автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка программно-математического обеспечения комбинационного моделирования для ранжирования вузов

1630

На правах рукописи

Тюрнев Александр Сергеевич

Разработка программно-математического обеспечения комбинацинного моделирования для ранжирования вузов

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

о 6 НОЯ 2008

Иркутск-2008

003451630

Работа выполнена на кафедре "Информационная безопасность" ГОУ ВПО "Иркутский государственный университет путей сообщения"

Научный руководитель: доктор технических наук, профессор

Краковский Юрий Мечеславович

Официальные оппоненты: доктор технических наук, профессор

Массель Людмила Васильевна

кандидат физико-математических наук, доцент

Братищенко Владимир Владимирович

Ведущая организация: ГОУ ВПО "Иркутский государственный

университет"

Защита диссертации состоится 20 ноября 2008 г. в 10-00 часов на заседании диссертационного совета Д218.004.01 в Иркутском государственном университете путей сообщения (664074, Иркутск, ул. Чернышевского, д. 15, ауд. А-803).

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО "Иркутский государственный университет путей сообщения".

Автореферат разослан 20 октября 2008 г.

Учёный секретарь диссертационного совета кандидат технических наук, доцент

' Н.Н. Пашков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Реформирование системы образования предполагает более активное участие различных субъектов (государства, органов власти, органов местного самоуправления, работодателей и т.д.). Необходимо учитывать мотивации и поведение производителей и потребителей образовательных услуг. Для обеспечения такого участия важным является наличие объективных данных по состоянию и развитию высшего образования. Однако нынешнее информационное обеспечение оказалось неспособным удовлетворить требованиям органов управления образованием и других структур, участвующих в модернизации российского образования. Причина - в снижении качества статистики образования, а также в медленном темпе внедрения новых методов статистического наблюдения и математического анализа, которые могли бы более точно описать изменения экономических отношений между работодателями и вузами, что отражает формирование рынка образовательных услуг во взаимодействии с рынком труда.

Отсутствие комплексной и систематизированной информации по экономике образования, а также методов её обработки, затрудняют оценку взаимодействия рынка образовательных услуг и рынка труда, в связи с этим сложно определить масштабы и структуры рынков.

В последние годы в Российской Федерации уделяется внимание поиску "точек роста" экономики, особенно для "удалённых" регионов. А для этого необходимо совершенствовать и внедрять методы математического моделирования региональной системы высшего образования, проводить анализ её состояния и оценивать её готовность для осуществления крупных социально-экономических проектов.

Дефицит комплексной и систематизированной информации о сфере образования, отсутствие эффективных методов моделирования, методов обработки и анализа данных говорит о необходимости целенаправленных действий по созданию интегрированной информационной системы по экономике образования, следствием чего является разработка и внедрение эффективной системы мониторинга образования. Новый этап реформирования системы образования, направленный на её структурное и содержательное обновление, выдвигает перед мониторингом профессионального образования новые задачи и проблемы, например, задачи совершенствования методов математического моделирования и обработки данных, позволяющих повысить качество принятия управленческих решений.

В связи с вышесказанным, разработка методов математического комбинационного моделирования региональной системы высшего образования является актуальной задачей, имеющей практическую и научную значимость.

Целью диссертационной работы является создание и совершенствование математического и программного обеспечения для ранжирования вузов по лицензированным образовательным программам, что необходимо для оценки возможностей региона при осуществлении крупных социально-экономических проектов.

Для реализации сформулированной цели в работе решаются следующие задачи:

1. Сравнительный анализ программно-математических средств для моделирования и исследования рынков, включая рынок образовательных услуг во взаимодействии с рынком труда.

2. Модернизация средств математического моделирования для ранжирования вузов по образовательным программам как двумерных объектов.

3. Разработка вычислительной процедуры ранжирования вузов по выбранной специальности, позволяющей подготавливать информацию для принятия управленческих решений.

4. Создание программного обеспечения, реализующего модернизированные и разработанные методы ранжирования вузов и содержащего средства комбинационного моделирования и графического отображения полученных результатов упорядочивания.

Методы исследования и достоверность результатов. Результаты и выводы, представленные в диссертации, обоснованы применением математического анализа и моделирования, численных методов, методов системного анализа и математической статистики. Работоспособность математического и программного обеспечения проверена расчётами, проведёнными по реальным данным.

Научную новизну диссертации представляют следующие результаты, которые выносятся на защиту:

1) Метод комбинационного моделирования, позволяющий комбинировать модели определения координат объектов, типы экспертных оценок, модели определения точечных значений из интервала, статистические критерии и варианты графического представления.

2) Алгоритм улучшения экспертной информации, содержащий две процедуры: а) процедуру автоматизированной корректировки экспертных суждений, которая позволяет экспертам исправлять свои суждения, если они несогласованны; б) процедуру автоматизированной группировки экспертов, позволяющей объединять экспертов по "одинаковости" их суждений.

3) Схема интервального оценивания факторов, использующего средства имитационного моделирования и дополненного графическим представлением, позволяющим позиционировать объекты не отдельными точками, а областями на матрице Мак-Кинси.

4) Программный комплекс "Комбинационное моделирование для ранжирования объектов", содержащий средства комбинационного моделирования и графического отображения полученных результатов упорядочивания (матрица Мак-Кинси, ромб ранжирования, линейка ранжирования).

Практическая ценность работы заключается в разработке средств комбинационного моделирования и графического отображения полученных результатов, реализованных в виде программного комплекса "Комбинационное моделирование для ранжирования объектов". Созданный программный комплекс апробирован при ранжировании вузов применительно к специальности "Прикладная информатика", а также используется при проведении

маркетинговых исследований в обществе с ограниченной ответственностью "ТехноСервис". Акт внедрения приведён в приложении 3.

Апробация работы. Основные результаты работы докладывались на международных и региональных конференциях: XI международная конференция "Информационные и математические технологии в научных исследованиях", Иркутск, 2006; Конференция аспирантов кафедры информатики и кибернетики БГУЭП, Иркутск, 2007; VIII Международная научно-практическая конференция "Современные технологии документооборота в бизнесе, производстве и управлении", Пенза, 2008; XIV Байкальская международная школа-семинар "Методы оптимизации и их приложения", Северо-байкальск, 2008.

По результатам исследований опубликовано 9 научных работ в виде статей и докладов, включая 2 публикации по рекомендации ВАК.

Структура и объём работы. Диссертационная работа состоит из введения, трёх глав, заключения, списка литературы из ] 12 наименований и трёх приложений, включая акт внедрения. Общий объём работы составляет 144 страницы, включая 27 таблиц, 33 рисунка, 3 приложения на 18 листах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, определена научная и практическая новизна, представлено краткое содержание диссертации по главам.

В первой главе дана характеристика системы высшего профессионального образования во взаимодействии с рынком труда; сделан краткий анализ методов моделирования и исследования регионального рынка образовательных услуг; представлен обзор и проведён анализ математических методов для определения весовых коэффициентов факторов, учитываемых при взаимодействии объектов рынка; проведён сравнительный анализ специальных программных продуктов для моделирования рынков; сформулированы цель и задачи диссертации.

Для оценки деятельности вузов могут быть использованы различные показатели: потенциал вуза, показатели полезности труда, показатели качества труда, показатели эффективности деятельности вуза, показатели оперативности вуза и т.д. Интегральным показателем может служить рейтинг — числовой показатель, характеризующий предпочтение одного оцениваемого объекта перед другим.

В последние годы вузы различной направленности (классические университеты, технические, педагогические и т.д.) значительно расширили число специальностей. При этом некоторые из этих специальностей могут быть непрофильными для вуза. В связи с этим нами предлагается вычислительная процедура ранжирования вузов по лицензированным образовательным программам. Данная задача особенно актуальна при анализе региональной системы высшего профессионального образования.

Анализ состояния системы российского образования показал, что всё большее внимание уделяется взаимодействию рынков образовательных услуг

и труда. В связи с чем возникает необходимость изучения и моделирования стратегий вузов, которые, выпуская специалистов, являются участниками рынка образовательных услуг. Выпускники этого вуза - это продукт, предлагаемый на рынке труда. Поэтому сам вуз можно рассматривать как двумерный объект, функционирующий одновременно на двух рынках. Для изучения таких объектов существует специальный инструментарий - портфельный анализ, основным приёмом которого является построение двумерных матриц путём сравнения отдельных бизнес-единиц с помощью ряда критериев.

В диссертации проанализированы основные методы портфельного анализа: SWOT-анализ (SWOT- аббревиатура, составленная из первых букв слов Strength, Weakness, Opportunities, Threats), матрица бостонской консалтинговой группы (БКГ), матрица компании General Electric - GE/McKinsey, матрица Shell/DPM (Direct Policy Matrix) и другие.

Так как моделирование рынков связано со значительными вычислительными затратами, то наиболее удобным является использование специальных программных продуктов. Для этого разработано немало различных программных средств, реализующих те или иные подходы и методы. В диссертации рассмотрены некоторые существующие программные средства, проведён их сравнительный анализ по возможностям и стоимости. Сделан вывод о необходимости разработки программного комплекса "Комбинационное моделирование для ранжирования объектов".

Для графического представления методов моделирования и исследования рынков различного назначения необходимы координаты объектов, которые зависят от множества факторов. При количественной оценке этих координат необходимо знать весовые коэффициенты выбранных факторов. В диссертации приведён обзор и анализ следующих методов получения весовых коэффициентов: метод собственных векторов Уэя, метод собственных векторов Саати, Метод Коггера и Ю, метод Юшманова ("остовного" дерева), методы наименьших квадратов, методы средних рангов, методы аппроксимации рангов монотонной функцией. Для дальнейших расчётов в качестве основного метода определения весовых коэффициентов выбран метод собственных векторов Саати.

По результатам проведённого анализа был сделан вывод о том, что создание и совершенствование математического и программного обеспечения для ранжирования вузов по лицензированным образовательным программам является актуальной задачей, имеющей практическую и научную значимость, что, в свою очередь, определило цель и задачи работы.

Во второй главе для ранжирования вузов по модели Мак-Кинси были предложены следующие факторы для показателей привлекательности и конкурентоспособности:

Показатель привлекательности

А - репутация вуза (сложившееся мнение о вузе в обществе); В -стоимость обучения и количество бюджетных мест; С - квалификация профессорско-преподавательского состава (1111С); D - организация учебного процесса (качественное и быстрое составление расписаний занятий и сессий

с учётом потребностей преподавателей и студентов, а также с учётом наличия свободных аудиторий; возможность гибкого изменения расписания; наличие, доступность и обновление литературы; наличие электронных изданий и каталогов; частота обновления изданий; наличие и доступность компьютерных классов, выхода в Интернет); Е - дополнительное образование (возможность получения послевузовского образования, параллельного второго высшего образования; научная работа; проведение семинаров, конференций и форумов).

Показатель конкурентоспособности

Р - качество подготовки специалиста (профессиональная активность, умение специалиста применять теоретические знания на практике); б — опыт сотрудничества с выпускниками данного вуза; Н - разносторонне развитая личность специалиста (широкий кругозор, наличие дополнительных знаний); 1 - средняя оплата труда выпускника; 3 - возможность трудоустройства (возможность прохождения практики в престижных фирмах, наличие перспективы выпускника устроиться на работу по специальности, налаженные контакты с потенциальными работодателями).

Для того чтобы определить место каждого из исследуемых вузов в матрице Мак-Кинси, необходимо рассчитать его координаты Р (привлекательность) и К (конкурентоспособность). Предлагается использовать две модели:

аддитивная

п п т т

р) = XX = К1 = Т*Ук8к>> = 1; (1)

<=1 1=1 к=1 4=1

мультипликативная

п п т т

р] = ПЛ*. 2>| = = ГМ > 2>* = 1, (2)

1=1 1=1 к=1 4=1

где ЛГу - значение весового коэффициента /-го фактора для показателя привлекательности; /у - значение /-го фактора у-го объекта для показателя

привлекательности; п — число факторов для показателя привлекательности; ук — значение весового коэффициента к-го фактора для показателя конкурентоспособности; gkj - значение к -го фактора ] -го объекта для показателя конкурентоспособности; т — число факторов для показателя конкурентоспособности; у' = 1,./, J — число объектов (вузов).

Аддитивный показатель (1) базируется на принципе справедливой абсолютной уступки, а мультипликативный (2) - на принципе относительной уступки. Принцип справедливой абсолютной уступки означает, что оптимальное решение задачи состоит в максимизации суммы нормированных частных критериев. Справедливая относительная уступка предполагает компромисс, когда суммарное снижение одного или нескольких критериев не превосходит суммарного относительного увеличения остальных критериев.

Апи = 1'™

При определении весовых коэффициентов и оценок вузов используется экспертная информация. Для весовых коэффициентов эксперты попарно сравнивают предложенные факторы, и на основе этих сравнений формируются матрицы суждений (3):

л = (3)

Матрица А является обратносимметричной с единичными диагональными элементами.

Если А - матрица значений парных сравнений, то для нахождения вектора приоритетов (вектора весовых коэффициентов) нужно найти вектор м>, который удовлетворяет условию (4):

^ = (4)

где Лтах — наибольшее собственное значение матрицы А, которое находим из (5) как предел корня / -ой степени из суммы диагональных элементов матрицы А, возведённой в степень /:

1

1У,Т- (5)

Для определения качества экспертных суждений используется отношение согласованности (7). Для этого, используя Лт!1х, находим индекс согласованности (6):

1Я=Л™Х ~к, (6)

й-1

а затем - отношение согласованности:

05 = — . (7)

БГ(Н)

Если суждения окажутся несогласованными, используем процедуру автоматизированной корректировки экспертных суждений, предложенную автором, которая опирается на заданную экспертом последовательность важности сравниваемых факторов. На каждом её этапе введённые экспертом суждения преобразуются в ранги и сравниваются с указанной им последовательностью факторов

При оценивании вузов помимо точечного оценивания предложены интервальные оценки. Для получения конкретного значения из интервала предлагается использовать имитационный подход. Для этого интервальная оценка описывается бета-распределением (8) с параметрами а и ¡5 на интервале (а,Ь):

Ау)'(Ь-а)г(а)т{^) {^Га) ' (8)

Эксперту предлагается три варианта определения интервальной оценки:

1) эксперт указывает только сам интервал (а,Ь). В этом случае имеем частный случай бета-распределения при а = /? = 1 - равномерный закон;

2) эксперт указывает интервал (a, b), a также значения моды (наиболее вероятного значения) и математического ожидания (M у Ф ту ). В этом случае искомые параметры находим из (9):

Р = ^а, (9)

Му-ту ту

где А/*, ту - значения моды и математического ожидания на интервале

(0,1), полученные из значений Л/ и ту путём нормировки на интервал

(0,1);

3) Эксперт задаёт интервал, при этом не делая различий между модой (Му) и математическим ожиданием (ту), считая их равными Му-ту

(а=Р> 1). Тогда для определения параметров бета-распределения воспользуемся дополнительным условием — "правилом трёх сигм": среднеквадратиче-ское значение при интервале (0,1) а = 1/6. В этом случае а = р = 4.

Для оценки качества полученных результатов в работе рассматриваются несколько статистических критериев.

Качество экспертных оценок предлагается проверять с помощью статистики Краскела-Уоллиса:

12 1 Е J --YrI/j-Kn+^r, =Yris, (io)

где rjs - ранг j -го объекта у s -го эксперта для выбранного фактора, j = 1,./, J - число объектов (вузов), s = \,E, Е - число экспертов, N = JxE. При J> 5 и £>4 статистика H (10) имеет приближенно %2 -распределение с (Е -1) степенями свободы.

При объединении экспертов по группам полученные данные исследуются на однородность. Однородность оценок экспертов по объектам по каждому фактору проверяется с помощью коэффициента конкордации IV, S -или g-статистик (11-13):

125.

Нг =

^îfl^-i^+i)]2; (12)

^=£(/-1)^, (13)

где Е - число экспертов; 3 - число объектов; г^ - ранг у'-го объекта по

оценке ,у -го эксперта. При 3 > 7 <2 -статистика имеет распределение х2 с (Е -1) степенями свободы.

Статистическая близость различных групп экспертов определяется с помощью рангового коэффициента корреляции по Спирмену (14):

= 1- ^ Л . 04)

Ч

где , ^ — ранги для ] -го объекта для разных групп экспертов.

Для получения более качественных результатов при объединении экспертов в группы разработан специальный алгоритм подбора экспертов в группу - процедура автоматизированной группировки экспертов. Основные этапы разработанного алгоритма:

1) Весовые коэффициенты преобразуются в ранги.

2) Рассчитывается следующий показатель (15) для каждой пары экспертов:

-• 05)

где г15 - ранг I -го фактора для 5 -го эксперта, г1р - ранг г -го фактора для р -го эксперта, 1=1,и, п - количество факторов для выбранного показателя, 5 = \,Е, р = \,Е ,Е - количество экспертов.

3) Рассчитанное значение сравнивается со средним и для дальнейшего рассмотрения оставляются лишь те пары экспертов, для которых расчётное значение меньше среднего:

06)

V ® р

4) Находятся все возможные группы, состоящие из трёх и более экспертов, путём добавления к отобранным парам одного, двух и т.д. экспертов.

5) Для каждой новой группы рассчитывается следующий показатель:

мГ/-,/»/ _ ^у

2-, 2-Л 2аХ>а(1-,+1) гШр)

о = _¿1 (17ч

01 ■а< /.(/-1) ' ц 0

где ... я, - индексы экспертов группы, / - число экспертов в группе.

6) Показатель (17) сравнивается с (16), и отбираются те группы экспертов, для которых рассчитанное значение меньше среднего.

Одним из преимуществ такого подхода является сокращение трудоёмкости вычислений. В диссертации было показано, что предложенный способ в значительной степени сокращает время поиска (и число вычислений) наилучших групп по сравнению с перебором всех возможных группировок экспертов.

Проверка качества и однородности экспертных оценок не всегда является показателем достоверности результатов дальнейшего анализа. Для полной уверенности необходимо убедиться в отсутствии связанности между

предложенными показателями. Для этого предлагается использовать /статистику двух видов:

„2 Л

(1)_ 'р

ft7'

->t(v0=J-2)-,r =г

1 +

1 -г1 2(У-3)

./ j у 7

./=l_J 7=1

1 J (J ^ 2 Л / J 1 J (■> л 2Л

1=' 0=1 J У 0=' 0=i / У

(18)

54

.if]_

J

,dj=Xj-yj-,S3 =

i=t_

\2

Уу='

J

(19)

J (J-1)

Здесь и - показатели (координаты) j -го объекта, j = \,J, J -

число объектов. Статистика (18) проверяет гипотезу о наличии или отсутствии линейной корреляции показателей Р и К. Статистика (19) проверяет гипотезу о наличии или отсутствии отклонений между показателями Р и К (проверка значимости среднего значения разности пар). Считается, что статистика (19) менее критична к предпосылке о нормальности генеральной совокупности.

Выбранные, модернизированные и предложенные методы реализованы в виде программного комплекса "Комбинационное моделирование для ранжирования объектов" (рис. 1). Для удобства программирования и для возможности настройки программы (подключения и отключения различных моделей) предложенные методы было решено реализовывать в виде отдельных программных модулей. Программный комплекс помимо ранжирования вузов позволяет упорядочивать и другие объекты, что достигается его "настройкой".

Ввиду широкой распространённости продуктов компании Microsoft® комплекс разрабатывается для работы в операционной системе Windows с использованием возможностей офисного пакета Microsoft Office (Word, Excel, Access), SQL. Поэтому для написания кода программы в качестве языка программирования был выбран Microsoft Visual Basic. Для хранения данных используются базы данных в формате *.mdb, а для их обработки язык SQL.

Для графического отображения результатов в программном комплексе используются три вида представления: матрица с точечным (классическое

представление) и интервальным отображением результатов, ромб ранжирования и линейка ранжирования. Для каждого из вариантов возможно представление в абсолютных и относительных шкалах.

Файл : Критерии Отчёты Настройки ■ .....ИнФсрмация ] Матрицы суждений! Экспертные оценки ^ .

: Описание исследования:

; Исллвдюгся щзы Для исследования используется модель Мак-Кинси. Для этой модели определены два

; показателя (по 5 и 4 Факторов соответственно). ДляоценкивузовпоэтимпоказателямпривлеченыЮэкспертов.

: Объекты исследования: Вузы

: Количество объектов исследования: 7 Количество экспертов: 6

'■•'.■I Количество показателей: 2

: | Количество Факторов для показателя N¡1 равно 5

: Количество Факторов для показателя №2 равно 5

Рис. 1. Общий вид программного комплекса комбинационного моделирования для ранжирования объектов

На матрице Мак-Кинси предлагается рассматривать три различные области - область лидеров (три верхних правых сектора), область аутсайдеров (три нижних левых сектора) и пограничная область (три сектора вдоль диагонали).

Ромб ранжирования позволяет выделять 5 областей: 1) область "Лидеры" - правый верхний сектор матрицы Мак-Кинси; 2) область "Догоняющие" - два сектора, дополняющих область лидеров в модели Мак-Кинси; 3) область "Нейтральные" - совпадает с пограничной областью матрицы Мак-Кинси; 4) область "Отстающие" - два сектора из области аутсайдеров, за исключением самого нижнего левого сектора; 5) область "Аутсайдеры" -сюда входит один сектор - нижний левый.

Линейка ранжирования является отображением матрицы Мак-Кинси на одну из осей, выбранной в зависимости от "ведущего" показателя, и представляет собой 9 секторов, упорядоченных от худшего сектора к лучшему.

В третьей главе проведён статистический анализ экспертной информации при ранжировании вузов применительно к специальности "Юриспруденция" (исходная информация была взята из диссертационного исследовании Шильке1); получены результаты ранжирования вузов Иркутской области, занимающихся подготовкой специалистов по специальности "Прикладная информатика"; проведены исследования по предложенной процедуре автоматизированной корректировки экспертных суждений.

' Шильке, Я. Л, Процедура анализа конкурентоспособности вузов на рынках образовательных услуг и труда [Текст] / Ю. М. Краковский, Я. Л. Шильке // Современные технологии Системный анализ. Моделирование. - Иркутск: Изд-во ИрГУПС, 2004. - №4. - С. 122-127.

Для статистического анализа экспертной информации при исследовании вузов по специальности "Юриспруденция", использованы: /-статистика двух видов для определения связанности показателей; -статистика для проверки однородности оценок экспертов; статистика Краскела-Уоллиса для определения, насколько сами эксперты хорошо различают факторы между собой и сами вузы по одним и тем же факторам; статистическая близость групп экспертов проверена с помощью рангового коэффициента корреляции по Спирмену.

В таблице 1 приведены результаты проверки однородности экспертных оценок с помощью <2 -статистики (13). Критическое значение для групп, состоящих из 3 экспертов, равно х1р~*х2{ 2;0,05) = 5,991, из 6 -х\Р /2(5;0,05) = 11,07. Жирным шрифтом в таблице 1 выделены те расчётные значения Q -статистики, для которых Ор > х1Р •

Таблица 1

Расчётные значения <2 -статистики

Показатель Фактор Группа экспертов

Первая Вторая Все эксперты

Привлекательность А 0,621 3,171 2,079

В 19,500 13,757 31,050

С 20,357 18,664 37,296

£> 10,157 17,121 22,575

Е 17,979 11,250 26,346

Конкурентоспособность Р 20,057 16,907 34,982

С 18,300 14,057 31,189

Н 14,421 9,279 17,721

I 19,307 6,257 22,714

По результатам видно, что экспертные оценки оказались однородны по всем факторам, за исключением фактора А (стоимость обучения).

По результатам полного статистического анализа были сделаны два основных вывода: 1) показатели Р и К оказались связанными, что вызвано, скорее всего, тем, что эксперты не делают различий между предложенными факторами (и оценивают вузы примерно одинаково по всем факторам); 2) при группировке всех экспертов в одну группу не учитывается качество оценок, данных отдельными экспертами, что приводит к искажению итоговых результатов.

Это позволило изменить набор факторов при исследовании специальности "Прикладная информатика".

При изучении рынка образовательных услуг среди вузов Иркутской области, предоставляющих возможность обучения по специальности "Прикладная информатика", было выделено 9 вузов: 1) Иркутский институт международного туризма (ИИМТ); 2) Сибирский институт права, экономики и

управления (СИПЭУ); 3) Байкальский государственный университет экономики и права (БГУЭП); 4) Иркутский государственный педагогический университет (ИГПУ); 5) Иркутская государственная сельскохозяйственная академия (ИГСХА); 6) Иркутский государственный университет (ИГУ);

7) Иркутский государственный технический университет (ИрГТУ);

8) Братский филиал БГУЭП (БФБГУЭП); 9) Братский государственный университет (БГУ).

Последние два вуза было принято решение исключить из анализа, так как при получении экспертных оценок они набрали слишком низкие оценки. Экспертами выступили руководители служб автоматизации крупных иркутских фирм: Сбербанк РФ, ВнешТоргБанк, Иркутскэнерго, Электросвязь, БайкалВестКом, Русиа Петролеум.

Результаты анализа показали, что по матрице Мак-Кинси (рис. 2) к лидерам можно отнести ИГУ, ИрГТУ и БГУЭП. В нейтральной области ИГПУ. Среди аутсайдеров ИИМТ, ИГСХА и СИПЭУ.

Матрица (ранжирования

3.392

3

3.191 2 г.заа 1

1.597

-в а

□

О

д г, 653 ^ э.640

Привлекательность

АЭ-Конкурвнтослособный В3-Лидер2 А2-АутсэйдерЗ В2-Нейтрапьный

А1-Аутсайдер1 В1-Аутсайдер2

Вузы •ИИМТ ОСИПЭУ ■ БГУЭП

№

4439

С:-Лияер1

С2-ЛидерЗ

С1-Привлекатэпьный

Рис. 2. Результаты ранжирования на матрице Мак-Кинси

Ромб ранжирования (рис. 3) позволяет разделить все вузы на пять групп. К группе лидеров относятся ИГУ и ИрГТУ, к группе догоняющих -БГЭУП. ИГПУ располагается в нейтральной группе. СИПЭУ и ИГСХА хотя и находятся в разных секторах матрицы Мак-Кинси, однако на ромбе ранжирования они попали в одну группу - отстающие. Явный же аутсайдер один -ИИМТ.

Если при использовании линейки ранжирования (рис. 4) в качестве ведущего показателя выбрать "Привлекательность", будет получена следующая последовательность вузов (от худших к лучшим): ИИМТ, за ним ИГСХА, затем СИПЭУ, далее ИГПУ, потом БГУЭП, и, наконец, ИГУ и ИрГТУ. Дня показателя "Конкурентоспособность" получена иная последовательность: ИИМТ, СИПУЭ, ИГСХА. ИГПУ, БГУЭП, ИГУ и ИрГТУ.

Ромб ранжирования ЕЗуэы

(относительноэ позиционирование)

АЗ-Конкурентослособный В3-Лидер2 А2-АутсайдерЗ В2-Нейтральный

А1 -Аутсайдер! В1-Аутсайдер2

Группы;

Группа 1 - Лидеры Группа 2-Погоняющие Группа 3 - Нейтральные Группа 4 - Отстающие Группа 5-Аутсайдеры

Вузы

• иимт

28Ш пШ

И ИГУ

"иргта

С3-Лидер1 С2-ЛидерЗ

С1-Привлекательный

Рис. 3. Результаты ранжирования на ромбе ранжирования

Линейка ранжирования

(относительное позиционирование) Ведущий показатель: Привлекательность

• а О □ ■ □ а

А1 А2 В1 АЗ В2 С1 вз С2 сз

АЗ-Конкурентоспособный

А2-АутсайдерЗ

А1-Аутсайдер1

В3-Лидер2

В2-Нейтральный

В1-Аутсайдер2

С3-Лидер1 С2-ЛидерЗ

С1-Привлекательный

Рис. 4. Результаты ранжирования на линейке ранжирования

Статистический анализ результатов показал, что связанность показателей Р и К уменьшилась. Применение процедуры автоматизированной группировки экспертов значительно повысило качество групповых оценок. Однородность экспертных оценок наблюдается почти по всем факторам.

При использовании интервальных оценок на матрице Мак-Кинси результаты можно отразить в виде областей (рис. 5). Были сделаны следующие выводы при сравнении взаимного расположения вузов:

1) к лидерам можно отнести два вуза - ИГУ и ИрГТУ, причём по показателю конкурентоспособности их позиции очень близки, а по показателю привлекательности ИГУ опережает ИрГТУ;

2) при сравнении БГУЭП и ИГПУ видно, что по показателю конкурентоспособности БГУЭП опережает ИГПУ, а по показателю привлекательности - наоборот;

3) ИИМТ является аутсайдером по обоим показателям, однако он превосходит ИГСХА по показателю привлекательности, а с БГУЭП имеет почти равные позиции;

4) СИПЭУ имеет примерно одинаковые позиции с ИГПУ и БГУЭП по привлекательности, однако значительно им уступает по конкурентоспособности.

Процедура автоматизированной корректировки экспертных суждений позволила в значительной степени улучшить согласованность. Для исследования вузов по специальности "Юриспруденция" повышение согласованности составило 53%. При ранжировании вузов по специальности "Прикладная информатика" предложенная процедура сделала возможным получение согласованных суждений по всем экспертам.

Матрица ранжирования Вузы

(абсолютное позиционирование)

Д 2.333 р 3.666 с

Привлекательность

АЗ-Конкурентоспособный В3-Лидер2 А2-АутсайдерЗ В2-Нейтральный

А1-Аутсайдер1 В1-Аутсайдер2

Вузы ЕЗ ИИМТ ШСИПЭЫ □ БГУЭП

ЯЙгсХА ПШИГУ

взиргта

С3-Лидер1 Сг-ЛидерЗ

С1 -Привлекательный

Рис. 5. Области на матрице Мак-Кинси при интервальном оценивании

Процедура автоматизированной группировки экспертов позволила получить более достоверные результаты ранжирования. Для групп, отобранных по этой процедуре, уменьшилась связанность показателей, повысилась однородность оценок. Ранговый коэффициент корреляции по Спирмену показал, что отобранные группы не могут быть объединены с другими в виду отсутствия корреляции между такими группами.

В заключении приведены основные результаты работы.

В приложения вынесены: матрицы экспертных суждений по двум проведённым исследованиям вузов (по специальностям "Юриспруденция" и "Прикладная информатика"), акт внедрения разработанного программного комплекса.

основные результаты

1) Предложен метод комбинационного моделирования для ранжирования вузов относительно лицензированных образовательных программ, который позволил комбинировать модели определения координат объектов (ву-

зов), типы экспертных оценок (точечные и интервальные), модели определения точечных значений из интервала, различное графическое представление. Метод комбинационного моделирования дополнительно используется для многовариантной проверки однородности экспертов и "качества" полученных результатов с применением набора статистических методов.

2) Разработан алгоритм улучшения экспертной информации и проверены процедуры повышения качества результатов. Показано, что процедура автоматизированной корректировки экспертных суждений позволяет повысить согласованность экспертных суждений. Процедура автоматизированной группировки экспертов повышает качество ранжирования, что реализуется специальным алгоритмом отбора экспертов.

3) Предложена схема интервального оценивания факторов, использующего средства имитационного моделирования, при которой фактор считается случайной величиной, имеющей бета-распределение на интервале (а, Ь). При моделировании конкретного значения фактора предложено три варианта: а) эксперт задаёт лишь значение интервала; б) эксперт кроме значения интервала указывает отличающиеся значения математического ожидания и наиболее вероятного значения; в) эксперт кроме значения интервала задаёт одинаковые значения математического ожидания и наиболее вероятного значения.

4) Комбинационное моделирование для ранжирования вузов реализовано в виде программного комплекса "Комбинационное моделирование для ранжирования объектов", в котором включена возможность графического представления результатов ранжирования в виде матрицы Мак-Кинси, ромба и линейки ранжирования, а также возможность отображения интервальных оценок на матрице Мак-Кинси в виде областей. Программный комплекс помимо ранжирования вузов позволяет упорядочивать и другие объекты, что достигается его "настройкой". Этот факт подтверждается актом внедрения.

Дополнительно был проведён статистический анализ экспертной информации, который подтвердил квалификацию экспертов и удачный выбор факторов; проранжированы вузы с применением созданного автором программного комплекса; проверена процедура анализа матрицы Мак-Кинси, которая оценивает позицию вуза в матрице и определяет стратегию его дальнейшего развития.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендованных ВАК:

1. Тюрнев, А. С. Средства комбинаторного моделирования для позиционирования вузов [Текст] / Ю. М. Краковский, А. С. Тюрнев // Качество. Инновации. Образование. - 2008. - №6. - С. 24-28.

2. Тюрнев, А. С. Статистическая проверка однородности оценок экспертов при стратегическом позиционировании объектов по модели Мак-Кинси [Текст] / В. К. Карнаухова, Ю. М. Краковский, А. С. Тюрнев // Извес-

тия Иркутской государственной экономической академии (БГУЭП). - Иркутск: Изд-во БГУЭП, 2006. - №1(46). - С. 26-30.

В других изданиях:

3. Тюрнев, А. С. Влияние метода обработки экспертной информации на качество стратегического позиционирования объектов по модели Мак-Кинси [Текст] / Ю. М. Краковский, А. С. Тюрнев, Я. JI. Шильке // Применение математических методов и информационных технологий в экономике и праве: сб. науч. тр., вып.5. - Иркутск: Изд-во БГУЭП, 2006. - С. 96-102.

4. Тюрнев, А. С. Программный комплекс для стратегического позиционирования образовательных объектов [Текст] / Ю. М. Краковский, А. С. Тюрнев // Вестник развития науки и образования. - М.: Наука, 2007. -№6.-С. 28-32.

5. Тюрнев, А. С. Сравнительный анализ программных продуктов для маркетинговых исследований [Текст] / Т. А. Краковская, А. С. Тюрнев // Современные технологии. Системный анализ. Моделирование. - Иркутск: Изд-во ИрГУПС, 2007.-№1 (13).-С. 120-126.

6. Тюрнев, А. С. Статистический анализ связности показателей моделей стратегического позиционирования [Текст] / Ю. М. Краковский, А. С. Тюрнев // Современные технологии. Системный анализ. Моделирование. - Иркутск: Изд-во ИрГУПС, 2006. - №1 (9). - С. 114-120.

Материалы научных конференций:

7. Тюрнев, А. С. Статистический анализ экспертных суждений при стратегическом позиционировании вузов [Текст] / Ю. М. Краковский, А. С. Тюрнев // Информационные и математические технологии в научных исследованиях / Труды XI международной конференции "Информационные и математические технологии в научных исследованиях". Часть II. — Иркутск: ИСЭМ СО РАН, 2006. - С. 227-232.

8. Тюрнев, А. С. Программное обеспечение для ранжирования объектов различной природы [Текст] / А. С. Тюрнев // Современные технологии документооборота в бизнесе, производстве и управлении: сборник статей VIII Международной научно-практической конференции. - Пенза, 2008. -С. 56-59.

9. Тюрнев, А. С. Средства программно-математического моделирования для ранжирования вузов [Текст] / Ю. М. Краковский, А. С. Тюрнев // Труды байкальской международной школы-семинара "Методы оптимизации и их приложения". - Северобайкальск, 2008. - С. 10-15.

Подписано в печать 14.10.2008. Формат 60x90/16 Усл. печ. л. 1,25 Тираж 120 экз. Заказ 26210

Отпечатано в типографии ООО «Репроцентр А1» г. Иркутск, ул. Лапина, 1, оф. 101 Тел.: 203-144

Введение

1. Обоснование необходимости моделирования региональной системы высшего профессионального образования, цель и задачи исследования

1.1. Характеристика системы высшего профессионального образования во взаимодействии с рынком труда

1.2. Анализ .методов моделирования рынка образовательных услуг 17 Модель Мак-Кинси 18 Модель Shell/DPM

1.3. Обзор и анализ математических методов для определения весовых коэффициентов

Метод собственных векторов Уэя

Метод собственных векторов Саати

Метод Коггера и Ю

Метод Юшманова ("остовного" дерева)

Методы, основанные на методе наименьших квадратов

Методы средних рангов

Методы аппроксимации рангов монотонной функцией

1.4. Сравнительный анализ специальных программных продуктов для моделирования рынков

ALS-Base

Marketing Analytic 4 (Разработчик: КУРС)

Marketing Expert™ (Разработчик: Про-Инвест ИТ)

Power analysis (Разработчик: StatSoft Russia)

SPSS (Разработчик: SPSS)

БЭСТ-Маркетинг (Разработчик: "Интеллект-Сервис")

Программные продукты KonSi (Разработчик: КонСи)

КАСАТКА-ПРОФ (Разработчик: Kasatka Consulting Group) 30 Маркетинг-аналитика (Разработчик: СКИП)

МаркетингМикс 3 (Разработчик: Корпоративные финансы) 31 1.5. Цель и задачи исследования

2. Математические и программные средства комбинационного моделирования для ранжирования вузов

2.1. Математические средства комбинационного моделирования

2.1.1. Процедура ранжирования вузов

2.1.2. Модели подбора и поведения экспертов

2.1.3. Определение оценок факторов

2.1.4. Статистические критерии и группировки экспертов

2.1.4.1. Качество экспертных суждений

2.1.4.2. Однородность экспертных оценок

2.1.4.3. Проверка связности показателей

2.1.4.4. Группировка экспертов

2.2. Программное обеспечение комбинационного моделирования

2.2.1. Программная оболочка комплекса, возможности администратора

2.2.2. Программные возможности эксперта

2.2.3.Программные возможности ЛПР

2.3. Выводы по главе

3. Практическое применение программного комплекса комбинационного моделирования

3.1. Статистический анализ экспертной информации применительно к специальности "Юриспруденция"

3.2. Ранжирование вузов, имеющих лицензию по специальности "Прикладная информатика"

3.3. Процедуры повышения качества

3.3.1. Процедура автоматизированной корректировки экспертных суждений

3.3.2. Процедура автоматизированной группировки экспертов

3.4. Выводы по главе

Реформирование системы образования предполагает более активное участие различных субъектов (государства, органов власти, органов местного самоуправления, работодателей и т.д.) [32]. Необходимо учитывать мотивации и поведение производителей и потребителей образовательных услуг. Для обеспечения такого участия важным является наличие объективных данных по состоянию и развитию высшего образования. Однако нынешнее информационное обеспечение оказалось неспособным удовлетворить требованиям органов управления образованием и других структур, участвующих в модернизации российского образования. Причина — в снижении качества статистики образования, а также в медленном темпе внедрения новых методов статистического наблюдения и математического анализа, которые могли бы более точно описать изменения экономических отношений между работодателями и вузами, что отражает формирование рынка образовательных услуг.

В процессе модернизации системы образования России специалисты пришли к выводу, что в механизм реформирования необходимо включить взаимодействие рынка труда и системы высшего профессионального образования.

Отсутствие комплексной, систематизированной и актуальной информации по экономике образования, а также методов её обработки, затрудняют оценку взаимодействия рынка образовательных услуг и рынка труда, в связи с этим сложно определить масштабы и структуры рынков.

В последние годы в Российской Федерации уделяется внимание поиску "точек роста" экономики, особенно для "удалённых" регионов. А для этого необходимо совершенствовать и внедрять методы математического моделирования региональной системы высшего образования, проводить анализ её состояния и оценивать её готовность для осуществления крупных социально-экономических проектов.

Дефицит комплексной и систематизированной информации о сфере образования, отсутствие эффективных методов моделирования, методов обработки и анализа данных говорит о необходимости целенаправленных действий по созданию интегрированной информационной системы по экономике образования, следствием чего является разработка и внедрение эффективной системы мониторинга образования [3, 17, 21, 26, 29, 30, 32, 37, 45, 53, 73]. Новый этап реформирования системы образования, направленный на её структурное и содержательное обновление, выдвигает перед мониторингом профессионального образования новые задачи и проблемы, например, задачи совершенствования методов математического моделирования, обработки данных, позволяющих повысить качество принятия управленческих решений.

В связи с вышесказанным, разработка методов математического комбинационного моделирования региональной системы высшего образования является актуальной задачей, имеющей практическую и научную значимость.

Целью диссертационной работы является создание и совершенствование математического и программного обеспечения для ранжирования вузов по лицензированным образовательным программам, что необходимо для оценки возможностей региона при осуществлении крупных социально-экономических проектов.

Для реализации сформулированной цели в работе решаются следующие задачи:

1. Сравнительный анализ программно-математических средств для моделирования и исследования рынков, включая рынок образовательных услуг во взаимодействии с рынком труда.

2. Модернизация средств математического моделирования для ранжирования вузов по образовательным программам как двумерных объектов.

3. Разработка вычислительной процедуры ранжирования вузов по выбранной специальности, позволяющей подготавливать информацию для принятия управленческих решений.

4. Создание программного обеспечения, реализующего модернизированные и разработанные методы ранжирования вузов, содержащего средства комбинационного моделирования и графического отображения полученных результатов упорядочивания.

Научную новизну диссертации представляют следующие результаты, которые выносятся на защиту:

1) Метод комбинационного моделирования, позволяющий комбинировать модели определения координат объектов, типы экспертных оценок, модели определения точечных значений из интервала, статистические критерии и варианты графического представления.

2) Алгоритм улучшения экспертной информации, содержащий две процедуры: а) процедуру автоматизированной корректировки экспертных суждений, которая позволяет экспертам исправлять свои суждения, если они несогласованны; б) процедуру автоматизированной группировки экспертов, позволяющей объединять экспертов по "одинаковости" их суждений.

3) Схема интервального оценивания факторов, использующего средства имитационного моделирования и дополненного графическим представлением, позволяющим позиционировать объекты не отдельными точками, а областями на матрице Мак-Кинси.

4) Программный комплекс "Комбинационное моделирование для ранжирования объектов", содержащий средства комбинационного моделирования и графического отображения полученных результатов упорядочивания (матрица Мак-Кинси, ромб ранжирования, линейка ранжирования).

Практическая ценность работы заключается в разработке средств комбинационного моделирования и графического отображения полученных результатов, реализованных в виде программного комплекса "Комбинационное моделирование для ранжирования объектов". Созданный программный комплекс апробирован при ранжировании вузов применительно к специальности "Прикладная информатика", а также используется при проведении маркетинговых исследований в ООО "ТехноСервис". Акт внедрения приведен в приложении 3.

Апробация работы. Основные результаты работы докладывались на международных и региональных конференциях: XI международная конференция "Информационные и математические технологии в научных исследованиях", Иркутск, 2006; Конференция аспирантов кафедры информатики и кибернетики БГУЭП, 2007; VIII Международная научно-практическая конференция "Современные технологии документооборота в бизнесе, производстве и управлении", Пенза, 2008, XIV Байкальская международная школа-семинар "Методы оптимизации и их приложения", Северобайкальск, 2008.

По результатам исследований опубликовано 9 научных работ в виде статей и докладов, включая 2 публикации по требованию ВАК: Средства комбинаторного моделирования для позиционирования вузов // Качество. Инновации. Образование; Статистическая проверка однородности оценок экспертов при стратегическом позиционировании объектов по модели Мак-Кинси // Известия Иркутской государственной экономической академии (БГУЭП).

Структура и объём работы. Диссертационная работа состоит из введения, трёх глав, заключения, списка литературы из 112 наименований и трёх приложений, включая акт внедрения. Общий объём работы составляет 144 страницы, включая 27 таблиц, 33 рисунка, 3 приложения на 18 листах.

3.4. Выводы по главе 3

1) Статистический анализ экспертной информации, используемой при ранжировании вузов Иркутской области применительно к специальности "Юриспруденция", показал, что: а) показатели "Привлекательность" и "Конкурентоспособность" связаны между собой, независимо от применяемых критериев и моделей свертки, поэтому вузы позиционируются вдоль главной диагонали; б) экспертные суждения оказались однородными, что говорит о "равной" квалификации экспертов; в) для ранжирования вузов применительно к специальности "Прикладная информатика" нами принято решение изменить некоторые факторы, связанные с показателями "Привлекательность" и "Конкурентоспособность".

2) Из девяти вузов Иркутской области, участвующих в подготовке специалистов по специальности "Прикладная информатика", для комбинационного моделирования было отобрано семь. Эти вузы были проранжированы с применением созданного автором программного комплекса. При матричном графическом представлении вузы группируются следующим образом: 1) группа лидеров - ИГУ, ИрГТУ, БГУЭП; 2) нейтральные (пограничная область) - ИГПУ; 3) аутсайдеры - ИИМТ, ИГСХА, СИПЭУ. Дополнительно вузы были представлены в виде ромба ранжирования (5 групп) и линейки ранжирования (9 групп).

3) Проведён статистический анализ экспертной информации, который подтвердил квалификацию экспертов и удачный выбор факторов. Дополнительно была проверена процедура анализа матрицы ранжирования, которая оценивает позицию вуза в матрице и определяет стратегию его дальнейшего развития.

4) Показано, что процедура автоматизированной группировки экспертов повышает качество ранжирования, что реализуется специальным алгоритмом отбора экспертов. Статистический анализ также подтвердил повышение качества групповых оценок.

5) Предложенный способ интервального оценивания дополнен графическим представлением, что позволяет позиционировать вузы не в виде отдельных точек, а областями на матрице ранжирования.

Заключение

Диссертация посвящена разработке математических и программных средств комбинационного моделирования для ранжирования вузов при исследовании региональной системы высшего профессионального образования во взаимодействии с рынком труда. Актуальность этих исследований связана с необходимостью определения научно-образовательного потенциала региона для обоснованной разработки социально-экономических проектов, как "точек роста" региональной экономики.

В результате проведенных исследований получены следующие результаты:

1) Предложен метод комбинационного моделирования для ранжирования вузов относительно лицензированных образовательных программ, который позволил комбинировать модели определения координат объектов (вузов), типы экспертных оценок (точечные и интервальные), модели определения точечных значений из интервала, различное графическое представление. Метод комбинационного моделирования дополнительно используется для многовариантной проверки однородности экспертов и "качества" полученных результатов с применением набора статистических методов.

2) Разработан алгоритм улучшения экспертной информации и проверены процедуры повышения качества результатов. Показано, что процедура автоматизированной корректировки экспертных суждений позволяет повысить согласованность экспертных суждений. Процедура автоматизированной группировки экспертов повышает качество ранжирования, что реализуется специальным алгоритмом отбора экспертов.

3) Предложена схема интервального оценивания факторов, использующего средства имитационного моделирования, при которой фактор считается случайной величиной, имеющей бета-распределение на интервале a,b). При моделировании конкретного значения фактора предложено три варианта: а) эксперт задаёт лишь значение интервала; б) эксперт кроме значения интервала указывает отличающиеся значения математического ожидания и наиболее вероятного значения; в) эксперт кроме значения интервала задаёт одинаковые значения математического ожидания и наиболее вероятного значения.

4) Комбинационное моделирование для ранжирования вузов реализовано в виде программного комплекса "Комбинационное моделирование для ранжирования объектов", в котором включена возможность графического представления результатов ранжирования в виде матрицы Мак-Кинси, ромба и линейки ранжирования, а также возможность отображения интервальных оценок на матрице Мак-Кинси в виде областей. Программный комплекс помимо ранжирования вузов позволяет упорядочивать и другие объекты, что достигается его "настройкой". Этот факт подтверждается актом внедрения (приложение 3).

Дополнительно был проведён статистический анализ экспертной информации, который подтвердил квалификацию экспертов и удачный выбор факторов; проранжированы вузы с применением созданного автором программного комплекса; проверена процедура анализа матрицы Мак-Кинси, которая оценивает позицию вуза в матрице и определяет стратегию его дальнейшего развития.

1. Закон "Об образовании" от 10.07.1992 № 3266-1 // Российская газета. 2008. - 30 апреля, № 94. - С. 13.

2. Концепция Федеральной целевой программы развития образования на 2006-2010 годы Текст. / Распоряжение Правительства Российской Федерации от 03.09.2005 г. № 1340-р.

3. О национальной доктрине образования в Российской Федерации: Постановление Правительства Российской Федерации от 04.10.2000 г № 751 // Собрание законодательства РФ. 2000. - № 41. - Ст. 4089.

4. О федеральной целевой программе развития образования на 20062010 годы: Постановление Правительства Российской Федерации от 23.12.2005 г. №803 // Собрание законодательства РФ. 2006. - № 2. -Ст. 186.

5. Об утверждении федеральной программы развития образования: Федеральный закон от 10.04.2000 г. № 51-ФЗ // Собрание законодательства Российской Федерации. 2000. - 17 апреля. - № 16. - Ст. 1639.

6. Федеральная программа "Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2000 годы" // Российская газета. 1996. - 19 сентября. -№ 179.

7. Федеральный закон "О высшем и послевузовском профессиональном образовании" от 22.08.1996 г. № 125-ФЗ // Собрание законодательства РФ. -1996.-26 августа.-№35.-Ст. 4135.

8. Азгальдов, Г. Г. Возможные направления использования квалимет-рии в сфере производства и эксплуатации оборудования для нефти и газа Текст. / Г. Г. Азгальдов // Надёжность и сертификация оборудования для нефти и газа. 2001. - № 4.

9. Азгальдов, Г. Г. Квалиметрия в архитектурно-строительном проектировании Текст. / Г. Г. Азгальдов. — М.: Стройиздат, 1989. 272 с.

10. Азгальдов, Г. Г. Квалиметрия в машиностроении Текст. / Г. Г. Азгальдов // Надёжность и сертификация оборудования для нефти и газа. 2001. -№ 2.

11. Азгальдов, Г. Г. О квалиметрии Текст. / Г. Г. Азгальдов, Э. П. Райхман. М.: Изд-во Стандартов, 1973. - 172 с.

12. Азгальдов, Г. Г. Теория и практика оценки качества товаров (основы квалиметрии) Текст. / Г. Г. Азгальдов. М.: Экономика, 1982. — 256 с.

13. Азова, Е. Финансово-промышленная школа бизнеса Текст. / Е. Азова // Московский комсомолец. 2006. - 26 июня. - С. 9.

14. Анохин А. М. Методы определения коэффициентов важности критериев Текст. / А. М. Анохин и др. // Автоматика и телемеханика. 1997. -№ 8.-С. 3-35.

15. Ансофф, И. Стратегическое управление Текст. / И. Ансофф; сокр. пер. с англ.; науч. ред. и авт. предисл. JI. И. Евенко. М.: Экономика, 1989. — 519 с.

16. Афонасьев, В. Маркетинг образовательных услуг Текст. / В. Афонасьев, В. Черкасов // Маркетинг. 1999. - № 5. - С. 68-76.

17. Багаутдинова, Н. Г. Высшая школа сегодня и завтра: пути преодоления кризиса Текст. / Н. Г. Багаутдинова. — М.: Издательство "Экономика", 2003.-426 с.

18. Беляевский, И. К. Маркетинговое исследование: информация, анализ, прогноз Текст. / И. К. Беляевский. М.: Финансы и статистика, 2001. — 320 с.

19. Берж, К. Теория графов и её применения Текст. / К. Берж; перевод с фр. А. А. Зыкова; под. ред. И. А. Вайнштейна. М.: Изд-во иностр. лит., 1962.-319 с.

20. Божук, С. Г. Маркетинговые исследования Текст. / С. Г. Божук, Л. Н. Ковалик. СПб.: Питер, 2003. - 304 с.

21. Болонский процесс: нарастающая динамика и многообразие (документы международных форумов и мнения европейских экспертов) Текст. / под науч. ред. В. И. Байденко. — М.: Исследовательский центр подготовки качества специалистов, 2002. — 408 с.

22. Брахман, Т. Р. Многокритериальное^ и выбор альтернативы в технике Текст. / Т. Р. Брахман. М.: Радио и связь, 1984. - 287 с.

23. Васильев, Ю. С. Экономика и организация управления вузом Текст. / Ю. С. Васильев, В. В. Глухов, М. П. Фёдоров. — 3-е изд., испр. и доп.; под. ред. В. В. Глухова. СПб.: Издательство "Лань", 2004. - 608 с.

24. Владимирский, С. Р. Современные методы проектирования мостов. Терминология. Текст. / С. Р. Владимирский. — СПб.: Папирус, 1998. 493 с.

25. Воложанина, О. А. Экспертно-статистический подход при выборе новых специальностей для "транспортного проекта" Текст. / О. А. Воложанина, Ю. М. Краковский // Качество. Инновации. Образование. -2007.-№6.-С. 20-22.

26. Высшая школа в 2000 году: Ежегодный доклад о развитии ВПО Текст. М.: НИИВО, 2001. - 239 с.

27. Геворкян, Е. Н. Кадры высшей школы: актуальное состояние Текст. / Е. Н. Геворкян // Высшее образование в России. — 2006. — № 9. — С. 23-32.

28. Геворкян, Е. Н. Рынок образовательных ресурсов: аспекты модернизации Текст. / Е. Н. Геворкян. М., 2005. - 358 с.

29. Глобализация и образование. Болонский процесс: Материалы "круглого стола" Текст. М.: Альфа-М, 2004. - Вып. 2.-168 с.

30. Гмошинский, В. Г. Теоретические основы инженерного прогнозирования Текст. / В. Г. Гмошинский, А. В. Флиорент. М.: Наука, 1973. -304 с.

31. Гохберг, JL М. Мониторинг экономики образования: цели, задачи, реализация Текст. / JI. М. Гохберг, Н. В. Ковалёва // Вопросы статистики. — 2004.-№9.-С. 38-45.

32. Грантмахер, Ф. Р. Теория матриц Текст. / Ф. Р. Грантмахер. М.: Наука, 1967.-552 с.

33. Гусинский, Э. Н. Введение в философию образования Текст. / Э. Н. Гусинский, Ю. Н. Турчанинова. М.: Логос, 2003. - 248 с.

34. Ефремов, В. С. Стратегия бизнеса. Концепции и методы планирования Текст. / В. С. Ефремов. М.: Изд-во "Финпресс", 1998. - 192 с.

35. Закс, Л. Статистическое оценивание Текст. / Л. Закс. — М.: Статистика, 1976. — 598 с.

36. Илясов, Е. Трудоустройство выпускников задача учреждений профессионального образования Текст. / Е. Илясов // Высшее образование в России. - 2004. - № 2. - С. 84-94.

37. Инновации в российском образовании: Высшее профессиональное образование Текст. М.: МГУП, 1999. - 259 с.

38. Карнаухова, В. К. Стратегический анализ рынка труда специалистов с высшим образованием Текст. / В. К. Карнаухова, Ю. М. Краковский //

39. Университетское управление — практика и анализ. Екатеринбург, 2004. -№ 3. - С. 26-31.

40. Картышов, С. В. Многокритериальный анализ задач стратегического маркетинга в программе Marketing Expert Текст. / С. В. Картышов // Маркетинг и маркетинговые исследования в России. 1997. — № 5. — С. 33-45.

41. Картышов, С. В. Стратегический и оперативный маркетинг Текст. / С. В. Картышов // Маркетинг и маркетинговые исследования в России. — 1998,-№4.-С. 25-31.

42. Кастровский, А. П. Формирование и развитие территориальной структуры высшего образования России Текст. / А. П. Кастровский. М.: Международные отношения, 2003. - 208 с.

43. Колесов, В. Рынок образовательных услуг и ценности образования Текст. / В. Колесов // Высшее образование в России. 2006. - № 2. - С. 3-8.

44. Коржуев, А. В. Традиции и инновации в высшем профессиональном образовании Текст. / А. В. Коржуев, В. А. Попков. — М.: Издательство МГУ им. М.В. Ломоносова, 2003. 300 с.

45. Коробейников, О. П. Стратегическое поведение: от разработки до реализации Текст. / В. Ю. Колесов, О. П. Коробейников, А. А. Трифилова // Менеджмент в России и за рубежом. — 2002. № 3. - С. 17-22.

46. Краковский, Ю. М. Анализ конкурентоспособности и привлекательности вузов в регионе по конкретной специальности Текст. / Ю. М. Краковский // Вестник высшей школы. 2005. - № 4. - С. 39-43.

47. Краковский, Ю. М. Высшая школа Иркутской области: история, анализ, развитие Текст. / В. К. Карнаухова, Ю. М. Краковский. Иркутск: Изд-во ИГУ, 2002. - 212 с.

48. Краковский, Ю. М. Имитационное моделирование Текст. / Ю. М. Краковский. Иркутск: Изд-во ИГЭА, 2001. - 34 с.

49. Краковский, Ю. М. Методы анализа и обработки данных для мониторинга регионального рынка образовательных услуг Текст. /

50. B. К. Карнаухова, Ю. М. Краковский. М.: Издательский центр "МарТ", 2007. - 240 с.

51. Краковский, Ю. М. Прогнозирование и стоимостный анализ рынка образовательных услуг Текст. / Ю. М. Краковский // Вестник высшей школы. 2000. - № 9. - С. 3 8-40.

52. Краковский, Ю. М. Стратегический анализ регионального рынка образовательных услуг Текст. / Ю. М. Краковский // Вестник высшей школы. 2004. - № 5. - С. 22-25.

53. Менеджмент, маркетинг и экономика образования Текст. / под ред. А. П. Егоршина, Н. Д. Никандорова. — 2-е изд., перераб. — Н. Новгород: НИМБ, 2004. 526 с.

54. Модернизация российского образования: ресурсный потенциал и подготовка кадров Текст. / под ред. Т. JI. Клячко. М.: ГУ-ВШЭ, 2002. -182 с.

55. Мокеев, В. В. О задаче нахождения собственных значений и векторов больших матричных систем Текст. / В. В. Мокеев // Журнал вычислительной математики и математической физики. 1992. - Т. 32. - № 10.1. C. 1652-1687.

56. Новикова, Н. Г. Анализ рыночных возможностей: проблемы, методология и опыт Текст. / Н. Г. Новикова. Иркутск: Изд-во ИГЭА, 2000. -207 с.

57. Орлов, А. И. Менеджмент Текст. / А. И. Орлов. М.: Знание, 1999. -314с.

58. Орлов, А. И. Объекты нечисловой природы Текст. / А. И. Орлов // Заводская лаборатория. 1995. - Т. 61. - № 3, С. 41-52.

59. Орлов, А. И. Парные сравнения в асимптотике Колмогорова Текст. / А. И. Орлов // Экспертные оценки в задачах управления. М.: ИПУ, 1982. -С. 58-66.

60. Орлов, А. И. Проверка согласованности мнений экспертов в модели независимых парных сравнений Текст. / А. И. Орлов // Экспертные оценки в системном анализе. М.: ВНИИСИ, 1979. - вып. 4 - С. 37-46.

61. Панкова, J1. А. Организация экспертиз и анализ экспертной информации Текст. / Л. А. Панкова, А. М. Петровский, М. В. Шнейдерман. М.: Наука, 1984.- 120 с.

62. Пензин, К. В. Вариант алгоритма Левенберга-Марквардта решения нелинейных задач методом наименьших квадратов Текст. / К. В. Пензин // Журнал вычислительной математики и математической физики. 1991. -Т. 31.-№ 10.-С. 1444-1451.

63. Перспективы развития и модернизации экономики высшего профессионального образования Текст. / под ред. Т. В. Абянкиной, Б. Л. Рудника. -М.: ГУ-ВШЭ, 2006.-218 с.

64. Пешкова, Е. П. Маркетинговый анализ в деятельности фирмы Текст. / Е. П. Пешкова. М.: "Ось-89", 1996. - 80 с.

65. Радаев, В. В. Рынок как объект социологического исследования Текст. / В. В. Радаев // СОЦИС. 1999. - № 3. - С. 28-37.

66. Райхман, Э. Л. Экспертные методы в оценке качества товаров Текст. / Г. Г. Азгальдов, Э. Л. Райхман. М.: Экономика, 1974. - 151 с/

67. Саати, Т. Принятие решений. Метод анализа иерархий Текст. / Т. Саати. М.: Радио и связь, 1993. - 320 с.

68. Савицкая, Е. В. Ценность и доступность высшего профессионального образования в России Текст. / Е. В. Савицкая // Вопросы статистики. — 2004.-№9.-С. 45-50.

69. Садовничий, В. А. Высшая школа России. Ориентиры на будущее Текст. / В. А. Садовничий // Бюллетень Министерства образования РФ. -2001. -№ 8. -С. 8-22.

70. Состояние и развитие высшего и среднего профессионального образования. Анализ и оценка Текст. / под ред. проф. А. Я. Савельева. М.: НИИВО, 1999.- 132 с.

71. Статистическое измерение качественных характеристик Текст.: пер. с англ. / под. ред. Е. М. Четыркина. М.: Статистика, 1972. - 172 с.

72. Стратегическое планирование Текст. / под ред. Э. А. Уткина. — М.: Ассоциация авторов и издателей "ТАНДЕМ". Изд-во ЭКМОС, 1998. 440 с.

73. Такаров, И. М. Выбор принципа построения сетей системы автоматического управления на основе электрических цепей Текст. / В. М. Озерной, И. М. Такаров, А. П. Ястребов // Автоматика и телемеханика. — 1971. — №4.-С. 25-31.

74. Тихомирова, Н. В. Система показателей и индикаторов качества образования Текст. / Н. В. Тихомирова // Вопросы статистики. 2004. - № 9. -С. 50-54.

75. Томпсон, А. А. Стратегический менеджмент. Искусство разработки и реализации стратегии Текст. / А. Дж. Стрикленд, А. А. Томпсон; пер. с англ. под ред. JI. Г. Зайцева, М. И. Соколовой. М.: Банки и биржи, ЮНИТИ, 1998.-576 с.

76. Тынтарев, Э. М. Аппроксимация коэффициентов важности функциями ранжирования Текст. / В. М. Трофимов, Э. М. Тынтарев // Экономика и математические методы. -1971.-Т. 11. — №7. С. 17-20.

77. Тюрнев, А. С. Программный комплекс для стратегического позиционирования образовательных объектов Текст. / Ю. М. Краковский, А. С. Тюрнев // Вестник развития науки и образования. — М.: Наука, 2007. — № 6. С. 28-32.

78. Тюрнев, А. С. Сравнительный анализ программных продуктов для маркетинговых исследований Текст. / Т. А. Краковская, А. С. Тюрнев // Современные технологии. Системный анализ. Моделирование. — Иркутск: Изд-во ИрГУПС, 2007. № 1 (13). - С. 120-126.

79. Тюрнев, А. С. Средства комбинаторного моделирования для позиционирования вузов Текст. / Ю. М. Краковский, А. С. Тюрнев // Качество. Инновации. Образование. 2008. — № 6. — С. 24-28.

80. Тюрнев, А. С. Средства программно-математического моделирования для ранжирования вузов Текст. / Ю. М. Краковский, А. С. Тюрнев // Труды байкальской международной школы-семинара "Методы оптимизации и их приложения". Северобайкальск. - 2008. - С. 10-15.

81. Фатхутдинов, Р. Управление конкурентоспособностью вуза Текст. / Р. Фатхутдинов // Высшее образование в России. 2006. - № 9. - С. 37-39.

82. Федеральная целевая программа развития образования Электронный ресурс. — Режим доступа: http://www.fcpro.ru/

83. Шильке, Я. JI, Процедура анализа конкурентоспособности вузов на рынках образовательных услуг и труда Текст. / Ю. М. Краковский, Я. JI. Шильке // Современные технологии Системный анализ. Моделирование. Иркутск: Изд-во ИрГУПС, 2004. - № 4. - С. 122-127.

84. Шильке, Я. JI. Трёхэтапный метод оценки стратегического положения вузов, использующий модель Мак-Кинси Текст. / В. К. Карнаухова, Ю. М. Краковский. Я. JL Шильке // Университетское управление практика и анализ. - Екатеринбург, 2007. - № 1. - С. 35-39.

85. Шмерлинг, Д. С. Разработка и исследование ранговых методов анализа информации для задач упорядочения элементов сложных систем Текст.: дис. . канд. физ.-мат. наук: защищена 02.11.83 / Д. С. Шмерлинг. -М.: ВНИИСИ, 1982.

86. Экенроде, Р. Т. Взвешенные многомерные критерии Текст. / Р. Т. Экенроде // Статистические измерения качественных характеристик. -М.: Статистика, 1972.-С. 139-154.

87. Юшманов С. В. Метод нахождения весов, не требующий полной матрицы попарных сравнений // Автоматика и телемеханика. 1990. - №2.-С. 186-189.

88. Berge, С. Theorie des graphes et ses applications Text. / C. Berge. -Paris: Dunod, 1958. 277 p.

89. Chu, T. W. Comparison of two methods to determining the weights belonging to fussy sets Text. / R. Calaba, T. W. Chu, K. Springern // J. Optimiz. Theory and Appl.- 1979-vol. 27.-№4.-P. 531-538.

90. Cogger, К. O. Eigenweight vector and least-distance approximation for revealed preference in pairwise weight ratios Text. / К. O. Cogger, P. L. Yu // J. Optimiz. Theory and Appl. 1985. - vol. 46. - № 4. - P. 483-491.

91. Davies, S. Strategic Marketing for Schools Text. / L. Bison, S. Davis. London: Pitman Publishing, 1997. - P. 9-19.

92. Eckenrode, R. T. Weighting Multiple Criteria Text. / R. T. Eckenrode // Management Science. 1965. - vol. 12. - P. 180-192.

93. Hichens, R. E., The Directional Policy Matrix: Tool for strategic Planning Text. / R. E. Hichens, S. J. Q. Robinson, D. P. Wade // Long Range Planning. 1978.-vol. 11 - P. 8-15.

94. Hrouda, J. Hodnoceiw altcructiv metod die reretionich vyrnamusfi Text. / J. Hrouda // Econ. Math. Obs. 1973. - № 4. - P. 361-375.

95. Kotler, Ph. Strategic Marketing for Education Institution Text. / K. F. A. Fox, Ph. Kotler. New Jersey: Prentice Hall, 1985. - 342 p.

96. Kruskal, W. H. Use of ranks in one-criterion variance analysis Text. / W. H. Kruskal, W. A. Wallis // Journal of the American Statistical Association. — 1952.-vol. 47.-P. 583-621.

97. Ryans, С. С. Strategic Planning, Marketing, Public Relations and Fund-Raising In Higher Education Text. / W. R. Chanklin, С. C. Ryans. Metuchen: L. Scarecrow press, 1986. - 286 p.

98. SaatyT. L. The analytical hierarchy process Text. / T. L. Saaty. -N.Y., 1980.-p. 287.

99. Saaty, T. Eigenvector and logarithmic least squares Text. / T. L. Saaty // Eur. J. Oper. Res. 1990. - vol. 48. - № 1. - P. 156-160.

100. Studler, J. Weights Search by the Marquardt method Text. / J. Studler //Econ. Math. Obs.- 1975.-vol. 21. -№ 2. -P. 185-195.

101. Takeda, L. Estimating criterion weights using eigenvectors Text.: a composite study / К. O. Cogger, L. Takeda, P. L. Yu // Eur. J. Oper. Res. 1987. -vol. 29.-№3.-P. 360-369.

102. Wei, Т. H. The algebraic foundations of ranking theory Text.: Theses / Т. H. Wei. Cambridge, 1952.