УДК: 65(378)
ББК: 65.290
Глухова Л.В., Сыротюк С.Д.
СМАРТ-ОРГАНИЗАЦИИ И МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ВОЗМОЖНОСТЕЙ ИХ ПЕРЕХОДА НА БОЛЕЕ ВЫСОКИЙ УРОВЕНЬ РАЗВИТИЯ
Glukhov L. V., Syrotjuk S.D.
SMART-ORGANIZATIONS AND MATHEMATICAL MODELING OF THE POSSIBILITIES OF THEIR TRANSITION TO A HIGHER DEVELOPMENT LEVEL
Ключевые слова: информационно-педагогическая система, ядро знаний персонала, самообучающиеся организации, булева алгебра, оценка переходов от одного состояния развития знаний в другое.
Keywords: information-pedagogical system, the core of knowledge ofpersonnel, self-learning organizations, Boolean algebra, estimation of transitions from one state of knowledge development to another.
Аннотация: в условиях информатизации и цифровизации страны особую значимость стали приобретать знания и интеллектуальные возможности каждого сотрудника. Появились Смарт-организации, которые можно отнести к самообучающимся. В таких организациях преимуществом является наличие свойства самообучения как обязательного личностного компонента профессиональной компетенции. В связи с чем организационное управление процессами, посредством которых технологии, опыт, навыки решения высокотехнологичных задач и прочие нововведения передаются от одного исполнителя к другому, позволяет говорить о наличии в той или иной организационной системе механизма, приводящего к постепенной трансформации организации в самообучающуюся систему.
Почему это так важно на современном этапе социально-экономического развития нашей страны? Потому что самообучающаяся организация характеризуется постоянным обновлением собственных знаний и быстрой адаптацией к условиям внешней среды для реализации новаторских идей.
В настоящее время существует 4 типа классификации самообучающихся организаций. Авторами статьи предложен пятый тип, содержащий определенные классификационные признаки, характеризующие трансферт знаний внутри команды исполнителей. Классификационная структура пятого типа классификации содержит определенные классификационные признаки, выраженные коэффициентами, описанными ниже.
Целью статьи является математическое обоснование показателей, которые необходимы сотрудникам Смарт-организации для оценки уровня ее развития и возможности классификации как "самообучающаяся".
Выбор математического аппарата обоснован его использованием в современных сложных динамических системах для оценки состояния этих систем в динамике.
Abstract: in the conditions of informatization and digitization of the country, the knowledge and intellectual capabilities of each employee became of special importance. There were Smart organizations, which can be attributed to self-educators. In such organizations, the advantage is the presence of the property of self-learning as an obligatory personal component ofprofessional competence. In this connection, organizational management of processes through which technology, experience, skills in solving high-tech tasks and other innovations are transferred from one performer to another, and allows to speak about the presence in a particular organizational system of a mechanism that leads to a gradual transformation of the organization into a self-learning system.
Why is this so important at the present stage of the social and economic development of our country? Because the self-learning organization is characterized by the constant updating of one's own knowledge and quick adaptation to the conditions of the external environment for the imple-
mentation of innovative ideas.
Currently, there are 4 types of classification of self-learning organizations. The authors of the article proposed a fifth type containing certain classification characteristics that characterize the transfer of knowledge within the team ofperformers. The classification structure of the fifth type of classification contains certain classification characteristics, expressed by the coefficients described below.
The purpose of the article is the mathematical substantiation of the indicators that are necessary for the employees of the Smart organization to assess the level of its development and the possibility of classification as "self-learning".
The choice of a mathematical apparatus is justified by its use in modern complex dynamic systems to assess the state of these systems in dynamics.
Введение
Постановка проблемы в общем виде и ее связь с важными научными и практическими задачами.
Представителями научной среды были предложены разные определения самообучающейся организации. Так, Д. Гарвин еще в 1993 году определил, что под самообучающейся понимается организация, которая поддерживает создание новых и трансформацию старых знаний и изменяет свое поведение с появлением новых знаний [1]. Другим видным ученым 20 века был П. Сенге [2], который расширил понятийный аппарат самообучающейся организации и в своем определении акцентировал внимание на то, что в такой организации требуется наличие пяти базовых характеристик: лидерство, системное мышление, имитационное моделирование.
Российские исследователи начали заниматься изучением проблемы становления и развития самообучающихся организаций только в XXI в., изучая и обобщая западные концепции и методики, а также выдвигая свои собственные. К числу наиболее инициативных методик относятся идеи, отраженные в трудах Б.З. Мильнер (сущность и принципы обучающейся организации) [3], М.В. Самсонова и В.В. Ефимова (технология коллективного решения проблем организации) [4] и многих других авторов. Сейчас эта тематика становится все более актуальной, поскольку является приоритетной и соответствует проводимой в стране государственной политике [5].
Самообучающаяся организация (СО) становится той формой деятельности коллективов сотрудников, которая не только эффективно функционирует с применением различных инноваций в эпоху менеджмента знаний, но и является катализатором в продвижении нового знания в деятельность своей организа-
ции. Тогда не только создаются условия для развития творческой инициативы сотрудников, но внедряется стратегия управления знаниями в повседневную работу. Таким образом, именно самообучающаяся организация в наивысшей степени оказывается способной к эффективному распространению, использованию и приумножению знаний [6,7].
В своем исследовании авторы используют выводы Н.Е. Кипень и А. Дюдяшевой [8], которыми был обоснован выбор четырех классификационных характеристик становления самообучающейся организации. Долгое время именно эта классификационная база позволяла отнести ту или иную организацию к самообучающейся. Потребность в совершенствовании их классификационных характеристик возникла тогда, когда был поставлен вопрос о том, каким образом можно оценить, что организация переходит от одного уровня своего развития к другому.
Анализируя эти классификационные характеристики и четыре группы понятия «самообучающаяся организация», описанные в них с использованием принципов, подходов и методов С.Д. Сыротюк [9], было выявлено, что в совокупности идея формирования и развития самообучающейся организации состоит в следующем:
1) сначала происходит процесс обучения,
2) затем процесс накопления знаний
3) затем процесс управление ими,
4) затем процесс применения накопленных знаний для формирования корпоративного мышления и принятия управленческого решения.
Отсутствие методики оценки перехода творческого коллектива на новый уровень развития за счет приобретения им новой ценности в виде приращения знаний с учетом
приобретенных новых компетенций является барьером инновационного развития. Поскольку для современного этапа развития экономики страны должны быть добавлены новые оценочные признаки и ключевые характеристики существования самообучающейся организации.
Таким образом, постановка проблемы может звучать так: какой должен быть механизм управленческих коммуникаций, чтобы он оценивал переход самообучающейся организации на новую ступень развития и мог ее характеризовать как Смарт-организацию.
Анализ последних исследований и публикаций, в которых рассматривались аспекты этой проблемы, показал, что существует достаточно много научных работ, в которых самообучающаяся организация рассматривается в первую очередь как команда исполнителей, работающих над достижением общей цели [10-12].
В монографии Л.В. Глуховой, С.А. Гудковой, С.Д. Сыротюк [13] было дано следующее определение самообучающейся организации, которое впоследствии послужило предпосылкой для формирований пятой классификационной характеристики [14].
Под самообучающейся организацией понимается такая команда единомышленников, которая имеющуюся разрозненность знаний и опыта минимизирует за счет управляемого процесса трансформаций знаний, о чем свидетельствует показатель «тесноты трансформации знаний», обладающий тенденцией наращивания.
Кроме коэффициента "теснота трансформации знаний" были выявленные и другие ключевые показатели, суть которых состоит в минимизации потерь, возникающих при изменениях внешней среды и влияющих на процессы адаптации команды исполнителей самообучающейся организации к новым условиям инновационной деятельности.
Анализируя работу Л.В. Глуховой [15, с. 41-42], отметим, что для эффективного взаимодействия генераторов идей и их исполнителей должен осуществляться постоянный прирост знаний. Для этого предложено рассматривать возникающие ситуативные ориентации, позволяющие интеллектуальному агенту принимать решения в условиях неопределенности. В монографии Л.В. Глухова предла-
гает свое видение инновационного университета знаний. Инновационный университет опирается на концепцию треугольника знаний, предполагая своей ключевой задачей развитие инновационной деятельности наравне с образованием и научными исследованиями. Понятие треугольник знаний отражает взаимодействие между образованием, научными исследованиями и инновациями, в совокупности являющимися основной движущей силой экономики, основанной на знаниях [16, с. 21-23]. Эти выводы авторы статьи в дальнейшем используют для определения методологических основ при формировании пятой классификационной характеристики принадлежности организации к типу "самообучающаяся система".
Сегодня к такому типу организаций можно отнести Смарт- организации.
Математическое моделирование возможностей перехода Смарт-организации на более высокий уровень развития
Формирование целей статьи (постановка задания).
Исходя из вышеизложенного основной целью статьи является использование математического аппарата для процессов, протекающих в самообучающейся организации и их оптимизации. Задачами исследования являются:
- определение модели ядра знаний самообучающейся организации;
- определение текущего уровня состояния развития самообучающейся организации в статике и динамике;
- определение коэффициентов информационно-педагогической управляющей системы, характеризующих основное отличие пятого классификационного признака самообучающейся организации;
- построение оптимизационной модели, используемой для оценки возможности перехода знаний на новый уровень развития.
Изложение основного материала исследования с полным обоснованием полученных научных результатов.
Анализ психолого-педагогических условий существования самообучающихся организаций выявил необходимость проектирования специальной информационно-педагогической системы, предназначенной для управления уровнем знаний коллектива исполнителей, в которой базовым компонентом является ядро знаний. Рассмотрим
его сущностную характеристику.
Под ядром знаний (Я з) в информационно-педагогической системе понимается совокупность ключевых компетенций, необходимых команде исполнителей. Это совокупности: отличительных компетенций (Ротл), профессиональных компетенций (Р ), социальных компетенций (Р ) и специальных компетенций Рспец (формула 1).
Яз = ^ /'отл\ Рпр\ Рсоц\ \ Рспец
В таблице 1 представлены показатели качества, предъявляемые к составу ядра знаний. Они позволяют в дальнейшем оценить уровень качества сформированных знаний в целом и оценить, насколько этот уровень соответствует возможности перехода одного состояния качества в другое. Показатели наличия компетенций являются комплексными и формируют табличную модель оценки качества содержания информационно-педагогической системы для самообучающейся организации.
Для формирования таблицы были использованы концептуальные положения формирования самообучающейся организации, предложенные С.Д. Сыротюк [17].
Опираясь на выводы Л.В. Глуховой о необходимости построения целостной структуры математической модели любой сложной системы, в том числе и на создаваемую структуру информационной системы подго-
товки специалистов [18], авторы применяют свои научные наработки с учетом выводов О.Н. Ярыгина [19] о формировании интеллектуальной составляющей, требующейся для обоснования применения математического аппарата [20] и в дальнейшем используют для доказательства правомерности своих выводов аппарат булевой алгебры.
Для динамического развития системы и оценки ее состояния в динамике существует много инструментов различных теорий. Например, аппарат теории множеств, дискретной математики, теории автоматов. В частности, сегодня широко используется аппарат булевой алгебры и дифференциального исчисления, который позволяет строить прототип модели в динамике ее развития.
В таблице 1 показан перечень показателей качества ядра знаний, которые являются индикаторами успешности развития самообучающейся системы. Показатели были вычленены в результате разработки авторской Концепции построения Смарт-организации, состоящей из пяти Положений [21]. В ней для обоснования каждого из Положения описаны показатели, их назначение, возможные механизмы формирования и критериальные значения уровня соответствия формируемых показателей - требуемым значениям. Ограничения были получены экспертным путем в процессе анализа обширной научной и научно-методической базы, в том числе и заявленным аккредита-ционным показателем деятельности вузов.
Таблица 1 - П еречень показателей качества ядра знаний информационно-педагогической системы
Положения Концепции Наименование показателя Ограничения Назначение Механизм формирования показателя
П.1 Показатель конвергенции отношений, К К ^ 0,9 Отвечает за адаптацию к ситуации, возникающей во внешней среде. Системный анализ для выявления причинно -следственных связей иерархических многоуровневых сложных структур. Компетентностный подход, позволяющий определить набор ком-петеций для каждой из компетентности команды исполнителей в самообучающейся организации.
П.1 Показатель риска потери тесноты конвергенции отношений, К2 К2 т Возникновение разрозненности знаний из-за шумовых воздействий
П.2 Показатель интеллектуальной активности сотрудника, К3 К > 0,85 Показывает готовность к нововведениям
П.2 Показатель готовности сотрудника к инновации, К4 К4 > 0,8 Отражает готовность работать в команде над проектом
П родолжение таблицы 1
П.2 Показатель готовности к трансформации знаний, К5 К > 0,85 Отражает готовность передавать знания и принимать их при взаимодействии в команде Корреляционный анализ для выявления тесноты связи взаимодействия контролируемых параметров Методы квалиметрии для измерения и оценки показателей качества и уровней их соответствия Методы робастного проектирования для выявления факторов, оказывающих негативное воздействие на образовательный процесс и способных привести к возникновению рисков Методы риск-менеджмента, позволяющие контролировать уровень риска деятельности самообучающейся организации
П.3 Показатель трансферта знаний, К6 Отражает максимальный уровень взаимодействия в коллективе за счет эффективной передачи знаний
П.3 Показатель соответствия имеющихся знаний требуемым запросам внешней среды, К7 Отражает готовность и возможность СО выполнять запросы внешней среды
П.4 Показатель эффективности формирования знаниевого ядра, К8 К в-> Экономический показатель, характеризующий минимизацию финансовых потоков для организации работы коллектива исполнителей
П.5 Показатель объема знаний, К9 К9 —» ах Совокупный аккумулятор наличия требуемых компетенций в полном объеме
П.5 Показатель приращения знаний, К10 Кю —» ах Отражает динамику роста интеллектуального потенциала сотрудников
П.5 Показатель времени формирования знани-евого ядра, К11 Кп -» т Временной ресурс обновления знаниево-го ядра, характеризует уровень способности восприятия новых знаний
Всего диагностируются 11 интегральных показателей. Из таблицы видно, что только некоторые компоненты, они выделены утолщенной линией, имеют значительный "вес" в том аспекте, что именно они отражают возможность перехода организации на новый уровень развития. Поэтому в дальнейшем будем рассматривать функцию от четырех компонентов, суть которых заключается в следующем:
Коэффициент конвергенции отношений (К1) отвечает за адаптацию к ситуации.
Коэффициент трансферта знаний (К6) позволяет измерить тесноту связей, возникающих при передаче знаний между сотрудниками самообучающейся организации, при выполнении командной работы.
Он должен приближаться к единице. Этот показатель зависит от времени реализации проекта и может изменяться от проекта к проекту. В связи с чем необходим его систематический мониторинг, оценка уровня сформированности, управляющие воздействия при выявленных отклонениях от запросов внешней среды. Отметим, что он имеет самый высокий уровень допустимого риска, так как обладает свойством изменчивости и нестабильности.
Коэффициент приращения знаний (К10) отражает динамику роста интеллектуальной активности сотрудников во времени. Значение его показателя в идеале должно стремиться к единице, а риски должны быть в самообучающейся организации мини-
мальными, т.к. цель самообучающейся организации - накопление знаний и их постоянное обновление и распространение.
Коэффициент соответствия имеющихся знаний требуемым запросам внешней среды (К7) отражает готовность коллектива самообучающейся организации к решению инновационных проблем в заданный вре-
менной интервал времени и с допустимым уровнем риска. Минимальный уровень риска обычно не превышает 10%.
На рисунке 1 отражена интеграционная модель формирования ядра знаний у коллектива исполнителей в самообучающейся организации.
Интегральный показатель сформированности ядра знаний (Тзн)
Рисунок 1 - Интеграционная модель формирования ядра знаний коллектива самообучающейся организации
Рассмотрим возможности применения аппарата булевой алгебры для оценки возможности перехода системы из одного состояния в другое.
Введем условное обозначения для каждого из коэффициентов системы (из рисунка 1) и будем оценивать их состояние в динамике развития. Пусть К1, К6, К7, К10 соответственно будут обозначены а,Ь,сД 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 единицей, а недостаточный уровень достижения требуемых значения соответствует состоянию "0". В этой работе пока рассматривается только фрагмент взаимосвязи контролируемых параметров в определенном состоянии (реперная точка).
Целью изучения является формирование модели перехода одного состояния контролируемых параметров в другое, лучшего качества.
Таким образом, имеется логическая функция четырех переменных Б(а, Ь, с, ё), где: а - конвергенция отношений, опреде-
ляющая адаптацию к ситуации, связанной с выполнением командной работы;
Ь - трансферт знаний, показывающий тесноту связей возникающих при передаче знаний между сотрудниками при выполнении командной работы;
с - приращение знаний в Смарт-организации, отражающее накопление новых знаний, и рост интеллектуальной активности сотрудников во времени;
ё - соответствие имеющихся знаний требуемым запросам внешней среды, которое отражает готовность коллектива исполнителей к решению инновационных проблем и способность их решений в заданный временной интервал.
В таблице 2 отражено состояние контролируемых параметров, взятое в определенной реперной точке среза знаний из ядра ИПС.
Даны краткие характеристики каждого из состояний. Показаны возможные управляющие воздействия (управленческие коммуникации), на основании которых обосновывается возможность дальнейшего улучшения деятельности смарт-организации. В отличие от таблицы 1, отражено состояние контролируемых факторов, полученное в реперной точке.
Таблица 2 - Характеристика возможных состояния контролируемых параметров
С ( остояние акторов Характеристики Выводы. Управленческие коммуникации
а ь с а
0 0 0 0 Команда не готова к функционированию в условиях самообучающейся организации (СО) Б(а,Ь,с,а)=0. Методика внутрифирменного обучения персонала по полной программе М1
0 0 0 1 Команда имеет соответствующие знания, но сотрудники не готовы к взаимодействию внутри команды, и не достаточно временного ресурса для подготовки команды для работы в условиях СО Б(а,Ь,с,а)=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 Б(а,Ь,с,а)=0
0 0 1 1 Команда имеет соответствующие знания и сотрудники готовы к взаимодействию внутри команды, но не-достаточно временного ресурса для подготовки команды для работы в условиях СО Б(а,Ь,с,а)=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 Б(а,Ь,с,а)=0 Методика внутрифирменного 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 Б(а,Ь,с,а)=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 Б(а,Ь,с,а)=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 Б(а,Ь,с,а)=1 Самообучение
Рассмотрим процесс формирования функции перехода. Как видно из таблицы 2, нами выделены те состояния, которые близки к идеальному (Р(а,Ь,с^)=1), то есть близкие к возможности перехода на новый уровень.
Функция в целом будет иметь следующий вид:
f(a,b,c,d)=aл Ьл сл d. (2)
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.
Когда же функция Да,Ь,с^)=0, организация в данный момент времени не готова перейти на другой уровень и сотрудникам этой организации требуется полное обучение по методике М1. Сама методика здесь не рассматривается.
Для визуального представления ситуации воспользуемся построением гиперкуба.
Гиперкубом (^мерным кубом) называется граф ^ каждой вершине которого взаимно однозначно соответствует двоичный вектор. Ьтый ярус гиперкуба 1=0,1,^ п-1 содержит вершины, такие, что им соответствуют двоичные векторы которые содержат i единиц. Две вершины соединены ребром, если соответствующие им двоичные векторы отличаются в одном и только одном разряде.
В нашем примере (см. табл.2), в приведенном фрагменте видно, что каждый из анализируемых факторов, обозначенных нами условно (а,Ь,с^), может принимать одно из текущих состояний, которые мы будем рассматривать на основе гиперкуба и аппарата логики. Обозначим двоичные
наборы каждого из возможных состояний как 5*. Тогда будем рассматривать ребра, в которых на концах будут формироваться сопоставимые нашим требованиям двоичные наборы состояний успешности развития организации.
Если найдется хотя бы одно ребро, концам которого сопоставимы двоичные наборы ( 5* 1,5* 2,...,8*п ) и (5ь52,...,5„ ) вида ( 5*1,5*2,...,5*п) > ( 5ь52,...,5„ ) для которых { (8* 1,8*2,...,8 „ ) < { (8Ь82,...,8 „), то такая булевая функция является немонотонной, другими словами, если в гиперкубе найдется хотя бы один 0, покрывающий 1, можно судить о возможности перехода на новый уровень (рисунок 2)
0100
0110 0111
0101
1
0 010
1
0000
0001
1110
Г00
1101
1010 1
0
1111
1011
1001
0
0
1
0
0
0
0
1
0
Рисунок 2 - Гиперкуб оценки состояний перехода
Как видно из куба, например, состояние 0100 перейдет в состояние 1100, а состояние 0001 переходит в состояние 1001, но при определенных условиях оно может развиваться далее и стать состоянием 1101 либо состоянием 1011, либо 1111. Но для этого требуется наличие определенных условий, в данной статье не рассматриваемых.
Таким образом, построив подобную логику высказываний и рассматривая все возможные состояния ядра знаний информационно-педагогической системой, характеризующей пятый классификационный уровень, можно сделать вывод о переходе самообучающейся организации на новый виток развития.
Выводы
Показана возможность моделирования текущего состояния системы в определенный момент времени и оценки этого состояния методами булевой алгебры. По полученным оценочным характеристикам возможно применение механизма дальнейшей корректировки формируемых показателей с целью адаптации самообучающейся системы к внешним запросам.
Практическая значимость полученных результатов состоит в возможности прогнозирования дальнейшей деятельности коллектива исполнителей и разработки механизма оценки уровня развития организации и его классификации в разрезе существующих классификационных характеристик.
Выводы исследования и перспективы дальнейших изысканий данного направления.
Разработанная методика была апробирована при оценке возможностей повыше-
ния интеллектуального потенциала ППС кафедры, условно принимая состав кафедры за коллектив самообучающейся организации Смарт-университета.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Garvin, D.A. (1993) Building a learning organization. Yarvard Business Review, 71 p.
2. Сенге, П. Пятая дисциплина. Искусство и практика самообучающейся организации / П. Сенге. - М.: ЗАО и Олимп Бизнес, 1999. - 312 с.
3. Мильнер, Б.З. Управление знаниями. Эволюция и революция в организации / Б.З. Мильнер. - М.: ИНФРА - М, 2003. - 178 с.
4. Гулянская, Е.А. Применение теории самообучающихся организаций в современной России (статья) // Современные социально-философские и психолого- педагогические проблемы : Сборник научных трудов. Выпуск XVIII. - М. - Ставрополь: СевКавГТУ, 2005. -С. 56-58.
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: 2009, № 9. - С. 14-22.
6. Семушкина, С.Р. Обучающаяся организация в теории и на практике. - URL: http://www.flm.su/_elements/magazine/view_full.php?id=52&popup-no&PHPSESSI D=17045d22d
7. Виль-Вильямс, Е.И. Обучающаяся организация - опыт развития в течение двух лет. -URL: http://kadrovik.ru/old/04-2002/stat2.htm
8. Дудяшова, В.П., Нестерова, H.A. Знания как экономический ресурс предприятия и объект управления. В сб.: Методология экономической науки: проблемы и перспективы развития: сборник научных трудов по итогам Международной научной конференции / под ред. М.И. Беркович, А.И. Тяжова. - Кострома: Изд- во Костром, гос. технол. ун-та, 2006. - С. 214.
9. 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.
10. Практика обучения действием [Текст] / под ред. М. Педлера; пер. с англ. / под ред. О.С.Виханского. - М.: Гардарики, 2000. - 336 с. - ISBN 5-215-00806-Х (в пер.).
11. Игнатьева, Г. А. Проектирование деятельностного содержания профессионального развития педагога в системе постдипломного образования: дис. ... д-ра пед. наук: 13.00.08. Н. Новгород, 2006. - 414 с. РГБ ОД, 71:07-13/26.
12. Практико-ориентированный подход к повышению квалификации персонала в условиях "самообучающейся организации": дис. ... кандидата педагогических наук: 13.00.08 / Герасимов Евгений Игоревич; [Место защиты: Рос. междунар. акад. туризма]. - М., 2008. Количество страниц: 180 с. ил.
13. Глухова, Л.В, Гудкова, С.А., Сыротюк, С.Д. Методология управления трансформацией организации в самообучающуюся систему: монография. - Воронеж, 2012. - 126 с.
14 Глухова, Л.В., Сыротюк, С.Д. Анализ современных подходов к построению самообучающихся организаций на основе внутрифирменного обучения // Вектор науки ТГУ. -2014. - № 4 (24). - С. 79- 88.
15. Глухова, Л.В. Управление инновационной деятельностью предприятий в современных экономических условиях: автореф. дис. ... д. экономических наук / Академия бюджета и казначейства Министерства финансов Российской Федерации. - М., 2010. - 54 с.
16. Глухова, Л.В. Экономика знаний: модели, методы, управление: монография. -Изд-во: М.: Ин-т коммерции и права. 2008. - 118 с.
17. Сыротюк, С.Д. Проектирование ядра информационно-педагогической системы самообучающейся организации // Вектор науки Тольяттинского государственного университе-
та. - 2014. - № 3. - С. 327-330.
18. Глухова, Л.В. Обоснование математической модели для структуры управления информационной 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.
19. Ярыгин, О.Н. Использование программных средств в преподавании «Дискретной математики» / О.Н. Ярыгин // Вестник Волжского университета имени В.Н. Татищева. - Тольятти, 2004. - Вып. 2. - С. 264-266.
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 1546-1955, Volume 7, No. 6, pp. 933-981.