Научная статья на тему 'Определение направлений совершенствования системы мониторинга процессов университета'

Определение направлений совершенствования системы мониторинга процессов университета Текст научной статьи по специальности «Экономика и бизнес»

CC BY
104
37
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
УНИВЕРСИТЕТ / СИСТЕМА МЕНЕДЖМЕНТА КАЧЕСТВА / МОНИТОРИНГ ПРОЦЕССОВ / УРАВНЕНИЕ РЕГРЕССИИ / UNIVERSITY / QUALITY MANAGEMENT SYSTEM / PROCESS MONITORING / REGRESSION EQUATION

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Мещеряков Виктор Афанасьевич, Суровицкая Галина Владимировна, Чугунова Варвара Валерьевна

Представлена методика определение направлений совершенствования системы мониторинга процессов университета по результатам его самооценки. Выявлены десять факторов, которыми обусловлено 100 % вариации степени совершенства системы мониторинга процессов.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Определение направлений совершенствования системы мониторинга процессов университета»

УДК 005.6 (075.8)

В. А. Мещеряков, Г. В. Суровицкая, В. В. Чугунова ОПРЕДЕЛЕНИЕ НАПРАВЛЕНИЙ СОВЕРШЕНСТВОВАНИЯ СИСТЕМЫ МОНИТОРИНГА ПРОЦЕССОВ УНИВЕРСИТЕТА

Аннотация. Представлена методика определение направлений совершенствования системы мониторинга процессов университета по результатам его самооценки. Выявлены десять факторов, которыми обусловлено 100 % вариации степени совершенства системы мониторинга процессов.

Ключевые слова: университет, система менеджмента качества, мониторинг процессов, уравнение регрессии.

Abstract. We submitted the methods of the definition of improvement directions of the university process monitoring system on the results of its self-estimation. We singled out ten factors that influence 100 % variation of the degree of the process monitoring system improvement.

Keywords: university, quality management system, process monitoring, regression equation.

Введение

Развертывание инновационных проектов по разработке, внедрению и совершенствованию систем менеджмента качества (СМК) университетов России обусловило необходимость разработки новых подходов к информационному обеспечению процесса принятия управленческих решений в области менеджмента качества. Для результативного менеджмента качества образовательных услуг университета целесообразно разработать и внедрить в практику управления СМК университета процедуры ее оценивания. В соответствии с ГОСТ Р ИСО 9000-2001 важнейшим способом оценивания СМК является самооценка университета. Она представляет собой всесторонний и систематический анализ деятельности университета и результатов по отношению к СМК или модели совершенства (модели премии по качеству). Стандарты Европейской ассоциации гарантии качества в высшем образовании (ENQA) декларируют, что самооценка учебных заведений - это отправная точка для эффективной гарантии качества образования [1].

Совершенствование СМК невозможно без совершенствования ее процессов. Совершенствование процессов СМК в соответствии с ГОС Р ИСО 9001-2001 строится на базе информации, полученной, в частности, при реализации процедур их мониторинга. Последнее обстоятельство обусловливает актуальность задачи определения направлений совершенствования системы мониторинга процессов университета.

1 Получение исходных данных

В настоящее время для проведения самооценки университетам России рекомендовано использовать «Методические рекомендации для вузов и ссу-зов по организации и проведению самооценки эффективности функционирования систем управления в области менеджмента качества на основе модели совершенствования деятельности» Санкт-Петербургского государственного электротехнического университета «ЛЭТИ». Предложенная в них Модель

совершенства содержит 9 критериев и 55 подкритериев, каждый из которых относят к одной из двух групп - группе «Возможности» (критерии 1-5) и группе «Результаты» (критерии 6-7). Определение значений подкритериев осуществляется экспертным путем. Хотя разработчики Модели совершенства допускают самооценку на основе оценок одного единственного эксперта, по мнению авторов, более информативной и перспективной в плане дальнейшего анализа является самооценка на основе оценок группы экспертов, имеющих достаточную подготовку в области менеджмента вообще и менеджмента качества в частности. При этом целесообразно создать условия для обеспечения репрезентативности экспертных оценок с тем, чтобы массивы значений подкритериев Модели можно было рассматривать как массивы случайных чисел и для их анализа применять аппарат математической статистики.

Специфика решаемой задачи обусловливает использование только значений подкритериев группы «Возможности». Это связано с тем, что совершенствование системы мониторинга процессов СМК университета обеспечивается мероприятиями в рамках видов деятельности университета (группа критериев «Возможности»), а не результатами деятельности университета в предыдущем периоде (группа критериев «Результаты»). Формирование массивов экспертных оценок осуществляется в группе критериев «Возможности» модели совершенства в соответствии с ее структурой, а именно:

Г1...5, при 1 = 1, 3, 4,

- для критериев 1-4: Х1], 1 = 1...4, ] = \

[1...4, при 1 = 2;

5 Х5 - ■ 1 3 ■ /1-8, при 1 = ^

- для критерия 5: X5т/, т = 1...3, ] = <

[1...9 при 1 = 3.

Уровень совершенства системы мониторинга процессов СМК университета отражает подкритерий самооценки 5.1.5 «Построение, поддержание и развитие системы измерений и мониторинга процессов университета». В наших исследованиях он имеет статус результирующего признака. Все остальные подкритерии группы «Возможности» имеют статус факторных признаков.

Содержание всех подкритериев группы «Возможности» и результаты экспертной оценки, полученные при проведении самооценки Пензенским государственным университетом в 2007 г., СМК которого сертифицирована на соответствие международным стандартам ИСО серии 9000, приведены в табл. 1.

Как видно из табл. 1, экспертные оценки получены от одиннадцати экспертов из числа менеджеров высшего и среднего звена университета. Ошибка результата прогнозирования Ь определена по методу Дельфи [2]:

3 3

Ь =-------=---------= 0,18,

2 N - 5 2-11 - 5

где N - число экспертов.

Поставлена задача выявления взаимосвязи результирующего признака (подкритерий 5.1.5) с факторными признаками и поиска связывающего их уравнения регрессии.

Таблица 1

Данные самооценки Пензенского государственного университета

Подкритерий самооценки Экспертные оценки

Содержание Обозначение 1 2 3 4 5 6 7 8 9 10 11

1 2 3 4 5 6 7 8 9 10 11 12 13

Результативный признак

5.1.5 Построение, поддержание и развитие системы измерений и мониторинга процессов университета Х515 3 5 3 4 5 4 5 3 6 5 2

Факторные признаки

1.1 Личное участие руководства университета в формировании и развитии миссии, видения, основных ценностей, политики, основных целей и задач в области качества Х11 7 4 7 7 8 7 8 6 8 6 6

1.2 Личное участие руководства в обеспечении постоянного совершенствования СМК университета Х12 7 6 8 7 8 7 6 8 8 5 6

1.3 Личное участие руководства университета в работе с внешними заинтересованными сторонами (потребителями, поставщиками, партнерами, представителями общественности и др.) Х13 6 3 8 8 6 8 10 7 8 4 8

1.4 Личное участие руководства университета в обеспечении обратной связи с персоналом для улучшения своей деятельности Х14 5 4 7 6 8 6 6 5 7 5 6

1.5 Личное участие руководства университета в подготовке и организации проведения лицензирования, аттестации, государственной и общественнопрофессиональной аккредитации Х15 3 3 4 3 7 3 3 5 8 8 3

2.1 Разработка и совершенствование политики и стратегии и степень участия в этих процессах заинтересованных сторон (студентов, персонала университета, потребителей, поставщиков, партнеров, представителей общественности и др.) Х21 5 4 5 6 6 6 8 5 7 3 6

2.2 Механизмы сбора и анализа разносторонней информации о результативности и эффективности функционирования университета при формировании его политики и стратегии Х22 5 5 6 5 5 5 6 7 7 4 6

Продолжение табл. 1

1 2 3 4 5 6 7 8 9 10 11 12 13

2.3 Механизмы проекции внедрения политики и стратегии на все уровни управления, структурные подразделения и ключевые процессы университета Х23 5 2 6 5 6 5 5 6 6 5 6

2.4 Механизмы информирования персонала университета и студентов о проводимой политике и стратегии Х24 5 5 7 6 6 6 6 7 7 3 6

3.1 Кадровая политика и принципы управления развитием персонала Х31 4 3 5 4 6 4 6 6 6 6 3

3.2 Механизмы определения квалификационных требований к персоналу, его подготовке и повышению квалификации Х32 5 5 6 5 7 5 5 6 7 5 6

3.3 Механизмы мотивации, вовлечения и поощрения персонала за деятельность по улучшению качества функционирования университета Х33 7 4 6 7 9 7 6 7 8 4 5

3.4 Обеспечение обратной связи и диалога между персоналом, студентами и руководством университета Х34 4 2 5 6 8 6 4 7 7 3 5

3.5 Повышение качества рабочей среды, обеспечение социальной защиты и повышение благосостояния персонала Х35 3 3 5 4 6 4 4 5 7 6 3

4.1 Управление финансовыми ресурсами Х41 3 4 4 5 4 5 4 5 7 3 5

4.2 Управление материальными ресурсами Х42 5 4 6 7 8 7 8 7 8 4 5

4.3 Управление эффективностью технологий обучения и контроля знаний Х43 7 4 7 7 6 7 4 7 7 6 6

4.4 Управление информационными ресурсами Х44 5 4 7 5 5 5 4 6 7 8 5

4.5 Взаимодействие с внешними партнерами (работодателями, школами и лицеями, средними специальными учебными заведениями, другими вузами) Х45 6 5 8 7 10 7 6 8 8 3 7

5.1.1 Внедрение процессного подхода Х511 4 5 6 5 4 5 5 4 6 6 5

5.1.2 Управление документацией Х512 6 6 7 7 7 7 6 8 7 4 5

5.1.3 Управление записями Х513 6 5 5 6 5 6 6 4 6 5 5

5.1.4 Планирование и построение организационной структуры системы качества, распределение ответственности и полномочий Х514 8 7 6 9 8 9 5 9 8 3 7

Окончание табл. 1

1 2 3 4 5 6 7 8 9 10 11 12 13

5.1.6 Планирование процессов университета Х516 4 4 3 5 6 5 4 7 6 7 4

5.1.7 Внутренние аудиты (проверки) и самооценка университета и его структурных подразделений Х517 7 5 6 7 8 7 6 6 8 4 7

5.1.8 Процессы, связанные с постоянным улучшением, корректирующие и предупреждающие действия Х518 7 5 7 8 6 8 4 7 8 5 8

5.2.1 Маркетинговые исследования рынка научных, образовательных услуг и рынка труда Х521 4 5 7 5 6 5 4 3 6 7 5

5.2.2 Проектирование и разработка образовательных программ Х522 5 4 6 5 8 5 2 6 6 4 6

5.2.3 Довузовская подготовка и прием студентов Х523 7 5 10 10 10 9 5 9 10 8 10

5.2.4 Реализация основных образовательных программ Х524 6 4 7 8 8 8 5 7 8 6 8

5.2.5 Воспитательная и внеучебная работа с обучаемыми Х525 6 7 5 7 8 7 7 8 8 5 7

5.2.6 Проектирование и реализация программ дополнительного образования Х526 6 6 5 7 8 7 5 7 7 5 8

5.2.7 Подготовка кадров высшей квалификации (аспирантура, докторантура) Х527 6 3 6 7 8 7 7 8 8 8 8

5.2.8 Научно-исследовательская и инновационная деятельность Х528 5 5 6 5 6 5 5 7 8 7 6

5.3.1 Бухгалтерско-финансовое обеспечение научнообразовательного процесса Х531 6 3 7 6 6 6 5 5 6 6 5

5.3.2 Кадровое обеспечение Х532 6 4 6 5 6 5 4 8 6 4 5

5.3.3 Закупки и взаимодействие с поставщиками материальных ресурсов Х533 5 4 7 6 6 6 7 7 7 3 5

5.3.4 Управление образовательной средой Х534 3 4 6 5 10 5 5 8 6 4 4

5.3.5 Издательская деятельность Х535 7 5 3 8 8 8 5 8 8 8 8

5.3.6 Библиотечное и информационное обеспечение Х536 4 3 4 5 5 5 5 7 6 8 5

5.3.7 Управление инфраструктурой и производственной средой Х537 5 6 5 6 5 6 5 8 7 7 5

5.3.8 Обеспечение безопасности жизнедеятельности Х538 5 4 6 6 7 6 7 8 6 5 6

5.3.9 Социальная поддержка студентов и сотрудников университета Х539 4 5 6 5 7 5 5 5 8 8 6

Построение и анализ матрицы выборочных коэффициентов парной корреляции

В табл. 2 представлены средние значения рассматриваемых признаков, их стандартизированные отклонения от средних. Число наблюдений - 11 (по числу экспертов).

Таблица 2

Описательные статистики

Признак Среднее Стандартизированное отклонение Признак Среднее Стандартизированное отклонение

Х515 4,0909 1,22103 Х513 5,3636 0,67420

Х11 6,7273 1,19087 Х514 7,1818 1,88776

Х12 6,9091 1,04447 Х516 5,0000 1,34164

Х13 6,9091 2,02260 Х517 6,4545 1,21356

Х14 5,9091 1,13618 Х518 6,6364 1,43337

Х15 4,5455 2,11488 Х521 5,1818 1,25045

Х21 5,5455 1,36848 Х522 5,1818 1,53741

Х22 5,5455 0,93420 Х523 8,4545 1,96792

Х23 5,1818 1,16775 Х524 6,8182 1,40130

Х24 5,8182 1,16775 Х525 6,8182 1,07872

Х31 4,8182 1,25045 Х526 6,4545 1,12815

Х32 5,6364 0,80904 Х527 6,9091 1,51357

Х33 6,3636 1,56670 Х528 5,9091 1,04447

Х34 5,1818 1,83402 Х531 5,5455 1,03573

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Х35 4,5455 1,36848 Х532 5,3636 1,20605

Х41 4,4545 1,12815 Х533 5,7273 1,34840

Х42 6,2727 1,55505 Х534 5,4545 2,01810

Х43 6,1818 1,16775 Х535 6,9091 1,75810

Х44 5,5455 1,29334 Х536 5,1818 1,40130

Х45 6,8182 1,83402 Х537 5,9091 1,04447

Х511 5,0000 0,77460 Х538 6,0000 1,09545

Х512 6,3636 1,12006 Х539 5,8182 1,32802

С целью анализа взаимосвязи результативного признака Х515 с факторными признаками построена матрица выборочных коэффициентов парной корреляции Пирсона. При этом для вычислений использован пакет статистических расчетов БРББ. В связи с большим размером вся матрица выборочных коэффициентов парной корреляции Пирсона здесь не приводится. Рассмотрены только парные коэффициенты корреляции результирующего признака со всеми остальными (табл. 3).

Для словесного описания значения коэффициента корреляции используются следующие градации (табл. 4).

Анализ матрицы парных коэффициентов корреляции показал (табл. 3), что результативный признак Х515 наиболее тесно связан (имеет место средняя корреляция) с факторными признаками:

- Х15 (коэффициент парной корреляции равен 0,56),

- Х35 (0,57),

- Х539 (0,51),

и наименее связан (имеет место очень слабая корреляция) с факторными признаками: Х12, Х13 , Х14, Х21, Х22, Х24, Х32, Х33, Х34, Х41, Х44 , Х45, Х512, Х517, Х526, Х527, Х531, Х533, Х534, Х535, Х536, Х538.

Таблица 3

Корреляция результирующего признака с факторными признаками

Признаки Х11 Х12 Х13 Х14 Х15 Х21 Х22 Х23 Х24 Х31 Х32

Х515 ,225 -,071 -,199 ,151 ,560 ,147 -,135 -,293 -,198 ,470 ,138

Признаки Х33 Х34 Х35 Х41 Х42 Х43 Х44 Х45 Х511 Х512 Х513

Х515 ,138 -,008 ,566 ,185 ,302 -,363 ,092 -,126 ,317 -0,027 ,320

Признаки Х514 Х516 Х517 Х518 Х521 Х522 Х523 Х524 Х525 Х526 Х527

Х515 -,225 ,366 -,031 -,436 ,316 -,223 -, 269 -,223 ,242 -,178 -,049

Признаки Х528 Х531 Х532 Х533 Х534 Х535 Х536 Х537 Х538 Х539

Х515 ,242 -,122 -,364 -,044 ,184 ,051 ,165 ,242 -,150 ,505

Таблица 4

Градации корреляции

Значение Интерпретация

меньше 0,2 Очень слабая корреляция

от 0,2 до 0,5 Слабая корреляция

от 0,5 до 0,7 Средняя корреляция

от 0,7 до 0,9 Высокая корреляция

больше 0,9 Очень высокая корреляция

Получение уравнения регрессии

Охарактеризуем влияние всех рассматриваемых факторных признаков на результирующий признак Х515.

Анализ матрицы парных коэффициентов корреляции показал, что ее определитель равен нулю. Это означает, что между факторными признаками существует высокая взаимная коррелированность, т.е. наблюдается явление их мультиколлинеарности. Данное обстоятельство затрудняет построение регрессионной модели. Поэтому отбрасываем часть факторных признаков, оставив только самые информативные. При построении множественной регрессионной модели будем использовать метод принудительного включения переменных в уравнение регрессии [3]. Вычисления с помощью пакета статистических расчетов БРББ показали, что в рассматриваемую модель достаточно включить десять факторных признаков Х539, Х538, Х518, Х537, Х513, Х525, Х22, Х12, Х511, Х523. При этом достигнут предел толерантности, равный нулю.

Для анализа результатов воспользуемся данными табл. 5-7.

Таблица 5

Сводка для модели

Модель Множественный коэффициент корреляции Я Я2 Скорректированный Я2 Стандартная ошибка оценки

1 1,000 1,000 0 0

Таблица 6

Результаты дисперсионного анализа

Модель Сумма квадратов Число степеней свободы Средний квадрат Значимость

1 Регрессия 14,909 10 1,491 0

Остаток ,000 0 0

Итого 14,909 10 0

Таблица 7

Коэффициенты в уравнении регрессии

Модель Нестандартизированные коэффициенты Стандартизированные коэффициенты

В Стандартизированная ошибка Р

1 (Константа) -7,255 ,000

Х12 ,560 ,000 ,479

Х22 -,459 ,000 -,351

Х511 ,583 ,000 ,370

Х513 ,847 ,000 ,468

Х518 -,654 ,000 -,768

Х523 -4,88Е-015 ,000 ,000

Х525 ,678 ,000 ,599

Х537 ,375 ,000 ,320

Х538 -,223 ,000 -,200

Х539 ,241 ,000 ,262

В результате получено линейное уравнение регрессии:

X515 = - 7,255 + 0,560X12 - 0,459X22 + 0,583X511 + 0,847X513 -

- 0,654X518 -0,00000000000000488X523 + 0,678X525 +

+ 0,375X537 - 0,223X538 + 0,241X539.

Уравнение множественной регрессии показывает, что увеличения значения X515, т.е. повышения степени совершенства в области построения, поддержания и развития системы измерений и мониторинга процессов университета, можно добиться путем увеличения значений следующих факторных признаков:

- X513 за счет оптимизации управления записями, причем увеличение X513 на 1 увеличит значение X515 на 0,85;

- X525 за счет оптимизации воспитательной и внеучебной работы с обучающимися, увеличение X525 на 1 увеличит значение X515 на 0,68;

- X511 за счет внедрения процессного подхода, увеличение X511 на 1 увеличит значение X515 на 0,58;

- X12 за счет оптимизации личного участия руководства университета в обеспечении постоянного совершенствования СМК университета, увеличение X12 на 1 увеличит значение X515 на 0,56;

- X537 за счет оптимизации управления инфраструктурой и производственной средой университета, увеличение X537 на 1 увеличит значение X515 на 0,34;

- X539 за счет оптимизации социальной поддержки сотрудников университета, увеличение X539 на 1 увеличит значение X515 на 0,24.

На первый взгляд влияние подкритериев 5.2.5 и 5.3.9 неочевидно. Однако подкритерий 5.2.5 отражает в том числе способность персонала работать в условиях рынка, т.к. в контексте менеджмента качества обучаемые рассматриваются как потребители, что меняет содержание воспитательной и вне-учебной работы. Совершенствование социальной поддержки сотрудников (подкритерий 5.3.9) способствует обеспечению их мотивации по совершенствованию навыков мониторинга процессов СМК университета.

При планировании мероприятий по совершенствованию системы мониторинга процессов СМК особое внимание следует уделить факторным признакам, имеющим отрицательные множители в полученном уравнении регрессии: X22, X518 и X538. Наличие отрицательных множителей при названных факторных признаках может означать, что мероприятия по мониторингу процессов СМК конкурируют в первую очередь по ресурсам с мероприятиями в рамках следующих направлений деятельности:

- механизмы сбора и анализа разносторонней информации о результативности и эффективности функционирования университета при формировании его политики и стратегии (отражены подкритерием 2.2 - X22);

- процессы, связанные с постоянным улучшением, корректирующие и предупреждающие действия (X518);

- обеспечение безопасности жизнедеятельности (X538).

Необходимо провести дополнительный анализ с целью устранения выявленного дисбаланса.

Заключение

Таким образом, построена регрессионная модель, множественный коэффициент корреляции для которой равен 1. Это свидетельствует о том, что десятью выявленными факторами обусловлено 100 % вариации результирующего признака. Уровень остаточной вариации составляет 0 %, что означает отсутствие воздействия случайных и неучтенных в модели факторов. Данные обстоятельства позволят научно обоснованно разработать мероприятия по совершенствованию системы мониторинга процессов СМК университета.

Список литературы

1. European Association for Quality Assurance in Higher Education (ENQA): Standards and Guidelines for Quality Assurance in the European Higher Education Area.

2. Короткова, Т. Л. Исследование систем управления / Т. Л. Короткова. - М., 1998. - 357 с.

3. Кремер, Н. Ш. Теория вероятностей и математическая статистика : учебник для вузов / Н. Ш. Кремер. - М. : ЮНИТИ-ДАНА, 2001. - 287 с.

Мещеряков Виктор Афанасьевич

кандидат технических наук, профессор, первый проректор, Пензенский государственный университет

E-mail: vampgu@pnzgu.ru

Суровицкая Галина Владимировна

кандидат технических наук, доцент, начальник отдела планирования и анализа, Пензенский государственный университет

E-mail: gvs_kachestvo@inbox.ru

Чугунова Варвара Валерьевна кандидат физико-математических наук, доцент, кафедра дискретной математики, Пензенский государственный университет

E-mail: burchug@sura.ru

Meshcheryakov Victor Afanasyevich Candidate of engineering sciences, professor, first pro-rector,

Penza state university

Surovitskaya Galina Vladimirovna Candidate of engineering sciences, associate professor, head of department of planning and analysis,

Penza state university

Chugunova Varvara Valeryevna candidate of physical and mathematical sciences, associate professor, sub-department of discrete mathematics, Penza state university

УДК 005.6 (075.8)

Мещеряков, В. А.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Определение направлений совершенствования системы мониторинга процессов университета / В. А. Мещеряков, Г. В. Суровицкая, В. В. Чугунова // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2009. - № 3 (11). - С. 83-92.

i Надоели баннеры? Вы всегда можете отключить рекламу.