автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методика итеративного управления формированием в высшей школе кадрового потенциала науки

На правах рукописи

ВОЛОДИНА Елена Дмитриевна

МЕТОДИКА ИТЕРАТИВНОГО УПРАВЛЕНИЯ ФОРМИРОВАНИЕМ В ВЫСШЕЙ ШКОЛЕ КАДРОВОГО ПОТЕНЦИАЛА НАУКИ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (в науке и промышленности)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

2 3 ОКТ 2014

005553804

Москва-2014

005553804

Работа выполнена в Федеральном государственном бюджетном научном учреждении «Государственный научно-методический центр».

Научный руководитель:

■Заслуженный деятель науки и техники РСФСР, доктор технических наук, профессор Емелин Николай Михайлович.

Официальные оппоненты:

1. Гончаров Владимир Васильевич — доктор технических наук, профессор, заведующий кафедрой математики Военной академии РВСН им. Петра Великого, г. Москва.

2. Микрюков Андрей Александрович - кандидат технических наук, доцент, заведующий кафедрой «Автоматизированные системы обработки информации и управления» Московского государственного университета экономики, статистики и информатики.

Ведущая организация:

Национальный исследовательский ядерный университет «МИФИ».

Защита состоится «3» декабря 2014 г. в 14 часов 30 минут на заседании диссертационного совета Д520.033.01 при Межрегиональном общественном учреждении «Институт инженерной физики» по адресу: 142210, г. Серпухов, Большой Ударный пер., д. 1а.

Отзывы на автореферат в 2-х экземплярах просьба направлять по адресу: 142210, Московская область, г. Серпухов, Б.Ударный пер., д. 1а, Межрегиональное общественное учреждение «Институт инженерной физики», Ученому секретарю диссертационного совета Д 520.033.01.

С диссертацией можно ознакомиться в библиотеке Межрегионального общественного учреждения «Институт инженерной физики» по адресу 142210, Московская область,г. Серпухов, Б.Ударный пер., д. 1а и на сайте http://yyww.iifif.ru.

Автореферат разослан «_»_2014 года.

Ученый секретарь

диссертационного совета Д 520.033.01 доктор технических наук, профессор

С. Г. Данилюк

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. В основу приоритетных задач социально-экономического развития России и обеспечения национальной и экономической безопасности страны положено создание экономики знаний, одним из основных ресурсов которой является кадровый потенциал науки (КПН). Почти двадцать лет продолжалось сокращение численности кадров в науке при ухудшении их возрастной структуры, нарушении профессиональной и возрастной преемственности, низком уровне оплаты труда ученых, широком распространении их вторичной занятости. Ухудшение социального положения исследователей, снижение престижа научного труда обусловили существенное сокращение притока выпускников вузов в сферу науки и отток из нее молодых специалистов ускорили процесс старения и сокращения научных кадров. Одной из ключевых стратегических задач, определенных Стратегией инновационного развития Российской Федерации на период до 2020 года, является обеспечение воспроизводства КПН, в том числе выявление талантливой молодежи. На развитие КПН, его эффективное восполнение, расширение возможностей профессиональной самореализации талантливой молодежи в научной сфере направлены Государственные программы «Развитие науки и технологий» на период до 2020 года и «Развитие образования» на 2013 - 2020 годы.

Решение задачи обеспечения притока в науку молодых исследователей в основном обеспечивается вузами, где у студентов в процессе обучения формируются научно-исследовательские компетенции, определенные федеральными государственными образовательными стандартами. Анализ функционирующих в вузах систем управления научно-исследовательской деятельностью студентов выявил недостаточность контрольно-измерительных материалов, адекватно отражающих уровень научно-исследовательских компетенций студентов, а также недостаточность научных методик в управленческой деятельности.

Общие подходы к построению моделей и алгоритмов принятия управленческих решений в сложных системах рассматривались в работах Гаврилова В.М., Подиновского В.В., Тихонова А.Н., Трофимовой JI.A, Цветкова В.Я. и др. Вопросы совершенствования процедуры оценки научной деятельности рассматривали Андроникова Н.Г., Бетехтина Е.И., Бугаков И.А., Бурков В.Н., Данилюк С.Г., Новиков Д.А., Монфор А.О., Покровский В.А., Деркач Г.М., Тодосийчук A.B., Царьков, А.Н., Цимбал В. А. и др. Несмотря на большое количество работ в исследуемом направлении, следует признать, что в них практически не раскрыты вопросы управления формированием в вузах КПН. Имеет место противоречие между объективной потребностью инновационно развивающейся экономики в формировании КПН и притоке в него молодых кадров с одной стороны, и недостаточной проработанностью вопросов управления формированием КПН, с другой. Это и определяет актуальность совершенствования подсистемы управления формированием в высшей школе КПН как составляющей системы управления научно-исследовательской работы студентов (НИРС) в вузах.

Объектом исследования является система управления научно-исследовательской деятельностью студентов.

Предмет исследования - модели и алгоритмы управления формированием в высшей школе КПН.

Цель диссертационного исследования: повышение эффективности процесса формирования в высшей школе кадрового потенциала науки путём разработки методики управления его формированием.

Выявление в процессе обучения студентов, обладающих способностями к научной работе, позволяет вузам формировать кадровый потенциал науки. Уровень приобретенных студентами научно-исследовательских компетенций зависит от выполненных ими исследовательских работ. На практике студенты не всегда выполняют план НИРС, что приводит к недостаточности привития у них исследовательских компетенций, а, следовательно, к необеспеченности требуемого пополнения КПН, как по качеству, так и по количеству. Имеет место малый приток кадров, их низкая квалификация, с одной стороны, и нерациональное использование финансовых средств, выделяемых на НИРС, с другой. Поэтому для достижения поставленных задач по формированию КПН в процессе обучения студентов необходимо принимать обоснованные управленческие решения. Они могут быть достигнуты разработкой и использованием в подсистеме управления формированием КПН моделей и алгоритмов, адекватно описывающих процессы выполнения студентами НИРС и позволяющих планировать, оценивать и при необходимости корректировать планы НИРС для обеспечения формирования КПН.

Для достижения поставленной цели решается научная задача: разработка моделей и алгоритмов итеративного управления формированием КПН в высшей школе для обеспечения принятия эффективных управленческих решений по его формированию.

Методология и методы исследований. Методы системного анализа, теория вероятностей и математической статистики, методы математического моделирования, теория марковских процессов.

Основные результаты исследования, выносимые на защиту:

1. Модели оценки уровня научно-исследовательских компетенций студентов.

2. Дискретные марковские модели формирования в высшей школе КПН.

3. Алгоритмы итеративного управления формированием в высшей школе КПН:

- алгоритм планирования формирования кадрового потенциала науки;

- алгоритм принятия решения по выбору параметров итеративного управления формированием научно-исследовательских компетенций студентов;

- алгоритм итеративного управления формированием в высшей школе КПН.

Достоверность результатов работы обеспечивается строгостью применения математических моделей «научения», апробированного математического аппарата теории марковских процессов, сходимостью результатов моделирования с имеющимися экспериментальными данными, их ясной физической трактовкой.

Научная новизна работы заключается в разработке новых эффективных механизмов и инструментов управления формированием в высшей школе КПН, включающих:

1. Разработанные математические модели оценки научно-исследовательских компетенций студентов, в отличие от существующих, используют в качестве основных параметров итеративного управления: приведенный объем исследовательских работ, выполняемых студентом; дополнительный объем исследовательских работ, необходимый для корректировки плана НИРС, а также учитывают коэффициент, отражающий индивидуальную скорость развития компетенций студента.

2. Новизна разработанных дискретных марковских моделей формирования в высшей школе КПН заключается в том, что в отличие от существующих моделей подготовки научных кадров (кандидатов и докторов наук), они отражают процесс формирования КПН на всех уровнях высшего образования и позволяют определить вероятность выполнения вузом требований по пополнению КПН, в том числе с учетом корректировки плана НИРС.

3. Новизна предложенных алгоритмов итеративного управления формированием в высшей школе КПН заключается в том, что в отличие от известных, оно позволяет решать задачи управления формированием кадрового потенциала науки с учетом требований к заданному уровню научно-исследовательских компетенций студентов; количественных требований к пополнению КПН при ограничениях на стоимость НИРС.

4. Впервые разработана методика итеративного управления формированием в высшей школе КПН, определяющая последовательность и содержание действий по планированию, корректировке и реализации процесса формирования в вузах КПН. Новизна обуславливается новизной постановки задачи, а также использованием разработанных моделей и алгоритмов формирования в высшей школе КПН.

Теоретическая и практическая значимость. Результаты, полученные в диссертационной работе могут найти применение в создании в вузах автоматизированной подсистемы управления формированием в высшей школе КПН как составляющей части системы управления научно-исследовательской работы студентов (НИРС) для принятия рациональных решений по управлению научно-исследовательской работой студентов при подготовке молодых исследователей для пополнения КПН.

Апробация работы. Результаты диссертации докладывались и обсуждались на научно-технических семинарах ФПБНУ «Госметодцентр», 2010-2014г.г.; МОУ ИИФ (г. Серпухов); VI Международной научно-практической конференции «Информационные и коммуникационные технологии в образовании, науке и производстве», Протвино, 2012г.; XXXI, ХХХП и ХХХШ Всероссийской научно-технической конференции «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». Серпухов, 2012-2014г.г.; II, III и IV Всероссийской научно-практической конференции «Современное непрерывное образование и инновационное развитие», Серпухов, 2012-2014 г.г.

Публикации. Основные результаты работы опубликованы в 15 статьях, в числе которых 5 в рецензируемых печатных изданиях, рекомендованных ВАК РФ, а также вошли в 4 отчета о НИР и в 2 справочно-информационных сборника

Внедрение результатов исследования: в учебном процессе при планировании научно-исследовательских работ студентов и при выполнении НИР в НИЯУ МИФИ, Челябинском государственном педагогическом университете и филиале Военной академии РВСН им. Петра Великого (Серпуховский ВИ РВ); в ФГБНУ «Госметодцентр» при разработке систем мониторинга программ и проектов, методического обеспечения реализации мероприятий по развитию международной академической мобильности студентов и молодых ученых.

Структура и объем работы. Работа состоит из введения, четырех разделов, заключения и списка используемых источников из 128 наименований. Общий объем работы 166 страниц, включая 47 рисунков и 43 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении дана общая характеристика работы: обосновывается актуальность темы диссертационной работы, определены объект, предмет, цель исследований, сформулирована научная задача работы. Представлены научные положения, выносимые на защиту. Показана научная новизна исследований, проведенных автором, их практическая значимость, приведена структура диссертации.

В первом разделе проведен системный анализ состояния КПН России, процессов управления формированием этого потенциала в высшей школе и используемых показателей оценки.

Численность исследователей с 2000 по 2012 год сократилась с 425954 до 368915 человек, т.е. на 15,46%. Имеет место возрастная диспропорция кадрового состава науки, вызванная сложной демографической ситуацией, оттоком и старением исследователей: 20% молодых исследователей до 29 лет; 17,3% - от 30 до 39 лет; 13,9 % - от 40 до 49 лет; 22,7% от 50 до 59 лет; 6,5% от 60 до 69; 9,5% - старше 69 лет (рис. 1а). Следует отметить, что снижение численности и ухудшение возрастной структуры научных кадров в нашей стране происхоит на фоне увеличения

Рис. ¡а - Графики численности Рис. 16 - Динамика численности кадрового

исследователей по возрастным группам потенциала науки в странах с развитой

рыночной экономикой

Анализ известных исследований и разработок в области управления процессом формирования КПН показал, что в них рассматривается лишь воспроизводство научных кадров высшей квалификации, т.е. подготовка кандидатов и докторов наук, и не учитывается последовательность процесса формирования КПН. Для оценки формирования КПН используются статистические показатели, такие как число аспирантов и докторантов, проходящих подготовку вузе, материальные и финансовые ресурсы, необходимые на их подготовку и др. Выявлены недостатки существующей практики формирования КПН: 1) из процесса исключена научно-исследовательская подготовка студентов, как основа формирования КПН; 2) отсутствует оценка уровня научно-исследовательской подготовки выпускников.

Выделены основные формы научно-исследовательской работы студентов, составляющей основу формирования в вузе КПН, проанализированы существующие в вузах системы оценки показателей качества НИРС. На основе анализа процесса управления научно-исследовательской деятельностью в вузе выделена подсистема управления НИРС (рис. 2). Реализация механизма управления проявляется в выполнении ряда функций: постановка цели управления; планирование действий по достижению этой цели; измерение параметров

состояния объекта управления и выработка управляющих воздействий и их реализация. С помощью управленческих воздействий (X/), которые формируются управляющим органом после оценки состояния объекта управления (У/) по окончании каждого этапа выполнения НИРС обеспечивается выполнение требуемых параметров подготовки кадрового потенциала науки (\¥треб). НИРС в соответствии с планом разбивается на этапы (курсы, семестры и др.) и производится оценка результатов деятельности. Многократное повторение управленческих воздействий (итераций) на каждом этапе управления для достижения поставленной цели и составляет суть итеративного управления формированием в вузе КПН.

Рис.2. Подсистема управления НИРС в вузе

Существует множество математических моделей и подходов, описывающих процессы формирования и оценки знаний, опирающихся на различные разделы математики. Анализ показал, что, как правило, эти модели: учитывают набор параметров, связанный с учебными дисциплинами (количество дисциплин, количество учебных часов, бально-рейтинговая или экспертная оценка студента по дисциплине и др.) либо со структурой самих компетенций, но не учитывают НИРС, как элемент подготовки КПН; не учитывают ограничений по ресурсам; не оценивают результативность формирования КПН. В связи с этим была сформулирована научная задача разработки моделей и алгоритмов итеративного управления формированием КПН в высшей школе, обеспечивающих принятие рациональных управленческих решений по его формированию. В качестве математического аппарата решения задачи были выбраны модели итеративного «научения» Новикова Д. А. и модели конечных цепей A.A. Маркова. Совокупность разработанных моделей, алгоритмов и методик в работе рассматривается как метод итеративного управления формированием в высшей школе кадрового потенциала науки.

Второй раздел посвящен разработке моделей оценки уровня научно-исследовательских компетенций студентов. Для их построения были использованы кривые «научения» экспоненциального и логистического вида. С этой целью в существующие модели Д.А. Новикова введены новые параметры: суммар-

ный приведенный объем работ Хк и число курсов обучения к, которые позволили определить уровень научно-исследовательских компетенций у*. При этом требовалось учесть различные виды исследовательских работ, не являющихся однотипными. Для студентов, обучающихся по программам бакалавриата и специалитета, используется экспоненциальная модель:

Ук = У* - (у®- Уо) е -',х\ (1)

а для студентов в магистратуры и аспирантуры, у которых значительная часть времени может быть потрачена на выбор и применение методов исследования, что приводит к задержке роста кривой уровня научно-исследовательских компетенций и появления так называемого «начального плато научения», были использованы логистические модели:

Ук = уоу<*> /(уо+ О»- Уо) е ~уХк). (2)

Параметрами моделей (1) и (2) являются: к - период (курс) обучения студента; уо — начальный уровень научно-исследовательских компетенций студента (соответствующий моменту начала «научения»); уК - конечный уровень научно-исследовательских компетенций студента; у — скорость роста научно-исследовательских компетенций студента; Хк - приведенный объём работ, выполняемый студентом для приобретения компетенций на к-и курсе обучения.

Для использования моделей (1) и (2) необходимо было обосновать перечень исследовательских работ (ИР), выполняемых студентом, а также разбивку их по курсам для формирования индивидуальных планов НИРС. Данные перечни работ, их весовые коэффициенты и усредненная стоимость (затраты собственных средств вуза: на организацию и проведение научных студенческих мероприятий; на участие студентов в научных мероприятиях (командировки); на необходимые ресурсные затраты на проведение НИРС; на стипендии и премии, полученные студентами) были сформированы экспертным путем.

Приведенный объём выполненных работ Хк рассчитывается по формуле:

/

= > (3)

/=1

где щ — весовой коэффициент /-ой работы на к-м курсе; и,-—количество иых работы на к-м курсе.

В рамках исследования значение скорости роста научно-исследовательских компетенций студентов у было принято равным его успеваемости после окончания 1-го курса.

Правило принятия решения при итеративном управлении формированием научно-исследовательских компетенций студентов на к-м курсе заключается в выборе параметров итеративного управления Дхк, которые обеспечивают минимальное положительное отклонение у к (к, у, Лхк, С к) от утрев при выполнении требований к сроку обучения к < ктреб и заданной стоимости работ (Ск (Лхк) < Скэад{Лхк)):

у к (к, у, Лхк, С к) -у ктреб, —> min,

. У к (к, у, Лхк) - У к треб > О,

k — ктреб у

. Ск (Ахк) < Ск3ад (Дхк). (4)

Имея индивидуальный план НИРС студента с достижением к концу обучения уровня научно-исследовательских компетенций = у к треб, с помощью модели можно определить промежуточные (курсовые) уровни. В случае невыполнения плана НИРС на к-м курсе модель позволяет наверстать упущенное путем корректировки параметра хь для следующего курса. Величина дополнительных исследовательских работ Дхь-/ для курса, следующего за тем, на котором произошло отставание, определяется исходя из разности приведенных объемов работ Хк - требуемого для выполнения и хк факт - фактически выполненного на к-м курсе:

АХк+1 = Хк - Хкфакт. (5)

где к - курс обучения студента; Дх - дополнительный объем ИР, который необходимо выполнить студенту на к+1 -м курсе. При этом целесообразно наращивать объем работ не только за счет их количества, но и за счет увеличения их суммарного весового коэффициента, к примеру, за счет включения ИР, выполняемых в рамках академической мобильности как наиболее весомых.

Был проведен анализ параметров разработанных математических моделей для студентов всех уровней высшего образования. На графике (рис.3) показаны значения уровня научно-исследовательских компетенций ук (к, уо) студентов бакалавриата для выбранных вариантов уо (в диапазоне значений 0 <у0 <0,1).

Соотношение полученного значения уь для наибольшего уо = 0,1 к значению Ук для наименьшего уо = 0,01 составляет: для 2 курса - 1,77; для 3 курса - 1,21; для 4 курса - 1,09, т.е. с каждым годом обучения студента значение уровня научно-исследовательских компетенций у* для студентов с разными значениями уо сближаются.

Исследовано влияние параметра скорости «научения» у на рост уровня научно-исследовательских компетенций ук. График зависимости ук (к, у) от выбранных значений у (рис.4) показал, что по окончании обучения студент специалитета, имеющий наибольшее значение у, достигнет уровня научно-исследовательских компетенций у к на 29,1% выше, чем студент, имеющий наименьшее значение у. Аналогичные результаты были получены и для других уровней высшего образования. Анализируя зависимость ук от величины параметра у, наблюдаем расхождение кривых «научения» по мере увеличения курса обучения. Причем разрыв в достигаемом значении ук увеличивается с каждым годом обучения студента.

"0,533 0,522

12 3 4

Рис.3. - Сравнение роста научно-исследовательских компетенций студентов бакалавриата при различных значениях уо

Проведенный анализ показал, что модели оценки уровня научно-исследовательских компетенций студентов работоспособны и чувствительны к изменениям значений переменных уо и у на всех этапах. При этом влияние параметра уо на конечное значение у\ с каждым курсом обучения (этапом) к уменьшается, а влияние параметра у увеличивается.

Для всех уровней высшего образования (бакалавриат,

специалитет, магистратура, аспирантура) было рассмотрено влияние академической мобильности (АМ) на уровень научно-исследовательских компетенций студентов. Так, например, для студентов магистратуры зависимость уровня научно-исследовательских компетенций ук от АМ (при у® = 1, к = 2, у = 0,8; yBi= 0,495 и у0г = 0,573) имеет вид, представленный на рисунке 5 (а, б).

Рис.4. - Сравнение роста научно-исследовательских компетенций студентов специалитета при различных значениях у

а)

Студент

выполнил

НИР,

участвуя в АМ

курс обучения, к 1 2

б)

" Студент выполнил НИР без участия в АМ

Студент выполнил НИР, участвуя в АМ

'курс обучения} ,

Рис.5. - Зависимость роста научно-исследовательских компетенций студентов магистратуры от участия в АМ а) с равными значениями уо; б) с различными значениями уо.

К концу обучения при равных значениях уо студенты, выполнившие индивидуальный план НИРС формирования научно-исследовательских компетенций, включавший в себя ИР в рамках АМ, достигли значения уровня научно-исследовательских компетенций ук на 9 % больше, чем студенты не участвующие в АМ, при большем значении у0 - на 16%.

Третий раздел посвящен разработке дискретных марковских моделей формирования в высшей школе КПН. Для всех уровней высшего образования были построены вербально-графические модели процесса НИРС студентов (рис.6). Возможные состояния и переходы студента в процессе НИРС приведены в таблицах 1 и 2.

л

Таблица 1.- Состояния студента в процессе НИРС для различных уровней высшего образования

Таблица 2. - Возможные переходы студента для различных уровней высшего образования

Физическая сущность перехода Номер перехода

Б* С* М* А*

Студент, выполнив заданный объем ИР на 1 курсе, переходит на 2 курс - - 1-2 1-2

Студент, выполнив заданный объем ИР на 2 курсе, переходит на 3 курс 1-2 1-2 - 2-3

Студент, выполнив заданный объем ИР на 3 курсе, переходит на 4 курс 2-3 2-3 - -

Студент, выполнив заданный объем ИР на 4 курсе, переходит на 5 курс - 3-4 - -

Студент, выполнив заданный объем ИР на 2 курсе магистратуры, заканчивает обучение в магистратуре - - 2-3 -

Студент, выполнив заданный объем ИР на 3 курсе аспирантуры, заканчивает обучение в аспирантуре - - 3-4

Студент, выполнив заданный объем ИР на 4 курсе бакалавриата, заканчивает обучение в бакалавриате 3-4 _ - ■

Студент, выполнив заданный объем ИР на 5 курсе специалитета, заканчивает обучение в специалитете - 4-5 - -

Студент, не выполнив заданный объем ИР на 1 курсе, переходит на 2 курс - - 1-4 1-5

Студент, не выполнив заданный объем ИР на 2 курсе, переходит на 3 курс 1-5 1-6 - 2-5

Студент, не выполнив заданный объем ИР на 3 курсе переходит на 4 курс 2-5 2-6 - -

Студент, не выполнив заданный объем ИР на 4 курсе переходит на 5 курс - 3-6 - -

Студент, не выполнив заданный объем ИР, заканчивает обучение 3-5 4-6 2-4 3-5

* Б -бакалавриат, С — специалитет, М - магистратура, А - аспирантура

Переходы студентов из одного состояния в другое осуществляются через дискретные, равные промежутки времени. Не все студенты, отобранные в исследовательскую группу, дойдут до конечного состояния, успешно выполнив заданный объем ИР. Успешность его выполнения зависит от ряда факторов, связанных как с особенностями организации НИД в вузе, так и от самих студентов, и носит случайный характер. Учитывая случайный характер процессов

Описание состояния Номер состояния

Б* С* М* А*

студент обучается на 1 курсе и выполняет заданный объем ИР - - 1 1

студент обучается на 2 курсе и выполняет заданный объем ИР 1 1 2 2

студент обучается на 3 курсе и выполняет заданный объем ИР 2 2 - 3

студент обучается на 4 курсе и выполняет заданный объем ИР 3 3 - -

студент обучается на 5 курсе и выполняет заданный объем ИР - 4 - -

студент закончил обучение, выполнив заданный объем ИР 4 5 3 4

студент не выполнил требуемый объем ИР 5 6 4 5

выполнения исследовательских работ, а также поэтапность (по курсам обучения) формирования кадрового потенциала науки, для построения моделей применен аппарат марковских случайных процессов с дискретными состояниями и дискретным временем. Такие модели описываются системами уравнений, характеризующими изменение вероятностей Р* нахождения рассматриваемого объекта в любом из возможных /-х состояний. Рассматривая данный процесс в виде конечной цепи Маркова, можно определить, сколько студентов из ИГ успешно выполнят индивидуальный план НИРС.

Развитие такого случайного процесса описывается формулами:

Р,{к) = ±РЛк-\)р„ (6)

>1

или в матричной форме: = Пт х (7)

Вероятности нахождения студента в каждом состоянии для каждого уровня высшего образования можно определить, решая системы линейных уравнений (6) с

учётом условия нормировки: р1 = \ (8)

1=1

Вероятность успешного перехода студента ру из /'-го состояния в /-ое, возможного при выполнении заданного объема ИР, можно определить, как вероятность выполнения заданного объема ИР гк, используя зависимости вида:

гк= Ъя (9)

где к - курс, на котором студент выполняет заданный объем ИР; у - скорость роста научно-исследовательских компетенций студента; ъо — вероятность выполнения студентом заданного объема ИР при переходе на к-й курс; 7а, - максимальная вероятность выполнения студентом заданного объема ИР; Хк - выполняемый объём ИР на к-м курсе обучения; 2* - вероятность выполнения студентом заданного объема ИР к окончанию к-го курса.

Соответственно переходные вероятности при невыполнении студентом заданного объема ИР определяется как:

2кневьт = 1 " ¿к (10)

Система уравнений для графов (рис.6.) имеет вид:

для бакалавриата для специалитета

?2=Р>Р12 - Р23 — Р25; РЗ= Р2Р23 - РзРМ- РЗР35; Р4=Р3^34;

Р5=Р1/>15 +Р2Р25+РЗР35, (11)

Р2=Р1 р\2 - Р2/>23-Р2/>2б; Рз= Рг рп - Рз рм - Рз рзб;

Р4= Рз Р34 - Р4 />45 - Р4Р46 ; Р5=Р4Р45;

I Рб=Р1Р1б +Р2Р26+РзР36 + Р4Р46, (12) для магистратуры для аспирантуры

{Р2=Р1Р12 - Р2Р23-Р2Р24; ГР2=Р1Р12 - Р2Р23-Р2Р25;

Рз= Р2 Р2з; ^ рз= р2 Р23 - Рз рм - Рз рзз;

Р4=Р1014 +Р2Р24, (13) I Р4=Рзр34;

1Р5=Р1Р15 +Р2р25+Рзрз5. (14)

Модели для бакалавриата, специалитета, магистратуры и аспирантуры были исследованы при изменении параметров 2о и у. Для студентов бакалавриата на примере значений го: 0,80, 0,91 и 0,94 при у=0,8; х/ = 0,198, х^ = 0,296 и х^ = 0,315 по формуле (9-10) были определены вероятности переходов р,уИ решена

система уравнений (11)с помощью встроенных функций табличного процессора Microsoft Excel. Исходные и результирующие матрицы для различных значений zo представлены в таблице 3.

Расчеты показали, что вероятность того, что студент закончит бакалавриат, полностью выполнив требуемый объем исследовательских работ в соответствии с индивидуальным планом НИРС у студента, имеющего Zo= 0,94 на 37,2 % выше, чем у студента, имеющего Zo = 0,80 и на 6,8 % выше, чем у студента, имеющего zo= 0,91.

Таблица 3. - Исходная стохастическая матрица и матрица результата для различных значений го

Zo Исходная стохастическая матрица Шаг Матрица результатов

к • 1 -, 1 ... . я...... с • л 1 л «

Zo = 1 0 0,82 0 0 0,171 1 0 0 0 0 0

0,80 ? 0 0 0,865 0 0,135 2 0,829 0 0 0 0

3 0 0 0 0,895 0,105 3 0 0,718 0 0 0

4 0 0 0 1 0 4 0 0 0,642 0,642 0.642

5 0 0 0 0 1 5 0,171 0,282 0,358 0,358 0,358

Zo = 1 0 0,92 0 0 0.077 1 0 0 0 0 0

0,91 2 0 0 0,939 0 0.061 2 0.923 0 0 0 0

0 0 0 0,953 0.047 3 0 0.867 0 0 0

4 0 0 0 I 0 4 0 0 0.826 0,826 0.826

5 0 0 0 0 1 5 0.077 0.133 0,174 0,174 0,174

Zo = 1 0 0,94 0 0 0.051 1 0 0 0 0 0

0,96 ?. 0 0 0,960 0 0.040 2 0.949 0 0 0 0

3 0 0 0 0.969 0.031 3 0 0,911 0 0 0

4 0 0 0 1 0 4 0 0 0,882 0,882 0,882

5 0 0 0 0 1 5 0,051 0.089 0.118 0,118 0,118

Исходные и результирующие матрицы для различных значений у при го= 0,91; х/=0,198, х^ =0,296 и хз =0,315 представлены в таблице 4.

Таблица 4 - Исходная стохастическая матрица и матрица результата для различных значений у

Y 4сходная стохастическая матрица Шаг Р( Матрица результатов

Р„ 1 2 3 4 5 1 2 3 4 5

7 = 1 0 0.918 0 0 0,082 1 0 0 0 0 0

0,5 2 0 0 0,930 о 0,070 2 0,918 0 0 0 0

3 0 0 0 0,94 0,060 3 0 0,854 0 0 0

4 0 0 0 1 О 4 0 0 0,803 0,803 0,803

5 0 0 о 0 1 5 0.082 0,146 0,197 0,197 0,197

у = 1 0 0,922 0 8 0,078 1 0 0 О О О

0,7 2 0 0 0,936 0 0,064 2 0,922 0 0 0 Ö

3 0 0 0 0,94 0,051 3 0 0,863 о 0 0

4 0 0 0 1 0 4 О О 0,819 0,819 0,819

5 0 О 0 0 1 5 0,078 0,137 0,181 0,181 0,181

У = 1 0 0,949 0 0 0,051 1 О 0 0 0 0

0,9 2 о 0 0,960 0 0,040 2 0.925 о О 0 0

3 0 0 0 0,96 0,031 3 0 0,871 о о 0 :

4 0 0 О Î О 4 0 0 0,83 0,83 0,833

5 0 0 0 0 1 5 0,075 0 0 0,167 0,167

Вероятность того, что студент закончит бакалавриат, полностью выполнив требуемый объем исследовательских работ в соответствии с индивидуальным планом НИРС, у студента, имеющего у = 0,9 на 36,8 % выше, чем у студента, имеющего у = 0,5, на 6,6 % выше, чем у студента, имеющего у = 0,7. Графики зависимости вероятности нахождения студента бакалавриата в конечном состоянии 4 при различных значениях Ъо и при различных значениях у показаны на рис.7 (а) и (б).

Аналогичные расчеты были сделаны для специалитета, магистратуры и аспирантуры. Они показали, что модель адекватно реагирует на изменение

параметров 2о и у: при увеличении параметров вероятность того, что студенты закончат соответствующий уровень обучения, полностью выполнив требуемый объем исследовательских работ, возрастает, тем самым обеспечив пополнение кадрового потенциала науки.

а)

Е ~0,9

0 £

1 ¡0,8

I. 10,7 00 ^ 0,6 0,5 0,4

1 ,88 2

),642

0.8 0,82 0,84 0.86 0,88 0,9 0.92 0^4 096 0,98

Начальная вероятность, 2°

б)

0 * 1 |>.8 II'7 0,5 -0,4 0 о я; 6 -о- 85 12

0 Ы 13 кТ 1

* 1 I

{

1

4 0,6 0.8 1 скорость научения у

Рис. 7. - Вероятности нахождения студента бакалавриата в конечном состоянии 4 при различных значениях го (а) и при различных значениях у (б)

В четвертом разделе проведен анализ операций по обработке информации о НИРС, разработан порядок её интерактивного сбора и обработки информации для формирования баз данных, обеспечивающих автоматизированную аналитическую обработку информации о НИРС вуза, а также алгоритмы и методика итеративного управления формированием КПН в высшей школе. Для автоматизированного планирования формирования в высшей школе кадрового потенциал науки разработан алгоритм, представленный блок-схемой на рисунке 8.

Рис.8. - Блок-схема алгоритма планирования формирования кадрового потенциала науки

Для автоматизированного принятия решения по выбору параметров итеративного управления формированием научно-исследовательских компетенций студентов разработан алгоритм, представленный блок-схемой на рисунке 9.

Определение доп.объема исследовательских работ Лх(, выполняемого на ' этапе Дхы ~ X» - Хкфжт

Определение возможных вариантов Дха и значений wt и

хь удовлетворяющих требованиям, у k-1 ä уь/им«

Выбор варианта Лх*. удов.тетеьрлн>1Ш1х требованиям: yt-l mr«S -ytn (k, 7, A5&4I ,Ci) — min С < C'h'l,^

Рис.9. - Блок-схема алгоритма принятия решения по выбору параметров итеративного управления формированием научно-исследовательских компетенций студентов

Для автоматизированного планирования формирования в высшей школе кадрового потенциала науки разработан алгоритм, представленный блок-схемой на рисунке 10.

На основе моделей и алгоритмов итеративного управления формированием кадрового потенциала науки разработана методика, суть которой заключается в определении механизма планирования формирования кадрового потенциала науки, его текущей оценки, а также определении корректирующего воздействия в случае его отклонения от плановых значений. Методика позволяет прогнозировать количественные и качественные параметры воспроизводства в вузе

КПН, а также управлять процессом его формирования путем воздействия на объект управления.

Рис.10. - Блок-схема алгоритма итеративного управления формированием в высшей школе кадрового потенциала науки

Методика управления включает четыре этапа, одинаковые для всех уровней высшего образования.

Предварительный этап. Производится выбор соответствующей модели в соответствии с рассматриваемым уровнем высшего образования.

/ этап. «Планирование». Суть его заключается в формировании исследовательской группы, разработке плана НИРС с разбивкой по курсам и определении основных плановых показателей: Пк - количество исследовательских работ, которое необходимо выполнить студентам ИГ на к-м курсе; Хк - объем работ, который необходимо выполнить студентам ИГ; у>к „рев - уровень научно-исследовательских компетенций, который студентам требуется достичь на к курсе и в целом ХУ-ф^ -требуемые параметры подготовки кадрового потенциала науки.

II этап. «Реализация». Суть его заключается в выполнении плана НИРС на текущем курсе и оценке его выполнения после окончания текущего курса.

Для этого осуществляется сравнение количества фактически выполненных на ком курсе исследовательских работ с количеством работ щ. Если работы студентом выполнены в полном объёме, то он продолжает реализацию плана на следующем курсе обучения. Если реализация плана НИРС прошла неуспешно, то на следующем курсе обучения требуется его корректировка. Этап II повторяется к раз. Количество повторов зависит от выбранного уровня высшего образования, т.е количества курсов обучения: для бакалавриата к =3, для специалитета к — Л, для магистратуры к = 2, для аспирантуры к = 3.

III этап. «Корректировка». Суть его заключается в корректировке плана НИРС на следующий год таким образом, чтобы «наверстать упущенное». Для этого с помощью выбора параметров итеративного управления формированием научно-исследовательских компетенций определяется дополнительный объем исследовательских работ Лхк и соответственно скорректированный объем Xk. iKOp на следующий учебный год. План НИРС корректируется с учетом новых значений показателей объема работ при условии достаточности финансирования. В противном случае студент исключается из ИГ. На следующем шаге производится корректировка вероятности успешного выполнения скорректированного плана НИРС по окончанию обучения на выбранном уровне образования Рк Далее повторяется II этап «Реализация» - студент приступает к выполнению скорректированного плана НИРС. Количество повторений III этапа зависит от числа курсов, на которых произошло отставание от плана НИРС.

Разработанная методика апробирована в НИЯУ «МИФИ» из 8-ми исследовательских группах студентов, обучающихся по программам бакалавриата: четыре экспериментальные, где осуществлялась корректировка индивидуальных планов НИРС и четыре контрольные без корректировки. Графики плановой, фактической и откорректированной кривых роста научно-исследовательских компетенций студента экспериментальной группы показаны на рис.11. Пунктиром обозначена траектория выполнения студентом плана НИРС без корректирующего воздействия. Выбранный вариант дополнительного объема АХк корректировки плана НИРС по отношению к остальным вариантам, удовлетворяющим условию (4), обеспечил экономию средств на выполнение НИРС на 16 %. Апробация показала, что вероятность успешной реализации индивидуальных планов НИРС студентами экспериментальной группы, в которой осуществлялась корректировка планов, на 8-10% выше, чем у студентов контрольной группы, где такой корректировки не было (рис.12).

1

" .....план

-■"ту-факт откоррект.

0,900 0,880 0,860 0,840 0.820 0,800 0,780 0,760

з""~ ' 4 —*—факт без корректировки

контрольная группа студентов (без

корректирующего воздействия)

0,891

экспериментальна я группа студентов (с корректирующим воздействием)

Рис. 11 - Графики роста научно-исследовательских компетенций студента

Рис. 12 - Диаграммы вероятностей формирования кадрового потенциала науки

Полученные результаты подтверждают повышение эффективности процесса формирования в высшей школе кадрового потенциала науки в результате использования методики итеративного управления формированием в высшей школе КПН.

В заключении диссертации приведены основные результаты исследования. Основные результаты и выводы.

В диссертации решена научная задача разработки моделей и алгоритмов итеративного управления формированием кадрового потенциала науки в высшей школе, обеспечивающих принятие эффективных управленческих решений по его формированию, и получены следующие основные результаты:

1. Проведен системный анализ состояния кадрового потенциала науки России, процессов управления формированием этого потенциала в высшей школе и используемых показателей оценки, позволивший выявить противоречие между объективной потребностью инновационно развивающейся экономики в формировании кадрового потенциала науки и притоке в него молодых кадров, с одной стороны, и недостаточной проработанностью вопросов управления формированием кадрового потенциала науки, с другой, и поставить задачу исследования.

2. Разработаны математические модели итеративного управления формированием кадрового потенциала науки в вузах:

- модели оценки научно-исследовательских компетенций студентов, позволяющие оценить достигнутый уровень научно-исследовательских компетенций студентов в процессе обучения для всех уровней высшего образования.

- дискретные марковские модели формирования в высшей школе кадрового потенциала науки, которые позволяют оценить выполнение требований по его пополнению.

3. Проведен вычислительный эксперимент, подтвердивший работоспособность разработанных моделей и их чувствительность к изменению параметров управления.

4. Разработан порядок интерактивного сбора и обработки информации для формирования баз данных, обеспечивающих автоматизированную аналитическую обработку информации о НИРС вуза.

5. Для автоматизированного управления формированием в высшей школе КПН разработаны алгоритмы итеративного управления:

- алгоритм планирования формирования в вузе кадрового потенциала науки. Он позволяет спланировать НИРС путем разработки планов, обеспечивающих по окончании обучения достижение требуемым количеством студентов заданного уровня научно-исследовательских компетенций, т.е. требуемых параметров формирования КПН;

- алгоритм принятия решения по выбору параметров управления формированием научно-исследовательских компетенций студентов, который обеспечивает достижение заданных требований по формированию кадрового потенциала науки путем определения дополнительного объема исследовательских работ и корректировки плана НИРС;

- алгоритм итеративного управления формированием в высшей школе КПН, описывающий всю последовательность управленческих действий для обеспечения выполнения требуемых параметров подготовки кадрового потенциала науки.

6. На основе моделей и алгоритмов итеративного управления формированием в высшей школе КПН разработана методика, определяющая последовательность и содержание действий по управлению формированием в вузах КПН.

7. Проведена апробация математических моделей и алгоритмов управления формированием в вузе КПН на экспериментальной группе студентов, показавшая, что вероятность успешной реализации индивидуальных планов НИРС студентами экспериментальных групп на 8-10% выше, чем у студентов контрольных групп, что подтверждает повышение эффективности процесса формирования в высшей школе кадрового потенциала науки. Выбранный вариант дополнительного объема Ахь корректировки плана НИРС по отношению к остальным вариантам, удовлетворяющим условию (4), обеспечил экономию средств на выполнение НИРС на 16%.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

В периодических изданиях из списка ВАК:

1. Володина, Е.Д., Емелин, Н.М. Алгоритм принятия решения по выбору параметров итеративного управления научно-исследовательской деятельностью студентов Е.Д. Володина, Н.М. Емелин // Научно-технический журнал «Транспортное дело России». - 2014. -№1(110). -С.195-199.

2. Володина, Е.Д. Систематизация форм международной академической мобильности студентов /Е.Д. Володина // «Вестник Челябинского государственного педагогического университета». - 2014.-№2.— С.93—102.

3. Володина, Е.Д., Емелин, Н.М., Голодкова О.В. Систематизация инноваций в образовательной деятельности /Е.Д. Володина, Н.М. Емелин, О.В. Голодкова // Научно-технический журнал «Известия института инженерной физики». -2014. —№ 1 (31).-С. 86-89.

4. Володина, Е.Д., Емелин, Н.М. Модель роста инновационных компетенций студентов в процессе международной академической мобильности /Е.Д. Володина, Н.М. Емелин // Научно-технический журнал «Известия института инженерной физики». - 2014. - № 2 (32). - С. 97-101.

5. Володина, Е.Д. Методика итеративного управления формированием в высшей школе кадрового потенциала науки /Е.Д. Володина, Н.М. Емелин // Научно-технический журнал «Известия института инженерной физики». - 2014. - № 3 (ЗЗ).-С. 95-101.

В других изданиях:

6. Володина, Е.Д. Научно-исследовательская мобильность аспирантов как фактор повышения эффективности аспирантуры // Сборник трудов VI Международной НПК «Информационные и коммуникационные технологии в образовании, науке и производстве». - Протвино. - 2012г. - 4.1. - С.43-46.

7. Володина, Е.Д. Академическая мобильность как форма развития в системе профессиональных компетенций студентов. // Сборник трудов XXXI Всероссийской НТК «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». — Серпухов. - 2012. - Сборник №4. - С.28-32.

8. Володина, Е.Д. Международная академическая мобильность как инструмент совершенствования инновационной подготовки магистрантов и аспирантов // Сборник трудов II Всероссийской НПК «Современное непрерывное образование и инновационное развитие». - Серпухов. -2012. - С.497-499.

9. Володина, Е.Д. Систематизация форм международной академической мобильности //Сборник трудов III Всероссийской НПК «Современное непрерывное образование и инновационное развитие». - Серпухов. - 2013. - С.451-452.

10. Володина, Е.Д., Емелин Н.М. Оценка роста инновационных компетенций в процессе международной академической мобильности // Сборник трудов III Всероссийской НПК «Современное непрерывное образование и инновационное развитие». - 2013. - С.459 - 460.

11. Володина Е.Д., Емелин Н.М. Дискретная марковская модель формирования научно-исследовательских компетенций студентов // Сборник трудов XXXII Всероссийской НТК «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». — Серпухов. — 2013. — Сборник №4. — С.56 -70.

12. Володина, Е.Д. Алгоритм планирования научно-исследовательской деятельности студентов // Сборник трудов IV Всероссийской НПК «Современное непрерывное образование и инновационное развитие». — Серпухов. -2014. - С.321- 322.

13. Володина, Е.Д. Алгоритм интерактивного сбора и обработки информации для оценки формирования научно-исследовательской активности студентов. Сборник трудов ХХХШ Всероссийской НТК «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». - Серпухов. - 2014. - Часть №6. - С.36 -38.

14. Володина, Е.Д. Модели итеративного управления формированием научного потенциала в высшей школе. Сборник трудов XXXIII Всероссийской НТК «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». - Серпухов. - 2014. - Часть №6. -С.39 - 41.

15. Володина, Е.Д., Шведова Е.А., Голодкова О.В. Алгоритм оценки отчетной документации по выполненным проектам. Сборник трудов XXXIII Всероссийской НТК «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». — Серпухов. - 2014. - Часть № 6. С.298-300.

Отчеты о НИР:

16. Методическое, организационно-техническое, экспертное и информационно-статистическое сопровождение работ, выполняемых в рамках ФЦП "Научные и научно-педагогические кадры инновационной России" на 2009—2013г.: отчет о НИР / ФГНУ «Госметодцентр»; рук. Емелин Н.М., исполн. Володина Е.Д. [и др.]. -М„ 2010.-4.4,472 с.

17. Методическое обеспечение реализации мероприятий по развитию международной мобильности студентов и молодых ученых: отчет о НИР / Госзадание ФГБНУ «Госметодцентр»; рук. Емелин Н.М., исполн. Володина Е.Д. [и др.]. - М., 2013-Ч. 1,135 с. Ч.2., 111с.

18. Экспертно-аналитическое сопровождение реализации программ стратегического развития образовательных учреждений высшего профессионального образования в регионах Российской Федерации: отчет о НИР / ФГБНУ «Госметодцентр»; рук. Емелин Н.М., исполн. Володина Е.Д. [и др.]. - М., 2013 - Ч. 1, 869 с. Ч.2., 3441 с.

19. Осуществление мониторинга и экспертизы проектов при реализации в 20142017 годах мероприятий 2.3, 3.3.1 и 3.3.2 ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы»: отчет о НИР / ФГБНУ «Госметодцентр»; рук. Емелин Н.М., исполн. Володина Е.Д. [и др.]. - М„ 2014. - Ч. 1,207 с. Ч.2., 707 с. Ч.З, 547 с.

Справочно-шформационные сборники.

20. Володина, Е.Д. и др. «Инновационная деятельность российских вузов - 2011» // Информационный сборник. Минобрнауки России. - М., 2011. -Т. 1. - С.344., Т.2. - С.304.

21. Володина, Е.Д. и др. «Инновационная деятельность российских вузов - 2012» // Информационный сборник. Минобрнауки России. - М., 2012.-Т.1.- С.336., Т.2. -С.336.

Володина Елена Дмитриевна

Методика итеративного управления формированием в высшей школе кадрового потенциала науки

Подписано в печать 01.10.2014 Формат 60x90/16. Объем 1 п. л. Тираж 100 экз.