CC BY
21
Глухова Людмила Владимировна, Ярыгин Олег Николаевич, Сыротюк Светлана Дмитриевна КВАЛИМЕТРИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ УРОВНЯ ПРИРАЩЕНИЯ ...
УДК 378.065
КВАЛИМЕТРИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ УРОВНЯ ПРИРАЩЕНИЯ ЗНАНИЙ НА ОСНОВЕ ИНСТРУМЕНТА БУЛЕВОЙ АЛГЕБРЫ
© 2016
Глухова Людмила Владимировна, доктор экономических наук, профессор, профессор кафедры «Менеджмент организации» Волжский университет им. В.Н. Татищева, Тольятти (Россия) Ярыгин Олег Николаевич, кандидат педагогических наук, доцент, доцент кафедры «Менеджмент организации» Сыротюк Светлана Дмитриевна, кандидат педагогических наук, доцент, доцент кафедры «Менеджмент организации» Тольяттинский государственный университет, Тольятти (Россия)
Аннотация. Квалиметрия - это развивающаяся наука об измерении и количественной оценке качества различных процессов. Оценка качества знаний персонала организаций сегодня рассматривается как ключевой компонент инновационной экономики. Ставя во главу приоритетов развития национальной инновационной системы человеческий фактор, отражающий процесс формирования и накопления знаний, рассматриваем экономику знаний как высший этап развития инновационной экономики, где основными факторами развития являются знания и человеческий капитал. В статье рассматривается квалиметрический подход к оценке уровня приращения знаний персонала организации, который выполняется с учетом следующих положений: 1) знания персонала рассматриваются как наличие определенного набора компетентности, полностью сформированной для требуемого инновационного развития экономики и имеющей возможность количественной оценки ее полноты; 2) инструмент булевой алгебры выбран для оценки полноты накопления определенного количества «полного набора» компетенций в связи с широким применением цифровых технологий, позволяющих измерять формирование компетентности и оценивать ее полноту на основе двоичной системы счисления, оперируя такими базовыми понятиями, как, «1» - есть сформированность требуемой компетентности персонала организации, - «0» - ее еще требуется формировать; 3) компетентность и ее полнота оцениваются набором компетенций, каждая из которых должна иметь интеграционный показатель равный «1», а общий интегральный показатель, характеризующий требуемую полноту знаний персонала организации для реализации инновационных изменений в свою профессиональную деятельность также должен быть равен «1». Отсюда следует важный вывод о необходимости управления существующим внутри организации трансфертом знаний персонала. Целью статьи является математическое обоснование показателей, которые необходимы персоналу организации, чтобы она могла оценивать процесс накопления знаний как структурный капитал и рассматривать его как человеческий потенциал, требующий постоянного обновления и развития. Для того, чтобы оптимизировать текущее состояние уровня знаний состава команды исполнителей в статье предложен аппарат булевой алгебры, позволяющий построить переход от одного качества знаний к другому, более высокому по уровню. Выбор математического аппарата обоснован его использованием в современных сложных динамических системах для оценки состояния этих систем в динамике.
Ключевые слова: квалиметрия, квалиметрический подход, экономика знаний, ядро знаний персонала, самообучающиеся организации, булева алгебра, оптимизация переходов от одного состояния знаний в другое, коэффициент трансферта знаний.
QUALIMETRIC APPROACH TO ASSESSING THE LEVEL OF INCREMENTAL KNOWLEDGE-BASED TOOL BOOLEAN ALGEBRA
© 2016
Glukhova Lyudmila Vladimirovna, doctor of economic Sciences, Professor, Professor of Department «Management of organization» Volzhsky University named after. V. N. Tatishchev, Tolyatti (Russia) Yarygin Oleg Nikolaevich, candidate of pedagogical Sciences, associate Professor of the Department «Organization Management» Syrotiuk Svetlana Dmitrievna, candidate of pedagogical Sciences, associate Professor of the Department «organization Management» Togliatti State University, Tolyatti (Russia)
Abstract. Qualimetry is a developing science of measuring and quantifying the quality of different processes. Quality assessment of knowledge of staff in organizations today is viewed as a key component of the innovation economy. With goals of priorities for the development of the national innovation system, the human factor, reflecting the process of formation and accumulation of knowledge, the knowledge economy as the highest stage of development of innovative economy, where the main factors of development are knowledge and human capital. The article discusses a qualitative approach to the evaluation of the increment of the knowledge of the organization's staff, which is subject to the following provisions: 1) knowledge of personnel are considered as having a specific set of competence, a fully-formed required for innovative economic development and having the opportunity to quantify its completeness; 2) the Boolean algebra tool selected for evaluation of completeness of the accumulation of a certain number of «full set» of competencies in connection with wide application of digital technologies, allowing to measure the formation of competence and to assess its completeness on the basis of the binary system, in terms such basic concepts as «1» - there is a formation of the required competence of the personnel of the organization, - «0» - it still needs to form; 3) the competence and completeness are evaluated by a set of competencies, each of which must have integration indicator equals «1» and the total integral index, characterizing the required knowledge of the organization's staff to implement innovation in professional activities must also be equal to «1». Hence, an important conclusion about the need to control existing within the organization with knowledge transfer staff. The purpose of this paper is the mathematical justification that staff the organization so that it can assess the process of accumulation of knowledge as structural capital and consider it as human potential, requiring constant updating and development. In order to optimize the current state of knowledge of the team of performers in the article the apparatus of Boolean algebra to build the transition from one quality to another, higher level. The choice of mathematical apparatus is justified by its use in modern complex dynamic systems to assess the status of these systems in dynamics.
Keywords: qualimetry, qualitative approach, the knowledge economy, the core knowledge of the staff, the learning organization, Boolean algebra, the optimization of transitions from one state of knowledge to another, the ratio of knowledge transfer.
Глухова Людмила Владимировна, Ярыгин Олег Николаевич, Сыротюк Светлана Дмитриевна КВАЛИМЕТРИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ УРОВНЯ ПРИРАЩЕНИЯ ...
Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами.
Термин «экономика знаний» был введен в научный оборот австроамериканским ученым Фрицем Махлупом (1962) в применении к одному из секторов экономики
Академик В.Л. Макаров [1] в своем докладе «Экономика знаний: уроки для России» отмечал, что в современное время этот термин, наряду с термином «экономика, базирующаяся на знаниях», используется для определения типа экономики, в которой знания играют решающую роль, а производство знаний является источником экономического роста. Также им отмечено, что наука, исследующая экономику знаний, переживает период накопления информации, постепенно переходя к первичной ее обработке. Проблема состоит в отборе и правильной систематизации огромного объема данных, что позволяет авторам статьи считать актуальной тему исследования, в которой рассматривается инструментарий оценки полноты знаний персонала организации.
Измерение знаний, по мнению В.Л. Макарова, методологически сложный процесс, так как «знания - это продукт, с одной стороны, частный, который можно присваивать, а с другой - общественный, принадлежащий всем». Объем знаний можно считать равным числу людей, суммарно потребивших все виды знаний. Таким образом, экономика знаний дает тем больший объем продукции, чем, с одной стороны, больше знаний создано учеными, и, с другой стороны, чем больше людей потребили эти знания. То есть важна и работа ученых, и работа людей, которые доводят знания до конечного потребителя. В настоящее время особое внимание начинает уделяться человеческому капиталу, созданию такой инфраструктуры, которая позволила бы использовать накопленные опыт и знания в производстве и потреблении. Соответственно этим задачам, а также для исследования новых процессов и явлений формируется система индикаторов, отражающих уровень развития сектора повышенного спроса на знания и в целом экономики, основанной на знаниях.
Ю.А. Корчагин в своей работе [2] отмечает, что драйвером современной инновационной экономики является триада: знания, интеллект, инновации. Триада является основным фактором, характеризующим экономику знаний и информационное общество, индустрию знаний, как ведущую отрасль экономики.
Академик С.Ю. Глазьев при классификации технологических укладов экономики, констатировал тот факт, что каждый очередной уклад экономики был связан с соответствующим этапом развития человеческого капитала и с его новым высоким качеством. Прежде всего, в образовании, в науке и в инновациях [3].
Профессор Л.В. Глухова в своей монографии «Экономика знаний: модели, методы управления» характеризует категорию «знаний» как результаты обобщения информации и установления определенных закономерностей в какой-либо предметной области, позволяющая производить инновационные изменения. Ею отмечено, что знания — это ресурс, базирующийся на практическом опыте специалистов и на информацию существующей в организации представленной в виде базы знаний. В связи с чем наиболее важным является представление знаний (структурирование знаний, с целью их формализации). управления знаниями (процесс коммуникации, направленный на извлечение новых и обновление существующих знаний), извлечение знаний (процесс получения знаний из источников, которыми могут быть материальные носители), в связи с чем корпоративная система генерации знаний должна обладать характеристиками непрерывности, непрерывности генерации, актуализации знаний, их диагностики, измерение знаний. [4, С. 10 - 26]
Сейчас эта тематика становится все более актуальной, поскольку является приоритетной и соответствует проводимой в стране государственной политике [5].
Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы показал, что существует достаточно много научных работ, в которых знания персонала организации рассматривается как необходимы компонент инновационной деятельности при работе над достижением общей цели [6-9].
Формирование целей статьи (постановка задания).
Исходя из вышеизложенного, основной целью статьи является использование математического аппарата для описания процессов, протекающих в самообучающейся организации и их оптимизации. Задачами исследования является:
- построение модели ядра знаний;
- определение ее состояний в статике и динамике;
- определение коэффициентов ядра знаний персонала организации;
- измерение знаний на основе квалиметрического подхода;
- построение оптимизационной модели для перехода знаний на более высокий уровень.
Изложение основного материала исследования с полным обоснованием полученных научных результатов.
Квалиметрический подход к оценке знаний персонала описан в работе Ю.К. Черновой [10], он основан на количественном измерении формируемых знаний персонала организации, оцениваемом через показатели сформированности компетенций персонала.
Полнота сформированности требуемых компетенций характеризует организацию, как самообучающуюся [2, 4, 8, 9, 15,16, 18, 19].
Анализ психолого-педагогических условий существования самообучающихся организаций выявил необходимость проектирования специальной информационно-педагогической системы (ИПС), в которой базовым компонентом является ядро знаний [11, 12, 13]. Рассмотрим его сущностную характеристику.
В таблице 1 представлены показатели качества, применяемые к составу ядра знаний. Они позволяют в дальнейшем оценить уровень качества сформированных знаний в целом и оценить, насколько этот уровень соответствует возможности перехода из одного состояния качества в другое. Показатели наличия компетенций являются комплексными и составляют табличную модель оценки качества содержания информационно-педагогической системы для самообучающейся организации.
Для формирования таблицы были использованы концептуальные положения формирования самообучающейся организации, предложенные в работах [11, 12, 13].
Опираясь на выводы Л.В. Глуховой о необходимости построения целостной структуры математической модели для любой сложной системы, в том числе и для создаваемой информационной системы подготовки специалистов [14], и развивая ее выводы, а также применяя выводы О.Н. Ярыгина [15], обосновывающего применение системного подхода и математического аппарата при формировании интеллектуальной компетентности [16], автор в дальнейшем использует аппарат булевой алгебры для доказательства правомерности своих выводов.
Для динамичного развития системы и оценки ее состояния в динамике существует много инструментов дискретной математики. Например, аппараты теории множеств, теории автоматов. В частности, в работах О.Н. Ярыгина широко используется аппарат булевой алгебры и системной динамики [17], которые позволяют строить прототип модели в динамике ее развития.
В таблице 1 показаны показатели качества ядра знаний ИПС, которые являются индикаторами развития системы. Показатели были выявлены в результате разработки авторской Концепции, состоящей из пяти Положений [18,19].
Таблица 1-а) Перечень показателей качества ядра информационно-педагогической системы по Положению 1
Глухова Людмила Владимировна, Ярыгин Олег Николаевич, Сыротюк Светлана Дмитриевна педагогические
КВАЛИМЕТРИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ УРОВНЯ ПРИРАЩЕНИЯ ... науки
Положения Концепции Наименование показателя Ограничения Назначение
Положение 1 Показатель конвергенции К1 > 0,9 Отражает способность к адаптации к ситуации, возникающей во внешней среде.
Положение 1 Показатель риска потери тесноты конвергенции отношений. К: К 2 ШШ Возникновение разрозненности знаний из-за шумовых воздействий
б) Перечень показателей качества ядра информационно-педагогической системы по Положению 2
Положение 2 Показатель интеллектуальной активности сотрудника, Кз ЛС3 > 0,85 Показывает готовность к нововведениям
Положение 2 Показатель готовности сотрудника к инновации. К+ К4> 0,8 Отражает готовность работать в команде над проектом
Положение2 Показатель готовности к трансформации знаний. К5 К5 >0,85 Отражает готовность передавать знания и принимать их при взаимодействии в команде.
в) Перечень показателей качества ядра информационно-педагогической системы по Положению 3
Положение 3 Показатель трансферта знаний, Кб К6 Отражает максимальный уровень взаимодействия в коллективе за счет эффективной передачи знаний
Положение 3 Показатель соответствия имеющихся знаний требованиям внешней среды, К7 К7 -»1 выполнять запросы внешней среды
г) Перечень п казателей качества ядра информационно-педагогической системы по Положению 4
Положение 4 Показатель эффективности фор мирования знаниевого ядра, Кб к1 Экономический показатель, характеризующий минимизацию финансовых потоков для организации работы коллектива исполнителей
д) Перечень показателей качества ядра информационно-педагогической системы по Положению 5
Положение 5 Показатель объема знаний. К9 к9 н>тах Совокупный аккумулятор наличия требуемых компетенций в полном объеме
Положение 5 Показатель приращения знаний. Км К1а —> шах Отражает динамику роста интеллектуального потенциала сотрудников
Положение 5 Показатель времени формированиязнаниевого ядра, Кп Ки —> тт Временной ресурс обновления знаниевого ядра, характеризует уровень способности восприятия новых знаний
Из таблицы 1(а-д) видно, что только некоторые компоненты (выделены жирной рамкой) имеют значительный «вес», то есть существенно отражают возможность перехода организации на новый уровень развития. Поэтому, в дальнейшем будем рассматривать функцию от четырех компонентов (К1, К6, К7, К ), суть которых заключается в следующем:
Коэффициент конвергенции отношений (К1) отражает способность к адаптации к ситуации. Его значение должно приближаться к единице, с допустимым уровнем погрешности у =10%.
Коэффициент трансферта знаний (К6) позволяет измерить тесноту связей возникающих при передаче знаний между сотрудниками при выполнении командной работы. Он должен приближаться к единице. Этот показатель зависит от времени реализации проекта и может изменяться от проекта к проекту, поэтому должен постоянно оцениваться и корректироваться под запросы внешней среды. Отметим, что он имеет самый высокий уровень допустимого риска, так как обладает свойством изменчивости и нестабильности.
Коэффициент соответствия имеющихся знаний требованиям внешней среды (К7) отражает готовность коллектива СО к решению инновационных проблем и способность их решений в заданный временной интервал с заданным допустимым уровнем риска. Минимальный уровень риска не должен превышать допустимый уровень погрешности у =10%.
Коэффициент приращения знаний (К10), отражает динамику роста интеллектуальной активности сотрудников во времени. Его значение в идеале должно постоянно накапливаться и возрастать, то есть ДК10 должно иметь положительную динамику, т.к. цель самообучающейся организации - накопление знаний и их постоянное обновление.
Каждый из вышеперечисленных коэффициентов является комплексным показателем конкретной ситуации, которая требует определенного набора компетенций и знаний в ядре базы знаний коллектива самообучающейся организации. Их формирование зависит от степени организации знаниевой компоненты и уровня развития организации.
Чтобы управлять уровнем развития, иметь возможность для его повышения или, хотя бы классификации и типизации, требуется диагностический инструментарий, обоснованный математическим аппаратом [20].
Общеизвестно, что при статическом состоянии системы можно характеризовать ее деятельность только в определенный момент времени.
Рассмотрим возможности применения булевой алгебры для доказательства перехода системы из одного состояния в другое.
Ведем условный обозначения для каждого из коэффициентов системы и будем оценивать их состояние в динамике развития. Пусть К1, К К7, К10 будут обозначены а, Ь, с, d, соответственно. Таким образом, в дальнейшем будем рассматривать логическую функцию от четырех переменных, каждая из которых может находиться в одном из двух устойчивых состояний (0,1). Уровень достижения предельного требуемого состояния кодируется «1», а недостаточный уровень достижения требуемых значений - "0".
Целью является формирование модели перехода одного состояния контролируемых параметров в другое состояние с повышением.
Таким образом, имеется логическая функция четырех переменных F(a, Ь, с, ф, где:
а - конвергенция отношений, определяющая адаптацию к ситуации;
Ь- трансферт знаний, показывающий тесноту связей возникающих при передаче знаний между сотрудниками при выполнении командной работы;
с- приращение знаний, отражающее накопление новых знаний, и рост интеллектуальной активности сотрудников во времени;
соответствие имеющихся знаний требуемым запросам внешней среды, которое отражается готовность коллектива СО к решению инновационных проблем и способность их решений в заданный временной интервал.
В таблице 2 отражено состояние контролируемых параметров, взятое в определенной точке среза знаний из ядра ИПС.
Таблица 2-Характеристика возможных состояния контролируемых параметров (фрагмент)
Состояние факторов Хар актеристики Выводы. Педагогические коммуникации
а ь с а
0 0 0 0 Команда не готова к функционированию в условиях самообучающейся организации (СО) Р(а,Ъ,с,<1)= 0. Методика внутр ифирменного обучения персонала по полной программе М1.
0 0 0 1 Команда имеет соответствующие знания, но сотрудники не готовы к взаимодействию внутри команды, и недостаточно временного ресурса для подготовки команды для работы в условиях СО Р(а,Ъ,сД)= 0
0 0 1 0 Команда не имеет соответствующие знания, но достаточно временного ресурса для подготовки команды для работы в условиях СО, но сотрудники готовы к взаимодействию внутри команды. Р(а,Ь,сД)= 0
0 0 1 1 Команда имеет соответствующие знания и сотрудники готовы к взаимодействию внутри команды, но недостаточно временного ресурса для подготовки команды для работы в условиях СО. Р(а,Ь,сД)= 1 Идеальное состояние для перехода при достаточном временном ресурсе, либо при отсутствии зависимости от времени реализации проекта
0 1 0 0 Команда не имеет соответствующие знания и сотрудники не готовы к взаимодействию внутри команды, но достаточно временного ресурса для подготовки команды для работы в условиях СО. Р(а,Ъ,сД)= 0 Методика внутр ифирменного обучения персонала по полной программе М1.
0 1 0 1 Команда имеет соответствующие знания и достаточно временного ресурса для подготовки команды для работы в условиях СО, но сотрудники не готовы к взаимодействию внутри команды. Р(а,Ъ,сД)= 1 Самообучение
0 1 1 0 Достаточно временного ресурса для подготовки команды для работы в условиях СО и сотрудники готовы к взаимодействию внутри команды, но команда не имеет соответствующие знания Р(а,Ъ,сД)= 1 Самообучение
0 1 1 1 Команда имеет соответствующие знания, сотрудники готовы к взаимодействию внутри команды и достаточно временного ресурса для подготовки команды для работы в условиях СО Р(а,Ъ,с,<1)= 1 Самообучение
Как видно из таблицы 2, выделены те состояния, которые близки к идеальному, то есть близкие к возможности перехода на новый уровень.
Целевая функция в целом будет иметь следующий вид:
F(a,b,c,d)=(WbUcШ )И( 'аИЬИ'сШ) ИОаИЬисИМ) иСаШисШ) (1)
Построим дизъюнктивную нормальную форму (ДНФ), которая предоставляет возможность по таблице истинности определить состояние каждого из параметров в совокупности функционирования. Фрагмент отражает только значимые состояния.
При построении таблицы истинности для данной функции за состояние "1" мы взяли идеальное состояние для перехода при достаточном временном ресурсе, либо при отсутствии зависимости от времени реализации проекта.
Глухова Людмила Владимировна, Ярыгин Олег Николаевич, Сыротюк Светлана Дмитриевна КВАЛИМЕТРИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ УРОВНЯ ПРИРАЩЕНИЯ ...
Таблица 3-Таблица истинности (фрагмент)
а ь с d F(a,b,c,d) формула Методика
I) и Q 0 0 исключьггь
0 0 0 1 0
I) Q 1 0 0 Ml
0 0 1 1 1 ал Ълслё М2
0 1 0 0 0 Ml
I) 1 1) 1 1 алЬл CAd М2
0 1 1 0 1 алЬлсл d М2
0 1 1 1 1 -. ." Tj . -:' ■ il МЗ
Для каждого выявленного состояния выстраивается своя траектория обучения, отраженная методиками М1-М3. Например, когда же функция F(a,b,c,d)=0, организации в данный момент времени не готова перейти на другой уровень и для этого сотрудникам этой организации требуется полное обучение по методике М1.
Таким образом, построив подобную логику высказываний и рассматривая все возможные состояния ядра знаний ИПС, характеризующей пятый классификационный уровень, можно сделать вывод о переходе самообучающейся системы на новый уровень развития.
Выводы исследования и перспективы дальнейших изысканий данного направления.
Разработанная методика была апробирована при оценке возможностей повышения интеллектуального потенциала преподавателей кафедры, условно принимая состав кафедры за коллектив самообучающейся организации.
СПИСОК ЛИТЕРАТУРЫ:
1. Макаров В. Л. Экономика знаний: уроки для России // Вестник российской академии наук, М.: 2003, т. 73, № 5, с. 450
2. Корчагин Ю.А. Циклы развития человеческого капитала как драйверы инновационных волн. — Воронеж: ЦИРЭ, 2010
3. Глазьев С.Ю. Теория долгосрочного технико-экономического развития [Текст] / С.Ю. Глазьев. - М.: Влад-Дар, 1993.
4. Глухова Л.В. Экономика знаний: модели, методы, управление. Монография. Изд-во: Ин-т коммерции и права. Москва, 2008.-118 с.
5. Глухова Л.В. Определение приоритетов государственной поддержки управления и развития функционирования национальной инновационной системы /Л.В. Глухова //Вестник Поволжского государственного университета сервиса. Серия: Экономика. Тольятти: № 9, 2009, С. 14-22.
6. Иванов, В.В. Формирование инновационных систем в условиях трансформируемой экономики России: диссертация на соискание ученой степени доктора экономических наук [Текст] / В.В. Иванов. - Москва, 2003.
7. Козырев, А.Н. Оценка стоимости нематериальных активов и интеллектуальной собственности [Текст] / А.Н. Козырев, В.Л. Макаров.- М.: РИЦ ГШ ВС РФ, 2003.
8. Григорьев, В.С. Истоки инновационных преобразований общества [Текст] / В.С. Григорьев // Инновации №3 2008. С.60.
9. Кондратьев, С.В. Кадровое обеспечение инновационной деятельности [Текст] / С.В. Кондратьев // Сборник тезисов Международная конференция «Экономическое развитие регионов - основа имиджа России». - Москва, 2004.
10. Чернова Ю.К. Квалитативные технологии обучения: Монография / Ю.К. Чернова; Под ред. В.И.Андреева. - Тольятти : Изд-во Фонда «Развитие через образование», 1998. - 146 с.: ил. - Библиогр.: с.144-145в конце гл. - Прил.: с. 428-431. - ISBN 978-5-406-01163-8: 251-00.
11. Сыротюк С.Д. Методика оценки затрат на трансформацию знания персонала в самообучающихся системах Текст / С.Д. Сыротюк // Вектор науки Тольяттинского государственного университета. 2013. № 1 (23). С. 370-376.
12. Сыротюк С.Д. Модель управления трансфор-
мациеи знании персонала организации на основе оптимизации потерь качества рабочего времени Текст / С.Д. Сыротюк, Н.А. Ярыгина // Вестник Самарского государственного технического университета. Серия: Психолого-педагогические науки. 2013. № 2 (20). С. 225-235.
13. Глухова Л.В. Модель оценки качества информационно-педагогической системы для самообучающихся организации // Вектор науки Тольяттинского государственного университета. 2015. № 3-2 (33-2). С. 295-299.
14. Глухова Л.В. Обоснование математической модели для структуры управления информационнои системы подготовки специалистов // Известия Самарского научного центра Российской Академии Наук специальный выпуск №3. Технология управления организацией. Качество продукции и услуг. - Самара: Изд-во научного центра РАН, 2007. - С. 34-44.
15. Пудовкина Н.Г., Коростелев А.А. Аналитическая деятельность руководителей образовательных учреждений: теория и практика. Тольятти: ТГУ, 2011. 228 с.
16. Ярыгин, О.Н. «Компетентность» и «компетенция» как эмерджентные свойства деятельности человека // Вектор науки Тольяттинского государственного университета. 2011. № 1. С. 345-348
17. Ярыгин О.Н., Коростелев А.А. Системная динамика как основа современной управленческой компетентности // Актуальные проблемы экономики и права. 2014. № 4 (32). С. 196-205.
18. Сыротюк С.Д. Универсальная система показателей деятельности для формирования актуальной компетентности персонала Текст / С.А. Гудкова, С.Д. Сыротюк // Вестник Волжского университета им. В.Н. Татищева. 2012. № 1 (25). С. 80-91.
19. Сыротюк С.Д. Самообучающиеся организации как перспективная форма управления компетентностью персонала. // Вектор науки Тольяттинского государственного университета. Серия: Экономика и управление. 2012. №2. С. 72-77.
20. Steinbach, B. and Posthoff, Ch. Boolean Differential Calculus - Theory and Applications. In: Journal of Computational and Theoretical Nanoscience, American Scientific Publishers, Valencia, CA, USA, 2010, ISSN 15461955, Volume 7, No. 6, pp. 933-981.
