автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Система маркетинговых исследований образовательных услуг вуза с интеллектуальными компонентами

с

На правах рукописи УДК 681.3.06:378.11(043.3)

ТОМАШЕВ МИХАИЛ ВИКТОРОВИЧ

СИСТЕМА МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ

ОБРАЗОВАТЕЛЬНЫХ УСЛУГ ВУЗА С ИНТЕЛЛЕКТУАЛЬНЫМИ КОМПОНЕНТАМИ

05.13.10 - Управление в социальных и экономических системах

Автореферат

диссертации на соискание ученой степени кандидата технических наук

На правах рукописи УДК 681.3.06:378.11(043.3)

ТОМАШЕВ МИХАИЛ ВИКТОРОВИЧ

СИСТЕМА МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ

ОБРАЗОВАТЕЛЬНЫХ УСЛУГ ВУЗА С ИНТЕЛЛЕКТУАЛЬНЫМИ КОМПОНЕНТАМИ

05.13.10 - Управление в социальных и экономических системах

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Работа выполнена в Алтайском государственном техническом университете им. И.И. Ползунова на кафедре «Информационные системы в экономике»

Научный руководитель: доктор технических наук, профессор

Пятковский Олег Иванович

Официальные оппоненты: доктор физико-математических наук, профессор

Алгазин Геннадий Иванович

кандидат технических наук Бушмин Игорь Александрович

Ведущая организация: Новосибирский государственный технический университет

Защита диссертации состоится 6 июля 2006 года в 14 часов на заседании регионального диссертационного совета КМ 212.004.01 в Алтайском государственном техническом университете им. И.И. Ползунова по адресу: 656038, г. Барнаул, пр. Ленина, 46.

С диссертацией можно ознакомиться в библиотеке Алтайского государственного технического университета им. И.И. Ползунова.

Автореферат разослан « июня 2006 г.

Ученый секретарь регионального диссертационного совета, к.э.н., доцент

ОБГЦАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы, В современных условиях значительно возросли требования к управлению высшим учебным заведением, как и для любого рыночного субъекта, для вуза, особую роль приобретает маркетинг. На сегодняшний день маркетинг особо актуален для системы отечественного образования, потому что ей предстоит структурная трансформация в соответствии с новым качеством спроса на специалистов и в связи с происходящим демографическим кризисом.

В России по вопросам маркетинга в образовании и его автоматизации существует небольшое количество публикаций и монографий. Наиболее известны в этой области работы Л.П. Панкрухина, появившиеся порядка 10 лет назад. Эти работы интересны с точки зрения общей теории маркетинга образовательных услуг. Однако на современном этапе вузы отдают предпочтение конкретным методам маркетинга в высшем образовании, методикам проведения маркетинговых исследований, информационным системам поддержки принятия решений в маркетинговой деятельности вуза и т.п.

Проведенный информационный поиск позволяет сделать определенные выводы. За рубежом это направление развивают Benson Shapiro, Margaret Kinnell, Jennifer MacDougal, Gerald Zaltman, Richard Bagozzi, Sydney Levy, но их работы ориентированы на западное образование, отличное от российского. В России общие аспекты автоматизации маркетинговых исследований представлены в некоторых научных журналах такими авторами как Е,П. Голубков, М.М. Волкова, E.H. Жильцов, Э.В. Новаторов, О.В. Сагинова и др. Вполне допустимо и логично, что подобные разработки ведутся в ведущих вузах России, но судя по недостаточной освещенности вопроса в литературных источниках, о законченных решениях говорить рано. Общий анализ существующих систем и научных наработок в этой области позволяет говорить о новизне предлагаемой системы.

В связи с этим, актуальными являются вопросы совершенствования информационной системы вуза и включения в нее новых задач, автоматизирующих процессы принятия решений управленческим персоналом.

Характерными особенностями комплексных маркетинговых исследований являются их сложность и неформализованность, большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей.

Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения неформализованных задач, включающих гибридные блоки оценки, прогнозирования и их применение при проектировании информационных систем маркетинговых исследований является современной актуальной проблемой.

Решению указанных проблем посвящена данная работа.

Цель исследования разработка состава и структуры маркетинговой информационной системы образовательных услуг и её программная реализация.

Задачи исследования

1. На основе процессного подхода и методов системного анализа исследовать процесс управления маркетинговыми исследованиями образовательных услуг.

2. Провести анализ систем управления маркетингом вуза.

3. Выполнить анализ существующих подходов к проектированию и реализации систем маркетинговых исследований.

4. Определить структуру системы маркетинговых исследований образовательных услуг вуза.

5. Выделить интеллектуальные блоки и определить методы решения обрабатываемых ими задач маркетинга образования.

6. Разработать программную реализацию комплекса включающего блоки интеллектуальных компонентов, реализующих гибридную экспертную систему.

7. Провести вычислительные эксперименты использования интеллектуальных блоков на примере решения задачи прогноза спроса на образовательную услугу со стороны абитуриентов.

Объектом исследования выступает система управления маркетингом вуза как основа системы стратегического управления вузом.

Предметом исследования в диссертационной работе является структура маркетинговой информационной системы образовательных услуг (МИС ОУ), структура и алгоритмы функционирования интеллектуальных модулей с применением современных информационных технологий.

Методы исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, теории принятия решений, проектирования информационных систем, методов искусственного интеллекта, а именно, нейронных сетей и продукционных экспертных систем.

Научная новизна работы заключается в достижении следующих научных результатов:

- разработана структура системы маркетинговых исследований ОУ вуза с интеллектуальными компонентами на основе современных методов системного анализа и процессного подхода;

- разработано информационно — программное обеспечение для эффективного функционирования гибридной экспертной системы в составе интеллектуальных блоков системы маркетинговых исследований;

- реализован специализированный программный комплекс на основе предложенной структуры системы маркетинговых исследований образовательных услуг и методов обработки информации с использованием гибридной экспертной системы

Защищаемые положения

1. Структура системы маркетинговых исследований образовательных услуг вуза с интеллектуальными компонентами.

2. Механизмы функционирования гибридной экспертной системы в маркетинговых исследованиях образовательных услуг и её информационно-техническое обеспечение.

3. Автоматизированная маркетинговая информационная система «Маркетинг образования».

4. Результаты использования системы на примере решения задачи прогнозирования спроса на образовательную услугу со стороны абитуриентов.

Практическая значимость результатов диссертационной работы заключается в том, что предложенные методы и алгоритмы реализации МИС ОУ могут быть использованы при организации МИС в любом образовательном учреждении и адаптированы под его особенности.

Разработанная информационная система «Маркетинг образования» может быть использована для проведения маркетинговых исследований образовательных услуг в образовательных учреждениях различного уровня, разных форм собственности, а также для решения задач прогнозирования с использованием гибридной экспертной системы, работающей на основе искусственных нейронных сетей и продукционных экспертных систем.

Реализация результатов. Разработанная информационная система используется при маркетинговых исследованиях и прогнозировании различных показателей в отделе маркетинговых исследований АлтГТУ, а также в ряде учебных заведений края, о чем в работе имеются акты о внедрении и использовании.

Диссертационная работа выполнена в соответствии с:

- техническим заданием НФПК №Е/А.06/99-2-854 по теме «Разработка технического проекта системы управления образовательной деятельностью крупного вуза с разветвленной территориальной структурой с учетом рыночных механизмов регулирования и с использованием информационно-аналитической поддержки».

- государственным контрактом по теме РИ-16/006 «Научно-организационное, методическое и техническое обеспечение организации и поддержки научно-образовательных центров в области информационных технологий и осуществление на основе комплексного использования материально-технических и кадровых возможностей совместных исследований и разработок

На разработанную интеллектуальную информационную систему «Маркетинг образования вер. 1.0» получено свидетельство Российского агентства по патентам и товарным знакам (Роспатент) № 2005612516 от 29.09.2005 г.

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на международных научно-технических конференциях «Измерение, контроль, информатизация» (г. Барнаул) в 20032005 годах, на всероссийских семинарах «Нейроинформатика и ее приложения»

(г. Красноярск) в 2004-2005 годах, на всероссийской научно-методической конференции "Открытое образование и информационные технологии" (г. Пенза, 2005 г.).

Публикации: по теме диссертации опубликовано 6 работ, на интеллектуальную информационную систему «Маркетинг образования вер. 1.0» получено свидетельство о регистрации.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, списка использованной литературы и 7 приложений общим объемом 156 страниц, содержит 45 рисунков, 5 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе диссертационной работы «Система маркетинговых исследований услуг вуза с интеллектуальными компонентами» рассмотрен маркетинг образовательных услуг как относительно новое явление для российского образования. Представлены общая концепция и основы данного явления. Рассмотрены взгляды зарубежных и отечественных авторов на применение маркетинга для решения задач, стоящих перед образованием сегодня. Отмечена особая роль учащегося, как субъекта маркетинга образовательных услуг, т.к. вокруг него выстраивают свои отношения все остальные участники рынка образовательных услуг

Сделаны выводы об увеличении роли маркетинга как элемента системы управления вузом, но вместе с этим обращено внимание на недостаточное использование методологии и инструментария маркетинга и обозначена решающая роль вузов в становлении маркетинга в сфере образования.

Проанализированы основные методы проведения маркетинговых исследований: методы количественного сбора информации, методы качественного сбора информации, mix-методики.

Для большинства задач маркетинга характерны большой объем первичной информации, наличие качественных входных показателей, а также стохастический и неопределенный механизм вычисления результирующих значений. Все это позволило сделать вывод о сложности и неформализованйости многих задач маркетинга в образовательной сфере. В их решении значительную роль играет экспертный опыт, т.е. большинство задач решаются только высоко квалифицированными специалистами предметной области.

Во втором параграфе главы проведен анализ требований, выдвигаемых к организации маркетинговой информационной системы предприятия, определено её назначение. Представлена концептуальная схема системы маркетинговых исследований, с описанием информационных потоков и основных подсистем.

Рассмотрены существующие на рынке программные комплексы, автоматизирующие маркетинговые исследования - Marketing Analytic, Касатка, ОЛИМП:Маркетинг и др. Проанализирована возможность их применения в сфере образования. Сделан общий вывод - большинство из представленных

программ не учитывают специфику маркетинга образования и не могут удовлетворить большинство потребностей образовательного учреждения. Все из рассмотренных комплексов недостаточно используют интеллектуальные технологии для решения маркетинговых задач.

Анализ существующих методов интеллектуальной обработки данных проведен в третьем параграфе главы. Раскрыта возможность их применения в решении неформализованных задач маркетинга образования. Определены критерии их формализации. Отдельно рассмотрено решение подобных задач, путем построения аналитических зависимостей, продукционных экспертных систем и нейронных сетей. Представлены достоинства и недостатки каждого из методов.

В заключении главы приведено обоснование использования гибридных экспертных систем для решения задач маркетинга образования.

В первом параграфе второй главы работы «Система маркетинговых исследований услуг вуза с интеллектуальными компонентами» рассматривается процесс управления маркетингом образования, представляемый как замкнутый контур со всеми характеризующими функциями - прогнозирование, планирование, учет, контроль, анализ, регулирование, координация, связь.

В результате использования системного анализа, определены задачи, стоящие перед маркетингом образовательных услуг. К основным из них отнесены: учет первичной информации, анализ конкурентоспособности образовательных услуг(ОУ) и конкурентоспособности вуза, анализ и сегментация рынка, трудоустройство выпускников, ценообразование, анализ предпочтений потребителей ОУ, анализ и прогнозирование спроса на ОУ, построение плана маркетинга. Каждая из представленных задач в работе разбита на ряд подзадач. Результаты анализа представлены в работе в виде иерархического дерева.

На основании проведенных исследований выводится заключение, что система управления маркетингом образования является сложной, дискретной и динамической. Сложность системы определяется неопределенностью рынка спроса на услуги, стохастичностью и неуправляемостью входных переменных.

Рассмотрение всех подзадач с точки зрения формализации позволило сделать вывод о наличии большого количества неформализованных задач в фазах анализа, прогнозирования и планирования. На основе детального анализа каждой задачи и её специфики, предложены методы решения.

Многие из проанализированных задач характеризуются большими объёмами разнородных первичных данных. В процессе принятия управленческих маркетинговых решений происходит структурирование данных в информацию, и основной задачей маркетинговой системы следует считать сжатие информации на выходе, за счет использования интеллектуальных компонент.

Учитывая полученные результаты, определены требования к системе маркетинговых исследований образовательных услуг, в соответствии с которыми её основными компонентами следует считать:

— информационную систему сбора и первичной обработки информации;

- экспертную компоненту, которая, на основании сведений об объекте маркетинга, установленных моделях, критериях качества и приоритетах, производит вывод правил принятия маркетинговых решений;

- систему ввода/вывода запросов, которая обеспечивает представление данных, полученных из системы, в виде, необходимом ЛПР.

На основе системного подхода представлена структура системы маркетинговых исследований с применением гибридной экспертной системы (рис. 1).

Рисунок 1 — Маркетинговая информационная система с интеллектуальными компонентами

Учитывая сложность объекта автоматизации, предложена гибкая структура системы, состоящая из комплекса модулей. Они должны выполнять алгоритмы, основанные на различных методах: аналитических, эвристических, статистических, математического программирования, искусственного интеллекта, экспертных и диалоговых процедур принятия решений.

Обобщая сформулированные требования к системе автоматизации маркетинга, она классифицирована как структурно-сложная динамическая система.

Во втором параграфе разобраны структуры и алгоритмы функционирования системы маркетинговых исследований образовательных услуг.

Детально освещены механизмы сбора и предварительной обработки информации. Проведение анализа обрабатываемой информации позволило предложить в качестве основной иерархическую систему классификации.

Функционирование системы сбора информации может осуществляться в двух режимах: централизованном и распределенном. Учитывая особенности технического оснащения многих образовательных учреждений, за основную выбрана распределенная модель сбора информации. В данном варианте маркетинговая информационная система состоит из основной части и множества автономных клиентов, взаимодействие осуществляется через стандартизованный интерфейс обмена данными с использованием средств коммуникаций или любых носителей информации.

Рисунок 2 — Схемы сбора информации МИС ОУ

Контроль в системе анализа информации является многоэтапным (рис. 2), что позволяет свести количество ошибок к минимуму. Система анализа первичной информации является смешанной. В своей основе она содержит пакетный механизм обработки данных, однако в любой момент может быть переведена в диалоговый режим. В этот режим она также переходит при внештатной ситуации, т.е. когда данные являются противоречивыми или не точными.

Основываясь на общем подходе к построению системы, интеллектуальная составляющая строится по модульному принципу (рис. 3).

Рисунок 3 — Схема интеллектуальной составляющей МИС ОУ

В целом работа интеллектуальной составляющей системы разбивается на два режима: режим настройки и режим использования. В режиме настройки

происходит построение дерева целей средствами гибридной экспертной системы на основе выбранной модели. В режиме использования осуществляется выбор необходимого набора данных и получение конечного результата на основе сформированного дерева.

Общая функция гибридной модели может быть представлена как:

(1)

где Г,к функция в узле к-оъл узле дерева целей, Р" набор входных параметров данной функции.

Метод решения в каждом узле дерева выбирается сообразно решаемой им задаче. Это может быть нейронная сеть, экспертная система или аналитическая формула.

Рисунок 4 - Механизм формирования нейросетевой модели

В контексте данной работы под нейросетью понимается сложная вектор-функция:

и,.

.(.,Г2(а\Г'(а\х)))))),

(2)

где р — номер компоненты выходного вектора, а — вектор параметров или весов связей, х — вектор входных данных или переменных, ¡с — число слоев сети, тк — число нейронов в к-м слое, £г(а,Г'') - функция поведения нейрона:

/Гк.Г-'ЬЪГ-";

>-0

2/ГЧ

(3)

где с>0 — характеристика пологости функции, г = 1 ..к — номер слоя сети, / -номер нейрона, /о=1. Технология функционирования нейросетевого блока представлена на рис. 4

Особенностью нейросетевых моделей являются их внутренние регуляри-зирующие свойства, позволяющие получать малые ошибки обобщения. Полезность таких свойств нейронных сетей проявляется в ситуациях, когда экспериментальные данные о системе содержат внутреннюю избыточность. Избыточность позволяет представить совокупность данных моделью, содержащей меньшее число параметров, чем имеется данных. Таким образом, нейросетевая модель сжимает экспериментальную информацию, устраняя шумовые компоненты и подчеркивая непрерывные, гладкие зависимости.

К этапам предобработки данных при нейросетевом моделировании в информационных системах в работе относятся: исключение аномальных наблюдений, проверку однородности данных, заполнение пропусков в данных, фильтрацию, нормировку данных, погружение данных.

Формирование БЗ продукционной ЭС осуществляется подсистемой «Настройка экспертной системы» (рис. 5). Основными его компонентами являются: блок создания структуры, блок вербализации, блок формирования вершин, модуль формирования значений по умолчанию, модуль формирования правил, модуль проверки целостности БЗ, блок ввода доверительных коэффициентов.

Рисунок 5 - Схема настройки продукционной ЭС Блок «Формула» осуществляет разбор поступившей на вход формулы. Используя алгоритм "рекурсивного спуска", т.е. рекурсивного вызова процедур, в соответствующей последовательности, реализуется разбор выражений, причем,

допускаться выражения любой сложности, используя зарезервированные арифметические и логические операции.

В третьем параграфе главы в общем виде предложен процесс прогнозирования маркетинговых показателей в рамках гибридной экспертной системы. Основной формой представления информации являются временные ряды представленные в виде следующей зависимости:

А,={/4)}>' = 1Я (4)

где /, - временной момент, 7/еТр;; />(/,)- информационный объект (показатели), зафиксированный в момент ; п — количество членов ряда.

На основе гибридной экспертной системы (ГЭС) может быть построена древовидная модель прогнозирования, оптимальным образом учитывающая большое число количественных и качественных показателей влияющих на результат прогнозирования. В зависимости от решаемой задачи в блоке может использоваться нейросетевые элементы или продукционные системы. Первичную оценку аналитических данных целесообразнее осуществлять при помощи нейросетевых элементов, а обработку промежуточных показателей с применением продукционных систем.

При прогнозировании в образовании, определенной проблемой встает длительность временных рядов некоторых показателей в силу реформации образования. Однако, А.Н. Колмогоров, Дж. Нейман и А. Вальд в своих работах доказывают возможность получения достоверного результата при ограниченном числе наблюдений.

Использование нейронных сетей предопределяет необходимость предварительной обработки данных, включающей их предварительный анализ, заполнение пропусков, фильтрацию и сглаживание ряда. В ходе предварительного анализа проверяется состав и длина массива данных. Пропуски заполняются средним арифметическим значением предшествующего и последующего членов ряда. В качестве основного метода фильтрации рекомендовано использовать вейвлет-преобразование.

Для настройки ГЭС при решении задач прогнозирования в маркетинге образовательных услуг предлагается привлечения экспертов. Подбор экспертов и расчёт их компетентности осуществляются в соответствии с распространёнными методиками. После этой процедуры экспертная группа определяет набор входных параметров и осуществляет построение модели прогнозирования.

В заключении главы подводится итог и делаются выводы о сложности рассматриваемой системы в связи с большим числом компонентов, сложным характером связей между ними, многофункциональностью системы, недостатком априорной информации, многообразие реальных экономических и рыночных ситуаций, что предопределяют итерационный характер процесса проектирования и выбор адаптивных методов управления.

В третьей главе работы содержится описание программной реализации маркетинговой информационной системы образовательных услуг с интеллекту-

альными компонентами и экспериментов по ее использованию при проведении маркетинговых исследований.

В первом параграфе главы показана структура АМИС «Маркетинг образования», разработанная на основе концептуальной схемы, представленной во второй главе. Подробно рассмотрены модули системы и механизмы их взаимодействия. Описаны функции системы и представлены их особенности.

Описан выбор инструментальных средств для программной реализации системы. В основу системы положена клиент-серверная архитектура реализуемая сервером БД Firebird 1.5. В качестве среды разработки использовалась Borland Delphi 7.0.

АМИС «Маркетинг образования» реализует смешанный режим функционирования: централизованный или распределенный. Первый режим позволяет всем пользователям системы работать в реальном времени. Режим реализован с использованием web-технологий и программного клиента. Второй режим подразумевает использование распределенных модулей системы.

Для подтверждения положений, выдвинутых нами ранее, приведем результаты экспериментального использования МИС ОУ при прогнозировании спроса на образовательные услуги и покажем возможность использования ГИС-технологий в маркетинге образования.

Прогнозирование спроса на оказываемые услуги следует считать одной из важных задач в маркетинге. Спрос на образовательные услуги, как отмечалось прежде, формируется на рынке труда и рынке образовательных услуг. В качестве примера рассмотрим последний.

Из инструментария входящего в состав ГЭС, ориентированными на решение задач оценки и прогнозирования являются нейронные сети. Упростим структуру ГЭС и проведем эксперимент с использованием нейросетевого модуля.

Входящими данными выступили:

- общее количество населения в возрасте от 16 до 24 лет1;

- количество выпускников средних учебных заведений в т. ч.

а) окончивших с медалью;

б) окончивших на 4 и 5;

- среднемесячная заработная плата;

- количество мест на специальность в т. ч.

а) бюджетных;

б) платных;

- престиж специальности, который складывался из:

а) количества заявлений на место, за последние 3 года;

б) востребованность специальности со стороны организаций;

- стоимости обучения;

- проходной балл на специальность.

1 Статистические данные были получены в Комитете статистики Алтайского края и Отделе маркетинговых исследований АлтГТУ

Перечь входных параметров, априорно является неполным, поскольку невозможно в общем случае описать все независимые и зависимые признаки, существенные для моделирования объекта или процесса. Это связано и с нашим ограниченным представлением о моделируемом объекте, и с ограничениями на возможность проведения тех или иных измерений.

В качестве обучающей выборки были использованы данные за период с 1999 по 2005 годы по 10 специальностям информационно-экономической направленности. Учитывая особенность параметров — проходной балл и количество заявлений на место, их значения были сдвинуты на год вперед.

При эксперименте было обучено 45 нейронных сетей. Количество слоев в сети изменялось от 1 до 3 , количество нейронов от 2 до 10. Сети были разбиты на три группы в зависимости от значения параметра сигмоиды. Результаты прогнозирования показали, что наилучшие показатели были при значении параметра сигмоиды равном 1. При проведении эксперимента была обнаружена следующая зависимость: с уменьшением количества нейронов в последнем слое, уменьшалась средняя ошибка (рис. 6).

Рис. 6. Зависимость средней ошибки от количества нейронов в слое

В выбранной группе была определена сеть с наименьшим значением средней ошибки — оптимальная сеть состояла из одного слоя в 9 нейронов. Затем сеть была подвергнута операции контрастирования, после которой число нейронов сократилось до 5.

Первоначальное обучение выбранной сети было проведено по данным 1999 и 2000 года. Средняя ошибка вычислений составила 8%. Затем сеть была дообучена по данным 20-01 года. После этого этапа средняя ошибка составила 7,82%, и т.д. по всем годам выборки. Общие полученные результаты представлены в табл. 1.

Для сравнения результатов прогнозирования нейронной сети с линейными методами были использованы следующие методы: линейная аппроксимация по методу наименьших квадратов, прогнозирование на базе скользящего среднего,

метод двойного сглаживания Брауна, прогнозирование по среднему проценту прироста.

Таблица 1 - Ошибка прогнозных значений нейронной сети _

Количество лет Года Средняя ошибка

2 1999, 2000 8,45%

3 1999,2000,2001 7,82%

4 1999, 2000, 2001,2002 6,9%

5 1999, 2000, 2001, 2002, 2003 9,87%

6 1999, 2000, 2001, 2002, 2003, 2004 7,62%

7 1999, 2000, 2001, 2002, 2003, 2004, 2005 6,43%

Представленные данные демонстрируют, что результаты большинства методов линейного прогнозирования сильно удалены от фактических значений, что позволяет сделать выводы о невозможности использования их при решении поставленной задачи.

Количество заявлений 250

—Общее количество поданных заявлений (факт)

-К— Г>огноэ по среднему проценту прироста

—а— Аппроксимация па методу наименьших квадратов — Прогнозирование на базе скользящего среднего

- • — Мет од да ойного

сглаживания Брауна

-о— Нейросеть

1999 2000 2001 2002 2003 2004 2005 2006 года

Рис. 7. Результаты прогнозирования спроса на специальность «Прикладная информатика в экономике»

Из табл. 1 видно, как с увеличением обучающей выборки значение ошибки уменьшалось. Однако, в 2003 году ошибка сильно увеличилась, что дает основание сделать вывод о нехватке входящих параметров или невозможности решения поставленной задачи с помощью одних нейронных сетей.

Увеличение ошибки в 2003 году вызвано изменением порядка поступления абитуриентов в вуз. Зачисление осуществлялось по результатам ЕГЭ, что сократило общее количество абитуриентов и вызвало значительное увеличение ошибки, т.к. этот фактор не был учтен при обучении сети.

Оценка влияния этого фактора является достаточно сложной задачей. Для её решения была сформирована экспертная группа, результатом деятельности которой явилась модель прогнозирования, представленная на рис. 8.

Рис. 8. Модель прогнозирования спроса на специальность

Проведённые исследования и опрос экспертов позволили определить предпочтения потребителей, оценить престиж специальности и привлекательность вуза. По результатам исследований сформированы правила для ЭС, на выходе которой получены поправочные коэффициенты к результатам нейросе-тевого прогнозирования. Конечный результат представлен в табл. 2.

Таблица 2 - Ошибка прогнозных значений ГЭС

Количество лет Года Средняя ошибка

2 1999, 2000 7,8%

3 1999,2000,2001 6,5%

4 1999, 2000,2001,2002 5,4%

5 1999, 2000, 2001, 2002, 2003 5,9%

6 1999, 2000, 2001, 2002, 2003, 2004 5,1%

7 1999, 2000, 2001, 2002, 2003, 2004, 2005 4,8%

Для наглядности полученных экспериментов приведены графики реального количества поданных заявлений, прогнозное значение на основе метода наименьших квадратов, прогнозирования на основе нейронной сети и результаты прогноза ГЭС (рис. 9).

Рис. 9. Результаты прогнозирования спроса на специальность «Прикладная информатика в экономике» с использованием ГЭС

Как видно из эксперимента, наличие в выборке одних статистических данных может привести к дестабилизации при появлении нового качественного фактора. Сравнение полученных результатов прогноза спроса иа специальность со стороны абитуриентов линейных методов, нейросетевых и гибридных позволяют сделать выводы о наибольшей пригодности последних.

Представленная в примере модель не претендует на абсолютную адекватность рассматриваемой предметной области, а призвана продемонстрировать возможности использования гибридной экспертной системы при решении задач маркетинга ОУ.

Продемонстрированные возможности показывают гибкость настройки ГЭС на решение сложных задач маркетинга ОУ, и получение результатов, которые являются необходимыми при стратегическом планировании деятельности вуза.

Визуальное оформление полученных данных позволяет более наглядно представлять результаты исследований. Для этого в системе предусмотрены построитель диаграмм и картографирование данных.

В качестве применения ГИС-технологий определим ареал влияния Ал-тГТУ по районам Алтайского края. В соответствии с формулой:

К = А! Р ^ (5)

где К - коэффициент влияния;

А - среднее количество абитуриентов за некоторое количество лет;

Р - среднее количество населения в возрасте от 16 до 25 лет определим коэффициент влияния за 2004-2005 годы и отразим с использованием ГИС-модуля АМИС «Маркетинг образования».

лгу

Гсооаа • сгОаЛ13ааЛОСМ1 О ЯгОШМТлаШЮеОО 0 огсаайоайоявзо ^етШХВЭОло 00)273 ЯаМ»*. огОООЛ^даОдаэтО от (лтШцоССГчи:-<п о:хию мо пие/м

Я отьашылдостш

Рис. 10. Ареал влияния вуза по районам

Итак, на основе формулы оценки пространственного ареала влияния вуза за 2002-2004 были получены следующие результаты (рис. 10).

Результат вполне предсказуем, наиболее сильное влияние будет наблюдаться в регионе непосредственного расположения ВУЗа.

Для уточнения пространственных границ сильных и слабых зон можно перенести анализ на пространственный уровень населенных пунктов, привлекая соответствующие слои и атрибутивные данные.

Полученные результаты доказывают необходимость применения геоинформационных технологий при проведении маркетинговых исследований образовательных услуг вуза, т.к. сфера их применения в данной области достаточно велика и не исчерпывается примерами, представленными в данной работе.

В заключении диссертации формулируются основные выводы, приводятся важнейшие результаты работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе проведенного исследования решены поставленные задачи и достигнуты следующие результаты:

1. Проведённый анализ управления образовательным процессом позволил сделать выводы о незначительном использовании маркетинговых исследований в процессе принятия управленческих решений.

2. На основе исследований взаимодействия вуза с потребителями образовательных услуг сформулированы требования к маркетинговой информационной системе образовательных услуг и разработана её структура.

3. Разработана маркетинговая информационная система «Маркетинг образования», включающая интеллектуальные блоки, основанные на гибридной модели представления знаний.

4. На основе представленного примера решения задачи прогноза спроса обоснована эффективность использования гибридной экспертной системы в задачах маркетинга образования.

5. Проведена апробация разработанной маркетинговой системы, подтверждающая результативность ее использования на реальных объектах.

Основные результаты диссертации опубликованы в следующих работах:

1. Томашев М.В. Прогнозирование востребованности специальности с использованием гибридной экспертной системы // Ползуновский вестник -Барнаул, 2006. - №1. - С.28-30

2. Евстигнеев В.В. Автоматизированная система маркетинговых исследований образовательных услуг и трудоустройства выпускников на основе интеллектуальных компонентов/ Евстигнеев В.В., Пятковский О.И., Томашев М.В. и др. // Вестник Алтайского научного центра сибирской академии наук высшей школы - Барнаул, 2005. - №8. - С.32-40

3. Пятковский О.И. Система маркетинговых исследований образовательных услуг / Пятковский О.И., Томашев М.В. // "Открытое образование и информационные технологии": материалы Всероссийской научно-методической конференции "Открытое образование и информационные технологии", - Пенза: Информационно-издательский центр ПГУ, 2005. — С.334-337

4. Томашев М.В. Задачи прогнозирования в маркетинге образовательных услуг // Нейроинформатика и ее приложения: тезисы докладов XIII Всероссийского семинара / под ред. А.Н. Горбаня, Е.М.Миркеса. — Красноярск, 2005.— С.79-80

5. Томашев М.В. Применение нейросетевых технологий при прогнозировании востребованности специальности со стороны абитуриентов // Нейроинформатика и ее приложения: тезисы докладов XII Всероссийского семинара / под ред. А.Н. Горбаня. - Красноярск, 2004,- С.138-139

6. Томашев М.В. Автоматизация маркетинговых исследований в крупном вузе на примере АлтГТУ // Измерение, контроль, информатизация: тезисы докладов конференции - 2003. - Барнаул, 2003. - С. 167-169

7. A.c. 2005612516. Маркетинг образования вер 1.0 (МО) / Пятковский О.И., Томашев М.В., Кудрявцев П.П. (РФ). - №2005611968; заявл. 01.08.05; опубл. 29.09.2005.

Подписано в печать 31.05.2006 г. Печать на оборудовании RISO. Усл.-печ. л. 1. Тираж 100 экз. Заказ №613

Отпечатано в типографии экономического факультета АлтГУ г. Барнаул, пр. Социалистический, 68, тел. 36-42-32

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ ПОСТРОЕНИЯ МАРКЕТИНГОВЫХ ИНФОРМАЦИОННЫХ СИСТЕМ ОБРАЗОВАТЕЛЬНЫХ УСЛУГ.

1.1 Общие положения маркетинга образовательных услуг.

1.1.1 Концепция маркетинга образовательных услуг.

1.1.2 Высшее учебное заведение как субъект маркетинговых отношений

1.1.3 Методы маркетинга и проведение исследований.

1.2 Анализ информационных систем маркетинговых исследований образовательных услуг.

1.2.1 Общая характеристика информационных систем в маркетинге.

1.2.2 Современные МИС.

1.3 Анализ применения интеллектуальных компонентов в МИС.

ГЛАВА 2. РАЗРАБОТКА МЕТОДОВ И АЛГОРИТМОВ ПРОВЕДЕНИЯ

МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ ОБРАЗОВАТЕЛЬНЫХ УСЛУГ С ПРИМЕНЕНИЕМ ИНТЕЛЕКТУАЛЬНЫХ КОМПОНЕНТ.

2.1 Концептуальная модель маркетинговой информационной системы образовательных услуг.

2.1.1 Управление маркетингом образования.

2.1.2 Выбор методов решения задач маркетинговых исследований образовательных услуг.

2.1.3 Требования к системе.

2.2 Разработка структур и алгоритмов функционирования маркетинговой информационной системы.

2.2.1 Информационное обеспечение маркетинговой информационной системы образовательных услуг.

2.2.2 Состав интеллектуальных компонентов маркетинговой информационной системы образовательных услуг.

2.3 Задачи прогнозирования в маркетинге образовательных услуг.

2.3.1 Использование гибридной экспертной системы в задачах прогнозирования.

2.3.2 Использование экспертных оценок при настойке ГЭС.

2.3.3 Механизм предобработки входных данных.

ГЛАВА 3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МАРКЕТИНГОВОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ОБРАЗОВАТЕЛЬНЫХ УСЛУГ И

РЕЗУЛЬТАТЫ ЕЕ ЭКСПЕРИМЕНТАЛЬНОГО ИСПОЛЬЗОВАНИЯ.

3.1 Состав и структура информационной системы.

3.1.1 Общая структура системы.

3.1.2 Функциональная схема системы.И

3.1.3 Выбор инструментального средства для построения программной реализации информационной системы.

3.2Особенности программной реализации маркетинговой ® информационной системы образовательных услуг.

3.2.1 Реализация смешанных режимов функционирования системы.

3.2.2 Структуры баз данных.

3.3 Анализ результатов экспериментального использования системы .Л

3.3.1 Прогнозирование спроса на специальность со стороны абитуриентов.

3.3.2 Использование ГИС-технологий в МИС ОУ.

3.3.3 Анкетирование различных аудиторий.

Актуальность работы. В современных условиях значительно возросли требования к управлению высшим учебным заведением. Это вызвано, прежде всего, тем, что вуз стал более самостоятельным хозяйствующим субъектом, отсутствуют централизованные системы распределения специалистов, возросла сложность его внешних связей с другими организациями.

Как для любого рыночного субъекта для вуза, особую роль приобретает маркетинг. Маркетинг особо актуален для системы отечественного образования потому, что ей предстоит структурная трансформация в соответствии с новым качеством спроса на специалистов.

В России по вопросам маркетинга в образовании существует небольшое количество публикаций и монографий. Наиболее известны в этой области работы Панкрухина [60], появившиеся порядка 10 лет назад. Эти работы интересны с точки зрения общей теории маркетинга ОУ. Однако на современном этапе вузы отдают предпочтение практическим разработкам - конкретным методам маркетинга в высшем образовании, методикам проведения маркетинговых исследований, информационным системам поддержки принятия решений в маркетинговой деятельности вуза и т.п. Проведенный информационный поиск (в т. ч. через Internet) позволяет сделать определенные выводы. В настоящее время в основном функционируют системы автоматизации учета приема, учета текущей успеваемости, автоматизации бухгалтерского учета и кадров. Многие области автоматизации управления и поддержки принятия решений практически отсутствуют. Анализ показывает, что автоматизированные системы маркетинговых исследований и системы прогнозирования показателей функционирования ВУЗа не находят должного развития.

Общие аспекты основ представлены в некоторых научных журналах [25; 29; 37; 59; 73], однако о практической реализации системы в РФ автору неизвестно. Вполне допустимо и логично, что подобные разработки ведутся в ведущих вузах России, но, судя по (недостаточной освещенности вопроса в литературных источниках, о законченных решениях говорить рано. Общий анализ существующих систем и научных наработок в этой области позволяет говорить о новизне предлагаемой системы.

В связи с этим актуальными являются вопросы совершенствования информационной системы вуза, включения в нее новых задач, автоматизирующих процессы принятия решений управленческим персоналом.

Характерными особенностями комплексных маркетинговых исследований являются: их сложность и неформализованность, большие массивы первичной информации, искаженность и неточность данных, нестабильность внешней среды, неопределенность внутренних взаимосвязей.

Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения неформализованных задач, включающих в своем составе гибридные блоки оценки, прогнозирования и их применение при проектировании информационных систем маркетинговых исследований является современной актуальной проблемой.

Решению указанных проблем посвящена данная работа.

Объект диссертационного исследования выступает система управления маркетингом вуза как основа системы стратегического управления вузом.

Предметом исследований в диссертационной работе является структура маркетинговой информационной системы образовательных услуг (МИС ОУ), структура и алгоритмы функционирования интеллектуальных модулей с применением современных информационных технологий.

Цель диссертационной работы - разработка состава и структуры маркетинговой информационной системы образовательных услуг и её программная реализация.

Для достижения поставленной цели в диссертационной работе сформулированы следующие задачи:

1. На основе процессного подхода и методов системного анализа исследовать процесс управления маркетинговыми исследованиями образовательных услуг.

2. Провести анализ систем управления маркетингом вуза.

3. Выполнить анализ существующих подходов к проектированию и реализации систем маркетинговых исследований.

4. Определить структуру системы маркетинговых исследований образовательных услуг вуза.

5. Выделить интеллектуальные блоки и определить методы решения обрабатываемых ими задач маркетинга образования.

6. Разработать программную реализацию комплекса включающего блоки интеллектуальных компонентов, реализующих гибридную экспертную систему.

7. Провести вычислительные эксперименты использования интеллектуальных блоков на примере решения задачи прогноза спроса на образовательную услугу со стороны абитуриентов.

Методологическая база исследования. Поставленные в диссертационной работе задачи решались с применением методов системного анализа, теории принятия решений, проектирования информационных систем, методов искусственного интеллекта, а именно, нейронных сетей и продукционных экспертных систем.

Научная новизна работы заключается в достижении следующих научных результатов:

- разработана структура системы маркетинговых исследований ОУ вуза с интеллектуальными компонентами на основе современных методов системного анализа и процессного подхода;

- разработано информационно - программное обеспечение для эффективного функционирования гибридной экспертной системы в составе интеллектуальных блоков системы маркетинговых исследований;

- реализован специализированный программный комплекс на основе предложенной структуры системы маркетинговых исследований образовательных услуг и методов обработки информации с использованием гибридной экспертной системы

Практическая значимость исследования результатов диссертационной работы заключается в том, что предложенные методы и алгоритмы реализации МИС ОУ могут быть использованы при организации МИС в любом образовательном учреждении и адаптированы под его особенности. Разработанная информационная система «Маркетинг образования» может быть использована для проведения маркетинговых исследований образовательных услуг в образовательных учреждениях различного уровня, разных форм собственности, а также для решения задач прогнозирования с использованием гибридной экспертной системы, работающей на основе искусственных нейронных сетей и продукционных экспертных систем.

Защищаемые положения

1. Структура системы маркетинговых исследований образовательных услуг вуза с интеллектуальными компонентами.

2. Механизмы функционирования гибридной экспертной системы в маркетинговых исследованиях образовательных услуг и её информационно-техническое обеспечение.

3. Автоматизированная маркетинговая информационная система «Маркетинг образования».

4. Результаты использования системы на примере решения задачи прогнозирования спроса на образовательную услугу со стороны абитуриентов.

Апробация работы Основные положения и результаты работы докладывались и обсуждались на международных научно-технических конференциях «Измерение, контроль, информатизация» (г. Барнаул) в 2003-2005 годах, на всероссийских семинарах «Нейроинформатика и ее приложения» (г. Красноярск) в 2004-2005 годах, на всероссийской научно-методической конференции "Открытое образование и информационные технологии" (г. Пенза, 2005 г.).

Публикации по теме диссертации опубликовано 6 работ, на интеллектуальную информационную систему «Маркетинг образования вер. 1.0» получено свидетельство о регистрации.

Структура и объем работы Диссертационная работа состоит из введения, трех глав, заключения, списка использованной литературы и 7 приложений общим объемом 156 страниц, содержит 45 рисунков, 5 таблиц.

Выводы по третьей главе

В третьей главе рассмотрены вопросы программной реализации МИС ОУ «Маркетинг образования». Представлены основные подсистемы и модули, описаны принципы их функционирования и взаимодействия.

В качестве инструментального средства программной реализации МИС ОУ выбрана среда Borland Delphi 6.0. Система реализована на основе клиент-серверной архитектуры СУБД Interbase 6.0/ Firebird 1.5, в разделе приведено обоснование выбора.

Проведённые эксперименты показали работоспособность и эффективность предложенных методов и алгоритмов настройки гибридной экспертной системы при решении задач маркетинга ОУ. Показано преимущество нейросетевых моделей прогнозирования по сравнению с линейной и экспоненциальной моделями.

В ходе экспериментов были доказаны необходимость использования интеллектуального анализа данных и извлечения знаний для выявления тенденций и зависимостей, скрытых закономерностей, учет которых помогает повысить качество принимаемых управленческих решений.

Разработанная интеллектуальная информационная система «Маркетинг образования» основана на принципах построения гибридных экспертных систем и позволяет эффективно решать задачи стоящие перед маркетингом образования.

ЗАКЛЮЧЕНИЕ

Для иллюстрации научной новизны и практической значимости работы перечислим ее основные результаты:

1. Проведён анализ управления образовательным процессом, выявлено, что большинство принимаемых решений не основывается на предварительных маркетинговых исследованиях.

2. Изучение существующих МИС и МИС ОУ позволило сделать выводы об отсутствии во всех рассмотренных системах наличия интеллектуальных компонент, также отмечено, что во многих источниках присутствуют дискуссионные положения о необходимости развития систем подобного класса.

3. Описаны требования к маркетинговой информационной системе образовательных услуг и представлены её структурная схема.

4. Показана целесообразность использования гибридной экспертной системы в задачах маркетинга образования.

5. Разработана маркетинговая информационная система образовательных услуг с интеллектуальными компонентами «Маркетинг образования вер. 1.0», основанная на гибридной модели представления знаний, в которой реализованы предложенные в диссертационной работе принципы и алгоритмы. На программный продукт имеется свидетельство о регистрации в Российском агентстве по патентам и товарным знакам (приложение Ж).

6. Проведенные на реальных данных эксперименты позволяют сделать вывод о работоспособности, адекватности и пригодности автоматизированной системы маркетинговых исследований с интеллектуальными компонентами «Маркетинг образования», для построения моделей маркетинговых исследований с целью их отображения в гибридной экспертной системе. В процессе эксплуатации маркетинговой информационной системы была подтверждена эффективность ее использования на основе гибридной модели представления знаний, что подтверждается актами о внедрении.

7. Предложены направления дальнейшего развития модели системы. В частности, определены общие подходы к решению задачи SWOT-анализа и Portfo-lio-анализа. Данные задачи рассмотрена в постановке для нейросетевой формализации и продукционной ЭС.

1. Anderson & S.L. Slove The Scientific Analysis of Data. The Scientific Press, Palo Alto, 1986.

2. Kinnell M., MacDougal J. Marketing in the Not-for-Profit Sector, Butterworth Heinemann, 1997.

3. Marketing Analytic //Энциклопедия маркетинга http://www.marketing.spb.ru/soft/products/manalytic.htm

4. McCort J.D. Framework for evaluating the relational extant of a relationship marketing strategy: the case of nonprofit organizations // Journal of Direct Marketing. -1994.-№8(2).

5. Mercer D. Marketing. Oxford, UK: Blackwell Pb., 1992.

6. Newell A., Simon M.A. Humon problem solving.-Englewood Cliffs, New Jersey: Prentice-Hall, 1972.

7. Neyman J. L'estimation statistique traitce comme unprobleme classique de probabilite. Actualites sci. et ind. № 739.

8. Sargent V. Back to school. Marketing Business, March, 1993,18-21

9. Shapiro B. Marketing for Nonprofit Organizations. // Harvard Business Review.-1973.-№5(51).

10. Агранович Б.Jl., Похолков Ю.П., Семкин Б.В., Ушаков В.Я., Чудинов В.Н. Системный проект технического университета. Томск: изд-во Томск. Политехи. Ун-та, 1993.-248с.

11. Адлер Ю.П. Восемь принципов, которые меняют мир. // Стандарты и качество.-2001.-№6

12. Андрейчиков А.В., Андрейчикова О.Н Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2004. - 424 с.:ил.

13. Аренков И.А., Багиев Е.Г. Бенчмаркетинг и маркетинговые решения

14. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз. -М.: Финансы и статистика, С. 18.

15. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. 2-е изд., перераб. и доп. - М.: Статистика, 1980. - 263 с.

16. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки. М.: Наука, 1973. - 159с.

17. Бешелев С.Д., Гурович Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 263 с.

18. Бронникова Т.С., Чернявский А.Г. Маркетинг. Учебное пособие М.: Приор, 2002.- 128 с.

19. Бутаков С.В. Разработка интеллектуальных модулей информационной системы (на примере оценки деятельности предприятия). Дисс. канд. техн. наук. - Барнаул, 2000. - 141 с.

20. Буч Г., Рамбо Д., Джекобсон А. Язык UML Руководство пользователя-СПб.: Питер, 2004. 432 с.

21. Вальд А. Последовательный анализ. М: ФМ, 1960.

22. Ван дер Варден Б.А. Математическая статистика. М: ИЛ., 1960.

23. Васильев Ю.С., Глухов В.В., Федоров М.П., Федотов А.В. Экономика и организация управления вузом. Под ред. Глухова В.В. Учебник. Серия «Учебники для вузов. Специальная литература». СПб.: Издательство «Лань», 1999. - 448с.

24. Вендров A.M. Проектирование программного обеспечения. М.: Финансы и статистика, 2002. - 352 е.: ил.

25. Волкова М.М., Звездова А.Б. Маркетинговые исследования в области образовательных услуг. // Маркетинг в России и за рубежом. 2000. - №6.

26. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.-384 с.

27. Гмурман В.Е., Теория вероятностей и математическая статистика. Учеб. Пособие для вузов. Изд. 7е стер. М.: Высш. Шк., 2000. - 479 с.

28. Голубков Е.П. Маркетинговые исследования. СПб.: Питер, 1999. - 496с.

29. Голубков Е.П. Маркетинговые исследования. // Маркетинг в России и за рубежом. -2000.- №5.

30. Гольдштейн Г.Я., Катаев А.В. Маркетинг: Учебное пособие для магистрантов. Таганрог: Изд-во ТРТУ, 1999. - 107 с.

31. Горбань А.Н. Россиев Д.А. Нейронные сети на персональном компьютере.-Н.: Наука, 1996.-276 с.

32. Горбань А.Н., Дунин-Барковский B.JT., Кирдин А.Н., Миркес Е.М. и др. Нейроинформатика. Новосибирск: Наука, 1998. - 115 с.

33. Горчакова А.А. Математический аппарат для инвестора //Аудит и финансовый анализ. 1997. - №3.

34. Делев О.А, Богачева Е.Г. Сравнительный анализ маркетинговых компьютерных программ // Маркетинг в России и за рубежом. 2000. - №1

35. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978.- 133 с.

36. Жильцов Е.Н., Зуев М.М., Колосова Р.П. Коммерциализация высшего образования в России // Вестник Московского университета. Серия 6, Экономика. 1993. №6. С. 12-30

37. Завьялов П.С. Маркетинг в схемах, рисунках, таблицах: Учебное пособие- М.: ИНФРА-М, 2002. 496 с. - (Серия «Высшее образование»).

38. Загоруйко Н.Г. Гипотезы компактности и Х-компактности в методах анализа данных // Сибирский журнал индустриальной математики.-1998.-№1.-с.114-126.

39. Загоруйко Н.Г. Прикладные методы и анализ данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999. - 270 с.

40. Калиткин Н.Н. Численные методы. -М.: Наука, 1978. 512 с.

41. Каменнова М., Громов А., Ферапонтов М., Шматалюк А. Моделирование бизнеса. Методология ARIS. Практическое руководство. М.: Весть-Метатехнология, 2001. - 327 с.

42. Кеворков В.В., Леонтьев С.В. Политика и практика маркетинга на предприятии

43. Колмогоров А.Н. Определение центра рассеивания и меры точности по ограниченному числу наблюдений. М: ИАН СССР, 1947.

44. Котлер Ф. Маркетинг менеджмент. СПб: Питер Ком, 1999

45. Котлер Ф., Армстронг Г., Сондерс Д., Вонг В. Основы маркетинга: Пер. с англ. 2-е европ. Изд. - М.; СПб.; К.: Издательский дом «Вильяме», 2000. - 944 с.

46. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети. М.:ФИЗМАТЛИТ, 2001. - 224 с.

47. Кузин Б., Юрьев В., Шахдинаров Г. Методы и модели управления фирмой. СПб.: Питер, 2001. - 432 с.

48. Леман Э. Проверка статистических гипотез. М: Наука, 1979.

49. Леоненков А.В. Самоучитель UML. СПб.:БХВ-Петербург, 2002. - 304с.

50. Льюис К.Д.Методы прогнозирования экономических показателей/ Пер. с англ. и предисл. Е.З. Демиденко.-М.: Финансы и статистика, 1986.-133 с.

51. Макаров В. "Касатка"-полезный инструмент или дорогая "игрушка"? // Деловая пресса № 6(298) от 10.03.2000

52. Малхорта, Нэреш К. Маркетинговые исследования. Практическое руководство, 3-е издание.: Пер. с англ. — М.: Издательский дом "Вильяме", 2002. — 960 е.: ил. — Парал. тит. англ.

53. Масленников С. Программное обеспечение для маркетологов, как зеркало российского маркетинга http://www.advesti.ru/print/publish/program/prog

54. Мешков А.А., Жильцова С.В. Создание «совместной» ценности образовательной услуги в области бизнес-образования на основе маркетинга партнерских отношений. // Маркетинг в России и за рубежом. 2004. - №5

55. Миркес Е.М. Нейроинформатика: Учеб. пособие для студентов / Красноярск: ИПЦ КГТУ, 2002. 347 с.

56. Нареш Малхотра. Маркетинговые исследования и эффективный анализ статистических данных. К.: ООО «ТИД «ДС», 2002. - 768 с.

57. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин, Е.М.Миркес, А.Ю.Новоходько, Д.А.Россиев, С.А.Терехов, МЛО.Сенашова, В.Г.Царегородцев. Новосибирск: Наука, Сибирская издательская фирма РАН,1998.-296 с.

58. Новаторов Э.В. Альтернативные подходы к изучению маркетинга некоммерческих организаций. // Маркетинг и маркетинговые исследования. 2004. -№4(52).

59. Панкрухин А.П. Маркетинг образовательных услуг в высшем и дополнительном образовании, Учебное пособие. М.: Интерпракс, 1995, 240с.

60. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учеб. пособие для вузов. -М.: Высш. шк.,1989. 367 е.: ил.

61. Погорелова Е.В. Оптимизационные, активизирующие и экспертные методы принятия управленческих решений: Учебное пособие. Самара: Из-во. Са-марск.гос.экон.акад.;2000.-47 с.

62. Попов Е.В. Сегментация рынка. // Маркетинг в России и зарубежом.1999.-№2

63. Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл.ред. физ.-мат.лит., 1987.-288 с.

64. Принципы проектирования и разработки программного обеспечения. Учебный курс MCSD/Пер. с англ. — 2-е изд., испр. — М: Издательско-торговый дом «Русская Редакция», 2002. — 736 стр.: ил.

65. Пугачев B.C. Теория вероятностей и математическая статистика. М: Наука, 1979.

66. Пятковский О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием: Монография / Алт. гос. техн.ун-т.- Барнаул: Изд-во АлтГТУ, 1999. 355 с.

67. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией. Учебное пособие/Алт. гос. техн. унт им. И.И. Ползунова. -Барнаул: Изд-во АлтГТУ, 2002.-361 с.

68. Пятковский О.И., Бутаков СБ., Рубцов Д.В. Методы построения интеллектуальных информационных систем анализа экономической деятельности предприятий: Монография/ Алт.гос.техн.ун-т.- Барнаул: Изд-во АлтГТУ. 1999. -172 с.

69. Пятковский О.И., Томашев М.В. Система маркетинговых исследований образовательных услуг// Открытое образование: Материалы конференции «Открытое образование и информационные технологии». Пенза, 2005, - С.334

70. Рубцов С.В. Какое CASE-средство нанесет наименьший вред организации//ДИС, 2002,1

71. Рубцов С.В. Сравнительный анализ известных инструментов организационного проектирования, http://www.idefinfo.ru/content/view/23/58/

72. Сагинова О.В. Маркетинг образовательных услуг. // Маркетинг в России и за рубежом. 1999. - №1

73. Силич М.П. Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем. Дисс. канд. техн. наук. -Томск, 1993.- 145 с.

74. Смирнова Г.Н, Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информационных систем. М.: Финансы и статистика, 2002. -512с.

75. Статические и динамические экспертные системы: Учеб. Пособие/ Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот.- М.: Финансы и статистика, 1996.-320С.

76. Титоренко Г.А., Макарова Г.Л., Дайитбегов Д.М. Информационные технологии в маркетинге, 2001.

77. Томашев М.В. Автоматизация маркетинговых исследований в крупном вузе на примере АлтГТУ; ИКИ-2003, Барнаул, 2003 -С.167

78. Томашев М.В. Задачи прогнозирования в маркетинге образовательных услуг// Нейроинформатика и ее приложения: Тезисы докладов XIII Всероссийского семинара / Под ред. А.Н. Горбаня. Красноярск, 2005.- С.79

79. А.с. 2005612516. Маркетинг образования вер 1.0 (МО) / Пятковский О.И., Томашев М.В., Кудрявцев П.П. (РФ). №2005611968; заявл. 01.08.05; опубл. 29.09.2005.

80. Тютина М. В. Разработка методов и алгоритмов настройки гибридной экспертной системы на решение задач оценки в социальных и экономических объектах. Дисс. канд. техн. наук. - Барнаул, 2003. - 153 с.

81. Федько В.П., Федько Н.Г. Основы маркетинга. Ростов н/Д.: Издательский центр «МарТ», 2002. - С. 29.

82. Хаксевер К., Рендер Б., Рассел Р., Мердик Р. Управление и организация в сфере услуг, 2-е изд. // Пер.с анг. / Под ред. Кулибановой В.В. СПб.: Питер, 2002.-С. 43.

83. Цейтлин Н.А. Из опыта аналитического статистика. -http://people.freenet.de/nzarchiv/buecher/#start 522 с.

84. Цхай А.А., Марусин К.В., Пятковская Т.Н. Геоинформационные технологии для управления университетом // ИКТУ-ВУЗ: материалы научно-практической конференции. Петрозаводск, 2003.

85. Черчиль Г.А. Маркетинговые исследования. Спб.: Питер, 2003. - 752 с.

86. Шеер А-В. Бизнес-процессы. Основные понятия. Теория. Методы. М.: Весть-Метатехнология, 1999. - 152 с.

87. Щеткин В.П., Хроменков Н.А., Рябушкин Б.С. Экономика образования. Учебное пособие. М., Российское педагогическое агентство, 1998. - 306с.

88. Экспертные системы. Принципы работы и примеры/Пер. с англ.; Под ред. Р.Форсайта. М.: Радио и связь, 1987. — 191с.

89. Энджел Д. Поведение потребителей. СПб.: Питер, 1999. - С. 47.

90. Weihrich Н, 1982, "The TOWS matrix: a tool for situational analysis", Journal of Long Range Planning, 15, 2.1. Анкета для абитуриентов1. Пол: □ м □ ж2. Возраст (полных лет)

91. Семейное положение (□ холост, □ женат, □ не замужем, □ замужем)

92. Место жительства до поступления в вуз (регион, район, населенный пункт, например: Камчатская область или г. Алейск или Первомайский район Алтайского кр.)

93. Среднедушевой доход семьи: □ менее 1500 р/ч; □ 1500 4000 р/ч; □ более 4000 р/ч

94. Какое учебное заведение Вы окончили (краткое наименование) и в каком году (например: Михайловская СШ, в 2005)

95. Средний балл Вашего аттестата

96. В каких областях народного хозяйства работают Ваши родители (образование, медицина, легкая промышленность, бизнес и т. д.): отец; мать

97. Как Вы узнали о нашей специальности □ СМИ; □ реклама в школе; □ родители, родственники; □ знакомые студенты; О друзья; □ другое

98. Какие отзывы о ней слышали: □ в основном положительные; □ в основном отрицательные; □ не слышал; □ другое

99. Если на Ваш выбор повлияли какие-либо другие факторы, впишите их и оцепите по той же шкале111 9112 0

100. В какие вузы, на какие специальности Вы еще подали документы

101. На какую минимальную заработную плату Вы рассчитываете после окончания вуза

102. Планируете ли Вы остаться работать в Барнауле после окончания вуза: □ да; □ нет; □ не знаю

103. Структура БД и схемы их взаимосвязей

104. Рисунок Б.1 Схема БД АМИС «Маркетинг образования»an tab val1. РК id

105. FK1 FK2 idanlabpok Val id periodял. tab name1. PK id1. FK1 id proect namean tab pok 1. PK id

106. FK2 FK1 >daritab idpok name1. J i1. PreOpr 1. PK idname datecri k1. Proer*1. PK ifl1. FK2 idtypeperiod1. FK1 idpredprnamedate cr1. FK3 idpeftodznacn pok1. PK id

107. FK1 FK2 idpok id(>ei iod value

108. Рисунок Б.2 Схема БД интеллектуальной подсистемы АМИС «Маркетинг образования»