автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Моделирование и мониторинг потенциала конкурентоспособности объектов в социальной системы

\

На правах рукописи

УДК 332.012.2

Александрова Наталия Алексеевна

МОДЕЛИРОВАНИЕ И МОНИТОРИНГ ПОТЕНЦИАЛА КОНКУРЕНТОСПОСОБНОСТИ ОБЪЕКТОВ СОЦИАЛЬНОЙ

СИСТЕМЫ

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

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Ижевск-2010

003494244

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Ижевский государственный технический'универсигет»

Научный руководитель: Заслуженный деятель науки и техники

РФ, доктор технических наук, профессор Абрамов Иван Васильевич

Официальные оппоненты: доктор физико-математических наук,

профессор Тененёв Валентин Алексеевич Ижевский государственный технический университет

доктор фюико-матемалгических наук, профессор Архипов Владимир

Афанасьевич Томский государственный " университет

Ведущая организация: ГУ «Высшая школа экономики»,

г. Москва

Защита диссертации состоится «29» апреля 2010 г. в 14 часов на заседании диссертационного совета Д. 212.065.06 в ИжГТУ по адресу: 426069 г. Ижевск, ул. Студенческая, 7.

Отзыв на автореферат, заверенный гербовой печатью, просим выслать по указанному адресу.

С диссертацией можно ознакомиться в научной библиотеке университета. С авторефератом можно ознакомиться на официальном сайге ГОУ ВПО ИжГТУ - http://www.istu.ru

Автореферат разослан 2010 г.

Ученый секретарь диссертационного совета кандидат технических наук, доцент

В.Н. Сяктерев

Общая характеристика работы

Актуальность темы. В настоящее время все большую значимость приобретает исследование, связанное с описанием состояния и прогнозирования развития таких социальных систем, как образование, здравоохранение, культура и т.п. Высшее образование, как социальная система превращается в отрасль народного хозяйства и регулируется общим и законами спроса и предложения, хотя и с известной спецификой, обусловленной как характером предоставляемой услуги, так и высокой степенью вмешательства государства в рыночные процессы в данной сфере. Высшие учебные заведения создают свои системы гарантий качества образования, основанные на соответствии учебных программ, материальных ресурсов, научно-методического обеспечения, кадров и структуры управления определенным требованиям, предъявляемым со стороны общества, личности и государства. Следует отметить проблему несовпадения европейских подходов к оценке качества высшего образования с новыми российскими критериями государственной аккредитации. Государственная аккредитация образовательных учреждений, в том числе вузов, введена в России с 1997 года на основании Закона РФ «Об образовании». Как известно, основной ячейкой, реализующей эти направления, является кафедра вуза. Помнению таких академиков РАН, как профессор Садовничий В.А., профессор Федоров И.Б., члена-корреспондента РАН профессора НабойченкоЭ.С., президента Российской академии образования профессора Никандрова Н.Д., вице-президента Российской академии образования профессора Жураковского ВМ., профессора ЯЛ. Кузьминова и многих других российских ученых, именно кафедра является основной структурной единицей факультета, осуществляет учебную, методическую и научно-исследовательскую деятельность. Совместно с другими подразделениями вуза кафедра ведет подготовку студентов, аспирантов и докторантов, участвует в переподготовке и повышении квалификации работников других предприятий и организаций.

Внутривузовская система оценки деятельности кафедр как основного исполнителя предоставляемой услуги является составной частью комплексной системы управления научно-исследовательскими и образовательными процессами. В то же время оценка деятельности кафедр слабо формализована, отсутствует единообразная номенклатура показателей. Отсутствуют математические модели, позволяющие достоверно анализировать динамику этих показателей и алгоритмы интеллектуальной поддержки при принятии управлеаче.ских решений. Разрешению этих недостатков посвящена данная работа.

В связи с вышеперечисленным тема исследования, посвященная моделированию поведения социальных систем, на примере кафедр и вузов, является весьма актуальной, а вопрос донесения методик оценки деятельности кафедр до заинтересованных структур достаточно своевременным.

Цель работы. Повышение результативности многогранной деятельности кафедры вуза в осуществлении научно-образовательного и воспитательного процесса с помощью математических моделей и алгоритмов интеллектуальной поддержки управленческих решений, разработанных на основе искусственных нейронных сетей.

Объект исследования. Объектом исследования являются кафедры вуза, как объекты социальной системы.

Предмет исследования. Предметом исследования являются закономерности и внутренние взаимосвязи в социальной системе.

Задачи исследования.

1. Исследование внутренних и внешних связей, а также параметров деятельности объектов социальной системы на примере кафедры вуза.

2. Разработка математической модели потенциала конкурентоспособности кафедры на основе искусственной нейронной сети и ее адаптация к различным траекториям и уровням управления.

3. Разработка алгоритмов вычисления потенциала конкурентоспособности на основе одно-, двух- и трехслойных нейронных сетей при принятии управленческих решений в социальных системах -кафедра, факультет, вуз.

4. Экспериментальное определение рейтинга объекта социальной системы на примере кафедры вуза и их потенциала конкурентоспособности на основе мониторинга его текущего состояния.

5. Разработка программной реализации оценки потенциала конкурентоспособности объекта социальной системы с помощью информационно-аналитической системы.

Методы исследования. Достоверность. Методы исследования базируются на положениях теории искусственного интеллекта -искусственных нейронных сетях, теории нечетких множеств. Достоверность полученных результатов подтверждается экспериментальными исследованиями по определению рейтинга и потенциала конкурентоспособности кафедр вуза и полученной оценкой по итогам деятельности вуза за аккредитационный период.

Научная новизна. 1. Впервые предложено характеризовать внутренние свойства социальной системы комплексом численных показателей, образующих кластеры по ее наиболее значимым свойствам.

2. Динамика результативности кафедр описывается процессами аналогичными процессам, происходящими в искусственной нейронной сети.

3. Предложены математические модёли в виде одно или многослойных нейронных сетей для различных траекторий управления.

4. Установлена взаимосвязь между уровнями управления кафедрой и группировкой соответствующих показателей ее деятельности.

Практическая значимость работы. Разработанные база данных, алгоритмы оценки потенциала конкурентоспособности кафедры и его мониторинг используется дня динамической оценки результативности деятельности кафедр вуза, составления межкафедральных рейтингов,

обеспечения интеллектуальной поддержки при принятии управленческих решений на разных уровнях: от заведующих кафедрами до административного аппарата вуза. Ведение единой электронной базы помогает в обеспечении системного управления, внесении своевременных корректирующих и предупреждающих действий.

На защиту выносятся:

1. Математические модели, характеризующие связи внутренних свойств в социальной системе с потенциалом конкурентоспособности и разработанные на основе искусственной нейронной сети (ИНС).

2. Структура нейронной сети и виды кластеров, формируемые в зависимости от траектории и уровня управления кафедрой: от заведующего кафедрой до администрации вуза.

3. Алгоритмы одно-, двух- и трехслойных сетей для анализа состояния потенциала конкурентоспособности кафедр и принятия управленческих решений как на уровне кафедр и факультетов, так и на уровне служб и руководства университета.

4. Результаты исследований в виде математических моделей и алгоритмов, а также внутренних коммуникаций, необходимых для построения информационно - аналитической системы.

Апробация работы. Результаты исследований доложены на ежегодных конференциях молодых ученых, магистрантов и аспирантов ИжГТУ 2008-2009 гг.; ПМеждународной конференции «Системный анализ и информационные технологии» (Москва, 2008 г.); ХШ Международной научно-практической конференции «Системный анализ в проектировании и управлении (СПб. 2009 г.>>, VIII Международной научной конференции «Модернизация экономики и общественное развитие» (Москва, 2009 г.), а также на семинарах кафедр «Информационные системы» и «Управление качеством », а также, на сем инарах ф акультетов и каф едр ИжГТУ.

Внедрение в практику. Полученные результаты используются кафедрами ИжГТУ «Информационные системы», «Управление качеством» и др., а также кафедрами других вузов Удмуртской Республики при мониторинге результатов своей работы. Предложенные методы и алгоритмы используются при выполнении исследовательских дипломных проектов и выпускных работ, в том числе другимивузамиУР РФ.

Публикации. По результатам исследований опубликовано 10 работ, из которых 5 печатных, в том числе 2 работы в гаданиях, рекомендованных ВАК РФ.

Объем и структура работы. Объем диссертации - 131 страница. Работа состоит га введения, 4 глав, заключения, выводов, списка литературы и 3 приложений на 25 страницах, содержит 27 таблиц, 20 рисунков. Список литературы содержит 104 наименования.

Содержание работы

Во введении обоснована актуальность темы диссертации, определены; цель и задачи, объект и предмет исследования, голожены научная новгона .и ■ практическая значимость полученных результатов. Дано определение

потенциала конкурентоспособности кафедры как интегральному показателю результативности ее деятельности, характеризующему восстребованность результатов научно-исследовательских работ и выпускников на рынке.

В первой главе на основании литературных данных проведен анализ ввдов рейтингов в социальных системах, методов установления весовых коэффициентов, принципов кластеризации исходных данных. В результате анализа известных рейтингов выявлено, что все они проводятся на основе ограниченного числа показателей, явно неполно характеризующих многогранную деятельность типичных представителей социальных систем -научно-педагогических коллективов вузов и их структурных подразделений -кафедр. В российской системе образования кафедра является основной структурной ячейкой, которая аккумулирует все научно-образовательные и воспитательные процессы в вузовской среде. Совместно с другими подразделениями вуза кафедра ведет подготовку студентов, аспирантов и докторантов, участвует в переподготовке и повышении квалификации работников других предприятий и организаций. Кафедра может иметь статус выпускающей (отвечать за подготовку и выпуск студентов по конкретной специальности) и невыпускающей (отвечать за преподавание конкретных дисциплин). Роль кафедры в образовательном процессе определяется администрацией университета, и она же определяет цели, функции кафедры. Регламентирующим деятельность документом является «Положение о кафедре» в каждом конкретном вузе.

В Европе с позиции аккредитации и внешней оценки деятельности университетов используются следующие принципы:

• регулярные проверки уровня соответствия деятельности и содержания образовательных программ основным целям и задачам университета;

• наличие ответственного лица или структуры для проведения экспертных оценок деятельности и планирования развития университета;

• наличие обширной и эффективной информационной системы для поддержки процедур самообследования;

• регулярная самооценка деятельности (служб управления, программ) и экспертная оценка для проверки результатов самообследования университета;

• своевременная реакция на результаты внешних экспертиз путем совершенствования методов и структур управления, образовательных программ, перераспределения материальных и финансовых ресурсов, введения в практику системы поощрений и санкций.

Анализ методов обеспечения и оценки качества высшего образования за рубежом свидетельствует о различных подходах и традициях в разных странах. Однако, так или иначе, в разных подходах и системах оценки основное внимание уделяется ресурсам, процессам и результатам. Различия касаются того, чему уделяется больше внимания и в какой степени.

Несмотря на разность критериев оценки деятельности вузов, совершенно очевидно, что многие из показателей переносятся на низовые

подразделения: факультеты, институты, кафедры, научные отделы. И аккредитация вуза происходит непосредственно в этих подразделениях. Но, к сожалению, все эти метода акцентированы на получение общей, итоговой информации и не поясняют подхода к ее получению.

В связи с подписанием Болонской декларации Россия находится в состоянии трансформации системы образования, которая существенно отличается от европейской, но, несмотря на отличия, пытается найти тот путь, при котором будет эффективным управление вузовского звена.

Что же касается российской системы образования, то если аккредитация направлена на подтверждение статуса высшего учебного заведения и служит в основном для контроля его деятельности, то потребители высшего образования (абитуриенты, государство, сам вуз, бизнес, работодатели) чаще обращаются к рейтингам.

Каждый вуз, исходя из поставленных задач и целей, определяет свою методику оценки деятельности кафедры. Но большинство все-таки акцентирует внимание на работе преподавателей, а не на образовательном процессе в целом. Не во всех положениях о контроле за деятельностью кафедры в той или иной форме подробно описывается методология проведения расчета показателей, не описывается обратная связь между составителями и источниками данных. Практически везде используются линейные уравнения, простые математические формулы. При расчете, в частности, весовых коэффициентов применяется экспертная оценка, которая по своему определению включает субъективность, что, в свою очередь, может привести к неоднозначности значений показателей и затруднит адекватную оценку. Многие вузы стремятся применять более современные математические модели, использующие фактические значения по каждому показателю для всех участников и последующее интегрирование показателей с учетом коэффициентов значимости, для определения которых применяются алгоритмы определения иерархий или среднеарифметических значений.

Все более широкое применение для исследования социальных объектов и систем, каковыми являются кафедра, факультет, вуз в целом, находят методы искусственного интеллекта, в их числе искусственные нейронные сети (ИНС), обладающие высокой адаптивностью и толерантностью к исследуемому процессу.

Использование ИНС и полученных с их помощью результатов может способствовать формированию научно обоснованной концепции управления кафедрой и образовательным процессом в целом.

Вторая глава посвящена разработке базы данных (рисунок 1, на примере базы данных кафедры «Управление качеством» (УК)) для оценки потенциала конкурентоспособности кафедры, математической модели с использованием искусственной нейронной сети и анализу существующих методов ее обучения.

База данных для оцешси потенциала конкурентоспособности кафедры, представлена на рисунке 1.

1. Показателя квалификационного потенциала кафедры

УдедямИ в «с дикторов иун

Удед»яий ИОС ЯРОФОССРРОВ

У^ццнИ вес квядмдатов чу*

Удсаяы! вм мслужепных деятелей паукя, имеющих гиуд|рпмвпм 1НЯКЦ ОТЛИЧИЯ, членов РАН_

Уделный вес числа аспирантов (совскяталей)

Удеяьаый мс докторантов (тяажж»)

Удельный вес ППС, вмемцнх

СЩЩВЛЫЮСПМ

Удммы! мс врсаедавягелей в

вюрёсге а» 35 лет, ямеямпнх

Удельвый вес сотрудников 1аф«Л|Н - чдем»

Удельный все числа отраслей тую» в» яиимттм яаучвых работа вкое (аенвраетуры)

Удельный вес обучающихся по обрамвательоым врограммам орофессяомльвой

Квалификация

Удсы»яый вес сдециаяьиестей докторантуры, икрешквиых м квфедрой

Удельный вес к*/шчеова времдаватолей, участвующих •

УдельиыЙ вес ППС кафедры с учеными етемяамв или учеными эваввямя

2. Показателя развития шучяо-методическоЯ базы_

Удельный вес выпущенных учебных пособий в гад

Удельный вес выпутеяных монографий в год

Удельный мс публикаций в ■Манках, приданных ВАК

Удельный вес иц«гйврм я НИР кафсщрм_

3. Показатели обеспеченности материально« технической базы 4. Показатели качества системы образования

Конкурс

Удельный вес 4.1, ■оводаавым

лекционных «аяктмй мишки гам

3.1. с нсволмоваиием УциьйыЙ вес ипои с

инновационных 4.2. предприятий яа

технологий выпускников кафедры

Удельный вес Удельный вес студеити

лабораторных АХ - победителей олимпиад

3.2. занятий* я оримрвв

применением Удельный вас

ииновашмвяых технологий 4.4 студенческих работ, награжденных

Удельный вес НСПЛ1МЯ, дипломами

моемплярев учебно- Удельный вес студентов

ЗА методической и в ясовравтов,

литературы на принимающих участие в

кафедре 1 «явках яа яюбретемня

Удельный нес Удельный вес

3.4. исследовательского 4. А. пудешов, асоирвятов,

результаты научных

Г »бег

Уделный вес ояенок

4.7. "хорошо" в "отлмяо" яа госноаменах

Удельяийвес

4Л выпускников "с отличи гм"

Удсавый вес

4.9. количества аспирантов, ЗАЩИТИВШИХ диссертация

4.1 Удельный вес претен1н!

б. к кафедре

Удельный вес

4.1 1. дипломных работ, внедреывых ва

4.1 Удельный вес студентов, участвующих

в НИР

Уделышй вес велнракгои.

4.1 3 мщнтиввих диссертации и« аоаднее, чем через гад после окончания аспирантуры

4.1 4 Удельный вес числа отраслей науки, и рамках которых выполняются мучные исследования

4.1 Удельный вес ППС

кафедры, работающих

яа штатной основ«

Рисунок 1 - База данных для оценки потенциала конкурентоспособности кафедры

Из рисунка 1 видно, что для оценки конкурентоспособности кафедры были выбраны 37 показателей, 2 из которых можно отнести к «информационным». В частности «конкурс по поданным заявлениям» и «удельный вес заявок с предприятий на выпускников кафедры». Данные критерии отражают популярность представленной специальности, направления, как для студентов, так и для работодателей. Для первых это играет роль в определении будущей специальности, для вторых - в дальнейшем укреплении связей с образовательным процессом.

База данных (БД) отражает значение 35 показателей (информационные показатели упоминаются в исходных данных и представляются руководству в отдельном варианте) за выбранные периоды, которые и составляют вектор входных данныхгде г = 1,..., 35. БД отражена в удобном для пользователя виде на основе реляционной базы данных. Поскольку изначально все значения показателей собираются в различной размерности, для удобной работы с ними проводится нормализация, что значительно упрощает работу с БД и непосредственно в ИНС. При отсутствии нормализации значения показателей, имеющие большее числовое значение, всегда будут оказывать влияние на выход сети, что будет искажать реальное состояние изучаемого вопроса.

Выбранная номенклатура показателей охватывает как показатели Рособрнадзора, так и аккредигационного агентства (Ганновер,

Германия).

При формировании показателей стоит также учитывать специализацию кафедры (инженерная, гуманитарная, педагогическая и т.д.). Так, например, для гуманитарных и педагогических кафедр показатель «Удельный вес исследовательского оборудования» не имеет значения, и включать его в группу показателей обеспеченности материально-технической базы не имеет смысла в силу отсутствия применения в образовательном процессе.

Существующая система аккредитации предусматривает последовательный анализ установленных критериев. При положительной динамике каждого критерия Рособрнадеор принимает решение об аккредитации (временной аккредитации) учебного заведения. При трансляции аккредитационных критериев на показатели оценки деятельности кафедр некоторые критерии не сочли необходимыми, т.к. они конкретно отражают деятельность вуза в целом.

Из рисунка 1 видно, что БД содержит 4 кластера и нормализованные значения показателей. Приведенная БД позволяет проводить последовательный анализ каждого показателя, и по результатам анализа можно судить о динамике их изменения. При последовательном анализе трудно оценить вклад каждого кластера или каждого показателя в потенциал конкурентоспособности кафедры. Основным методом управления деятельностью кафедры должен являться системный подход, который позволяет рационально управлять ее деятельностью в условиях ограничений, накладываемых Рособрнадеором в виде нормированного значения веса каждого кластера или отдельного показателя. При этом каждая кафедра,

независимо от профиля, может самостоятельно выбирать наиболее соответствующие показатели для оценки результативности своей деятельности.

Рассмотренная ЕД формируется как самими кафедрами, так и службами вуза, и степень ее прозрачности зависит от желания руководства вуза участвовать в конкуренции на рынке труда.

Разработка математической модели. Численное значение потенциала конкурентоспособности социальной системы (кафедры) уи в заданный момент времени определяется зависимостью

^=>*«>]■ 0)

где

< - порядковый номер шага (года), на котором подсчигывается численное значение конкурентоспособности социальной системы (кафедры);

у - порядковый номер >-го показателя (параметра П]) свойства конкурентоспособности;

к - индекс социальной системы (кафедры);

XV, — весовой коэффициенту'-го показателя;

*у(0 - текущее значениеу'-го показателя.

Поскольку база данных содержит дискретные значения времени, то уравнение (1) может быть представлено в следующем виде:

Л/=/^£м'А+и'«>|. (2)

где аргументом функции выступает суммарное значение

N

.У, =Х>Л+и>,. (3)

Функция /(«,) называется функцией активации. В модели Мак-Каллока—Пигса это пороговая функция вида

/(«Мяз. (4)

Структурная схема модели выглядит следующим образом (рисунок 2): Входы Синапсы

Рисунок 2 - Модель нейрона по Мак-Каллоку - Питсу

Определение весовых коэффициентов при равной значимости свойств конкурентоспособности. Система аккредитации образовательных программ и учреждений в России предусматривает равную значимость показателей аккредитации. Следовательно:

w^j = const. (5)

Тогда зависимость (1) примет вид:

ykl=f(NwIJxIJ+wl0} (6)

В приведенной формуле подразумевается, что нулевой член w,0 вводится для устойчивого значения уы выше некоторого заданного положительного числа. Обучение искусственного нейрона состоит в том, чтобы значение уи было наиболее близко к заданному значению di.

Определение весовых коэффициентов при группировке показателей конкурентоспособности. На практике оценка деятельности вуза, факультета, кафедры проводится по укрупненным показателям, например, кадровый потенциал, материально-техническая база, научно-исследовательская работа и т.д.

В этом случае общее число показателей конкурентоспособности разбивается на некоторое число групп. Причем количество показателей в каждой группе может быть разным. Очевидно, что общий показатель конкурентоспособности кафедры должен адекватно учитывать вклад каждой группы первичных показателей.

На рисунке 3 представлена схема прохождения информации от групп первичных показателей до получения общего показателя конкурентоспособности кафедры.

XoWo

Рисунок 3 - Модель нейронной сети при группировке первичных показателей потенциала конкурентоспособности

Обучение нейронной сети, т.е. расчет весовых коэффициентов для каждого показателя в группе и для группы показателей, осуществляется таким образом, чтобы показатель конкурентоспособности кафедры при группировке первичных показателей был с заданной точностью равен показателю конкурентоспособности кафедры при равной значимости первичных показателей.

При анализе изменения потенциала конкурентоспособности кафедры и его отдельных показателей дискретная функция активации (3) заменяется непрерывной функцией, как правило, сигмоидальной униполярного вида.

Обучение нейрона заключается в подборе весовых коэффициентов. Методики подбора весовых коэффициентов зависят от требований, предъявляемых разработчиками к рейтинговым, аккредигационным, аттестационным показателям.

В каждом конкретном случае применяется свой, наиболее подходящий алгоритм обучения ИНС. Очевидно, что подстройка синапсов может проводиться только на основании информации, доступной в нейроне, т.е. его состояния и уже имеющихся весовых коэффициентов. Исходя ш этого соображения и, что более важно, по аналогии с твестными принципами самоорганизации нервных клеток, построены алгоритмы обучения Хебба.

Этот метод позволяет обучить одно-, двух- и трехслойные сети. Количество слоев в сети зависит от сложившейся системы управления в вузе. Каждый слой соответствует своему уровню управления. База данных, содержащая 37 показателей, принятых на основе экспертной оценки, достаточно полно характеризует деятельность разнопрофильных кафедр.

Проведенная нормализация исходных данных и использование для расчетов относительных показателей (удельных весов) обеспечивает адекватное использование искусственных нейронных сетей для оценки потенциала конкурентоспособности кафедры.

Рассмотренные принципы группировки (кластеризации) исходных данных отвечают не только требованиям управления кафедрой, но и обеспечивают причинно-следственную связь при выборе и формировании одно-, двух- и трехслойных ИНС.

Показано, что наиболее целесообразным методом обучения ИНС является сигмовдальный метод обучения Хебба, поскольку неизвестно точное соответствие входных векторов и выходных значений, а другие методы обучения специализированы на кластеризации и распознавании образов.

В третьей главе представлены результаты вычисления весовых коэффициентов одно,- двух,- и трехслойной сети в зависимости от задач управления.

При анализе своей деятельности кафедра может пойти несколькими путями.

Во-первых, можно последовательно сравнивать изменения каждого из 35 показателей по годам и оценивать динамику их изменения.

Во-вторых, можно выбрать лишь 16 показателей и по годам проводить сравнение с аккредитационым и показателями Рособрнадзора.

В-третьих, можно проводить анализ, используя однослойную сеть, обученную по 35 «эталонным показателям», определив при этом показатель потенциала конкурентоспособности кафедры и его динамику по годам.

В-четвертых, можно последовательно сравнивать изменение весовых коэффициентов, полученных при обучении однослойной сети, и выявить показатели, оказавшие наибольшее влияние на эти изменения.

В-пятых, можно сформировать 16 групп из 35 показателей, обучить двухслойную сеть и по годам проводить сравнение с аккредигационными показателями Рособрнадзора. Кроме того, можно сформировать 4 кластера из 35 показателей, обучить двухслойную сеть и оценить динамику кластеров.

В-шестых, можно сформировать 4 кластера из 16 групп показателей, обучить трехслойную сеть ИНС и проводить анализ динамики изменения потенциала конкурентоспособности кафедр по кластерам, как это делается при международных рейтингах вузов.

В-седьмых, можно проводить комплексный анализ, используя трехслойную сеть, в которой первый слой отвечает за соответствие показателей аккредитационным показателям, второй слой отвечает за роль каждого из 4 кластеров, а третий слой отвечает за показатель потенциала конкурентоспособности кафедры.

Для первого случая автором определены относительные значения первичных показателей потенциала конкурентоспособности кафедры, полученные результаты представлены на рисунке 4 на примере показателя «Удельный вес докторов наук»:

■ Эталонное значение

аук

■ТДУ

□ ГиСМ

□ Элект-ка ■Экон. Пп

■ ТРП

■ Эталонное

значение В ТРП

■ Мехатрон. системы

□ Водоснобж. и водоп.

□ Радиотехника

■ Финансы и кредит

2004 2006 2006 2007

2004 2008 2006 2007

Рисунок 4 - Удельный вес докторов наук Из приведенных гистограмм видно изменение этого показателя по годам для 10 кафедр. Тем не менее анализировать последовательно 35 показателей весьма трудоемко.

Аналогичная ситуация возникает при анализе 16 показателей (второй случай), как это предусматривается системой аккредитации Рособрнадзора. Несмотря на это, кафедре, руководству вуза приходится накапливать эту информацию в межаккредотационные периоды.

Пример использования однослойной сети, обученной по экспертным значениям (третий случай), представлен в таблице 1.

Таблица 1 - Эталонные значения при обучении ИНС по «экспертным значениям»

I. Памзкпйн кпалн^нклцищтга цщпицнлпл мфипры

1 1, Удельный вес докторов неук 1 2 Удогеный вес профессоров

1.3. Удельный вес канатеют на1^

1.4. Удельный нк -,ааслуж»тых деятелей науки, имеющих госэдарстоенюне ядаи отличия. членов РАН

1.5. Чдеувнянй вес ас(»ч>лнто« Удельный вес дситоров (соискателей)

1.7. Üдельный вес ППС иыекчии* аншоми по иесколы-.им

1 И Удо/илив! НС дее.тпрое ПрепоцаЛЛТвЛСЙ в воэрвете до 35 пет, имеющим учСНЫв CTMieW

1.9. УДОЛЬНЬЙ вое СОТРУДНИКОВ КПфВдры .JiVHOn СПОЦМЯЛНЛИрОВапИЫХ сопетое

110 Удельный вес числа итрас неуки по специальностям научны* ра6атнмкое1ест»фантов1

1.11. Удельный вес обуче^цихся по обрааоылелыелм прогрмыемпрофессиональной перепсутгсттовки и поек«де.мя квалификации

1.12 Удештный вес специальностей докторантуры, закреплен»«)« на кафедре

1.13 Удельный вес диссертационных советов. закреплением на кафедре

1.14. Удельнь>й вес ППС кафедр« с учебными степенс*.*. или )|чеными 1ван> <vx тн £. UmavaiBnH назвигия научнв-непжнчаскиА баш

2.1 Уде*«нть»1 вес выпушенных учебных пособий в год

2.2. Удельный вес выпушенных монографий о год

2Д Удельный все публикаций о изданиях при лнпт*« ВАК.

2 4. Удельный вес хоздоговоров й НИР

3 Поклаотвяк ойпепвчвшистм мшсрилшм гамннчеекпй бааы 3.1. Удельный вес леки-иотеяях аенятий с использоевчием иноеаиионныхтхнологий

3.2 УдальHt.ii вес лабораторных занятий с ¡трмлененнем .ямовешютгнь« технологий

3.3. Удельный вес зг. земпляро» учебночлетсвичесх.ой литературы на кафедре

3.4. Уделы*>»1 вес иселадоьаиигельского оборудпв.чя.д I. Показатели явчеегтов системы образования

4.1 .Удельный см етудосгов победителей олимпиад it при.мров

4 1' Удельный вес студенческим работ. нзграждетыых медалями, дипломами

4.3. Удельный пес студентов принимающих участие в лаяг.кзм на изобретения

4.4 Удельный вес очдентсе. асг*ч>антоо. оп^яикоеаешмх результаты научных работ

4.5. Удельный пееолсюк "хорочю" и "отлично" на гоезк.ззыснлх 4.R Удельный нвовыпустмикйе "сотличием"

4 7, Удельный вве выпускников кафедры, эещитиедмх жаг-сергацми 4 S Количестволритекэнйи кафедре

4 9 Удельиьа! вас дипломных работ енедрхнеялк на предприятие за год

4.10. Удельный &eccnjflB»<roB. утасгвукхднх в НИР

4.11 УдеяьныГ! вес аспирантов зелноивших дисертащы не позднее. чемчщитя год после окончмтя acnnpaifTypi»

4.12. Удельный вес числа отраслей науки, е вамках которь« выполняются научные иеяедоеання 4.13 Удобный вес ППС кафедры. работающих на штат ной осноес

Г0.1000 fá.zlxii' jóéoEn

I o.ioob i 6.0400 loiootl ío.isoo" ES» ГоГахю tal oñi ío'Mó Гойбо

Í0Ó40C

Гагах«

Газом foi'iod Газ«« ГГосоо

ЩШо ! гоооп J i особ

1 ОЬООО

Гайгбй

ÍQOfÓfi

lamí«

Годи» Гадав'

ППкюГ

|0<Ш)

ínaffi" Í02Ó00 [осей

f 02500

ГоГгой" Го'вооо*

■i ÜJÍ82Ü ! о'зоаэ

! (¡ 41Ж

Г О.ЖлГ i о :•<•«■ í Ó 2620 ! 0 2952

Га 32Í5 ! с дан (asm

i 0 3083

' Щвёг i 0.2662 ! ó'íi'S"

f 03346" 10 318ÍI

О Й4(,

fnSlflü

: 0 3873 ; О.ЬуМ Го.51йп 1 0 3973

; Ó 2609

'о Воз'

Го 2503 Г0.2Й9' : с <■";«

: С12Э7в

j 0.2636 i О -W? i II ?oíí ' 0 2686 ' 0 3215 i 0 3083 í 0.3073

Кафедре; Гуу,

В левом столбце показаны значения показателей, полученные с помощью экспертной оценки, в правом - эталонные значения весов. Полученные эталонные веса для «эталонной» «виртуальной» кафедры, позволили определить рейтинг кафедр и динамику изменения потенциала конкурентоспособности за 4 года.

На основании полученных значений потенциала конкурентоспособности при обучении ИНС «по экспертным значениям» можно составить рейтинг кафедр на 2007 год:

1. Мехатронные системы; 2. Водоснабжение и водоподготовка (ВиВ); 3. Тепловые двигатели; 4. Управление качеством (УК); 5. Радиотехника; 6. Геотехника и строительные материалы (ГиСМ); 7. Финансы и кредит; 8. Технология роботизированного производства (ТРП); 9. Электротехника; 10. Экономика на предприятии.

Динамика изменения показателя потенциала конкурентоспособности кафедр представлена на рисунке 5.

конкурентоспособности кафедр при обучении однослойной сети

Порог насыщения в данном случае выбран 0.91. В диссертационной работе приведены сравнения полученных результатов при порогах насыщения: 1,00; 0.99; 0.96.

Полученные значения весовых коэффициентов (4-й случай) позволяют проследить динамику их изменения по годам для каждой кафедры.

При анализе динамики изменения весов следует обращать внимание на изменения абсолютного значения показателя. Так, например, показатель «Удельный вес лабораторных занятий с применением инновационных технологий» за 4 года не менялся и составлял 0,3, а весовой коэффициент изменялся от 0,3571 до 0,3671, это объясняется ростом значений других показателей.

В другом случае на примере показателя «Удельный вес профессоров» явно видна положительная динамика изменения, как значения самого показателя от 0,0833 до 0,3076, так и весового коэффициента от 0,2838 до 0,3128.

Установлено, что непосредственно использование весов для анализа потенциала конкурентоспособности кафедры весьма затруднительно.

Пример обучения двухслойной (5-6-й случаи) сети приведен в таблице

Таблица 3 Обучение двухслойной сети по аккредитационным показателям

Значения показателе« 20М 2005 2006 !007

1. Показатели квалификационного потенциала ГТС 1 -1. Удельный вес доктсров наук 1.2. Удельный вес профессоров

15. Удмкмйвк «транше 5000:0,6250

1.6. Уд№№Й »с докторов («жителе«) :0,0833,0,0833 ¡0,000010,0000

1.10. Уде/ъиьи вес '4У-Г.5 отроги,;и^уи по спакимыюстимнаушыхраб]тник«(асгнинтоб) \0,0(ХЮЮ,(ШЩ1№!5\010№

0,0833:0,0833)0, 0909|0,1538 0, МЗЗ]0,1Й6!0,2737:0,3076'

1.11. Удельный е*с обучающихся по о^аивателыадн программам профессионалы») переподготовки м говышедай квалификации

1.12. ^епьияиисслаииалытхтенАжтйрамтурй, закреппел»дс закафедрей 1,14. Удельньй вес ППС кафедры с учемынн степенями или ученыни »а^йж

2. Показатели развитие научно-методической базы 2.2. Удв1ъньв5 вес еьгуще«^ жтрафий вгод 2.4. Уде1ъмый бес *щдог*зоров и Н№ гафедры

3. Показатели обеспеченности материально-технической базы

3.1, Уделмадйаес технологии

3.2. Удельный вес лабораторное мнзтт с прмненетен ижовашшвде технологий

4. Показатели качества системы образования

4,7. Удалы«* вес еыпустжов кафедры, щш ившнх диссертации 4.11. Удельньй еес асмрантсе, защитивших диссертации не позднее,

через год после оюжч«*» астз^антуры 4.12 Удвлыед еес числа отраслей науки, в ранкам которых выполняются иаучь» исследжаиия': 1,3636 И,2500] 1,25£С [1,2500

4.13. Удельны! вес ППС кафедры, работающих на штатной основа

УК

0,0000 ¡0,0051 ¡одаф.оа»

■О, ш]о,0588:0, №¡0,1052 ¡0,9722 |о,9722|о,9090 ¡0,6974

0,0000 50,000010,0018 ¡0,0000 :0,(!ШЗ!0,0012(0,001310,0014

о,зош о,зах):о.зя*!о,4свс 0,3ш0?0,300о!ода;0,3000

\врт\о,ш\11,ат\11,от о,оооо-о,аом;о,оово.о,оооо

.о, 91« ¡о.т^тт ¡о,92зо

¿показателей

т 2005 да. зад? одеилдаодаздн

0,2906 0,2915 Ю,2947:0,3225: 0,2906 0,Щ0,ЗП1 ¡0,3093. 0,2557 0,3094 ¡0,470310,5272 0,2906 0,2915 X 2557 0,2557 0,2557'0,2646'0,2325 ¡0,2828 0,2557:0,2579 |0,г5%;0,2557: 0,2303'0,2809 ¡0,3008 ¡0,3014: 0,6634 0,6734^,6459;0,6455 0,4434 в,4475,0,«7:8,4359 0,2557 0,2557'0,256310,2557 0,2561 0,2561 ¡0,2561 ¡0, Ш

0,4611 8,4633.0,«2111,4540

0,3710 0,лие;'0,3678 0,4057 0,3710 0,3718^0,3678¡0,3682

0,5430 0.531} ЗДМ ¡0,5214

- ---- Г 1----

■О,2557:0,2557 ;0,2557 ¡0,2557:

.0,2557 0,2557¡0,2557 '0,2557

0,9167 0,3541 ;0,8384 ¡0,8275

0,70® 0,8945 0,721910,6779

бычислить показатель ! Вьмгаигьаесовьязначемм

В-первых 4 столбцах таблицы выведены значения аккредитационных показателей, в 5-8-м - весовые коэффициенты, пример обучения двухслойной сети по 6-му случаю (5-й случай обучается по аналогии).

Для сравнения и анализа с помощью двухслойной сети были определены веса кластеров, полученных из 16 и 35 показателей для кафедры «Управление качеством».

Сравнение значений весов кластеров, сформированных из 35 и 16 аккредитационных показателей, показывает, что с увеличением числа показателей значения весов кластеров уменьшаются, что можно объяснить влиянием показателей, не вошедших в меньшую выборку. В этой связи можно утверждать, что для реального управления конкурентоспособным потенциалом кафедры целесообразно увеличивать число показателей, характеризующих многогранную деятельность кафедры.

Далее рассмотрено использование трехслойной сети для анализа показателей конкурентоспособности (7-й случай).

Структура трехслойной сети выглядит, как показано на рисунке 5.

Входы

Синапсы

1 СЛОЯ (веса)

Рисунок 5 - Структура трехслойной ИНС Здесь на первом слое подаются синапсы 35 показателей потенциала конкурентоспособности кафедры, которые группируются в 16 аккредигационных, на втором - синапсы 16 аккредигационных показателей, которые, в свою очередь, группируются в 4 кластера.

Отличительной чертой данного алгоритма является то, что 2-й слой сети является скрытым, т.е. 1-й слой входной, на него подаются входные значения показателей, 3-й выходной, его выход является выходом сети, 2-й слой скрытый, его входа это выходы с 1-го слоя, а выходы - входы 3-го.

Алгоритм расчета потенциала конкурентоспособности кафедр при использовании трехслойной сети представлен на рисунке 6.

Рисунок 6 - Алгоритм обучения трехслойной сети В таком случае можно получить весовые коэффициенты на каждом ю слоев, что обеспечивает информационную поддержку при принятии

управленческих решений по любой траектории и на любом уровне управления.

Обобщенные значения показателя потенциала конкурентоспособности вычислялись по отношению к одной из кафедр. В данном случае за базовую, в произвольном порядке была выбрана кафедра «Управление качеством».

Рейтинг кафедр за 2004, 2005, 2006, 2007 годы представлен на рисунке

7.

Рисунок 7 -Динамика потенциала конкурентоспособности кафедр

вуза

Приведенная динамика изменения показателя потенциала конкурентоспособности кафедр позволяет дать оценку не только эффективности деятельности, но и выявлять кафедры в нижней части рейтинга, например, «Электротехника» и «Экономика предприятий». Руководство университета и коллективы кафедр по результатам анализа динамики весовых коэффициентов кластеров и показателей, входящих в кластер, могут установить проблемные параметры, причины их нерешенности, принять необходимые решения.

Предложенные алгоритмы интеллектуальной поддержки позволяют наблюдать динамику результативности кафедр, на основании чего руководители соответствующих уровней могут сделать выводы о ее проблемах. Проведены численные эксперименты для различных уровней управления с применением одно-, двух- и трехслойных сетей с соответствующими принципами кластеризации. Результаты экспериментов составляют необходимую базу дяя принятия управленческих решений.

Проведенные численные эксперименты подтвердили правильность идеи, о возможности применения аппарата ИНС для оценки поведения

социальных систем, в данном случае для анализа результативности деятельности кафедры и интеллектуальной поддержи управленческих решений.

Четвертая глава посвящена разработке и анализу внутренних коммуникаций ИАС, касающихся оценки конкурентоспособного потенциала кафедр ИжГТУ.

На основе концептуальной и физической моделей ВД разработана база данных, включающая в себя шесть таблиц.

Все входные и выходные данные системы хранятся в одной базе, состоящей га указанных шести нормализованных таблиц, связанных между собой, что упрощает работу с данными и их хранение.

Периодичность заполнения таблиц производится в соответствии с установленными в вузе сроками отчетности, но не реже одного раза в год.

Структура внутренних евшей ИАС. Для разработки структурных связей ИАС воспользовались диаграммами ЦМЬ

На рисунке 8 изображена диаграмма вариантов использования.

Рисунок 8 -Диаграмма вариантов использования Диаграмма показывает роли пользователя и администратора и их возможные действия в программе.

На рисунке 9 изображена диаграмма последовательности действий

пользователей. £

Полыюкатепь

ТМм^ив ТУУы^вме ШейоВвчв

1: Запрос ПЛРЛ»»тлллй «лфлдры и ВУЗа

№ Показатели гафвдр и ВУЗе

2: Запрос обилие покаэат«п*Д |

Е».1 | Э: Запрос данных ! !

■■ ——- ^^ 4. Затух; д«ннм< '

7. Обшт г*о«*аат*ли

9.гкжо»ат*>»|

Рисунок 9 -Диаграммы последовательности действий Как видно из рисунка 9 диаграмма показывает представление передачи сообщений, упорядоченных по времени.

Разработка программы. Программа предназначена для определения показателя конкурентоспособности кафедр и общего показателя

конкурентоспособности вуза как с помощью ИНС, так и классическим методом.

Программа вычисляет вес каждого из 35 показателей в общем показателе потенциала конкурентоспособности кафедры, вычисляет потенциал конкурентоспособности всех кафедр, общий интегральный показатель конкурентоспособности вуза по годам и выводит динамику их изменения в виде графиков, а также вычисляет вес каждой кафедры в общем показателе вуза.

Программа написана на языке Object Pascal в среде разработки Borland Delphi 7.0.

В состав технических средств со стороны пользователя должен входить персональный компьютер (ПЭВМ), включающий в себя: 1) Процессор с частотой не менее 1500 MHz. Оперативную память не менее 128 МБ Жесткий диск с объемом памяти не менее 80 ГБ; Устройства ввода (клавиатура, манипулятор «мышь»); Устройство вывода (монитор).

Для работы программы на стороне пользователя требуется наличие операционной системы Windows 2000/ХР.

Описание логики программы. Схема данных программы представлена на рисунке 10.

2)

3)

4)

5)

H вод показателей кафеа р

П окамтми

Вы вол

поиматалвй кафедр

Покимт#ли кафедр

Вычисление общего iiPK«MT«JM ВУЗа н весов кафедр

Вывод общего показателя вуза , кафедр

Рисунок 10 - Логика управляющей программы Схема данных отражает последовательность Ьычисления весов показателей.

Разработкой программного обеспечения завершается формирование аппаратно-программного комплекса, необходимого для функционирования ИАС.

Разработанная информационно-аналитическая система реализует основные положения диссертации и позволяет накапливать информацию в соответствующих базах данных и в заданные моменты времени обрабатывать ее с помощью предложенного программного продукта. Полученные результаты используются кафедрами, факультетам, руководством вуза для принятия управленческих решений.

В ходе опытной эксплуатации ИАС было показано, что она позволяет обеспечить: 1) многопользовательское обращение к данным; 2) корректное хранение данных и выполнение правил, регламентирующих связи между ними; 3) восстановление данных после сбоя системы. Структура данных ИАС предполагает, что каждая кафедра имеет собственную базу данных, которая посредством репликации собирается на создаваемом центральном сервере вуза, обеспечивающем качественный контроль динамики развития деятельности кафедр.

Заключение -

Все большую значимость для принятия управленческих решений в социальных системах приобретает постоянный мониторинг внутренних характеристик их объектов, каковыми являются в образовательных системах вузы и кафедры. В то же время оценка деятельности кафедр слабо формалюована, отсутствует единообразная номенклатура показателей, характеризующих деятельность кафедр. Отсутствуют математические модели, позволяющие достоверно анализировать динамику этих показателей и алгоритмы интеллектуальной поддержки при принятии управленческих решений.

В связи с этим диссертация выполнена на актуальную тему, а полученные результаты позволяют сделать следующие ВЫВОДЫ:

1. Предложенная в диссертации база данных, содержащая 37 показателей, принятых на основе экспертной оценки, достаточно полно характеризует результативность деятельности разнопрофильных кафедр как объектов социальной системы. База данных достаточно проста в наполнении, при развитой системе электронного документооборота позволяет осуществлять сбор информации в автоматическом режиме. Кроме того, по числу показателей на нее не накладываются ограничения, и в зависимости от целей управления объектами социальной системы номенклатура может совершенствоваться.

2. Установлено, чгго динамика результативности кафедры как объекта социальной системы описывается процессами, происходящими в искусственных нейронных ~ сетях. Для соответствующих траекторий управления формируются соответствующие математические модели в виде одно- или многослойных нейронных сетей.

Структура нейронной сети, количество кластеров определяются в зависимости от траектории и уровня управления объектами социальной системы.

3. Проведенные численные эксперименты показали возможности алгоритмов одно-, двух- и трехслойных сетей как инструмента интеллектуальной поддержки для динамического анализа состояния потенциала конкурентоспособности объектов социальной системы и принятия управленческих решений, в том числе определять рейтинги не только кафедр, но ивузов.

4. Проведенный мониторинг потенциала конкурентоспособности кафедр вуза позволил определить их рейтинг, как по совокупности экспертных оценок, так и по критериям Рос обр надзора, что подтверждает адекватность предложенных математических моделей.

Предложенные алгоритмы интеллектуальной поддержки позволяют наблюдать динамику результативности кафедр, на основании чего руководители соответствующих уровней могут сделать выводы об их проблемах.

5. Использование разработанных математических моделей и алгоритмов, а также их программная реализация кафедрой «Мехатронные системы» в качестве эксперимента позволило ей не только занять ведущее место в рейтинге кафедр, но успешно пройти аккредитацию Рособрнадзора и агентства ZeVA (Германия) по программам бакалаврской и магистерской подготовки.

Список основных работ, опубликованных по теме диссертации:

1. Абрамов, И. В. Обеспечение и оценка качества современного высшего образования / И. В. Абрамов, А. У. Ибрагимов, Н. А. Александром // Качество и жизнь. Альманах: спец. пыа - 2007 - С. 226 -220.

2. Абрамов, И. В Искусственные нейронные сети в вычислении конкурентоспособного потенциала кафедры вуза / И. В. Абрамов, Н. А. Александрова, А. В. Ценёв // Вестник ИжГТУ. - 2008. - № 4(40). - С. 131134.

3. Александрова, Н. А. Формирование математической модели конкурентоспособности кафедры / Н. А. Александрова, И. В. Абрамов // Первая науч.-исслед. конф. студентов, магистрантов и аспирантов факультета «Управление качеством» Ижевского государственного технического университета (Ижевск, 3-4 апр. 2008 г.) : сб. ст. - Ижевск : Изд-во ИжГТУ, 2008.-С. 95-100.

4. Абрамов, И. В. База данных для определения конкурентоспособного потенциала кафедры вуза / И. В. Абрамов, Н. А. Александрова I! Вестник ИжГТУ. - 2009. - № 3(43). - С. 154-157.

5. Александрова И. А. Вычисление показателя потенциала конкурентоспособности кафедры с помощью искусственных нейронных сетей II Научно-практический журнал Интеллектуальные системы в производстве. - 2009г. - № 2. - С. 75-82.

В авторской редакции

Подписано в печать 11.03.10. Усл. печ. л. 1,40. Заказ №87. Тираж 105 экз. Отпечатано в типографии Издательства ИжГТУ. 426069, Ижевск, Студенческая, 7

Введение.

Глава 1. Анализ современных методов оценки конкурентоспособности объектов социальных систем.

1.1. Роль кафедры вуза.

1.2. Анализ существующих моделей аккредитации вузов.

1.3. Анализ существующих моделей рейтингов в образовательном пространстве.

1.4. Существующие модели оценки деятельности кафедры.

Резюме.

Глава 2. Разработка математической модели с применением искусственных нейронных сетей.

2.1. Формирование базы данных.

2.2. Формирование математической модели оценки потенциала конкурентоспособности объекта социальной системы (кафедры) с применением искусственных нейронных сетей.

2.3. Методы обучения искусственных нейронных сетей.

Выводы.

Глава 3. Эксперимент по определению потенциала конкурентоспособности кафедры.

3.1. Краткая характеристика исследуемых кафедр.

3.2. Исследование потенциала конкурентоспособности кафедр с учетом аккредитационных требований.

3.3. Исследование потенциала конкурентоспособности кафедр в рыночных условиях.

Выводы.

Глава 4. Информационно-аналитическая система для определения показателя конкурентоспособности кафедры вуза.

4.1. Разработка базы данных.

4.2. Структура внутренних связей ИАС.

4.3. Разработка программы.

Выводы.

В условиях рыночной экономики высшее образование превращается в отрасль народного хозяйства и регулируется общими законами спроса и предложения, хотя и с известной спецификой, обусловленной как характером предоставляемой услуги, так и высокой степенью вмешательства государства в рыночные процессы в данной сфере.

В России должны быть выработаны модели высшего профессионального, в том числе инженерного образования, которые в наибольшей мере отвечали бы ее нуждам, учитывали особенности общероссийской ситуации. На чисто практическом уровне высшим критерием эффективности любой образовательной системы можно считать ее вклад в решение национальных и региональных проблем в области экономики, политики и культуры. Чем глубже система образования войдет в структуры гражданского общества и государства, тем больше оснований ожидать, что такая система будет продуктивной с точки зрения именно этого общества и этого государства [1; 2; 3; 4; 5; 6].

Исходя из многочисленных официальных заявлений и материалов, таких как «Национальная доктрина образования в Российской Федерации» (одобрена постановлением Правительства РФ от 4 октября 2000 г. № 751); Закон РФ от 10.07.1992 № 3266-1 (ред. от 17.07.2009) «Об образовании»; Федеральный закон от 22.08.1996 № 125-ФЗ (ред. от 02.08.2009) «О высшем и послевузовском профессиональном образовании»; Постановление Правительства РФ от 14 февраля 2008г. № 71 «Об утверждении типового положения об образовательном учреждении высшего профессионального образования (высшем учебном заведении)», разработанных в связи с данной реформой федеральными государственными органами, можно сказать, что перспективы высшего образования в России связываются с ее незамедлительным включением в Болонский процесс. Это потребует активных действий по осуществлению программы образовательной реформы, намеченной в Болонской декларации 1999 года, приведения российской системы высшего образования в соответствие с общеевропейскими стандартами и множества других шагов, сокращающих дистанцию между Россией и Европой. Предстоит, таким образом, вхождение России в общеевропейское пространство высшего образования, которое, как утверждают, начинает активно формироваться. Болонская декларация 1999 года и Болонский процесс считаются крупнейшими гуманитарными событиями рубежа XX - XXI веков, но чем глубже в них вникаешь, тем очевиднее становится, что это экономические процессы по преимуществу.

Организаторы Болонского процесса разработали стратегию, проникнутую заботой о росте европейской экономики, развитии бизнеса, об интересах работодателя. В перспективе на основе данного процесса спрос европейского работодателя на квалифицированных работников будет обеспечен более широким и разнообразным выбором специалистов - г выпускников высших учебных заведений, входящих в расширенное образовательное пространство. Что касается работодателя, то он всегда заинтересован в найме специалиста с наилучшей подготовкой и с наименьшими претензиями на заработок. Схема найма по этому принципу отработана на опыте США, Великобритании и других стран, где хороший профессионал, окончивший американский или английский университет, может быть вытеснен высококвалифицированным специалистом иностранцем, готовым работать за меньшую плату. Не случайно внедрение болонских институтов сопровождается разговорами о конкурентоспособности на рынке труда университетских выпускников так же, как и о конкуренции университетских дипломов [7; 8].

Расчеты, положенные в основу объединительного образовательного процесса, а также стимулы, согласно которым лучшие выпускники лучших университетов займут лучшие рабочие места, в какой бы точке общеевропейского образовательного пространства они ни находились, сохранят значение до тех пор, пока есть существенная разница в уровне оплаты труда в отдельных государствах, пока ведущим мотивом получения работы за рубежом является желание специалистов из стран с невысокими показателями экономического развития получить за свой труд больше, чем это возможно на родине. Но уже сегодня многие из таких стран находят возможности удержать у себя многих специалистов. Со временем, очевидно, эта тенденция продолжится. С ослаблением указанного мотива роль культурного, гуманитарного фактора при выборе места работы будет возрастать, по крайней мере, применительно к специалистам высшей квалификации, в которых одинаково нуждаются все страны. В предвидении этой перспективы высшее образование Европы должно развернуться в сторону национальных и региональных компонентов обучения студентов. Вузы обязаны учить молодых людей умениям осваивать культурные среды, как близкие, так и далекие специалисту [9; 10; 11].

Международный престиж России зависит не столько от того, с какой активностью она будет участвовать в международных движениях и организациях, как далеко она пойдет по пути интеграции, унификации и стандартизации, сколько от ее собственных экономических, политических и культурных успехов, достигнутых за счет способности общества самостоятельно решать свои проблемы, полагаясь на собственные ресурсы и идеи [12; 13].

В мировой практике применяются различные подходы к оценке качества работы вузов: репутационный, результативный и общий.

Репутационный подход использует экспертный механизм для оценки уровня профессиональных образовательных программ и учебных заведений в целом. Результативный основан на измерении количественных показателей деятельности вуза. Общий подход базируется на принципах «всеобщего управления качеством» (Total Quality Management, TQM) и требований к системам менеджмента качества Международной организации по стандартизации (International Organization for Standardization, ISO) [14].

Сегодня вопрос применимости требований международного стандарта качества ISO 9001:2000 к вузам достаточно остро дискутируется в российской и зарубежной высшей школе. Существуют различные точки зрения. Наиболее сбалансированной и конструктивной представляется точка зрения об избирательном использовании требований стандарта ISO 9001:2000 в вузах (имеется в виду их учебная деятельность).

Требования стандарта ISO 9001:2000 в вузах применимы, в основном, к подготовке специалистов к профессиональной деятельности как более регламентированному процессу. Они мало пригодны к образованию в широком смысле слова как процессу формирования личности.

В последнее время на стандарт ISO 9000:2000 ориентируются те вузы, которые развивают свою предпринимательскую инновационную деятельность и стремятся завоевать на рынках образовательных услуг и наукоемкой продукции новые и более прочные позиции [15].

Следует отметить проблему совпадения европейских подходов к оценке качества высшего образования с новыми российскими критериями государственной аккредитации. Государственная аккредитация образовательных учреждений, в том числе вузов, введена в России с 1997 года на основании Закона РФ «Об образовании». Задачами госаккредитации, как известно, являются определение типа и вида образовательного учреждения, а также предоставление ему права выдачи документов об образовании государственного образца. Для вузов понятие государственной аккредитации тесно связано с понятием государственных образовательных стандартов высшего профессионального образования РФ, устанавливающих минимальные требования к содержанию образования и уровню подготовки специалистов по соответствующим направлениям и специальностям.

В Европе нет, и вряд ли будут какие-либо образовательные стандарты в том виде, как они существуют у нас. Это серьезное отличие. Оно определяет разные подходы к оценке деятельности вузов у нас в стране и за рубежом. Однако в этом нет никакой трагедии. Для такой огромной и неравномерно развитой по регионам державы, как Россия, государственные образовательные стандарты совершенно необходимы для сохранения единого образовательного пространства и обеспечения академической мобильности. Другое дело, они должны стать рамочными и давать больше свободы вузам [16; 17; 18].

Высшие учебные заведения создают свои системы гарантий качества образования, основанные на соответствии их учебных программ, материальных ресурсов, научно-методического обеспечения, кадров и структуры управления определенным требованиям, предъявляемым со стороны общества, личности и государства [19].

Внутривузовская система оценки деятельности кафедр как основного подразделения вуза является составной частью комплексной системы управления. В ней заложены некоторые основные принципы всеобщего управления качеством, такие как развитие корпоративного сотрудничества, вовлечение, участие и мотивация сотрудников, ориентация на результат и достижение целей, уверенное руководство. Все эти принципы направлены на совершенствование управленческой деятельности университета. Так же эта система позволяет провести самооценку для получения всесторонней информации о деятельности кафедр.

Новые критерии для показателей госаккредитации (приказ Рособрнадзора от 30.09.2005 № 193) касаются в основном спектра образовательных программ вуза, защит диссертаций аспирантами, контингента обучающихся по программам, переподготовки и повышения квалификации, результатов научной деятельности вуза, обеспечения преподаваемых дисциплин учебно-методическими комплексами. Следует отметить, что именно с кафедр собирается вся необходимая информация для оценки аккредитационных показателей. По мнению таких академиков РАН, как профессор Садовничий В. А., профессор Федоров И. Б., члена-корреспондента РАН проф. Набойченко Э. С., президента «Российской академии образования» Никандрова Н. Д., вице-президента «Российской академии образования» Жураковского В. М., профессора Я. И. Кузьминова и многих других российских ученых кафедра является основной структурной единицей факультета, осуществляет учебную, методическую и научно-исследовательскую деятельность. Совместно с другими подразделениями вуза коллектив кафедры ведет подготовку студентов, аспирантов и докторантов, участвует в переподготовке и повышении квалификации работников других предприятий и организаций.

Очевидно, что рейтинг кафедр как ячейки вуза и объекта социальной системы, является существенной мотивацией при принятии управленческих решений. В таком случае необходима некоторая интегральная характеристика результативности кафедры, которая в работе названа потенциалом конкурентоспособности.

В настоящее время оценка деятельности кафедр слабо формализована, отсутствует единообразная номенклатура показателей, характеризующих деятельность кафедр. Отсутствуют математические модели, позволяющие достоверно анализировать динамику этих показателей и алгоритмы интеллектуальной поддержки при принятии управленческих решений. Разрешению этих недостатков посвящена данная работа.

Конечной целью системы оценки результативности кафедр является совершенствование их работы, и, как следствие, повышение потенциала конкурентоспособности, чему способствует установление рейтинга, определяемого на основе анализа всех основных показателей кафедральной деятельности [20; 21; 22; 23; 24; 25; 26].

В то же время оценка деятельности кафедр слабо формализована, отсутствует единообразная номенклатура показателей, характеризующих деятельность кафедр. Отсутствуют математические модели, позволяющие достоверно анализировать динамику этих показателей и алгоритмы интеллектуальной поддержки при принятии управленческих решений.

Поскольку вузы и их кафедры относятся к социальным системам или объектам социальных систем, то для исследования динамики их развития применяются методы системного анализа. В системном анализе находят органичное объединение теория и практика, наука и искусство, творческий подход и алгоритмичность действия, формализация и эвристика. Процедура, лежащая в основе системного анализа, позволяет создать динамическую модель объекта социальной системы и с ее помощью спланировать и организовать действия всех участников направленные на достижения конечной цели [27].

Цель работы. Повышение результативности многогранной деятельности кафедры вуза в осуществлении научно-образовательного и воспитательного процессах помощью математических моделей и алгоритмов интеллектуальной поддержки управленческих решений, разработанных на основе искусственных нейронных сетей.

Объект исследования. Объектом исследования являются кафедры вуза, как объекты социальной системы.

Предмет исследования. Предметом исследования являются закономерности и внутренние взаимосвязи в социальной системе.

Задачи исследования.

1. Исследование внутренних и внешних связей, а также параметров деятельности объектов социальной.системы на примере кафедры вуза.

2. Разработка математической модели потенциала-' конкурентоспособности кафедры на основе искусственной нейронной сети и ее адаптация к различным траекториям и уровням управления.

3-. Разработка алгоритмов вычисления потенциала конкурентоспособности на основе одно-, двух- и трехслойных нейронных сетей при принятии управленческих решений в социальных системах — кафедра, факультет, вуз.

4. Экспериментальное определение рейтинга объекта социальной системы на примере кафедры вуза и их потенциала конкурентоспособности на основе мониторинга его текущего состояния.

5. Разработка программной реализации оценки потенциала конкурентоспособности объекта социальной системы с помощью информационно-аналитической системы.

Методы исследования. Достоверность. Методы исследования базируются на положениях теории искусственного интеллекта — искусственных нейронных сетях, а также экспертных оценках. Достоверность полученных результатов подтверждается экспериментальными исследованиями по определению рейтинга и потенциала конкурентоспособности кафедр вуза и полученной оценкой по итогам деятельности вуза за аккредитационный период.

Научная новизна. 1. Впервые предложено характеризовать внутренние свойства социальной системы комплексом численных показателей, образующих кластеры по ее наиболее значимым свойствам. 2. Динамика результативности кафедр описывается процессами аналогичными процессам, происходящими в искусственной нейронной сети. 3. Предложены математические модели в виде одно или многослойных нейронных сетей для различных траекторий управления. 4. Установлена взаимосвязь между уровнями управления кафедрой и группировкой соответствующих показателей ее деятельности.

Практическая значимость работы. Разработанные база данных, алгоритмы оценки потенциала конкурентоспособности кафедры и его мониторинг используется для динамической оценки результативности деятельности кафедр вуза, составления межкафедральных рейтингов, обеспечения интеллектуальной поддержки при принятии управленческих решений на разных уровнях: от заведующих кафедрами до административного аппарата вуза. Ведение единой электронной базы помогает в обеспечении системного управления, внесении своевременных корректирующих и предупреждающих действий.

На защиту выносятся:

1. Математические модели, характеризующие связи внутренних свойств в социальной системе с потенциалом конкурентоспособности и разработанные на основе искусственной нейронной сети (ИНС).

2. Структура нейронной сети и виды кластеров, формируемые в зависимости от траектории и уровня управления кафедрой: от заведующего кафедрой до администрации вуза.

3. Алгоритмы одно-, двух- и трехслойных сетей для анализа состояния потенциала конкурентоспособности кафедр и принятия управленческих решений как на уровне кафедр и факультетов, так и на уровне служб и руководства университета.

4. Результаты исследований в виде математических моделей и алгоритмов, а также внутренних коммуникаций, необходимых для построения информационно — аналитической системы.

Объем и структура работы. Во введении обоснована актуальность проблемы и сформулированы цель и задачи исследования. В первой главе проведен анализ современных методик оценки деятельности объектов социальной системы на примере кафедры, вузов и обоснована постановка задач исследования. Вторая глава посвящена разработке базы данных оценки потенциала конкурентоспособности кафедры, разработке математической модели объектов социальной системы (кафедры), использующей искусственные нейронные сети (ИНС), выбору способа обучения ИНС. В третьей главе проведено обучение одно-, двух- и трехслойного нейрона, проведен анализ полученных результатов. Четвертая глава посвящена разработке программной реализации оценки потенциала объекта социальной системы с помощью информационно-аналитической системы и ее описанию. В заключении сделаны выводы о проделанной работе.

В связи с этим диссертация выполнена на актуальную тему, а полученные результаты позволяют сделать следующие ВЫВОДЫ:

1. Предложенная в диссертации база данных, содержащая 37 показателей, принятых на основе экспертной оценки, достаточно полно характеризует результативность деятельности разнопрофильных кафедр как объектов социальной системы. База данных достаточно проста в наполнении, при развитой системе электронного документооборота позволяет осуществлять сбор информации в автоматическом режиме. Кроме того, по числу показателей на нее не накладываются ограничения, и в зависимости от целей управления объектами социальной системы номенклатура может совершенствоваться.

2. Установлено, что динамика результативности кафедры как объекта социальной системы описывается процессами, происходящими в искусственных нейронных сетях. Для соответствующих траекторий управления формируются соответствующие математические модели в виде одно- или многослойных нейронных сетей.

Структура нейронной сети, количество кластеров определяются в зависимости от траектории и уровня управления объектами социальной системы.

3. Проведенные численные эксперименты показали возможности алгоритмов одно-, двух- и трехслойных сетей как инструмента интеллектуальной поддержки для динамического анализа состояния потенциала конкурентоспособности объектов социальной системы и принятия управленческих решений, в том числе определять рейтинги не только кафедр, но и вузов.

4. Проведенный мониторинг потенциала конкурентоспособности кафедр вуза позволил определить их рейтинг, как по совокупности экспертных оценок, так и по критериям Рособрнадзора, что подтверждает адекватность предложенных математических моделей.

Предложенные алгоритмы интеллектуальной поддержки позволяют наблюдать динамику результативности кафедр, на основании чего руководители соответствующих уровней могут сделать выводы об их проблемах.

5. Использование разработанных математических моделей и алгоритмов, а также их программная реализация кафедрой «Мехатронные системы» в качестве эксперимента позволило ей не только занять ведущее место в рейтинге кафедр, но успешно пройти аккредитацию Рособрнадзора и агентства ЪоЧА (Германия) по программам бакалаврской и магистерской подготовки.

1. Абрамов И. В., Селетков С. Г. Ижевский государственный технический университет открытый инновационный университет: перспективная модель развития : монография. - Ижевск : Изд-во ИжГТУ, 2006.

2. Абрамов И. В. Качество — понятие международное: о Международном форуме «Качество образования 2006» : интервью с ректором ИжГТУ И. В. Абрамовым. // Аккредитация в образовании. - 2006. — № 7. - С. 28-29.

3. Обеспечение качества высшего образования: российский опыт в международном контексте: (Мнения участников «круглого стола», сост. 12—13 марта в Рос. ун-те дружбы народов) / материал подготовил О. Долженко // Aima mater : вестн. высш. шк. — 2000. № 6.

4. Перминова О. М. Маркетинговое управление платными образовательными услугами государственного вуза : монография. Екатеринбург ; Ижевск : б. и., 2007.

5. Якимович Б. А., Тененев В. А. Методы анализа и моделирования систем : учеб. пособие. — Ижевск : Изд-во ИжГТУ, 2001. С. 320-252.

6. Абрамов И. В. Вступая в европейское образовательное пространство // Alma Mater : вестн. высш. шк. 2007. - № 1. - С. 27-28.

7. Абрамов И. Открытый исследовательский университет университет XXI века // Ректор вуза. - 2006. - № 11. - С. 32-37.

8. Садовничий В. А. Образование, которое мы можем потерять. — М. : Изд-во МГУ, 2002.

9. Журнал «Право и образование» (2006, № 6). URL: http://www.lexed.ru/pravo/journ (дата обращения: 15.12.2009).

10. Атоян В. Р. Организация научной и инновационной деятельности в вузе / Сарат. гос. техн. ун-т. Саратов, 1996. - С. 225.

11. Владимиров В. Н. Государственный вуз в рыночной экономике // Высш. образование в России. 1997. — № 4. — С. 6—13.

12. Abramov I., Kadatskaya М. Russian engineering education and Bologna process II Технические университеты : интеграция с европейскими и мировыми системами образования: материалы Междунар. конф. (21-22 апр. 2004 г.). -Ижевск, 2004. С. 13-23.

13. Шестернина, Е. Управление качеством // Высш. образование в России. 2004. - № 2. - С. 54-55.

14. Соколов Л. А., Абрамова О. М. Конкурентная стратегия вуза в перспективе развития // Вестн. ИжГТУ. — 2000. № 3. - С. 3—7.

15. Месяц Г. А., Похолков Ю. П., Агранович Б. Л. и др. Академический инновационный университет // Высш. образование сегодня. 2003. - № 7. — С. 12-21.

16. Понарина Е. Совместимы будем? В чем совпадают и чем разнятся европейские подходы к оценке качества образования с отечественными критериями // Поиск. 2006. - 13 февр. URL: http://www.courier-edu.ru/cour0603/1200.htm (дата обращения: 15.12.2009).

17. Высшее образование в России. Научно-педагогический журнал Ми-нобрнауки России. URL http://www.vovr.ru/.

18. Патлис Н. Р. Методы управления деятельностью высшего учебного заведения как субъекта рынка образовательных услуг : дис. . канд. экон. наук : 08.00.05 : СПб., 2000. С. 44-46.

19. Ансофф И. Стратегическое управление : сокр. пер. с англ. / науч. ред. и автор предисл. Л. И. Евенко. М. : Экономика, 1989.

20. Красовский Ю. Д. Организационное поведение : Учеб. пособие для вузов. М. : ЮНИТИ, 1999. - С. 24- 28.

21. Гуляшинов А. Н., Тененев В. А., Якимович Б. А. Теория принятия решений в сложных социотехнических системах: учеб. пособие. — Ижевск : Изд-во ИжГТУ, 2005. С. 99-124.

22. Антонов А. В. Системный анализ : учеб. для вузов. М. : Высш. шк., 2004.-С. 24-156.

23. Резник С. Д. Управление кафедрой : учебник. М. : ИНФРА-М, 2004. -С. 28.

24. Образовательный портал ГОУ ВПО «Ижевский государственный технический университет». Устав вуза. URL: http://www.istu.ru/istu/ustav/ (дата обращения: 16.12.2009).

25. Информационно-образовательный портал ИжГТУ. Кафедра «Управление качеством». URL: http://www.istu.ru/unit/fqual/qc/ (дата обращения: 16.12.2009).

26. УдГУ официальная информация. Типовое положение о кафедрах Удмуртского государственного университета URL: http://v4.udsu.ru/official/polozhkafedra (дата обращения: 16.12.2009).

27. Александров В. А. К вопросу о качестве образования // Вестник университета. Сер. Развитие образования в области менеджмента / Гос. ун-т управления. М., 2003. - № 1. - С. 46-51.

28. Антропов В. А. Управление качеством подготовки специалистов в вузах МПС // Вестник университета. Сер. Развитие образования в области менеджмента / Гос. ун-т управления. М., 2003. - № 1.

29. Резник С. Д. Управление кафедрой : учебник. — М. : Инфра-М, 2004. -С. 90.

30. Володарская Е. Управление научной деятельностью // Высш. образование в России. 2001. — № 1.

31. ГОСТ Р ИСО 9000, «Система менеджмента качества. Основные положения и словарь» ИГЖ, Издательство стандартов, 2001 г. URL: http://sklad-zakonov.narod.ru/gost/Giso9000-2001.htm (дата обращения: 16.12.2009).

32. Горбашко Е. Качество образования в системе обучения управлению качеством // Стандарты и качество. 2001. — № 10. — С. 20-23.

33. Образовательный портал ГОУ ВПО «Ижевский государственный технический университет». Факультет «Управление качеством». URL: http://www.istu.ru/unit/fqual/ (дата обращения: 16.12.2009).

34. Российский государственный университет нефти и газа имени И. М. Губкина. Кафедры. URL: http://www.gubkin.ru/faculty/law/chairsanddepartments/ (дата обращения: 16.12.2009).

35. Профком ВМК МГУ. День факультета. Конкурсы на ступеньках. URL: http://profkomvmk.ru/node/54 (дата обращения: 16.12.2009).

36. Студенческий сайт истфака МГУ им. М. В. Ломоносова. Положение об историческом факультете Московского государственного университета им. М. В. Ломоносова. URL: http://www.tssi.ru/navigator/offlcial/MSUHFregulations.htm (дата обращения: 16.12.2009).

37. Коллекция статей. Образование. Обеспечение и оценка качества высшего образования. URL: http://referats.infomi-online.ru/statstudy10.php (дата обращения: 16.12.2009).

38. Научно-педагогический журнал Министерства образования и науки РФ «Высшее образование в России». Архив номеров журнала 2000-2004 гг. URL: http://www.vovr.ru/arhiv2000-04.html (дата обращения: 16.12.2009).

39. Гребнев Л. С., Попов В. А. Аккредитация и контроль качества образовательных программ в США // Высш. образование в России. 2005. - № 2. -С. 120-133.

40. ICE Virtual Library. URL: http://www.icevirtuallibrary.com/ (дата обращения: 16.12.2009).

41. Википедия свободная энциклопедия. URL: http://ru.wikipedia.org/wiki/ (дата обращения: 16.12.2009).

42. Zentrale Evaluations- und Akkreditierungsagentur Hannover (ZEvA) — Startseite. URL: http://www.zeva.org/ (дата обращения: 16.12.2009).

43. Наука и технологии России. Мировой рейтинг вузов: российская версия. URL: http://strf.ru/organization.aspx?CatalogId=221&dno= 14080 (дата обращения: 17.12.2009).

44. Гусъкова Н. Д. Мониторинг качества образования // Стандарты и качество. 2000. - № 5. С. 86-88.

45. Вороэюейкин И. Е. Управление социальным развитием организации : учебник. -М. : ИНФРА-М, 2001.- 176 с.

46. Васильев Ю. С., Кинелев В. Г., Колосов В. Г. Инновационная политика высшей школы России. Концепция и программа действий / С.-Петерб. гос. техн. ун-т. — СПб., 1995. — 66 с.

47. Журнал «Власть» официальный сайт. 2007. № 6. URL: http://www.isras.ru/index.php?pageid=674 (дата обращения: 17.12.2009). ?

48. Новости науки и образования. URL: http://www.blog-edu.org/ (дата обращения: 17.12.2009).

49. Обучение за рубежом. «Шанхайский» рейтинг лучших университетов мира 2007 г. URL: http://www.abroad.ru/reference/ratings/rating8.php (дата обращения: 17.12.2009).

50. Электронное издание «Наука и технологии России». Мировой рейтинг вузов: российская версия, 11 апр. 2008 г. URL: http://strf.ru/organization.aspx?CatalogId=221 &dno= 14080 (дата обращения: 17.12.2009).

51. Галкин Г. Рейтинг вузов Министерства образования РФ. URL: http://www.ed.vseved.ru/articles/?pt=text&statid=99 (дата обращения: 17.12.2009).

52. Эксперт — Эксперт Online. О журнале. URL: http://www.expert.ru/printissues/expert/ (дата обращения: 17.12.2008).

53. Галкин Г, Рейтинг вузов Министерства образования РФ. URL: http://www.ed.vseved.ru/articles/?pt=text&statid=99 (дата обращения: 17.12.2009).

54. Независимое рейтинговое агентство в сфере образования «Рэйтор». Рейтинг вузов Москвы по интегральной оценке выпускников вузов работодателями. URL: http://reitor.ru/ru/observatory/raitings/reitrabotodateli/ (дата обращения: 20.01.2009).

55. Фасхиев Х.А., Гараев И.М. Основные требования и сущность оценки конкурентоспособности организаций сферы образовательных услуг. URL: http://www.kampi.m/scitech/base/nomerl5/index.php?NAME=4disk/statl.html (дата обращения: 20.01.2009).

56. Сибирский федеральный университет. URL: http://www.sfu-kras.ru/ (дата обращения: 17.12.2009).

57. Официальный сайт Ивановского государственного химикотехнологического университета. Рейтинговая оценка деятельности препода130вателей и кафедр. URL: www.isuct.ru/umo/docreg8.html (дата обращения: 17.12.2009).

58. Резник С. Д. Управление кафедрой : учеб. для вузов. — М. : ИНФРА-М, 2004.-С. 436.

59. Базилевич JI. А. Имитационные модели функционировании, роста и развития вуза // Совершенствование системы управления в вузах : сб. науч. тр. / Ленингр. инженер.-экон. ин-т им. Пальмиро Тольятти. JL, 1986. - С. 24-29.

60. Вольский В. С., Борисов А. Н. Модели планирования и анализа учебной деятельности в вузе // Методы и модели управления и контроля. — Рига, 1977.-Вып. 10.-С. 10-11.

61. Резник С. Д. Управление кафедрой : учебник. М. : ИНФРА-М, 2004. -С. 437-440.

62. Гаськов В. М. Управление системой профессионального образования : учеб. пособие для рук. учреждений профобразования, органов упр. образования. М. : ИРПО, 2001.-С. 288.

63. Гвоздев Н. И. Вопросы построения схем распределения ответственности в аппарате управления // Теория и практика совершенствования систем управления вузом : сб. ст. / под ред. И. П. Чучалина. — Томск : Изд-во Том. ун-та, 1982.-С. 95-104.

64. Официальный сайт Ивановского государственного химико-технологического университета. Рейтинговая оценка деятельности преподавателей и кафедр. URL: http://www.isuct.ru/umo/docreg8.html (дата обращения: 17.12.2009).

65. Портал образования и науки Самарского государственного аэрокосмического университета им. академика С. П. Королева. Положение о рейтинговой оценке деятельности кафедр. URL: http://www.ssau.ru/info/officialdocs/polozhrate/ (дата обращения: 17.12.2009).

66. Антонов А. В. Системный анализ : учеб. для вузов. М. : Высш. шк., 2004. - С. 201-209. URL: http://www.twirpx.com/file/20408/ (дата обращения: 17.12.2009).

67. Тененев В. А., Перминова О. М. Микромодель процесса обучения специалиста // Интеллектуальные системы в производстве : науч.-практ. журн. 2007. - № 1. - С. 22-31.

68. Ашоян В. Р. Организация научной и инновационной деятельности в вузе / Сарат. гос. техн. ун-т. — Саратов, 1996. — 226 с.

69. Поташник М. Комплексный характер и внутренняя взаимосвязь целостной оценки качества образования на разных уровнях управления // Нар. образование. 1999. - № 7-8. - С. 172-175.

70. Саати Т. Принятие решений. Метод анализа иерархий. — М. : Радио и связь, 1993. URL: http://iboo.ru/8000.htm (дата обращения: 17.12.2009).

71. Оценка качества высшего образования // Высш. образование сегодня. 2002. - № 2.

72. Резник С. Д. Управление кафедрой : учеб. для вузов. М. : ИНФРА-М, 2004.-С. 28.

73. Официальный сайт Камского государственного политехнического института, http://www.kampi.ru.

74. Осовский С. Нейронные сети для обработки информации / пер. с пол. И. Д. Рудинского. — М. : Финансы и статистика, 2004. С. 20-21.

75. Круглое В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. — М. : Горячая линия Телеком, 2001. — 382 с.

76. Рутковская Д., Пилинъский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / пер, с пол. И. Д. Рудинского. — М. : Горячая линия Телеком, 2007. - С. 18-43.

77. Haykin S. Neural Networks: A Comprehensive Foundation. — New York : Macmillan College Publ. Co Inc., 1994. Pp. 124-141.

78. Sanger T. D. Optimal unsupervised learning in a single-layer linear feed forward neural network // Neural Networks. 1989. - Vol. 2. - Pp. 459-473.

79. Федотов А. В. Моделирование в управлении вузом. JI. : Изд-во Ленингр. ун-та, 1985. - 120 с.

80. Комарцова Л. Г., Максимов А. В. Нейрокомпьютеры : учеб. пособие.- М. : Изд-во МГТУ им. Баумана, 2002. 320 с.

81. Борисов Е. С. Основные модели и методы теории искусственных нейронных сетей. Среда, 19 окт. 2005 г. URL: http://mechanoid.narod.ru/nns/base/ (дата обращения: 17.12.2009).

82. Блум Ф., Лейзерсон А., Хофстедтер Л. Мозг, разум и поведение. — М. : Мир, 1988.-246 с.

83. Короткий С. Нейронные сети: алгоритм обратного распространения. URL: http://ru.science.wikia.com. (дата обращения 11.03.2008).

84. Сотник С. Л. Конспект лекций по курсу «Основы проектирования систем искусственного интеллекта». URL: http://lii.newmail.ru/lectpl.zip (дата обращения: 17.12.2009).

85. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И. 3. Батыршин, А. Ф. Блишун и др. / под ред. Д. А. Поспелова. М. : Наука. Гл. ред. физ.-мат. лит., 1986. - С. 298-312.

86. Борисов В. ВКруглое В. В., Федулов А. С. Нечеткие модели и сети.- М. : Горячая линия Телеком, 2007. - С. 83-191.

87. Интернет-университет информационных технологий. Бабич А. В. Введение в UML. URL: http://www.intuit.rU/department/se/intuml/2/2.html (дата обращения: 17.12.2009).

88. Леонешов А. В. Объектно-ориентированный анализ и проектирование с использованием UML и IBM Rational Rose : учеб. пособие. — М. : ИНТУИТ.РУ, Бином. Лаборатория знаний, 2009. 320 с.

89. Simpson Р. К. Artificial Neural Systems: Foundations, Paradigms, Applications and Implementations, New York : Pergamon Press, 1990.

90. Демидова JT. А., Кираковский В. В., Пылъкин А. Н. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде MATLAB. — М. : Радио и связь ; Горячая линия Телеком, 2005. - С. 80-140.

91. Тарков М. С. Нейрокомпьютерные системы : учеб. пособие. — М. : Интернет-ун-т информ. технологий : БИНОМ. Лаб. знаний, 2006. С. 16-24.