные информационные технологии достигли такого уровня развития, когда появляется возможность изменения модели коммуникаций в процессе обучения от классической, традиционной формы (обучающий – обучаемый) к модели мета-коммуникаций (обучающий – аватар – обучаемый, обучаемый – аватар – обучающий). Новая модель обучения позволит сформировать виртуальную интегрированную обучающую среду. В новой среде реализации процесса обучения мета-коммуникации аватаров на основе информационных технологий технический и технологический базис образуют гибридные человеко-машинные системы. В формировании подобной образовательной среды ключевую роль выполняет технология Avatar.
Будем ориентироваться на мета-коммуникации в интегрированной виртуальной системе (ИВС), реализующих процесс обучения средствами электронных вычислительных машин и компьютерных сетей. В последние годы для людей, обменивающихся информацией в социальных сетях закрепилось название «агент». Будем использовать эту терминологию, и называть учителя (преподавателя, обучающего или его аватар) «агент влияния», соответственно ученика (студента, обучаемого или его аватар) «агент воздействия».
Взаимодействие «агент воздействия» - «агент влияния» («АВз» - «АВл») может быть реализовано в виде сетевого приложения на основе языка гипертекстовой разметки текста, например, HTML-5 [98]. Причем, HTML-5 осуществляет поддержку видео и аудио; обеспечивает возможности рисования на веб-страницах произвольных объектов; добавление семантических тэгов, позволяющих сделать веб-страницы более понятными для поисковых систем, браузеров и других программ и устройств, читающих вебстраницы.
Появились универсальные ресурсы сети интернет, позволяющие проводить индивидуальное или коллективное обучение. Приведем примеры:
S Composica [99] - онлайн-сервис, обеспечивающий взаимодействие между участниками команды в режиме реального времени. Сервис содержит: блоги, комментарии, RSS-каналы, чаты, пометки, управления задачами, команду видимости, сообщество панелей. S Qstream [100] - создание и просмотр учебных курсов различной тематики. S Interaction Builder [101] - инструмент обеспечивающий онлайн-сервис для создания взаимодействия, которое впоследствии можно загрузить и включить в курс в режиме онлайн. При этом необходимо выбрать шаблон и добавить текст, изображение и звук.
Описание эксперимента при изучении спецкурса «Матричная оптика»
Проведен эксперимент в группе студентов 5 курса специальности медицинская физика, изучающих спецкурс «Матричная оптика». В качестве эксперта выступил ведущий спецкурс профессор д.ф.-м.н. Максимова И.Л. В наборах десяти входных и десяти выходных компетенций [236] каждая оценена по двум значениям – ЗУН и личностной. Весовые коэффициенты отдельных компетенций определены экспертным методом, так что сумма весов равна 1. Получены результаты, подтверждающие адекватность математической модели здравому смыслу и экспертным оценкам. Приведем два различных примера типов обучающихся. Фрагмент таблицы проведенных оценок представлен в таблице 3.2. Использованы обозначения: познавательный – По, практический – Пк, репродуктивный – Р, продуктивный – Пр, исследовательский – И, пассивный – Па, декларационный – Де, активный – Ак. Более подробно результаты эксперимента, но без их обсуждения представлены в главе 5.
В качестве первого примера представим участника i = 2. У него отмечен высокий уровень мотивации и достаточно высокий уровень среднего значения оценок ЗУН. На рисунке 3.2 представлены модуль, аргумент, действительная и мнимая части статусной функции на первом занятии по оценке требуемых к началу изучения спецкурса компетенций и на последнем занятии по оценке формируемых в процессе изучения спецкурса компетенций.
Сконструированная статусная функция, содержит полную информацию о нечетком множестве, соответствующем субъекту исследования. Часть информации о смысловом значении, содержащемся в сконструированной статусной функции, содержит математическое ожидание ее квадрата модуля [237]. Математическое ожидание указывает среднее значение, вблизи которого группируются все возможные значения базовой переменной x.
Математическое ожидание называют средним значением случайной величины. Для оценки уровня компетенций его можно перевести в традиционные баллы этой оценки. В приведенных примерах наблюдается изменение математического ожидания. Для его значений могут быть введены традиционно используемые в российской системе образования лингвистические трактовки: «отлично», «хорошо», «удовлетворительно» и «неудовлетворительно». Значения диапазонов целесообразно подобрать экспериментально, согласуясь с экспертными заключениями о правилах оценивания ЗУН.
Пример вычисленного значения математического ожидания СФ для набора входных компетенций участника с номером 2
Отметим, что в результате обучения спецкурсу «Матричная оптика» оценка участника с номером 2 сместилось из диапазона, соответствующего репродуктивной оценке в диапазон продуктивной оценки, т.е. результат обучения позитивный.
Заметим, что представленная на рисунке 3.1 фаза соответствует фазе волны, распространяющейся в положительном направлении. Таким образом, по оценкам фазы компетенций перед началом спецкурса следует ожидать общего роста средних значений оценок на выходе. Сохранение тенденции готовности к обучению показывает вид аргумента комплексной функции принадлежности выходной результирующей статусной функции. Прогностической оценкой состояния обучающегося является дальнейшее ожидание роста общих оценок.
Второй пример демонстрирует снижение результирующего набора оценок. Рассмотрим хорошо известный тип обучающегося, который в некотором смысле болен «звездной болезнью». Его уровень знаний высок. Однако низкая мотивация может приводить к весьма негативным последствиям снижения общей оценки. Такой пример представлен для участника / = 8 (на рисунке 3.2 (а - на входе, б - на выходе)). Ему соответствует наиболее высокое значение математического ожидания на входе - это наиболее подготовленный к данному спецкурсу студент. При этом наблюдаются явно низкие оценки мотивационной части компетенций. Получено снижение общей оценки компетенций в виде уменьшения значения математического ожидания СФ
Кроме математического ожидания информативны такие характеристики как ширина распределения, асимметрия и эксцесс. Моменты вычисляются по формуле (2.37).
Ширина распределения а характеризует согласованность мнений экспертов и оценок, когда проводится оценка несколькими экспертами. В нашем случае она осуществляется одним преподавателем набора компетенций, соответственно, ширина распределения характеризует равномерность оценок различных компетенций. Для участника 2 ширина распределения увеличивается с 0.00623 до 0.00972, а для участника 8 уменьшается с 0.01434 до 0.00654. Полученные результаты не дают возможности их однозначной интерпретации и, по сути, являются дополнением к значению математического ожидания. Участник, демонстрирующий рост итоговой оценки набора компетенций, осваивает частично некоторые новые компетенции и при этом расширяются функции распределения в направлении высоких оценок. Характеристика функций принадлежности выходных значений компетенций для лучше подготовленного, но не мотивированного на активное обучение участника демонстрирует сужение ширины распределения, оставаясь с прежним набором и не захватывая новых компетенций.
Следующими обсудим характеристиками формы кривой распределения -асимметрию (y1) и эксцесс (y2).
Если асимметрия y1 отрицательная, то это свидетельствует о большом влиянии на величину оценки отрицательных отклонений. Рассмотрим возможность такого распределения для оценок формируемых компетенций, что означает смещение оценок в направлении понижения максимума распределения; т.е., если в начале обучения человек имел исследовательский уровень инструментальных компетенций и способность решать нетривиальные задачи, а затем его уровень характеристики компонент КПУ ПО снизился до возможности только понимания получаемой информации, о чем ему рассказывают. Такое значение асимметрии yi требует генерации рекомендации ЛПР о необходимости управленческого воздействия в процесс формирования КПУ ПО. Если коэффициент асимметрии yi положительный, то кривая распределения более полога справа соответсвенно, преобладает влияние положительных отклонений. Практически определяют знак асимметрии у1 по расположению кривой распределения относительно максимума функции. Неравномерное распределение уровней оценок различных компетенций приводит к более высокому значению асимметрии.
Рассмотрим изменение уі на примере прежних участников. Для участника 2 асимметрия изменяется от 0.00002 до 0.00169. Здесь не наблюдается отрицательных величин, однако, результирующее значение смещается в направлении увеличения положительного значения. Это свидетельствует о возрастании влияния положительных отклонений, что получено и при обсуждении других характеристик распределения. Для участника номер 8 наблюдаем, что можно предположить - уменьшение значения асимметрии, соответствующего возрастанию влияния низких значений оценок (начальное значение 0.00358, а последующее 0.00042).
Эксцесс нормального распределения равен 0. По эксцессу возможно сравнение заданного распределения с нормальным. Распределения более островершинные, чем нормальное, обладают у2 0, а более плосковершинные - отрицательный эксцесс. Для наших описанных участников эксцесс увеличивается (от 0.00021 до 0.00056) и уменьшается (от 0.00117 до 0.00017). Полученные распределения островершинные, что позволяет предположить, что значения компетенций по возможному диапазону распределены неравномерно. Уменьшение эксцесса свидетельствует о снижении контрастности изображения. В нашем примере изменение эксцесса мало информативно и должно участвовать в комплексной оценке совместно с другими характеристиками.
Интегральные моменты можно использовать для формирования гипотез о состоянии КПУ ПО (или другого объекта) и могут быть эффективно использованы при всем наборе числовых характеристик распределения. Например, по эксцессу у2 можно интерпретировать сведения о контрастности распределения. Высокая контрастность будет соответствовать более коррелированному распределению. Противоречивость и несогласованность мнений или несгруппированность оценок будет приводить к «размазыванию» распределения и снижению его контрастности и эксцесса.
Таким образом, проведена интерпретация значений интегральных моментов как числовых характеристик, по которым можно сформировать правила для рекомендаций ЛПР по управлению процессом формирования КПУ ПО на этапе дефаззификации. Этот набор оценок является очень информативным. Развитие данного подхода позволяет организовать не только оперативный контроль за изменением КПУ ПО в процессе образования, но и эффективное оценивание. Такая система позволит сформировать ИС управления формированием КПУ ПО.
Реализация алгоритмов вычисления пространственно-временных корреляций в форме мод Карунена-Лоэва для исследования моделей КПУ ПО
Моделирование КПУ ПО ограничено сложностью и перекрестностью отдельных компетенций, приводящую к необходимости формирования 2D поля состояния КПУ ПО [264]. Подобное описание на интуитивном уровне проводилось в психологии начала XX века [136]. Развитие понятия «психологического поля» легло в основу современных психологических и социологических практик, например, социологические тренинги. Психолого-социальные исследования не смогли сформировать законы психики лаконичные и всеобъемлющие подобные законам физики. Развиваемый в диссертации метод СФ претендует на способ решения указанных проблем создания математических моделей для психологических и социологических исследований. Преодолевая указанные сложности отсутствия измерительных шкал применением ТНМ, ее статичность – введением комплекснозначных СФ, задачу описания перекрестности описываемых процессов - формированием пространственно распределенных полей, подобным структурам, используемым в естественно-научных исследованиях.
Развитие предложенного метода оценки состояния компетенций рассмотрим на примере процесса формирования профессиональных компетенций менеджеров коммерческой компании, занимающейся предоставлением телекоммуникационных услуг населению. Использовались два аспекта набора оценок набора компетенций, полученные в результате самооценки и оценки руководителем. Эти две оценки задали два измерения в пространстве состояний исследуемого субъекта. В результате сформировано поле, соответствующее набору заданных компетенций исследуемого субъекта.
В качестве основных групп компетенций для оценки эффективности менеджеров в наши тесты включены следующие:
ПК1 - анализ ситуации;
ПК2 - концептуальность мышления;
ПК3 - консервативность;
ПК4 - способ обработки информации;
ПК5 - уверенность в себе;
ПК6 - способ оказания влияния на людей;
ПК7 - сотрудничество в команде;
ПК8 - развитие подчиненных;
ПК9 - восприятие информации от окружающих.
Для каждой из этих 9 групп компонент КПУ ПО сформулировано 3 возможных ответа оценки компонент КПУ ПО. Тесты разработаны для оценки компетенций менеджеров (приложение В). Анкеты закрытой формы облегчает обработку данных.
В тестировании участвовали 20 менеджеров. За 2 недели между анкетированием каждый менеджер проходил серию обучающих тренингов. Каждый испытуемый давал ответы на вопросы тестов отдельно как оценку существующего положения вещей, так и указывал желаемый для него вариант развития ситуации, на основе которого строилась оценка его мотивации и формировалась фаза СФ.
Внутренняя самооценка и внешняя оценка супервайзера представляют собой вид одного состояния КПУ ПО. Эти оценки положены в основу 2D СФ. Оценка состояния, намеченного для достижения, формирует значение фазы соответствующей сформированной СФ[265].
В данном эксперименте личностно-мотивационная часть оценивается только самим участником. В отличие от [266] в формировании оценки личностной характеристики участника изменена использованная ранее процедура, в которой введены три уровня оценки пассивный, декларационный, активный. В данном эксперименте с профессиональными менеджерами такая оценка оказалась затруднительной. Поэтому использована терминология «восходящих» компетенций. Для определения значения к = -1, 0, 1 оценивалось соответствие действующей оценки компетенции и ее желаемой оценки. Все оценки сформулированы в лингвистических позитивно окрашенных утверждениях. Например, вместо утверждения «игнорирует возможности групповой работы и противопоставляет себя коллективу» используется лингвистический терм «имею собственное мнение, если оно противоречит интересам группы отстаиваю его и реализую». При к = 0 отмечается сохранение имеющейся оценки и желаемого состояния. При к = 1 желаемое состояние соответствует более высокой оценке, это наиболее высокий уровень в веденной системе оценок, ориентированный на повышение уровня. При к= -1 - более низкой и отслеживается тенденция на понижение оценки. Знакопеременная базисная СФ самооценки /7(х) задана на интервале [-0.5; 0.5].
Применение СФ позволяет получить достаточно много информации о состоянии субъекта, не только исследовать динамику изменения статусной функции, но и прогнозировать эффективность реализации некоторых процессов в вузе. При включении в ИС мониторинга процесса формирования профессиональных и общекультурных компетенций большого количества компетенций и прецедентов, будет производиться большое количество однотипных измерений. Значение каждой из оценок является субъективной и в некоторой степени случайной. Однако, при большом количестве оценок возможно изменение ситуации и формирование некоторых закономерностей. В некоторых случаях могут быть сформированы устойчивые во времени и пространстве оценок структуры, типа солитонных решений динамических моделей естественно-начных объектов. Возможно также возникновение ситуации, когда конкретные особенности каждого отдельного случайного оценивания почти не сказываются на среднем результате большой массы аналогичных оценок, а характеристики отдельных студентов или компетенций, синтезируемой в системе, при неограниченном увеличении числа оценок становятся практически не случайными. Такую потерю индивидуальности модели исследуемого субъекта, возможно, выявить вычислением пространственно-временных корреляций в форме мод Карунена-Лоэва. Будем использовать процедуру вычисления пространственно-временных корреляций используя преобразование Карунена-Лоэва в следующей форме.
Решая уравнение (4.11) с ядром (4.12), получим моды КЛ. Поле распределения оценок компонент КПУ ПО заменяется набором переменных, имеющих различные статистические веса. Отбрасывая переменные с малым статистическим весом, и сохраняя остальные, можно достигнуть многократного сжатия. В процессе отбрасывания переменных возникает среднеквадратичное отклонение от оригинала. Особенность КЛ-преобразования состоит в том, что из всех линейных преобразований именно оно обеспечивает минимальную величину такого отклонения.
На рисунке 4.8 представлен квадрат амплитуды распределения СФ набора оценок компетенций начинающего менеджера компании, обозначим его «В». Работает недавно и расстраивается при неудачах. Посещает тренинги, но не считает их нужными. В целом работает стабильно, но результат невысокий. В течение прохождения тестов не сильно изменил мнение. На рисунке 4.8 видно изменение структуры «поля» компетенций.
Символично подчеркнем социальный смысл корреляции для заданного «поля» компетенций. Известное высказывание «Хочешь быть успешным человеком - веди себя как успешный человек» в нашем случае интерпретируется как изменение самооценки по заданным компетенциям будет приводить к систематическому изменению оценок супервайзера (руководителя отдела). В этом смысле такое формирование «полей» компетенций выглядит соответствующим традиционно признанным представлениям в менеджменте.
В проведенном эксперименте получены распределения оценок в 4 момента времени, разнесенные на равные интервалы времени. Для поиска КЛ мод уравнение (4.14) решалось численно методом дискретизации. Использовалось разбиение области оценок на 21x21 точек. Решения получившегося матричного уравнения для менеджеров «М» и «В», дает моды Карунена-Лоэва, показанные на рисунке 4.9 и 4.10. Для опытного менеджера «М» (рисунок 4.2) динамика описывается двумя модами КЛ с собственными значениями Aj = 0.74 и Л2 =0.22. Лі + Л2 = 0.96.
Для начинающего менеджера «В» (рисунок 4.3) наблюдается аналогичная картина Aj = 0.606, Л2 =0.237 и Лз =0.097. Д7 + Л2 + Л3 = 0.94. Таким образом, можно предположить, что в формировании распределения оценок профессиональных компетенций участвуют всего не более трех КЛ мод, которые определяют около 95% всей динамики системы. При этом остальные определяющие динамику компоненты определяют 4% - 6% динамики процесса формирования компетенций. При создании модели использована матрица 3x3 возможных значений и введены сложные переменные, полученные в результате многократных тестирований. Дополнительное исследование может позволить снизить количество базовых оценок и определить число возможных векторов состояния исследуемой системы. Собственно КЛ моды должны стать вводимыми базовыми оценками. Кроме того, СФ более сложны, так как базисных функций больше, и они рассчитываются с использованием вычисления степени истинности высказываний на основе вычисления корреляций всех компонент КПУ ПО [268].
Смысл метода вычисления мод КЛ заключается в представлении структуры оценок компонент КПУ ПО в виде суммы ортогональных пространственных структур, упорядоченных по принципу минимизации средней ошибки разложения. Данные моды представляют фундаментальные структуры, вокруг которых формируются все возможные состояния заданного набора компетенций. Как показали вычисления, динамика системы состояния оценок управляется маленьким числом параметров порядка.
Эксперимент 7. Возможности комплексной оценки сложных объектов
Представим эксперимент применения СФ для оценки сложного объекта – структурной единицы образовательного учреждения. Для возможности использования СФ необходимо ввести наборы оцениваемых параметров и возможных лингвистических оценок. Поскольку образовательное учреждение является очень сложной структурой необходимо на первом этапе определиться с возможностями структуризации вводимых параметров. В настоящее время сбалансированная система показателей (ССП) – наиболее популярная, признанная в мире концепция управления реализацией стратегии [194, 277]. На основе ССП оценка структурной единицы вуза по большому числу показателей может быть четко и быстро проведена с использованием СФ и значений интегральных моментов. Будем использовать трансформированную модификацию сбалансированной системы показателей.
Проведенный анализ экспертной информации и интерпретация полученных результатов позволяют нам сформировать следующую систему критериев оценки деятельности подразделений высших учебных заведений, основываясь на системе оценки параметров ССП с помощью СФ. Выделим четыре промежуточных выхода дерева вывода, которые будут участвовать в формировании результирующей оценке эффективности деятельности ВУЗа (подразделения ВУЗа). Поскольку мы базируемся на трансформированных для вуза четырех аспектах сбалансированной системы показателей для формирования R, мы выделим четыре аспекта, полученных в результате проведение сбора экспертной информации и анализа экспертной информации и интерпретации полученных результатов. Эти аспекты мы уже определили выше, теперь введем для них обозначения:
X - Аспект обучения и развития (по ССП Каплана и Нортона аналог – развитие). Аспект включает такие показатели как прохождение курсов повышения квалификации ППС кафедры; посещение семинаров, тренингов ППС кафедры; участие ППС кафедры в конференциях и др.
Y- Аспект на взаимоотношения (по ССП Каплана и Нортона аналог – рынок). Включает показатели удовлетворенность выпускников карьерным ростом; удовлетворенность выпускников размером доходов; удовлетворенность выпускников в стремлении получить новую (желаемую) работу, повышение в должности и др.
Z - Аспект на внутреннюю деятельность (по ССП Каплана и Нортона аналог – финансы). Как, например, бюджетное финансирование; внебюджетное финансирование; доходы от образовательной и научно-исследовательской деятельности и др.
Q - Аспект на виды деятельности (по ССП Каплана и Нортона аналог – управление). В основе определения показателей данного аспекта виды выпускаемой продукции как, например, образовательные услуги; консалтинговые услуги; образовательный процесс, научно-исследовательская работа и др, как результат основных бизнес процессов организации. Кроме того, сюда следует включить еще два основных класса процессов по их влиянию на создание добавочной стоимости – обеспечивающие вспомогательные процессы и процессы менеджмента.
При построении модели оценки качества работы подразделения вуза, целесообразно провести классификацию входных переменных и по ней построить дерево вывода (рисунок 5.29), определяющее систему вложенных друг в друга высказываний-знаний меньшей размерности.
Итоговая оценка модели, показывающая качество работы кафедры обозначается буквой – R. Для оценки этого показателя выделяется X, Y, Z, Q. Для оценки каждого из аспектов определяются показатели (лингвистические переменные) (См.: Приложение Е).
Определим промежуточную переменную xа, включающую переменные x1 - x9, Соответствующая функция принадлежности будет сформирована в результате операции пересечения всех выбранных функций принадлежности, согласно выбранным лингвистическим термам рассматриваемых переменных модели. Аналогично определяется промежуточная переменная xб, объединяющий группу x10 - x15, и относящийся к оценке обучения и развития студентов или иных обучающихся в организации групп. Результаты представлены на рисунке 5.31.
На рисунке 5.30 представлены полученные аналогичным образом функции принадлежности частных показателей аспекта взаимоотношения, разделенные на два промежуточных показателя yа, включающий переменные y1 - y6 и оценивающий показатели оценки эффективности взаимодействия с внешними потребителями и yб, объединяющий группу y7 - y10, и относящийся к оценке взаимоотношений внутренних потребителей организации, включающих сотрудников вуза, преподавателей и студентов или иных обучающихся в организации групп. По каждому из частных показателей определены функции принадлежности и представлен результат их пересечения.
Представленные на рисунке 5.34 функции принадлежности получены для группы финансовой деятельности и объединенной с целью последующей пространственной развертки группы частных показателей учебной и научной деятельности и процессов менеджмента. Такое объединение можно считать оправданным, поскольку формирование условий для выполнения требований Болонской конвенции и проектируемых Федеральных Государственных Образовательных Стандартов высшего профессионального образования (ФГОС ВПО) в соответствии с компетентностным подходом в свете смены образовательной парадигмы предполагает формирование управленческих отношений между обучающим преподавателем и обучающимся студентом. Изменяющиеся подходы к системе образования предполагают изменение отношений с традиционных: преподаватель как носитель и транслятор специализированных знаний на современные, в которых преподаватель становится менеджером, организатором учебного процесса.
Эксперимент проводился по следующей схеме.
1. Сформирован список оцениваемых параметров и структурирован в дерево вывода на основе ССП.
2. Проведен выборочный опрос сотрудников и студентов по оценке состояния каждого параметра (Приложение Ж). Каждый параметр оценен по двум значениям - текущее состояние и желаемое и условием возможности достижения ближайший год. Желаемое значение формирует фазовую часть оценки. Если она соответствует текущему к = 0, если является более высоким в введенной терминологии ССП к = +1. В противном случае к= -1. Данный опрос проводился 1 раз в 2010 году.
3. На основе оценок формируются базисные СФ, являющиеся комплексно-значными. Из них собираются СФ для каждой промежуточной ветви. СФ ветвей X, 7, Z, Q собраны из промежуточных.
4. Формируется СФ для общей оценки R. Весомость всех оценок предполагается равной.
5. Для СФ ветвей X, 7, Z, Q и общей оценки R вычисляются интегральные моменты (таблица 5.20).
Цель эксперимента: проверить предположение о применимости предложенного метода СФ для оценки сложного социального объекта.
Вывод. В аспекте обучение и развитие очень сильно рваная картина - потому что компетентностной подход нужно формировать вместе взаимосвязано между всеми подразделениями. Нужно четко связать компетенции профессорско-преподавательского состава и студентов. В целом оценку деятельности структурного подразделения на основе СФ можно считать удовлетворительной. Исследование структуры поля R на наличие ростка катастрофы позволило установить, что det К = 0 свидетельствует об отсутствии в системе ростка 3 , что катастрофы и латентной возможности скачкообразного перехода. Поскольку образовательная система обладает высоким консерватизмом, отсутствие в поле оценок ростка катастрофы соответствует здравому смыслу.