CC BY
41
2. Методика изучения свойств нервной системы учащихся. URL: http://vsetesti.ru/396/ (дата обращения: 28.04.2011).
3. Биас-тест определения репрезентативных систем. URL: http://dic.academic.ru/dic.nsf/enc_psychotherapeutic/39/БИАС (дата обращения: 28.04.2011).
4. Зайдуллина С.Г., Мигранов Н.Г. Комплекс программ генерации обучающих компонентов для обеспечения вариативного подхода в формировании электронных информационных ресурсов // Вестн. Поморского ун-та: сер. Естественные науки. Архангельск: Изд-во ПГУ 2009. № 3.
УДК 004.78
МОДЕЛИРОВАНИЕ ПОКАЗАТЕЛЕЙ НАУЧНОЙ ДЕЯТЕЛЬНОСТИ ПРИ СОЗДАНИИ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ
СИСТЕМЫ ВУЗА
Р.В. Малецкий; В.В. Пикулин, к.т.н.
(Пензенская государственная технологическая академия, [email protected])
Рассматриваются вопросы моделирования показателей научной деятельности вуза, математические и структурные модели, используемые в процессе создания информационно-аналитической системы.
Ключевые слова: научная деятельность, показатели эффективности, автоматизация, информационно-аналитическая система.
Важнейшей составляющей работы как вуза в целом, так и отдельных его подразделений и сотрудников является научная деятельность (НД). По ее интенсивности и результативности, наличию в ней инновационной составляющей можно судить о соответствии вуза своему статусу. Научно-исследовательская деятельность вуза - главное средство повышения квалификации преподавательского состава и лучший способ привлечения студентов к нестандартной, творческой работе по изучаемому предмету. Исследовательская деятельность рассматривается как составная часть обязанностей всех членов коллектива вуза.
Для поддержки и развития НД вуза необходимо применять адекватные методы и современные технологии управления. К эффективным инструментальным средствам управления относятся информационно-аналитические системы (ИАС). ИАС поддержки научной деятельности, входящая в корпоративную информационную среду вуза, является наиболее совершенным средством управления, поскольку способна оперировать огромными массивами информации, связанными с объектом управления, интегрировать информационно-аналитическую поддержку научной деятельности с поддержкой других видов деятельности вуза -учебной, экономической и др. [1].
Вопросы структурно-технической организации, функционального состава, технологии применения АСУ научно-исследовательской работой в вузах рассматриваются во многих публикациях, например в [1-4].
Одним из центральных вопросов, решаемых при создании ИАС НД, является определение показателей, которые должны использоваться для оценки продуктивности, качества и эффективности НД вуза в целом, а также его подразделений и
сотрудников. От состава показателей зависят набор данных, которые должны храниться в БД системы, технология и алгоритмы их обработки, содержание пользовательских интерфейсов и ряд других проектных решений, поэтому, по мнению авторов данной публикации, вопросы моделирования предметной области следует рассматривать во взаимосвязи с составом и содержанием показателей эффективности НД в вузе.
После определения состава показателей НД, которые будут оцениваться средствами создаваемой ИАС, требуется выполнить их формализацию и проработать вопросы технологии подготовки соответствующих первичных данных и их обработки, для чего необходимо создание ряда функциональных, информационных, математических моделей.
К показателям оценивания НД предъявляются противоречивые требования, которые следует учитывать при выборе или синтезе показателей, а также при разработке средств информационной поддержки НД:
- достаточно полная характеристика направления работ;
- минимальная трудоемкость процессов формирования значений показателей;
- возможность оценивания НД, выполняемой отдельными сотрудниками, подразделениями, группами подразделений, вузом.
Для подготовки методики создания информационного и программного обеспечения ИАС на основе анализа показателей НД следует использовать совокупность моделей, позволяющую создавать корректные компоненты всех видов обеспечения системы: аналитические и графовые модели, а также модели «сущность-связь» и функциональные модели в формате IDEF0 (вместо
последних могут использоваться объектно-ориентированные модели).
Модели могут быть разработаны индивидуально для каждого показателя или для группы логически связанных показателей. Кроме того, следует проанализировать особенности вычислительных процессов и выработать предложения по их оптимизации.
Рассмотрим примеры моделей для некоторых типичных показателей оценки НД вуза с учетом Постановления Правительства РФ «Об оценке результативности деятельности научных организаций...».
1) Общий объем НИР (¥общ) и объем НИР за счет собственных средств (¥енутр) (тыс. руб.); значения показателей вычисляются для каждого объекта оценивания - подразделения, факультета, вуза:
общ
V,,
-ТУ,
= У V
/—I Щ
(1)
(2)
где V - объем /-й НИР (тыс. руб.); К, Квнутр - соответственно общее количество договоров и количество внутренних договоров на выполнение НИР по объекту исследования.
2) Удельный вес внутренних затрат на исследования и разработки в общем объеме выполненных научной организацией работ, услуг (%):
У.н
внутр, уд
V
-100 (%).
(3)
общ
3) Внутренние затраты на исследования и разработки, отнесенные к численности исследователей (тыс. руб./чел.):
V,.
внутр).
N...
(4)
4) Среднегодовой объем НИР на одного исследователя за последние пять лет (тыс. руб./чел.):
Р5,1 =
1
5 N..
-IV-.
(5)
5) Среднегодовой объем внутренних НИР за последние пять лет:
1
внутр, 5,1
5 N
У V вн
(6)
иссл, 5 '—1
где К5, Квнутр5 - соответственно общее количество и количество внутренних выполненных и профинансированных за пять лет НИР; ЫиссЛг 5 - среднегодовое количество сотрудников, отнесенных к категории исследователей.
Для первых четырех показателей граф зависимости промежуточных и результатных показателей включает первичные оперативные данные и классификаторы (фрагмент графа зависимостей показателей см. на рис. 1). Граф показывает, какие данные должны хранить в БД системы для вычис-
Классификатор .. ,,
НИР ~....... ™
внутр,! внутр
о—о—о
о—о
V
V Классификатор
т,щ>, 1 персонала
V V
общ вщтруд
Приказы ПО ф-персоналу
Примечание: О - первичные, О - промежуточные, • результатные показатели
Рис. 1
ления определенных показателей НД и от каких первичных и промежуточных данных зависят результатные показатели.
На основе декомпозиции и анализа содержания сформулированных целей и задач процесса управления НД, а также определенных формализованных показателей разработаны функциональные модели, используемые для синтеза ПО ИАС, например, функциональная модель типичного процесса учета НИР в вузе без учета возможных подпроцессов по работе с рекламациями заказчиков включает четыре подпроцесса (рис. 2, 3). Для внутренних НИР вместо выписки из банковского счета должны использоваться другие или дополнительные документы, например, ведомости оплаты.
Классификатор НИР
Учет НИР
к 1 . 1
пэо
Бухгалтерия
Рис. 2
На основе графовой и функциональных моделей разработана диаграмма классов (рис. 4). В нее входят следующие группы классов: справочники (Кафедра, Тип_участника_НИР, Источник_фи-нансирования, НТ_направление, Объект_фи-нансирования, Статус_НИР, ЛКСЭЦ, Харак-тер_НИР, Область_науки, Классификатор_ГРНТИ, Код_ГРНТИ, Вид_приказа), персональные данные участников (Студент, Сотрудник, Приказ, Содер-жание_приказа) и данные по НИР (НИР, Участ-ник_НИР, Этап_НИР, Оплата_НИР, Статистика).
Вычисление показателей, характеризующих НД за пять лет и включающих данные о количестве исследователей, может выполняться по различным правилам, содержание которых влияет на производительность и надежность процессов обработки данных.
,=1
к
I=1
к
Классификатор НИР
Рис. 3
Непосредственное использование (1) и (2) требует наличия в БД ИАС НД первичных данных за пятилетний период, количество которых велико, и достаточно сложных и многократно повторяемых процедур обработки данных, что требует существенных затрат времени. Кроме того, за такой период накопления данных возможна их частичная потеря (это могут быть и документы НИР, и приказы на сотрудников); продолжительная обработка на-
копленных данных сопряжена с вероятностью сбоев системы. Для снижения риска проявления негативных факторов можно использовать обработку данных, накапливаемых в течение определенного периода (одного года или полугодия). Обработка данных, накопленных за полугодие, для вуза предпочтительнее, так как требуется формирование отчетных данных за учебный и за календарный год.
Рис. 4
Поэтому выражения (5) и (6), использующиеся для вычисления Р51 накапливаемых за полугодие данных, следует преобразовать в (3) и (4):
0 1 10 0,1 Yv
N i
waai ,5
(7)
где Унир, i - объем НИР, выполненных за /-е полугодие в рамках рассматриваемого пятилетия,
0 1 10 0,1 -£У
~ (8)
^ внутр НИР ,1
иссл, 5
Величину ЫиссЛг 5 наиболее просто можно оценить на основе среднесписочных значений за /-е п°лугодие (Йиссл,):
N_ 5 = 0,1Е Nu
N...
0,5 (N + N ).
(9)
(10)
где Ыиссл.ьи, Nиссл,ьк - количество сотрудников, отнесенных к категории исследователей, на начало и окончание /-го полугодия.
Для повышения оперативности получения данных о результатах НИР в качестве периодов
накопления и промежуточной обработки можно использовать квартал или месяц. В этом случае следует внести соответствующие изменения в (7) и (8) для вычисления значений показателей за пятилетку.
Использование рассмотренной технологии моделирования показателей НД позволит обеспечить создание корректных компонентов информационного, программного, методического обеспечения ИАС вуза.
Литература
1. Новиков Д.А., Суханов А.Л. Модели и механизмы управления научными проектами в вузах М.: Ин-т управления образованием РАО, 2005. 80 с.
2. Говорков А.С. Автоматизация организационно-управленческих аспектов научной деятельности вуза // Университетское управление. 2009. № 6. С. 13-18.
3. Котляров И.Д. Управление продуктивностью научной работы профессорско-преподавательского состава // Университетское управление. 2009. № 5. С. 41-48.
4. Мелехин В.А., Хеннер Е.К. Структурно-информационная модель научной деятельности классического университета // Университетское управление. 2008. № 6. С. 85-95.
5,1
i = 1
УДК 681.518.2
ОБРАБОТКА ПОКАЗАТЕЛЕЙ В КОМПЬЮТЕРНЫХ МЕТОДИКАХ ОЦЕНКИ ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА
А.И. Долгов, д.т.н.; А.Ф. Мартыненко; В.В. Преснухин, к.т.н.
(Ростовский военный институт Ракетных войск, [email protected])
Рассматриваются методы обработки в компьютерных коэффициентных методиках исходных (входных) и промежуточных показателей для получения выходных показателей рейтинговой оценки образовательного процесса (оцениваемого объекта) с учетом нормативных логических условий оценивания.
Ключевые слова: компьютерная коэффициентная методика, образовательный процесс, изменяемый весовой коэффициент, сумматор, умножитель.
В практике оценивания образовательного процесса наиболее востребованы программно реализованные коэффициентные методики благодаря их простоте и приемлемой точности получаемых результатов.
Под коэффициентной методикой понимается методика вычисления значения интегрального выходного показателя (или некоторого множества выходных показателей) оцениваемого объекта (процесса) путем суммирования значений вполне определенного множества входных показателей, учитываемых при этом с соответствующими весовыми коэффициентами [1].
Разработка компьютерной коэффициентной методики оценки образовательного процесса (далее - коэффициентной методики), предшествующая ее программной реализации, включает два
этапа - математическое описание методов обработки показателей и синтез структурной схемы коэффициентной методики.
Математическое описание методов, необходимых для получения рейтинговой оценки образовательного процесса с учетом нормативных логических условий оценивания, включает:
- выделение предварительного значения рейтинговой оценки в виде среднего балла, соответствующего комбинациям частных оценок, определяемой логическими условиями оценивания для данного рейтингового интервала;
- определение наличия оценок, снижающих значение предварительной рейтинговой оценки;
- получение итогового (окончательного) значения рейтинговой оценки путем коррекции ее предварительного значения.
