автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Математическое и программное обеспечение поддержки принятия управленческих решений для организации дополнительного профессионального образования

На правах рукописи

т

Темникова Елена Александровна

МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ ОРГАНИЗАЦИИ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

Специальность 05.13.10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

18 СЕН 20!5

Новосибирск 2015 005562178

005562178

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Иркутский государственный университет путей сообщения» (ИрГУПС).

Научный руководитель: доктор технических наук, профессор,

Асламова Вера Сергеевна

Официальные оппоненты: Берестнева Ольга Григорьевна

доктор технических наук, профессор, профессор кафедры «Прикладная математика» института кибернетики ФГАОУ ВО «Национальный исследовательский Томский политехнический университет» Кулешова Наталья Владимировна, кандидат экономических наук, начальник отдела по организации учебного процесса ФГОБУ ВПО «Сибирский государственный университет телекоммуникаций и информатики»

Ведущая организация: ФГБОУ ВПО «Байкальский государственный университет экономики и права»

Защита состоится 6 ноября 2015 г. в 15 часов 00 минут на заседании диссертационного совета Д 219.005.03 при ФГОБУ ВПО «Сибирский государственный университет телекоммуникаций и информатики» по адресу: 630102, г. Новосибирск, ул. Кирова, 86, ауд. 625.

С диссертацией можно ознакомиться в библиотеке ФГОБУ ВПО «Сибирский государственный университет телекоммуникаций и информатики», а также на сайте http://www.sibsutis.ru/science/postgraduate/dis_sovets/

Автореферат разослан « % »С&б^Ш1 2015 г.

Ученый секретарь диссертационного совета Д 219.005.03

к.т.н. Полетайкин Алексей Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Образование играет значительную роль в модернизации общества и экономики. Без конкурентоспособного образования переход к инновационной экономике невозможен, так как от уровня образования напрямую зависит качество трудовых ресурсов. Жесткая конкуренция даже на внутреннем рынке образовательных услуг заставляет учреждения дополнительного профессионального образования совершенствовать качество своей работы путем поиска оптимальных управленческих решений. Для эффективного распределения ресурсов учреждениям дополнительного профессионального образования необходимо: иметь возможность прогнозирования числа слушателей (спроса); разработать и внедрить информационную систему поддержки принятия решений (ИСППР), способную генерировать и оценивать возможные альтернативы управленческих решений в условиях неопределенности.

Имеющиеся ИСППР разработаны преимущественно для высших и сред-непрофессиональных учебных заведений. В последние годы образовательные услуги, предоставляемые учреждениями дополнительного профессионального образования, вызывают все больший интерес, поскольку задача качественного и своевременного повышения квалификации рабочих и специалистов приобретает все больший приоритет.

Для успешной разработки ИСППР необходимо точно определить область знаний, в которой информация зачастую имеет слабоструктурированный характер, нуждающийся в формализации и формировании онтологической модели предметной области.

Исследования выполнялись по инициативным разработкам ФГБОУ ВПО «Иркутский государственный университет путей сообщения» (ИрГУПС): «Информационные технологии анализа факторов эффективности образовательного процесса в вузе» 2011 - 2014 г.г., номер государственной регистрации Г0809/01; «Разработка методик моделирования оценки эффективности и надежности функционирования, поддержки принятия решения в сложных социально-экономических, технических и информационных системах» 2012 - 2016 г.г., номер государственной регистрации 01201255726. Автор является лауреатом стипендии Президента РФ за 2014/2015 уч.г.

Степень разработанности проблемы. В своих работах автор опирался на труды ученых Э.В. Киселева, М.И. Сухомлинова, В. А. Артюхина, И. Ан-софф, О.П. Уманцева, Н.В. Злобиной, В.В. Баранова, И.К. Генлич, С.Б. Лапшн-нова, посвященные алгоритмам поиска оптимальных управленческих решений и разработке СППР. Были использованы научные труды П.В., Яковлева, А. Колесникова, И.В. Сибикиной, Л.И. Меныцаевой, И.В. Вешневой, Е. Бушуевой, Е.В. Суминой, A.B. Горшкова, внесших вклад по созданию моделей и методов оценки качества образовательных услуг. Вопросы онтологического моделирования рассматривались в работах зарубежных ученых: Т. Грубера, Н. Гуарино; в нашей стране: Н.М. Боргест, Т.А. Гавриловой, Ю.А. Загорулько, Л.С. Болотовой, Б.В. Добровым, М.Р. Когаловским, А.Ф. Тузовским, Л.В. Массель, В.Ф. Хорошевским, В.З. Ямпольским, Е.А. Тсслиновой и др.

Большое количество работ в данной области еще раз подтверждает акту-

альность проблемы и говорит о наличие «узких» мест и ее недостаточной проработанности.

Цель: повышение эффективности функционирования учреждения дополнительного профессионального образования за счет совершенствования механизма принятия решений на основе теории «игры с природой», прогнозирования количества слушателей и создания математического и программного обеспечения системы поддержки принятия решений.

Для достижения цели решались следующие задачи:

1. Исследование процесса принятия управленческих решений и существующих информационных систем в учреждениях дополнительного профессионального образования.

2. Формализация и описание предметной области учреждения дополнительного профессионального образования на основе онтологической модели данных, используемой для управления информационными потоками.

3. Анализ, проверка гипотез, моделирование и прогнозирование значений временных рядов, характеризующих количество слушателей курсов повышения квалификации и профессиональной переподготовки Института дополнительного профессионального образования при Иркутском государственном университете путей сообщения.

4. Оценка ожидаемой прибыли на основе имитационного моделирования количества слушателей методом статистических испытаний Монте-Карло.

5. Разработка методики расчета платежной матрицы прибыли для модели «игры с природой», а также специального алгоритмического и программного обеспечения.

6. Разработка математических моделей оценки результативности обучения и удовлетворенности заказчика качеством услуг, предоставленных учреждением дополнительного профессионального образования, структуры, алгоритмического и программного обеспечения информационной системы поддержки принятия решений.

Объект исследования - образовательная деятельность в учреждении дополнительного профессионального образования на примере Института дополнительного профессионального образования (ИДПО) ИрГУПС и Ангарского учебного центра «Профиль».

Предмет исследования - модельное и алгоритмическое обеспечение процесса подготовки и принятия управленческих решений в учреждении дополнительного профессионального образования.

Методы исследования: метод статистических испытаний, математическая статистика, регрессионный анализ, эконометрика, онтологическое моделирование, теории принятия решений, программирование, разработка баз данных и информационных систем.

Эмпирическую базу исследования составили: сметы расходов курсов разной продолжительности, расписания учебных занятий; штатное расписание, данные о сроках аттестации, временные ряды количества слушателей.

Результаты, выносимые на защиту:

• формализованное описание предметной области учреждения дополни-

тельного профессионального образования на основе онтологической модели знаний (соответствует 2 пункту паспорта специальности: разработка методов формализации и постановка задачи управления в социальных и экономических системах);

• метод обработки временных рядов на основе трехмерного представления данных с последующим анализом сезонной волны, тренда и гармоники для решения задач управления социальной и экономической системой учреждения дополнительного профессионального образования (соответствует 6 пункту паспорта специальности: разработка и совершенствование методов получения и обработки информации для задач управления социальными и экономическими системами);

• оценка ожидаемой прибыли на основе получения методом Монте-Карло случайной выборки количества слушателей усеченного нормального и экспоненциального распределения вероятностей для принятия решений в социальных и экономических системах в условиях риска (соответствует 3 пункту паспорта специальности: разработка моделей описания и оценок эффективности решения задач управления и принятия решений в социальных и экономических системах).

• регрессионные модели оценки количества слушателей учреждения дополнительного профессионального образования в летний период времени на основе ретроспективной информации (соответствует 3 пункту паспорта специальности);

• формализация и постановка задачи принятия управленческого решения о выборе оптимального режима работы учреждения дополнительного профессионального образования в летний период на основе модели «игры с природой» и методика расчета платежной матрицы прибыли, разработка специального математического и программного обеспечения системы поддержки принятия управленческого решения (соответствует пунктам паспорта специальности 2 и 5: разработка специального математического и программного обеспечения систем управления и принятия решения в социальных и экономических системах);

• методика и алгоритмы прогнозирования оценок результативности и качества обучения слушателей, удовлетворенности заказчиков, разработка специального математического, программного и алгоритмического обеспечения информационной системы управления в учреждении дополнительного профессионального образования (соответствует 5 пункту и 11 пункту паспорта специальности: разработка методов и алгоритмов прогнозирования оценок эффективности и качества организационных систем).

Научная новизна исследования

1. Выполнена формализация, систематизация, концептуализация и описание предметной области учреждения дополнительного профессионального образования в виде онтологической модели данных.

2. Разработан метод обработки временных рядов на основе трехмерного представления данных, с помощью которого установлено, что исходные данные имеют тренд по критерию Аббе-Линника, сезонную и случайную составляю-

щие. Распределения количества слушателей курсов повышения квалификации и ряд остатков подчиняются нормальному закону распределения, а распределение количества слушателей семинаров - экспоненциальному. Усредненные значения уровней временных рядов аппроксимированы рядом Фурье (4x2).

3. Построены регрессионные модели количество слушателей учреждения дополнительного профессионального образования от безразмерного временного параметра. Предложены методика расчета платежной матрицы прибыли и алгоритмическое обеспечение системы поддержки принятия решения об оптимальном режиме работы в летний период на основе модели «игры с природой»

4. Предложены критерии и методика оценки результативности обучения, удовлетворенности заказчиков и потребителей, основанные на результатах анкетирования. Разработано специальное модельное и алгоритмическое обеспечение информационной системы управления в учреждении дополнительного профессионального образования.

Теоретическая значимость исследования

Предложен метод на основе трехмерного представления данных временных рядов, позволяющий выявить основные признаки и закономерности временных рядов.

Разработано математическое обеспечение для принятия оптимальных управленческих решений на основе применения модели «игры с природой», разработанных методики расчета матрицы прибыли, прогнозных регрессионных моделей количества слушателей и критериев оценки результативности обучения, удовлетворенности заказчиков и потребителей.

Практическая значимость исследования

В Институте дополнительного профессионального образования приняты к использованию предлагаемые автором: ряды Фурье - для прогноза количества слушателей по месяцам внутри года, что позволяет принимать оптимальные решения по распределению нагрузки преподавателей и формированию графика учебного процесса; регрессионные модели оценки количества слушателей недельных, двухнедельных курсов повышения квалификации и семинаров в летний период времени обучения; методика оценки результативности обучения слушателей и удовлетворенности заказчиков качеством предоставляемых образовательных услуг; тесты автоматизированного промежуточного контроля знаний; алгоритмы автоматизированного соблюдения аккредитационных показателей по всем направлениям подготовки слушателей, позволяющие повысить конкурентоспособность образовательных услуг. Имеется акт о внедрении.

Созданная ИСППР предоставляет лицу, принимающему решение, автоматизированный выбор оптимальной альтернативы на основе критериев Сэ-виджа, Вальда и Гурвица. Предложены управленческие решения, которыми может руководствоваться лицо, принимающее решение, в случае, когда фактическое число слушателей, подавших заявку на обучение в июне, больше прогнозируемого.

Разработанные онтологическая модель знаний, позволяющая решать задачу категоризации и поиска информации, модельное, алгоритмическое и про-

граммное ИСППР могут быть использованы в качестве базовых для создания систем управления учреждениями дополнительного профессионального образования.

Достоверность полученных результатов и выводов определяется подтверждением адекватности моделей прогноза, сопоставимостью результатов численного эксперимента с реальными данными.

Апробация результатов работы. Основные результаты работы докладывались и обсуждались на конференциях различного уровня: научно-технической конференции «Современные технологии и научно-технический прогресс» в Ангарской государственной технической академии (2011, 2012), Международной научно-технической конференции «Математические методы в технике и технологии» (Пенза 2008, Волгоград 2012, Нижний Новгород 2013, Ангарск 2013, Тамбов 2014), Международном научно-методическом симпозиуме «Современные проблемы многоуровневого образования» (Ростов н/Д, 2011, 2012), Всероссийских конференциях с международным участием «Винеровские чтения» (Иркутск, 2011, 2013, 2014) и «Информационные и математические технологии в науке, технике, медицине» (Томск, 2012); Байкальской Всероссийской конференции «Информационные и математические технологии в науке и образовании» (Иркутск, 2012), на научно-технической конференции «Автоматизация технологических объектов процессов. Поиск молодых» (Донецк, 2012), Международных научно-практических конференциях «Безопасность регионов - основа устойчивого развития» (Иркутск, 2012, 2014), «Транспортная инфраструктура Сибирского региона» (Иркутск, 2013, 2014), «Молодежь и современные информационные технологии» (Томск, 2013), «Информационные технологии в науке, управлении, социальной сфере и медицине» (Томск, 2014); Российская научно-техническая конференция «Обработка информации и математическое моделирование» (Новосибирск, 2015).

Публикации. По теме диссертационной работы опубликовано 28 работ, в том числе 4 статьи в журналах из перечня ВАК РФ, 2 свидетельства о государственной регистрации программы для ЭВМ и 1 свидетельство о государственной регистрации базы данных.

Личный вклад автора. Автором были определены сезонные компоненты, получены ряды Фурье, регрессионные модели оценки количества слушателей курсов повышения квалификации в летний период времени, проверена их адекватность; получена случайная выборка количества слушателей методом Монте-Карло; разработаны: онтологическая модель предметной области; база данных; ИСППР; предложены алгоритмы автоматизированного контроля за соблюдением аккредитационных показателей слушателей учреждения дополнительного профессионального образования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, выводов по каждой главе, заключения, библиографического списка из 153 наименований, 7 приложений. Основной текст изложен на 175 страницах, в том числе 87 рисунков и 34 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении аргументирована актуальность диссертационного исследо-

вания, приведена общая характеристика диссертационной работы с тезисным изложением основных положений и результатов работы, обозначены цель и задачи исследования.

В главе 1 описаны классификация, принципы разработки и методы принятия управленческих решений; методы прогнозирования экономических показателей на основе статистического анализа временных рядов; возможности онтологического моделирования; алгоритмы и методы поддержки принятия управленческих решений, обзор информационных систем в образовательных учреждениях. В результате анализа литературных данных установлено, что для учреждений дополнительного профессионального образования отсутствуют: онтологическая модель знаний и ИСППР. На основе полученных выводов сформулирована цель и поставлены задачи исследования.

В главе 2 описана разработанная онтология предметной области; реализованы SPARQL-запросы к данным; сформирован онтологический граф.

Для разработки сложной многоуровневой ИСППР необходимо четко определить предметную область, взаимосвязь и'отношения между объектами системы, структурировать и формализовать область знаний. На основе редактора Protégé 4.2 была создана онтология предметной области Института дополнительного профессионального образования, позволившая описать данные на концептуальном, логическом уровнях и графически в виде онтологического графа (см. рис. 1).

Р 9 Город

nje

1 Ч

t Клчветва_гадга

в VjlOininpwM

ф Сра<_ипаМ1

0 Д«и_жнмжии_

Рис. 1 - Онтологический граф исследуемой предметной области Значительную роль онтология предметной области имеет в процессах анализа и формирования области знаний, в поиске, категоризации и анализе информации, работе экспертов.

Глава 3 посвящена анализу временных рядов, статистическому моделированию, регрессионным моделям оценки числа слушателей, методике расчета платежной матрицы прибыли «игры с природой» и поиску оптимальной аль-

тернативы.

На рис. 2, 3 и 7 представлены временные ряды, описывающие распределение количества слушателей кг, к\, к, по месяцам за рассматриваемый период времени с 2002 г. по 2013 г. (г = 1, 2,...,12). Из рис. 2, 3 видно, что временные ряды к2, к\ имеют сезонную составляющую.

Рис. 2 - Временной ряд количества Рис. 3 - Временной ряд количества

слушателей двухнедельных курсов слушателей недельных курсов

Разработан метод на основе трехмерного представления данных временных рядов (см. рис.4).

Установление

закона распределения

Проверка наличия тренда по критерию А65е*Линниха (по годам).

Получение регрессионных моделей (по меезиам)

Рис. 4 - Объемная модель метода трехмерного представления данных временных рядов

Этапы метода:

1. Установление закона распределения временных рядов количества слушателей по критерию согласия Пирсона.

2. Выявление и расчет сезонной компоненты.

3. Проверка наличия тренда во временных рядах количества слушателей по Критерию Аббе-Линника.

4. Расчет среднего по годам числа слушателей для каждого месяца и аппроксимация рядом Фурье.

5. Получение моделей регрессии для каждого летнего месяца.

На рис. 5, 6 представлены сопоставления данных временных рядов к2, к1

Рис. 5 - Сопоставление временного ряда к2 с Рис. 6 - Сопоставление временного ряда к\ с нормальным распределением нормальным распределением

По критерию согласия Пирсона (%2) установлено, что временные ряды ко и к\ подчиняются нормальному закону распределения вероятностей, а кс - экспо-

Рис. 7 - Временной ряд количества экспоненциальным законом распределения

слушателей семинаров вероятностей

В табл. 1 сопоставлены рассчитанные значения %2 с табличными значениями с уровнем значимости а, где Н0 - гипотеза о совпадении закона распределения выборки с теоретическим законом распределения. Нулевая гипотеза подтверждается.

Таблица 1 — Сопоставление с заданным распределением по критерию Пирсона

Временные ряды х2 X1 при а Я0

0,1 0,05 0,01

кг 3,376074 13,36157 15,50731 20,09024 нормальное распределение

к\ 5,888989 12,01704 14,06714 18,47531 нормальное распределение

кс 6,826644 10,64464 12,59159 16,81189 экспоненциальное распределение

Значения выборочных статистических характеристик: математическое ожидание Ми с 95 % доверительным интервалом; среднеквадратическое отклонение сты; коэффициент вариации Ув; асимметрия А, ; эксцесса приведены в табл. 2.

Методом Монте-Карло найдены случайные реализации (число реализаций 1476) количества слушателей в июне месяце и выполнена оценка ожидаемой прибыли в условиях риска. Полученное низкое значение ожидаемой при-

были, объясняемое большим процентом (49-51 %) случайных реализаций с малым значением спроса.

Значения к, кг кс

Мкпри р=95% 137,991 ± 13,4544 119,338 ± 10,4122 52,08 ± 12,164

70,8654 60,7041 42,8013

К 51,3551% 36,85 82,1838%

л 1,24227 1,66958 3,12861

Щ -0,612171 -0,995566 1,13739

Методом скользящей средней определены значения сезонных компонент V(t) для к\]лк2с корректирующим коэффициентом 0,320 и 0,3696 соответственно (см. табл. 3). Сезонная компонента для ряда кс отсутствует.

Номер месяца 1 2 3 4 5 6

V(t) для к{ -31,7292 0,7251 10,763 10,860 -9,6815 30,9988

V(r) для к2 -36,8543 40,1905 10,6858 8,0747 -28,9806 -21,8417

Номер месяца 7 8 9 10 11 12

V(t) для к, -53,4035 -39,8479 37,2629 37,8599 3,6795 2,513

V(t) для кг -27,1056 -24,5166 32,4355 37,0606 -:-1- 41,2967 -30,4452

мальному закону распределения (см. рис. 9, 10), значения Д. и £ которых попадают в диапазоны: - 2 < Д. < 2 и - 2 < Е. < 2 (см. табл. 4).

Рис. 9 - Сопоставление ряда E(t) для кг с нормальным распределением

Рис. 10 - Сопоставление ряда E(t) для к\ с нормальным распределением

Значения E(t) для к\ E{t) для ¿2

А,- 1,37894 1,54863

Е; -1,62523 -1,44018

вычисление сезонной составляющей возможно с помощью гармонического анализа, необходимым условием осуществления которого является исключение из временного ряда Y(t) регулярной компоненты U(t). Тогда усредним уровни временных рядов к2 и по месяцам за весь период с 2002 г. по 2013 г., что позволяет свести регулярную компоненту к нулю U(t) = 0. Усредненные значения уровней временных рядов аппроксимированы рядом Фурье (4x2).

= - 31,50 • cos-í + 801,17 ■ sin-t +

2CW 2 6 6

+ 491,66 ■ cos-í + 63,44 • sin-í + 22,15 ■ cos-í - (1)

3 3 2

л- 2к 2 te

-107,76 • sin -t -15,40 -cos—í - 29,50 ■ sin — í.

2 3 3

кir(f)= 1747,36 - 320,09 -cos-í - 2891,05 • sin -t -,cW 2 6 6

-1861,67 • cos-f + 430,77 • sin-t + 286,51 • cos-í + (2)

3 3 2

ti 2 TI 2тг

+ 861,14 • sin -í + 208,79 • cos—í -143,03 • sin —í.

2 3 3

Сопоставление уровней рядов k2c и к1С с гармоническим разложением

Фурье представлено на рис Л 1^12. _______

Рис. 11 - Сопоставление значений Рис. 12 - Сопоставление значений ряда

ряда к2с с разложением Фурье ¿1С с разложением Фурье

В табл. 5 приведены критерии статистической значимости гармонических рядов (1), (2): коэффициент детерминации Я2, акп Мкп А и Е.

Таблица 5 - Критерии статистической значимости гармонических рядов

Гармонические ряды r2,% er*, m и при р = 95 % А ei

facO) 98,09 59,9208 101,52 -0,624128 -0,662637

Aie Cr) 88,80 45,047 91,118 -1,67415 0,289314

Полученные ряды Фурье (1), (2) можно использовать для прогноза количества слушателей по месяцам, что позволит руководству Института дополнительного профессионального образования (ИДПО) принимать оптимальные решения по распределению бюджета, нагрузки преподавателей, формированию учебного графика.

По критерию Аббе-Линника проверена гипотеза о том, что все выборочные значения принадлежат одной генеральной совокупности со средним (.1: Н0: р.; =цр г' = 1,...,л против альтернативы тренда: Н\. |ц/+1 — >0,г =1,...,п—1.

Статистика критерия Аббе-Линника имеет вид:

*=2

1 -ъУ 1 1=1_

~ 1 А , где х = — 21хг п ¡=1

(3)

Если q > ца, то нулевая гипотеза случайного ряда Х],...^сп отклоняется с доверительной вероятностью а. При п > 60 (число значений уровней временного ряда) справедлива аппроксимация, основанная на том, что случайная величина (2* = -(1 - д) I—+ \2 имеет стандартное нормальное распределение.

*2 -(1-9)

Поэтому нулевая гипотеза отклоняется, если < и\.а.

По критерию Аббе-Линника во временных рядах к2, ки кс количества слушателей по месяцам было установлено наличие тренда (см. табл. 6).

Временные ряды п Я Ча е* И|-а Наличие тренда

к2 121 0,606596 - -4,5699 -1,64485 есть

к\ 101 0,790289 - -2,1364 -1,64485 есть

К 43 0,992969 0,755 - - есть

Были найдены тенденции изменения количества слушателей для каждого летнего месяца по годам (г =1, 2,...,12), которые использовались для прогноза (см. формулы (4)...(9)) в разработанной ИСППР.

Руководство ИДПО должно выбрать наиболее оптимальный режим работы в летнее время, максимизирующий полученный доход от проведения курсов повышения квалификации работников железнодорожного транспорта. Так как предприятия, предоставляющие слушателей для ИДПО, не находятся с ним в конфликтных ситуациях и состояния внешней среды не стремятся причинить вред лицу, принимающему решение, была выбрана модель «игры с природой». Имеются следующие альтернативы принятия решений: Аь А2, А3 - работать в июне, июле и августе соответственно. Ожидается три состояния внешней среды: В\, Вт, - нижняя и верхняя границы прогноза, В2 - прогноз числа слушателей по предложенным моделям.

Методика расчета платёжной матрицы «игры с природой»

1. Прогноз числа слушателей курсов повышения квалификации: к2, кь кс для каждого летнего месяца на основе регрессионных моделей и определение границ прогноза.

В июне месяце количество слушателей определяется по моделям (Г = 13):

к1р = целая часть{41,06 +17,21 • г}, (4)

к2р = целаячасгт{6Ъ,67 - 26,59г + 2,96 • г2}, (5)

кср = целая часть{-Ъ6,05 + 7,55 • Г). (6) Для июля: прогноз числа слушателей рассчитывается по моделям (г = 13):

к1р = целая часть{474,60 - 96,50 • Г + 5,10 ■• г1}, (7)

к2р = целая частъ{44,24 - 2,18 • Г}, (8)

к = целая частиь(-205,04 + 42,63 • I -1,95 -Г2}. (9)

Количество слушателей в августе выбрано как среднеарифметическое за прошедшие периоды времени.

В табл. 7 приведены критерии, подтверждающие адекватность моделей (Л ; Л с, с! - критерий Дарбина-Уотсона; - среднеквадратическая ошибка; - критерий нормальности ряда остатков; /с - критерий Стьюдента и его табличное значение 1сТ\ Т7 - критерий Фишера и его табличное значение /->, р - критерий поворотных точек);.

Таблица 7 - Критерии статистической значимости уравнений регрессий

№ формулы Я2,% Я2„ % й ИЗ «с Гсг Г Р

(4) 95,32 93,99 2,11 18,438 3,78 0,879 2,31 1,2176 3,44 3 <рт= 8

(5) 99,98 99,97 2,92 0,156 1,792 0,2217 12,7 1,0022 19 0<рт=1

(6) 89,78 88,32 0,0153 16,397 2,728 0,1995 2,31 1,0116 3,44 3 < рт = 6

(7) 99,82 98,41 0,00 0,00 0,00 0 12,7 1 19 -0,25 <рт=0

(8) 99,70 99,41 1,9952 0,259 7,309 1,346 4,3 1,0104 19 0<рт= 1

(9) 99,90 99,69 0,5681 0,818 0,635 1,1357 12,7 1,036 19 -0,08 <рт=0

Точечный прогноз на И шагов вперед определялся подстановкой параметра г = т\,И+2,..., И+И в модель (4),...,(9), N = 12.

Доверительный интервал прогноза будет иметь следующие границы: нижняя граница прогноза к7 = к]р{N + и(к); (10)

верхняя граница прогноза к* =к]р{М+ к)+и{к), (11)

где подинтервал и{К) вычисляется по формуле:

ит-^-ь <12)

1

где Бт — среднеквадратическое отклонение от тренда. Спрогнозированные значения количества слушателей приведены в табл. 8.

_Таблица 8 — Сводная таблица прогнозных значений спроса_

Вид курса Нижняя граница (к ",) Прогноз (и Верхняя граница (Л+,-) Месяц

к, 245 264 284 июнь

кг 190 223 256

кс 60 62 63

кх 80 82 84 июль

кг 15 16 17

кс 5 20 35

кх 0 0 0 август

кг 9 13 17

кс 11 14 18

2. Расчет значений целевой функции/прибыли.

Для расчета значения / платежной матрицы прибыли используется следующий подход.

Если фактическое число слушателей, подавших заявку на обучение в ИДПО, больше прогнозируемого количества к*>к^, тогда значение / будет

рассчитываться как / = А/, где недополученная прибыль

Аf = {к] — к№)■ (п] из-за превышения спроса над предложением. В результате/примет вид: / = {п]-г1)-{2к^-к*\ (13)

где к) - количество слушателей у-го вида курсов, подавших заявку на обучение (значения числа слушателей верхней границы прогноза); яу - стоимость за обучение одного слушателя соответствующего вида курсов; г] - затраты ИДПО на одного слушателя, в которые входит оплата труда основного персонала (преподавателей), вспомогательного персонала, административно-управленческого персонала, оплата за услуги связи, коммунальные услуги, амортизация оборудования, услуги по содержанию имущества, прочие услуги.

Если фактическое количество слушателей, подавших заявку на обучение в ИДПО, меньше прогнозируемого значения к~ < к]р, тогда / =к~]{п] — гу)-А/,

где недополученная прибыль А/ = {к]р -к^) за счет превышения предложения над спросом; - затраты на вспомогательный персонал (оплата труда ответственному за организацию учебного процесса и его ассистенту, которые отвечают за заключение договоров и организацию работы преподавателей, ведение учебных документов и учебных программ. В результате получим:

(14)

Если фактическое и прогнозируемое количество слушателей совпали, тогда функция /будет равна разнице между стоимостью обучения /г, и затратами на обслуживание г,, помноженной на фактическое количество слушателей:

(15)

Рассчитанные значения целевой функции/представлены в табл. 9.

Таблица 9 - Сводная таблица значений функции прибыли, руб

Курс Нижняя Прогноз Верхняя Месяц

граница (к) (М граница (к*)

1 2 3 4 5

к\ 90535,64 104649,6 96721,6

к2 254272,3 356064,1 303373 нюнь

кс 10988,96 11673,86 -7531,52

кх 31019,12 32504,8 31712

кг 22462,6 25547,2 23950,5 июль

кс -1370,965 3765,76 941,44

к1 0 0 0

кг 8418,7 20757,1 14370,3 август

кс 1608,687 2636,032 1882,88

3. Получение платежной матрицы Мприбыли «игры с природой». Для получения значений элементов матрицы суммируются значения целевой функции/в каждом столбце (2,3,4) по месяцам (см. табл. 10).

На основе предложенного авторами алгоритма, с целью снижения трудоемкости и времени расчетов, было разработано программное обеспечение «Рас-

чёт матрицы прибыли».

Таблица 10 — Матрица прибыли М, руб

Альтернатива *7 **

А, (июнь) 355796,9 472387,6 392563,1

А 2 (июль) 52110,76 61817,76 56603,94

Аз(август) 10027,39 23393,13 16253,18

4. Выбор оптимального режима работы ИДПО (альтернативы).

Для обеспечения автоматизированной поддержки принятия оптимального УР была разработана программа для ЭВМ (свидетельство государственной регистрации № 2014617604), в которой лицо, принимающее решение, может выбрать любой из трех критериев для принятия оптимального решения: Вальда, Сэвиджа, Гурвица.

Поиск наилучшей альтернативы по всем трем критериям принятия решений в условиях неопределенности показал, что оптимальной альтернативой, которая позволит повысить эффективность работы и снизить затраты на поддержание учебного процесса в ИДПО, будет А] — работа в июне, что совпадает с данными ручного счета.

При попытке получения решения в смешанных стратегиях выявлено, что платежная матрица игры двух лиц с нулевой суммой имеет седловую точку, т.е. решение будет в чистых стратегиях (Л ь В\) (см. рис. 12).

Так как с большой вероятностью может возникнуть ситуация, когда фактическое число слушателей к*}, подавших заявку на обучение в июне, больше прогнозируемого количества к№, лицо, принимающее решение, может выбрать одно из предложенных управленческих решений:

• отказать в приеме заявок на обучение в июне слушателей (не попавших в допустимый предел), тем самым недополучить возможную прибыль;

• предложить слушателям, не попавших в допустимый предел, пройти обучение в июле или августе, что позволит получить прибыль, а если расходы на обучение превысят доходы, покрыть их за счет прибыли, полученной в предыдущем месяце;

• организовать обратную связь с заказчиком и определить время, удобное для обеих сторон, для обучения специалистов, гарантируя прием установленного числа заявок.

Возможны и другие варианты решений. Выбор того или иного управленческого решения зависит от индивидуальных особенностей лица, принимающего решение, его опыта и склонности к риску.

В главе 4 определены показатели результативности обучения слушателей и удовлетворенности заказчиков по результатам анкетирования; описаны структура и функциональные возможности разработанной ИСППР.

Методика оценки результативности обучения слушателей и удовлетворенности заказчиков

1. Определение показателя начального уровня знаний Пу {т слушателей по «входной» анкете:

Луьп=ТП1т- v,„, (16)

i-i

где П!т - оценка ответа на i'-й вопрос (правильный ответ - 1, неверный - 0); q - количество вопросов в анкете; vim - 10lq - весовой коэффициент г'-го вопроса; т — порядковый номер слушателя.

Если Пу_\т = 0, то принимаем его, равным единице. Весовые коэффициенты введены с целью приведения показателей уровня знаний к единому диапазону (1, 10) независимо от количества вопросов в данной анкете.

2. Определение показателя конечного уровня знаний Пу 1т.

Расчет показателя выполняется аналогично показателю Пу ы, только

статистическими данными для вычислений будут оценки ответов на вопросы «выходной» анкеты по окончанию обучения.

3. Расчет коэффициента результативности обучения. Коэффициент результативности обучения т-го слушателя находится по

выражению:

\П,.г_^ _______

1 у Л т

- ■схр-

+ П„ J '2'

-6).

(17)

\Пу_2т " у_\т)

В формуле (17) смещение «3» введено с целью вывода показателей, соответствующих удовлетворительному качеству обучения из минусовой области, для их адекватной идентификации, смещение «6» введено, чтобы вывести из рассмотрения неприемлемые результаты обучения, при которых слушатели не могут быть аттестованы. Все возможные варианты значений Кр представлены в табл. 11.

Пу 1 Пу 1 10 9 8 7 6 5 4 3 2 1

1 8,061 4,93 3,02 1,855 1,143 0,708 0,44 0,279 0,18 0,123

2 6,773 4,074 2,446 1,466 0,875 0,52 0,31 0,179 0,102 0,055

3 5,684 3,361 1,977 1,154 0,667 0,379 0,21 0,112 0,054 0,021

4 4,75 2,758 1,586 0,899 0,5 0,27 0,14 0,064 0,023 0

5 3,941 2,241 1,255 0,687 0,364 0,182 0,08 0,028 0 -0,01

6 3,233 1,793 0,971 0,507 0,25 0,11 0,04 0 -0,02 -0,02

7 2,608 1,401 0,725 0,353 0,154 0,051 0 -0,02 -0,03 -0,03

8 2,053 1,055 0,51 0,22 0,071 0 -0,03 -0,04 -0,04 -0,04

9 1,556 0,747 0,32 0,103 0 -0,04 -0,06 -0,06 -0,05 -0,04

10 1,108 0,472 0,151 0 -0,06 -0,08 -0,08 -0,07 -0,06 -0,04

4. Выставление оценок слушателям по результатам анкетирования.

В соответствии с полученными результатами Кр, преподаватель может выставить оценку От , т = 1, 2,...,п по бальной шкале (отлично, хорошо или удовлетворительно), приведенной в табл. 12.

5. Вычисление среднего балла успеваемости в группе слушателей.

6. Вычисление показателей удовлетворенности заказчиков и слушателей.

Для измерения показателей удовлетворенности используется социологический метод (см. табл. 13). Руководителям предприятий на электронный адрес

рассылаются анкеты, в которых предлагается оценить по четырехбальной системе показатели: оперативность; качество подготовки и удовлетворенность слушателей заказчиков (и> - количество заказчиков; Ь-, - балл).

Таблица 12 - Таблица оценок

№ п/п Показатели удовлетворенности Варианты ответов Балл Формула для расчета Целевые показатели

1 Оперативность, Оп Отлично (изменения не нужны) 2 1 г Ол И» ¡=1 2

Хорошо (изменения возможны) 1,5

Удовлетворительно (изменения нужны) 1

Неудовлетворительно -1

2 Качество подготовки, Кп Отлично (изменения не нужны) 2 1 г Кп = -11Ь1 УУ ы 2

Хорошо (изменения возможны) 1,5

Удовлетворительно (изменения нужны) 1

Неудовлетворительно -1

3 Удовлетворенность слушателей, Ус Отлично (изменения не нужны) 2 1 г Ус = — ЪЪ, •л* 1=1 2

Хорошо (изменения возможны) 1,5

Удовлетворительно (изменения нужны) 1

Неудовлетворительно -1

В качестве примера на рис. 13 представлено сопоставление фактических усредненных показателей удовлетворенности заказчиков и результативности обучения групп слушателей недельных курсов по направлению подготовки «Охрана труда» (см. рис. 13а), а на рис. 136 - двухнедельных курсов по направлению подготовки «Энергодиспетчеры», где Вср - средний балл успеваемости по группе.

На рис.14 приведена структурная схема ИСППР.

Информационная система работает в клиент/серверной архитектуре. Серверная часть приложения обеспечивает хранение данных и их обработку, для этой цели создана специальная база данных «Структура образовательного учреждения и сопровождение учебного процесса» (свидетельство государственной регистрации № 2014621165). Клиентская часть передает серверу соответст-

вующие запросы. Обращение к данным возможно как с помощью ИСППР, так и средствами СУБД FirebirdSQL 2.1 совместно с графическим пользовательским интерфейсом IB Expert.

Вер

-Факт -max ■ min

Вер

—•— Факт

— • - щах

- ♦ - гт»»л

Рис. 13 - Сопоставление фактических усредненных показателей удовлетворенности заказчиков и результативности обучения групп слушателей курсов: а - недельных, б -двухнедельных.

№

Информационная система поддержки принятия решений

Подсистема «ИСУ»

Модуль «Заявки на обучение»

Модуль «Организации-заказчики»

Модуль «Оценка удовлетворенности заказчика»

Модуль «Формирование групп слушателей»

Справочник «Дисциплина»

Справочник «Специальность»

Модуль «Оценка результативности обучения слушателей»

Справочник «Слушатели»

Справочник «Преподаватели»

Справочник «Место проведения занятий»

Онтологическая модель ПрО УДПО

Подсистема «Выбор альтернатив в условиях неопределенности по критериям принятия решений»

Модуль «Промежуточное тестирование»

Модуль «Анализ сроков аттестации»

Модуль «Печать удостоверений»

Рис. 14 - Структурная схема ИСППР В табл. 14 представлены УР, реализуемые с помощью ИСППР. Таблица 14 - Примеры реализуемых управленческих решений

Задача

Обработка заявки на обучение слушателя

и формирование _группы_

Тип задачи

Запись данных в информационное хранилище (БД) и построение списка группы

Частота решения

По мере поступления

Форма представления

Список группы (отчет), список организаций-заказчиков

Программный модуль

«Заявки на обучение»

1 2 3 4 5 6

2 Составление расписания Анализ содержания БД По мере поступления Расписание(списки п ре п ода вател е й, места проведения занятий, дисциплин, специальностей «Формирование групп слушателей»

3 Начальное анкетирование слушателей Расчет /1у 1, анализ результатов После формирования группы Отчет «Оценка результативности обучения слушателей»

4 Промежуточное тестирование Анализ уровня знаний слушателей (расчет В) Один раз за обучение Отчет «Промежуточное тестирование»

5 Конечное анкетирование Анализ и оценка качества обучения,расчет Пу2 По завершению обучения группы Отчет «Оценка результативности обучения слушателей»

6 Анкетирование , заказчиков Анализ удовлетворенности заказчиков, расчет Оп, КП, УС (обратная связь) По завершению обучения группы Отчет Модуль «Оценка удовлетворенности заказчика»

7 Рассылка уведомлений на эл.почту заказчиков Анализ сроков аттестации работников предприятий-заказчиков (слушателей, прошедших обучение) Поквартально Уведомление, списки работников, у которых заканчивается срок аттестации Модуль «Анализ сроков аттестации»

8 Печать удостоверений Анализ коэффициента рез ул ьтати в и ости По завершению обучения группы Удостоверение и списки слушателей, успешно прошедших конечное анкетирование «Печать удостоверений»

9 Формирование отчета о результативности деятельности и качестве предоставляемых услуг Анализ и расчет коэффициента результативности, среднего балла успеваемости по группе, удовлетворенности заказчиков. Формирование списка рекомендаций по возможному улучшению По мере необходимости Отчет «Оценка результативности обучения слушателей» и «Оценка удовлетворенности заказчика»

10 Поиск и сортировка данных Анализ, поиск, сортировка, выполнение запросов По мере необходимости Результат запроса/поиска ИСППР

11 Расчет ожидаемой прибыли и выбор оптимальной альтернативы Расчет по предложенной автором методике Цикличное Матрица прибыли, значение функции ожидаемой прибыли, оптимальная альтернатива «Выбор альтернатив в условиях неопределенности по критериям принятия решений»

Основные результаты диссертационной работы

1. Разработана оригинальная онтологическая модель данных для управления информационными потоками, описывающая предметную область учреждения дополнительного профессионального образования на концептуальном и логическом уровнях; онтологический граф. Реализованы 8РА11(5Ь запросы быстрого поиска необходимой информации.

2. Предложен метод обработки временных рядов на основе трехмерного представления данных, с помощью которого установлено, что исходные данные имеют тренд по критерию Аббе-Линника, сезонную и случайную составляющие. По критерию согласия Пирсона временные ряды количества слушателей недельных и двухнедельных курсов повышения квалификации Института дополнительного профессионального образования по месяцам внутри года подчиняются нормальному закону распределения, а семинаров - экспоненциальному закону. Ряды кь к2 имеют сезонную составляющую, что подтверждается

гармоническим распределением Фурье для усредненных значений уровней временных рядов, а ряды остатков подчиняется нормальному закону распределения. Методом Монте-Карло найдены случайные реализации количества слушателей в июне месяце и выполнена оценка ожидаемой прибыли с учетом установленных законов распределения вероятностей.

3. Получены адекватные регрессионные модели (полиномиальные и линейные) прогноза численности слушателей для каждого летнего месяца.

4. Формализована и поставлена задача принятия управленческого решения о выборе оптимального режима работы Института дополнительного профессионального образования в летний период времени на основе модели «игры с природой». Предложена методика автоматизированного расчета платежной матрицы прибыли с учетом выполненного прогноза слушателей.

5. Разработаны специальные математическое и программное обеспечения информационной подсистемы «Выбор альтернатив в условиях неопределенности по критериям принятия решений» в летний период времени. Для всех критериев Вальда, Сэвиджа и Гурвица оптимальной является работа в июне. При попытке получения решения в смешанных стратегиях выявлено, что платежная матрица шры двух лиц с нулевой суммой имеет седловую точку.

6. Предложены критерии и методика оценки результативности обучения слушателей и удовлетворенности заказчиков, основанные на результатах анкетирования, позволяющие дать адекватную оценку результативности подготовки слушателей и эффективности работы учреждения дополнительного профессионального образования. Предложена методика их расчета. В результате анкетирования заказчиков определены средние значения: удовлетворенности качеством подготовки слушателей — 1,8, оперативностью работы — 1,9 и удовлетворенности слушателей - 1,55. С помощью этих критериев можно отслеживать качество реализации учебного процесса и образовательных программ.

7. Разработаны специальные математическое и программное обеспечения информационной системы поддержки принятия решений. ИСППР имеет развитый интерфейс, позволяющий снизить трудоемкость, повысить надежность расчетов, улучшить оперативность обработки информации в 10 - 15 раз, оценить результативность обучения слушателей и удовлетворенность заказчиков.

8. Разработаны и приняты к использованию в Институте дополнительного профессионального образования алгоритмическое и программное обеспечение автоматизированного контроля за соблюдением аккредитационных показателей по всем направлениям подготовки специалистов, осуществляемых на базе ИДПО, позволяющее повысить конкурентоспособность образовательных услуг.

Использование ИСППР позволит более оперативно переходить на новые уровни требований, так динамично развивающихся в сфере профессионального образования России.

Список основных публикаций по диссертационной работе

Публикации в рецензируемых журналах:

1.Темникова, Е.А. Автоматизированная система мониторинга учебного процесса / Е.А. Темникова, B.C. Асламова // Современные технологии. Системный анализ. Моделирование. - 2011. - Л» 3(31). - С. 214-220.

2. Темникова, Е.А. Разработка онтологии предметной области на примере учебного цента / Е.А. Темникова // Современные технологии. Системный анализ. Моделирование. -2013. .-№ 1 №4(40). -С. 198-201.

3. Темникова, Е.А. Алгоритмы принятия решений на основе регрессионных моделей оценки числа слушателей ИДПО / Е.А. Темникова, B.C. Асламова // Современные технологии. Системный анализ. Моделирование. -2014. - № 1(41). - С. 197-201.

4. Темникова, Е.А. Автоматизированная система расчета матрицы «игры с природой» и поиска оптимального режима работы УЗ ДПО / Е.А. Темникова, B.C. Асламова // Вестник «СибГУТИ». - 2015 г. - № 1. - С.60-71.

Свидетельства о регистрации разработки:

5. Темникова, Е.А. Автоматизированная система мониторинга учебного процесса/ Е.А. Темникова, B.C. Асламова // Свидетельство о государственной регистрации программы для ЭВМ № 2012613589, зарегистрировано в Реестре программ для ЭВМ 17 апреля 2012.

6. Темникова, Е.А. Сопровождение учебного процесса ИДПО / Е.А. Темникова, B.C. Асламова // Свидетельство о государственной регистрации Базы данных для ЭВМ № 2014621165 зарегистрировано в Реестре БД для ЭВМ 20 августа 2014 г.

7. Темникова, Е.А. Выбор альтернатив в условиях неопределенности по критериям принятия решений / Е.А. Темникова, B.C. Асламова // Свидетельство о государственной регистрации программы для ЭВМ № 2014617604 зарегистрировано в Реестре программ для ЭВМ 29 июля 2014 г.

Публикации в материалах научных конференций:

8. Темникова, Е.А. Разработка программного обеспечения для автоматизации процесса обучения слушателей учебного центра «Профиль» / Т.В. Голубцова, Е.А. Темникова, В.С.Асламова // Сб. трудов молодых ученых и студентов. - Ангарск: АГТА, 2010. - С. 78-83.

9. Темникова, Е.А. Разработка автоматизированной системы мониторинга учебного процесса / Е.А. Темникова, Т.В. Голубцова, В.С.Асламова // Математические методы в технике и технологиях - ММТТ-24: сб. трудов XIV Междунар. науч. конф.: в 10 т. Т 9.1 Под общ. ред. B.C. Балакирева. - Пенза: изд-во Пенз. гос. технол. академия, 2011-С. 157-159.

10. Темникова, Е.А. Автоматизация мониторинга образовательного процесса / Е.А. Темникова, B.C. Асламова // VI Международный Научно-методический симпозиум «Современные проблемы многоуровневого образования». - Ростов н/Д; Изд-во ДГТУ, 2011,- С. 274-282.

11. Николаев, Э.М. Обработка и анализ данных о деятельности ВУЗа / Э.М. Николаев, И.А. Александров, М.В. Кривое, Е.А. Темникова // Вестник АГТА. - 2011. -№5(1). - С. 7-8.

12. Темникова, Е.А. Разработка автоматизированного контроля знаний в сфере промышленной безопасности / Е.А. Темникова, B.C. Асламова // Труды XVII Байкальской Всероссийской конференции «Информационные и математические технологии в науке и образовании». Часть 2.-Иркутск: ИСЭМ СО РАН, 2012. - С. 248-254.

13. Темникова, Е.А. Разработка тестов автоматизированного контроля знаний для аттестации учащихся учебного центра «Профиль» / Е.А. Темникова, B.C. Асламова// Сб. тр. 12 науч.техн. конф. «Автоматизация технологических объектов процессов. Поиск молодых»,-Донецк, ДонНТУ, 2012.-С. 478-480.

14. Темникова, Е.А. Автоматизированная система мониторинга и контроля качества обучения в учебном центре дополнительного образования в области промышленной безопасности / Е.А. Темникова, B.C. Асламова // Безопасность регионов - основа устойчивого развития: Материалы 3-й Международной научно-практической конф. Иркутск, 12-15 сентября 2012. - Иркутск: ИрГУПС, 2012,— С. 157-162.

15. Темникова, Е.А. Автоматизированная система менеджмента качества образования в учебном центре «Профиль»/ Е.А. Темникова, B.C. Асламова // Сб. науч. тр. Всероссийской конференции с международным участием «Информационные и математические технологии в науке, технике, медицине». - Томск: 11ИТПУ, 2012. - С. 151 — 154.

16. Темникова, Е.А. Концептуальная карта предметной области мониторинга учебно-

го процесса / Е.А. Темникова, B.C. Асламова // Математические методы в технике и технологиях :сб. тр.26 Междунар. науч. конф. - ММТТ-26 в 10 т. Т. 9 / Под общей ред A.A. Большакова. - Нижний Новгород: Нижегород. гос. техн. ун-т, 2013. - С. 73-75.

17. Темникова, Е.А. Предикатная СС на основе онтологической модели и RDF-графов / Е.А. Темникова, B.C. Асламова // Вопросы естествознания. - 2013 №1(1) - С 5966.

18. Темникова, Е.А. Разработка семантической сети на основе онтологии предметной области для учебного центра / Е.А. Темникова, B.C. Асламова // Всероссийская молодежная научно-практическая конференция с международным участием «Малые Винеровские чтения» - Иркутск: НИИГТУ, Институт динамики систем и теории управления СО РАН, Институт систем энергетики им. JI.A, Мелентьева СО РАН, 2013. -С.164-170.

19. Темникова, Е.А. Создание онтологии предметной области для АСМУП с помощью редактора Protege / Е.А. Темникова, B.C. Асламова // Материалы 4-й Всероссийской на-учно-практ. конф. с международным участием «Транспортная инфраструктура Сибирского региона», 13-17 мая 2013 Иркутск в 2-х т. - Иркутск : Изд-во ИрГУПС, 2013,- С. 375-380.

20. Темникова, Е.А. Создание онтологии для АСМУП «ПРОФИЛЬ» с помощью редактора Protege / Е.А. Темникова, B.C. Асламова // Сб. науч. тр. в рамках в XXVI - Международной научной конференции «Математические методы в технике и технологиях - ММТТ-26» в 3-й Сибирской школе молодых по применению математических методов и информационных технологий. - Ангарск: АГТА, 2013. - С. 151-154.

21. Темникова, Е.А. Роль онтологии предметной области в создании автоматизированной системы мониторинга учебного процесса» / Е.А. Темникова, B.C. Асламова // Сб. науч. тр. Всероссийской конференции с международным участием «Информационные и математические технологии в науке, технике, медицине». - Томск: НИТПУ, 2013. - С. 178-180.

22. Темникова, Е.А. Автоматизированная система мониторинга учебного процесса и онтология предметной области для учебного центра / Е.А. Темникова, B.C. Асламова // Вопросы естествознания. - 2014. - № 1(2). - С. 42-48.

23. Темникова, Е.А. Автоматизированное принятие решений на основе регрессионных моделей оценки числа слушателей ИДПО / Е.А. Темникова, B.C. Асламова // Винеровские чтения : труды Всероссийской молодёжной научно-практической конференции (Иркутск, 3-5 апреля, 2014 г.) - Иркутск : ИрГТУ, 2014. - С.143-150.

24. Асламова, B.C. Оценка числа слушателей ИДПО на основе адаптивной модели Брауна / B.C. Асламова, Е.А. Темникова // Транспортная инфраструктура Сибирского региона : материалы пятой международной научно-практической конференции посвященной 40-летию начала строительства Байкало-Амурской магистрали, 31 марта - 4 апреля 2014 г. Иркутск: В 2 т. - Иркутск : ИрГУПС, 2014. - С.274-278.

25. Темникова, Е.А. Прогнозирование численности слушателей на основе временных рядов / Е.А. Темникова, B.C. Асламова // Информационные технологии в науке, управлении, социальной сфере и медицине : сборник научных трудов международной научной конференции, 29 апреля - 2 мая 2014 г. Томск : в 1 Ч.-НИТПУ, 2014.-С. 129-131.

26. Асламова B.C. Регрессионные модели оценки числа слушателей Института дополнительного профессионального образования / B.C. Асламова, Е.А. Темникова // Математические методы в технике и технологиях :сб. тр.27 Междунар. науч. конф. - ММТТ-27 в Т. 7 / Под общей ред A.A. Большакова. - Тамбов : Тамбовск. гос. техн. ун-т, 2014. - С. 79-81.

27. Темникова, Е.А. Выбор оптимального режима работы ИДПО / Е.А. Темникова, B.C. Асламова // Безопасность регионов - основа устойчивого развития: Материалы 4-й Международной научно-практической конф. Иркутск, 22-26 сентября 2014. - Иркутск- ИрГУПС, 2014,— С. 530-534.

28. Темникова, Е.А. Анализ временных рядов количества слушателей ИДПО / Е.А. Темникова, B.C. Асламова // Обработка информации и математическое моделирование: Российская научно-техническая конф. Новосибирск, 22-24 апреля 2015. - Новосибирск- СибГУ-ТИ, 2015,— С. 299-307.

Подписано в печать 02.09.2015 г. Формат 60x90 1/16. Бумага офсетная. Печать трафаретная. Усл. печ. л. 1,44. Тираж 140 экз. Заказ № 2620. Отпечатано в типографии ИрГУПС Адрес: 664074, г. Иркутск, ул. Чернышевского, 15.