Содержание к диссертации
Введение
Раздел 1 Системный анализ управления формированием кадрового потенциала науки в высшей школе 10
1.1. Анализ процессов управления формированием кадрового потенциала науки в высшей школе 10
1.2 Анализ структуры научно-исследовательской деятельности вузов 18
1.3 Анализ показателей оценки научно-исследовательской деятельности студентов 32
1.4 Формализация процесса управления формированием в высшей школе кадрового потенциала науки 37
1.5. Выбор математического аппарата исследования процессов формирования кадрового потенциала науки и постановка задачи исследования 42
Выводы по разделу 1 52
Раздел 2. Разработка моделей оценки уровня научно-исследовательских компетенций студентов 53
2.1. Модели оценки уровня научно-исследовательских компетенций студентов 53
2.2. Формирование перечня научно-исследовательских работ, необходимых для оценки уровня научно-исследовательских компетенций студентов 58
2.3. Параметрический анализ моделей оценки уровня научно-исследовательских компетенций студентов, обучающихся по программам бакалавриата и специалитета 73
2.4. Параметрический анализ моделей оценки уровня научно-исследовательских компетенций студентов, обучающихся по программам магистратуры и аспирантуры 81
Выводы по разделу 2 92
Раздел 3 Разработка дискретных марковских моделей оценки формирования кадрового потенциала в высшей школе
3.1. Вербально-графические модели формирования процесса научно- исследовательской деятельности студентов 93
3.2. Дискретные марковские модели оценки формирования в высшей школе кадрового потенциала науки 98
3.3. Влияние параметров управления на результативность формирования в высшей школе кадрового потенциала науки 102
Выводы по разделу 3 111
Раздел 4 Алгоритмы управления формированием в высшей школе кадрового потенциала науки 113
4.1. Анализ операций по обработке информации для оценки результативности формирования научно-исследовательских компетенций студентов и порядок её интерактивного сбора и обработки 113
4.2. Алгоритм планирования формирования в вузе кадрового потенциала науки 120
4.3. Алгоритм принятия решения по выбору параметров итеративного управления формированием научно-исследовательских компетенций студентов . 124
4.4 Алгоритм итеративного управления формированием в высшей школе кадрового потенциала науки 127
4.5. Методика итеративного управления формированием в высшей школе кадрового потенциала науки 130
4.6. Апробация моделей и алгоритмов обеспечения управления формированием в высшей школе кадрового потенциала науки 134
Выводы по разделу 4 140
Заключение 142
Список использованной литературы
- Анализ показателей оценки научно-исследовательской деятельности студентов
- Формирование перечня научно-исследовательских работ, необходимых для оценки уровня научно-исследовательских компетенций студентов
- Дискретные марковские модели оценки формирования в высшей школе кадрового потенциала науки
- Алгоритм планирования формирования в вузе кадрового потенциала науки
Анализ показателей оценки научно-исследовательской деятельности студентов
Современное общество особенно нуждается в специалистах, способных к принятию нестандартных решений, активному участию в инновационных процессах, готовых компетентно решать исследовательские задачи. Из-за хронического недофинансирования науки в 90-е годы прошлого века система воспроизводства научных кадров оказалась подорванной.
Неизбежным результатом этого стал кризис, который выражался в массовом оттоке из научно-исследовательских институтов, конструкторских бюро, научных подразделений высших учебных заведений квалифицированных специалистов, в основном молодого и среднего возраста, что создало реальную угрозу утраты преемственности между поколениями российских ученых, разрушения научных школ, снижения эффективности научного труда и, соответственно, вела к ослаблению всей инновационной системы страны.
Почти двадцать лет продолжалось сокращение численности кадров в науке при ухудшении их возрастной структуры, нарушении профессиональной и возрастной преемственности, низком уровне оплаты труда ученых, широком распространении их вторичной занятости. Ухудшение социального положения исследователей, снижение престижа научного труда обусловили существенное сокращение притока выпускников вузов в сферу науки и отток из нее молодых специалистов. Указанные тенденции ускорили процесс старения и сокращения научных кадров.
Численность исследователей с 2000 по 2012 год сократилась с 425 954 до 368 915 человек, т.е. на 15,46%, имеет место наличие возрастной диспропорции кадрового состава науки, вызванное сложной демографической ситуацией, оттоком и старением исследователей (рис.1.1.1) [4]:
Одной из ключевых стратегических задач, которые необходимо решить в ходе реализации Стратегии инновационного развития Российской Федерации на период до 2020 года, является обеспечение воспроизводства кадрового потенциала науки (этот процесс включает механизмы выявления талантливой молодежи на всех этапах обучения), а также преемственности в развитии научных школ без потери накопленного потенциала [1]. Решение этой задачи предполагает реализацию следующих мер: - создание благоприятных условий и стимулов для прихода в науку талантливой молодежи, склонной к научно-исследовательской работе; - закрепление способных молодых исследователей в науке, включая создание условий, снижающих стимулы к выезду таких исследователей на постоянное место жительства за рубеж без введения каких-либо административных барьеров для мобильности научных кадров; - поддержка существующих и новых научных школ, объединяющих исследователей разных поколений; - дальнейшая интеграция академической и вузовской науки, создание в области фундаментальных и поисковых прикладных исследований единого комплекса, характеризующегося высокой внутренней мобильностью между научными образовательными организациями, а также более широкой практикой совмещения преподавательской и исследовательской деятельности; - отработка и внедрение новых моделей обучения аспирантов с ориентацией на оправдавшие себя мировые практики; привлечение ведущих российских и зарубежных ученых к подготовке аспирантов в научно-исследовательских университетах и к управлению программами обучения аспирантов [5,6,7, 124].
Устойчивое инновационное развитие, на которое нацелена Россия, невозможно без наличия и эффективного воспроизводства кадров для всех уровней инновационного цикла - от уровня генерации инновационных идей до уровней послепродажного обслуживания инновационных продуктов и их конечной утилизации [8]. Определяющей стадией воспроизводства в высшей школе кадрового потенциала науки является процесс его формирования. Подготовка кадров высшей квалификации (кандидатов и докторов наук) является главным резервом наращивания кадрового потенциала науки и основой создания научной элиты инновационной экономики России. Подготовка и защита диссертации является не только официальной формой признания научных результатов соискателя на государственном уровне, но и способствует его успешному трудоустройству и карьерному росту как в научно-педагогической сфере, так и в реальном секторе экономики. Однако в высшей школе процесс формирования кадрового потенциала науки начинается с первых лет обучения студентов в вузе и проходит через все уровни высшего образования.
Федеральный закон РФ от 29 декабря 2012 г. № 273-ФЗ «Об образовании в Российской Федерации» (часть 5 статьи 10), устанавливает следующие уровни высшего образования [9]: 1) высшее образование – бакалавриат; 2) высшее образование – специалитет, магистратура; 3) высшее образование – подготовка кадров высшей квалификации. Таким образом, в высшей школе возможны (кроме соискательства) следующие варианты подготовки кадров высшей квалификации: специалист – кандидат наук – доктор наук; бакалавр – магистр – кандидат наук – доктор наук; Рис.1.1.3 - Система подготовки научных кадров высшей квалификации в высшей школе В общем виде система подготовки научных кадров в высшей школе представлена на рис 1.1.3. На данный момент в высшей школе еще не сложилась четко проработанная система воспроизводства кадрового потенциала науки, идет процесс её формирования. Нет четких методик оценки уровня научно исследовательской подготовки выпускников с учетом предполагаемых требований (выпускник должен обладать требуемым уровнем научно исследовательских компетенций, соответствующих образовательным стандартам и потребностям сектора науки). Наблюдаемая в вузах недостаточная теоретическая разработанность вопросов управления формированием кадрового потенциала науки требует, прежде всего, уточнения понятия управления формированием в высшей школе кадрового потенциала науки. Как объект управления в высшей школе кадровый потенциал науки характеризуется единством количественной и качественной структуры выпускников. Процесс управления формированием в высшей школе кадрового потенциала науки – это совокупность последовательных действий по подготовке управляющего воздействия и принятия решений для достижения целей формирования кадрового потенциала науки в требуемом объеме и с заданным уровнем научно-исследовательских компетенций.
В настоящее время в большинстве российских вузах процесс управления формированием кадрового потенциала науки не является единым для всех уровней высшего образования. В основном он сосредоточен на аспирантуре и состоит из следующих элементов: планирование набора; конкурсный прием в аспирантуру; обучение в аспирантуре; использование средств мониторинга и измерений характеристик процесса и его результатов; итоговая государственная аттестация [10, 11, 12].
Формирование перечня научно-исследовательских работ, необходимых для оценки уровня научно-исследовательских компетенций студентов
Существует множество математических моделей и подходов, описывающих процессы формирования и оценки знаний, опирающихся на различные разделы математики. Проблемы построения моделей управления научной деятельностью и научными исследованиями, а также вопросы оценки научной деятельности освещены в достаточно большом количестве исследований как российских, так и зарубежных авторов. При этом использовались методы сетевого планирования [63, 64, 65], информационно логические [66, 67, 68, 69], оптимального управления [60, 70, 71], эвристические [72, 73, 74], статистические методы [75, 76, 77, 78, 79, 80]. Для моделирования научно-образовательных процессов широко используются графовые модели [81, 82, 83, 84, 85], при построении которых вершинам графа соответствуют элементы знания, а дугам – имеющиеся между этими элементами причинно–следственные связи. Следует отметить, что графические методы ограничены возможностями построений на плоскости и в трехмерном пространстве, поэтому теряют наглядность при усложнении модели.
В работах отечественных ученых получил развитие вероятностно– статистический подход к моделированию процесса подготовки, обучаемого [86, 87, 88, 89], где получение или забывание единицы знаний рассматривается как случайное событие, а обучение характеризуется параметрами, функционально связанными со временем. При моделировании процесс обучения определяется как потоки усвоения и забывания единиц учебного материала. Для количественной и качественной оценки умений и навыков, обучающихся были предложены различные методы [90, 91, 92, 93, 94]. Так, например, в работах Беспалько В.П, [90], Мизинцева В.П. и Кочергина А.В. [93, 94], Подкасистого П.И. [95], Новикова Д.А. [96, 97] и др. для количественной оценки навыков обучающихся предлагалось использовать:
В тех же работах для оценки характеристик учебных знаний предлагалось использовать: объем учебного задания (по числу "смысловых" или "условных" единиц содержания материала), сложность учебного задания. В работах [90, 96, 97] предлагается также измерять время усвоения учебного материала и время, необходимое для выполнения учебного задания.
Анализ показал, что, как правило, эти модели и методы учитывают набор параметров, связанный с учебными дисциплинами (количество дисциплин, количество учебных часов, бально-рейтинговая или экспертная оценка студента по дисциплине, и др.), либо со структурой самих компетенций, но не учитывают научно-исследовательскую работу студентов; не учитывают ограничений по ресурсам; не оценивают результативность формирования КПН.
Формирование уровня научно-исследовательской подготовки студентов происходит в процессе выполнения студентами некоторого объема научно-исследовательских работ, приобретения опыта как индивидуальной, так и совместной научной деятельности, совершенствования своих научно-исследовательских умений и навыков. В общем случае процесс и результат приобретения индивидуального научно-исследовательского опыта можно представить, как процесс научно-исследовательского «научения». [97, 98, 99]. В настоящее время в понятие «научение» может вкладываться двоякий смысл. Так, одно из определений его подчеркивает, что научение - это «феномен приобретения нового опыта или его конечный результат». С другой стороны, Энциклопедия Britannica определяет «научение» (leaming) как «изменение поведения в результате опыта» [100].
Процесс формирования кадрового потенциала науки осуществляется поэтапно, по мере роста научно-исследовательских компетенций студентов. Причем на каждом этапе студент выполняет некий определенный набор научно-исследовательских работ. Существует единый алгоритм, который отражает порядок действий в процессе выполнения научно-исследовательской работы: выбор проблемы; сбор информации об уже имеющихся в науке знаниях по изучаемой проблематике; анализ и обобщение полученных знаний по проблеме; планирование исследования; подбор методов и методик осуществления исследования; проведение исследования; обработка полученных данных; письменное оформление теоретического и эмпирического материала в виде целостного текста и т.д. То есть имеет место повторение одних и тех же действий многократно как на протяжении одного этапа, так и на разных этапах. Таким образом, можно говорить о процессе формирования научно-исследовательских компетенций студентов как о процессе итеративного «научения». В качестве основной результативной характеристики научно-исследовательского «научения» выступает уровень научно-исследовательских компетенций студентов. Студенты, получившие на всех курсах обучения серьезный опыт научно-исследовательской работы и достигшие требуемого высокого уровня научно-исследовательских компетенций как раз и будут являться главным ресурсом для воспроизводства кадрового потенциала науки.
Системный анализ процесса НИРС, проведенный в главе 1, позволяет представить формирование научно-исследовательских компетенций студентов в виде распределенного во времени процесса научно-исследовательского «научения», на который влияют следующие факторы: персональная скорость освоения научно-исследовательских навыков; объем усвоения навыков; начальный уровень усвоения навыков. Зависимость уровня усвоения навыков от времени представляет некую кривую в системе координат: время – уровень достижения. При приближении уровня освоения навыков к максимально возможному, скорость усвоения навыков замедляется.
Исследованию процессов научения при решении задач подготовки специалистов посвящено немало работ как российских, так и зарубежных авторов. Классическими можно назвать работы Р.Аткинсона [101], Р.Буша и Ф. Мостеллера [102], Д.А. Новикова [96], посвященные разработке математических моделей обучаемости. Следует отметить, что на сегодняшний день известно значительное количество различных подходов к аппроксимации кривых научения (КН) и экспоненциальные кривые вида (рис.1.5.2.) являются хотя и наиболее распространенными, но не единственными. Некоторые известные зависимости приведены в ряде работ [103, 104, 105]. Анализ вышеприведенных работ показывает, что наиболее простым и удобным с точки зрения анализа процессов формирования научно-исследовательских компетенций студентов, при некоторых необходимых допущениях, является математический аппарат итеративного научения, находящий все более широкое применение ввиду относительной простоты и хорошего соответствия эмпирических и теоретических результатов. Целесообразность использования математического аппарата итеративного научения при решении задач принятия управленческих решений в ходе научно-исследовательской работы студентов вызвана большими возможностями и достоинствами этих моделей, а также простотой их практического применения. Разработка математических моделей оценки научно-исследовательских компетенций студентов позволит определить её динамику роста на каждом году обучения, что станет основой для принятия управляющих решений при формировании в высшей школе кадрового потенциала науки. [106]
Дискретные марковские модели оценки формирования в высшей школе кадрового потенциала науки
Формирование в высшей школе кадрового потенциала науки реализуется поэтапно. Научно-исследовательская работа студентов на каждом курсе обучения осуществляется в соответствии с индивидуальными планами НИРС. По мере выполнения исследовательских работ, приобретения опыта и совершенствования навыков и т.д., растет уровень приобретенных научно-исследовательских компетенций студента.
Процесс выполнения студентами в ходе образовательного процесса исследовательских работ, включенных в индивидуальный план НИРС, можно представить в виде вербально-графических моделей, отражающих состояния и переходы студентов в процессе выполнения НИРС.
Переходы студента из одного состояния в другое (рис.3.1.1 - рис.3.1.4) осуществляются через дискретные, равные промежутки времени, к примеру, через учебный год. Не все студенты успешно дойдут до выпускного курса к, выполнив исследовательские работы в соответствии с планом НИРС. Успешность выполнения заданного объема работ зависит от ряда факторов, связанных как с особенностями организации НИРС, так и самих студентов, и носит случайный характер.
Возникает вопрос: сколько же студентов из исследовательской группы успешно выполнят программу научных исследований? Учитывая случайный характер процессов выполнения исследовательских работ, а также поэтапность (по курсам обучения) формирования кадрового потенциала науки, для построения моделей применен аппарат марковских случайных процессов с дискретными состояниями и дискретным временем [125, 126]. Такие модели описываются системами уравнений, характеризующими изменение вероятностей Pi нахождения рассматриваемого объекта в любом из возможных /-х состояний. Рассматривая данный процесс в виде конечной цепи Маркова, можно определить, сколько студентов из ИГ успешно выполнят индивидуальный план НИРС. Развитие такого случайного процесса описывается формулами: является стохастической. Нулевые элементы матрицы означают невозможность перехода системы из состояния Pi в Pj за один шаг. Ненулевые элементы матрицы указывают на вероятность перехода именно по этому направлению. Другими словами, отражают успешность или неуспешность выполнения заданного объёма исследовательских работ и формирования научно-исследовательских компетенций студентов.
Вероятности нахождения студента в каждом состоянии для каждого уровня высшего образования можно определить, решая системы линейных уравнений с учётом условия нормировки:
Так как мы рассматриваем научно-исследовательскую работу студента, начиная со 2-го года обучения в вузе, то для бакалавриата и специалитета значение zo на каждом к-м курсе, следующим за вторым, равно значению Zk-i.
Значение zo на 2 курсе бакалавриата и специалитета (т.е. в начале выполнения исследовательских работ) в рамках нашего исследования поставим соответствие результаты его успеваемости Vo после 1-го курса (табл.3.2.1). Успеваемость студента после 1-го курса определяется как средний балл по итогам сдачи экзаменов за 1 и 2 семестр 1 курса по следующей формуле:
Построенная модель позволяет рассчитать вероятность того, что студент пройдет все курсы обучения и успешно выполнит объем научно-исследовательских работ в соответствии с индивидуальным планом НИРС, а также оценить в конечном итоге количество студентов достигших требуемого уровня научно-исследовательских компетенций и составивших кадровый потенциал науки, сформированный в вузе.
Влияние параметров управления на эффективность формирования в высшей школе кадрового потенциала науки
В рамках исследования было проведено моделирование процесса выполнения студентами исследовательских работ для различных уровней высшего образования, а также для различных вариантов их исходных состояний. Рассчитаем для различных уровней высшего образования вероятность нахождения студента в конечном состоянии графа, т.е. вероятность того, что студент закончит обучение, полностью выполнив требуемый объем НИР.
Примем для всех расчетов среднюю скорость научения студента равную 0,8. Зададим объем исследовательских работ по курсам обучения, который требуется выполнить студенту для приобретения заданного значения уровня научно-исследовательских компетенций yk после окончания обучения на k-ом курсе из исходя из перечня научно-исследовательских работ для программ магистратуры (табл. 2.2.2.).
Алгоритм планирования формирования в вузе кадрового потенциала науки
В состав информационной системы формирования и сбора документов входят два сегмента: клиентский и серверный. При создании интерактивного приложения необходимо учитывать особенности поддержания обратной связи с непрограммирующим пользователем, в том числе проверка правильности заполнения форм. Для проверки заполнения форм на стороне клиента Web-страница должна содержать код сценария JavaScript, выполнение которого осуществляется на Web-браузере клиента. Этот код выполняется при попытке передать данные формы. Если поля формы заполнены правильно, то передача формы осуществляется. Преимуществом такого подхода является то, что правильность заполнения форм выполняется лишь на машине клиента и не требует взаимодействия с Web-сервером.
Основные требования к программному обеспечению информационной системы формирования документов сводятся к следующему: обеспечение диагностических сообщений при вводе, контроле и корректировке информации; возможность получения частичной и полной распечатки вводимой информации; необходимость получения контрольных точек по количественным показателям при вводе и выдаче информации, т.е. соответствие входной и выходной информации; возможность повторения выходных документов при сбойных ситуациях, защита от несанкционированных действий, независимость информационной подсистемы от изменений в инфраструктуре; кодовая, программная и техническая совместимость устройств; согласованность производительности, пропускной способности и емкости подсистем и элементов инфраструктуры.
Разработанный алгоритм интерактивного сбора и обработки информации для оценки результативности НИРС представлен на рис. 4.1.1.
Суть интерактивного алгоритма сбора и обработки информации для формирования документов заключается в следующем. Для доступа к базе данных подразделения-пользователи, участвующие в формировании БД получают пароли и логины. Пользователями являются: профильные кафедры, на которых учатся студенты, занимающиеся научной деятельностью, деканаты, международное подразделение и научное подразделение (НИЧ) вуза. Для доступа к БД пользователям необходимо пройти авторизацию, зайти на свою персональную страницу пользователя и заполнить предлагаемые формы по сбору информации, отображаемые в интерактивных окнах. После внесения данных, пользователь осуществляет их проверку, а далее выполняет сохранение полей интерактивных форм.
Студенты, вошедшие в исследовательскую группу, также получают логины и пароли для доступа на свою персональную страницу, где отражена информация, введенная кафедрой/деканатом. Студенты не имеют возможности редактировать свои данные, в случае такой необходимости они могут отправлять запросы на внесение правок в персональную информацию. На своей персональной странице студенты могут лишь проходить анкетирование. Первичная информация о студентах и результаты анкетирования хранятся в БД -1 и используются для дальнейших операций по формированию БД-2 и БД-3.
БД-2 является главной информационной базой системы, для её формирования используется информация, хранящаяся в БД-1 и БД-3. Формируется БД-2 подразделением вуза, отвечающим за организацию НИД студентов, а также профильными кафедрами. Используя данные баз БД-1 и БД-3, осуществляется планирование НИД студентов. Далее профильные кафедры разрабатывают индивидуальные планы НИРС для каждого студента, включенного в исследовательскую группу, включая мероприятия в рамках внутренней академической мобильности, и вносят информацию о них в БД-2. Ежемесячно вводится информация о выполнении индивидуального плана НИРС каждым студентом исследовательской группы.
Подразделения вуза, отвечающие за международную академическую мобильность, формируют БД-3. Пользователь в начале года вносит информацию о плане международных студенческих мероприятий в вузе на текущий год, а также информацию о мероприятиях АМ, осуществляемых вне вуза, но в которой студенты могут принять участие. Эта информация используется при формировании индивидуальных планов НИРС. Информация о мероприятиях АМ должна содержать следующие данные:
Пользователи, а также рабочая группа в любой момент времени могут сделать запрос о ходе выполнения любым студентом индивидуального плана НИРС. Для этого необходимо пройти авторизацию, зайти на свою персональную страницу пользователя и сделать запрос на автоматизированное формирование справки.
Применение в автоматизированном режиме алгоритма интерактивного сбора и обработки информации позволит сократить продолжительность аналитической обработки и оценки достигнутых показателей результативности НИРС вуза.
Формирование кадрового потенциала науки в вузе предполагает подготовку требуемого количества выпускников Nтреб, которые будут обладать уровнем научно-исследовательских компетенций не ниже значения yk треб. Для достижения этих показателей вузу необходимо спланировать свои действия.
Для каждого студента, входящего в ИГ, на текущий учебный год профильной кафедрой разрабатывается индивидуальный план научно 120 исследовательских работ. В план включается перечень исследовательских работ объемом xАГ, которые студент должен выполнить на текущем курсе к. Индивидуальный план НИРС разрабатывается с учетом выделенных средств на научно-исследовательскую работу студентов на текущий учебный год. При этом плановая стоимость работ на к-ом курсе Си план, включенных в НИРС, должна быть не выше заданной стоимости работ Ск зад, определяемой ограничениями финансирования на к-ом курсе.
Формирование кадрового потенциала науки в вузе предполагает подготовку требуемого количества выпускников Лтреб, которые будут обладать уровнем научно-исследовательских компетенций не ниже значения yk треб.
Формирование кадрового потенциала науки в вузе происходит поэтапно, по мере осуществления студентами научно-исследовательской работы, приобретения опыта и совершенствования навыков, растет уровень научно-исследовательских компетенций студента. Оценка их уровня после окончания каждого курса обучения может быть получена с использованием формул (2.1.1 - 2.1.6).
Задаваясь требуемым значением yk треб. выпускника, можно спланировать объём работ xк на каждом курсе, обеспечивающий достижение этого требуемого значения.
Для подсистемы автоматизированного планирования формирования в высшей школе научно-исследовательских компетенций студентов и кадрового потенциала науки разработан алгоритм [127], представленный блок-схемой на рис. 4.2.1.
