Содержание к диссертации
Введение
Глава 1. Качество: история, терминология, принципы управления 16
1.1. Экономические аспекты качества 16
1.2. Экономика - эконометрика - квалиметрия 18
1.3. Единство качества и количества 24
1.4. Оценка потребностей в качественной продукции 28
1.5. Методы измерений 31
1.6. Измерительные шкалы 38
1.7. Требование единства измерений 43
1.8. Принципы квалиметрии 44
1.9. Особенности управления качеством оказания образовательных услуг населению 48
Глава 2. Использование нечетких логик при оценке управления качеством учебного процесса 53
2.1. Механизм оценки качества учебного процесса 53
2.2. Логики Заде, Лукасевича и вероятностей 60
2.3. Применение логик Заде, Лукасевича и вероятностей на практическом примере 63
2.4. Интервальная логика 66
2.5. Логико-арифметический подход 67
Глава 3. Принципы построения алгоритма для выработки однозначного заключения 72
3.1. Модель диагностики 72
3.2. Некоторые соображения о выработке заключения 74
3.3. Основные принципы построения автоматизированного алгоритма выработки заключения 85
3.4. Алгоритм выработки заключения 89
Глава 4. Методики построения диагностической матрицы и выработки заключения 92
4.1. Некоторые особенности нечетких логик 92
4.2. Методика составления диагностической матрицы 93
4.3. Методика выработки однозначного заключения 102
Глава 5. Практическая реализация 108
5.1. Описание предметной области 108
5.2. Построение диагностической матрицы 139
5.3. Выработка заключения 145
5.4. Описание программного продукта 147
Заключение 155
Литература
- Экономика - эконометрика - квалиметрия
- Логики Заде, Лукасевича и вероятностей
- Основные принципы построения автоматизированного алгоритма выработки заключения
- Построение диагностической матрицы
Экономика - эконометрика - квалиметрия
Экономическое состояние государства обусловлено в основном его научно-техническим развитием. Важнейшей целью научно-технического прогресса является ускорение производства высококачественной продукции в необходимом количестве и с наименьшими затратами материальных, трудовых и финансовых ресурсов. Очевидно, что цели экономики и научно-технического развития совпадают - они состоят в удовлетворении потребностей всех членов общества. Массовые потребности людей в свою очередь изменяются под влиянием экономических условий их жизни и постоянно возрастающих возможностей, которые предоставляют прогрессирующие наука, техника и технологии производства материальных благ.
Приоритетность интенсивного метода экономического развития страны требует не просто увеличения объема производства, а выпуска наиболее совершенной технической продукции и оказания услуг населению, т.е. производительной, надежной, безопасной, экономичной в использовании и т.д. при этом очевидно, что проблема повышения качества и конкурентоспособности разнообразных изделий и услуг не просто актуальна, а одна из важнейших. Выход отечественной экономики из кризиса в условиях свободных рыночных отношений возможен, если наше общество будет оказывать только высококачественные и, следовательно, конкурентоспособные услуги. В целом проблема повышения качества и технического уровня машин, услуг, оборудования, аппаратов, приборов и других промышленных изделий является инженерно-экономической, а не только управленческой. Практически она решается на всех этапах жизненного цикла услуг, вопросы качества и экономии решаются совместно, взаимообусловлено. Экономические рычаги влияния на цену услуг - это качество и себестоимость единицы производимого товара или услуги.
Реальная экономика, то есть экономика жизни людей - это совокупность их хозяйственной деятельности по производству, распределению и потреблению необходимой продукции и услуг. Все эти виды деятельности осуществляются в основном с помощью оборудования, в том числе ЭВМ. У нас уже давно преобладает машинный, а не ручной способ производства материальных благ и оказания услуг.
Актуальная проблема повышения качества техники, то есть достижения ее технического совершенства на практике решается оценкой технического уровня машин и других изделий, принятием управленческих решений и выполнением соответствующих мероприятий (работ). Вот почему необходимо знать, как все это делается.
Управление качеством продукции и оказания услуг экономическими, административными, социально-психологическими и идеологическими методами косвенно влияет на уровень качества. Изучение методов оценки и управления качеством продукции представляется необходимым для широкого круга специалистов практической экономики, то есть для инженеров экономистов и инженеров всех отраслей промышленности, а также для экономистов-менеджеров производственной, торговой и потребительской сфер экономики.
Управление качеством может иметь успех, если таким управлением охватывается вся производственная деятельность человека. На первое место надо поставить процесс обучения, поскольку не о каких новшествах нельзя говорить, пока не налажен процесс обучения и повышения квалификации работников во всех сферах деятельности человека.
Эффективность обучения особенно требует регулярного управления качеством. Вопросы управления качеством обучения в меньшей степени рассматриваются в литературе и, как правило, не носят автоматизированный вид. Автоматизация управления качеством обучения позволит приобрести массовый характер. Отсутствие автоматизированной системы управления качеством обучения привело к созданию множества взглядов по этому вопросу. В большинстве случаев эти подходы имеют теоретический характер и не пригодны для практического использования.
Логики Заде, Лукасевича и вероятностей
Четкие логики, такие, как булева алгебра, исчисление предикатов, предполагают, что переменные принимают всего два значения: «истинно (1)» или «ложно (0)». Наиболее употребительные функции «И» и «ИЛИ» должны удовлетворять следующим условиям: 1. Ограниченность: И(0, 0)=0; И(1, х)=И(х, 1)=1; ИЛИ(1, 1)=1; ИЛИ(0, х)=ИЛИ(х, 0)=х. 2. Коммутативность: И(х, у)=И(у, х); ИЛИ(х, у)=ИЛИ(у, х). 3. Ассоциативность: И(х, И(у, г))=И (И(х, у), z). Много столетий эти принципы были основными при описании тех или иных законов логики.
Последнее столетие характеризовалось тем, что появляются «нечеткие» логики, у которых любая переменная является функцией другой переменной, отражающей истинность основной переменной. Так, класс контитуальных логик (F(x)), где нечеткая переменная (НП) определяется как множество возможных значений переменной с указанием величины ее степени принадлежности к основной переменной: (НП) А={х,р,А, хЄХ, цЄ[0, 1]}.
При решении проблем часто встречается множество источников неопределенности в используемой информации, но в большинстве случаев их можно разделить на две категории: недостаточно полное знание предметной области и недостаточная информация о конкретной ситуации. Наши знания о предметной области могут быть неясными или неполными: в них могут использоваться недостаточно четко сформулированные концепции или недостаточно изученные явления. Например, при анализе качества учебного процесса, существуют отличающиеся мнения экспертов о наилучшем среднем возрасте профессорско-преподавательского состава. Располагая неполным знанием невозможно точно предсказать, какой эффект даст то или иное действие. Например, ориентация учебных программ только на подготовку к международной сертификации может дать совершенно неожиданные результаты. Помимо неточных знаний, неопределенность может быть внесена и неточными или ненадежными данными о конкретной ситуации. Любой эксперт имеет ограниченное представление о влиянии определенного параметра и отнюдь не стопроцентную уверенность. На практике далеко не всегда можно получить полные ответы на поставленные вопросы и, хотя можно воспользоваться различного рода дополнительной информацией, например, провести исследование о влиянии технической оснащенности учебного процесса на его качество, такие методики используются крайне редко из-за высокой стоимости. На основании приведенных рассуждений, можно сделать вывод, что эксперты используют неточные методы потому что, если точные методы существуют, то они не могут быть применены на практике из-за отсутствия необходимого объема данных или невозможности их накопления по соображениям стоимости, времени и т.д. В последнее время все чаще для работы с неопределенностями используется новый формальный аппарат, который получил название «нечеткая логика» (fuzzy logic).
То знание, которое использует эксперт при оценке признаков или критериев, обычно базируется скорее на отношении между классами данных и классами гипотез (состояний), чем на отношении между отдельными данными и отдельными гипотезами (состояниями). Большинство методик решения проблем в той или иной форме включает классификацию данных (признаков), которые рассматриваются как конкретные представители некоторых общих категорий. Редко когда эти общие категории могут быть четко очерчены. Например, при выводе о качестве образовательных услуг конкретного учебного заведения классическая математическая логика «соответствует (истинно) - не соответствует (ложно)» не применима. Такой подход исключает варианты типа «не совсем соответствует», «скорее не соответствует» и т.д. Конкретный объект может обладать частью характерных признаков определенной категории, а частью не обладать, принадлежность конкретного объекта к определенной гипотезе (состоянию) может быть размыта. Предложенная Заде теория нечетких множеств (fuzzy set theory) представляет собой формализм, предназначенный для формирования суждений о таких категориях и принадлежащих к ним объектах. Эта теория лежит в основе нечеткой логики. На основании изложенного выше, для оценки качества учебного процесса, в работе предложено отказаться от классической логики и применить математический аппарат, основанный на нечеткой логике.
Пусть C={Q, i=l, ..,m}- множество результатов (состояний) оценки качества, а П=Щ, j=l, ..,п}- множество критериев (признаков), на основании которых делается вывод о качестве учебного заведения. Между понятиями «Состояния» и «Признаки» устанавливается отношение R={Ry; i=l,...m; j=l,...n}. Ry = (My, uCjnj), где My показывает наличие взаимосвязи между состоянием Cj и признаком Щ a u.Cjnj - степень уверенности в этом. Взаимосвязь между С, П и R оформим в виде матрицы, которую в дальнейшем будем называть диагностической (таблица 1):
Основные принципы построения автоматизированного алгоритма выработки заключения
Очевидно, в каждом конкретном случае может быть разработан свой наилучший принцип. Однако есть подходы, распространяющиеся на группы задач. В теории расписаний есть такие понятия как антитетичность. Его применяют тогда, когда вы составили какое-то эвристическое расписание и его надо оценить. Для этого составляется правило составления расписания, противоположное правилу, по которому было разработано расписание. Проверяем два полученных расписания по каким-то контрольным выборкам и критерию (например, min длительности выполнения работ). По величине разностей судят о качестве правила составления расписания. Аналогично, можно поступить и в нашем случае. Пусть у нас возникли два претендента на заключение А и В. Их можно представить вероятностями Р(А)И Р(В) либо нечеткими множествами: M=U", «,)+Л +(/С ап) и M=(tf, Л,)+Л +(jubn, К)
Пусть вероятности оказались равными, т.е. Р(А) = Р(В), а нечеткие множества [А] И [В] приблизительно равны. Пусть при формировании А и В участвуют три группы признаков пА,пв,пАВ, т. е. признаки влияющие только на А, только на В, на А и В совместно. Пусть для формирования текущих Р(А),Р(В) [А] [В] МЫ потратили часть признаков из трех групп признаков пА,пв,пАВ. Тогда по байесовскому правилу или по правилу modus ponens для нечетких множеств рассчитываем РпУах{А), Рпт(в), ML [ L и Р(А), РШ(В), ML и [в]п . Для расчета максимального значения мы учитываем максимумы неиспользованных признаков, и для расчета минимального значения считаем минимумы. Тогда того претендента А или В, у которого разность значений max и min будет больше, имеет смысл обрабатывать в первую очередь.
Не менее важным фактором, влияющим на выработку заключения, является соответствие выводимых переменных представлениям эксперта. Интерпретация переменных в виде вероятности или в виде нечетких представлений затруднительна для пользователя. Так изменения вероятности от О до 1 имеют нелинейный характер как функции от исходного параметра. Представление вероятностей в виде w(x) как функции правдоподобия: W(x) = у . не изменяет нелинейного характера.
В этом плане наиболее удачным является введение фактора определенности в экспертной системе MICIN. Особенно это существенно, после применения Байесовского правила, которое априорную вероятность р(н) после учета свидетельства А позволяет рассчитать апостериорную вероятность Р(Н:А). В ЭТОМ случае снова пересчитывается фактор определенности FO(A), изменяющийся в диапазоне - 1Л +1. Каждое правило А= Н оценивается двумя параметрами: Р(н : А) и FO{H : А). 1) Если FO(A) = 1, то MD(II-A) 4Р(Н),Р{Н:А))-Р(Н) К 1--Р(#) Мне D(H : А). Р Я)-шіп№ (Я: ) v ; P{H) меры «доверия» и «недоверия» к Н 2) Если FO(A) \,TO MDX(H:A) = MD(H : А) - max(0, FO{A)) Мне DX(H:A) = M не D(H : Л)-max(0,FO{A)) Исходя из этого, вычисляется FO FO{H-.A) = \-l, if Р(Н) = 0 l,ifP(H) = l MD{H :A)-M не D{H : A), if Р(н) є (О, l)
Наиболее строгие и обоснованные правила вывода дают теория вероятностей и статистика, которые, по существу, являются исчислением неопределенностей. В рамках этого исчисления существует несколько правил вывода, одним из которых является байесовский подход, согласно которому всегда есть конечная априорная вероятность некоторой гипотезы.
Случайной называется величина, которая в результате опыта может принять то или иное значение, причем заранее неизвестно, какое именно. Рассмотрим опыт, в результате которого наблюдаются два случайных целых числа (х.у) в диапазонах \ х пи\ у т,т. е. с равными вероятностями. Т.о. вероятность наблюдать в опыте любую точку их прямоугольника х(\А п) и у(\А т)одно и тоже и равно:
Построение диагностической матрицы
Последние возрастные категории оказывают слабое негативное влияние, т.к. несмотря на большой опыт, преподаватели в этом возрасте обычно медленно и неохотно переходят на новые методики обучения и предпочитают использовать ранее разработанные учебные программы, не отслеживая при этом последние достижения в преподаваемой дисциплине. Средний возраст профессорско-преподавательского состава до 30 лет оказывает также небольшое отрицательное воздействие, т.к. положительный эффект от хорошего владения новыми технологиями в преподаваемой области понижается малым опытом работы, отсутствием лекторского мастерства и контроля над аудиторией. Преподаватели данного возраста обычно хорошо зарекомендовывают себя на практических занятиях, где аудитория невелика, и преподаватель, в основном, отвечает на вопросы, задаваемые небольшой группой слушателей. Наиболее оптимальным является средний возраст профессорско-преподавательского состава от 30 до 45 лет.
Пол. Возможные варианты: «90% - мужчины», «70% преподавателей мужчины», «Равное количество мужчин и женщин среди преподавательского состава», «70% преподавателей женщин», «90% - женщины».
Преподаватели мужчины, по этой специальности, лучше воспринимаются аудиторией, что естественно влияет на качество обучения последней. При разработке курсов они ориентируются на наиболее современные технологии. Женщин-преподавателей отличает пунктуальность, структурированность подготовки курса, плавная подача материала. Наилучшим будет соотношение «70% мужчины». Вариант «90% женщины» будет оказывать небольшое положительное воздействие, т.к. очень много времени потребуется преподавателям, чтобы расположить к себе аудиторию, что повлияет на темп проведения занятий и, как следствие, уровень подготовки слушателей. Опыт преподавательской деятельности. Возможные варианты: «менее 1 года», «до 2 лет», «от 2 до 4 лет», «от 4 до 7 лет», «от 7 до 10 лет», «от 10 до 15 лет», «от 15 до 20 лет», «более 20 лет».
Преподаватели с опытом работы до 2 лет оказывают отрицательное действие, т.к. именно они, из-за отсутствия опыта, часто ведут занятия в неправильном темпе, когда аудитории или скучно, или она не успевает за изложением материала преподавателем. Методически их курсы не достаточно проработаны. Даже имея большой опыт практической работы, иногда более 10 лет, такие преподаватели не умеют донести свои знания до слушателей. Вариант «от 2 до 4 лет» значительно лучше, но в этом случае еще не накоплен опыт по контролю аудитории, нет умения увлечь группу, разрядить обстановку остроумной шуткой, после чего вернуться к изложению сложного материала. Наиболее предпочтительными являются шестой и седьмой варианты. При опыте работы более 20 лет, преподаватели, как правило, более консервативны, и не охотно корректируют свои курс в соответствии с развитием современных технологий.
Опыт практической деятельности в области преподаваемых курсов. Возможные варианты: «Отсутствует совсем», «Небольшой опыт преподавательской деятельности», «Присутствует», «Большой, есть опыт работы над большими проектами», «Очень большой», «Определяющий, преподавание не является основной работой».
Первый вариант оказывает отрицательное воздействие, т.к. преподаваемые курсы будут оторваны от реальных практических задач. Чем больше опыт практической деятельности, тем более профессионально проводятся занятия, что, естественно, скажется на качестве. Кроме этого большой опыт практической работы у преподавателей очень хорошо действует в рекламных целях. Исключение составляет последний вариант, который не окажет большого положительного влияния, т.к. в этом случае преподавательская работа всегда будет на вторых местах, что обязательно скажется на методической подготовке курса и качестве преподавания. Наилучшим выбором будет пятый вариант, когда хорошо методически разработанный учебный курс будет основываться на практическом опыте.
Международная сертификация преподавателей. Возможные варианты: «Отсутствует полностью», «Единичная», «До 30% преподавателей имеют сертификаты различных компаний», «До 50% преподавателей», «До 70%) преподавателей», «До 90% преподавателей, многие преподаватели сертифицированы несколькими компаниями», «Полная сертификация преподавательского состава».
