Содержание к диссертации
Введение
ГЛАВА 1 Анализ организации управления процессом подготовки специалистов при реализации компетентностного подхода 10
1.1 Анализ современных методов и моделей реализации компетентностного подхода в высшей школе 10
1.2 Анализ требований заинтересованных сторон к результатам образования в моделях реализации компетентностного подхода 19
1.3 Методы оценки интегральной компетентности студентов 25
1.4 Анализ автоматизированных информационных систем по управлению подготовкой специалистов 34
1.5 Выводы и постановка задач исследования 40
ГЛАВА 2 Разработка модели управления подготовкой инженерных кадров 41
2.1 Разработка модели управления подготовкой специалистов в образовательной системе 41
2.2 Разработка процессов для модели управления подготовкой инженерных кадров 45
2.3 Выводы по главе 56
ГЛАВА 3 Разработка математического и алгоритмического обеспечения, реализующего модель управления подготовкой инженерных кадров 57
3.1 Разработка общего алгоритма, реализующего модель управления 57
3.2 Разработка поэтапного математического и алгоритмического обеспечения модели управления подготовкой инженерных кадров 58
3.3 Проверка адекватности модели на численном примере 73
3.4 Выводы по главе 75
ГЛАВА 4 Реализация сппр «компетенция» для задач управления подготовкой инженерных кадров и оценка её экономического эффекта 76
4.1 Информационное обеспечение СППР «Компетенция» и состав её компонентов 76
4.2 Внедрение информационной СППР на сайт вуза для обеспечения взаимодействия: «школа-вуз-работодатель» 84
4.3 Реализация модели управления посредством взаимодействия подсистем «школа-вуз» 87
4.4 Внедрение результатов работы для разработки ОП при открытии направления подготовки «Нанотехнологии и микросистемная техника» 90
4.5 Оценка экономического эффекта от внедрения модели управления подготовкой инженерных кадров на основе разработанной СППР «Компетенция» 94
4.6 Выводы по главе 97
Основные выводы и результаты 98
Список использованных источников 99
- Методы оценки интегральной компетентности студентов
- Разработка процессов для модели управления подготовкой инженерных кадров
- Разработка поэтапного математического и алгоритмического обеспечения модели управления подготовкой инженерных кадров
- Внедрение информационной СППР на сайт вуза для обеспечения взаимодействия: «школа-вуз-работодатель»
Введение к работе
Актуальность темы исследования. Для обеспечения конкурентоспособности
и безопасности России нужно развивать производственную сферу и для этого
обновлять российскую систему образования, а также решать проблему
несоответствия уровня подготовки выпускников потребностям работодателей. С
2015 года в систему высшего образования внедрены федеральные государственные
образовательные стандарты высшего образования (ФГОС ВО), одним из требований
которых является согласование образовательных программ (ОП) с
профессиональными стандартами (ПС) и оценка ОП с привлечением всех заинтересованных сторон.
Для вузов, в соответствии с обновленной законодательной базой, при разработке ОП важно осуществить взаимоприемлемый учет требований к компетенциям выпускника, что представляет собой актуальную и сложную задачу.
Разработка новых и актуализация действующих ОП является трудоемкой задачей в виду структурирования большого объёма многопараметрической, постоянно меняющейся информации и принятия оптимальных и своевременных решений, поэтому важным условием повышения обоснованности поддержки принятия решений, в задачах управления подготовкой инженерных кадров, является внедрение современных компьютерных автоматизированных систем, что и обуславливает целесообразность разработки системы поддержки принятия решений (СППР).
Анализ существующих СППР в предметной области показал, что задача по разработке и актуализация ОП с учетом требований обновленной документальной базы и меняющимися требованиями работодателей не в полной мере решается подобными системами.
Решению обозначенной выше проблемы уделяется основное внимание в диссертационной работе, что и определяет ее актуальность.
Степень разработанности исследования.
Современные методы системного анализа при решении задачах управления в социальных и экономических системах и разработке СППР рассмотрены в работах ученых:
Борисова А.Н., Гавриловой Т.А., Гладун В.П., Дмитриенко В.А.,
Затонского А.В., Киселева Э.В., Круглова В.В., Миронова В.В.,
Пятковского О.И., Тарасенко Ф.П., Хорошевского В.Ф., Черняховской Л.Р., Якимовича Б.А и др.
Созданию моделей и методов оценки качества образовательных услуг посвящены труды ученых: Берестневой О.Г., Вешневой И.В., Меньшаевой Л.И., Сибикиной И.В., Суминой Е.В., Харитонова В.А., Хуторского А.В., Яковлева П.В.
Проблемы управления образовательным процессом при компетентностном
подходе исследовались в работах российских и зарубежных ученых:
Байденко В.И., Бершадского А.М., Васильева В.Н., Вербицкого А.А., Гуртова В.А., Зимней И.А., Жукова Д.О., Казначеевой Н.Л., Коровкина А.Н., Селезневой Н.А., Макарова A.A., Столбовой И.Д., Татура Ю.Г., Wang H.F., Hsin-Li Chang, Shirley Williams и др.
Несмотря на наличие большого количества исследований, рекомендаций и публикаций по теме, некоторые актуальные стороны этой проблемы еще не полностью раскрыты, не полностью решена проблема управления подготовкой инженерных кадров, реализующая взаимоприемлемый учет требований всех заинтересованных сторон образовательной системы.
Целью диссертационной работы является повышение эффективности управления подготовкой инженерных кадров за счет взаимодействия всех заинтересованных участников образовательного процесса, на основе создания системы поддержки принятия решений.
Для достижения цели поставлены и решены следующие задачи:
-
Формализованы требования к инструментам поддержки принятия решений, на основе анализа существующих моделей и подходов к управлению подготовкой специалистов, при реализации компетентностного подхода и поставленной проблемы.
-
Разработана модель управления подготовкой инженерных кадров с учетом взаимодействия всех заинтересованных участников образовательного процесса.
-
Разработано математическое и алгоритмическое обеспечение модели, реализующее поддержку принятия решений в задачах управления подготовкой инженерных кадров на основе комплексного применения гибридных экспертных систем.
-
Разработана СППР «Компетенция», реализующая основные научные положения, модели и алгоритмы, для повышения эффективности обоснования информационно-аналитической поддержки принятия решений задач управления подготовкой инженерных кадров и апробирована на сайте ФБОУ ВПО ИжГТУ имени М.Т. Калашникова.
Объект исследования является управление подготовкой инженерных кадров в современном вузе.
Предметом исследования является система поддержки принятия решений, для управления подготовкой инженерных кадров.
Методы исследования. Для решения задач управления в условиях
неопределённости использованы: экспертные методы, методы математического
моделирования, аппарат теории множеств, методы статистического и
интеллектуального анализа данных, методы гибридных экспертных систем, методы нечеткой логики и другие методы системного анализа. Данные методы применялись на разных этапах исследования, в различных комбинациях, в зависимости от целей и решаемых задач.
Научная новизна диссертации заключается в следующем:
1. Разработана модель управления по принятию решений в задачах управления подготовкой инженерных кадров, отличающаяся: взаимодействием участников образовательной системы, за счет формирования и системной актуализации набора компетенций с учетом требований работодателя и внедрения их в ОП; индивидуальной и групповой оценкой развития компетенций у обучаемых для проведения актуализации ОП и индивидуальной настройки обучения (п.3 паспорта специальности).
2. Разработано оригинальное математическое и алгоритмическое обеспечение модели, реализующее поддержку принятия решений в задачах управления подготовкой инженерных кадров, с использованием: формализации и решения математических моделей и алгоритмов поиска решений; продуцирования правил формирующих базы управленческих решений; гибридных экспертных систем (п.4 паспорта специальности).
3. Разработана новая СППР «Компетенция», реализующая основные научные положения, модели и алгоритмы для обоснованной информационно-аналитической поддержки принятия решений задач управления подготовкой инженерных кадров (п.5 паспорта специальности).
Теоретическая значимость работы: разработанная СППР «Компетенция» может быть использована на всех уровнях образовательного процесса по управлению подготовкой специалистов всеми заинтересованными сторонами образовательной системы и для оценки компетентности персонала на предприятиях.
Практическая значимость работы: разработанная СППР «Компетенция», внедрена в ФГБОУ ВПО «Ижевский государственный технический университет имени М.Т. Калашникова» на сайт факультета «Управления качеством» и применяется при постановке образовательного процесса по новому направлению, при корректировке действующих ОП, по оценке интегральной компетентности выпускников на АО «ИЭМЗ «Купол».
Диссертация была поддержана грантом имени Н.В. Воробьева, для аспирантов и молодых ученых ФГБОУ ВПО «ИжГТУ имени М.Т. Калашникова», задание № ГВ - 2-14 от 01.06.2014 г.
Проводимые в работе исследования связаны с проведением научных исследований, которые проводятся на факультете «Управление качеством» ИжГТУ имени М.Т. Калашникова.
На защиту выносятся:
1. Результаты анализа существующих подходов к управлению подготовкой
инженерных кадров при реализации компетентностного подхода, практических
реализаций систем поддержки принятия решений (СППР) и поставленной
проблемы.
2. Модель управления подготовкой инженерных кадров, при реализации
компетентностного подхода с учетом взаимодействия всех участников
образовательной системы.
3. Математическое и алгоритмическое обеспечение модели, реализующей поддержку принятия решений в задачах управления подготовкой инженерных кадров.
4. Результаты практического внедрения СППР «Компетенция» для задач
управления подготовкой инженерных кадров в Ижевском государственном
техническом университете имени М.Т. Калашникова: при постановке
образовательного процесса по новому направлению «Нанотехнологии и микросистемная техника» (подтверждено актом внедрения); при актуализации действующих ОП реализующих на факультете «Управления качеством» (подтверждено актом внедрения); при оценке интегральной компетентности
выпускников для набора инженерных кадров на АО «ИЭМЗ «Купол» (подтверждено актом использования).
5. Результаты расчета экономического эффекта от реализации модели управления подготовкой инженерных кадров за счет применения СППР «Компетенция».
Информационная база исследования. В качестве информационной и
нормативной базы были использованы федеральные государственные
образовательные стандарты высшего образования, учебные программы, учебные планы, статистические данные Росстата РФ, нормативно – правовые документы РФ, отчеты компаний: АО «ИЭМЗ «Купол», АО «Концерн «Калашников». В работе использованы материалы периодических изданий и научно–практических конференций по актуальным вопросам подготовки компетентностных специалистов.
Апробация результатов работы. Автор работы принял участия в 15
конференциях разного уровня. Основные положения работы докладывались и
обсуждались на: первой Российской конференции «Социофизика и
социоинженерия» МГУ им. М.В.Ломоносова 8-11 июня 2015г.; XVIII
Республиканской выставке-сессии студенческих инновационных проектов (Ижевск,
Россия, 2015 и 2014); открытом конкурсе инновационных проектов, посвященном
95-летию со Дня рождения М.Т. Калашникова (Ижевск, Россия, 2014); III
Молодежном инновационном форуме «Молодое поколение» (Ижевск, Россия, 2013);
Всероссийской студенческой научной конференции «Коммуникация студентов,
магистрантов и аспирантов в учебной, научной и профессиональной сферах»
(Ижевск, Россия, 2013); Научно-практических конференциях молодых инженеров
НПК ОАО «ИРЗ» (Ижевск, Россия, 2011-2012); XV Международной конференции
по мехатронике «Mechatronika-2012» (Прага, Чешская республика, 2012);
Международной научно-практической конференции «Корпоративное
профессиональное образование как ресурс подготовки конкурентоспособного специалиста» (Казань, Россия, 2012); IV научно-исследовательской конференции аспирантов, магистрантов и молодых ученых, с международным участием факультета «Управления качеством» ИжГТУ (Ижевск, Россия, 2011-2012); II и III инновационном форуме (Ижевск, Россия, 2010-2011); Межвузовской студенческой научной конференции кафедры «Английский язык» ИжГТУ (Ижевск, Россия, 2011).
Публикации. По результатам диссертационного исследования опубликовано 14 печатных работ, в том числе 5 статей в изданиях, рекомендованных ВАК РФ.
Структура и объем диссертации. Работа состоит из введения, четырех глав, заключения и списка использованных источников. Работа изложена на 113 страницах машинописного текста, содержит 44 рисунка и 26 таблиц. Библиографический список – 128 наименований.
Методы оценки интегральной компетентности студентов
Согласно модели оценки компетентности, интегральная оценка компетентности складывается из множества разного типа частных компетенций, которые достаточно разнотипны, и формируются у студентов за длительный период обучения. Базовые компетенции они получают ещё в школе, в ВУЗе они развиваются в разных дисциплинах и практиках. Также неотъемлемой частью формирования компетентности является социальный климат обучаемого. Анализ показал, что расчёт количественной оценки компетентности является сложной задачей и для её решения рассматриваются следующие методы: 1) решение многокритериальной задачи: - сведение множества критериев к одному путем введения весовых коэффициентов для каждого критерия; - минимизация максимальных отклонений от наилучших значений по всем критериям [16]. 2) решение задачи с помощью искусственного интеллекта. Интегральный показатель Y рассчитывается на основе использования частных критериев yi суммой вида: где – вес значимости частных критериев.
При минимизации максимальных отклонений от наилучших значений, частные критерии сравнивается с идеальными. Интегральный показатель представлен в виде: 1) суммы отклонений от эталона для частных кретириев: (1.2) где ,i = – частные критерии, стремящиеся к минимизации, , i = k – частные критерии, стремящиеся к максимизации. 2) суммы отклонений для частных критериев,при разной размерности: (1.3) 4) отклонение от эталона для частных критериев, не учитывающие вес значимости 4) отклонение от эталона для частных критериев, не учитывающие вес значимости , при разной размерности:
Так же используются другие методы, показывающие отклонение исследуемого показателя от эталона. К общим недостаткам этих методов относятся: необходимость привлечения экспертной оценки весов значимости частных показателей, а так же их эталонных значений. Экпертный расчет эталонных показателей компетенций весьма сложный, так как для расчета интегральной компетентности студента используются очень разноплановые частные компетенции. В качестве эталона брать 100% также будет не обосновано в связи с тем, что человек не может показать 100% освоения всех компетенций.
Для рассчета интегральной оценки компетентности выпускника сделано предположение, что существует некое сочетание компетенций, необходимое для востребованного на рынке труда молодого специалиста. Зависимость необходимых студенту компетенций и компетенций, которыми уже обладают успешные специалисты на предприятиях, представлены в виде функции: Y = f (хь х2, хз, Х4, х5, х6, х7, х8, х9, хю, … хп ) — max W, (1.6) где Y - сочетание компетенций, необходимых для востребованного на рынке труда молодого специалиста; хь х2, х3… хп - набор оцениваемых компетенций, п - количество оцениваемых компетенций; W - оценка успешных специалистов, которые работают на предприятии (W = 0.8, .. ,1). Для решения этой задачи рассмотрены методы и алгоритмы обучения искусственных нейронных сетей. Искусственные нейронные сети (ИНС) основаны на знаниях о биологических нейронных сетях. ИНС - это класс адаптивных систем, которые включают в себя простые обрабатывающие элементы (нейроны), взаимодействующие друг с другом в прямом или обратном направлении. ИНС применяются для решения задач: аппроксимация функций, распознавание образов, обработка сигналов, прогнозирование и оценка параметров, экспертные системы, искусственный интеллект и др [62].
Существенным преимуществом ИНС перед классическими алгоритмами является способность обучаться. Нейронная сеть может выявлять сложные зависимости между входными и выходными данными, и выполнять обобщение. Таким образом, нейронная сеть способна предоставить верный результат даже при отсутствии данных в обучающей выборке, а так же если данные не полные или «зашумленные» [62]. К достоинствам нейронной сети так же относят высокую скорость выполнения операций сетью, после того как она обучена [62].
Существует большое число видов нейронной сети: сети радиальных базисных функций, самоорганизующиеся карты Кохонена [87], многослойные сети прямого распространения, сети адаптивной резонансной теории, сети Хопфилда [87], сети двунаправленной ассоциативной памяти, сети типа когнитрона и неокогнитрона, сети встречного распространения.
Обучение ИНС возможно вести с учителем или без учителя. В варианте обучения с учителем в сеть вводят данные входных и выходных сигналов, где сеть согласно своему алгоритму, подстраивает веса синаптических связей [87]. В методе обучения без учителя выходы в сети создаются самостоятельно, а веса изменяются по алгоритму, с учетом входных сигналов. В исследуемом случае наиболее подходящий вариант обучения с учителем, поэтому более подробно рассмотрим только этот алгоритм (рисунок 1.8).
Существуют различные структуры НС, к одной из часто употребляемых структур относится многослойная.
При выборе нейронной сети рассматривались следующие сети: сеть Хопфилда, сеть радиального базиса, персептронная сеть с обратным распространением. Анализ структур сетей представлен в таблице 1.6
Разработка процессов для модели управления подготовкой инженерных кадров
Достоверность и объективность подбора составов ЭК осуществляется с учетом рекомендаций методик, изложенных в трудах [25, 63, 65]. Количество экспертов S определяется по следующей формуле: S 0,5 (0,33/b + 5), (2.9) где b – ошибка результата экспертного анализа 0 b 1. Так при допустимой ошибке экспертного анализа в 5 % (b=0,05), в состав рабочей группы должно входить не менее 6 экспертов. Пример формирования ЭК для магистратуры и бакалавриата показаны в таблице 2.3.
Выбранные эксперты дают личное согласие, проходят специальную подготовку и подписывают обязательство о неразглашении конфиденциальной информации, в отношении заинтересованных сторон. Таблица 2.3 – Рекомендуемый состав экспертной группы согласно уровням образования Номер ЭК Рекомендуемый состав ЭК, в соответствии с уровнем образования Количество экспертов ЭК 1 магистратура Главные специалисты предприятия, желательно председателиГАК Руководители подразделений, члены ГАК Специалисты с опытом работы более 5 лет 3 ЭК 2 бакалавриат Руководители, члены ГЭК и ГАК Руководители подразделений Специалисты с опытом работы более 5 лет 3 7. Утверждение согласованного набора компетенций осуществляется экспертной комиссией. Проблемы несоответствия и решаются путем передачи освоения недостающей части компетенции в , которые в последующем реализуются в реальном учебном процессе. Математический механизм реализации этого принципа нами изложен в главе 3.
Разработка процесса внедрения в образовательный процесс требований работодателей Цель процесса В2 – внедрять согласованный набор компетенций в учебный процесс вуза. Предлагаемый нами способ рассматривает динамическую систему, которая периодически изменяет УМКД учебного процесса, анализируя требования работодателей к компетенциям. Способ позволяет рассчитать значение зачетных единиц на одну компетенцию, что позволяет более точно реализовать требования в учебном процессе.
Реализация процесса В2 осуществляется по следующему алгоритму: 1. Информационная система «Компетенция» по согласованному набору формирует сведения о рассогласовании объема учебной нагрузки, выделяемой на компетенцию, между рабочим учебным планом и желаниями работодателей оформленных в виде мнения ЭК. 2. На методических заседаниях кафедры согласовывается рабочий план, в котором учтен утвержденный экспертной комиссией набор компетенций и их значимость в зачетных единицах. 3. Согласно учебному плану, преподаватели дисциплин формируют рабочие программы, где указываются компетенции, изучаемые в дисциплине, и сколько зачетных единиц на неё выделяется. Далее составляется УМКД. Реализация совместной работы кафедры в лице профессорско преподавательского состава (ППС) и экспертной комиссии по совершенствованию учебного процесса представлена в виде структурно логической схемы на рисунке 2.4, Рисунок 2.4 – Структурно – логическая схема совершенствование учебного процесса для реализации компетентностного подхода где – набор компетентностных требований согласно ФГОС ВО; – утвержденный экспертной комиссией набор компетентностных требований заинтересованных сторон; – количество зачетных единиц, согласно действующему рабочему плану; – количество зачетных единиц, предлагаемое работодателем на изучение i компетенции.
Разработка процесса оценки ОП всеми заинтересованными участниками образовательной системы по уровням образования
Цель процесса В3 – скорректировать учебный процесс направления подготовки на основе результатов оценки и самооценки.
Предлагаемый нами способ, в отличие от известных, опирается на реальное состояние обучаемого, позволяет корректировать образовательную среду вуза, оформить индивидуальные рекомендации обучаемому в зависимости от развития его компетенций. Все процессы осуществляются при использовании автоматизированной системы «Компетенция». Общий вид процесса В3 можно представить в виде алгоритма, который представлен на рисунке 2.5.
На первом этапе осуществляется оценка и самооценка студентов. Рекомендуется, чтобы преподаватели предоставляли студентом одинаковые инструменты для оценки и самооценки, с целью сопоставления результатов. Двухсторонняя модель оценки компетенции способствует более глубокому анализу, что положительно сказывается на объективности оценки и повышает мотивацию студента. Данная модель основана на модели, используемой при Премии правительства Российской Федерации в области качества. В качестве критериев оценки используется актуализированный набор компетенций . В связи с особенностью каждой компетенции, выбор метода оценки определяет преподаватель и утверждает профилирующая кафедра. Оценка развития компетенций обучаемых проводится ППС по каждому предмету, в котором реализуется компетенция. Результаты оценок должны быть реализованы по шкале от 0 до 1, для дальнейшего анализа результатов в информационной системе «Компетенция». Начало
Разработка поэтапного математического и алгоритмического обеспечения модели управления подготовкой инженерных кадров
Работа экспертной системы, основанная на нечеткой логике, включает следующие этапы: вычисление степени уверенности посылок, фаззификация, аккумуляция, дефаззификация.
Входные переменные рассматриваются как лингвистические и задаются соответствующими терм-множествами (множествами всех возможных значений лингвистической переменной: neud, ud и otl - неудовлетворительная, удовлетворительная и отличная оценка соответственно). Диапазон значений - от 0 до 1. В качестве функции принадлежности к нечеткому множеству, для всех входных лингвистических переменных, используем функцию Гаусса, как наиболее используемая при описании нечетких множеств: где - сводная оценка или самооценка по компетенциям из разных дисциплин; т - математическое ожидание; - среднеквадратичное отклонение. Для расчета т и мы провели опрос экспертов (состав экспертов представлен в главе 2), анализ опроса представлен в таблицах 3.6 и 3.7. где - оценка компетенции z-го студента; Kp - среднее значение компетенции; п - число студентов в выборке. Как показывают практические результаты исследования у студентов с низкими оценками компетентности наибольшая вероятность попадания результатов в интервал (0,1; 0,3); у студентов со средними оценками компетентности эта вероятность уже в интервале (0,5; 0,7); а у студентов с высокими оценками компетентности - в интервале (0,7; 0,9). Среднеквадратичное отклонение =0,1. Поэтому нечеткие множества neud, ud и otl будут описаны двойками [neud=(0,2 0,1), ud=(0,6 0,1), otl=(0,8 0,1)], их графики представлены на рисунке 3.6.
В качестве вида функции принадлежности для выходной лингвистической переменной выбрана трапециевидная функция: ( ) , (3.9) где ( ,d) – носитель нечеткого множества (пессимистическая оценка нечеткого числа); (b,c) – ядро нечеткого множества (оптимистическая оценка нечеткого числа). Функция принадлежности входных переменных Нечеткие множества описаны для выходной переменной следующим образом: neud=[0/1 0,2/1 0,4/0], ud=[0,3/0 0,4/1 0,6/1 0,8/0], otl=[0,7/0 0,9/1 1/1].
Трапециевидная функция выбрана в связи с тем, что функция данного вида позволяет лучше иллюстрировать конечный результат моделирования, т.е. получение численного значения интегральной компетентности обучающихся. Набор нечетких правил для рассматриваемой системы представлен в виде трех термов, обозначающих низкий, средний и высокий уровни значений параметров: если то ( низкий) если то средний ; если высокий то высокий , где – лингвистические переменные, соответственно для левой и правой части условия. При трех терм-множеств в пяти входных переменных для полного описания необходимо правила. Количество правил было сокращено до 42, так как наиболее значительными переменными являются , , . База правил нечеткой модели представлена в приложении Ж.
Для минимизации отклонений результатов от экспериментальных данных нечеткая модель была обучена и были изменены входные параметры.
Обучающая выборка, связывающая входы с выходом исследуемой зависимости представлена в виде следующих пар: где – входной вектор в r-ой паре данных (оценки компетентности студентов); – соответствующий выход (среднеарифметическая оценка по итоговой государственной аттестации и средней оценке по дисциплинам за весь период обучения); X – объем выборки (в эксперименте участвовало 220 студентов следующих профилей подготовки: «Системный анализ и управление» и «Мехатроника и робототехника», «Техносферная безопасность»).
Веса правил и параметры термов вычислены из условия минимума функции: (3.10) где T – набор коэффициентов функций принадлежности термов для входных и выходных переменных; W – набор весовых коэффициентов правил базы знаний; – результат вывода по нечеткой базе знаний Мамдани с параметрами (T, W) при значении входов . В результате находится набор коэффициентов функций принадлежности и весовые коэффициенты правил, которые имеют минимальное отклонение между экспериментальными и при использовании нечеткой модели значениями на обучающей выборке. В результате настройки нечеткой модели изменились параметры функции принадлежности и веса правил (рисунок 3.7).
Внедрение информационной СППР на сайт вуза для обеспечения взаимодействия: «школа-вуз-работодатель»
Информационное обеспечение СППР «Компетенция» предназначено для одновременного взаимодействия большого числа пользователей из разных точек доступа. Поэтому при разработке системы использованы следующие интернет-технологии: 1) язык гипертекстовой разметки HTML. Содержит в себе достаточно простой набор команд, описывающих структуру документа. Использование HTML позволяет выделять логические части в документе: таблицы, абзацы, заголовки и др., при этом язык не задает точные атрибуты форматирования. Важно, что при использовании язык гипертекстовой разметки HTML, сайт будет аппаратно и программно независим. При этом удобно, что сайт можно будет разработать в любом текстовом редакторе. 2) PHP - интерпретируемый, кроссплатформенный язык, предназначенный для разработки динамических веб-приложений. К преимуществам языка PHP можно отнести: стабильность языка, так как нет необходимости в частом выполнении перезапуск сервера, при переходе на разные версии, не происходит принципиальных изменений в программном обеспечении; бесплатное распространение; в PHP применяется механизм выделения ресурсов и используется поддержка объектно-ориентированного программирования. Язык PHP обладает возможностью управления сеансом. 3) в качестве СУБД используется MySQL. MySQL не требовательна к ресурсам, достаточно быстродействующая, имеется на любом www-сервере. Структурно-функциональная схема организации средств информационной СППР представлена на рисунке 4.1.
Структурно-функциональная схема компонентов СППР «Компетенция» Созданная структурно-функциональная схема СППР «Компетенция» представляет собой совокупность взаимосвязанных посредством локальных сетей и глобальной сети Интернет автоматизированных рабочих мест сотрудников вуза и пользователей (работников предприятий, студентов, абитуриентов) и включает программные интерфейсы.
Информационное обеспечение СППР «Компетенция» делится на следующие общие группы модулей: формирования первичных данных; поддержки принятия решений для корректировки учебного процесса; поддержки принятия решений для индивидуальной настройки обучения студента; взаимодействия с работодателями; настройки нечетких правил.
Схематическая модель данных СППР «Компетенция» В СППР «Компетенция» при реализации компетентностной подготовки специалистов необходимо оперировать следующими данными: информацией о вакансиях рынка труда, требованиями к компетенциям работодателей, ФГОС ВО, профессиональными стандартами, ОП и другими документами, профориентационными методиками, личными данными пользователей системы. Информационная СППР находится в глобальной сети Интернет и используется на сайте факультета «Управление качеством». Информационная система содержит модули авторизации для входа ППС, для входа студентов, работодателей и технического персонала.
В СППР «Компетенция» модули условно делятся на две общие процедуры: реализация актуализированных работодателями компетентностных требований в ОП и корректировка ОП; индивидуальная настройка обучения по результатам оценок и самооценок студентов.
Программная реализация актуализации компетентностных требований по результатам опроса работодателей на сайт вуза Формирование или актуализация множества компетенций в рабочих учебных планах профиля подготовки, согласованных с работодателем, осуществляется поэтапно: 1) технический персонал формирует список компетенций и дисциплин, в которых они реализуются согласно ФГОС ВО, типового и рабочего учебного плана. Инструмент работы технического персонала представлен в интерфейсе программы (рисунок 4.3); 2) преподаватели входят в информационную систему по установленным для них техническим персоналом паролям и заполняют таблицу интерфейса (рисунок 4.4), значениями учебных занятий в зачетных единицах, раскрывающими конкретную компетенцию в дисциплине. Далее, заведующий кафедрой в том же интерфейсе дорабатывает и окончательно формирует список компетенций. Заведующий кафедрой при доработке списка должен обеспечить общий объем учебной нагрузки по освоению всех компетенций профиля, в пределах 240 зачетных единиц; 3) информационная система переводит установленные профилирующей кафедрой значения часов на каждую компетенцию, в разрезе дисциплин учебного плана, в доступную для работодателя форму 10-балльного рейтинга; 4) технический персонал отправляет письма респондентам (приложение Е), в которых указана ссылка на анкету, размещенную на сайте факультета;