Содержание к диссертации
Введение
ГЛАВА 1 Анализ современного состояния вопросов моделирования социальных общностей как объектов управления
1.1. Литературный обзор по математическому моделированию воинских подразделений как объектов управления
1.2. Краткий обзор современных методов моделирования 21
1.2.1. Современные методы анализа данных . 21
1.2.2. Метод наименьших квадратов 30
1.23. Применение методов репертуарных решеток и интегральной perрессии для исследований социальных объектов
1.3. Модели психологических характеристик воинского коллектива...
1.4. Модели боевых возможностей воинского коллектива (на основе метода динамики средних)
1.5. Применение метода группового учета аргументов (МГУА) в задачах моделирования.
1.6. Постановка научно-технической задачи 50
ГЛАВА 2 Теоретико - множественное моделирование воинского коллектива курсантов как объекта управления
2.1. Социально - психологические особенности воинского коллектива
2.2. Анализ воинского коллектива курсантов как объекта управления
2.3. Формирование множеств выходных и входных величин и воздей - 62
2.4. Параметры и критерии модели воинского коллектива как объекта управления.
2.5. Построение и обоснование теоретико-множественной модели воинского коллектива курсантов как объекта управления
Выводы 82
ГЛАВА 3 Математическое моделирование воинского коллектива курсантов военного института внутренних войск мвд россии как объекта управления .
3.1. Доказательство приемлемости метода группового управления ар- 84
гументами (МГУА)
3.1.1. Математическое моделирование объектов оптимального управле- 84
ния методом группового учета аргументов
3.1.2. Анализ метода группового учета аргументов в задачах моделирования объектов оптимального управления - 86
3.1.3. Исследование моделей на сходимость выходных переменных, построенных на различных алгоритмах МГУА - 94
3.1.4. Исследование моделей построенных на алгоритме МГУА - SELEC на сходимость выходных переменных, при изменении максимального числа слагаемых в моделях
3.1.5. Исследование моделей построенных на алгоритме МГУА - SELEC на сходимость выходных переменных, при изменении свободы выбора
в моделях.
3.1.6. Исследование моделей на сходимость выходных переменных, по строенных на различных алгоритмах МГУА (по статистическим данным) - 106
3.2. Разработка алгоритма математического моделирования коллектива курсантов военного института внутренних войск МВД Рос-
3.3. Математическое моделирование воияского коллектива молодых офицеров-выпускников Санкт-Петербургского института внутренних войск МВД России .
3.3Л. Синтезирование статистических математических моделей на базе различных алгоритмов МГУ А
3.3.2. Определение весовых коэффициентов входных переменных моделей, полученных МГУА
3.3.3. Методика математического моделирования комплексного критерия уровня подготовки курсантов-выпускников военного института внутренних войск МВД России
ГЛАВА 4 Экспериментальное математическое моделирование коллектива курсантов санкт-петербургского военного института внутренних войск мвд россии - по итогам государственной аттестационной комиссии 2003 года
4.1.. Расчет значений выходных переменных моделей, полученных МГУА и с помощью весовых коэффициентов входных переменных .
4.2. Интерпретация полученных результатов 152
4.3. Предложения по повышению эффективности учебного процесса по подготовке курсантов военного института внутренних войск МВД России
4.4. Расчет возможной эффективности предложений но повышению качества подготовки выпускников военного института внутренних войск МВД России
Выводы 183
Заключение 187
Литература
- Краткий обзор современных методов моделирования
- Формирование множеств выходных и входных величин и воздей
- Исследование моделей на сходимость выходных переменных, построенных на различных алгоритмах МГУА
- Предложения по повышению эффективности учебного процесса по подготовке курсантов военного института внутренних войск МВД России
Введение к работе
Сущность и актуальность исследуемой темы.
Система подготовки офицеров-специалистов для внутренних войск МВД России в военных институтах внутренних войск претерпевает существенные качественные изменения. Это связано, прежде всего, с продолжающимся реформированием внутренних войск МВД России, поиском новых форм, средств и методов обучения, обеспечивающих максимальную мобилизацию всех познавательных, волевых и физических возможностей обучающихся; повышение их активности и самостоятельности; развитие творческого мышления; накопление опыта действий в среде, наиболее приближенной к реальной профессиональной деятельности при исполнении обязанностей по первоначальной должности.
Сложившееся противоречие между повышением требований к качеству профессиональной подготовки курсантов-выпускников и практически неизменными сроками, формами и методами подготовки специалистов, а также методами самой оценки уровня подготовки выпускников, требует совершенствования всей системы подготовки офицеров в военных институтах внутренних войск МВД России.
Определение наиболее значимых знаний, умений и навыков, профессиональных и личностных качеств курсантов позволило бы сосредоточить усилия офицеров подразделений, профессорско-преподавательского состава, управления военного института, кафедр, отделов и служб на достижении более высоких именно этих показателей, что в значительной мере способствовало бы улучшению профессиональной подготовки офицеров-специалистов.
Одной из причин данного несоответствия можно считать отсутствие научно обоснованной математической модели коллектива курсантов, как объекта социального управления. Однако, математическое моделирование было и остается сложной теоретической и технической задачей.
Области применения методов математического моделирования постепенно распространяются на сложные технические, экономические, биологические, социальные и другие системы и объекты, характеризующиеся слабой формализуемостью, нелинейностью, стохастичностью, нестандартностью функционирования.
Это обусловлено, прежде всего, возникновением объективной необходимости более эффективного управления именно этими процессами и системами, расширением технических возможностей вычислительной техники и программного обеспечения. Это вызывает развитие новых направлений научных исследований.
Методы исследования основываются на системном подходе и применении основополагающих результатов: алгебры; теории вероятностей; многомерного статистического анализа; методов математического программирования; современной теории управления.
Отмечается необходимость смещения акцента в целях управления с оптимизации к обеспечению их устойчивости и стабильности, то есть, в сложных ситуациях управления следует стремиться не к достижению максимального успеха, а к гарантированному избежанию неудачи [1].
Решая задачу математического моделирования различных объектов необходимо отметить:
всякая модель проще объекта и отражает только часть его свойств, поэтому, для полного описания объекта необходимо несколько моделей дополняющих друг друга;
модель - проекция объекта на пространство меньшей размерности, что облегчает его исследование в данном направлении;
чем глубже проникаем в суть явления, тем уже область охватываемых свойств и больше требуется вариантов моделей;
многовариантность модели есть также следствие нестационарности объекта;
- однажды построенная модель (оптимальная на момент построения не может
удовлетворять исследователя по прошествии некоторого времени) [1].
Отбор лучших вариантов моделей должен осуществляется с помощью внешнего (по отношению к процедуре расчета коэффициентов модели) критерия:
модель должна хорошо работать на новых точках наблюдения, не участвующих в ее построении;
параметры модели должны быть мало чувствительны к изменению данных обучающей выборки.
Никакие хорошие решения нельзя считать окончательными, а необходимо продолжать шаги поиска, которые бы обеспечили слежение за дрейфом оптимума в нестационарных условиях [1].
Предварительный литературный обзор и анализ литературных источников показали, что использование современных методов кибернетики для управления воинскими подразделениями тормозится отсутствием формализованных описаний - их математических моделей.
Наличие математических описаний подразделений, частей и соединений дало бы возможность использовать на всех стадиях управления воинскими подразделениями теорию, методы и типовые решения управления большими системами, к которым можно отнести воинские подразделения, в том числе и подразделения курсантов.
Разработанная теоретико-множественная модель воинского коллектива [2] создала предпосылки для разработки на ее основе теоретико-множественной модели коллектива курсантов военного института внутренних войск МВД России. Однако, существенные различия между целями и задачами, самой структурой этих коллективов в целом, требуют применения новых методов их моделирования.
Цель диссертационного исследования — повышение эффективности подготовки выпускников военного института внутренних войск МВД России.
Объект исследования - процесс управления подготовкой выпускников военного института внутренних войск МВД России.
Предмет исследования — организация процесса управления подготовкой курсантов военного института внутренних войск МВД России в соответствии с квалифи-
кационными, образовательными и морально-психологическими требованиями правительства Российской Федерации и ГКВВ МВД России, предъявляемыми к выпускникам вузов внутренних войск МВД России.
Научная задача, решаемая в диссертационном исследовании заключается;
в анализе существующих методов математического моделирования социальных объектов, в том числе и коллектива курсантов военного института внутренних войск МВД России, как объекта управления;
в обосновании теоретике - множественной модели воинского коллектива курсантов и разработке его математической модели как объекта социального управления.
Основные вопросы, подлежащие решению в рамках научного исследования:
1. Разработка и обоснование теоретико - множественной модели воинского кол
лектива курсантов военного института внутренних войск МВД России как объекта
управления.
Математическое моделирование воинского коллектива курсантов военного института внутренних войск МВД России.
Экспериментальное моделирование воинского коллектива курсантов Санкт-Петербургского военного института внутренних войск МВД России.
Разработка предложений по повышению уровня подготовки курсантов-выпускников Сашсг-Петербургского военного института внутренних войск МВД России.
Научная новизна.
Наряду с аналитическими, статистическими, графическими и другими методами моделирования, одним из перспективных методов построения математичесісих моделей объектов оптимального управления является метод группового учета аргументов (МГУА). Математические модели, полученные МГУА, уже нашли широкое применение при исследовании промышленных систем оптимального управления. Они обладают информативностью, адекватностью и точностью в диапазоне возможных режимов и реализуются в виде пакетов программ на ЭВМ [19,100,103,104].
Несмотря на небольшой отрезок времени с момента разработки основных принципов МГУА, накопленный опыт практического применения метода позволяет говорить о МГУА как об эффективном аппарате построения математических моделей различных объектов.
На ранней стадии развития МГУА применялся для решения задач распознавания образов, идентификации характеристик и краткосрочного прогноза при помощи перебора моделей по одному внешнему критерию - критерию регулярности. Было сделано много предположений относительно разделения входных данных.
В качестве опорных функций в указанных работах использовались полиномы, логические сети и размытые множества Заде. При этом использовались только физические модели, имеющие полное множество аргументов (полный информационный базис) при низком уровне помех (около 5-10%).
В дальнейших исследованиях решалась проблема моделирования при высоком уровне шума и неполном информационном базисе [25, 26]. Были предложены два способа повышения помехоустойчивости алгоритмов МГУА:
многокритериальный выбор модели при специальной форме критериев селекции;
использование дополнительной априорной информации, комбинированный метод.
Для исследования свойств помехоустойчивости алгоритмов МГУА были разработаны специальные схемы численного эксперимента. На основании численных экспериментов были получены помехоустойчивые алгоритмы и доказано преимущество многокритериальной селекции.
Несмотря на преимущества МГУА по сравнению с другими методами моделирования объектов и процессов, при большом количестве входных и выходных переменных, до настоящего времени МГУА для создания и исследования математических моделей социальных объектов применяется очень редко, так как не разработана сама ме-
тодика применения МГУА для решения задачи моделирования социальных объектов и коллективов курсантов военного института внутренних войск в частности.
Проводимые до настоящего времени социометрические и социологические исследования не приводили к построению формализованной математической модели коллектива курсантов-выпускников в целом, а ограничивались выработкой, в лучшем случае, рекомендаций описательного характера: о степени сплоченности воинского коллектива; о готовности коллектива к выполнению служебно-боевых задач; о возможности возникновения конфликтных ситуаций в коллективе; о стиле руководства коллективом со стороны начальника (командира).
Эти исследования в виду громоздкости методик, некоторой субъективности получаемых результатов, частой невозможности повторения эксперимента, не позволяют создать модель коллектива курсантов в целом, а лишь могут по одной или нескольким характеристикам оценить состояние коллектива в данный промежуток времени.
Данное исследование позволяет решить эту проблему на основе применения МГУА и учесть значительно большее количество параметров, что является, как раз, отличительной чертой социальных объектов, в том числе, и коллективов курсантов.
Результатом проведенных исследований явилось разработка теоретико-множественной и на ее основе математической модели коллектива курсантов, в виде математических зависимостей, позволяющих определить различные его характеристики:
- уровень профессиональной подготовки курсантов-вьшускников, в соответст
вии с предъявляемыми к ним требованиями;
степень сплоченности воинского коллектива курсантов и его социальная направленность;
уровень индивидуальной подготовки курсантов (при необходимости);
степень влияния различных факторов на формирование тех или иных профессиональных качеств курсантов.
К сожалению, необходимо констатировать, что моделирование воинских подразделений является сложной задачей и требует дальнейших исследований в этой области.
Методы исследования основываются на общей теории систем, теории множеств, методах математической и социальной статистики, однако главным методом математического моделирования в работе принят экспериментальный на основе МГУА.
Результаты исследования:
Обоснование теоретико - множественной модели воинского коллектива курсантов военного института внутренних войск МВД России как объекта управления.
Доказательство приемлемости метода группового учета аргументов для математического моделирования воинского коллектива курсантов военного института внутренних войск МВД России.
Разработка и обоснование математической модели воинского коллектива курсантов военного института внутренних войск МВД России,
Экспериментальное моделирование воинского коллектива курсантов Санкт-Петербургского военного института внутренних войск МВД России.
Разработка предложений по повышению уровня подготовки курсантов-выпускников Санкт-Петербургского военного института внутренних войск МВД России.
Научно-практическая значимость. Создание и исследование математической модели воинского коллектива курсантов военного института внутренних войск МВД России, как объекта социального управления, позволяет:
повысить эффективность управления учебным процессом, при возможных изменениях установленных требований к подготовке офицеров-выпускников;
сформировать единые критерии оценки уровня подготовленности курсантов-выпускников всех военных институтах внутренних войск;
повысить степень соответствия выпускников, предъявляемым к ним требованиям, изложенных в руководящих документах;
повысить требования к абитуриентам, с точки зрения оценки уровня обучаемости, то есть способности к обучению;
оптимизировать образовательный процесс;
прогнозировать процесс адаптации молодых офицеров в течение первых двух лет службы в войсках.
Разработка и обоснование математической модели комплексного критерия уровня подготовки курсантов-выпускников позволяет оценить эффективность учебно-воспитательного процесса образовательного учреждения, каким является военный институт внутренних войск МВД России.
Математическая модель коллектива курсантов позволила бы так же оценить уровень индивидуальной подготовки, что помогло бы построить ранговую систему среди офицеров-выпускников, что способствовало укреплению основ социальной справедливости, например, при распределении выпускников по местам службы и по должностям.
Апробация работы. Основные положения исследования докладывались и обсуждались в период с 2002 по 2004 год на заседаниях кафедр: обеспечения служебно-боевой деятельности внутренних войск, математических и естественнонаучных дисциплин Санкт-Петербургского военного института внутренних войск МВД России, кафедры управления и экономики Санкт-Петербургского института государственной противопожарной службы МЧС России, а также на:
20-й международной конференции «Школьная информатика и проблемы устойчивости развития». Санкт-Петербург, СПбУ МВД России, 14 апреля 2001 г.
Межвузовской научно-практической конференции «Проблемы повышения боеготовности внутренних войск МВД России в современных условиях». Санкт-Петербург, СПб ВИ ВВ МВД России, 9 февраля 2001 года.
Межвузовской научно-практической конференции «Актуальные проблемы развития внутренних войск на современном этапе». Санкт-Петербург, СПб ВИ ВВ МВД России, 24 апреля 2002 года.
Межвузовской научно-практической конференции «Проблемы и перспективы разработки, совершенствования и применения технических средств охраны границы». Калининград, Калининградский военный институт ФПС РФ, 28 января 2003 года.
Межвузовской научно-практической конференции «Опыт, особенности и актуальные проблемы служебно-боевой деятельности группировки внутренних войск МВД России в ходе контртеррористической операции в СКР РФ». Санкт-Петербург, СПб ВИ ВВ МВД России, 14 марта 2003 года.
Межвузовской научно-практической конференции «Новые методы и технологии обучения, пути их внедрения в образовательный процесс (к 60-летию Санкт-Петербургского военного института внутренних войск МВД России)». Санкт-Петербург, СПб ВИ ВВ МВД России, 26 декабря 2003 года.
7. Межвузовской научно-практической конференции «Состояние и проблемы
повышения профессионального уровня научно-педагогических кадров военного инсти
тута в интересах подготовки офицеров внутренних войск (к 60-летию Санкт-
Петербургского военного института внутренних войск МВД России)». Санкт-
Петербург, СПб ВИ ВВ МВД России, 23 апреля 2004 года.
Акты внедрения:
Калининградский военный институт ФПС России;
Санкт-Петербургский военный институт внутренних войск МВД России;
3. Учебные войсковые части и подразделения СЗО ВВ МВД России.
Публикации по работе. По теме диссертации опубликовано 16 научных работ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка использованных источников. Работа содержит 201 страницы текста, 60 таблиц, 20 рисунков, библиографию (112 источников) и 7 приложений на 77 страницах.
Краткий обзор современных методов моделирования
Для нахождения нового знания применяются проверенные на практике основные виды моделей. Результатом моделирования является выявление отношения в данных (скрытой закономерности). Выделяют, по крайней мере, шесть методов выявления и анализа знаний: классификация, регрессия, прогнозирование временных последовательностей (рядов), кластеризация;, ассоциация, последовательность. Первые три используются главным образом для предсказания, в то время как последние удобны для описания существующих закономерностей в данных.
Вероятно, наиболее распространенной сегодня операцией интеллектуального анализа данных является классификация. С ее помощью выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил.
Регрессионный анализ используется в том случае, если отношения между переменными могут быть выражены количественно в виде некоторой комбинации этих пе ременных. Полученная комбинация далее используется для предсказания значения, которое может принимать целевая (зависимая) переменная, вычисляемая на заданном наборе значений входных (независимых) переменных.
В простейшем случае для этого используются стандартные статистические методы, такие как линейная регрессия. К сожалению, большинство реальных моделей не укладываются в рамки линейной регрессии. Таким образом, необходимы комплексные методы для предсказания будущих значений переменных [63].
Прогнозирование временных последовательностей позволяет на основе анализа поведения временных рядов оценить будущие значения прогнозируемых переменных. Конечно, эти модели должны включать в себя особые свойства времени: иерархия периодов (декада-месяц-год или месяц-квартал-год), особые отрезки времени (пяти- шести- или семидневная рабочая неделя, тринадцатый месяц), сезонность, праздники и др.
Кластеризация относятся к проблеме сегментации. Этот подход распределяет записи в различные группы или сегменты. Кластеризация в чем-то аналогична классификации, но отличается от нее тем, что для проведения анализа не требуется иметь выделенную целевую переменную.
Ассоциация адресована, главным образом, к классу проблем, типичным примером которых является анализ структуры явления. Классический анализ структуры явления относится к представлению приобретения какого-либо знания как одиночной операции (транзакции).
Другими словами, ассоциация имеет место в том случае, если несколько событий связаны друг с другом.
Последовательность - традиционный анализ структуры явления имеет дело с событиями, представляющим одну транзакцию. В такой ситуации важно не только сосуществование данных внутри одной транзакции, но н порядок, в котором эти данные появляются в различных транзакциях и время между этими транзакциями.
Для проведения интеллектуального анализа данных применяются следующие методы: нейронные сети; деревья решений; индукцию правил. Кроме этих методов существуют еще несколько дополнительных: системы рассуждения на основе аналогичных случаев; нечеткая логика; генетические алгоритмы; алгоритмы определения ассоциа циЙ и последовательностей; анализ с избирательным действием; логическая регрессия; эволюционное программирование; визуализация данных.
Иногда применяется комбинация перечисленных методов.
Нейронные сети относятся к классу нелинейных адаптивных систем с архитектурой, условно имитирующей нервную ткань из нейронов [64]. Математическая модель нейрона представляет собой некоторый универсальный нелинейный элемент с возможностью широкого изменения и настройки его характеристик. В одной из наиболее распространенных нейросетевых архитектур - многослойном персептроне с обратным распространением ошибки — эмулируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединен своими входами с выходами нейронов нижележащего слоя. На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых производятся вычисления, необходимые для принятия решений, прогнозирования развития ситуации и т. д. Эти значения рассматриваются как сигналы, передающиеся в вышележащий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям. Нейронные сети, по существу, представляют собой совокупность связанных друг с другом узлов, получающих входные данные, осуществляющих их обработку и генерирующих на выходе некий результат. Нередко без них трудно обойтись при решении более общих задач распознавания образов, скажем распшфровки рукописного текста или интерпретации кардиограмм.
Деревья решений - это метод, который пригоден не только для решения задач классификации, но и для вычислений и поэтому довольно широко применяется в области финансов и бизнеса, где чаще встречаются задачи численного прогноза. В результате применения этого метода к обучающей выборке данных создается иерархическая структура классифицирующих правил типа «если ... то...», имеющая вид дерева (это похоже на определитель видов из ботаники или зоологии). Вопросы могут иметь вид «значение параметра А больше х?» для случая измеряемых переменных или вида «значение переменной В принадлежит подмножеству признаков С». Если ответ положительный, мы переходим к правому узлу следующего уровня, если отрицательный -то к левому узлу; затем снова отвечаем на вопрос, связанный с соответствующим узлом. Таким образом, мы, в конце концов, доходим до одного из оконечных узлов - листьев, где стоит указание, к какому классу (сочетанию признаков) надо отнести рассматриваемый объект. Этот метод хорош тем, что такое представление правил наглядно и его легко понять.
Индукция правил создает неиерархическое множество условий, которые могут перекрываться. Индукция правил осуществляется путем генерации неполных деревьев решений, а для того чтобы выбрать, какое из них будет применено к входным данным, используются статистические методы.
Формирование множеств выходных и входных величин и воздей
Формирование конкретных входных величин и воздействий при моделировании воинского коллектива непосредственно связано с образовательным процессом в военном институте, организуемым и осуществляемым на основе концепции высшего профессионального и военного образования, государственного стандарта и требований государственного заказчика, в лице министерства внутренних дел и в частности Главного Командования внутренних войск (ГКВВ).
Таким образом, согласно концепции военного образования, государственного образовательного стандарта к выпускникам военных институтов внутренних войск предъявляются три рода требований (рис. 2.6.)
1. Квалификационные требования.
Квалификационные требования к уровню военно-профессиональной подготовки выпускников военных образовательных учреждений профессионального образования внутренних войск МВД России по военной специальности являются дополнением к государственному образовательному стандарту высшего профессионального образования по специальности 021100.
Военная специальность, получаемая курсантами в военных институтах внутренних войск (командный профиль) «Боевая и повседневная деятельность мотострелковых подразделений», утверждена приказом Министра обороны Российской Федерации № 046-96 г.
Гражданская специальность 021100 - «Юриспруденция». Государственный образовательный стандарт высшего профессионального образования утвержден приказом Министерства образования Российской Федерации от 22 марта 2000 года № 686. Порядок его реализации в высших военно-учебных заведениях определен приказом Минобразования РФ от 28 июня 2000 года № 1950.
Профессия, присваиваемая выпускникам, - юрист. Продолжительность обучения - 5 лет,
Специальность «Боевая и повседневная деятельность мотострелковых подразделений» обеспечивается получением выпускниками комплекса знаний, умений и навыков по руководству подразделениями в современном общевойсковом бою и в мирное время, в условиях вооруженного конфликта, режима чрезвычайного положения,
Выпускник военного института предназначен для прохождения службы на первичной должности командира взвода, заместителя командира роты с перспективой выдвижения на должность командира роты. В последующем, после получения войскового опыта, а также прохождения подготовки на соответствующих курсах, офицер может последовательно продвигаться по службе до командира батальона, помощника командира по правовой работе и им равных должностей.
Объектами профессиональной деятельности офицера по специальности «Боевая и повседневная деятельность мотострелковых подразделений» являются: боевая го товность и выполнение служебно-боевых задач подразделением; боевая подготовка, воспитание, воинская дисциплина и морально-психологическое состояние личного состава; сохранность и состояние вооружения, военной техники и другого имущества подразделения; ведение ротного хозяйства.
Виды профессиональной деятельности офицера подразделения: командная-управленческая; педагогико-воспмтательная; военно-техническая; социально-правовая; административно-хозяйственная.
Общие и конкретные требования к военно-профессиональной подготовленности вьшусісников военно-учебных заведений внутренних войск МВД России приведены в приложении № 1.
2. Образовательные требования.
Образовательный процесс в военных институтах внутренних войск организуется и проводится в соответствии с законодательством Российской Федерации, общевоинскими уставами, Приказами и директивами Министра внутренних дел Российской Федерации, главнокомандующего внутренними войсками МВД России, временным уставом внутренних войск, боевыми уставами, наставлениями, Уставом военно-учебного заведения и настоящими образовательными программами и лицензией министерства образования.
В целях последовательного наращивания знаний,, умений и навыков курсантов, а также обеспечения необходимой боевой готовности курсантских подразделений, образовательными программами предусмотрено: на первом курсе: - общевойсковая подготовка и изучение тактических и служебно-боевых действий солдата и отделения (войсковых нарядов); - изучение гуманитарных и социально-экономических наук, математических и естественнонаучных, обще-профессиональных, специальных и военно-профессиональных дисциплин; - получение практических навыков в выполнении обязанностей солдата в соста ве суточного наряда подразделения, часового в составе внутреннего караула по охране и обороне объектов военно-учебного заведения (второй семестр); на втором курсе: - изучение тактических и служебно-боевых действий отделения (караулов и вой сковых нарядов) и взвода, совершенствование одиночной подготовки солдата в составе отделения (караула, войскового наряда); изучение гуманитарных и социально-экономических наук, общепрофессиональных, специальных и военно-профессиональных дисциплин, основ методики боевой подготовки, завершение изучения математических и естественнонаучных дисциплин; - получение практических навыков в выполнении обязанностей командира отде ления (заместителя командира взвода) в курсантской роте и на войсковой стажировке (четвертый семестр) в войсках. на третьем курсе: - изучение тактических и служебно-боевых действий взвода (войскового наряда в составе взвода) и роты, совершенствование подготовки командира отделения; изучение гуманитарных и социально-экономических наук, общепрофессиональных, специальных и военно-профессиональных дисциплин, закрепление практических навыков в командовании отделением (взводом) в курсантских подразделениях, руководстве внутренним караулом по охране объектов военно-учебного заведения, проведении занятий по методике боевой подготовки, в т.ч. в подразделениях обеспечения учебного процесса;
Исследование моделей на сходимость выходных переменных, построенных на различных алгоритмах МГУА
Сбор, анализ, оценка, обобщение численных значений параметров модели по пятибалльной системе различными методами: опроса; экспертной оценки; изучения документов; независимых оценок трех ее составляющих: 1. Военно-профессиональный уровень методами: опроса самих курсантов; анализа журналов привития курсантам командирских и методических навыков; - независимых оценок офицеров-командиров подразделений и профессорско преподавательского состава; - анализа результатов государственной экзаменационной комиссии. 2. Учебно-воспитательный уровень методами: опроса самих курсантов; анализа журналов успеваемости по предметам обучения; анализа ведомостей учета оценок, выставленных в диплом; анализа результатов выпускных экзаменов; анализа результатов государственной экзаменационной комиссии. 3. Морально-псіїхологический уровень методами; опроса самих курсантов; анализа карточек учета поощрений и взысканий курсантов: независимых оценок офицеров Ill командиров подразделений и профессорско-преподавательского состава; анализа социологических исследований, если они проводились в институте; анализа результатов государственной экзаменационной комиссии. 2. Интерполяция полученных результатов (п. 1.) и составление таблиц исходных данных. Таблицы составляются с учетом: - выравнивания по количеству строчек; - обозначения входных параметров как - XjS; - расчет среднего значения параметров строчек и обозначение выходных параметров как - Yj. 3. Обработка статистических данных таблиц с помощью генератора случайных чисел, для внесения белого шума до 15-20 % от значения входных параметров. 4. Составление таблиц исходных данных, полученных в пункте 3. 5. Обработка исходных данных с помощью пакета программ обеспечения АРМ ХТП кафедры автоматизации процессов химической промышленности (АПХП) Санкт-Петербургского Государственного Технологического института (ГТИ). 1. Первичная обработка исходных данных (при необходимости): - проведение исследований в процедуре «Гистограмма»; - проверка гипотезы о том что, ряд входных случайных величин распределен по нормальному закону, с помощью критерия согласия %2 Пирсона. 2. Синтезирование статических математических моделей на базе различных алгоритмов метода группового учета аргументов - МГУА (RP2, RP3, RP4, SELEC). 3. Расчет сходимости результатов выходных параметров по погрешности измерений. 4. Выбор наиболее точного алгоритма моделирования. 5. Выбор параметров моделирования: - свобода выбора, F; - максимальное число слагаемых в моделях, М. 6. Синтезирование математических моделей выходных параметров, Yj. б, Расчет значений весовых коэффициентов переменных моделей. 1. Определение суммы значений коэффициентов, стоящих перед переменными, Aj. 112 4= 2а J=l 2. Определение суммы значений коэффициентов перед переменными с учетом влияния свободного члена, А0І: т 3. Определение значения коэффициента значимости входных переменных, Ayi А, 7. Расчет численных значений выходных параметров методом МГУА: Yn, Y2i, Y3i. 8. Расчет значений весовых коэффициентов переменных в данных моделях (п.6). 9. Расчет КОМПЛеКСНОГО Критерия УРОВНЯ ПОДГОТОВКИ, Wyj 10. Интерпретация полученных результатов, в соответствии со значениями исходных данных моделей. 11. Разработка предложений по совершенствованию уровня подготовки курсантов-выпускников военного института внутренних войск.
Математическое моделирование осуществлено на базе пакета «АРМ ХТП» и подготовки данных для статистического моделирования статики ХТП, кафедры Автоматизации процессов химической промышленности Санкт-Петербургского Государственного Технологического института.
По методике статистической обработки данных, формирования стационарных выборок на базе пакета «АРМ ХТП» проведены следующие исследования: - подготовлены исходные данные для статистического моделирования: проведены исследования входных случайных величин в процедуре «Гистограмма», которая позволила оценить характер распределения выборок случайных чисел ИСХОДНЬЇХ данных и рассчитать их статистические характеристики для выборок с нормальным распределением.
На базе пакета «ARM ХТП» также были: - синтезированы статистические математические модели на базе различных алгоритмов МГУА; - исследованы статистические математические модели на основе процедуры графической интерпретации. Для синтеза математических моделей использовались 4 алгоритма метода группового учета аргументов, реализованных в пакете «ARM ХТР»: гр2, грЗ, rp4, selec. Для исследования статистических математических моделей применялся алгоритм графической интерпретации, реализуемый на базе пакетов «ARMXTP» и «ISSLOPT» и включающий в себя следующие основные этапы: - расчет массивов входных переменных по синтезированным (лучшим) моделям для заданных алгоритмов моделирования (в пакете «ARMXTP»). - просмотр графической воспроизводимости характера распределения расчетных данных по отношению к экспериментальным (в пакете «ISSLOPT»). Выдвинутая гипотеза о нормальности распределения входных переменных с большой долей вероятности не противоречит опытным данным. Проверка осуществлялась с помощью критерия согласия х2 Пирсона (приложение 3). Синтез статистических математических моделей осуществлялся в следующей последовательности: 1) Подготовка исходных данных: - загрузка файлов с массивами данных, полученных после первичной обработки с объемом выборки п = 24 - 28 в директорий «Dan»; - создание файлов с именами типа yirpj и yjsel (где і - номер выходной переменной; j = 2,3,4 - номер алгоритма моделирования) для заданных алгоритмов моделирования в п. «Моделирование» по клавише F7; - введение исходных данных для выбранного файла, например уігрг по клавише F4: - количество замеров: п - объем выборки массива данных; - свобода выбора: 3 - 5 - число лучших моделей, передаваемых на следующие итерации в рекурсивной процедуре формирования моделей нарастающей сложности; - максимальное число слагаемых: 5 -10 -число членов полиномиальной математической модели, по которому возможно окончание итерационной процедуры моделирования, если до этого не был найден минимум критерия регулярности; - имена файлов с входными и выходными переменными: в каждом файле оставляются все входные переменные и по одной выходной переменной, для которой создается модель (например, в файле yirp2 оставить все xt и у ; - сохранение исходных данных - по клавише F2.
Предложения по повышению эффективности учебного процесса по подготовке курсантов военного института внутренних войск МВД России
Комплексный критерий уровня подготовки курсантов-выпускников, W yi, должен находиться в определенных пределах, для того, чтобы можно было оценить степень завершенности обучения.
Так, для оценки эффективности педагогических технологий применяется показатель, по которому можно было бы судить о достижении частной цели обучения, подготовки специалиста в образовательном отношении.
Таким показателем считается коэффициент усвоения знаний (овладения навыками) - К. Он характеризует отношение фактически достигнутого уровня усвоения обучающимся знаний, навыков к уровню, заданному целью учебного занятия, целевой установкой дисциплины, квалификационными требованиями к офицеру-выпускнику. Исследования показали, что при К 0,7 (при максимальном значении К = 1) обучающийся не способен свободно применять в учебной или профессиональной деятельности полученные знания и навыки, не видит возможных способов их совершенствования [18]. При К = 0,7 обучающийся допускает ошибки примерно в 30% случаев, однако он способен без внешней помоши их исправлять и самостоятельно находить способы решения учебных и профессиональных задач.
Учитывая, что абсолютное большинство военных специалистов не имеет права допускать грубые ошибки в служебной и тем более в боевой деятельности, подготовку специалиста в военном вузе можно считать завершенной, если К 0,85.
Это подтверждает необходимость логической регламентации педагогического процесса подготовки военного специалиста в вузе, где каждый преподаватель, руководство кафедр, зная цель подготовки специалиста, и реализуя принцип завершенности обучения, должны нести полную ответственность за достижение гарантированного (заданного) уровня профессиональной подготовленности офицера-выпускника.
Таким образом, считается;, что: - при уровне усвоения знаний (навыков) менее 0,7 выпускник не может считаться подготовленным к исполненшо служебных обязанностей по своей первоначальной должности и требует дополнительной подготовки, а значит, не соответствует предъявляемым требованиям Государственного Стандарта; - при уровне усвоения знаний (навыков) от 0,7 до 0,85 выпускник может считаться удовлетворительно подготовленным к исполненшо служебных обязанностей по своей первоначальной должности; - при уровне усвоения знаний (навыков) свыше 0,85 выпускник может считаться хорошо подготовленным к исполнению служебных обязанностей по своей первоначальной должности, а значит, в полной мере соответствует предъявляемым требованиям Государственного Стандарта
Таким образом, минимальное значение комплексного критерий уровня подготовки курсантов-выпускников, W , = 3,38, ниже которого, подготовка выпускника может считаться неудовлетворительной и требует дополнительных образовательных мероприятий, при этом частные критерии подготовки должны быть не менее указанных в таблице 3.40. Значение комплексного критерия, соответствующего среднему уровню подготовки курсантов-выпускников, W уі фЄДН, = 4,1, ниже которого, подготовка выпускника может считаться удовлетворительной, при этом частные критерии подготовки должны быть не менее указанных в таблице 3.41. Расчет значения комплексного критерия, соответствующего высокому уровню подготовки курсантов-выпускников, W yj вы wyl Значения коэффициентов переменных, Aj Произведение А, - 0,95 Частное {X2 0,95)/Wyi Значение комплексногокрите рия, соответствующе говысокому уровню подготовкикурсантов-выпускников военногоинститута, Wyi Yii 0,344543551 0,88710513 4,43552566 Y 0,321733003 0,30564635 0,95000000 4,75000000 Y3i 0,333723447 0,91586718 4,57933591 Среднее значение: 0,33333333 0,30564635 0,91765744 4,58828719
Значение комплексного критерия, соответствующего высокому уровню подготовки курсантов-выпускников, W уі сок. = 4,59, ниже которого, подготовка выпускника может считаться средней, при этом частные критерии подготовки должны быть не менее указанных в таблице 3.42. Таким образом, значение комплексного критерия: - W уі 3,38, - соответствует неудовлетворительному уровню подготовки курсантов-выпускников; - 3,40 W уі 4,1, - соответствует удовлетворительному уровню подготовки курсантов-выпускников; - 4,13 W yj 4,59, - соответствует среднему уровню подготовки курсантов-выпускников; - W уі 4,59, - соответствует высокому уровню подготовки курсантов выпускников, именно курсанты данной категории могут считаться наиболее подготов ленными и претендовать на диплом с отличием.
На основании полученных выше зависимостей, результатов Государственной Аттестационной Комиссии, других статистических данных, полученных в Санкт-Петербургском военном институте внутренних войск МВД России, возможно моделирование коллектива курсантов этого военного института и определение уровня подготовки и соответствие этого уровня, предъявляемым к выпускникам требованиям.
Расчет значений выходных переменных моделей, полученных МГУА и с помощью весовых коэффициентов входных переменных Статистические данные, являющиеся входными переменными модели, получены в соответствии с п.п. 2.3 с учетом следующих особенностей (приложение 3): статистические данные, полученные путем опроса самих курсантов-выпускников интерполируются с мнением независимых оценок офицеров - командиров подразделений, профессорско-преподавательского состава; - статистические данные, полученные путем анализа журналов текущей успевае мости и привития командирских и методических навыков курсантам интерполируются со значениями ведомостей учета оценок, выставленных в диплом за весь период обу чения и оценок выпускных экзаменов. Данный метод определения входных переменных, в значительной мере, отличается от применяемых в других исследованиях методов [34, 91, 92], основанных на учете только двух показателей: - качество сформировано -1: - качество несформировано - 0. Статистические данные, собранные в таблицы приведены в приложении 4. Расчет значений УЗМГУА проводится в соответствии с формулой 3.3Л. Расчет значений Y3 КОЭФФ. проводится в соответствии с формулой 3.3.27. Полученные значения выходных переменных, а также погрешности их измерения представлены в таблице 4.1.
