Содержание к диссертации
Введение
Глава 1. Способы представления и модели возрастной структуры профессорско-преподавательского состава вузов 13
1.1. Способы представления данных по кадровому и студенческому контингенту вузов 13
1.1.1. Государственные и ведомственные формы статистической отчетности, содержащее возрастную структуру преподавателей, исследователей, аспирантов и докторантов 13
1.1.2. Вид представления возрастной структуры различных категорий научно-педагогических кадров 15
1.1.3. Структурирование студенческих и научно-педагогических кадров по областям деятельности (классификаторы учебных и научных специальностей) ...Л 7
1.2. Модели социальной мобильности 19
1.2.1. Моделирование социальной мобильности 19
1.2.2. Моделирование динамики возрастной структуры преподавательских кадров 25
1.2.3. Управление кадрами 26
1.2.4. Прогнозирование динамики ППС на основе клеточных автоматов „27
1.2.5. Проблемы моделирования социально-экономических систем 29
Глава 2. Анализ характеристических параметров возрастной структуры ППС .32
2.1. Анализ характеристик детализированной возрастной структуры 32
2.1.1. Динамика среднего возраста профессорско-преподавательского состава вузов 32
2.2. Разработка методик восстановления детализированной возрастной структуры 36
2.2.1. Интерполяция полиномами 37
2.2.2. Аппроксимация кубическими сплайнами с заданными граничными условиями 38
2.3. Анализ возрастной структуры различных вузов Рособразования 41
Глава 3, Разработка алгоритмов и математических моделей изменения возрастной структуры кадрового состава вуза 66
3.1. Модель социальной мобильности на базе Марковских процессов 68
3.2. Математическая модель в виде системы конечно-разностных уравнений 72
3.2.1. Математическая модель не учитывающая процессы внутристепенных переходов 73
3.2.2. Математическая модель с учетом внутристепенных переходов 83
3.3. Математическая модель соответствия количественной и качественной структуры ГШС контингенту студентов 91
3.3.1. Прогнозирование динамики студенческого контингента 92
3.3.2. Матрица соответствия специальностей ВПО специальностям ВНК.93
3.3.3. Математическая модель соответствия..... 99
3.3.4. Постановка балансовой задачи 101
Глава 4. Учебные специальности и Критические технологии 107
Глава 5. Программная реализация математических моделей 113
5.1. База данных ИАС «Система образования и рынок труда в регионах России» 114
5.2. Информационно-справочная система «Аспирантура, докторантура и диссертационные советы в регионах Российской Федерации» 116
5.2.1. Главная страница ИСС - Федеральный уровень 117
5.2.2. Главная страница ИСС - Региональный уровень 119
5.2.3. Главная страница ИСС -База данных 120
5.3. Формирование контрольных цифр приема в аспирантуру для вузов
Рособразования 126
Выводы по диссертации 130
ЛИТЕРАТУРА 135
- Способы представления данных по кадровому и студенческому контингенту вузов
- Анализ характеристик детализированной возрастной структуры
- Модель социальной мобильности на базе Марковских процессов
- Учебные специальности и Критические технологии
- Программная реализация математических моделей
Введение к работе
Актуальность и объект исследования. Образовательная политика России на современном этапе исходит из необходимости повышения роли образования в развитии общества и государства, В современном мире образование стало одним из важнейших факторов it ресурсов экономического развития, формирования нового качества экономики.
Одной из проблем системы образования является проблема обновлення профессорско-преподавательского состава (ППС) системы профессионального образования. Процессы, которые проходили в российской системе образования за последние 10 лет, привели к тому, что возрастная структура (ППС) вузов изменилась, увеличился средний возраст докторов наук и профессоров.
Наряду с проблемой постарения кадров ППС, немаловажным является вопрос подготовки квалифицированных специалистов с высшим профессиональным образованием (ВПО) по специальностям, востребованных экономикой региона. Одним из факторов, обеспечивающих качество подготовки специалистов с ВПО, является соответствие количественной и качественной структуры ППС нормативным требованиям высшей школы.
Обозримым будущим в теории управления считается среднесрочный интервал планирования на десять лет. На этот период вуз может подготовить и реализовать программу по кадровой политике для ППС в разрезе научных специальностей, которая должна решать задачу сохранения и улучшения качественного состава ППС либо путем приглашения докторов и кандидатов наук, либо путем подготовки кадров высшей квалификации в собственной среде через аспирантуру и докторантуру. Для решения этой задачи необходима методика прогнозирования, способная динамически отслеживать структурные изменения в составе ППС вуза (защиты диссертаций), учитывать возрастное изменение кадрового состава вуза, динамику приема и увольнения. Однако модели, позволяющей прогнозировать возрастную динамику ППС с учетом внутренней структуры ППС {кандидатов и докторов наук), в настоящее время нет.
Поэтому актуальной является задача разработки прогностического средства {математической модели), которое могло бы моделировать динамику изменения структуры ППС вуза на среднесрочном горизонте планирования, как без активного вмешательства в кадровую политику, так и с возможностью изменения управляющих факторов.
Цель и задачи. Целью исследовании является разработка алгоритмов, математических моделей и программных средств для мониторинга, анализа и прогнозирования динамики возрастной
структуры различных степенных категорий профессоре копре по дапате лье кого состава вузов.
Для реализации указанной цели решаются следующие задачи:
Формирование баз данных по кадровой структуре профессорско-преподавательского состава вузов Российской Федерации. Анализ данных по возрастной структуре ППС, в том числе докторов и кандидатов наук в их составе. Выявление внутренних и внешних воздействий, оказывающих влияние на процесс изменения кадровой структуры ППС во времени;
Разработка алгоритмов и методик для восстановления детализированной возрастной структуры ППС по стандартным (представленным в официальной статистике) свернутым табличным данным с использованием методов интерполяции и сплайн-аппроксимации;
Разработка базовой математической модели прогнозирования динамики возрастных и степенных категорий ППС вуза, базирующейся на выявленных закономерностях этой динамики на ретроспективном периоде;
Представление математической модели динамики ППС вуза со стохастическими коэффициентами и случайным внешним воздействием в форме, пригодной для имитационного моделирования;
Развитие базовой модели с учетом процессов внутристепенных переходов (зашиты кандидатских и докторских диссертаций) в структуре ППС вуза;
Проведение параметрической идентификации коэффициентов модели, анализ и верификация результатов моделирования с реальными данными;
Построение на основе базовой модели прогнозов количественной динамики возрастных и степенных категорий ППС на среднесрочном горизонте планирования;
Развитие базовой мат. модели с учетом детерминированной взаимосвязи ППС и студенческого контингента вуза. Разработка алгоритма и математической модели соответствия количественной и качественной структуры ППС динамике контингента студентов на среднесрочном горизонте планирования;
Постановка оптимизационной задачи формирования планов приема в аспирантуру и докторантуру государственными учреждениями ВПО, обеспечивающего заданную количественную и качественную структуру ППС для обучения студенческого контингента в разрезе 28 УҐС;
Проведение анализа обеспеченности Критических технологий РФ выпускниками вузов и специалистами с высшей научной квалификацией;
Разработка программных средств, позволяющих получать количественные характеристики результатов моделирования на среднесрочном горизонте планирования.
Методы исследования. Исходные данные по возрастной структуре ППС, в том числе докторов и кандидатов наук в его составе, формируются на основе форм государственной и ведомственной статогчетности. Для отработки алгоритмов и моделей использовались данные по Петрозаводскому государственному университету и еще по семи вузам нз различных регионов, причем здесь имеются данные как по свернутой (5 групп по 10 лет в каждой), так и по детализированной возрастной структуре ППС (50 групп по 1 году в каждой)за период с 1993 по 2005 годы.
На основе анализа детализированных данных по возрастной структуре ППС была разработана методика восстановления детализированной возрастной структуры из стандартных, свернутых в возрастные категории, статистических данных. Для восстановления детализированной структуры использовались методы интерполяции и сплайн-аппроксимации.
Для выявления закономерностей в динамике возрастной структуры при анализе применялся системный подход; производилось разделения влияющих факторов на управляющие и возмущающие; определялись внутренние динамические переменные процесса; выявлялись наблюдаемые и управляемые переменные.
Формализация математической модели происходила по принципам построения динамических систем, учитывающих развитие процессов во времени и информацию о прошлых состояниях системы (про[вводные). Принимая во внимание особенности интервального характера наблюдаемых данных (раз в год) при описании математической модели автор использовал векторію-матричігую систему разностных уравнений, широко применяющуюся в теории управления при описании дискретных моделей систем управления и имеющую наработанный набор средств исследования. Эти модели легко дополняются и расширятся вглубь при обнаружении новых факторов или детализации известных.
Разработан аппарат учета стохастических составляющих во внешних возмущающих и управляющих сигналах при анализе и синтезе стохастических систем управления. Методами имитационного моделирования и матричной теории фильтрации учитывается влияние флуктуации и недетермннированности в коэффициентах самих математических моделей.
Методами теории идентификации можно проводить тонкую настройку параметров модели, увеличивая адекватность результатов ее моделирования реальным данным.
Научная новизна исследования состоит в следующем:
-
Сформирован и проанализирован динамический ряд детализированных возрастных структур ППС, в том числе докторов и кандидатов наук в их составе для ряда вузов. На этой основе выявлены параметры, характеризующие состояние возрастной структуры: средний возраст в возрастных категориях, долевое отношение возрастных категорий как к общему числу в степенной категории, так и общему числу ППС.
-
Разработаны методики восстановления детализированной возрастной структуры ППС по стандартным свернутым табличным данным с использованием методов интерполяции и сплайн-аппроксимации.
-
На основе авторской математической модели динамики категорийной возрастной структуры кадрового состава вуза исследована динамика возрастной структуры степенных категорий профессорско-преподавательского состава на среднесрочном горизонте планирования.
-
Разработана модель количественного и качественного соответствия структур ного состава ППС (докторов и кандидатов наук, неостепененных сотрудников) в разрезе 25 отраслей наук студенческому контингенту в разрезе 28 укрупненных групп специальностей.
-
На основе модели количественно-качественного соответствия разработана методика формирования плана приема в аспирантуру и докторантуру.
Положения и результаты, выносимые на зашиту: 1.Методика восстановления детализированной возрастной структуры профессоре ко-пре подавател ьс кого состава.
-
Математическая модель, описывающая динамику возрастных и степенных категорий ППС на среднесрочном горизонте планирования.
-
Алгоритм соответствия количественного и качественного состава ППС в разрезе 25 областей наук студенческому контингенту в разрезе 28 укрупненных групп специальностей.
-
Алгоритм формирования планов приема в аспирантуру и докторантуру государственными учреждениями ВПО, обеспечивающий заданную количественную и качественную структуру ППС вуза для обучения студенческого контингента.
Теоретическая и практическая значимость работы. Разработанные математические модели позволят проводить анализ и прогнозирование динамики возрастной структуры ППС на среднесрочном горизонте планирования. Также с помощью разработанной математической модели и алгоритма соответствия возможна процедура сопоставление структурного состава ППС и студенческого контингента с целью достижения заданной структуры ППС. Результаты работы служат научной базой для формирования плана приема в аспирантуру и докторантуру вузов н регионов с учетом критериальных параметров обеспечения вузовского образования.
Апробация работы. Разработка алгоритмов и моделей для анализа кадрового и научного обеспечения системы профессионального образования впервые проводится с позиции обеспечения потребности региональных экономик. Указанная разработка не имеет аналогов в отечественной науке, что подтверждается апробацией предварительных результатов моделирования на всероссийских математических, экономических конференциях и симпозиумах. Результаты диссертации использованы при выполнении НИР в рамках ведомственной программы Рособразования «Развитие научного потенциала высшей школы»;
по проекту Яа 257 «Прогнозирование динамики возрастной структуры докторов, кандидатов наук для оптимизации подготовки аспирантов и докторантов в системе послевузовского профессионального образования» № гос. регистрации 0120.0 502685
по проекту: № 4776 «Алгоритмы и модели для анализа кадрового и научного обеспечения системы профессионального образования» Ка гос. регистрации 0120.0 502689
по проекту: № 2759, «Информационно-аналитическое обеспечение системы аспирантур и докторантур в вузах Российской Федерации для системного анализа и прогнозной оценки формирования и развития кадрового потенциала высшей квалификации» Ка гос. регистрации 0120.0 502684
Публикации. По тематике работы имеется 15 публикаций. О Результаты работы неоднократно представлялись на всероссийских и международных конференциях:
Всероссийские симпозиумы по прикладкой и промышленной математике (Петрозаводск — 2004 г., Санкт-Петербург, Сочи — 2005 г., Кисловодск—2006 г.);
Всероссийские научно-практические конференции «Образовательная среда: сегодня и завтра» (ВВЦ, Москва - 2004,2005 гг.);
Международная научно-техническая конференция «Наука и образование - 2004» (Мурманск — 2004 г.);
Всероссийские научно-практические Интернет-конференции «Спрос и предложение на рынке труда и рынке образовательных услуг в регионах России» (Петрозаводск - 2004, 2005,2006 гг.);
Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы.
Способы представления данных по кадровому и студенческому контингенту вузов
Существующие формы государственной и ведомственной статистической отчетности содержат как количественные сведения (контингент, прием, выпуск), так и качественные (учебные и научные специальности, возрастные категории, ученые степени и звания) характеристики студенческого контингента и профессорско-преподавательского состава вузов, аспирантов и докторантов, исследователей.
Основными формами государственной статистической отчетности, содержащие эти сведения, являются: форма 3-НК (Сведения о высшем учебном заведении) [11], форма 1-НК (Сведения о работе аспирантуры и докторантуры) [12], форма 2-наука (Сведения о выполнении научных исследований и разработок) [13].
Основными формами ведомственной статистической отчетности, содержащие эти сведения, являются: форма РЕПНИД (отчет о научной деятельности вуза) [14] и форма АСПИРИН (отчет о работе в сфере послевузовского профессионального образования (аспирантура, докторантура, соискатели ученых степеней кандидата и доктора наук)) [15].
В указанных формах отчетности используются для представления описания возрастной структуры ППС вузов и исследователей НИИ агрегированные по определенным возрастным категориям данным, причем каждая форма отчетности использует как индивидуальную градацию возрастных категорий, так и категории лиц, для которых приводится эта градация.
Например, статистическая форма отчетности РЕПНИД о результатах научно-исследовательской работы, направляемая подведомственными вузами Рособразование, содержит данные по численности профессорско-преподавательского состава (ППС), докторов (ДН) и кандидатов наук (КН). Используются 6 возрастных категорий, разбитых на десятилетия, и содержащие периоды до 29 лет, от 30 до 39 лет, от 40 до 49 лет, от 50 до 59 лет, от 60 до 69 лет, от 70 лет и старше. Такое представление является достаточно приемлемым.
Форма отчетности 3-НК, представляемая вузами в территориальные органы госстатистики, содержит данные только по ППС всех вузов (без уточнения их наименования) по субъектам РФ. Возрастная градация ППС представлена в разрезе должностей профессоров, доцентов, старших преподавателей и преподавателей. Возрастная градация отличается от градации РЕПНИДа и представлена в виде 6 возрастных категорий до 29 лет, от 30 до 39 лет, от 40 до 49 лет, от 50 до 59 лет, от 60 до 64 лет, от 65 лет и старше. Необходимо отметить, что последние две возрастные категории отличаются от представления данных в РЕПНИД, и для такой формы, возможно, придется пересматривать не только само представление данных, а еще и методику различных расчетов.
Форма отчетности 2ф-наука представляется научными организациями в территориальные органы госстатистики. В их числе этих организаций находятся и вузы, имеющие государственную аккредитацию как научные организации (например, ПетрГУ имеет свидетельство о государственной аккредитации научной организации № 5493 от 01.03.2004 года). В этой форме содержатся данные по численности и возрастной структуре исследователей, а также докторов и кандидатов наук в их составе. Возрастная градация такая же, как и в форме РЕПНИД, но сама форма записи вызывает много трудностей при ее обработке. Для каждого субъекта РФ приведена отдельная таблица, форма записи данных в которой противоположна форме записи в предыдущих отчетностях (если в предыдущих формах возрастная градация была в заголовках столбцов, то в этой форме - в заголовках строк).
Анализ характеристик детализированной возрастной структуры
Для начала введем понятие детализированной возрастной структуры. Детализированной возрастной структурой будем называть структуру показывающую распределение численности ППС, ДН, КН, НС в разрезе возрастов. Для наглядности приведем такую детализированную возрастную структуру для Петрозаводского государственного университета, Рисунок 2.1.
Возраст, лет
Рисунок 2.1 Детализированная возрастная структура
Как уже было сказано выше, в формах государственной статистики возрастная структура представляется виде сжатых в возрастные категории данных по численности ППС, ДН и КН (сжатая возрастная структура). Данное представление в виде сжатой возрастной структуры не дает полной картины о состоянии возрастной структуры в вузе. Введем параметр дополняющий эту картину - средний возраст, причем как по всей возрастной структуре в целом, так и по каждой возрастной категории (2.1).
При наличии детализированных возрастных структур никаких затруднений с вычислений средних возрастов, как по отдельной возрастной категории, так и по всей возрастной структур не возникает. Но данные в статистических источниках представленві в виде сжатых возрастных структур и вычисление среднего возраста по возрастной категории не возможно в принципе. Для анализа в этом случае может бвггь исполвзован средний возраст по всей возрастной структуре.
Модель социальной мобильности на базе Марковских процессов
Модели социальной мобильности на базе Марковских процессов имеют широкое применение для исследований в целом спектре дисциплин экономика, социология, и.т.д. Автором рассматривается Марковская модель открытой системы применительно к динамике возрастной структуры ППС в вузе.
Основное уравнение, описывающее изменение возрастной структуры ППС приведено ниже вектора численности, где элемент вектора соответствует
численности на конкретном уровне;
p(t) - вероятностная матрица продвижений по уровням системы;
-транспонированный вектор уходов или вектор увольнений по уровням системы (где т обозначает операцию транспонирования); r{t) - вектор найма на работу по уровням;
обозначающий уровень системы, а к - количество уровней).
Рассмотрим (3.2) применительно к описанию динамики возрастной и
степенной структуры ППС по следующим ученым степеням: ДН, КН и НС, в
свою очередь каждая из ученых степеней имеет градацию по шести возрастным
категориям.
Для построения динамики возрастной и степенной структуры ППС
используются данные по численности в возрастных категориях
характеризующие ситуацию в каждый год.
При дальнейшем рассмотрение учитываются следующие допущения:
1) Предполагается, что, защита кандидатских и докторских диссертаций возможна только сотрудниками, пришедшими из предыдущего состояния (постаревших на год);
2) Предполагается, что пришедшие извне сотрудники не защищают кандидатских и докторских диссертаций в течение текущего года.
Введем следующие обозначения: где иж;(0 ш(0 лда(0 вектора распределения численности НС, КН и ДН по возрастным категориям в момент времени t (вектора сжатых возрастных структур) вектора вероятностей уходов НС, КН и ДН из возрастных категорий (вектора увольнений); вектора вероятностей наймов НС, КН и ДН по возрастным категориям, j - индекс, соответствующий возрастной категории.
Учебные специальности и Критические технологии
Для мониторинга обеспечения Критических технологий и Приоритетнвіх направлений кадрами системві ввісшего профессионалвного образования (специалистами и магистрами) и кадрами высшей научной квалификации (кандидатами и докторами наук) необходимо разработать соответствующую методику. Эта методика должна позволять на основе стандартного статистического представления данных о численности выпускников системы высшего профессионального образования (ВПО) в разрезе учебных специальностей и численности докторов и кандидатов наук в разрезе научных специальностей составить картину распределения этих кадров в разрезе Критических технологий [61].
Данная методика может бвгть представлена с использованием векторно-матричного аппарата, где основными элементами являются матрица соответствия Критических технологий (КТ) направлениям подготовки и специальностям ВПО (матрица КТ-ВПО), и матрица соответствия специальностей высшей научной категории (ВНК) направлениям подготовки и специальностям ВПО (матрица ВНК-ВПО). При наличии методик прогнозирования динамики численности специалистов ВПО и ВНК на среднесрочном горизонте планирования [62, 63, 64], используя эти матрицы соответствия можно будет отслеживать обеспеченность Критических технологий специалистами ВПО и ВНК. При этом результатом анализа будет прием, контингент и выпуск из ОУ ВПО, аспирантуры и докторантуры, по учебным и научным специальностям, соответствующим каждой из Критических технологий.
Разработку методики обеспечения Критических технологий и Приоритетных направлений кадрами системы высшего профессионального образования (специалистами и магистрами) и кадрами высшей научной квалификации (кандидатами и докторами наук) разбивается на следующие этапы:
Формирование экспертным путем матрицы соответствия (матрица КТ-ВПО) размерности 34КТх644УС;
2) Формирование матрицы соответствия (матрица ВПО - ВНК) размерности 644УСх449НС. Данная матрица детерминирована и определяется стандартом послевузовского профессионального образования в разрезе научных специальностей, где указаны соответствия между конкретной научной и учебными специальностями;
3) Произведение матриц КТ-ВПО и ВПО - ВНК формирует матрицу соответствия КТ-ВНК размерности 34КТх449НС;
Анализ этих матриц с расстановкой весовых коэффициентов уровня соответствия учебных и научных специальностей конкретной Критической технологии позволяет оценить ее потенциальную обеспеченность кадрами. В качестве критериев уровней соответствия на первом этапе эксперты о выбираются четыре следующих уровня:
- Соответствие на более чем 90%, "Полное соответствие";
- Соответствие на уровень 50 %, "Общесистемное соответствие" - этот уровень соответствия относится к базовым дисциплинам;
- Соответствие на менее чем 10%, "Минимальное соответствие";
- "Полное несоответствие";
Первые три уровня соответствуют ненулевым коэффициентам матриц.
При разработке методики на первом этапе также возможно, в качестве альтернативы, формирование экспертным путем матрицы соответствия (матрица КТ-ВНК) размерности 34КТх449НС, а на третьем этапе сформировать матрицу КТ-ВПО размерности 34КТх644УС;
Выходным параметром, характеризующим потенциальное кадровое обеспечение для каждой Критической технологии по учебным и научным специальностям, будет таблица приема, контингента и выпуска специалистов и магистров, аспирантов и докторантов (в том числе с защитой диссертации) с критерием "Полного соответствия". Суммирование численности кадров по Критическим технологиям, входящим в Приоритетные направления, позволит оценить потенциал кадрового обеспечения конкретно приоритетного направления. Проведенные авторами грубые оценки показывают, что критерий полного соответствия для всего перечня КТ и Приоритетных направлений, выполняется для менее, чем 10 % от общего выпуска специалистов с ВПО и вновь защитившихся докторов и кандидатов наук.
Программная реализация математических моделей
Для нужд ИАС была создана общая база данных «Entire», которая условно разделена на блоки таблиц, соответствующие прогностическим модулям.
Схема базы данных «Entire» представлена на рисунке 5.2, красной линией выделен блок таблиц, который содержит данные по профессорско-преподавательскому составу.
В целом инфологическую модель базы данных "Entire" можно представить
следующим образом:
Блок 1. Таблицы признаков, привязанных к географическому положению региона:
a. Countries - страны и денежные единицы;
b. Rajons - экономические районы Российской федерации;
c. Fo - федеральные округа Российской федерации;
d. Subjects - субъекты Российской Федерации;
e. Msu - муниципалитеты Российской федерации;
f. RegStatus - статус географической единицы.
Блок 2. Таблица с данными о населении Российской федерации
a. Peoples - численность постоянного, трудоспособного населения, рождаемости населения; Блок 3. Таблицы данных, отражающие контингент, а также потоки учащихся и студентов между различными уровнями общего и профессионального образования
a. Contingent - контингент детей, учащихся и студентов в учреждениях дошкольного, общего и профессионального образования в разрезе групп специальностей;
b. Streams - данные по приему и выпуску для учреждений профессионального образования, а также потоки учащихся из 9 и 11 классов в разрезе групп специальностей.
c. Npo_vypusk - выпуск учащихся из учреждений НПО и их направление в различные отрасли экономики и сферы жизни в разрезе субъектов федерации.
Блок 4. Таблицы данных, отражающие данные по экономике и промышленности в разрезе субъектов федерации
a. Economics - среднегодовая численность занятых в экономике и промышленно-производственного персонала в разрезе отраслей народного хозяйства;
b. Estructure - объем промышленного производства; структура ВРП; индексы физического объема ВРП и объема промышленного производства в разрезе отраслей.
c. Employed_Russia, Employed__subject - оценки занятых в экономике в разрезе уровней образования, отраслей народного хозяйства и регионов Российской Федерации.
Блок 5. Данные по профессорско-преподавательскому составу (ППС) a. Staff - данные по возрастной структуре ППС и исследователей в вузах и научных организациях в разрезе субъектов федерации; b. Chart_vuz - данные о вузах Российской федерации.
c. Sci_struct - принадлежность к профессорско-преподавательскому составу или к исследователям.
d. Sci_substruct - деление на ученые степени (кандидаты наук, доктора наук).
Блок 6. Вспомогательные таблицы
a. Okonh - общероссийский кодификатор отраслей народного хозяйства;
b. Group_spec - кодификатор укрупненных учебных групп специальностей профессионального образования;
c. Owners - таблица, содержащая данные сотрудников, отвечающих за содержание и наполнение определенных таблиц;
d. Sources - источники данных (бумажные, электронные носители);
e. Essences, Int_status, Edu_cond- вспомогательные таблицы.
Автор является создателем модуля отвечающего за прогнозирования движения кадров ППС. На момент написания этого текста модуль представлял собой связку MathCAD документов осуществляющих основные операции анализа возрастной структуры по различным степеням, детализации сжатых возрастных структур, методик прогнозирования динамики возрастной структуры, формирования и использования матриц соответствия 28УГС-250Н и 644НС-34КТ и Документов выполненных в MS Excel обрабатывающих результаты полученные с помощью MathCAD. Использование встроенных средств программирования MathCAD, имеющих высокую наглядность позволило отладить алгоритмы различных процессов, что в дальнейшем упростит создание программного продукта.
