CC BY
60
Формирование интеллектуального ядра сетевой инфраструктуры сферы высшего образования и науки
Цветков Валерий Анатольевич член-корреспондент РАН, профессор, д.э.н., директор, Институт проблем рынка РАН, Нахимовский пр-т, 47, Москва, Россия, 117418, +7(499)129-10-33 tsvetkov@cemi.rssi.ru
Логинов Евгений Леонидович д.э.н., дважды Лауреат премии Правительства Российской Федерации в области науки и
техники, заместитель директора, Институт проблем рынка РАН, Нахимовский пр-т, 47, Москва, Россия, 117418, +7(499)724-27-61 evgenloginov@gmail.com
Райков Александр Николаевич профессор, д.т.н., Лауреат премии Правительства РФ в области науки и техники, профессор, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, проспект Вернадского, 82, стр.1, Москва, 119571, +7(903)796-21-32 Alexander.N.Raikov@gmail.com
Аннотация
Повышение эффективности складывающейся системы образовательных услуг затрудняют такие факторы, как: диспропорции в обеспечении текущих рыночных потребностей в специалистах и стратегических трендов развития информационного общества, консервативность системы образования в условиях динамичности рынка, разорванность образовательного потенциала и адресного характера приложения результата образовательного труда и т.п. В статье для решения этих проблем предлагается создание соответствующей сетевой инфраструктуры сферы высшего образования и науки и ее организационного интеллектуально-управляющего ядра. Efficiency improving of the prevailing system of educational services is impeded by factors such as disparities in the provision of current market requirements for specialists and strategic trends of the information society development, conservativeness of the education system in a dynamic market, fragmentation of the educational potential and targeted nature of the application the result of the educational work, etc. For the solution of these problems in the paper is proposed the creation of an appropriate network infrastructure of higher education and science and its organizational intellectual and control core.
Ключевые слова
компетенции, образование, сетевые университеты, организационное обеспечение, интеллектуальное управление
competence, education, networked universities, organizational support, intelligent control
Введение
Накапливавшиеся диспропорции в системно-структурных характеристиках образовательной, научной, производственной деятельности регионов различного
масштаба (страна, область, город, муниципалитет и пр.) приводят к необходимости новой структурной компоновки образовательных и научных организаций. При этом структурирование может быть основано на методах стратегического маркетинга, исследования потребностей динамически сегментированного рынка, оперативного синтеза образовательных траекторий на основе территориально-распределенного потенциала образовательных услуг [1; 2].
Наглядной демонстрацией неадекватности системы образования и потребностей знаний и компетенций рынка может служить ситуация, сложившаяся в середине 2000-х годов в московской системе начального и среднего профессионального образования. Так, для изучения ситуации было проведено стратегическое маркетинговое исследование, в котором участвовало порядка 1500 респондентов. Неадекватность характеризуется такими показателями:
- необходимость подготовки специалистов, более отвечающих потребностям практики (91,1% респондентов)
- падение престижа выпускников (86%);
- недостаточная гибкость образовательной системы (77,2%);
- отсутствие тесного взаимодействия образовательных организаций с работодателем (72,3%) и др.
В результате исследования было выявлено, что для достижения требуемого уровня адекватности системы образования необходимо применять новые менеджериальные и организационные модели, основанные, в том числе, на сетевых информационных технологиях, механизмах менеджмента качества образования.
В настоящий период, как в мировой, так и в российской экономике меняется характер формирования ключевых факторов конкурентоспособности за счет динамичного развития технологической базы и конкретных наукоемких производств, требующий кардинального изменения подхода к организации научно-технического развития, созданию образовательных организаций.
В этих условиях изменение территориальной структурной компоновки образовательных и научных организаций в контексте развития промышленной и социальной инфраструктуры позволит решать многие из накапливающихся проблем, причем с экономией финансовых и материальных затрат на эти цели, и, главное, обеспечением роста качества образования [3]. В связи с этим возможен переход к сетеформирующей кластеризации образовательной, научной, производственной деятельности, путем выделения соответствующих научно-образовательных кластеров, находящихся на территории одного или нескольких регионов, как правило, территориально смежных, в пределах которых, осуществляется попытка достижения сбалансированности инновационного развития в условиях как обычной, так и высокотехнологичной производственной деятельности [4]. Сетеформирующая кластеризация структур образовательной, научной, производственной деятельности при заданных критериях организационно-информационного взаимодействия обеспечит формирование единого научно-технического пространства в сфере науки и образования региона.
Сетевая организационная модель
Взаимоотношения между хозяйствующими субъектами и органами государственного управления должны быть оптимизированы для дальнейшего развития научно-технологических заделов как основы модернизации производства путем совершенствования системы планирования, заказа и реализации программ НИОКР с выходом на внедрение, производство, сбыт и дальнейшее сопровождение новых технологических решений. Эти взаимоотношения носят двухсторонний взаимозависимый характер, обусловленный их активным взаимодействием в
условиях рыночной экономики, что должно реализовываться на основе го сударственно -частных партнерств.
Новая организационная модель в рамках развития интегрированного управления на основе формирования организационных объединений (сегментов) должна обеспечивать реализацию развития компетенций высококвалифицированных кадров в органах государственной власти и наукоемких отраслях в рамках следующей функциональной цепочки (модели), проиллюстрированной на рис. 1, с учетом:
- необходимости формирования государственных образовательных стандартов профессионального образования с учетом сложившихся положений соответствующих профессиональных стандартов;
- правил участия объединений работодателей в мониторинге и прогнозировании потребностей экономики в квалифицированных кадрах, а также в разработке и реализации государственной политики в области среднего и профессионального образования и высшего образования;
- порядка распределения контрольных цифр приема граждан по профессиям, специальностям и направлениям подготовки для обучения по имеющим государственную аккредитацию образовательным программам среднего профессионального образования и высшего образования за счет бюджетных ассигнований федерального бюджета.
Органы государственной власти
Научные и
образовательные
организации
Организации РАН, НИИ, университеты, колледжи
<
С
Соглашение о ГЧП
Экономические кластеры
Формы ГНП:
• Инфраструктурные
• оборудование
• Интеллектуальная собственность
■ Сервисы
• Многообъектные Иные
Предприятия и организации
Сетевое взаимодействие
>
Сетевое взаимодействие
Образовательно-научно-производственная сеть
>
Рис. 1. Организационная модель
Такой подход требует создания специальной поддерживающей интеллектуальной информационно-аналитической системы, отвечающей, как минимум, следующим критериям:
- концептуальное агрегационное моделирование, сетевое целеполагание и прогнозирование развития ситуации;
- многоцелевой (многоуровневый) сетевой аналитический мониторинг ситуации по сегментам рынка;
- сетевая систематизация аналитической информации по целям и уровням;
- комплексная дифференцированная и интегральная оценка ситуации;
- командная подготовка проектов согласованных решений, стратегий и
планов;
- сетевая оценка последствий и рисков каждого из возможных событий, решений и др.
Концептуальное моделирование
Накопление отмеченных выше диспропорций в системно-структурных характеристиках образовательной, научной, производственной деятельности регионов различного масштаба идет от конкретных проблемных ситуаций, связанных с появлением неадекватности потребности практики (рабочее место в промышленности, например) и характеристик качества личности.
Какую информацию можно получить о структуре характеристик качества личности и ее соответствия профессиональным требованиям (в том числе явных и латентных характеристик качества личности) анализируя результаты тестирования обучаемых? Представим профессиональную модель сотрудника в рамках кадровой концепции соответствующих видов профессиональной деятельности в виде графа, вершинами которого являются характеристики качества личности, а ребра соответствуют направлениям движения качества ее подготовки, культурного уровня, интересов, эмоционального потенциала, волевых качеств, внутренней мотивации. Обозначим такой граф, как граф Е (рис. 2).
Профессиональная модель сотрудника (граф Е)
Направления изменения
Динамика результатов тестирования (граф 1}
Оценки по дисциплинам
Соответствие
Характеристики качества личности
Профессиональные компетенции
Рис. 2. Графы профессиональной модели сотрудника
Анализируя результаты тестирования обучаемых, эксперт, проводящий анализ, не видит названий или имён, но имеет уникальные оценки по дисциплинам. Анализируя динамику результатов тестирования, можно построить граф, вершинам
которого сопоставлены оценки по дисциплинам, а рёбрами - обозначены профессиональные компетенции. Обозначим его как граф I. Такой граф I можно сопоставить с графом Е, описывающим требуемую профессиональную модель сотрудника в рамках кадровой концепции соответствующих видов профессиональной деятельности. И эти графы частично совпадут. Несовпадения требуют поэтапного мониторинга результатов и внесение корректировок.
Графы могут быть наложены друг на друга таким образом, что полученная суперпозиция графов 8 будет в той или иной мере отражать структуру взаимосвязей качества личности и ее соответствия профессиональным требованиям. Для большего соответствия между графами может быть использована также информация, при наличии, о соответствии характеристик качества личности и конкретных профессиональных компетенций.
Пусть теперь каждому ребру графа I соответствует список (массив) моментов времени, в которые изменялась динамика результатов оценок между вершинами графа. Определим теперь взаимозависимость (корреляцию) между результатами оценки профессиональных компетенций как между собой, так и с результатами оценки качества личности и ее соответствия профессиональным требованиям. Полученные результаты могут быть весьма полезны для различных приложений. Полученные результаты могут быть использованы как для выявления качества подготовки, культурного уровня, интересов, волевых качеств, внутренней мотивации личности и профессиональных компетенций, оказывающих влияние на те или иные события и процессы качества личности и ее соответствия профессиональным требованиям, так и для прогнозирования таких событий и процессов. Для практической реализации данной концепции формирования профессиональной модели сотрудника в рамках кадровой концепции соответствующих видов профессиональной деятельности путём анализа результатов тестирования обучаемых авторами настоящей работы разработан математический аппарат, использующий различные методы, такие как: композиционного, математической статистики, когнитивного, потокового и нейросетевого моделирования.
Так, при использовании подходов композиционного моделирования предложенное выше представление профессиональной модели сотрудника в рамках кадровой концепции соответствующих видов профессиональной деятельности в виде графа или её части в виде графа представляет собой соответствующую подмодель макромодели концептуального типа, в качестве которой может выступать когнитивная схема [5; 6].
При общей постановке задачи, это только часть потоковой подмодели содержащей описание потокового графа, истоки которого соответствуют входным потокам (характеристикам) качества ее подготовки, культурного уровня, интересов, волевых качеств, внутренней мотивации, а стоки - выходным потокам (характеристикам). Кроме этой подмодели, информационная макромодель, ориентированная на возможность использования в системах композиционного моделирования, должна являться композицией следующих подмоделей:
- аналитическая подмодель, содержащая описание основных аналитических зависимостей критериальных показателей от численных значений варьируемых внешних и внутренних его параметров. Аналитическая подмодель представляет собой линейный список, содержащий имя проблемной ситуации, имена критериальных показателей ее характеристик, имена варьируемых ее параметров и их уникальные номера компонентов каждой критериальной аналитической зависимости, номера варьируемых параметров для каждого компонента, численные значения показателей степенных зависимостей критериальных показателей от значений характеристик;
- динамическая подмодель, содержащая описание сигнального графа состояний проблемной ситуации, множество вершин которого соответствует
множеству обобщённых воздействий и реакций (сигналов), а множество направленных взвешенных ветвей графа - множеству отношений между сигналами. Динамическая подмодель представляет собой линейный список, содержащий имя проблемной ситуации, имена обобщённых воздействий и обобщённых реакций на входе и выходе модели проблемной ситуации и их уникальные кодовые обозначения, перечень дуг сигнального графа и соответствующих передач этих дуг как нелинейных функций внутренних параметров и численные значения указанных параметров;
- описательная подмодель, содержащая перечень видов и параметров «продуктов» и показателей модели проблемной ситуации, на численные значения которых накладываются ограничения, и представляет собой линейный список, включающий имя модели проблемной ситуации, список параметров и допустимое их минимальные и максимальные значения.
Интеллектуальное ядро
Интеллектуальное ядро предлагаемой системы формируется на основе определенного выше сетевого организационного (институционального) обеспечения, а также механизма сетевой экспертизы [7; 8], инструментария сбора и обработки маркетинговых данных, интегрированной базы моделей проблемных ситуаций (образовательных, на рынке труда и пр.), разработанной на основе инструментария интеллектуальных информационных технологий [6; 9].
При этом базу моделей можно рассматривать как обобщённую базу знаний (когнитивных, регрессионных, эволюционных и иных моделей), отражающую область существования при решении задач композиционного моделирования многодисциплинарных пространственно распределённых сложных систем соответствующего класса, удовлетворяющую условиям обучаемости, «наследственности» и «изменчивости».
Для решения задачи композиционного моделирования сложной проблемной ситуации необходимо предварительно задать ее концептуальную модель, отражающую внешние требования к этой системе как к «чёрному ящику», внутреннее содержание которого должно быть определено в результате моделирования с использованием моделей элементов располагаемой базы знаний (когнитивных и иных моделей).
При решении поставленной задачи известна часть параметров внешних условий и значений параметров «выходного» продукта, а также часть параметров потоковой, аналитической, динамической и описательной подмоделей.
В общем случае функциональная макромодель исследуемой системы содержит перечень вершин графа, строки которого соответствуют потокам «выходной услуги», а истоки - потокам «первичной услуги», который используется для получения «конечной услуги» при не полностью известной внутренней структуре системы.
В данном случае, изначально, все указанные подмодели - разрознены в том смысле, что хотя все они описывают полностью или частично некоторые свойства одной и той же системы, но отсутствует явно указанное соответствие между их элементами, или (чаще) такое соответствие известно только для части элементов описания проблемной ситуации.
Сетевые кластеры и университеты
При наличии дефицита знаний и компетенций в любом научно-образовательном кластере, сформированном на основе сетевой организации работ,
его покрытие осуществляется за счет импорта знаний и компетенций по линиям организационно-информационного взаимодействия [10].
При наличии избытка знаний и компетенций в кластере, сформированном на основе сети, этот избыток может быть передан в дефицитный кластер по линиям организационно-информационного взаимодействия для покрытия балансового дефицита знаний и компетенций. В случае, когда передаваемый из избыточного кластера, сформированного на основе сети, объем знаний и компетенций обеспечивает сбалансированность, то эти взаимосвязи служат для повышения эффективности совокупности управленческих и функциональных компетенций как системно структурированной групповой матрицы компетенций (методов, процессов, процедур и пр.) при осуществлении образовательной, научной, производственной деятельности сетевого кластера [11].
В результате будет достигнуто более эффективное и точное формирование условных балансов потребности и формирования новых знаний и компетенций в рамках образовательной, научной и производственной деятельности в органах государственной власти, наукоемких отраслях и территориальных секторах социально-экономической системы региона.
Сетеформирующая кластеризация образовательной, научной и производственной деятельности в органах государственной власти, наукоемких отраслях и территориальных секторах социально-экономической системы позволяет значительно более точно, чем это делается в настоящее время, структурировать сегменты рынка новых знаний - совокупное потребление новых знаний, отнесенное к кластеризованной группе хозяйствующих субъектов [12].
Для эффективного построения интеллектуального ядра сетевой инфраструктуры сферы высшего образования и науки страны требуется придание системе развития компетенций высококвалифицированных кадров во взаимосвязи с наукоемкими производствами новых качеств, обеспечивающих:
- создание условий для повышенной мотивации формирования эффективных сетевых кластеров и университетов, государственно-частных партнерств, профессиональных и экспертных сообществ, а также развития процессов самоорганизации, включая внедрение соответствующих портальных площадок, разработку кодексов профессиональной этики, нормативов, стандартов и др.;
- взаимодействие образовательной сети с любыми видами научными и образовательными организациями, в том числе создание гибких управленческих интерфейсов «человек-сеть»;
- взаимодействие образовательной сети с производственными предприятиями с обеспечением эффективного воспроизводства и использования новых знаний на основе ситуационного регулирования процессов развития компетенций высококвалифицированных кадров с максимальным учетом требований (в том числе экономических) производственных предприятий;
- выработка унифицированных требований к интерфейсам, модулям, средствам представления и хранения знаний и создание на этой основе интеллектуальных систем и баз знаний, обеспечивающих эффективную работу с различными информационными ресурсами, комплексное решение задач инженерии знаний (поиска, накопления и анализа знаний) и создание интеллектуальных обучающих систем при осуществлении образовательной, научной, производственной деятельности.
Заключение
Данные направления развития научно-образовательной сети обеспечивают повышение эффективности объединения организационных ресурсов и
функциональных возможностей образовательных, научных, производственных структур в рамках единой образовательно-научно-производственной цепочки при развитии ключевых областей знания с динамичной сменой пакета базовых навыков и компетенций специалистов в научно-образовательной и научно-производственной сфере в органах государственной власти, наукоемких отраслях и территориальных секторах социально-экономической системы.
Литература
1. Рубвальтер Д.А. Управление научно-техническим комплексом. Под ред. Г.Б.Клейнера. - М.: РУДН, 2008. - 517 с.
2. Ракитов А.И., Райков А.Н., Ковчуго Е.А. Наука, образование, инновации: стратегическое управление. - М.: Наука, 2007. - 228 с.
3. Ефремов Д.Н., Логинов Е.Л. Оптимизация взаимодействия распределенных участников бизнес-процессов при формировании ключевых областей знания на основе образовательно-научно-производственной сети // Экономика: теория и практика. 2014, №1. С.3-6.
4. Макаров В.Л., Агеев А.И., Зеленский В.А., Логинов Е.Л. Системные основы решения управленческих задач взаимодействия фундаментальной и прикладной науки с производственным сектором как основной фактор новой индустриализации России // Экономические стратегии, 2013, №2. С.108-117.
5. Максимов В.И. Когнитивные технологии - от незнания к пониманию/ (CASC'2001). Материалы 1-й международной конференции «Когнитивный анализ и управление развитием ситуации» в 3-х томах. Том 1. - М.: ИПУ РАН, 2001. - С. 4 -42.
6. Райков А.Н. Конвергентное управление и поддержка решений. -М.: Издательство ИКАР, 2009. - 245 с.
7. Губанов Д.А., Коргин Н.А., Новиков Д.А., Райков А.Н. Сетевая экспертиза. 2-е изд. / Под ред. чл.-к. РАН Д.А. Новикова, проф. А.Н. Райкова. - М.: Эгвес, 2011. - 166 с.
8. Raikov A.N. Holistic Discourse in the Network Cognitive Modeling// Journal of Mathematics and System Science. 3 (2013) 519-530.
9. Романов В.П. Интеллектуальные информационные системы в экономике: Учебное пособие/од ред. д.э.н. Н.П.Тихомирова. - М.: «Экзамен», 2003. - 496 с.
10. Бугаев А.С., Логинов Е.Л., Райков А.Н., Сараев В.Н. Семантика сетевых контактов // Научно-техническая информация. Серия 1: Организация и методика информационной работы. 2009. № 2. С. 33-36.
11. Эриашвили Н.Д., Логинов Е.Л., Райков А.Н. Формирование и развитие образовательной системы поддержки компетенций функциональных и управленческих кадров в госорганах и наукоемких отраслях на основе кластерно-сетевых форм интеграции образовательных, научных, производственных структур // Вестник Московского университета МВД, 2014, № 3. С. 239-243.
12. Логинов Е.Л., Райков А.Н., Эриашвили Н.Д. Оптимизация функционирования образовательной системы поддержки компетенций функциональных и управленческих кадров на основе ОНП-сети с распределенной информационно-вычислительной средой // Наука. Образование. Научные кадры, 2013, №7. С.206-210.
