Содержание к диссертации
Введение
1. Направления автоматизированной поддержки управления развитием исследовательского потенциала студентов вузов .
1.1. Управление в системе высшего образования и средства его автоматизации.
1.2. Содержание понятия исследовательского потенциала студентов .
1.3. Базовая концепция управления развитием 27
исследовательского потенциала студентов в вузе.
1.4. Направления совершенствования базовой концепции с целью расширения масштаба внедрения.
1.5. Предлагаемая технология управления развитием исследовательского потенциала с использованием автоматизированной информационной системы.
Выводы по главе 1. 45
2. Разработка математических моделей управляемого процесса развития исследовательского потенциала .
2.1. Математическая модель оценки научной квалификации. 46
2.1.1. Обзор существующих подходов к оценке научной квалификации и оценке качества тестов .
2.1.2. Требования и содержание теста научной квалификации.
2.1.3. Алгоритм обработки результатов тестирования. 52
2.1.4. Оценка качества теста. 56
2.2. Математические модели индивидуализации 59
исследовательской деятельности.
2.2.1. Базовая математическая модель. 59
2.2.2. Модель формирования оптимальной индивидуальной структуры задания на исследовательскую работу.
2.2.3. Математическая модель расчета научной квалификации на основе многокритериальных оценок выполненных работ.
Выводы по главе 2. 80
3. Создание автоматизированной системы поддержки управления исследовательской деятельностью .
3.1. Архитектура информационной системы. 81
3.2 Основные режимы работы системы. 86
3.3. Подсистема хранения данных. 92
3.4. Подсистемы тестирования и формирования индивидуальных структур заданий .
3.5. Подсистема анализа данных. 108
Выводы по главе 3. 116
4. Опыт организации управления развитием исследовательского потенциала студентов с применением информационной системы .
4.1. Опыт внедрения системы в учебный процесс. 117
4.2. Анализ эффективности системы при формировании заданий.
4.3. Анализ качества аналитической информации при использовании разработанной системы .
4.4 Анализ основных характеристик управляемого процесса развития исследовательского потенциала.
Выводы по главе 4. 155
Заключение. 156
Литература.
- Содержание понятия исследовательского потенциала студентов
- Обзор существующих подходов к оценке научной квалификации и оценке качества тестов
- Подсистемы тестирования и формирования индивидуальных структур заданий
- Анализ качества аналитической информации при использовании разработанной системы
Введение к работе
Актуальность темы.
В современных условиях необходимыми качествами выпускника вуза являются не только наличие требуемых профессиональных знаний в его области специализации, но и способность творчески мыслить, находить нестандартные решения. В рамках Федеральной программы развития образования [56] поставлена главная цель: «развитие системы образования в интересах формирования гармонично развитой, социально активной, творческой личности в качестве одного из факторов экономического и социального прогресса общества на основе провозглашенного Российской Федерацией приоритета образования».
В связи с этим большую важность имеет разработка общего подхода к управлению развитием творческих способностей. При отсутствии подобного подхода, регламентирующего способы управления и критерии оценки его качества, эффективность развития творческих способностей значительно снижается. Развитие творческих способностей студентов зависит при этом целиком от личных качеств их научных руководителей. При этом нагрузка на научных руководителей значительно возрастает, и они вынуждены действовать методом проб и ошибок, поскольку лишь в незначительной степени могут опереться на опыт своих коллег.
Решению этой проблемы должно опираться на многочисленные работы в области творчества и качества образования, например, труды Ж. Адамара, В.В. Альминдерова, К.А. Багриновского, А.В. Брушлинского, Д.Б. Богоявленской, Л.С. Выгодского, В.В. Давыдова, В.Н. Дружинина, И.А.Зимней, Б.Г. Литвака, A.M. Матюшкина, С. А. Пиявского, Н.А. Селезневой, А.И. Субетто, М.А.Холодной, В.А.Шадрикова. В рамках работ данных авторов прорабатываются способы управления развитием личности в образовательных системах, критерии оценки качества управления, подходы к определению источника творческих способностей.
Одними из наиболее системных являются работы, созданные в рамках Исследовательского центра проблем качества подготовки специалистов [14, 84,88 и др.]. По результатам исследований, проведенных в рамках Центра, удалось сформировать научный подход к системному определению качества образования. Он охватывает различные аспекты качества высшего образования, в том числе нормирование качества, его оценку, мониторинг качества и управление качеством. Учет этих аспектов позволяет проводить в рамках высшей школы подготовку специалистов, отвечающих разнообразным требованиям современного общества и способных к решению нестандартных, творческих задач.
Одной из важнейших составляющих творческих способностей является способность к проведению научных исследований, или исследовательский потенциал. Плодотворной технологией развития исследовательского потенциала является подход, предложенный С.А.Пиявским [63], который принят в качестве базовой технологии в данном исследовании. Подход регламентирует управление развитием исследовательских способностей в рамках пары «один ученик — один научный руководитель». С использованием методов математического моделирования разработан последовательный ряд типовых структур заданий на выполнение работ. Используя их в качестве инструмента управления и учитывая индивидуальные особенности студента, уровень его подготовки и свои научные интересы, конкретный научный руководитель ставит ученику индивидуальные научные задачи, развивающие его исследовательский потенциал.
Однако, концепция пар «один ученик — один научный руководитель» накладывает ограничения на масштаб внедрения данного подхода. Дальнейшее его развитие должно быть направлено на переход от модели «один ученик - один научный руководитель» к модели «ученики - научный руководитель». При подобном переходе возникает необходимость массовой постановки индивидуальных заданий с учетом значительной разницы в
7 одаренности учеников и уровне их подготовки. В случае большого числа учеников индивидуализация заданий будет весьма трудоемка, что приведет к снижению качества и оперативности управления. Для решения этой проблемы требуется автоматизация всего процесса. Она же позволит научному руководителю анализировать накопленную информацию о подготовке учеников в различных разрезах и принимать на основе этого анализа наиболее обоснованные решения.
Цели и задачи работы.
Таким образом, целью работы является разработка методов автоматизированной поддержки управления развитием исследовательского потенциала студентов, ориентированных на индивидуализацию обучения при расширении его масштабов, и обеспечивающей их реализацию информационной системы. Для достижения этой цели необходимо решение следующих задач:
Исследование возможностей и направлений автоматизации базовой технологии при расширении масштабов исследовательской подготовки.
Определение в этих рамках конкретных задач управления, которые могут быть эффективно автоматизированы.
Выделение всех объектов и процессов, подлежащих автоматизации.
Создание математических моделей, связывающих между собой параметры и функции этих объектов и процессов.
Разработка структуры данных соответствующей информационной системы.
Проектирование и создание информационной системы.
Внедрение разработанной информационной системы и оценка ее эффективности.
Методы исследования. При решении этих задач используются методы оптимального управления, линейное программирование, методы численной оптимизации, метод ветвей и границ, дифференциальные уравнения, методы проектирования информационных систем и реляционных баз данных.
На защиту выносятся следующие результаты:
Технология управления развитием исследовательского потенциала студентов с использованием автоматизированной информационной системы.
Математическая модель и содержание теста научной квалификации.
Математическая модель формирования оптимальной индивидуальной структуры задания, устанавливающая формализованные связи между структурами заданий на исследовательские работы и научной квалификацией студента.
Математическая модель расчета научной квалификации студента на основе многокритериальных оценок ранее выполненных им работ.
Структура информационной системы, обеспечивающей автоматизированную поддержку управления развитием исследовательского потенциала в вузе.
Научная новизна полученных результатов заключается в следующем:
Впервые предложена математическая модель автоматизированного формирования индивидуализированных структур исследовательских работ студентов.
Разработаны способы оценки научной квалификации студентов на основе результатов их исследовательской деятельности.
Предложена технология поддержки массового формирования индивидуальных заданий на исследовательские работы.
Предложен новый цикл управления развитием исследовательского потенциала, позволяющий значительно увеличить масштабы управления.
9 Практическая значимость. Результаты работы используются на Линии элитной подготовки и факультете информационных систем и технологий Самарской государственной архитектурно-строительной академии, в Самарской областной системе мер по поиску, развитию и поддержке одаренной молодежи в сфере науки и техники «Кадровый потенциал», в рамках Программы Министерства образования РФ на 2001 г. «Научно-методическое, материально-техническое и информационное обеспечение системы образования», тема 4.2.4. (00.0) 198.9. «Разработка комплекса методических и программно-информационных средств поддержки одаренной молодежи для оптимизации многоэтапной стратегии творческого развития в науке и технике».
Апробация работы. Работа докладывалась на 8 Международных и Всероссийских конференциях, в том числе на Международном форуме по проблемам науки, техники и образования Академии наук о Земле (г. Москва, 2001 г.), Всероссийской научно-технической конференции (г. Рязань), 52-й и 55-й международной научно-технической конференции молодых ученых (СПБГАСУ, г. Санкт-Петербург, 1998 и 2001 гг.).
Публикации.
Основные результаты работы представлены в 16 публикациях [24-33,59,64-68].
Структура и объем работы.
Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 168 страницах; библиографического списка из 122 наименований и двух приложений.
В первой главе диссертации рассматриваются средства автоматизации управления в высшей школе. По результатам рассмотрения подтверждается актуальность задачи разработки автоматизированной системы для поддержки
10 управления развитием творческих способностей. Анализируются различные определения понятия «творческие способности» и для дальнейшего рассмотрения выбирается часть творческих способностей — исследовательский потенциал. Рассматривается многоуровневая схема управления развитием исследовательского потенциала в базовом подходе. Выявляются проблемы, возникающие при расширении масштаба внедрения подхода. Формулируются различные направления решения этих проблем. Разрабатывается технология автоматизированной поддержки управления развитием исследовательского потенциала студентов вуза.
Во второй главе рассмотрены математические модели оценки научной квалификации, формирования индивидуальной структуры задания и расчета научной квалификации на основе многокритериальных оценок выполненных работ. В комплексе эти математические модели позволяют индивидуализировать формирование структуры заданий, обеспечивая таким образом поддержку управления со стороны научного руководителя. В этой же главе излагается содержание разработанного теста научной квалификации и приводятся результаты оценки его надежности и валидности.
В третьей главе описывается структура и взаимодействие подсистем
автоматизированной системы. Рассматривается структура
автоматизированной системы, которая позволяет работать как используя преимущества сети Internet, так и обходясь без нее. Приводятся основные режимы работы системы. Исследуются различные варианты организации подсистемы хранения данных и обосновывается окончательное решение. Предлагаются способы организации расчетных подсистем: подсистемы тестирования научной квалификации и подсистемы формирования индивидуальных структур заданий. Изучаются различные средства анализа данных, формулируются требования к аналитической подсистеме и разрабатывается собственный язык анализа данных.
В четвертой главе рассмотрен опыт внедрения системы на факультете информационных систем и технологий Самарской государственной
архитектурно-строительной академии и в Самарской областной системы мер по поиску, развитию и поддержке одаренной молодежи в сфере науки и техники «Кадровый потенциал». Описывается набор разработанных заданий и схемы применения информационной системы. В этой же главе приведены результаты анализа данных, накопленных в процессе внедрения системы, и оценка эффективности внедрения системы.
Содержание понятия исследовательского потенциала студентов
Понятие «творческие способности» является весьма емким. Как указано в [78], творческие способности - «это системное, развивающееся в течение жизни качество психики, которое определяет возможность достижения человеком более высоких (необычных, незаурядных) результатов в одном или нескольких видах деятельности по сравнению с другими людьми». При таком понимании, имеет место чрезвычайно широкий спектр концепций, отражающих те или иные стороны этого понятия.
Так, А.В.Брушлинский считает любое мышление проявлением творческих способностей. Он отрицает принятое многими разделение мышления на репродуктивное и творческое, говоря: «С нашей точки зрения, репродуктивное мышление — это просто память (а не собственно мышление). Что же касается терминов «продуктивное, творческое», то они в данном случае совершенно излишни, поскольку мышление по сути и по определению всегда является таковым, хотя и в различной степени».
Среди характеристик мышления, согласно В.Д.Шадрикову [95], можно выделить: гибкость (подвижность) мыслительных процессов, связанная с изменением аспектов рассмотрения предметов, явлений, их свойств и отношений, с умением изменить намеченный путь решения задачи, если он не удовлетворяет тем условиям, которые вычленяются в процессе решения и не могут быть учтены с самого начала, проявляющаяся в активном переструктурировании исходных данных, понимании и использовании их относительности; темп развития мыслительных процессов, определяемый минимальным числом упражнений, необходимых для обобщения принципа решения; быстрота — скорость протекания мыслительных процессов; самостоятельность — умение увидеть и поставить новый вопрос, а затем решить его своими силами; экономичность мышления, определяемая числом логических ходов (рассуждений), посредством которых усваивается новая закономерность; широта ума — умение охватить широкий круг вопросов в различных областях знания и практики; глубина — умение вникать в сущность, вскрывать причины явлений, предвидеть последствия; последовательность мысли — умение соблюдать строгий логический порядок в рассмотрении того или иного вопроса; критичность — качество мышления, позволяющее осуществлять строгую оценку результатов мыслительной деятельности, находить в них сильные и слабые стороны, доказывать истинность выдвигаемых положений.
Другие исследователи пытаются отделить творческое мышление от мышления вообще, описав основные характеристики творческого мышления. Подходы этих исследователей можно разделить на три группы. Подобное разделение приведено в книге В.Н.Дружинина [20].
Первая группа исследователей считает, что как таковых творческих способностей нет. Творческие способности определяются наличием интеллектуальной одаренности, но главную роль играют мотивации, ценности, личностные черты. К числу основных черт творческой личности относят когнитивную одаренность, чувствительность к проблемам, независимость в неопределенных и сложных ситуациях. Этой точки зрения придерживаются А.Танненбаум, А.Олох, А.Маслоу и другие.
Отдельно можно выделить концепцию Д.Б.Богоявленской [5], которая вводит понятие интеллектуальной активности личности. Интеллектуальная активность — это свойство личности, которое «снимает все барьеры, мешающие продолжению мышления вне конкретного требования, и ведет к установлению новых закономерностей». Д.Б.Богоявленская выделяет три уровня интеллектуальной активности:
Стимульно-продуктивный. На этом уровне задачи анализируются испытуемыми во всем многообразии их индивидуальных особенностей, но как частные, без соотнесения с другими задачами. Этот уровень соответствует принятию и продуктивному решению стоящих перед человеком задач.
Эвристический. На этом уровне происходит сопоставление ряда задач, в результате чего открываются новые закономерности, общие для системы задач. Этот уровень соответствует открытию новых законов эмпирическим путем.
Креативный. На этом уровне найденные закономерности подвергаются доказательству. Этот уровень соответствует теоретическим открытиям. Вторая группа взглядов состоит в том, что творческие способности является самостоятельным фактором, независимым от интеллекта (Д.Гилфорд, К.Тейлор, Г.Грубер, Я.А.Пономарев). Наиболее развитой концепцией является "теория интеллектуального порога" Е.Торренса: если IQ ниже 115-120, интеллект и креативность образуют единый фактор, при IQ выше 120 - творческая способность становится независимой величиной, т.е. нет креативов с низким интеллектом, но есть интеллектуалы с низкой креативностью.
Третья группа исследователей считает, что высокий уровень развития интеллекта предполагает высокий уровень творческих способностей, и наоборот. Творческого процесса как специфической формы психической активности нет. Эту точку зрения разделяли и разделяют практически все специалисты в области интеллекта (Д.Векслер, Р.Уайс-берг, Г.Айзенк, Л.Термен, Р.Стернберг и другие).
Обзор существующих подходов к оценке научной квалификации и оценке качества тестов
Как отмечено в главе 1, исследовательский потенциал (или способности к проведению исследований в сфере науки и техники) включает в себя такие компоненты, как интеллект, креативность, исследовательская активность и научная квалификация, которая определяется как способности человека к проведению научных исследований. В настоящее время достаточно полно разработаны лишь тесты интеллекта и креативности.
Интеллектуальные тесты предназначены для исследования и качественной оценки (измерения) уровня интеллектуального развития индивида [3]. К группе наиболее известных и широко применяемых тестов интеллекта относятся тесты Д. Векслера (предназначены для измерения уровней развития мышления и отдельных когнитивных процессов — восприятия, внимания, воображения, памяти и др.) и батареи тестов Станфорд-Бине (включают задания, направленные на исследование широкого диапазона способностей — от простого манипулирования до абстрактных рассуждении, дифференцированных по возрастному критерию). Основным результатом этих тестов является количественный показатель уровня интеллектуального развития испытуемых (IQ, англ. — Intelligence Quotient). Этот коэффициент (IQ) считается адекватным понятию "интеллект".
Тесты креативности предназначены для измерения творческих способностей человека, которые, согласно вглядам многих психологов, не эквивалентны интеллекту. В книге А.Анастази [2] рассматриваются два вида тестов креативности - тесты университета штата Южная Калифорния (ARP), разработанные Дж. Гилфордом и его коллегами, и тесты Торренса. Тесты ARP опираются на разработанную Дж. Гилфордом модель интеллекта (SI) и направлены на выявление таких параметров, как легкость словоупотребления, легкость воспроизведения идей, легкость в использовании ассоциаций и др.
Тесты Торренса во многом являются адаптацией методик южнокалифорнийских тестов. Более того, показатели по всей батарее определяются факторами, установленными в исследованиях Дж. Гилфорда, а именно: легкость, гибкость, оригинальность и точность. Все 12 тестов творческого мышления Торранса сгруппированы в вербальную, изобразительную и звуковую батареи. Первая батарея обозначается как словесное творческое мышление, вторая — изобразительное творческое мышление, третья - словесно-звуковое творческое мышление.
В книге [77] также рассматривается тест Роршаха. Инструментом теста является набор из 10 карточек с симметричными пятнами разных цветов неопределенной формы. При предъявлении каждого пятна испытуемому предлагается ответить вопрос: "Что это такое и на что это похоже?".
Указанные, а также и многие другие, тесты критикуются с различных позиций, например, Д.Б.Богоявленской [5]. Их рекомендуется если и использовать, то лучше всего в исследовательских целях, и ни в коем случае не строить на них решений, касающихся конкретных личностей. Что касается другой компоненты исследовательского потенциала- научной квалификации, то способы ее количественного измерения практически отсутствуют.
Исходя из этого, необходимо разработать специальный тест научной квалификации. Согласно требованиям психологической науки [1], разработанный тест должен удовлетворять двум критериям: критериям надежности и валидности.
Надежность теста - это один из критериев качества теста, относящийся к точности психологических измерений, а также к устойчивости результатов теста к действию посторонних случайных факторов. Теоретически надежность определяется как процент дисперсии истинного компонента измерения от общей дисперсии теста. По формуле Ф.Рулона надежность =1- (2.1) Sx где S2 - суммарная дисперсия векторов погрешностей,- a Sx2 — дисперсия вектора тестового результата.
На практике используются различные методы оценки надежности. Эти методы различаются концептуальным определением ошибочного компонента измерения и способами его нахождения. Среди методов оценки надежности можно выделить:
1. Повторное тестирование. Заключается в двукратном использовании одного и того же теста в одной и той же группе респондентов. Надежность теста определяется как корреляция между двумя результатами.
Достоинством этого метода является простота его использования и ясность определения надежности. Среди недостатков можно выделить неопределенность в выборе интервала между двумя измерениями, а также необходимость соотнесения результатов с респондентами. Второй фактор приводит к тому, что этот метод определения надежности чаще всего используется в педагогике и очень редко - в социологии по причине анонимности опросов.
2. Параллельное тестирование. Применимо только при наличии двух параллельных форм теста. Надежность определяется как корреляция между баллами, полученными респондентами в разных формах теста. Основная проблема для данного метода - необходимость создания двух форм теста с необходимостью их выравнивания по социологическому содержанию.
3. Метод раздельного коррелирования. Аналогичен методу параллельного тестирования за исключением того, что здесь используются не параллельность форм теста, а параллельность отдельных частей внутри одной формы теста. Наиболее распространенная процедура разделения — сведение в одну часть вопросов с нечетными номерами и в другую — с четными. Преимуществом здесь является возможность определения надежности после однократного прохождения теста.
Подсистемы тестирования и формирования индивидуальных структур заданий
Рассмотрим технологии, примененные при создании различных блоков подсистем. Общим требованием, предъявляемым к технологиям, является требование работы в операционных системах семейства Windows.
Блок интерфейсного взаимодействия подсистемы научной квалификации по требованиям главы 3.1 должен существовать в двух вариантах - Web и Win32 приложения. Чтобы избежать разделения кода, можно воспользоваться предлагаемой фирмой Microsoft технологией ActiveX. Эта технология позволяет обычным окнам приложений Windows отображаться в окне браузера пользователя. В противном случае, необходимо написание двух версий блока.
Расчетный блок теста научной квалификации не взаимодействует с пользовательским интерфейсом. Вычислительная сложность алгоритмов, используемых в рамках блока, невелика - необходимо для каждого из 36 элементов квалификации учесть с использованием элементарной формулы влияние на оценку от приблизительно 70 ответов студентов.
Блок расчета научной квалификации по итогам выполнения предыдущей работы также не имеет пользовательского интерфейса. В процессе вычисления научной квалификации численным методом решается система из 36 дифференциальных уравнений. Данная задача также не представляет вычислительной сложности.
Блок расчета индивидуальных заданий. Вычислительная сложность алгоритмов высока, поскольку необходимо решение целочисленной задачи линейной или нелинейной оптимизации размерностью в 20 переменных. Данная задача оптимизации весьма сложна алгоритмически за счет нелинейности и целочисленности. Исходя из этого, для решения этой задачи используется внешний продукт Solver от Frontline systems [99,120]. Данная технология позволяет решать задачи нелинейной и линейной оптимизации размерностью до 200 переменных с использованием методов Ньютона, градиентов, симплекс-метода, метода ветвей и границ [15,97,112,117] и метода мультистарта [119]. Одна из версий данного продукта входит в состав электронных таблиц Microsoft Excel.
Блок генерации заданий. Задачей блока является вывод в определенном формате структуры задания, сформированного в блоке расчета индивидуальных заданий. Формат должен быть широко распространенным. Для этих целей одним из удобных форматов является формат электронных таблиц Microsoft Excel (xls). Формирование файла может быть произведено с использованием технологии Ole Automation.
После принятия решения о выборе технологий необходимо выбрать среду программирования, в рамках которой можно реализовать требуемый функционал. В настоящее время на рынке представлено большое количество средств разработки для платформы Windows, среди которых: Microsoft Visual Basic, Microsoft Visual C++, Borland Delphi, Borland C++ Builder и другие. Каждая из этих сред имеет свои преимущества и недостатки, которые могут повлиять на разработку, больших или системных программ. Тем не менее, в рамках данной задачи эти особенности несущественны, поскольку с помощью любой из этих сред необходимый функционал можно реализовать за приемлемое время. Поэтому была выбрана наиболее удобная для автора среда быстрой разработки программы (RAD) Borland Delphi 6.0 [34].
Таким образом, реляционная схема базы данных состоит из 20 таблиц, содержащих разнообразные данные о работах студентов. Для максимального использования возможностей предлагаемой технологии необходима возможность многоаспектного анализа этих данных. Можно привести множество примеров возможных вопросов для анализа, например: Как изменяется квалификация студентов от семестра к семестру? Сколько студентов с квалификацией выше средней выполняет реферативные работы? Как зависит успеваемость студента от ученой степени его научного руководителя?
Различие в этих вопросах исключает реализацию в рамках системы ряда предопределенных отчетов и требует создания общего средства для многоаспектного анализа. Существует ряд стандартных средств для решения этой задачи. Приведем наиболее известные: 1. Язык запросов SQL (Structured Query Language) [47]. Реализован практически во всех клиент-серверных и настольных СУБД. На язык существует стандарт ANSI SQL-92 [106]. 2. Сводные таблицы. Существуют в реализации Microsoft Excel [45,103]. 3. Технология OLAP [121]. Существуют различные несовместимые решения от различных поставщиков. Решение от Microsoft (Microsoft Analysis Services) предоставляет язык MDX, являющийся многомерным аналогом языка SQL.
Третья группа (технологии OLAP) предъявляют высокие требования к аппаратному обеспечению, а также к квалификации администратора системы и конечных пользователей. Поэтому из дальнейшего рассмотрения эти технологии исключаем и сравним два оставшихся решения. Можно выделить ряд критериев для оценки соответствия решения задачам разрабатываемой системы: - простота использования; - наличие функций группировки; - возможность фильтрации данных; по - возможность визуального представления; - функция объединения нескольких разрезов данных; - возможность оценки корреляции между различными рядами данных.
По простоте использования сводные таблицы Excel, ориентированные на конечного пользователя, значительно превосходят сложный язык SQL, ориентированный, в первую очередь, на профессиональных программистов. Оба решения содержат средства многоуровневой группировки с богатым набором агрегирующих функций. Развитые средства фильтрации данных предоставляет только язык SQL, сводные таблицы же в зависимости от версии MS Office содержат либо ограничения типа «равно», либо «равно» и «в диапазоне». Развитые средства визуального представления свойственны только сводным таблицам. Язык SQL таких средств не содержат, а существующие СУБД предоставляют самые базовые способы представления информации пользователю.
Анализ качества аналитической информации при использовании разработанной системы
Третий шаг подготовки к внедрению - выработка регламента работы системы. После переформулировки пунктов заданий и настройки математической модели формирования заданий были разработаны различные регламенты работы системы. В рамках факультете информационных систем и технологий Самарской государственной архитектурно-строительной академии система работает по семестровому циклу. В начале семестра методический руководитель, используя аналитическую подсистему для анализа результатов предыдущего семестра, определяет тип работы и научного руководителя для каждого студента. Также в начале семестра все студенты проходят тест научной квалификации.
Далее для каждого студента рассчитывается и печатается индивидуальная версия бланка одного из видов заданий (исследовательского или реферативного). Научный руководитель ставит студенту предметное задание на выполнение работы, заполняя этот бланк. Далее в течение семестра он руководит выполнением работы. При этом он отмечает выполненные пункты работы на бланке задания с указанием недели выполнения. Со стороны методического руководителя осуществляется контроль руководства. По окончании семестра экзаменационная комиссия оценивает работу. В начале следующего семестра данные оценки уже учитываются совместно с научной квалификацией для расчета индивидуального задания.
В рамках программы Самарской областной системе мер по поиску, развитию и поддержке одаренной молодежи в сфере науки и техники «Кадровый потенциал» используется несколько другой регламент. В начале семестра часть студентов проходит тест научной квалификации. На основании результатов этого теста, а также оценок предыдущей работы, формируется задание, которое высылается студентом по электронной или обычной почте. Студенты используют эти задания для самоконтроля при выполнении своего исследования. Те студенты, которым не удалось пройти тест научной квалификации в установленное время, получают задание, рассчитанное исходя из типовой квалификации и оценок предыдущей работы.
Проанализируем опыт внедрения по результатам весеннего семестра 2002/03 учебного года. Наличие базовой математической модели позволяет вычислить расчетную эффективность внедрения системы с точки зрения индивидуализации заданий. Рассчитанное для типового студента типовое задание на работу, будучи примененным к реальному студенту, не сможет обеспечить максимального роста квалификации. Примем тот рост, которое оно обеспечивает согласно предсказаниям модели, за 100%. Тогда показателем роста эффективности исследовательской подготовки от внедрения технологий индивидуализации будет величина роста квалификации, который обеспечивают индивидуальные версии заданий по сравнению с ростом квалификации для типовых заданий.
Подставим в формулы (22,23) значения важностей пунктов в типовой структуре задания Р для каждого студента кє\1.м] (п - количество студентов). Решив приведенную системы на отрезке t=(0,6Mec), получим «типовой» прирост квалификации Axdef . Проведя аналогичную операцию со значениями важностей индивидуальных структур заданий Р, получим «индивидуальный» прирост квалификации hxoptk. Тогда рост эффективности исследовательской подготовки при внедрении системы формирования индивидуальных структур заданий можно рассчитать как
Как видно, в целом индивидуальные задания оказываются на 24% лучше типовых. Таким образом, разработанная система позволила при внедрении заметно улучшить качество выдаваемых заданий. В зависимости от курса, это улучшение колеблется от 16 до 38 %. Первокурсники, как наиболее разнородный по способностям коллектив, получают наибольшее преимущество от внедрения системы. Для второго, третьего и четвертого курса повышение эффективности заданий составляет от 16 до 19 %.
Современные информационные системы, содержащие средства анализа данных, позволяют значительно повысить эффективность управления процессами. Но возможность получения аналитической информации сама по себе не обеспечивает эффективность управления. Для того, чтобы наличие этой информации позволило получить результат, необходима работа пользователя информационной системы. Именно он обеспечивает эффективное управление процессом, используя предоставляемую аналитическую информацию для принятия правильных решений.
Исходя из этого, будем оценивать качество аналитической информации разрабатываемой системы как полезность этой информации для пользователя системы. Можно выделить две категории пользователей, заинтересованных в получении аналитической информации: 1. научные руководители; 2. методические руководители, координирующие процесс руководства научными работами в рамках Вуза или целевой программы.
Выделим группы запросов, которые могут сформулировать пользователи разработанной системы. Научным руководителям будет интересна информация о:
1. росте квалификации студента в течение ряда семестров. На основе этой информации научный руководитель может выделить функции научной деятельности, требующие особого внимания, и сосредоточить на них усилия студента.
2. сравнительной квалификации ряда студентов. Используя эту информацию, научный руководитель может правильно распределять темы исследовательских работ между руководимыми им студентами.
