CC BY
21
РАЗДЕЛ 2. ЭКОНОМИКА И ПРЕДПРИНИМАТЕЛЬСТВО
Т. В. Алексейчик, О. В. Витченко, А. Р. Грошев, Л. В. Сахарова
МЕТОДИКА ОПРЕДЕЛЕНИЯ ЭФФЕКТИВНОСТИ ЦИФРОВЫХ ОБРАЗОВАТЕЛЬНЫХ РЕСУРСОВ НА ОСНОВЕ АНАЛИЗА ДАННЫХ И НЕЧЕТКОЙ ЛОГИКИ
Аннотация
В статье предложена методика расчета комплексных числовых оценок эффективности цифровых образовательных ресурсов (ЦОР) по трем группам показателей: значимости и доступности ЦОР; уровню интеграции ЦОР в реализации основных образовательных программ; дополнительным характеристикам, отражающим роль ЦОР в формировании у обучающихся ценности саморазвития и самообразования, персонали-зации обучения, повышении мотивации учащихся. Предлагается использовать метод анализа данных — нормирование показателей с их последующим агрегированием в комплексные числовые оценки по направлениям с использованием нечетких лингвистических переменных. Данная методика проходит апробацию на дата -сетах результативности использования ЦОР в образовательном процессе РГЭУ (РИНХ).
Ключевые слова
Цифровой образовательный ресурс, определение эффективности, анализ данных, нечеткая логика.
T. V. Alekseychik, O. V. Vitchenko, A. R. Groshev, L. V. Sakharova
METHODOLOGY FOR DETERMINING THE EFFICIENCY OF DIGITAL EDUCATIONAL RESOURCES BASED ON DATA ANALYSIS AND FUZZY LOGIC
Annotation
Article proposes a methodology for calculating complex numerical evaluations of effectiveness of digital educational resources (DOC) for three groups of indicators: significance and accessibility of DOC; level of integration of center in implementation of basic educational programs; additional characteristics reflecting the role of center in formation of students' values of self-development and self-education, personalization of training, increasing motivation of students. It is proposed to use the method of data analysis — standardization of indicators with their subsequent aggregation into complex numerical estimates in directions using fuzzy linguistic variables. This technique is being tested on datasets of the effectiveness of using the CR in educational process ofRSEU (RINH).
Keywords
Digital educational resource, determination of effectiveness, data analysis, fuzzy
logic.
Введение
Цифровая трансформация в свете развития технологий цифровой экономики затронула все сферы общества, в том числе и образование. Сейчас идет активный поиск оптимизации различных аспектов управления образовательной средой, проектирования образовательной среды на основе возможностей цифровых технологий. Начало управления и проектирования — анализ данных, на основе результатов которого принимаются оптимальные стратегические и тактические решения.
Анализ образовательных данных как модификация цифровой технологии Data Mining стал возможен благодаря развитию систем электронного обучения (e-learning), которые дают исследователям значительно больший объем информации по сравнению с традиционным образовательным процессом [4]. Связано это как с активным использованием в электронном обучении различных технологий сбора и хранения данных, так и с большей массовостью пользователей (обучающихся) электронных образовательных сред (ЭОС) [3].
Материалы и методы
П. П. Белоножко, А. П. Карпенко, Д. А. Храмов дают следующее определение: «Анализ образовательных данных (Educational Data Mining) (АОД) — это направление исследований, связанное с применением методов интеллектуального анализа данных (Data mining), машинного обучения и статистики к информации, производимой образовательными учреждениями» [1]. АОД позволяет установить закономерности из данных, генерируемых в процессе обучения, например, о том, когда студент получил доступ к тому или иному учебному объекту, сколько раз и какое время студенты обращались к тому или иному объекту — цифровому образовательному ресурсу. Эти данные помогают обнаружить закономерности в учебе студентов, определить так называемый его цифровой след.
Методы АОД являются оптимизационными в проектировании образовательной среды, в организации материалов учебных курсов и управлении образовательными ресурсами [1].
Охарактеризуем возможности применения технологии анализа данных для определения эффективности ЦОР по следующим критериям, определенным нами в соответствии с мнением большинства экспертов в этой области:
- повышение эффективности образовательного процесса;
- формирование у обучающихся ценности к саморазвитию и самообразованию;
- построение индивидуальных образовательных траекторий;
- повышение мотивации учащихся;
- расширение спектра источников образовательной информации.
Первый этап методики предполагает сбор данных. Предполагается метод опроса респондентов (субъектов образовательного процесса) с целью оценить значимость цифрового образовательного ресурса в образовательной деятельности ОУ в интервале [1; 4]:
- (1) низкая;
- (2) ниже средней;
- (3) выше средней;
- (4) высокая.
Для оценки уровня показателей предлагается использование метода анализа данных с применением теории нечетких множеств. Вводится лингвистическая переменная g = «уровень показателя». Универсальным множеством переменной является отрезок [0,1], а множеством значений — терм-множество G = ^1, G2, G3, G4}, где G1 = «очень низкий уровень показателя»; G2 = «низкий уровень показателя»; G3 = «средний уровень показателя»; G4 = «высокий уровень показателя» [2, 5, 6, 7]. Функции принадлежности термов есть нечеткие треугольные числа, представленные ниже формулами, а также на рисунке 1.
Mi( g)= <
М g) = <
-3g +1, 0 < g < у3,
o, >3 < g <1 0, 0 < g < у3,
3g-1, >3 <g <23
- 3g + 3
M g) = <
3g, 0 < g < y3,
- 3g + 2,
0,
>3 < g < 23 g>
Рисунок 1 — Функции принадлежности нечеткой лингвистической переменной
«уровень показателя»
Для нормировки исходных показателей используется их деление на максимальное возможное значение показателя. Исключение составляет показатель «оценка значимости ЦОР», для нормировки которого использована простейшая линейная зависимость.
Предлагаемая методика расчета комплексных оценок ЦОР на основе анализа данных предполагает определение эффективности по трем группам показателей: значимость и доступность ЦОР; уровень интеграции ЦОР в реализацию основных образовательных программ по уровням образования; дополнительные характеристики, отражающие роль ЦОР в формировании у обучающихся ценности к саморазвитию и самообразованию, персонализации обучения, повышении мотивации учащихся.
Результаты и обсуждение
Система показателей мониторинга в отношении каждого конкретного используемого ЦОР предусматривает в качестве основных параметров указание на:
- наименование образовательного портала / онлайн-платформы / цифрового образовательного ресурса;
- html-ссылка (при наличии);
- договор на доступ (использование) ресурсов портала (при наличии);
- наименование разработчика портала (контрагента по договору);
- срок использования ЦОР по договору (_лет; бессрочный);
Для формирования общего представления об использовании ЦОР в образовательном процессе можно провести примерную оценку (в процентах) уровня интеграции цифровых образовательных ресурсов в реализацию основных образовательных программ по уровням образования: (СПО) начальное общее образование; (ВО) основное общее образование; (ДПО) среднее общее образование. В качестве дополнительных характеристик ЦОР предлагаем указать на особенности использования ЦОР: работа с обучающимися с ОВЗ и инвалидами; персонализации обучения; иное (указать). По результатам анкетно-
го опроса наша методика предусматривает верификацию и систематизацию данных в формате *хкх. Таким образом, результаты опроса будут представлены в виде таблиц, содержащих значительный объем разнородных показателей, характеризующих разнородные стороны работы образовательного учреждения с каждым из ЦОР. На основании указанных результатов в чистом виде не представляется возможным построить рейтинг эффективности ЦОР в образовательном процессе с учетом всех рассмотренных показателей, а также оценить уровень каждого из ЦОР по каждой из трех групп показателей. Ниже представлены примеры построения таблиц сводных оценок ЦОР по основным трем направлениям с их последующим агрегированием в итоговую оценку, являющуюся исходным материалом для построения рейтинга ЦОР. В таблице 1 указываются нормированные значения показателей значимости и доступности ЦОР, их итоговая агрегированная оценка, найденная как среднее арифметическое четырех рассмотренных показателей, терм в соответствии с определением лингвистической переменной, место ЦОР по соответствующему направлению. В таблице 2 отражаются нормированные значения показателей уровня интеграции ЦОР в реализации основных образовательных программ по уровням образования, их итоговая агрегирован-
ная оценка, найденная как среднее арифметическое четырех рассмотренных показателей, терм в соответствии с определением лингвистической переменной, место ЦОР по соответствующему направлению. В таблице 3 приводятся нормированные значения дополнительных показателей, отражающих роль ЦОР в формировании у обучающихся ценности к саморазвитию и самообразованию, персонализации обучения и повышении мотивации учащихся, их итоговая агрегированная оценка, найденная как среднее арифметическое четырех рассмотренных показателей, терм в соответствии с определением лингвистической переменной, место ЦОР по соответствующему направлению. На основе значений предыдущих трех таблиц составляется таблица (табл. 4) агрегированных оценок по трем основным направлениям с указанием терма (из таблиц 1-3). Кроме того, заносятся результаты расчета на их основе итоговой агрегированной оценки, соответствующего терма лингвистической переменной и итогового места ЦОР в рейтинге эффективности. В результате анализа данных будет получен рейтинг эффективности ЦОР по комплексу показателей трех групп, который будет определять возможность принятия решения об использовании того или иного ЦОР в образовательном процессе.
Таблица 1 — Нормированные значения показателей значимости и доступности ЦОР, а также их итоговая агрегированная оценка
№ Оценка значимости Количество пользователей МО Бесплатно, % Агрегиров анная оценка Терм Место
1
2
№ СПО ВО ДПО Агрегиров анная оценка Терм Место
1
2
Таблица 2 — Нормированные значения показателей уровня интеграции ЦОР в реализации основных образовательных программ по уровням образования
Таблица 3 — Нормированные значения дополнительных показателей, отражающих роль ЦОР в формировании у обучающихся ценности саморазвития и самообразования, персонализации обучения и повышении мотивации учащихся
№ 1 2 3 4 5 .... Агрегированная оценка Терм Место
1
2
Таблица 4 — Агрегированные оценки по трем основным направлениям с указанием терма, а также итоговая оценка с указанием терма лингвистической переменной и места в списке
Название 1 (вес 0,35) 2 (вес 0,35) 3 (вес 0,3) Итоговая оценка
№ Агр. Терм Агр. Терм Агр. Терм Агр. Терм Место
оценка оценка оценка оценка
1
2
Выводы
Предложенная методика позволяет осуществить расчет комплексных оценок эффективности ЦОР по трем группам показателей: значимости и доступности ЦОР; уровню интеграции ЦОР в реализации основных образовательных программ по уровням образования; дополнительным характеристикам, отражающим роль ЦОР в формировании у обучающихся ценности саморазвития и самообразования, персонализации обучения, повышении мотивации учащихся. На основании построенных оценок рассчитывается итоговая оценка, служащая материалом для построения рейтинга оценки эффективности ЦОР по комплексу показателей трех перечисленных групп. Очевидно, предложенная методика может быть доработана и видоизменена с учетом значимости групп и показателей путем изменения весовых коэффициентов на основе экспертных мнений.
Библиографический список
1. Белоножко, П. П., Карпенко, А. П., Храмов, Д. А. Анализ образовательных данных: направления и перспективы применения [Электронный ресурс] // Науковедение. — 2017. — № 4. — Т. 9. — Режим доступа : http://naukovedenie.ru.
2. Блюмин, С. Л., Шуйкова, И. А., Сараев, П. В., Черпаков, И. В. Нечеткая логика: алгебраические основы и приложения : моногр. — Липецк, 2002.
3. Витченко, О. В., Бочаров, А. А., Голубенко, Е. В. Цифровизация формирования интеллектуально-кадрового потенциала вуза [Электронный ресурс] // Интеллектуальные ресурсы — региональному развитию. — 2018. — № 1. — Т. 4. — С. 277-285. — Режим доступа : https://elibrary.ru.
4. Витченко, О. В., Ткачук, Е. О. Информационные системы в профессиональном образовании. — Ростов н/Д, 2017.
5. Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. — М. : Мир, 1976.
6. Конышева, Л. К., Назаров, Д. М. Основы теории нечетких множеств. СПб. : Питер, 2011.
7. Крамаров, С. О., Сахарова, Л. В., Храмов, В. В. Мягкие вычисления в менеджменте: управление сложными многофакторными системами на основе нечетких аналог-контроллеров // Научный вестник Южного института менеджмента. — 2017. — № 3 (19). — С. 42-51.
Bibliographic list
1. Belonozhko, P. P., Karpenko, A. P., Khramov, D. A. Analysis of educational data: directions and prospects of application [Electronic resource] // Naukovedenie. — 2017. — № 4. — Vol. 9. — Mode of access : http://naukovedenie.ru.
2. Blumin, S. L., Shuykova, I. A., Sarayev, P. V., Cherpakov, I. V. Fuzzy Logic: Algebraic foundations and applications : monograph. — Lipetsk, 2002.
3. Vitchenko, O. V., Bocharov, A. A., Golubenko, E. V. Digitalization of formation of intellectual and personnel potential of university [Electronic resource] // Intellectual resources for regional development. — 2018. — № 1. — Vol. 4. —
P. 277-285. — Mode of access : elibrary.ru.
4. Vitchenko, O. V., Tkachuk, E. O. Information systems in vocational education. — Rostov-on-Don, 2017.
5. Zade, L. A. Concept of linguistic variable and its application to making approximate decisions. — M. : Mir, 1976.
6. Konysheva, L. K., Nazarov, D. M. Fundamentals of theory of fuzzy sets. — SPb. : Peter, 2011.
7. Kramarov, S. O., Sakharova, L. V., Khramov, V. V. Soft computing in management: managing complex multi-factor systems based on fuzzy analog controllers // Scientific Bulletin of Southern Institute of Management. — 2017. — № 3 (19). — P. 42-51.
И. Ю. Грекова
АНАЛИЗ РОЛИ КОМПЛАЕНС-КОНТРОЛЯ В СИСТЕМЕ УПРАВЛЕНИЯ РИСКАМИ КОММЕРЧЕСКИХ ПРЕДПРИЯТИЙ
Аннотация
Непредсказуемость внешней среды, усложнение структуры операционных, финансовых, инвестиционных процессов, необходимость функционирования в условиях санкционного режима и возрастающие риски кибермошенничества делают актуальным для компаний любых размеров и отраслей организацию собственной системы управления рисками. В связи с этим большинство российских компаний все активнее внедряет процедуры риск-менеджмента и использует современные инструменты управления рисками.
Стремительно меняющаяся бизнес-среда ставит перед отечественным бизнесом цели этичного ведения своей деятельности, что достигается, в частности, за счет полноценного соблюдения антикоррупционного и антимонопольного законодательства и противодействия отмыванию доходов и получению нелегальных доходов.
В статье обосновано, что применение передовой методики управления рисками — комплаенс — способно не только обеспечить функционирование компании в рамках полного соблюдения законодательных нормативов, но и защитить компанию от наступления многих видов риска, в том числе и финансовых, а также генерировать дополнительный доход.
Ключевые слова
Система внутреннего контроля, риск-менеджмент, комплаенс, модель COSCO.
