автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Процессно-ориентированная концепция управления кадровым потенциалом в системе переподготовки персонала предприятий промышленности и транспортного комплекса

На правах рукописи

ЯГУДАЕВ ГЕННАДИЙ ГРИГОРЬЕВИЧ

ПРОЦЕССНО-ОРИЕНТИРОВАННАЯ КОНЦЕПЦИЯ УПРАВЛЕНИЯ КАДРОВЫМ ПОТЕНЦИАЛОМ В СИСТЕМЕ ПЕРЕПОДГОТОВКИ ПЕРСОНАЛА ПРЕДПРИЯТИЙ ПРОМЫШЛЕННОСТИ И ТРАНСПОРТНОГО КОМПЛЕКСА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

1 6 МАЙ 2013

Москва-2013

005058402

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский автомобильно-дорожный государственный технический университет (МАДИ)»

Балдин Александр Викторович,

доктор технических наук, профессор, МГТУ им.Н.Э.Баумана, профессор кафедры «Системы обработки информации и управления», г.Москва Попов Дмитрий Иванович, доктор технических наук, доцент, Московский государственный университет печати им. И.Федорова, заведующий кафедрой «Информатика и вычислительная техника», г. Москва Мещеряков Сергей Владимирович, доктор технических наук, доцент, Санкт-Петербургский государственный политехнический университет (ФГБОУ ВПО СПбГПУ), доцент кафедры «Информационные машиностроительные технологии», г. Санкт-Петербург

Ведущая организация: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный технический университет гражданской авиации» (МГТУ ГА), г. Москва.

Защита состоится 29 мая 2013 г. в Ю00 часов на заседании диссертационного совета Д.212.126.05 при Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский автомобильно-дорожный государственный технический университет (МАДИ)» по адресу: 125319, г. Москва, Ленинградский пр., д. 64.

С диссертацией можно ознакомиться в библиотеке МАДИ.

Автореферат разослан 26 апреля 2013 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять в адрес диссертационного совета университета, а копии отзывов присылать по электронной почте: uchsovet@madi.ru

Ученый секретарь

диссертационного совета Д212.126.05, кандидат технических наук, доцент

Официальные оппоненты:

Михайлова Н.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Совершенствование производственных процессов

промышленных предприятий требует процесса непрерывной переподготовки специалистов, а современные темпы реорганизации производства требуют новых методов управления персоналом. В настоящее время, не вызывает сомнения необходимость широкомасштабного внедрения информационных технологий в процесс подготовки, повышения квалификации и аттестации кадров. Постоянное совершенствование технологической базы, внедрение новейших образцов дорогостоящей техники в производственный процесс, переход на новые методы управления персоналом диктуют необходимость динамичного изменения программ подготовки персонала, рассчитанных на различные возрастные категории и различный уровень . начальной подготовки. Актуальным также является разработка математического инструментария и информационных технологий, которые в комплексе охватывали бы основные аспекты деятельности по управлению персоналом, такие как планирование трудовых ресурсов, наем, распределение, мотивация и вознаграждение, и являлись мощным аналитическим средством поддержки принятия управленческих решений в этой сфере. Данная работа направлена на создание процессно-ориентированной концепции процесса переподготовки разновозрастного персонала, обладающего различной квалификацией, что представляется вполне актуальным.

Объектом исследования является система переподготовки персонала предприятий.

Предметом исследования являются процессы управления кадровым потенциалом предприятий.

Цель и основные задачи исследования

Целью работы является повышение эффективности управления персоналом за счет разработки и использования процессно-ориентированной концепции переподготовки и управления кадровым потенциалом.

Для достижения данной цели в работе решаются следующие задачи:

• системный анализ задач управления персоналом и программных технологий формирования образовательногоо контента;

• классификация средств переподготовки и сравнительный анализ моделей процессов научения и забывания учебной информации;

• разработка кусочно-непрерывных моделей процессов научения-забывания-и моделей взаимной сцепленности отдельных термов;

• систематизация квалификационных характеристик персонала;

• модель кластеризации показателей тестового контроля в системе аттестации персонала;

• совместное описание процессов обучения и тестового контроля;

• разработка системы критериев эффективности учебного плана;

• создание библиотеки методов решения задач многокритериальной оптимизации;

• разработка методики формирования учебных планов в системе переподготовки персонала;

• апробация результатов работы на промышленных предприятиях.

Научная новизна

Научную новизну работы составляет процессно-ориентированная концепция управления кадровым потенциалом, включающая модели научения-забывания учебной информации и совместное представление процессов научения и тестового контроля.

На защиту выносятся:

• кусочно-непрерывная схема генерации процессов научения-забывания на основе функций Лагерра;

• многокритериальная постановка задачи оптимизации функций научения термов и алгоритмическая схема модели расписаний;

• модель кластеризации показателей тестового контроля и методика проведения аттестации;

• методика формирования учебного плана переподготовки.

Методы исследования

При разработке формальных моделей компонентов системы подготовки, повышения квалификации и аттестации персонала в диссертации использовались методы общей теории систем, случайных процессов, методы шкалирования, экспертного оценивания и др. Анализ эффективности разработанных методов и моделей выполнен с помощью методов многомерного статистического анализа, с использованием математических пакетов.

Достоверность научных положении, рекомендаций и выводов

Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием современных математических методов и моделей; согласованностью результатов аналитических и имитационных моделей процессов переподготовки. Достоверность положений и выводов диссертации подтверждена положительными результатами внедрения работы в ряде промышленных предприятий.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования в системе переподготовки персонала промышленных предприятий. Они представляют непосредственный интерес в области комплексной автоматизации процессов формирования учебных планов и рабочих программ для системы переподготовки. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий, а также используются при организации учебного процесса на кафедре «АСУ» МАДИ.

Апробация работы

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

• на Российских, межрегиональных и международных научно-технических конференциях, симпозиумах и семинарах (2006-2012гг.);

• на заседаниях кафедры «АСУ» МАДИ.

Совокупность научных положений, идей и практических результатов исследований в области автоматизации образовательного процесса составляет актуальное направление в области теоретических и практических методов формирования учебных планов и рабочих программ в системе переподготовки персонала предприятий промышленности и транспортного комплекса.

Структура работы. соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы. Сформулирована цель и основные задачи работы. Приведено краткое описание содержания глав диссертации.

В первой главе диссертации выполнен анализ проблем управления персоналом с точки зрения организации системы подготовки,, переподготовки и повышения квалификации персонала.

В рамках решения сформированных задач для достижения поставленной цели интерес представляют работы российских ученых, а именно, Новикова Д.А., в которых исследуются закономерности итеративного научения, Черненького В.М., в которых проработана процессно-ориентированная концепция системного моделирования АСУ, Башмакова А.И., где даются формальные подходы к разработке конструктивных методов проектирования обучающих систем, а также зарубежных ученых М.Жабер, С.Сикстрем, Л.Лопез, где сформирован ряд моделей научения-забывания, Ф.Оливер, где рассматриваются механизмы преобразования учебных знаний и др.

Знания об обучаемом устанавливаются путем анализа его поведения в процессе обучения. Они представляются поведенческой моделью обучаемого. Поведенческая модель изменяется вместе с изменением обучаемого, поэтому она является динамической

моделью обучаемого. Механизмом построения этой модели является диагностика. За рубежом для этой, цели часто используют термин когнитивная диагностика, и исследования в этой области развиты довольно широко.

Знания о том, каким мы хотим видеть обучаемого, т.е. требования к его конечному состоянию (как к специалисту) представляются нормативной моделью обучаемого. Именно эти знания определяют цель обучения. Они, как правило, многогранны. Сюда относятся, например, требования к личностным качествам будущих специалистов, их профессиональным качествам и умениям, знаниям и умениям по различным учебным предметам, характеристикам физического и психического состояния и т.п. Это именно то, что называют стандартом образования. И конечной целью обучения является достижение такого положения, когда поведенческая модель обучаемого при выпуске совпадает с его нормативной моделью.

В диссертации выделяются два основных подхода к классификации средств обучения: педагогический и технический. Первый основан на необходимости реализации в учебном процессе различных дидактических целей, в первую очередь формирования представления об окружающей действительности, организации разнообразных видов учебно-познавательной деятельности учащихся, осуществления мотивационных, учебных и контрольно-корректирующих функций и т.п. Второй подход позволяет учесть конструктивно-технологические особенности средств обучения, их деление в зависимости от способа создания каналов воздействия на учащихся, эргономических характеристик и др.

Поскольку основной задачей является структуризация учебного материала с точки зрения его восприятия-забывания, в работе проведен анализ эффективности восприятия различных форм представления материала, в зависимости от каналов воздействия на учащихся и дидактический принцип комплексности средств обучения.

Далее в диссертации проведен анализ современных информационных технологий и рассмотрены компоненты информационно-образовательной среды, представляющие собой системно-организованную совокупность средств передачи данных, информационных ресурсов, протоколов взаимодействия, аппаратно-программного и организационно-методического обеспечения, ориентированную на удовлетворение образовательных потребностей.

Все возрастающие требования к рабочим и служащим, задействованным в сфере промышленного производства и в транспортном комплексе, определяют актуальность внедрения в систему переподготовки методов научения.

Внедрение инновационных технологий, автоматизированных и роботизированных комплексов, требуют установления необходимой связи между научением и забыванием, так как при модернизации технологического процесса или переходе на новое оборудование

нужно забыть старые навыки и приобрести новые. Таким образом, забывание представляет- собой необходимое действие при переучивании и переподготовке.

В случае итеративного научения (ИН) можно считать, что на его результативные характеристики влияют две входные переменные -информация о значении выходной переменной и параметры окружающей среды - внешние условия. Если бы на каком-то шаге изменились оба значения входных переменных, то результаты научения на этом шаге и на предыдущем были бы просто несравнимыми - нельзя было бы сказать, почему реализовалось именно такое значение выходной переменной: потому, что обучаемая система повела себя соответствующим образом, или потому, что изменились условия ее функционирования.

Поэтому постоянство внешних условий является существенной характеристикой ИН. Для сравнимости результатов научения в различные моменты времени (использование количественного описания), даже при постоянных внешних условиях, важно также постоянство цели научения. В диссертации проведен сравнительный анализ функций научения, сведенных в табл.1.

Таблица 1.

Функции научения - забывания у - усвоение (число правильных у = а-Ь-е~с" воспроизведений); п- число испытаний; а-предел усвоения при п->оо; Ь и с-константы

Ь ■ еА" У - усвоение; п - число испытаний; А=аЬ; а и с -

У ~ елп константы; Ь - предел усвоения при п -»со

_ а ■ (и + с) у- усвоение; п - число испытаний; а и с -У ~ {п + с) + Ь константы; Ь - скорость научения

В качестве основной результативной характеристики ИН принимается критерий уровня научения. В качестве критерия уровня научения в работе исследовались следующие характеристики:

- временные (время выполнения действия, время операции, время реакции, время, затрачиваемое на исправление ошибки, и т.д.);

- скоростные (производительность труда, скорость реакции, скорость движения и т.д. - величины, обратные времени); .

-точностные (величина ошибки в мерах физических величин (миллиметрах, углах и т.п.), количество ошибок, вероятность ошибки, вероятность точной реакции, действия и т.д.);

- информационные (объем заучиваемого материала, объем перерабатываемой информации, объем восприятия и т.д.). Все эти характеристики представляют собой динамические процессы научения-забывания учебной информации. В связи с этим в работе

предлагается использование процессно-ориентированной концепции, направленной на моделирование функционирования таких систем.

В общем случае под поведением системы понимается процесс изменения ее состояния во времени. При этом система имеет высокую размерность, разделяется на множество объектов, различным способом связанных между собой, руководствуется сложными алгоритмами, описывающими переход из одного состояния в другое.

Система представляет собой множество параметров О = {цг( }"=1, где ф - некоторый параметр. Каждый параметр д, принимает множество значений, обозначаемое как а(<й). Состояние процесса определяется как в'=<ц{,ц'2,...,ц1 >, где <7,1ес(д1). В этом случае пространство состояний системы есть 5= П Таким образом,

V/

пространство состояний системы относится к координатному типу, поскольку натянуто на систему координат О.

Процесс X представляет собой четверку:

Т, Р, а>, (1)

где: 8 - пространство состояний; Т - множество времен изменения состояний; Р - фазовая характеристика (график), определяемая как причем это отображение должно быть функционально; соотношение линейного порядка на Т. Если множество Т задано как упорядоченное, то в определении (1) а может быть опущено.

Множества Т и 8 могут быть как дискретными, так и непрерывными, что позволяет определению (1) задавать практически все виды процессов. Интервал времени [¿н, ¿к], где 7н=ш/п{^},

^ = тах{?} является интервалом определения процесса.

Подпроцесс есть плотное подмножество процесса Т на интервале времени [¿¡; у. Понятие подпроцесса позволяет рассматривать процесс в виде некоторой последовательности подпроцессов. При этом вводится ряд операций над процессами с тем, чтобы обеспечить корректность описаний функционирования как системы в целом, так и ее компонент.

Во второй главе диссертации решается задача моделирования процессов научения-забывания с целью включения этих моделей в программный контур формирования учебных планов.

Различают два аспекта научения. Первый аспект -результативный - при научении система должна достичь требуемого результата - качества выполнения действий с приемлемыми затратами времени, энергии и т.д. Второй аспект - процессуальный: адаптация, приспособление научаемой системы к некоторому виду действий в процессе упражнения и т.д. Соответственно, выделяют результативные характеристики итеративного научения и характеристики адаптации. В настоящей работе речь идет именно о

результативных характеристиках научения (характеристики адаптации зачастую имеют совсем другую динамику).

Для сравнимости результатов научения в различные моменты времени (использование количественного описания), даже при постоянных внешних -условиях, важно также постоянство цели научения.

При постоянном количестве информации, поступающей в единицу времени, "идеальная память" запоминает всю информацию. В реальной памяти количество запоминаемой в единицу времени информации убывает с ростом уже запомненной информации (замедленная асимптотичность). После окончания процесса обучения идеальная память сохраняет информацию неограниченно долго, а в реальной памяти количество информации после окончания процесса обучения монотонно убывает (забывание), причем текущая скорость забывания пропорциональна объему имеющейся на данный момент информации 1(Ц (рис.1.).

Предположения о постоянстве (или ограниченности) количества информации, поступающей или перерабатываемой обучаемой системой в единицу времени, используются практически во всех теоретико-информационных моделях итеративного научения. Стоит отметить, что скорость обучения, определяемая константами, определяющими положение кривых, не зависит от темпа поступления информации - внешнего параметра, а определяется только параметрами самого обучаемого.

В результате оценки индивидуальных свойств формируется функция забывания учебной информации. Для построения модели этой функции в работе выделен ряд характеристических свойств.

Пусть 3(1)=Щ(Ц8а) - функция научения (забывания), как тренд случайного нестационарного процесса, где 80 - начальный уровень знаний. Предполагается, что функция непрерывна на всем интервале моделирования. Процесс научения является безинерционным, если У1>0 С(1)=Сопз1. Это условие выполняется

; к 1(0

Идеальная память

I

--------

Научение Забывание

Рис. 1. Модель реальной и идеальной памяти

лишь в случае идеальной памяти. Процесс является инерционным, если:

ЭГ>0:С(П*0и Чтв(1) = 0. /2\

Условие существования предела выполняется в силу существования стационарного распределения исследуемого процесса. Для процессов Научения достаточно типичны монотонные тренды. Свойства монотонности дают возможность исследовать качественные характеристики процессов! Для идентификации функций в работе используется отношение стохастического порядка между случайными величинами' ^ и , которое определяется соотношением:

^ <=>Ф,-сФ2, Ф^Ф^Ух, Ф1(х)>Ф2(х), (3)

где: "ч" - отношение стохастического порядка; Ф,,Ф2 - функции распределения случайных величин : ^ и Случайный процесс научения является монотонно возрастающим по I относительно "ч" при начальных условиях Бо, если:

и<12=>№,\80)^№2\80). (4)

Это свойство также представляет свойство внутренней монотонности процесса. Процесс монотонный - если ^Иг => > в^г). Процесс является монотонно инерционным - если существует интервал (0, Г), на котором сохраняет значение С(0), а на интервале (1*, а>) определен монотонный процесс. Случайный процесс представляет монотонный процесс с запаздыванием, если:

ЗГ>0: ^(О.П С'(У>0 лУМ* в"(0<0. (5)

В общем случае, переходный процесс восприятия материала является монотонным процессом с запаздыванием.

В общем случае для моделирования процессов такого класса в диссертации предлагается использование функций Лагерра, которые представляют ортонормированный базис в пространстве функций с интегрируемым квадратом.

Базисные функции Сп(х) представляют полиномы п-ой степени. Далее будет использоваться двухпараметрическая функция:

Щ\= (6)

к=0 К!

где: с - определяет временные характеристики затухания процесса, а т - запаздывание процесса. На рис.2, представлен график этого семейства функций для различных порядков полиномов.

\\ .. 1 * ч 1

«1 С»,о 5 V ч \ \ ч

•1 («.1) 03 А С«.2) \ - \ \ -

й (1,3) \

Аяхгзт , „ 1

Рис. 2. Семейство функций Лагерра забывания и научения Данные параметры для каждого субъекта различаются в плане моделирования процесса научения и процесса забывания. Так для процесса забывания информации значение т может быть достаточно велико, в то время как для научения оно достаточно мало.

Вычислительный алгоритм рекуррентной схемы генерации кусочно-непрерывной функции процесса научения-забывания на основе функций Лагерра в терминологии МаИчСас! имеет вид:

(от ¡е 1.. 100

Я <- Я^-е а (| 1Г В.= 0 л В. , =0 ] гТ 11-1

(7)

Я. <- Я ,-е а (' ¡Г В. * В. , л В. = О 1 11-11

Выборочные траектории представлены на графике (рис.3.)

я. <- + (1 - - е~ а'(М£)] а в, * вн л в. = 1

функций научения-забывания

Рис. 3. Выборочные траектории функций забывания

Стоит отметить, что скорость поступления информации в долговременную память (0,7 бит/с) меньше, чем в кратковременную память (16 бит/с). Лучше всего приспособиться к небольшой скорости запоминания можно путем повторного изложения учебного материала. При этом материал - особенно его важнейшие части - должен варьироваться, то есть преподноситься с другим акцентом, в новых взаимосвязях, с другими примерами, с использованием иных форм представления учебного материала. Подобные меры способствуют лучшему усвоению и запоминанию. Также для предупреждения забывания должно использоваться повторение материала как сразу после его изложения, так и систематически в дальнейшем.

Для описания семейства таких процессов научения-забывания с учетом их взаимосвязи в диссертации предлагается использовать процессно-ориентированную концепцию.

Если задан процесс в системе, то процесс в объекте О/ может быть определен, как = Пр2а. Пусть имеем объект О, в системе О.

®0/

Тогда генерация процесса может быть выполнена путем задания оператора Н°'\

з°< ; (8)

где: /. е Г0/; А - множество аргументов: >4сО; со- случайное число.

Включение параметра со позволяет задавать оператор от случайных значений аргументов, а также случайные операторы.

Если пространство состояния объекта определяется на параметрах О/то множество аргументов . является самостоятельным подмножеством О: А0' с О. Анализ соотношений . между 0|, А0' и (Э позволяют произвести следующую классификацию:

если >4°' с О,, то в объекте О, развивается локальный процесс;

если Л0' с О, то процесс в О, частично зависимый;

если А0' = О, то процесс в О, полнозависимый.

Рассмотрим два объекта О, и От в системе О. Пусть О, П От = 0, а процессы в них заданы следующими операторами:

со) (9)

Если От П А°' =0 и О, П А°т = 0, то такие процессы и объекты называются несцепленными в момент времени Ъ. Если О, (1 А°т * 0,

то объект От сцеплен с объектом 0| в момент времени Л То же относится и к их процессам. Это означает, что для определения состояния объекта От в момент времени Ъ, необходимо знание состояния объекта 0| в это же время. Обозначим отношение

сцепления как 0|-»0т. Если ОтП>А°' то объект О, сцеплен с объектом От в момент времени Л,: 0т->0|. Если одновременно От П А°' * 0 и О, П А°т ф 0, то объекты От и О, взаимно-сцеплены в

момент времени Ъ: ОтоО|. При операторном способе описания процессов всегда нежелательна модель, приводящая к появлению взаимно - сцепленных объектов, поскольку возникающую в этом случае неопределенность приходится раскрывать путем решения в общем случае систем нелинейных уравнений, что может привести к непреодолимым трудностям. Необходимо стремиться создавать модели, не приводящие к взаимному сцеплению объектов.

В диссертации для формализованного представления и структуризации учебных планов и рабочих программ используется понятие связности модулей учебных материалов. Модуль представляет структуру М={Ом, Ам, Н№, где: Ом - наименование модуля; Аи - аннотация модуля; Нм - объем часов, выделенных на модуль; - указатель дисциплины.

Терм-множество представляет собой структуру \Л/=\Л/'иУ\/0, где \Л/" - множество входных термов; \Л/° - множество выходных термов. \Л/«,еУ\/' - терм \л/ принадлежит множеству входных термов; \Л/ше\Л/° -терм \лг принадлежит множеству выходных термов.

Входные термы определены как: УУ|у,={Ои> Ач, ¿Лу}, где -идентификатор терма; Я1 м - указатель принадлежности модулю; -. ссылка на терм-источник (для организации синонимии термов); и^ -коэффициент усиления (определяет увеличение активности использования).

Выходные термы определены как: ={0°уц, 2°\ч}> где:

- идентификатор терма; - указатель принадлежности модулю;

- ссылка на входные термы; - коэффициент забывания.

Рекуррентная схема (7) позволяет строить кусочно-

функциональные зависимости для каждого терма с учетом отсутствия, либо наличия его в некоторых учебных модулях на текущий момент времени.

В диссертации разработан алгоритм генерации случайной последовательности предъявления модулей с последующим вычислением и построением функции забывания отдельных термов учебного плана. Основная особенность алгоритма состоит в вариативном характере сочетания модулей на основе их терм-связности. Так, при наличии десяти модулей количество перестановок равно 3.629*10®.

Результаты моделирования выявили сильное влияние последовательности предъявления модулей на значение функций научения по отдельных термам (рис.4.), вводимым в модули учебного плана.

Рис. 4. Генерация функций научения на различных последовательностях модулей

Полученные графики подтверждают актуальность решения задачи оптимизации выбора последовательности предъявления модулей.

Пусть в заданном интервале времени Д=[0,Т], определяющем период переподготовки, необходимо изучить N модулей. Пусть модуль представляет тройку (т,, /], /|), где т, - длительность изучения, /]>0 -учебная нагрузка, /¡= ОД, 1е[0,7] - ожидаемый эффект повышения активности понимания термов, как функция времени I. Предполагается, что изучение модуля идет непрерывно, однако возможно и параллель с другими.

В интервале Д выделяем моменты времени 7"г< ... < Тт= Т, определяющие соответственно интервалы:

Д,=[ 7о,Тч], ... , Д|=[ Ги,7]], ... , Дт=[ Тт.иТт] (10)

Пусть ^ - время завершения ]-го модуля и соответственно (/] -т;) -время его начала. Тогда варьируя временами начала при условии непрерывности каждого модуля будем иметь ¿={^(5)} непосредственно структуру учебного плана. Введем функционал:

з^^д^М (11)

/=1

где д11(?1(5))=г;|А,п[ //5) - т,, - объем нагрузки на интервале Л¡ в процессе изучения ^го модуля.

Допустимые общие объемы нагрузок на каждом интервале Д| определяются заданными уровнями бп , ¡=1..т. Задача заключается в поиске 3={{)(5)}, доставляющая максимальный эффект при ограничениях на величину нагрузки на каждом интервале, что формально записывается как

N

тЭХ

-» тах

(12)

при ограничениях

N

6;(х) = Тя..(ху)<д°/, /' = 1../П,

(13)

где ОД).

Сформулированная задача допускает естественное обобщение на случай нескольких информационных учебных составляющих. Кроме того, обычные в теории расписаний ограничения на сроки начала и сроки завершения ¡¡<Т , уточняются посредством

введения дополнительных функций ЭД).

Последовательное приближение плана строится, начиная с некоторого начального плана. При этом метод определения максимального элемента для монотонно-рекурсивных функционалов сводится к следующему:

1. Рассматривается некоторое ограниченное число допустимых последовательностей таких, что объединение их родовых множеств и тех из рассматриваемых последовательностей, которые являются полными допустимыми, в совокупности дает все множество полных допустимых последовательностей.

2. На основе обобщенного принципа оптимальности исключается часть родовых множеств; из рассматриваемых полных допустимых последовательностей оставляются только те, которые дают наибольшее значение функционалу; исключаются из рассмотрения последовательности, для которых родовое множество пусто.

3. Выбирается некоторая допустимая последовательность из числа рассмотренных последовательностей, для которой родовое множество не пусто и не исключалось. Рассматривается некоторое ограниченное число допустимых последовательностей, являющихся продолжением выбранной последовательности и таких, что объединение их родовых множеств и тех из них, которые являются полными, в совокупности дают родовое множество выбранной последовательности.

4. Для множества, состоящего из вновь образованных в п.З. допустимых последовательностей и неисключенных и непродолженных ранее допустимых последовательностей, производятся операции, указанные в п.2.

Далее пп.2, 3, 4 циклически повторяются. Если на каком-то этапе процесса решения не останется ни одной допустимой последовательности с непустым или неисключенным родовым множеством, то процесс решения завершен и в качестве решения берется одна из рассмотренных полных допустимых последовательностей с небольшим значением функционала. На каждом этапе процесса решения требуется помнить множество

полных последовательностей, остающихся для дальнейшего продолжения.

С целью осуществления мониторинга уровня сформированное™ требуемых характеристик специалиста предлагается использовать комплексный показатель качества психолого-индивидуальных

ь

компетенций =

(=1

сформированности профессиональных компетенций, Ь - число локальных коэффициентов.

Психолого-индивидуальные компетенции представляют собой способности, развиваемые в профессиональной деятельности под влиянием мотивации, которая может, как усиливать, так и ослаблять потенциальные задатки специалиста. В этой связи необходимо осуществлять постоянный мониторинг мотивационной направленности. Для определения критериев сформированности проводится тестирование выборки специалистов, успешных в своей деятельности. Для визуализации локальных показателей используется их представление в виде профилограммы, где приняты обозначения: А - коэффициент точности внимания; Е - коэффициент продуктивности влияния; Красп - коэффициент распределения внимания; \/т - коэффициент объема памяти; Кт - коэффициент творческого мышления; Кл - коэффициент логического мышления; К8 Применение такой модели специалиста на основе процессного подхода и методологии «развертывания функции качества» позволяет снизить уровень неопределенности идентификации и мониторинга рассматриваемых компетенций и повысить качество переподготовки специалистов.

Ь, где Ка - локальные коэффициенты

Компетенции Уровни Отношения с Щ 1 1 В 1 § о § 1 § 1 1 клиента Нацеленность на результат * Е 1 I * р в Е 5 ° о" € § с Работа

Лидер С КИЙ уровень ы

Сильный уровень т 8 _

Базовый уровень в 1 ] Г > 1 1 □

Уровень по ним ания 1 а! 1 1 1 __ 1 _ 1 1 3 1

Дефицитный уровень В 1 1 1 А 1 1 1 1 1 1

Требования , к должности 5 л ! ^ 5 II 4 - 4 1 3 ... 4 1

• ^ Оценка • ко адпетенций ' 2 • -3 > 2 2 -л 2 г: 2 3 2 2

Рис. 5. Индивидуальный оценочный профиль сотрудника XXX

Существует также множество методов оценки компетенций. Их анализ приведен в диссертации. Все они направлены на оценку уровня квалификации или соответствия должностным обязанностям, а также на формирование учебных планов.

Структура индивидуального отчета по оценке компетенций включает в себя следующие пункты (рис.5.)::

1. индивидуальный оценочный профиль сотрудника XXX;

2. оценка относительно компетенций;

3. рекомендации по развитию компетенций.

В третьей главе рассмотрен механизм проведения контроля, который сводится ■ к предъявлению последовательности тестовых заданий различной сложности. Последовательность формируется по следующей схеме:-■

р<п1) = ,=<п)(р<1).....р(п)) + ^ (п)(р(1)_____р(п))( (14)

где: р(п) - сложность задания на п-ом шаге процедуры; - некоторое

функциональное преобразование результатов ответов; £(п)(р(1).....р(п))

- случайная величина, моделирующая ответ на п-е задание.

Такая процедура также представляет собой некоторый абстрактный процесс, который вместе с процессами научения образует полное пространство обучаемого.

Далее в работе рассмотрена схема группового тестирования. Количество участников тестирования различной подготовленности 0„-обозначим п; /'= 1,2,..., п. Каждому участнику предлагается один и тот же вариант теста, состоящий из к заданий различной трудности

/=1,2..... к. Результат выполнения каждого здания оценивается по

дихотомному принципу (ставится единица, если задание выполнено правильно, и ноль, если задание выполнено неверно). Множество всех таких единиц и нулей образует прямоугольную таблицу-матрицу А={ау) размерностью п,к.. Ее элемент аф стоящий на пересечении /'-ой строки и /-го столбца, выражает возможный результат выполнения /-м участником /-го задания. Элементы а,у являются величинами случайными: они принимают значение 1 с вероятностью р,/=р/'©„5у), и значение 0 с вероятностью Яц=1-р,]-

Любые статистики, будучи функциями исходных наблюдений, т.е. величин случайных, также являются случайными. Удобными статистиками при обработке результатов массового тестирования являются частичные, суммы элементов матрицы ответов А по каждой строке и по каждому столбцу, то есть числа: ■•. *

■'Ь, =а/=Еа»» /' = 1,2,..., л (15)

П

■ ::.-'-С/=-ау=5>#' 7 = 1,2,...,к (16)

............I 1

Число Ь, = а,, представляет собой количество верно выполненных заданий участником с номером /' и называется

первичным баллом /-го участника. Оно отражает определенную и меру успеха /-го испытуемого при выполнении к заданий данного теста.

Вероятность того, что при наличии к заданий первичный балл участника с N° окажется: а) менее т; б) более т; в) не менее т; г) не более т, - можно найти на основании соотношений, соответственно Р*(0)+РЛ(1)+... + РЛ(т-1)

Р1к(т +1)+ Р1к{т + 2)+... + Р1к (к)

Рш(т)+Рн,(т + 1)+... + Р№(к)

Если предположить, что все задания теста имеют одинаковый уровень трудности, т.е. б,=5 для -V от 1 до к и, следовательно, р,>=р„

независимо от/.

Вероятность того, что участник тестирования с N° правильно решит задание с N° и, следовательно, (/,у)—позицию в матрице ответов Л займет 1, определяется формулой

_ г, П1 _

= (18)

где 8,- уровень подготовленности /-го участника, % - уровень

трудности /го задания, а ^

Вероятность неверного решения и, следовательно, равенства а,у

$¡/¡1 1 1 нулю равна о., = 1 - р„ = 1--— =-— =-. Выражения

' У ' I у

для р,у и <7у можно записать единой формулой

(^Р = &/ф = [Р,, если а9 = 1 1 + ^ 1 + 5,/^ если а;/ = О

Поэтому вероятность конкретной реализации А = (а9) матрицы ответов, определяемая теоремой умножения вероятностей, имеет вид

п _ к

\ п к (8 п ъ ГК'П'ГУ

р*.М,*)=^ (20)

Последнее выражение показывает, что рассматриваемая вероятность зависит от элементов а,у матрицы ответов А только через ее частичные суммы Ь, = а,,с, = аупо строкам и по столбцам. Поэтому

первичные баллы участников тестирования и заданий теста являются достаточными статистиками для искомых параметров в, и соответственно (/= 1,2.....п; ] = 1,2,...,к).

(19)

Пусть тест- содержит к=20 заданий различной трудности, а р обозначает усредненную вероятность правильного решения одного задания этого теста. Тогда участников тестирования с различным уровнем подготовленности ©¡,- можно классифицировать по величине соответствующей вероятности р, -р(0„5). Будем условно называть уровень подготовленности очень слабым, если р,<0,3; слабым, если 0,3<р,<0,55; средним, если 0,55<р,<0,75; хорошим, если р,>0,75.

Табл.2, содержит вероятности Р!к(тйЬйк) того, что участники тестирования различного уровня наберут количество первичных баллов Ь не менее т=1,2,...,20.

Таблица 2.

Таблица вероятностей первичных баллов _

m Уровень подготовленности

Очень слабый Слабый Средний Хороший

р=0.2 р=0.3 р=0.4 р=0.5 р=0.6 р=0.7 р=0.8 р=0.9

1 0.99 1.00 1.00 1.00 1.00 1.00 1.00 1.00

2 0.90 0.98 1.00 1.00 1.00 1.00 1.00 1.00

3 0.72 0.95 1.00 1.00 1.00 1.00 1.00 1.00

4 0.5 0.85 0.98 1.00 1.00 1.00 1.00 1.00

5 0.29 0.70 0.92 0.99 1.00 1.00 1.00 1.00

6 0.13 0.50 0.83 0.97 1.00 1.00 1.00 1.00

7 0.05 0.31 0.69 0.92 1.00 1.00 1.00 1.00

8 0.01 0.16 0.50 0.82 0.98 1.00 1.00 1.00

9 0.00 0.07 0.32 0.68 0.92 1.00 1.00 1.00

10 0.00 0.03 0.18 0.50 0.83 0.98 1.00 1.00

11 0.00 0.01 0.09 0.33 0.69 0.95 1.00 1.00

12 0.00 0.00 0.03 0.19 0.50 0.85 0.99 1.00

13 0.00 0.00 0.01 0.09 0.32 0.70 0.95 1.00

14 0.00 0.00 0.00 0.04 0.18 0.50 0.87 1.00

15 0.00 0.00 0.00 0.01 0.09 0.31 0.71 0.99

16 0.00 0.00 0.00 0.00 0.03 0.16 0.50 0.93

17 0.00 0.00 0.00 0.00 0.01 0.07 0.29 0.77

18 0.00 0.00 0.00 0.00 0.00 0.03 0.13 0.50

19 0.00 0.00 0.00 0.00 0.00 0.01 0.05 0.23

20 0.00 0.00 0.00 0.00 0.00 0.00 0.01 0.07

Тест имеет закрытую форму, если его задания сопровождаются несколькими (обычно пятью) вариантами ответа, из которых только один является верным, а остальные лишь правдоподобны. В таком случае вероятность р=0,2 соответствует бездумному угадыванию ответа. Однако', как показывает таблица, получить при этом первичный балл выше 7-8 практически не представляется возможным. Предполагается, что наименьшее количество баллов, соответствующее ситуации "зачет", равно 12. Такой барьер, согласно анализу таблицы, невозможно преодолеть без знания материала. При этом высокий балл (18 и выше) сумеют получить, по прогнозу, только хорошо подготовленные участники тестирования.

Первичные баллы в результате тестирования являются величинами случайными. При реальном количестве числа к заданий в тесте их распределение приближенно к нормальному распределению. Поэтому доверительный интервал для них можно построить с

помощью следующего соотношения ,

' ■ . г- ■

е

ф-М(Ь)<в}=2Ф

Ш)

(21)

Здесь М(Ь) - математическое ожидание и О(Ь) - дисперсия, а е -любая положительная константа, определяющая длину доверительного интервала 2е и Ф - функция Лапласа. Более точная

оценка получается на основе соотношении при

к

Р1к{т: </И(Ь,)<т2} = с/,,

т, =-

к + 1'

'¡- I2 .Щк-ь,) I2) Ь, +--/,/—-и +

/77, =-

к + 12

к 2

(22)

(23)

где: I - значение аргумента функции Лапласа, при котором 2Ф(1)=с1; с1-уровень значимости интервала (т1,т2).

Разработана модель кластеризации уровня подготовки персонала на основе методов латентно-структурного анализа, в которой предполагается, что каждый латентный класс должен быть однородным относительно любых исследуемых величин. Требуется, чтобы каждый латентный класс был достаточно однородным по отношении к любой латентной величине, так чтобы все единичные высказывания внутри класса были статистически независимы. Эта независимость внутри классов выражается следующими уравнениями:

Рук = Р\к'Р\\, Р2\к = Р2к'Рч, ■■• . Рф. = Рък'Рщ, Рук1 = Р|к-Р||-Рп, Р2]к1 = Р2к"Р2гР21< ■■•. Рч|"к1 = Рчк'Рсц"РцЬ

Преобразование уравнений в соответствии с требованиями однородности групп приводит к системе уравнений:

п=п^+п2+...+пч орп, -рц+ п2 -р2, +■■■+ пя -р^ %=ЛгР[!<-Р|]+ П2'Р2к'Р2, +••■+ ЛЧ'Рак'Рч (24)

П)к1=«1 РжР2уР2\ + п2 РжРъРъ +...+ пц Рчк-Ро)-Рд| И т.д.

Все наблюдаемые совместные частоты выражаются через (я+эц) латентных параметров, с/ объемов классов и ц латентных вероятностей (рц, р2], ... , Рщ) для каждого из в признаков теста. Последовательные ступени эмпирических частот насчитывают соответственно 1, я, 5(5-1)/2 и т.д. членов, являющихся коэффициентами бинома (а+Ь)г. Складывая их, получаем 2*

уравнений, связывающих наблюдаемые и латентные величины в этой модели (рис.6.).

Задача, как и в факторном анализе, заключается в решении основных уравнений относительно неизвестных латентных параметров. Большинство из известных решений не используют совместные частоты с повторяющимися индексами (Пц, щу, пш, и т. д.). В анализе латентной структуры они рассматриваются как аналоги общих факторных дисперсий факторного анализа, которые нам неизвестны. В диссертации доказано, что представление их в виде эквивалентов, соответствующих смешанным частотам более низкой ступени без повторяющихся индексов (то есть л^=л„ %=л]к, и т. д.) дает аналог использования равных единиц корреляций в факторном анализе.

В работе предполагается, что имеется набор 5 количественных измерений, таких, как баллы тестов в выборке из п человек. По некоторому правилу каждый член этой выборки приписывается одной, и только одной, из д подгрупп. Тогда размер выборки, суммы баллов и суммы произведений баллов для всей выборки выражаются через соответствующие статистики для подгрупп следующим образом:

л=л,+ л2+...+ пч

п ' "1 «2 "я

= + '^хчх,к +... + ^Х,/Х,к (25)

„ »1 "2 ПЧ

~ ^ХуХ1кХп + X,■,1Х1кХц +... + £хух,кх„

И т.д.

Все суммирования в (5) проводятся по индивидам. Суммирования слева проводятся по всей выборке, а справа — по членам различных подгрупп; величина Хд есть балл индивида \ по тесту и она может

быть дана в единицах стандартного отклонения или в каких-либо других единицах. То же самое относится и к Х;к, Хл и т. д.

Вид различных регрессий на рис.7, такой, как следовало ожидать в предположении от относительной трудности тестов. Простые тесты (1 и 2) являются различающими на нижнем конце латентного континуума. Сложные тесты (4 и 5) - на верхнем конце. Тест (3) средней трудности - на всем континууме (табл.3.).

Таблица 3.

Решение латентного профиля для гипотетического примера трех

классов

Номер Латентный класс

теста I II III

Средние 1 -1,50 0,50 0,50

по 2 -1,50 0,50 0,50

классам 3 -1,00 0,00 1,00

4 -0,50 -0,50 1,50

5 -0,50 -0,50 1,50

Размеры класса 0,25 0,50 0,25

у

Рис. 7. Линия регрессии тестов на латентном континууме для гипотетического случая двух классов

Далее в диссертации строится модель построения вычислительного процесса, имитирующего совокупность параллельных процессов научения и тестового контроля (рис.8.). На основе процессного описания получаем, что если заданы два элементарных оператора Л/ и Ьк одного процесса 2', причем Л/->Л*, (Ьк сцеплен с Л/.), и если /7/->Л*г, то: а) б) первым должен вычисляться оператор Л,. Для обобщенного состояния процесса в диссертации рассмотрены четыре типовых случая:

а) моделируется один процесс причем его операторы не сцеплены между собой.

б) моделируется процесс 7.\ без ограничения на сцепленность элементарных операторов;

в) моделируются два процесса и 12, при этом эти процессы не сцеплены между собой;

г) моделируются два сцепленных процесса и Т2

Процесс научения - Z,

(Т

хтт

К >■' 1

t ,1 -i. [/ V, Л (/ V

«4 V 1 ' .ао. • v«s. Т

i /1М г1

ЧЧЧЧЧЧЦЦ '.о Процесс тестирования - Z2

Рис.8. Сцепление процессов научения и тестирования

В результате предложен следующий алгоритм определения

порядка вычисления элементарных операторов для совокупности параллельных сцепленных процессов.

Пусть заданы треки процессов Zi (/' = 1 ,п): ){/?}},для всех i.

Пусть текущее значение времени равно t и все элементарные операторы hj , у которых Ъ <t, вычислены. Для всех hij , имеющих ti=t и обладающих условным временным оператором (hj)', определим

для каждого очередной момент времени tij+1 сцепления инициатора по своему треку, задаваемый этим временным оператором. Получим множество {fj+1}, которое представляет активное временное множество.

Для практической реализации процедур тестового контроля в диссертации была разработана методика, в которой предусмотрена классификация 100 вопросов аттестационной процедуры по следующим группам сложности и видам: 3 группы сложности (базовые вопросы, вопросы повышенной трудности, трудные вопросы); 2 вида вопросов (теоретические, практические).

Предварительная количественная оценка результатов экзамена: 1. Расчет «сырого» балла по темам проводился по формуле:

ЗУН тс = [(й* * к,): ЗУН ттахс] * 100 (26)

где qi - количество правильных 1 - х ответов по т- му подразделу, шт.; т=1 ... 21; к,- коэффициент значимости I -го вопроса; ЗУНТ тахс -максимально возможное значение «сырого» балла, получаемого при условии правильного ответа на все вопросы т- го подраздела. Коэффициенты значимости по вопросам установлены в зависимости от группы сложности следующим образом: базовый вопрос (0,8), вопрос повышенной трудности (1,0), трудный вопрос (1,4)

2. Расчет «сырого» балла по блокам ЗУН бс = Е ЗУН тс, 6=1 ...6.

3. Расчет итогового «сырого» балла ЗУН ис= 2 ЗУН 6С

Окончательный балл рассчитывался с учетом условий проведения экзамена работников (необходимости адаптации). Для расчета окончательных баллов соответствующие «сырые» баллы корректировались на повышающий коэффициент К=1,2. Максимальное значение окончательного балла должно быть равно 100. Перечень этапов и основные результаты по ним представлены ниже в табл.4.

Таблица 4.

Этапы и основные результаты оценки уровня профессиональных

знаний и навыков

№ пп Наименование этапа Основные результаты

1. Обработка результатов ответа работников Определение количества правильных ответов. Создание базы данных для проведения количественного и качественного анализа

2. Классификация вопросов Присвоение каждому вопросу коэффициента значимости. Отнесение вопросов к теоретическому или практическому виду

3. Предварительная количественная оценка уровня ЗУНов Расчет «сырых» баллов по 21 подразделу, 6 отдельным блокам, финансово-экономическому блоку в целом и итогового балла

4. Окончательная оценка уровня ЗУНов с учетом условий экзамена (необходимости адаптации) Расчет окончательных баллов по 21 подразделу, 6 отдельным блокам, финансово-экономическому блоку в целом и итогового балла

5. Проведение качественного анализа по результатам ответов на теоретические и практические вопросы Оценка соотношения теоретической и практической подготовки специалиста по подразделам и блокам.

Уровень практических навыков работников определялся как среднеарифметическая величина трех оценок (средняя экспертная оценка): самооценки работниками имеющегося у них уровня практических навыков; оценка уровня практических навыков работника 1-м экспертом; оценка уровня практических навыков работника 2-м экспертом.

Интегральная оценка системных профессиональных знаний и практических навыков проводилась на основании средней экспертной оценки и результатов экзамена.

Уровень* системных профессиональных знаний и практических навыков определялся как среднеарифметическая величина трех оценок: оценки результатов экзамена (окончательная оценка уровня знаний); самооценки работниками имеющегося у них уровня практических навыков; оценка уровня практических навыков работника двумя экспертами.

В четвертой главе диссертации разработаны методы и алгоритмы оптимизации формирования учебных планов с учетом моделей научения-забывания. На основании полученных функций научения и забывания каждого терма, в работе вводится критерий эффективности учебного плана:

где Р)(7) - значение функции научения ¡-го терма на момент завершения изучения всех модулей (рис.9.).

Основой формирования интегрального критерия является свертка всех функций по группам классифицирующих признаков принадлежности модуля некоторому направлению переподготовки повышения квалификации или аттестации. Каждому направлению присваиваются весовые коэффициенты, которые переносятся на все термы направления.

Для предложенных графов связности в диссертации разработаны критерии, позволяющие оценить качество структуризации учебного курса для построения на его основе индивидуальных траекторий обучения:

1. Среднее взвешенное количество понятий (с) в модулях. 1<1=-^1..п(а*1свх+1]свыХ)/п, где коэффициент ае[0.. 1], п - количество модулей (вершин) в графе.

VI Г|(7)->/пах,

(27)

Рис.9. Объединение нагрузок по всем учебным модулям

2. Средняя высота графа связности понятий модуля в ярусно-параллельной форме (ЯПФ) k2=£i..nh/ri, где hi - высота графа связности /-го модуля, представленного в ЯПФ.

3. Среднее количество понятий, необходимых для изучения данного понятия /f3=2;=i..mc//c, где Сц - понятие, необходимое для изучения /-го понятия, С - количество понятий во всех модулях.

4.Число вершинной связности графа (min количество модулей, без которых граф станет несвязным) k4=min(maxFlow). Значение критерия вычисляется по алгоритму Эдмондса-Карпа о нахождении max потока.

5. Диаметр графа (max длина траектории обучения) k5=max(max(lij)), где /,у - кратчайшее расстояние от /-ой вершины (модуля) до /- ой.

6. Реберная плотность графа (относительно полносвязного графа). кв=2*г/(п(п-1)), где г - количество ребер (связей). Зависимость получена из соотношения количества ребер в полносвязном графе от количества вершни: г=п(п-1)/2.

7. Средняя кратность дуг (количество связанных понятий) к7=с/г, где С - количество понятий во всех модулях.

8. Количество кратных понятий. Определяет количество траекторий обучения k8=max(Zij(Ci=Cj)).

Статистическое моделирование набора случайных графов в пакете Mathcad показало, что значения критериев, наиболее близкие к оптимальным значениям, достигаются при следующих параметрах:

• количество ребер г = 2/3*n* (1-(п-13)/п);

• max нагруженность ребер тах(г/с)=2.

На рис.10, представлен график, полученный на основании моделирования зависимости критериев от количества модулей в графе связности при оптимальных значениях остальных параметров.

Рис.10. Оценка критериев в зависимости от количества модулей

Как видно из графика значения к1, к2, к3 и к7 остаются оптимальными при любом количестве модулей и практически не изменяются при 20 и более модулях. Значения к4 и кв уменьшаются при увеличении количества модулей, что естественно, так как иначе бы в каждом модуле было бы слишком много понятий. Критерий к5 увеличивается при увеличении количества модулей, но он не должен превышать количества часов отведенных на курс, разбитых на модули.

Проведение многокритериальной оптимизации набора случайных графов с заданными параметрами в пакете МаШсас! позволило сделать следующий вывод: граф связности модулей, наиболее приближенный к оптимальным значениям критериев его оценки, должен иметь ребра, нагруженностью не более 2, и содержать в среднем 6,5 выходных понятий в каждом модуле.

Решение будет эффективным, если не существует решения ХеР, для которого q¡(X)>q¡(X*) ¡=1..к и значение хотя бы одного критерия лучше. Совокупность всех возможных эффективных решений X* образует множество Парето. Удовлетворительными решениями X* являются допустимые решения (ХеБ), которые по всем критериям не хуже заданных пороговых значений качества, но они не всегда являются эффективными. Формальным решением задачи является множество Парето Р. Для выбора наиболее предпочтительного решения X** необходимо получение и обработка дополнительной информации, которой располагает лицо, принимающее решение (ЛПР). При использовании адаптивного подхода процедура решения задач оптимизации представляет собой последовательное уточнение наиболее предпочтительного решения X** путем перехода от одной альтернативы Х**еР с учетом информации получаемой от ЛПР. Схематически процесс поиска решения X** можно представить в следующем виде:

'1 '2 '/-1 '/ '«-1 /0 0\

Х*1,0*1->Х*2,0*2->...^Х*„0*,^...->Х*м,0*л/ (28)

где Х*л,=Х**, 0*г0*(Х*!)=ШХ*д.....я^Х*,)) 1=1.Ж

В диссертации предлагается использовать одношаговые и многошаговые процедуры многокритериальной оптимизации. В одношаговых процедурах ЛПР необходимую информацию для

осуществления перехода X *, X *+1 может представить в одном сеансе диалога, в многошаговых процедурах - в нескольких сеансах.

В общем случае в программный комплекс включен ряд известных методов решения многокритериальных задач, а именно: метод справедливого компромисса; принцип слабой оптимальности по Парето; метод весовых множителей; метод приближения к идеальному решению; метод последовательных уступок и другие.

На основе предложенных методов формирования учебных планов, предложена методика переподготовки и аттестации

персонала промышленных предприятий, включающая этапы входного контроля, непосредственно обучения и выходного контроля.

Введены операции последовательной реализации учебных элементов «•», параллельной «®» и обратной связи «F», что позволяет реализовать все приведенные этапы на основе единого универсального механизма.

На первом этапе сотруднику предоставляется возможность просмотра краткого содержания, отражающего специфику новых должностных обязанностей. В профессиограмме превалируют параллельные несвязные последовательности учебных модулей и тестов, объединенных в блоки ((Ui*Ti)®(U2*T2)(B... ®(l/n*7"n)). В результате сотрудник выбирает определенное направление переподготовки.

Входное тестирование осуществляется на основании предъявления тестовых заданий по всем учебным модулям. Во входном контроле основной задачей является выявление уровня знаний по всем модулям выбранной специальности, т.е. определение F(7"i©72®... ©Гп). Использование разработанных методов позволяет сформировать программу на основании результатов входного контроля.

Третий этап представляет непосредственно обучение, которое заканчивается после изучения всех модулей, закрепляющих теоретические знания и практические навыки выбранного направления переподготовки. Процесс обучения определяется жестким треком последовательного соединения модулей и тестов

Выходной контроль является четвертым этапом, который представляет единый гетерогенный тест F(7).

Использование приведенных операций позволяет формализовать описание программ обучения. Так, профессиограмма предполагает возможность каскадного соединения модулей с тестом и последующим параллельным соединением таких структур:

FttUThMUz.h)®... ®(Un.Tn)), (29)

Жесткий трек определяется как каскадное соединение:

и^Т:»и2»Т2»и3»иА*... «Гп, (30)

Подобным образом можно организовать различные механизмы реализации программ переподготовки.

Для проведения анализа зависимости прохождения квалификации и уровня знаний и навыков сотрудников ООО «Спецстройбетон» и дочерних обществ из общего числа сотрудников (307 исследуемых) было выделено две выборки: работники, прошедшие повышение квалификации в период с 2010 по 2012гг.; работники, не проходившие повышение квалификации за указанный период.

"'■■ 29

Для проведения исследования были выделены следующие основные направления повышения квалификации: бухгалтерский учет и аудит; экономика; управление финансами; организационные основы финансово-экономического управления; информационные технологии; другие направления.

Общая численность работников, прошедших повышение квалификации - 179 человек, что составляет 59% от общего количества сотрудников ОАО «ТНК», принимавших участие в исследовании.

128 работников (41%) не проходили повышение квалификации за указанный период. Количественное распределение работников по направлениям повышения квалификации представлено на рис.11.

Из числа сотрудников, проходивших повышение квалификации, основная доля приходится на направление «Бухгалтерский учет и аудит» - 75 человек, что составляет 24% от общего объема данной выборки. Следующими по численности направлениями повышения квалификации являются «Управление финансами» и «Экономика» (12% и 11% от общего объема данной выборки соответственно).

Направления «Информационные технологии» и «Организационные основы финансово-экономического управления» представлены наименьшим количеством обучавшихся работников и составляют соответственно 3% (8 человек) и 5% (14 человек) от общей численности работников, вошедших в данную выборку. 12 работников прошли повышение квалификации в сфере других областей знаний. Их доля также незначительна и в сумме составляет 4%.

Рис.11. Количественное распределение работников по направлениям повышения квалификации Процентное соотношение работников по направлениям повышения квалификации представлено на рис.12.

В целом, по результатам экзамена наибольшее среднее количество баллов, набранное сотрудниками, прошедшими повышение квалификации, приходится на блок «Организационные основы финансово-экономического управления» (средний балл 60,5), но указанная группа также показала в целом самый низкий уровень

знаний по финансово-экономическому блоку в рамках своей выборки. Общий уровень знаний и навыков по результатам экзамена представлен на рис.13.

5% 3% 4%

ПНе повышали ■ Бух. учет

□ Экономика □ Упр. финансами

И Орг. основы ФЭУ И Информ. Технологии

ЕЗДругое

Рис.12.

Процентное соотношение работников по направлениям повышения квалификации

Ш повышали квалификацию

П не повышали квалификацию

Блок 1 Блок 2 Блок 3 Блок 4 Блок 5 Блок 6 ФЭБ

Рис.13.

Общий уровень знаний и навыков работников, прошедших повышение квалификации, по результатам аттестации

Также следует принять во внимание, что по данному блоку набрано максимальное количество баллов и сотрудниками, не проходящими повышение квалификации (средний балл 59,1). Результаты проведенного парного двухвыборочного 1-теста Стьюдента также подтверждают небольшое различие между средним количеством баллов, набранных сотрудниками, прошедшими повышение квалификации, и средним баллом, набранным сотрудниками, не проходящими повышение квалификации за исследуемый период. Значение совокупной дисперсии составляет 0,5, что является свидетельством несущественного различия средних для двух выборок данных - соответственно прошедших и не проходивших повышение квалификации.

В пятой главе диссертации разработана структура программных приложений формирования учебных планов, тестовых заданий, результатов ответов тестируемых и др.

Программные приложения реализованы по фреймовой технологии, что позволяет создавать произвольную конфигурацию функционала пользовательских приложений.

Для работы с базой данных автором предложен удобный пользовательский интерфейс. В систему включены разработанные в диссертации моделирующие функции. Таким образом, методисты кроме информационной поддержки получают возможность оценки эффективности разработанного учебного плана с учетом индивидуальных свойств обучаемых различных возрастных категорий и с различным начальным уровнем знаний. Система имеет возможность генерации отчетов. Разработаны различные механизмы связывания входных и выходных термов.

Основная идея создания базы данных заключалась в инвариантности управления, т.е. редактирование базы может быть реализовано как с помощью обычного пользовательского интерфейса, так и на основании включения алгоритмов автоматического редактирования на основе собранной в результате процесса подготовки статистики.

Рис. 14 Структура программных приложений

Подсистема «Администратор учебного плана», объединяет все учебные курсы в единое информационное пространство и обеспечивает структуризацию учебных материалов с возможностью формирования логической взаимосвязи модулей за счет их согласования по входным и выходным термам.

Особенностью программной реализации данного приложения является насыщенность экранных форм (дисциплин, модулей и т.д.), позволяющая оперативно оценивать текущее качество подготовки учебных материалов. На рис.15, показана 11М1_ - диаграмма процесса сборки курсов и их включением в учебный план. Представленная модель построена по принципу вход-выход с возможностью преобразования пользовательского функционала.

Рис. 15.

Импорт ФГОС "

Импорт термов в

Добавление новых термов в • словарь для определения компетенции, при анализе терм-связности приведет к выпаданию добавленных термов. И не полному покрытию ФГОС-а учебным планом

К

4х. термэв в мэдули

Формирование

Экспорт курса

При добавление вых. термов в модуль ' -

дисциплины, возникает не соответствие лок. курса с курсом импортированного в учебный план

иМЬдиаграмма учебного плана

сценария подготовки терм-связного

Помимо формирования учебного плана, ряд программных приложений интегрированной среды направлен на формирование тестов.

Схема подготовки отчетов по квалификационным показателям представлена на рисунке 16,

Результаты

Программа | пересылки | данных I

Конструктор отчетое

Презентам

Конструктор Отчет "Р636"13"^1

Руководство ' С8АРЗ

Проигрыватель

1

Коышларии

Рис. 16. Технология подготовки отчетов по аттестационным показателям

При разработке данной технологии подготовки отчетных материалов учтена возможность организации обратной связи. Аналитический отдел реализует обработку и формирует отчет для руководства своего подразделения, после просмотра которого, и внесения соответствующих правок руководством, он редактируется и затем выставляется на сайт.

При разработке системы передачи и сбора отчетных материалов были выделены структуры данных, обработка и визуализация которых представляет особый интерес. При этом учитывается, что на предприятиях сложилась определенная технология сбора и хранения данных. Для реализации механизмов обработки данные приводятся к определенному виду, согласованному со структурами данных пакета 81аШгса. При организации оперативной обработки и агрегирования данных используется система программных конверторов, которые фильтруют данные и приводят их к выбранному формату.

Для просмотра информации о каком-либо из термов, его необходимо выбрать на основании соответствующей функции. Затем выбрав функции «Определение», «Ссылки на дисциплины» и «Диаграмма забываемости» на панели откроется доступ для просмотра определения терма и его связности с другими дисциплинами соответственно. В результате имеется возможность

построения соответствующей функции научениг-забывания для каждого терма на за весь период обучения (рис.17.).

лен

'in* lif ^"jpj

История

;Философия : Иностранный язык Физическая культура I Культурология :Правоведение | Социология IЭкономическая теория Высшая математика ! Физика

;Химия : Экология Информатика

Технология программирования ; Управление цепями поставок :Педагогическая психология :Теория принятия решений ! Операционные системы : Моделирование систем ! Схемотехника Организация ЭВМ и систем ;Компьютерная графика Электротехника и электроника Теория автоматического управления Безопасность жизнедеятельности Базы и банки даннь&с ; Информационные технологии ; Системы искусственного интеллекта

ЩПои.

Фипьтры

Входные термы:

{Нулевой рейс 'О""

Нагон

Местные перевозки Маршрутная сеть города Конечная станция Корреспонденция населения

_ "

II Выходные термы:

Несчастный случай на произвс * Недовыпуск из парка fnit^ Машинное расписание

? Лицензируемый виддеятельнс с I Лицензируемый вид деятельней Лазерный принтер (Laser printe ; ШЩ Конечная станция ж [Байт (byte) ............b - ' ..............

габываеыост и

_|

: г Lv! д r±::i к

А А-. л

rrf \\ \

Ч i IV ^ ..... V; ' й I: i:

20 30 40 50 60 70 80 90 100 110 1 20 1 30 140 1 50 1 60 1 70

Рис. 17. Окно построения функции забывания

К основным функциям формы можно отнести:

«Перенос терма вправо» - перенос выбранного (активного) терма в списке «Входные термы» в список «Выходные термы».

«Перенос терма влево» - перенос выбранного (активного) терма в списке «Выходные термы» в список «Входные термы».

«Изменить терм» - для изменения названия терма или его определения необходимо открыть панель «Определение», внести требуемые изменения, после чего активизировать функцию «изменить терм» для обновления полей базы данных.

«Удалить терм» - удаляет привязку терма к модулю. В общем списке термов удаленный терм остается.

Данные о повышении (понижении) уровня знаний и навыков по результатам экзамена после прохождения повышения квалификации представлены в табл.5.

Для получения более достоверного заключения о характере зависимости уровня знаний и прохождения квалификации необходимо провести анализ степени влияния результатов повышения квалификации по конкретным направлениям на соответствующий блок знаний.

Результаты проведенного двухвыборочного ^теста Стьюдента выявили небольшое различие между средним количеством баллов, набранных сотрудниками, прошедшими повышение квалификации, и средним баллом, набранным сотрудниками, не проходящими повышение квалификации за исследуемый период. Значение совокупной дисперсии составляет 0,4, что является свидетельством несущественного различия средних для двух выборок данных -соответственно прошедших и не проходивших повышение квалификации в пользу последних.

Таблица 5.

Данные о повышении (понижении) уровня знаний и навыков

Блоки знаний Управление финансами Эконо мика Бухгалтерский учет и аудит Юридические основы Организационные основы Информа ционные технолог ии

Номер блока 1 2 3 4 5 6

Процент повышения 1,8% 20% 3,5% 2,4% 10,6%

Процент понижения 1,14%

Подобный характер зависимости уровня знаний от прохождения повышения квалификации может объясняться двумя фактами. Во-первых, наиболее вероятно, что уровень знаний тех сотрудников, которые не проходили повышения квалификации по данному направлению был изначально выше, чем у обучавшихся. Во-вторых, возможно, что для проведения повышения квалификации была выбрана не соответствующая форма обучения или программа обучения носила скорее узкопрофильный (узкопрофессиональный) характер и результаты данного обучения были не выявлены в ходе экзамена. Также можно предположить, что целью повышения квалификации по дисциплине «Информационные технологии» было овладение конкретными, необходимыми для выполнения соответствующих операций практическими навыками, и в меньшей степени внимание уделялось вопросам теоретических основ данной дисциплины.

В заключении представлены основные результаты работы.

Приложение содержит документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликовано 47 печатных работ.

Основные выводы и результаты работы

1. Выполнен системный анализ задач оценки компетенций, которые позволяют определить основные качества персонала,

определяющие его рейтинг на основании соответствия должностным обязанностям.

2. На основе проведенного анализа моделей процессов научения и забывания знаний выполнена классификация педагогических методов подготовки и программных технологий формирования образовательного контента, которая позволила выбрать инструментальную оболочку для реализации системы управления кадровым потенциалом.

3. Проведена классификация средств переподготовки и сравнительный анализ моделей процессов научения и забывания учебной информации. Выполнен сравнительный анализ информативности моделей процессов научения и забывания информации, в результате чего предложена система функций Лагерра, которая является полной системой функций и параметризуется экспоненциальными моделями.

4. Разработана рекуррентная схема композиции моделей научения-забывания на перестановке учебных модулей, позволяющая для всех термов, входящих в цепочку предъявляемых модулей, оценить конечные характеристики усвоения материала.

5. Разработана схема кусочно-непрерывных моделей процессов научения-забывания и моделей взаимной сцепленности отдельных термов, которая позволяет систематизировать квалификационные характеристики персонала.

6. Предложена модель кластеризации показателей тестового контроля в системе аттестации персонала, которая объединяет описание процессов обучения и тестового контроля.

7. Выполнена формальная постановка задачи многокритериальной оптимизации функций научения и забывания по терм-множествам, и сформирована библиотека методов решения задач многокритериальной оптимизации в информационной среде разработки учебных планов системы переподготовки персонала.

8. Разработана программная среда консультанта, включающая функции автоматической генерации и последующего интерактивного редактирования образовательной траектории, что позволяет повысить эффективность взаимодействия консультанта с обучаемым.

9. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий, а также на кафедре «АСУ» МАДИ.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Монографии

1.Ягудаев, Г.Г. Моделирование процедур тестового контроля и обучения в системе переподготовки персонала. - М., Изд-во МАДИ, 2012.-112с.

Публикации в журналах, рекомендованных ВАК

2. Ягудаев Г.Г. Критерии выбора и принципы организации

информационной системы для автоматизации деятельности производственных предприятий / Брыль В.Н., Прядко А.Г., Ягудаев Г.Г., Бернер Л.И. // Вестник МАДИ(ГТУ) Выпуск 4 (15), декабрь 2008 - С.88-91

3. Ягудаев Г.Г. Графовая модель оценки сложности учебной информации / Пеньков В.М., Строганов Д.В., Николаева К.А., Красникова H.A., Ягудаев Г.Г. II Вестник МАДИ (ГТУ), вып. 1 (16). - М.: МАДИ (ГТУ), 2009. - С. 70-73.

4. Ягудаев Г.Г. Информационная система управления организацией, функционирующая с учетом требования развития человеческого капитала I Балыбердин Ю.А., Тармин В.А., Ягудаев Г.Г. // Вестник МАДИ (ГТУ), вып. 4 (19). - М.: МАДИ (ГТУ), 2009. - С. 65-69.

5. Ягудаев Г.Г. Математическая модель связей в системе диагностики электрооборудования автомобилей / Калухов ОФ., Остроух A.B., Солнцев A.A., Ягудаев Г.Г. // Вестник МАДИ, вып. 2 (21). -М.: МАДИ, 2010.-С. 66-71.

6. Ягудаев Г.Г. Алгоритм управляемого имитационного процесса в системах массового обслуживания / Тимофеев П.А., Ягудаев Г.Г., Горячкин Б.С., Строганов Д.В. // Прикаспийский журнал: управление и высокие технологии. № 3 (15).-Астрахань: Издательский дом, 2011,-С. 62-70.

7. Ягудаев Г.Г. Анализ характеристик гауссовских условно нестационарных процессов в задачах имитационного моделирования систем / Якунин П.В., Ягудаев Г.Г., Сатышев С.Н., Котов A.A., Жигарев Р.Г. // Прикаспийский журнал: управление и высокие технологии. № 3 (15). - Астрахань: Издательский дом, 2011. — С. 85-93.

8. Ягудаев Г.Г. Формализованное описание учебного плана / Строганов В.Ю., Рогова О.Б., Иванова J1.В., Ягудаев Г.Г. // В мире научных открытий № 9 (21). - Красноярск: НИЦ, 2011. - С. 16-28.

9. Ягудаев Г.Г. Интеллектуализация тестового контроля в системах открытого образования / Баринов К.А., Ягудаев Г.Г., Толкаев Е.Ю., Иванова Л.В. // В мире научных открытий № 9 (21). -Красноярск: НИЦ, 2011. - С. 86-93.

10. Ягудаев Г.Г. Формирование организационной структуры управления промышленным предприятием с использованием многоролевых деловых игр / Баринов К.А., Власов А.Б., Строганов В.Ю., Ягудаев Г.Г. // Наука и образование: Электронное научное издание. - М.: МГТУ им. Баумана, 2011. - С. 0-0

11. Ягудаев Г.Г. Оценка эфективности процедур адаптивного тестового контроля DOI: 10.7463/1112.0506146 / Строганов Д.В., Свободин В.Ю., Ягудаев Г.Г., Сычева Н.В. // Наука и образование: Электронное научно-техническое издание. № 11, - М.: МГТУ им. Баумана, 2012. - С. 0-0.

12. Ягудаев Г.Г. Алгоритм проектирования виртуального тренажерного комплекса для переподготовки персонала нефтехимического предприятия / Маламут А.Ю., Баринов К.А.,

Краснянский М.Н., Остроух A.B., Ягудаев Г.Г. // В мире научных открытий №2.6(26). - Красноярск: НИЦ, 2012. - С. 168-175.

13. Ягудаев Г.Г. Графовая модель показателей частных характеристик живучести сетевых информационных структур / Ягудаев Г.Г., Минин Ю.В., Елисеев А.И. // Вестник Воронежского института МВД России, №1 - Воронеж, 2013: - С. 15-21.

Публикации в других изданиях

14. Ягудаев, Г.Г. Алгоритм организации образовательной траектории / Г.Г. Ягудаев, В.В. Белоус, H.A. Красникова, К.А. Николаева // Методы прикладной информатики и коммуникационные технологии в автоматизации и управлении: сб. науч. тр. МАДИ(ГТУ).-М., 2006. -С.43-48.

15. Ягудаев, Г.Г. Сетевая вероятностная модель учебного плана / Г.Г. Ягудаев, В.В.Белоус, H.A. Красникова, КА Николаева II Методы прикладной информатики и коммуникационные технологии в автоматизции и управлении: сб. науч. тр. МАДИ (ГТУ). -М., 2006,- С. 55-67.

16. Ягудаев Г.Г. Многокритериальная постановка задачи синтеза организационной, структуры / Горячкин Б.С., Измайлова М.В., Сатышев С.Н., Ягудаев Г.Г. II Автоматизация управления в организационных системах: межвуз. сб. науч. тр. МАДИ (ГТУ). - М.: МАДИ (ГТУ), 2008. - С. 11-17.

17.Ягудаев Г.Г. Алгоритм формирования организационной структуры на основе базовой модели технологического графа операций / Борщ В.В., Кудрявцев А.Ю., Сатышев С.Н., Ягудаев Г.Г. II Автоматизация управления в организационных системах: межвуз. сб. науч. тр. МАДИ (ГТУ). - М.: МАДИ (ГТУ), 2008. - С. 45-52.

18. Ягудаев Г.Г. Модель развертки сетей Петри в сети-процессы для описания бизнес-процессов и формирования организационной структуры / Николаев А.Б., Приходько Л.В., Строганов Д.В., Ягудаев Г.Г. // Автоматизация управления в организационных системах: межвуз. сб. науч. тр. МАДИ (ГТУ). - М.: МАДИ (ГТУ), 2008. -С. 96-102.

19. Ягудаев Г.Г. Автоматизация процессов создания тестовых заданий / Белоус В.В., Ягудаев Г.Г. II Теория и практика автоматизированного управления: сб. науч. тр. МАДИ (ГТУ) № 1 (41). - М.: МАДИ (ГТУ), 2009. - С. 4-8.

20. Ягудаев Г.Г. Латентно-структурый анализ в системе оценивания квалификации персонала / Ягудаев Г.Г., Саакян И.Э. II Теория и практика автоматизированного управления: сб. науч. тр. МАДИ (ГТУ) № 1 (41). - М.: МАДИ (ГТУ), 2009. - С. 158-162.

21. Ягудаев Г.Г. Использование нечетких отображений в задачах принятия решений / Ягудаев Г.Г., Николаева К.А., Ульянова А.И., Свободин В.Ю. // Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ. - М.: МАДИ, 2009. - С. 58-63.

22.Ягудаев Г.Г. Конкурсные механизмы экспертного оценивания / Ягудаев Г.Г., Николаева К.А., Ульянова А. И. .Свободин В.Ю. // Методы управления потоками в транспортных системах: сб. науч. тр. МАДИ -М.: МАДИ, 2009. - С. 70-76.

. 23. Ягудаев, Г.Г. Метод оценки сложности учебного модуля / Г.Г.Ягудаев, В.В. Белоус, H.A. Красникова, К.А. Николаева II Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ(ГТУ) -М„ 2009.-С.32-39.

24. Ягудаев, Г.Г. Методы конструирования тестовых заданий / Г.Г.Ягудаев, В.В. Белоус, H.A. Красникова, К.А. Николаева // Методы и модели прикладной информатики: межвуз сб. науч. тр. МАДИ(ГТУ) -M., 2009.-С.26-31.

25. Ягудаев Г.Г. Модели формирования ситуационных сетей управления / Ягудаев Г.Г., Иванова Л.В., Строганов Д.В., Павлова Е.К. II Модели и методы управления сложными техническими системами: сб. науч. тр. МАДИ. - М.: МАДИ, 2010. - С. 74-79.

26. Ягудаев Г.Г. Разработка динамической трансформационной модели поведения руководителя в условиях неопределенности / Ягудаев Г.Г., Иванова Л.В., Строганов Д.В., Николаев А.Б. // Модели и методы управления сложными техническими системами' сб науч тр МАДИ. - М.: МАДИ, 2010. - С. 79-86.

27. Ягудаев Г.Г. "Интеграция приложений в системе «COTA» / Ягудаев Г.Г., Карташев М.И. // Методы описания и моделирования бизнес-процессов и технологий в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 3/47. - М.: МАДИ 2010 - С 97-104.

28. Ягудаев Г.Г. Параметрическая оптимизация систем распределенной обработки данных / Николаев А.Б., Ягудаев Г.Г., Ульянова А.И. // Методы описания и моделирования бизнес-процессов и технологий в промышленности, строительстве и образовании: сб. науч. тр. МАДИ № 3/47. - М.: МАДИ 2010 - С 122-125.

29. Ягудаев Г.Г. Использование нечетких множеств при определении количественных оценок связности учебного материала / Николаев А.Б., Ягудаев Г.Г., Карташев М.И., Ульянова А.И., Свободин

B.Ю. // Интерактивные технологии моделирования и управления: сб. науч. тр. МАДИ № 2/46. - М.: МАДИ, 2010. - С. 128-134.

30. Ягудаев Г.Г. Модели функционирования распределенной системы подготовки персонала / Ягудаев Г.Г. // Интерактивные технологии моделирования и управления: сб. науч. тр. МАДИ № 2/46 - М.: МАДИ, 2010. - С. 180-185.

31. Ягудаев Г.Г. Относительное и абсолютное тестирование уровня знаний персонала предприятий / Брыль В.Н., Горячкин Б.С., Строганов Д.В., Приходько Л.В., Ягудаев Г.Г. II Автоматизация систем управления персоналом: сб. науч. тр. МАДИ. - М.: МАДИ 2011 -

C.24-29.

32.Ягудаев Г.Г. Взаимосвязь методов и моделей системы переподготовки персонала / Николаев А.Б., Приходько Л.В., Строганов Д.В., Толкаев Е.Ю., Ягудаев Г.Г. // Автоматизация систем, управления персоналом: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. - С. 45-52.

33.Ягудаев Г.Г. Методика подготовки персона предприятий, «Мосгортранс» с использованием индивидуальной образовательной траектории / Краснов Ю.А., Приходько Л.В., Рогов В.Р., Строганов Д.В., Ягудаев Г.Г. // Автоматизация систем управления персоналом: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. - С. 52-57.

34. Ягудаев Г.Г. Методы шкалирования при оценке уровня знаний персонала предприятий / Горячкин Б.С., Катырин С.Н., Строганов Д.В., Приходько Л.В., Ягудаев Г.Г. // Автоматизация систем управления персоналом: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. - С. 68-74.

35. Ягудаев Г.Г. Модель поведения руководителя в условиях неопределенности / Горячкин Б.С., Краснов Ю.А., Приходько М.В., Солнцев A.A., Ягудаев Г.Г. // Автоматизация систем поддержки управленческой деятельности: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. -С. 65-71.

36. Ягудаев Г.Г. Разработка моделей анализа и формирования ресурсного обеспечения решения управленческих задач / Кудрявцев А.Ю., Приходько Л.В., Сатышев С.Н., Ягудаев Г.Г. // Автоматизация систем поддержки управленческой деятельности: сб. науч. тр. МАДИ. -М.: МАДИ, 2011.-С. 71-77.

37. Ягудаев Г.Г. Семантическое моделирование данных в системах поддержки управленческой деятельностью / Карасев A.A., Карташев М.И., Тимофеев П.А., Ягудаев Г.Г. II Автоматизация систем поддержки управленческой деятельности: сб. науч. тр. МАДИ. - М.: МАДИ, 2011.-С. 77-81.

38. Ягудаев Г.Г. Методика расчета экономической эффективности инновационных проектов с учетом фактора риска / Батов Р.В., Васильев Д.А., Карташев М.И., Катырин С.Н., Ягудаев Г.Г. // Автоматизация и управление: стратегия, инвестиции, инновации, сб. науч. тр. МАДИ. - М.: Техполиграфцентр, 2011. - С. 36-41.

39. Ягудаев Г.Г. Модель сравнительного анализа эффективности управленческих решений данных на основе интегральных показателей / Краснов Ю.А., Кудрявцев А.Ю., Приходько Л.В., Приходько М.В., Ягудаев Г.Г. // Автоматизация и управление: стратегия, инвестиции, инновации, сб. науч. тр. МАДИ. - М.: Техполиграфцентр, 2011. - С. 41-48.

40. Ягудаев Г.Г. Сценарий системы поддержки принятия решений и концепция создания ситуационного центра / Горячкин Б.С., Приходько Л.В., Соколов Н.К., Строганов Д.В., Ягудаев Г.Г. // Автоматизация и управление: стратегия, инвестиции, инновации, сб. науч. тр. МАДИ. - М.: Техполиграфцентр, 2011. - С. 71-75.

41. Ягудаев Г.Г. Анализ и выбор механизмов и моделей

управления персоналом / Жажа Е.Ю., Суэтина ТА, Ягудаев Г.Г. //Методы и модели автоматизации поддержки управленческих решений: сб. науч. тр. МАДИ.-М.: МАДИ, 2011. - С. 4-14.

42. Ягудаев Г.Г. Анализ моделей научения и забывания учебной информации в системе подготовке персонала промышленных предприятий / Жажа Е.Ю., Суэтина Т.А., Ягудаев Г.Г. II Методы и модели автоматизации поддержки управленческих решений: сб. науч. тр. МАДИ.-М.: МАДИ, 2011,-С. 15-21.

43. Ягудаев Г.Г. Процессно-ориентированный подход к моделированию функций научения-забывания учебной информации / Ягудаев Г.Г. //Методы и модели автоматизации поддержки управленческих решений: сб. науч. тр. МАДИ. - М.: МАДИ, 2011. - С 22-29

44. Ягудаев Г.Г. Использование языка визуального моделирования для представления статических диаграмм структуры классов имитационной модели / Брыль В.Н., Васильев Д.А., Приходько Л.В., Сокол A.A., Ягудаев Г.Г. // Имитационное моделирование систем управления. - М.: МАДИ, 2012. - С. 32-36.

45. Ягудаев Г.Г. Модели агрегирования оценочных показателей в системе аттестации персонала промышленных предприятий / Суэтина Т.А., Ягудаев Г.Г., Жажа Е.Ю. //Автоматизация и управление в технических системах. - 2012. - № 1; URL: auts.esrae.ru/1-47 (дата обращения 26.12.2012).

46. Ягудаев Г.Г. Обоснование использования функций Лагерра в задачах моделирования процессов научения-забывания // Автоматизация и управление в технических системах. - 2013. - № 1(3); URL: auts.esrae.ru/3-67 (дата обращения: 26.03.2013).

47. Ягудаев Г.Г. Модели взаимной сцепленности процессов научения-забывания в системе переподготовки персонала // Электронное обучение и дистанционные образовательные технологии. - 2013. - № 1; URL: eodot.esrae.ru/1-7 (дата обращения: 26.03.2013).

Подписано в печать: 25.04.2013 Тираж: 100 экз. Заказ №978 Отпечатано в типографии «Реглет» г. Москва, Ленинградский проспект д.74 (495)790-47-77 www.reglet.ru

МОСКОВСКИЙ АВТОМОБИЛЬНО-ДОРОЖНЫЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ (МАДИ)

05201350533

ЯГУДАЕВ ГЕННАДИЙ ГРИГОРЬЕВИЧ

ПРОЦЕССНО-ОРИЕНТИРОВАННАЯ КОНЦЕПЦИЯ УПРАВЛЕНИЯ КАДРОВЫМ ПОТЕНЦИАЛОМ В СИСТЕМЕ ПЕРЕПОДГОТОВКИ ПЕРСОНАЛА ПРЕДПРИЯТИЙ ПРОМЫШЛЕННОСТИ И ТРАНСПОРТНОГО КОМПЛЕКСА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

Диссертация на соискание ученой степени доктора технических наук

Москва-2013

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.........................................................................................................5

1. СИСТЕМНЫЙ АНАЛИЗ ЗАДАЧ УПРАВЛЕНИЯ КАДРОВЫМ ПОТЕНЦИАЛОМ ПРЕДПРИЯТИЙ ПРОМЫШЛЕННОСТИ И ТРАНСПОРТНОГО КОМПЛЕКСА..............................................................15

1.1. Проблемы кадрового обеспечения промышленных предприятий.................................15

1.1.1. Методы и формы управления обучением....................................................................15

1.1.2. Характеристические свойства личности обучаемого..................................................19

1.1.3. Роль консультанта в системе аттестации и подготовки кадров..................................24

1.2. Анализ педагогических принципов формирования системы подготовки кадров.........27

1.2.1. Педагогическое проектирование системы подготовки кадров...................................27

1.2.2. Дидактические принципы системы аттестации и подготовки кадров........................29

1.2.3. Принцип модульности и соотношение материала и диалога......................................31

1.2.4. Организация методической работы в системе подготовки кадров.............................33

1.2.5. Критерии эффективности процесса обучения.............................................................34

1.2.6. Педагогические принципы построения процедур контроля.......................................38

1.2.7. Функции и методы диагностики..................................................................................42

1.2.8. Методические правила проектирования тестовых заданий........................................45

1.2.9. Формы тестовых заданий.............................................................................................46

1.2.10. Принципы построения шкал в задачах тестового контроля......................................47

1.2.11. Формализованные модели классификации обученности..........................................49

1.3. Математические моделирование компонентов системы аттестации и подготовки кадров......................................................................................................................................51

1.3.1. Анализ моделей научения и функций забывания информации при организации учебного процесса..................................................................................................................52

1.3.2. Модели оценки сложности учебной информации.......................................................59

1.3.3. Математическое моделирование процедур тестового контроля.................................64

Основные принципы классической теории тестового контроля..........................................64

Формальные модели ЖТ-теории тестового контроля..........................................................66

1.3.4. Моделирование совместного процесса обучения и тестирования..............................72

1.3.5. Графовое представление связности учебных материалов...........................................74

1.4. Этапы проектирования и жизненного цикла электронных образовательных ресурсов 79 Выводы по главе 1..................................................................................................................89

2. РАЗРАБОТКА ИНФОРМАЦИОННЫХ МОДЕЛЕЙ НАУЧЕНИЯ И ЗАБЫВАНИЯ ИНФОРМАЦИИ В СИСТЕМЕ ПОДГОТОВКИ КАДРОВ.............................................................................................................91

2.1. Модели оценки сложности учебных материалов...........................................................91

2.2. Формализованное представление компонентов учебного плана...................................98

2.2.1. Принципы структуризации учебного материала.........................................................98

2.2.2. Модуль как неделимая логическая единица учебной информации..........................100

2.2.3. Формализованное описание входных и выходных термов.......................................104

2.2.4. Терм-анализ связности учебного материала..............................................................105

2.3. Алгоритм зонной структуризации учебно-методических материалов........................108

2.4. Моделирование процесса восприятия и забывания информации................................115

2.4.1. Особенности усвоения и запоминания учебного материала.....................................115

2.4.2. Классификация забывания процессов по виду тренда..............................................119

2.4.3. Анализ моделей авторегрессии..................................................................................120

2.4.4. Анализ гауссовских условно-нестационарных процессов........................................123

2.5. Имитационная модель процесса восприятия терм-множества учебного плана..........131

2.5.1. Сетевая модель учебного плана.................................................................................132

2.5.2. Операции над функциями принадлежности..............................................................140

2.5.3. Кусочно-экспоненциальная аппроксимация функции забывания термов..............142

2.5.4. Модель преобразования уровня усвоения термов.....................................................148

2.5.5. Нечеткая модель восприятия учебной информации..................................................149

2.5.6. Моделирование информационной компоненты системы обучения.........................151

2.6. Формирование критериев оптимизации образовательной траектории.......................154

Выводы по главе 2................................................................................................................159

3. ПОСТРОЕНИЕ МОДЕЛЕЙ КЛАССИФИКАЦИОННЫХ ХАРАКТЕРИСТИК И ОЦЕНОЧНЫХ ШКАЛ СИСТЕМЫ ТЕСТОВОГО КОНТРОЛЯ.....................................................................................................161

3.1. Модель дифференцированной оценки сложности тестового задания.........................162

3.1.1. Параметризация логистических моделей Раша и Бирнбаума...................................164

3.1.2. Формирование матрицы ответов и первичных баллов..............................................167

3.1.3. Формирование достаточных статистик оценки уровня знаний................................176

3.1.4. Редукция матрицы ответов.........................................................................................178

3.2. Разработка моделей преобразования бальных шкал....................................................181

3.3. Модель латентно-структурного анализа в системе тестового контроля.....................184

3.3.1. Линейные уравнения ректутирования для количественных переменных..............188

3.3.2. Оценки тестов на основе латентно-профильного анализа........................................189

3.4. Частные случаи латентно-профильного анализа..........................................................195

3.4.1. Пример результатов разбиения для двух классов......................................................196

3.4.2. Пример латентного профиля для трех классов..........................................................202

3.5. Разработка методов представление результатов аттестации......................................209

3.6. Анализ результатов аттестации по возрастным группам сотрудников.......................216

3.6.1. Анализ зависимости по финансово-экономическому блоку.....................................216

3.6.2. Анализ зависимости между результатами аттестации и возрастными категориями

сотрудников по блокам........................................................................................................225

Выводы по главе 3................................................................................................................231

4. РАЗРАБОТКА МЕТОДОВ И МОДЕЛЕЙ ОПТИМИЗАЦИИ УЧЕБНЫХ ПЛАНОВ....................................................................................233

4.1. Формализованное представление учебного процесса..................................................233

4.2. Разработка моделей взаимодействия компонентов системы переподготовки............239

4.2.1. Классификация пользователей...................................................................................239

4.2.2. Формирование системы приложений системы индивидуализации обучения..........242

4.3. Алгоритм формирования учебной программы на основе композиции.......................246

4.3.1. Формирование количественной меры связности модулей........................................248

4.3.2. Отношение связности тестовых заданий и модулей.................................................249

4.3.3. Композиция отношений связности модулей..............................................................252

4.4. Разработка оптимизационного алгоритма динамической корректировки индивидуального учебного плана........................................................................................255

4.5. Методика организации системы подготовки и переподготовки..................................260

Выводы по главе 4................................................................................................................266

5. ПРОГРАММНО-МОДЕЛИРУЮЩИЙ КОМПЛЕКС ФОРМИРОВАНИЯ УЧЕБНЫХ ПЛАНОВ И ПРОГРАММ В СИСТЕМЕ ПОДГОТОВКИ ПЕРСОНАЛА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ.............................................................................................267

5.1. Структура инструментальных средств интеграции приложений создания обучающих программ и учебных планов................................................................................................269

5.2. Формальная модель декомпозиции функционала инструментальных средств интеграции приложений.......................................................................................................273

5.3. Процессная концепция взаимодействия пользователей с программными приложениями......................................................................................................................276

5.4. Моделирование интеграции приложений на основе развертки сетей Петри в сети-процессы ...............................................................................................................................280

5.5. Разработка механизмов связывания модулей на основе модели интеграции данных 286

5.6. Разработка интерфейсных взаимодействий с компонентами инструментальных сред формирования мультимедийных курсов.............................................................................292

5.6.1. Функциональные возможности инструментальной среды «Учебный план»...........297

5.6.2. Средства репликации учебных курсов.......................................................................308

5.6.3. Средства взаимодействия с пакетами аналитических исследований.......................309

5.7. Список SQL-запросов реализации алгоритмов терм-связности..................................312

Выводы по главе 5................................................................................................................317

ЗАКЛЮЧЕНИЕ..............................................................................................319

ЛИТЕРАТУРА ...............................................................................................321

ПРИЛОЖЕНИЕ. Документы о внедрении и использовании результатов работы ..............................................................................................................337

Введение

Совершенствование производственных процессов промышленных предприятий требует процесса непрерывной переподготовки специалистов, а современные темпы реорганизации производства требуют новых методов управления персоналом. В настоящее время не вызывает сомнения необходимость широкомасштабного внедрения информационных технологий в процесс подготовки, повышения квалификации и аттестации кадров. Постоянное совершенствование технологической базы, внедрение новейших образцов дорогостоящей техники в производственный процесс, переход на новые методы управления персоналом диктуют необходимость динамичного изменения программ подготовки персонала, рассчитанных на различные возрастные категории и различный уровень начальной подготовки. Актуальным также является разработка математического инструментария и информационных технологий, которые в комплексе охватывали бы основные аспекты деятельности по управлению персоналом, такие как планирование трудовых ресурсов, наем, распределение, мотивация и вознаграждение, и являлись мощным аналитическим средством поддержки принятия управленческих решений в этой сфере. Данная работа направлена на создание процессно-ориентированной концепции процесса переподготовки разновозрастного персонала, обладающего различной квалификацией, что представляется вполне актуальным.

Объектом исследования является система переподготовки персонала предприятий.

Предметом исследования являются процессы управления кадровым потенциалом предприятий.

Целью работы является повышение эффективности управления персоналом за счет разработки и использования процессно-ориентированной концепции переподготовки и управления кадровым потенциалом.

Для достижения данной цели в работе решаются следующие задачи:

• системный анализ задач управления персоналом и программных технологий формирования образовательногоо контента;

• классификация средств переподготовки и сравнительный анализ моделей процессов научения и забывания учебной информации;

• разработка кусочно-непрерывных моделей процессов научения-забывания и моделей взаимной сцепленности отдельных термов;

• систематизация квалификационных характеристик персонала;

• модель кластеризации показателей тестового контроля в системе аттестации персонала;

• совместное описание процессов обучения и тестового контроля;

• разработка системы критериев эффективности учебного плана;

• создание библиотеки методов решения задач многокритериальной оптимизации;

• разработка методики формирования учебных планов в системе переподготовки персонала;

• апробация результатов работы на промышленных предприятиях.

• При разработке формальных моделей компонентов системы подготовки, повышения квалификации и аттестации персонала в диссертации использовались методы общей теории систем, случайных процессов, методы шкалирования, экспертного оценивания и др. Анализ эффективности разработанных методов и моделей выполнен с помощью методов многомерного статистического анализа, с использованием математических пакетов.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, методик и алгоритмов.

В первой главе диссертации выполнен анализ проблем управления персоналом с точки зрения организации системы подготовки, переподготовки и повышения квалификации персонала.

В рамках решения сформированных задач для достижения поставленной цели интерес представляют работы российских ученых, а именно,

Новикова Д.А., в которых исследуются закономерности итеративного научения, Черненького В.М., в которых проработана процессно-ориентированная концепция системного моделирования АСУ, Башмакова А.И., где даются формальные подходы к разработке конструктивных методов проектирования обучающих систем, а также зарубежных ученых М.Жабер, С.Сикстрем, Л.Лопез, где сформирован ряд моделей научения-забывания, Ф.Оливер, где рассматриваются механизмы преобразования учебных знаний и др.

Знания об обучаемом устанавливаются путем анализа его поведения в процессе обучения. Они представляются поведенческой моделью обучаемого. Поведенческая модель изменяется вместе с изменением обучаемого, поэтому она является динамической моделью обучаемого. Механизмом построения этой модели является диагностика. За рубежом для этой цели часто используют термин когнитивная диагностика, и исследования в этой области развиты довольно широко.

Знания о том, каким мы хотим видеть обучаемого, т.е. требования к его конечному состоянию (как к специалисту) представляются нормативной моделью обучаемого. Именно эти знания определяют цель обучения. Они, как правило, многогранны. Сюда относятся, например, требования к личностным качествам будущих специалистов, их профессиональным качествам и умениям, знаниям и умениям по различным учебным предметам, характеристикам физического и психического состояния и т.п. Это именно то, что называют стандартом образования. И конечной целью обучения является достижение такого положения, когда поведенческая модель обучаемого при выпуске совпадает с его нормативной моделью.

В диссертации выделяются два основных подхода к классификации средств обучения: педагогический и технический. Первый основан на необходимости реализации в учебном процессе различных дидактических целей, в первую очередь формирования представления об окружающей действительности, организации разнообразных видов учебно-познавательной

деятельности учащихся, осуществления мотивационных, учебных и контрольно-корректирующих функций и т.п. Второй подход позволяет учесть конструктивно-технологические особенности средств обучения, их деление в зависимости от способа создания каналов воздействия на учащихся, эргономических характеристик и др.

Во второй главе диссертации решается задача моделирования процессов научения-забывания с целью включения этих моделей в программный контур формирования учебных планов.

Различают два аспекта научения. Первый аспект - результативный - при научении система должна достичь требуемого результата - качества выполнения действий с приемлемыми затратами времени, энергии и т.д. Второй аспект - процессуальный: адаптация, приспособление научаемой системы к некоторому виду действий в процессе упражнения и т.д. Соответственно, выделяют результативные характеристики итеративного научения и характеристики адаптации. В настоящей работе речь идет именно о результативных характеристиках научения (характеристики адаптации зачастую имеют совсем другую динамику).

Для сравнимости результатов научения в различные моменты времени (использование количественного описания), даже при постоянных внешних условиях, важно также постоянство цели научения.

С целью осуществления мониторинга уровня сформированности требуемых характеристик специалиста предлагается использовать комплексный показатель качества психолого-индивидуальных компетенций, где учитываются локальные коэффициенты сформированности профессиональных компетенций и число локальных коэффициентов.

Психолого-индивидуальные компетенции представляют собой способност�