Содержание к диссертации
Введение
Глава 1 Исследование существующих моделей оценки качества деятельности и результативности высшего образовательного учреждения 8
1.1 Основные понятия в области качества образования 8
1.2 Современные модели оценки качества образования 15
1.3 Подходы к оценке качества образования в ВУЗе 24
1.4 Обоснование выбора метода для прогнозирования значений компетенций в зависимости от качества организации деятельности в ВУЗе 47
Выводы к главе 1 54
Глава 2 Разработка методов и математической модели для решения задачи оценки качества образования в высшем учебном заведении 55
2.1 Оценка качества знаний студентов ВУЗе на основе компетентностного подхода 55
2.2 Обоснование выбора программного продукта для построения сбалансированной системы показателей 63
2.3 Разработка модели оценки качества организации учебного процесса в ВУЗе на базе сбалансированной системы показателей 70
2.4 Обоснование выбора программного продукта для реализации нейросетевой технологии 82
2.5 Влияние состояния карты сбалансированных показателей на компетентностную модель студента 92
Глава 3 Апробации разработанных методов и математической модели для оценки качества образования 105
3.1 Предметная область для апробации модели оценки качества образования 105
3.2 Апробация модели оценки качества образования 106
3.3 Применение модели оценки качества образования 129
Выводы к главе 3 132
Выводы 133
Список литературы 135
Приложение
- Современные модели оценки качества образования
- Обоснование выбора метода для прогнозирования значений компетенций в зависимости от качества организации деятельности в ВУЗе
- Обоснование выбора программного продукта для построения сбалансированной системы показателей
- Апробация модели оценки качества образования
Введение к работе
Актуальность темы исследования. В основе динамичного развития современной экономики лежит качество подготовки кадров. На данный момент российская система высшего образования адаптируется к потребностям предприятий, однако, скорость ее изменений не соответствует быстроте перемен в экономике. В этих условиях отечественные организации вынуждены тратить значительное время и ресурсы на переподготовку молодых специалистов. В свою очередь у новых сотрудников на предприятиях увеличивается период адаптации, усложняется процесс ее вовлечения в трудовую жизнь.
Дополнительными факторами, обусловливающими актуальность совершенствования деятельности высших учебных учреждений, стали:
демографический спад, который повлек за собой снижение количества абитуриентов, что в свою очередь привело к увеличению конкуренции между ВУЗами за право обучать бюджетных и внебюджетных студентов;
начало процесса сближения систем образования стран Европы — Болонский процесс, обязательным параметром которого является «Контроль качества высшего образования».
Выше сказанное подтверждает необходимость инновационных изменений в сфере высшего образования, одним из которых является внедрение системы управления качеством.
Внедрение системы менеджмента качества (СМК) предполагает соблюдение условий, определяемых:
международными стандартами в области качества;
положениями, определенными Государственными стандартами;
- требованиями, изложенными в стандартах учебного заведения.
Существующие подходы и методы оценки качества образования не
позволяют провести комплексную оценку разных направлений деятельности ВУЗа (в частности, финансовой и маркетинговой), а также не учитывают их
взаимного влияния, и их влияния на результат обучения студентов. Основным недостатком существующих моделей оценки качества образовательной деятельности является также то, что они не способны выявлять устойчивые зависимости между эффективностью обучения студентов и качеством организации деятельности ВУЗа.
Указанные недостатки обусловливают необходимость разработки математических моделей, которые позволят не только учесть влияние качества организации деятельности ВУЗа на эффективность обучения студентов, но и значительно сократят временные затраты на проведение оценки за счет автоматизации данного процесса. Следовательно, вопрос оценки качества образования в ВУЗе, а также задача разработки математических методов и моделей оценки качества образовательной деятельности, учитывающая многоаспектность данного понятия, являются актуальными.
Цели и задачи исследования. Целью диссертационного исследования является разработка математических методов и моделей оценки качества образовательной деятельности, которые позволяют учитывать взаимное влияние направлений деятельности ВУЗа, а также их влияние на результат обучения студентов.
Достижение поставленной цели исследования предполагает решение следующих задач:
Анализ методов и моделей оценки качества образовательной деятельности в ВУЗе, позволяющий выявить основные тенденции развития подходов к оценке качества образовательной деятельности в ВУЗе.
Разработка методики и системы показателей для оценки качества организации деятельности в ВУЗе, учитывающей различные аспекты его деятельности.
Разработка метода оценки знаний студентов на основе компетентностного подхода, нацеленного на получение сведений о
соответствии знаний, умений и навыков выпускников потребностям предприятий и рынка в целом.
Создание методики прогнозирования уровня качества знаний студентов в зависимости от качества организации деятельности в ВУЗе.
Построение математической модели оценки качества образовательной деятельности в ВУЗе и её программная реализация.
6. Проведение эксперимента по внедрению разработанных методов и
моделей.
Предмет и объект исследования. Объектом исследования являются процессы деятельности ВУЗа. Предметом исследования являются методы и модели оценки качества процессов деятельности ВУЗа.
Теоретическую и методологическую основу исследования составили работы отечественных и зарубежных специалистов в области управления качеством, оценки знаний студентов высших ВУЗов на основе компентностного подхода, оценки деятельности организации, математических методов и моделей, в том числе нейросетевого подхода. В диссертационном исследовании использованы положения, разработанные зарубежными авторами: Капланом Р., Нортоном Д., Уордом К., Мэйселом Л., Уоссерменом Ф., Нивеном П., Адамсом К., Робертсом П., Мк-Нейером К. и др. Из отечественных авторов рассматриваемым вопросам посвящены работы Тихомирова В.П., Тихомировой Н.В., Плакского СИ., Геворкян Е.Н., Коломниеца Б.К., Зимней И.А., Байденко В.И., Тартура Ю.Г., Нуждина В.Н., Махотило К.В., Перева Е.В., Галяминой И.Г., Заенцева И.В. и др.
Научная новизна
Предложено сочетание компетентностного подхода и системы сбалансированных показателей (ССП) для оценки качества образовательной деятельности в ВУЗе.
Создана методика формирования ССП, и на её основе разработан шаблон ССП для оценки эффективности деятельности в ВУЗе.
Определен набор показателей для оценки качества деятельности ВУЗа, охватывающий различные категории процессов, обеспечивающих эффективность деятельности учебного заведения.
Сформирована структура дерева компетенций выпускника, отражающая как моноподготовку студентов, так и двухуровневую систему образования.
Предложена структура нейронной сети для прогнозирования значений уровня компетенций студентов ВУЗов в зависимости от состояния значений показателей деятельности ВУЗа.
Построена математическая модель оценки качества образовательной деятельности в ВУЗе, направленная на анализ показателей процессов учебного заведения и позволяющая выявить устойчивые зависимости между эффективностью обучения студентов и качеством организации деятельности ВУЗа.
Практическая значимость, апробация и внедрение результатов.
Теоретические и практические выводы, полученные в результате проведенного исследования, могут быть использованы ВУЗами для построения собственных моделей для оценки качества оказываемых ими образовательных услуг, что подтверждается результатами апробации разработанной модели на базе ГОУ ВПО «МАТИ» - Российского государственного технологического университета имени К.Э.Циолковского.
Разработанные структура дерева компетенций и шаблон ССП могут быть адаптированы для любого ВУЗа вне зависимости от его размеров, количества направлений подготовки, а также сложности существующей организационной структуры и количества процессов.
Модель позволяет прогнозировать уровень знаний студентов в зависимости от качества организации деятельности в ВУЗе. Данное свойство разработанной модели позволяет выстроить процессы управления научной деятельностью, организации учебного процесса, управления персоналом,
учебно-методического обеспечения, финансового обеспечения таким образом, чтобы получать наиболее высокий уровень знаний и умений студентов при
выпуске.
Шаблон ССП был реализован с использованием пакета прикладных программ (111111) ARIS BSC. Для описания структуры нейронной сети, её обучения и тестирования использовался модуль Neural Network Tool ГШП MATLAB 6.0.
Результаты исследований представлены на научных конференциях и семинарах: 7-ой, 9-ой научно-практических конференциях «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями», Международной молодёжной научной конференции «XXX Гагаринские чтения», 6-ой Всероссийской научно-практической конференции «Управление качеством», а также были отражены в отчетах по НИР кафедры ПЭИС МЭСИ по темам «Разработка методологических основ создания систем управления бизнес-процессами» и «Разработка методологических основ создания систем интеграции знаний».
Публикации. По теме диссертации опубликовано 7 работ общим объёмом 2,63 печ.л, в том числе 2 работы в журналах, входящих в «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук».
Структура диссертации. Диссертация состоит из введения, трёх глав, выводов по главам, заключения и списка литературы. Представленный материал иллюстрируется рисунками и приложениями.
Современные модели оценки качества образования
Измерение качества любого продукта возможно за счет: 1. Разработки собственных методов оценки качества продукта. 2. Сравнения с образцами продуктов других производителей признанных эталонными. При этом следует учитывать, что данный метод имеет один существенный недостаток - в случае, если эталонный образец был выбран неправильно, то процедура оценки не даст требуемых результатов, а, следовательно, необходимо уделять особое внимание выбору эталона. 3. Сравнения показателей качества продукции с значениями установленными в различных стандартах. В области высшего образования наиболее распространены первый и последний из указанных подходов. Все существующие модели оценки качества образования условно можно классифицировать на 3 группы [52], а именно, - модели, в основе которых лежат требования, подходы к оценке и наборы показателей, определяемые: 1. Нормативными актами Российской Федерации. 2. Международными стандартами в области качества. 3. Отдельными методиками, предложенными специалистами в области качества. Рассмотрим каждую из указанных групп.
Первые стандарты системы качества, носившие название BS-5750, были разработаны Британским институтом стандартов (British Standards Institution, BSI) и утверждены в 1979 г. Впоследствии именно эти стандарты были взяты Международной организацией по стандартизации (International Organization for Standardization, ISO) за основу первой версии стандартов ISO серии 9000, утвержденной в 1987 г. Вторая версия, претерпев незначительные изменения, была утверждена ISO в 1994 г. и действует до сих пор. [105]
ISO 9001:2000 - это международный стандарт, обобщающий передовой мировой опыт в области управления организацией, содержит требования к организации управления в компании. В основе данного стандарта лежит концепция Total Quality Management (Всеобъемлющее управление качеством), разработанная Э. Деммингом. "Всеобъемлющее управление качеством" -современная концепция, которая вобрала в себя множество уже известных методов организации работ, принципов увеличения комплексной производительности (т. е. не только производительности труда) и мероприятий по совершенствованию организационных процессов [105]. Помимо этого Э. Деминг ввел такое понятие как цикл (PDCA) [73], т.е. процесс постоянного совершенствования деятельности организации по всем направлениям. "Стандарты ИСО 9000 включают в себя несколько базовых положений, которые предполагают, что: 1. Заказчик (студент) установит требования к услуге, которую он хотел бы получить (образовательные услуги). 2. Эта услуга может быть разделена на ряд отдельных процессов, которые могут управляться организацией и которые являются цепочкой действий. "Выход" одного процесса становится "входом" для следующего. 3. Результаты "процесса" являются измеряемыми. 4. Процессы начинаются с исходных материалов (абитуриент), которые затем превращаются в конечную продукцию (выпускник). Стандарты также требуют, чтобы внутри процессов было возможным установить роль и ответственность тех, кто осуществляет и управляет этой деятельностью" [47].
Необходимо отметить, что стандарты в области качества регламентируют не только производственную сферу, но так же и сферу услуг (в том числе образовательных). Например, в стандарте ISO 9001:2000 приводятся примеры услуг, к которым может применяться данный международный стандарт: в разделе "профессиональные услуги" к таким видам услуг стандарт относит, в частности, и услуги в области "образования и подготовки" [56].
Динамичные изменения, которые с конца 90-х годов затронули как структуру системы образования, так содержание и формы образовательных услуг, происходили нередко стихийно и нуждались в легитимном признании со стороны общества и государства.
Этап стихийной трансформации содержания и структуры образовательной системы изменил формы управления и оценки качества образования [54]: 1. Содержания образовательной деятельности — путем введения государственных образовательных стандартов. 2. Структуры образовательной деятельности — через систему государственной аккредитации.
Во многих развитых странах существует двухступенчатая система предъявления требований к качеству подготовки и признанию квалификации. Такие системы реализуются в каждой стране национальными, как правило, неправительственными профессиональными организациями — советами, имеющими в своем составе органы по аккредитации образовательных программ и сертификации специалистов: ABET (США), ECUK (Великобритания), ССРЕ (Канада), IEAust (Австралия) [76].
Российская система аккредитации учебного заведения сравнима с международными подходами и проходит в два этапа:
Лицензирование — оценка соответствия условий образовательной деятельности государственным требованиям к уровню преподавательских кадров, обеспеченности учебного процесса площадями и оборудованными учебными аудиториями, лабораторным оборудованием и актуальной учебной литературой [62].
Государственная аккредитация — установление (подтверждение на очередной срок) государственного аккредитационного статуса вуза по типу (высшее учебное заведение - институциальная аккредитация) и виду (институт, академия, университет), а также аккредитация отдельных образовательных программ высшего профессионального образования, по которым ВУЗ получает право выдавать выпускникам документы государственного образца об образовании [62].
Условием процедуры установления государственного статуса является наличие лицензии и наличие ежегодной информации об учреждении в Центральном банке данных государственной аккредитации.
Обоснование выбора метода для прогнозирования значений компетенций в зависимости от качества организации деятельности в ВУЗе
Развитие прогностики как науки в последние десятилетия привело к созданию множества методов, процедур, приемов прогнозирования, неравноценных по своему значению. По оценкам зарубежных и отечественных специалистов в области прогностики уже насчитывается свыше ста методов прогнозирования, в связи с чем перед специалистами возникает задача выбора методов, которые давали бы адекватные прогнозы для изучаемых процессов или систем [14, 17].
Число базовых методов прогностики, которые в тех или иных вариациях повторяются в других методах, гораздо меньше. Многие из этих методов относятся скорее к отдельным приемам или процедурам прогнозирования, другие представляют набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения.
По степени формализации все методы прогнозирования делятся на интуитивные и формализованные. Интуитивное прогнозирование применяется тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В этих случаях прибегают к опросу экспертов, Полученные индивидуальные и коллективные экспертные оценки используют как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования.
В зависимости от общих принципов действия интуитивные методы прогнозирования, например, можно разделить на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки.
Методы коллективных экспертных оценок уже можно отнести к комплексным системам прогнозирования (обычно неполным), поскольку в последних сочетаются методы индивидуальных экспертных оценок и статистические методы обработки этих оценок. Но так как статистические методы применяются во вспомогательных процедурах выработки прогнозной информации, коллективные экспертные оценки целесообразнее отнести к сингулярным методам прогнозирования.
В группу индивидуальных экспертных оценок можно включить (принцип классификации - способ получения прогнозной информации) следующие методы: метод «интервью», аналитические докладные записки, написание сценария. В группу коллективных экспертных оценок входят: анкетирование, методы «комиссий», «мозговых атак» (коллективной генерации идей).
Класс формализованных методов в зависимости от общих принципов действия можно разделить на группы экстраполяционных, системно-структурных, ассоциативных методов и методов опережающей информации.
В группу методов прогнозной экстраполяции можно включить методы экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания. К группе системно-структурных методов - отнести методы функционально-иерархического моделирования, морфологического анализа, матричный, сетевого моделирования, структурной аналогии. Ассоциативные методы можно разделить на методы имитационного моделирования и историко-логического анализа. В группу методов опережающей информации - включить методы анализа потоков публикаций, оценки значимости изобретений и анализа патентной информации.
Представленный перечень методов и их групп не является исчерпывающим. Нижние уровни классификации открыты для внесения новых элементов, которые могут появиться в процессе дальнейшего развития инструментария прогностики.
Некоторые не названные здесь методы являются или разновидностью включенных в схему методов, или дальнейшей их конкретизацией.
Выбор метода для прогнозирования значений уровня компетенций студентов в зависимости от состояния показателей деятельности ВУЗа является весьма сложной задачей в связи с большим количеством методов прогнозирования (более ста), поэтому в рамках данного исследования будут рассмотрены лишь некоторые из них.
Прогнозирование с использованием вероятностных моделей базируется на методе экспоненциального сглаживания. Вероятностные модели по своей сути отличны от экстраполяционных моделей временных рядов, в которых основой является описание изменения во времени процесса. Во временных рядах модели представляют собой некоторую функцию времени с коэффициентами, значения которых оцениваются по наблюдениям. В вероятностных моделях оцениваются вероятности, а не коэффициенты.
При достаточном количестве исходной информации вероятностная модель может дать вполне надежный прогноз. Кроме того, эта модель отличается большой простотой и наглядностью. Оценки, получаемые с помощью этой модели, имеют вполне конкретный смысл. Недостатком модели является требование большого количества наблюдений и незнание начального распределения, что может привести к неправильным оценкам. Тем не менее, при определении процедуры начального распределения или с помощью байесовского метода, корректируя его, можно рассматривать вероятностную модель как эффективный метод прогноза.
Требование статистических подходов увеличить объем выборки для получения более точных оценок приходит в противоречие с требованием гомогенности (однородности) данных, либо чем больше период наблюдений, тем выше вероятность того, что объект претерпел коренные изменения.
Таким образом, необходим компромисс. Один из наиболее перспективных путей достижения такого компромисса — применение адаптивного метода прогнозирования. Цель этого метода — построение самокорректирующихся рекуррентных моделей, которые, отражая изменяющиеся во времени динамические свойства временного ряда и учитывая информационную ценность его ретроспективных членов, способны давать достаточно точные оценки будущих членов. При прогнозировании обычно выдвигается гипотеза о том, что основные взаимосвязи и тенденции сохранятся на период прогноза, или что можно обосновать и учесть направление их изменений в рассматриваемой перспективе. Адаптивные модели предназначаются, прежде всего, для краткосрочного прогнозирования. Реальный процесс протекает в изменяющихся условиях. На временной ряд, представляющий этот процесс, воздействуют в разное время различные факторы внешней среды: одни из них по тем или иным причинам ослабляют свое влияние, другие — увеличивают. Модель должна адаптироваться к ряду. Одним из основных недостатков данной модели является относительный субъективизм предположения о тенденциях развития изучаемого объекта во времени, что существенно влияет на качество прогнозов.
Общим недостатком большинства рассмотренных методов прогнозирования (метод экспоненциального сглаживания, вероятностного моделирования, адаптивного сглаживания) является то, что возможности методов математической статистики ограничены жесткими статистическими предположениями о свойствах временных рядов и во многих случаях не позволяют прогнозировать ход реальных процессов [11 ,15, 16]. Выявить функциональную взаимосвязь между показателями карты BSC и показателями компетентностной модели также не представляется возможным.
Обоснование выбора программного продукта для построения сбалансированной системы показателей
В рамках данного диссертационного исследования определено, что для оценки качества образовательного процесса будет использоваться система сбалансированных показателей. Автоматизация концепции Balanced Scorecard и создание информационной системы BSC, где информация циркулирует в рамках интегрированного алгоритма BSC и функционала информационной системы, является кратчайшим путем для практической реализации и контроля исполнения стратегии организации [103].
На данный момент рынок продуктов, позволяющих автоматизировать функции построения и мониторинга BSC, довольно обширен. Исходя из этого необходимо выбрать один из продуктов, который будет удовлетворять следующим критериям: 1. Методологическая гибкость. Тут важно учесть два аспекта. Во-первых, заложена ли в основу продукта какая-либо методология, или продукт развивался стихийно. В данном случае методология является гарантией того, что если модель создается в соответствии с ней, то можно достичь определенных (предсказанных методологией) результатов. Во-вторых, обладает ли продукт достаточной гибкостью для создания своих собственных моделей, не вписывающихся в рамки методологии. Вполне вероятно, что по достижении определенного уровня компетентности вам станет тесно в рамках методологии и возникнет необходимость создавать бизнес-структуры, не предусмотренные ее авторами. 2. Степень охвата сферы управления эффективностью бизнеса. Если имеется необходимость ограничиться только системой сбалансированных показателей, то задача упрощается - достаточно выбрать решение, обладающее сертификатом "BSCol Certified" [31] - этот сертификат подтверждает, что продукт обладает всем необходимым функционалом для построения карт BSC и последующей работы с ними в соответствии с оригинальной методологией. Если производится полная оптимизация системы управления бизнесом, то необходимо убедиться, что продукт позволяет спроектировать или реструктурировать все важные для вас подсистемы. 3. Удобство интерфейса. Многие из продуктов, несмотря на широкий набор функций, весьма неудобны в работе, что значительно снижает общую эффективность их работы, а, следовательно, использование данного продукта становится невозможным. Программное обеспечение по автоматизации функций работы с BSC должно позволять быстро и эффективно построить карту показателей, а затем предоставить широкий набор инструментов для отслеживания её состояния.
Как было отмечено, список продуктов довольно обширен, и делать обзор всех продуктов не имеет смысла, поэтому в обзор было включено девять продуктов, разрабатываемых как крупными, так и небольшими компаниями: 1. Cognos Metrics Manager - Решение Cognos Metrics Manager (CMM) относится к классу управленческих информационных систем (EIS - Executive Information System). Эти системы обеспечивают руководителей жизненно важной для них информацией, как о функционировании бизнеса, так и о внешнем мире, в момент, когда им это необходимо, и в формате, который они предпочитают. 2. Geac Performance Management - комплексная система автоматизации процессов стратегического планирования, бюджетирования, финансового контроля и анализа. 3. Pbviews - программный продукт относится к классу систем бизнес-аналитики и наряду с другими управленческими методиками реализует сбалансированную систему показателей. 4. ARIS BSC - это дополнительный модуль ARIS Toolset, который можно использовать, если это позволяет имеющийся лицензионный ключ. Применение данного модуля позволяет упростить создание системы BSC путем автоматизации отдельных этапов ее построения. 5. SAP Strategic Enterprise Management - решение для управления корпоративной стратегией. 6. Oracle Balanced Scorecard - Модуль Oracle Balanced Scorecard (BSC) предназначен для отображения стратегии организации в сбалансированном наборе показателей деятельности. В модуле определяются ключевые показатели деятельности (КПД), их взаимосвязи и стратегические карты показателей. 7. Hyperion Performance Scorecard — представляет собой Интернет-ориентированное приложение для работы с картами BSC. При помощи Интернет пользователи могут получать доступ к необходимой информации из любой точки, что очень удобно для крупных организаций, имеющих распределенную организационную структуру. 8. ИНТ АЛЕВ: Навигатор - программный продукт по автоматизации сбалансированной системы показателей, разработанный на территории СНГ и Восточной Европы, который сертифицирован основоположниками BSC Нортоном и Кап ланом.. 9. ABIS BSC - Сбалансированная система показателей» разработанная на платформе «1С:Предприятие 8» и реализует метод Balanced Scorecard (BSC) для оперативного управления стратегическим развитием компании.
Апробация модели оценки качества образования
Для того, чтобы провести апробацию модели необходимо выполнить следующие этапы: 1. Определить масштаб эксперимента по апробации. 2. Разработать анкету, для проверки компетенций студентов и провести анкетирование студентов. 3. Собрать данные по успеваемости студентов. 4. Собрать данные по показателям деятельности ВУЗа в рамках 8 видений карты BSC; сформировать карту BSC и выявить проблемные области ВУЗа. 5. Обучить нейронную сеть с целью выявления функциональной зависимости между показателями деятельности ВУЗа и компетенциями студентов. 6. Протестировать обученную нейронную сеть и определить эффективность обучения. Рассмотрим реализацию указанных этапов. На первом этапе апробации модели был произведен выбор специальности, на которой проводился эксперимент. Несомненно, что наиболее точные результаты были бы получены, если в апробации были задействованы все специальности ВУЗа, но из-за сложности проведения эксперимента было принято решение выбрать лишь одну из специальностей МАТИ, а именно, - 23.01.00 Информатика и вычислительная техника. Ежегодно в МАТИ по данной специальности выпускается порядка 60 человек (2 группы). Обучение по данной специальности носит двухуровневый характер: первый четыре года студенты обучаются по программе бакалавриата, после чего имеют возможность либо окончить обучение, либо продолжить его по программе инженера или магистра. Исходя из того, что компетентностная модель была разработана как для моноподготовки, так и для двухуровневой системы обучения, то выбор специальности 23.01.00 вполне обоснован. Также было принято решение проводить эксперимент в рамках первой ступени, а именно -опрашивая студентов, получающих бакалаврский диплом. В целевую группу анкетирования вошло 55 человек, обучающихся на 2-х разных кафедрах. Кураторами кафедр обе группы характеризуются положительно. За 4 года группами было изучено порядка 70 предметов. На втором этапе проведения апробации была разработана анкета для анкетирования студентов.
В соответствии с компетентностной моделью, приведенной в разделе 2.1 главы 2, для разработки анкеты был определен список компетенций для данной специальности. Объектами профессиональной деятельности выпускника по специальности 23.01.00 «Информатика и вычислительная техника» являются техническое, информационное, программное, математическое, лингвистическое, эргономическое, организационное и правовое обеспечение автоматизированных систем обработки информации и управления, а также структура систем в целом. Профессиональная подготовка, включает в себя изучение общих и специальных разделов высшей математики, включая теорию алгоритмов, теорию принятия решений, моделирование систем, методы поиска оптимальных решений, глубокое изучение физики, электротехники, электроники и микропроцессорной техники. Инженер должен владеть несколькими языками и системами программирования, хорошо знать организацию операционных систем, уметь использовать современные системы управления базами данных, понимать принципы работы экспертных систем и других систем искусственного интеллекта. Учитывая современные тенденции развития информационных технологий, большое внимание в профессиональной подготовке уделяется телекоммуникациям, локальным и глобальным, сетям с глубоким изучением механизмов взаимодействия элементов сетей на всех уровнях. Современный инженер в условиях рыночной экономики должен уметь провести презентацию своей фирмы, подготовить рекламные проспекты, рекламные ролики об изделиях своей фирмы, оформить любой документ на уровне мировых стандартов, т.е. он должен уметь работать с издательскими системами, знать основы компьютерной графики и анимации, использовать средства multimedia.
Выпускник по специальности "Автоматизированные системы обработки информации и управления" подготовлен к решению следующих профессиональных задач: 1. Определение цели проектирования и критериев эффективности создаваемых систем. 2. Проведение системного анализа объекта проектирования, предметной области. 3. Организация взаимодействия коллективов разработчиков и заказчика, а также разработчиков различных специальностей. 4. Принятие управленческих решений. 5. Разработка и исследование теоретических и экспериментальных моделей объектов, методик анализа, синтеза и оптимизации качества функционирования объектов. 6. Разработка программного обеспечения различных автоматизированных систем управления. 7. Внедрение разработанных систем в опытную и промышленную эксплуатацию.
Исходя из вышесказанного, при содействии экспертов кафедр, на которых обучаются студенты, был разработан перечень компетенций для специальности 23.01.00. Список компетенций представлен в табл. 4.
