Научная статья на тему 'Анализ качества комплектования библиотечного фонда учебной литературы средствами data Mining'

Анализ качества комплектования библиотечного фонда учебной литературы средствами data Mining Текст научной статьи по специальности «Науки об образовании»

CC BY
1471
123
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
ВОСТРЕБОВАННОСТЬ УЧЕБНОЙ ЛИТЕРАТУРЫ / КНИГООБЕСПЕЧЕННОСТЬ / БИБЛИОТЕЧНЫЙ ФОНД / ИНТЕГРИРОВАННАЯ АВТОМАТИЗИРОВАННАЯ ИНФОРМАЦИОННАЯ СИСТЕМА (ИАИС) / ЭФФЕКТИВНОСТЬ ФИНАНСИРОВАНИЯ БИБЛИОТЕКИ / ДЕРЕВО РЕШЕНИЙ / INTEGRATED AUTOMATED INFORMATION SYSTEM (ИАИС) / DATAMINING / DEMAND FOR EDUCATIONAL LITERATURE / BOOK PROVISION / LIBRARY FUND / THE EFFECTIVENESS OF FINANCING LIBRARIES / DATA MINING / DECISION TREE

Аннотация научной статьи по наукам об образовании, автор научной работы — Болодурина Ирина Павловна, Болдырев Пётр Алексеевич, Дусакаева Слушаштугайбаевна

В статье рассматривается проблема комплектования библиотечного фонда учебной литературы с учётом коэффициента книгообеспеченности дисциплин учебного процесса. Обоснована актуальность задачи разработки и апробации алгоритмов оценки эффективности использования средств финансирования библиотеки по востребованности закупленных учебников. Выявлены факторы, влияющие на востребованность учебной литературы. По данным выданной учебной литературы интегрированной библиотечно-информационной системы методами DataMining на базе платформы Deductor построено дерево решений. По результатам работы алгоритма показаны варианты повышения качества комплектования фонда учебной литературы.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по наукам об образовании , автор научной работы — Болодурина Ирина Павловна, Болдырев Пётр Алексеевич, Дусакаева Слушаштугайбаевна

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

ANALYSIS OF THE QUALITY OF ACQUISITION OF THE LIBRARY FUND OF EDUCATIONAL LITERATURE DATA MINING TOOLS

The article considers the problem of acquisition of the library Fund of educational literature with the factor of book procurement disciplines of the educational process. Urgency of the development and testing of algorithms for the estimation of efficiency of use of funds of financing of the library on demand purchased textbooks. Factors that influence on the demand of educational literature. According to the data issued by the educational literature integrated library system using Data Mining methods based on the platform Deductor built decision tree. The output of the algorithm shown the ways to improve the quality of the collection of educational literature.

Текст научной работы на тему «Анализ качества комплектования библиотечного фонда учебной литературы средствами data Mining»

УДК: 025.2:004

ББК: 78.37

БолодуринаИ.П., БолдыревП.А., Дусакаева С.Т.

АНАЛИЗ КАЧЕСТВА КОМПЛЕКТОВАНИЯ БИБЛИОТЕЧНОГО ФОНДА УЧЕБНОЙ ЛИТЕРАТУРЫ СРЕДСТВАМИ DATA MINING

BolodurinaI.P., BoldyrevP.A., DusakaevaS. T.

ANALYSIS OF THE QUALITY OF ACQUISITION OF THE LIBRARY FUND OF EDUCATIONAL LITERATURE DATA MINING TOOLS

Ключевые слова: востребованность учебной литературы, книгообеспеченность, библиотечный фонд, интегрированная автоматизированная информационная система (ИАИС), эффективность финансирования библиотеки, DataMining, дерево решений.

Key words: demand for educational literature, book provision, the library Fund, integrated automated information system (ИАИС), the effectiveness of financing libraries, Data Mining, decision tree.

Аннотация:в статье рассматривается проблема комплектования библиотечного фонда учебной литературы с учётом коэффициента книгообеспеченности дисциплин учебного процесса. Обоснована актуальность задачи разработки и апробации алгоритмов оценки эффективности использования средств финансирования библиотеки по востребованности закупленных учебников. Выявлены факторы, влияющие на востребованность учебной литературы. По данным выданной учебной литературы интегрированной библиотечно-информа-ционной системы методами DataMining на базе платформы Deductor построено дерево решений. По результатам работы алгоритма показаны варианты повышения качества комплектования фонда учебной литературы.

Abstract: the article considers the problem of acquisition of the library Fund of educational literature with the factor of book procurement disciplines of the educational process. Urgency of the development and testing of algorithms for the estimation of efficiency of use of funds of financing of the library on demand purchased textbooks. Factors that influence on the demand of educational literature. According to the data issued by the educational literature integrated library system using Data Mining methods based on the platform Deductor built decision tree. The output of the algorithm shown the ways to improve the quality of the collection of educational literature.

Реформирование высшего образования, внедрение новых образовательных технологий, предусмотренных Болонским процессом, значительно усиливает роль библиотек вузов в информационном обеспечении и сопровождении учебно-педагогической и науч-ной деятельности вуза. Ставится задача повышения качества образования за счет упорядочения работы по обеспечению учебного процесса учебно-методической литературой. В связи с этим информационное обеспечение учебного процесса становится одной наиболее важных задач вуза и его библиотеки, а грамотное формирование библиотечного фонда является решением поставленной задачи.

В соответствии с приказом

Рособрнадзора № 1953 от 05.09 2011г. «Норматив библиотечно-информационных ресурсов» основными лицензионными требованиями к наличиюучебной, учебно-методической литературы и иных библиотечно-информа-ционных ресурсов по реализуемым образовательным программам высшего профессионального образования являются:

1) наличие фонда учебной, учебно-методической и научной литературы по всем циклам дисциплин, реализуемых образовательными программами из расчета 0,25-0,5 издания на 1 студента;

2) степень устареваемости основных учебных изданий составляет от 5 лет для дисциплин гуманитарного, социального и

экономического цикла до 10 лет для остальных циклов;

3) доступность для обучающихся высшего учебного заведения не менее трёх учебных и (или) научных электронных изданий по изучаемым дисциплинам, в том числе входящих в электронно-библиотечную систему (ЭБС), доступ к которой обеспечивается высшим учебным заведением.

Управление комплектованием фонда -сложная задача, требующая привлечения современных информационных технологий. Решение этой задачи возможно на основе внедрения автоматизированной

библиотечно-информационной системы (АБИС) в интегрированную

автоматизированную информационную систему (ИАИС) вуза. В Оренбургском государственном университете (ОГУ) разработаны, внедрены и успешно эксплуатируются комплексы задач, охватывающие практически всю

библиотечную деятельность университета. Разработанные комплексы задач входят в состав функциональной подсистемы информационно-аналитической системы (ИАС) ОГУ «Библиотека». При этом успешное решение задач автоматизации библиотечно-библиографи-ческих процессов (ББП) обусловлено интеграцией подсистемы «Библиотека» с другими функциональными подсистемами ИАС ОГУ на основе единой базы данных. В рамках ИАС ОГУ в настоящее время выделено 12 функциональных подсистем, в состав которых входит более 80 задач, отражающих различные виды деятельности вуза.

Главным при комплексной

автоматизации библиотечно-

библиографических процессов является определение информационных потоков, обеспечивающих взаимодействие всех подразделений высшего учебного заведения - участников процесса.

Качественное комплектование фонда учебной литературы предполагает использование результатов анализа состава фонда и значений показателей книгообеспеченности учебного процесса соответствующими изданиями. Расчёт показателей для такого анализа стал

возможен на основе данных электронного каталога и электронного фонда рабочих программ дисциплин, создание и поддержка которых осуществляется средствами информационно-аналитической системы Оренбургского государственного

университета (ИАС ОГУ) в научной библиотеке ОГУ. Значительный вклад в анализ состояния изданий библиотечного фонда, связанных с учебным процессом, внесли определение перечня основной литературы по читаемой дисциплине из рабочих программ и связь этих данных с информацией о контингенте студентов, поддерживаемые в актуальном состоянии в интегрируемой базе данных ИАС ОГУ.

При этом для увеличения эффективности комплектования фонда особенно актуальным является

автоматизация функций мониторинга книгообеспеченности учебного процесса. Коэффициент книгообеспеченности - это степень, полнота обеспеченности книгой или книгами того контингента учащихся, для которых это издание (или издания) предназначено.

База данных «Книгообеспеченность» нацелена на информационное

сопровождение учебного процесса, дает возможность объективно изучать соответствие учебного фонда профилю университета и прогнозировать и стратегию его направления.

Задача подсчета книгообеспеченности учебного процесса в вузе является функцией ИАС вуза. Данные об учебных подразделениях вуза, учебных планах, учебном расписании, рабочих программ дает возможность осуществлять расчет книгообеспеченности дисциплин.

Поддержание обозначенного выше значения коэффициента

книгообеспеченностипри комплектовании фонда библиотеки в связи с естественной устареваемостью учебной литературы требует постоянных денежных вливаний из бюджета вуза для приобретения новой литературы. В этом смысле библиотека сегодня является активным экономическим агентом, производя закупку литературы, исходя из потребностей вуза. Кроме того,осуществление непрерывного доступа к

ЭБС и другим электронным ресурсам нуждается в дополнительном финансировании. Помимо этого проводимые в университете научно-исследовательские разработки, инновационная деятельность, современные технологии обучения создают многоуровневые и разнообразные по тематике информационные потребности пользователей библиотеки.

Одним из важнейших показателей эффективного использования средств финансирования библиотеки является востребованность закупленной учебной литературы.

В связи с этим разработка и апробация алгоритмов оценки эффективности использования средств финансирования библиотеки по имеющимся показателям востребованности приобретённой

литературы является актуальной задачей.

Реализацию поставленной задачи проведём в несколько этапов:

- определим факторы, влияющие на востребованность учебной литературы;

- выявим из них наиболее существенные;

- применим метод интеллектуального анализа данных для набора данных, представляющих собой выборку учебной литературы вузовской библиотеки, выданную студентам;

- дадим оценку эффективности использования средств финансирования библиотеки.

Востребованность учебника является интегральной характеристикой, зависящей

от многих факторов. Эти факторы определяются в частности преподавателем: его научным мировоззрением, знанием современного учебного и учебно-методического обеспечения дисциплины и новых веяний в науке. Как следствие, это отражено в рекомендуемой литературе рабочей программы по дисциплине. Студенты, являясь зрелыми

самостоятельными личностями, могут иметь свои взгляды на выбор учебной литературы, необходимой для успешного освоения дисциплины. Например, преподаватель рекомендует учебник на бумажном носителе, а большинству студентов более удобен электронный вариант.

В этой связи выявление существенных факторов, влияющих на востребованность учебной литературы, является важной задачей.

Все факторы, влияющие на востребованность учебной литературы, можно условно разбить на три группы: библиографические, учебно-

организационные, а также на факторы, не имеющие определённой принадлежности.

К библиографическим отнесены те факторы, которые несут информацию об учебной литературе, необходимую для её идентификации. К их числу могут быть отнесены год выпуска учебника, издательство и другие. В таблице 1 приведены библиографические факторы с указанием возможного диапазона значений и соотнесением их к качественным или количественным признакам.

Таблица 1 - Библиограс ические факторы

№ Имя признака Тип признака Диапазон значений Пример

1 Год выпуска Количественны й 2004, ..., 2013 2008

2 Издательство Качественный Дело, Лань, ЭКЗАМЕН и др. Лань

3 Сведения об авторе Качественный Отечественный, зарубежный Отечественный

4 Качественный Популярный непопулярный Популярный

5 Наличие грифа Качественный Есть, нет Нет

6 Носитель Качественный Бумажный, электронный Бумажный

7 Тип издания Качественный Учебник, учебное пособие Учебник

8 Назначение учебника Качественный Сборник задач, курс лекций, практикум, теория с решениями и др. Практикум

9 Объём издания Количественны 124,...,240,... 280

й

10 Заглавие Качественный Информатика для экономистов и др. Финансовая математика

11 Сведения об издании Качественный 1, 2, дополненное и переработанное,... 3

12 Место издания Качественный Москва, СПб,. Москва

13 Серия Качественный Учебник для вузов, учебное пособие и др. или отсутствует Отсутствует

К учебно-органгоационным(таблица 2) количество семестров изучения дисциплины, отнесены те факторы, которые связаны с её цикл в учебном плане и др.). организацией учебного процесса (например,

Таблица 2 - Факторы, связанные с организацией учебного процесса

№ Имя признака Тип признака Диапазон значений Пример

1 Количество семестров изучения дисциплины Количественный 1,2,3,...,6 2

2 Количество дисциплин, использующих данный учебник Количественный 1,2,3,...,5 1

3 Цикл дисциплины Качественный 1)Гуманитарный, социальный и экономический; 2)естественнонаучный; 3 профессиональный. Есте- ственнона учный

4 Рекомендация в РП Качественный Основная, дополнительная, не рекомендован Основная

5 Семестр изучения Количественный Осенний, весенний Весенний

6 Наличие в РП вопросов, выносимых на самостоятельное изучение Качественный Да, нет Да

7 Соответствие преподавателя и автора РП Качественный Да, нет Да

Факторы, не имеющие определённой принадлежности (количество запросов, сиглхранения и др.), приведены в таблице 3.

Таблица 3 - Прочие факторы

№ Имя признака Тип признака Диапазон значений Пример

1 Количество запросов Количественный 0,1.., 36

2 Коэффициент кни-гообеспеченности Количественный 0,2,..,1 0,8

3 Успеваемость студентов Количественный 2,5;...,5,0 3,6

4 Сигл хранения Качественный № корпуса 14

5 Материал учебника Качественный Теоретический, практический Практический

Прежде, чем определить вид отметим, что большинство факторов зависимости востребованности учебной относятся к качественным переменным. Это литературы от перечисленных факторов, значительно усложняет применение

традиционных статистических методов. Кроме этого, объем обрабатываемых данных велик, поскольку активный фонд библиотеки насчитывает более 600 тысяч экземпляров - это около 47 тысяч наименований учебников, а общее число читателей среди студентов ОГУ составляет свыше 20 тысяч человек. Нужен другой инструмент для обработки имеющихся данных средствами информационно-аналитической системы ОГУ.

Локализация факторов

востребованности учебной литературы может быть достигнута путем применения методов интеллектуального анализа данных - методов DataMining. Кроме того, данный метод призван работать с большими базами данных для извлечения новых полезных знаний.

Для выбора наиболее существенных среди качественных факторов, влияющих на востребованность учебной литературы, воспользуемся методом анализа иерархийи приоритетов. При применении данного метода получено, что среди сравниваемых библиографических факторов наивысшие приоритеты имеют: сведения об авторе (22%), издательство (20%), назначение учебника (15%) и место издания (13%); среди учебно-организационных факторов - рекомендация в рабочей программе (40%), наличие в рабочей программе вопросов, выносимых на самостоятельное изучение (30%) и цикл дисциплины (19%). Среди прочих факторов все, кроме сигл хранения, имеют количественные характеристики, значит, для их оценки могут быть применены статистические методы.

Задача оценки востребованности учебной литературы относится к задаче классификации. Для решения задачи классификации в интеллектуальном анализе данных используется множество различных моделей: линейный классификатор, нейронные сети, деревья решений, машины опорных векторов, логическая регрессия, байесовский классификатор, метод к-ближайших соседей, алгоритмы покрытия и другие.

Построим модель оценки

востребованности учебной литературы по имеющимся факторам, с использованием

метода деревьев решений интеллектуального анализа данных на базе аналитической платформы Deductor.

По сравнению с другими методами интеллектуального анализа данных, метод дерева принятий решений имеет несколько преимуществ:

1. Прост в понимании и интерпретации.

2. Не требует подготовки данных. Прочие техники требуют нормализации данных, добавления дамми-переменных, а также удаления пропущенных данных.

3. Способен работать как с категориальными, так и с интервальными переменными.

4. Использует модель «белого ящика». Если определенная ситуация наблюдается в модели, то её можно объяснить при помощи булевой логики.

5. Позволяет оценить модель при помощи статистических тестов.

6. Является надёжным методом. Метод хорошо работает даже в том случае, если были нарушены первоначальные предположения, включённые в модель.

7. Позволяет работать с большим объёмом информации без специальных подготовительных процедур. Данный метод не требует специального оборудования для работы с большими базами данных.

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

Покажем реализацию данного метода для поставленной выше задачи.

Рассмотрим набор данных,

представляющих собой сведения о 104 образцах учебной литературы,

рекомендуемой в рабочей программе студентам 1 и 2 курса специальности «Таможенное дело» ОГУ. Так как библиотечно-библиографические процессы в ОГУ автоматизированы и университет имеет права использовать аналитическую платформу Deductor, то это позволяет применять методы интеллектуально анализа данных. Коэффициент обеспеченности для каждого элемента вычислен программной системой «Книгообеспеченность учебного процесса». Будем использовать этот коэффициент в качестве выходного атрибута, характеризующего учебник, так как книгообеспеченность - один из важнейших показателей соответствия вуза требованиям лицензирования и аккредитации.

В узле «Дерево решений» системы Deductor за основу взят алгоритм С 4.5. Алгоритм С 4.5 - это усовершенствованная версия алгоритма ГО3 (IterativeDichoto-mizer), использующая теоретико-информационный подход. Для выбора наиболее подходящего атрибута, предлагается следующий критерий:

Gain X _т- Info T jt Info х T где ^ ~ - энтропия множества Т, а

тах ^

Info t Jr 2-1 Т~т ' Info î

Л \т\ '

i=i T

(2)

T T

T 1 , T 2 ,

п получены при множества т по

Множества разбиении исходного проверке х . Выбирается атрибут, дающий максимальное значение по критерию (1). В случае, если все атрибуты имеют числовые значения, разбиение по полям производится следующим образом.

Упорядочить записи по возрастанию.

Разбить исходное множество т на

T )• 1

T

и T 2

два: попадает

остальные получить

элемента из

Причем на первой итерации в 1 только первая запись, все

Следующее разбиение перемещения первого

7\

в

путём

т т

T2 в T1

Gini

Вычислить индекс "р"' для каждого из возможных способов разбиений т. Выбирать тот, при котором указанный индекс минимален. Для этого используются следующие формулы:

Gini

split

f —-Gini f, —'-Gini f

N N

Gini

t~= 1-Z

Pi

(3)

(4)

где

- вероятность того, что пример класса г находится во множестве Т, N -количество примеров.

Используются следующие случаи остановки дальнейшего разбиения узла:

- если в узле содержится достаточное количество примеров;

- если узел содержит примеры одного класса;

- если количество нераспознанных примеров меньше минимального количества примеров в узле.

Рассмотрим реализацию дерева решений в Deductor. Помимо других преимуществ аналитическая платформа Deductor позволяет работать с данными, содержащими пропуски. Произведем фильтрацию данных в мастере обработки и произведем настройку параметров дерева решений. В результате этих действий объём выборки сократился до 90 элементов.

После завершения работы алгоритма по построению дерева решений, Deductor позволяет вывести различную аналитическую информацию о построенной модели: графическая интерпретация дерева решений, статистические данные по узлам, правила, таблицу сопряженности и др. Для нас наибольший интерес представляет матрица сопряженности, так как ее анализ позволяет сделать вывод о качестве построенной модели.

В общем случае матрица сопряжённости имеет вид, представленный на рисунке 1.

Фактически

Модель положительно отрицательно

положительно ТР F Р

отрицательно FN TN

Рисунок 1 - Общий вид таблицы сопряжённости

С помощью таблицы сопряженности, полученной в результате эксперимента, можно оценить качество построенной модели по двум параметрам:

- общий показатель успеха (оуега115иссе55га1е, ОБЯ) ТР + ты

OSR =

ТР + ТЫ + + FiV - общий показатель (оуега11еггогга1е, ОУЯ)

РР + р]у

(5)

ошибки

OVR =

где

ТР + ТЫ + + 5 (6)

- верно классифицированные

положительные примеры,

- верно классифицированные отрицательные примеры,

! 1

^ - положительные примеры, классифицированные как отрицательные (ошибка первого рода),

РР - отрицательные примеры, классифицированные как положительные (ошибка второго рода).

В нашем случае матрица сопряжённости имеет вид, представленный на рисунке 2.

Классифицировано

Фактически False True Итого

False 53 3 56

True 11 23 34

Итого 64 26 90

I

Рисунок 2 - Таблица сопряженности

53 + 23 3 + 11

ОЖ = -= 0,84 ОУВ. = -= 0,16

90 90

Достаточно высокое значение OSR говорит об успешности используемого метода, так как построенная модель в 84% случаев классифицирует элементы верно.

В результате построения дерева решений в Deductor, получено, что значимыми являются только три фактора: количество учебников (61%), год издания учебной литературы (22%) и цикл дисциплины (17%). Эти результаты

свидетельствуют о необходимости приобретения дополнительной литературы с учетом года издания и места дисциплины в учебном плане.

Интеллектуальный анализ базы данных выданной учебной литературы подсистемы «Библиотека» ИАС ОГУ позволяет выявить наиболее существенные факторы, влияющие наеё востребованность. Оперативное информирование подразделений

университета об использовании

библиотечного фонда дает возможность преподавателям рекомендовать учебную литературу, отвечающую указанным требованиям, осуществлять контроль подготовки студентов к занятиям и принимать решения по стимулированию к активному использованию библиотеки. Рациональное управление

востребованностью учебной литературы в интегрированной библиотечно-

информационной системе вуза повышает качество комплектования библиотечного фонда учебной литературы и способствует более эффективному освоению финансов при закупке учебной литературы. Все это, вместе взятое, улучшает качество учебно-педагогической и научной деятельности вуза.

БИБЛИОГРАФИЧЕСКИМ СПИСОК

1. Ащеулова, Н.А. [и др.] Автоматизация учебной деятельности в Оренбургском государственном университете // Автоматизированные системы управления учебным процессом в вузе: опыт, проблемы, возможности: материалы III Всероссийской научно-практического семинара. - Шахты: Изд-во ЮРГУЭС, 2005.- С. 4-8.

2. Болодурина, И.П., Болдырев, П.А, Дусакаева, С.Т. Совершенствование технологии управления востребованностью литературы в интегрированной библиотечно-информационной системе вуза // Актуальные проблемы автоматизации и управления: труды научно-практической конференции. - Челябинск: Издательский центр УЮрГУ, 2013. - С. 258-261.

3. Болодурина, И.П., Болдырев, П.А, Дусакаева, С.Т. Востребованность учебной литературы как оценка эффективности средств финансирования библиотеки // Формирование основных направлений развития современной статистики и эконометрики: материалы I-ой Международной научной конференции. Том I (26-28 сентября 2013 года). - Оренбург: ООО ИПК «Университет», 2013. - 459с. - С. 232-240.

4. Болодурина, И.П., Быковский, В.В., Болдырев, П.А. Разработка интегрированной информационно-аналитической системы комплектования фонда научной библиотеки университета // Материалы IV МНК «Управление развитием крупномасштабных систем». - М.: ИПУ им. Трапезникова РАН, 2010. - С. 220-221.

5. Болодурина, И.П., Болдырев, П.А., Волкова, Т.В., Ханжина, Н.В. Технология интеграции данных при расчете книгообеспеченности образовательного процесса в распределенной

Болодурина И.П., Болдырев П.А., Дусакаева С. Т. информационной системе вуза // Инфокоммуникационные технологии. - №3.- 2011. - Том 9. -С.61-64.

6. Болодурина, И.П., Волкова, Т.В. Структура интегрированных ресурсов автоматизированной системы управления высшим учебным заведением // Программные продукты и системы. - №3. - 2007. - С. 51-52.

7. Болодурина, И.П., Волкова, Т.В., Болдырев,П.А.Технология интеграции библиотечно-информационной системы в образовательную среду вуза // Программные продукты и системы. - №1. - 2011. - С. 109-113.

8. Болодурина, И.П., Волкова, Т.В., Болдырев, П.А. Автоматизация комплектования фонда научной библиотеки ОГУ на основе интеграции данных // Современные информационные технологии в науке, образовании и практике: материалы VII научно-практической конференции. - Оренбург: ИПК ГОУ ОГУ, 2008. - С. 341-345.

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

9. Болодурина, И.П., Волкова, Т.В. Совершенствование процессов обработки данных средствами интегрированной автоматизированной информационной системы вуза // Информационная среда вуза XXI века: материалы III научно-практической конференции. - Петрозаводск, 2009. - С. 29-31.

10. Болодурина, И.П., Волкова, Т.В. Методы и алгоритмы автоматизации контроля и анализа процессов формирования интегрированной информации для управления вузом // Математика. Информационные технологии. Образование: Сб. науч. тр. - Оренбург: ОГУ, 2008. -С. 65-70.

11. Болдырев, П.А. Роль автоматизации библиотечно-библиографических процессов в системе управления учебным процессом вуза интегрированной информационно-аналитической системы ОГУ // Информационные технологии в образовании: материалы международной конференции. - М.: Московский государственный институт радиотехники, электроники и автоматики, 2010. - С. 165-169.

12. Болдырев, П.А. Разработка интегрированной информационной системы поддержки управления комплектованием библиотеки вуза // Актуальные проблемы реализации образовательных стандартов нового поколения в условиях университетского комплекса: материалы научно-методической конференции. - Оренбург: ИПК ГОУ ОГУ, 2011. - С. 17181724.

13. Быковский, В.В., Волкова, Т.В. Информационно-аналитическая система Оренбургского государственного университета // Информационно-коммуникационные технологии в управлении вузом: материалы Всероссийской научно-практической конференции. -Петрозаводск: Изд-во Петр.ГУ., 2003.- С. 25-27.

14. Волкова, Т.В., Болдырев, П.А Методика расчета коэффициента книгообеспеченности учебного процесса в Оренбургском государственном университете // Вестник Оренбургского государственного университета. - Оренбург, 2010. - № 9. - С. 81-87.

15. Заварыкина, И.П., Болдырев, П.А. Мониторинг востребованности литературы в образовательном процессе вуза на основе интеграции и обработки данных учебных и библио-течно-библиографических процессов // Библиотеки вузов Урала: проблемы и опыт работы. -Екатеринбург, 2012. - № 11. - С. 54-59.

16. Павлова, Л.П. Библиотека и новые информационные технологии // Научные и технические библиотеки.-1999.- №6.- С.-15-21.

17. Стукалов, Т.Н. Картотека книгообеспеченности в системе управления учебным процессом вуза // Библиотеки учебных заведений. - 2008. - №27. - С. 47-53.

i Надоели баннеры? Вы всегда можете отключить рекламу.