CC BY
40
В современных условиях общая и профессионально-педагогическая культура является наиболее конкурентоспособным ресурсом в деятельности учителя, преподавателя, воспитателя. Профессионально-педагогическая культура, как интегративное качество учителя, обеспечивает личностное развитие, выход за пределы нормативной деятельности, способность создавать и передавать ценности. Профессионально-педагогическая культура учителя -это универсальная характеристика педагогической реальности.
В решении проблем формирования профессионально-педагогической культуры важен не только факт овладения культурно-педагогическим наследием, но и включение преподавателя как субъекта культуры в процесс инновационной деятельности по созданию и внедрению педагогических новшеств. Сущность и содержание профессионально-педагогической культуры преподавателя не могут быть поняты вне социально-исторического и педагогического контекста его деятельности и развития педагогики.
Таким образом, профессионально-педагогическая культура рассматривается как самая важная часть культуры преподавателя, проявляющейся в системе профессиональных качеств и специфике профессиональной деятельности. Это интегративное качество личности педагога-профессионала, условие и предпосылки эффективной педагогической деятельности, обобщенный показатель профессиональной компетентности педагога и цель профессионального самосовершенствования.
Список использованных источников
1. Государственный образовательный стандарт высшего профессионального образования. Специальность: 030100 «Информатика» - http://www. edu.ru/ёЬ/ец1-
Ып/рог1а1/ вре/Нв^еагскрк? виЬв^=030100
2. Исаев И.Ф. Профессионально-педагогическая культура преподавателя: Учеб. пособие для студ. высш. учеб. Заведений. - М.: ИЦ «Академия», 2004. - 208 с.
3. Коджаспирова Г.М. и др. Педагогический словарь: Для студ.высш.и сред. пед. учеб. заведений. - М.: ИЦ «Академия», 2003. - 176 с.
4. Рапацевич Е.С. Педагогика: Большая современная энциклопедия - Мн.: «Современное слово», 2005. - 720 с.
5. Сластенин В.А. и др. Педагогика: Учебное пособие для студентов высших учебных заведений. - М.: ИЦ «Академия», 2005. - С.31-44
6. Шелепаева А.Х. Поурочные разработки по информатике: Универсальное пособие. 8-9 класс. - М.: ВАКО, 2005. - 288 с.
Макарычев П.П., Прошкина Е.Н.
МЕТОДИКА ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ КАЧЕСТВОМ ОБРАЗОВАНИЯ
Пензенский государственный университет
В жизни отдельного человека, в повседневной деятельности организации, в процессах, протекающих в социально-экономической сфере страны, принятие решений является важным этапом, который определяет их будущее. Для большинства решений, принимаемых людьми, нельзя точно рассчитать и оценить их последствия. Можно лишь предполагать, что определен-
ный вариант решения приведет к наилучшему результату. Однако такое предположение может оказаться и ошибочным. Поэтому решения человека являются исключительно важными для практики и интересным для науки объектом изучения.
Под принятием решения понимается особый процесс человеческой деятельности, направленный на выбор наилучшего варианта из нескольких возможных. В процессе принятия решений Г. Саймон [1] выделяет три этапа: поиск информации, поиск и нахождение альтернатив и выбор лучшей альтернативы.
В современной науке о принятии решений центральное место занимают многокритериальные задачи выбора. Считается, что учет многих критериев приближает постановку задачи к реальной жизни. Традиционно принято различать три основные задачи принятия решений:
1. упорядочение альтернатив;
2. распределение альтернатив по классам решений;
3. выделение лучшей альтернативы.
Выбор метода решения задачи напрямую зависит от степени ее струк-туризованности. В хорошо структуризованных проблемах существенные зависимости между основными характеристиками могут быть выражены количественно [2]. Для решения подобного рода задач можно использовать минимаксный критерий, критерий Байеса-Лапласа, критерий Г урвица, критерий Сэвиджа, методы исследования операций, человекомашинные процедуры, методы, основанные на многокритериальной теории полезности, метод аналитической иерархии.
Неструктуризованные проблемы характеризуются тем, что в их описании преобладают качественные факторы, трудно поддающиеся формализации, а количественные зависимости между этими факторами обычно не определены [2]. К данному виду можно отнести проблемы принятия решений о качестве образования.
Выделим общие черты неструктуризованных проблем:
- они являются проблемами уникального выбора;
- они связаны с неопределенностью в оценке альтернативных вариантов решения, обусловленной нехваткой информации на момент решения проблемы;
- оценки альтернативных вариантов решения проблемы имеют качественный характер;
- оценки альтернатив по отдельным критериям могут быть получены только от ЛПР (лицо, принимающее решение) или экспертов.
Методы вербального анализа решений позволяют сохранить качественное описание проблемы на всех этапах ее анализа. В них применяются качественные способы измерений и порядковые шкалы оценок по критериям. Методы вербального анализа решений подробно описаны в трудах О.И. Ларичева [2,3].
Задачу принятия решения о качестве образовательных услуг можно от-
нести к задачам порядковой классификации альтернатив, обладающих совокупностью многих признаков. Для решения данной задачи на первом этапе необходимо получить представление о цели, которую преследует ЛПР [4], а именно «повышение качества образования».
Поскольку заранее неизвестно, какие именно характеристики будут иметь оцениваемые объекты, нужно определить правила принятия решений для объектов, характеризуемых любыми комбинациями.
Рассмотрим задачу порядковой классификации в следующей постановке:
Т - свойство, отвечающее цели задачи («качество образовательных услуг»);
Кх,К2,..,Кы - критерии, по которым оценивается качество образования (средний балл студента, рейтинг преподавателя, критерии оценки удовлетворенности потребителей и т.д.);
Хч = X} - множество оценок (шкала) критерия Кч, упорядоченных по
убыванию характерности для свойства Т; |х^ = - количество оценок на
шкале q -го критерия;
У = X х Х2 х ...х Хы - декартово произведение шкал критериев, определяющее множество всех возможных описаний объектов, подлежащих классификации;
С = {С1, С2,...,СМ} - множество классов решений, упорядоченных по убыванию выраженности свойства Т («высокое качество образования», «приемлемое качество образования», «низкое качество образования»).
Каждый объект описывается набором оценок по критериям Кх, К2,..., Кы и представляется в виде вектора вида уг = (уг1,уг2,...,уш), где ущ е Хч, / = 1,...,5 и
N
5 = У = П 5д • Некоторые сочетания оценок по критериям являются недопус-
q=l
тимыми. Поэтому будем рассматривать множество Уа е У векторных оценок допустимых объектов.
Решение задачи состоит в том, чтобы, основываясь на предпочтениях ЛПР, построить отображение множества допустимых объектов Уа во множество классов С: Г :Уа ® С, которое должно быть полным и непротиворечивым.
Упорядоченность классов решений С = {С13С2,...,СМ} позволяет построить процедуру опроса ЛПР путем предъявления ему относительно небольшой части всех векторных оценок из множества У для формирования полной классификации этого множества. Обозначим через 0{ множество допустимых номеров классов для векторной оценки у1. Число косвенно классифицированных векторных оценок зависит от того, какая векторная оценка предъявляется ЛПР, и от того, к какому классу он ее отнесет. Для определения степени информативности той или иной векторной оценки при предъяв-
лении ее ЛПР, нужно подсчитать число косвенно классифицируемых векторных оценок для каждого возможного ответа.
Показатель рт, оценивает возможность отнесения векторной оценки у к классу Ут. Его можно ассоциировать с близостью этой векторной оценки к представителям класса Ут. Центром непустого класса Ут будет векторная оценка ст = (ст1,ст2,...,епМ), каждая из N компонент которой равна округленному среднему арифметическому значению соответствующих компонент векторных оценок из класса Ут и определяется формулой:
с =
тд
Е Уд/К
Уі єТт
д = 1,...,N.
(1)
Определим расстояние ёгт от векторной оценки у е У до центра класса Ст следующим выражением
N
' ' (2)
а =Е\у . -<
і т / і \У і д
тд
д=1
Рассчитаем максимально возможное расстояние между двумя векторными оценками, принадлежащими множеству У:
а=Е (ї, -1),
(3)
д=1
где їд - число градаций на шкале критерия Кч.
Тогда мера близости р т вектора Уі є У к классу Ут будет рассчитана
р =Ш — сі )/(Оі -сі -Усі ) (4)
± іт V шах іт / V тах / ^ і$ ' г> V /
ґог - 1).
У 1 ■Ї
?ОЇ І€ 0,1..(К - 1)
І і> п Щ 1
урз о
І к = 1
V <г- V + к
Ч Ч
ЗЕЄ.
где
° = \° |, 0 < Ргт < 1 и 2 Ргт = 1-
теОг
Единый количественный индекс информативности Фг каждой еще не классифицированной векторной оценки у г е У, определим как
Фг = 2 Р гтЯгт , (5)
к<- О ІҐ у > 3,
тєЄ.
си
у <е- 1
ц
і
Гог $;Щ§ .(ІЧ - 1)
V- -С— V
ЩМ £
где gim - число векторных оценок из множества У , принадлежность которых к некоторому классу Ут становится известной, если ЛПР отнесет вектор у г к этому классу.
На очередной итерации ЛПР предъявляется векторная оценка у , для которой
Фг= тахФ*, ^ = {ук I |р^ >1}.
Ук еУg
Рассмотренная процедура позволяет
уменьшить число обращений к ЛПР. Для
Рис. 1 Фрагмент програм- оценки ее эффективности было проведено мы в среде МатСЛБ
статистическое моделирование в среде MathCAD.
На первом этапе формируем множество векторов У е Y, представляющих все возможные сочетания оценок по критериям, где yiq = 1,2,...,Sq представляет собой номер оценки на шкале критерия Kq.
Известно, что вектор, имеющий первые оценки по всем критериям, принадлежит классу С1, вектор, имеющий последние оценки по всем критериям, - к классу CM. Затем определяется вектор yi е Y, который должен быть предъявлен ЛПР для классификации: для каждого вектора yi е Y вычисляются показатели pt m по формуле (4) и gi m.
аСу,G) = for ieO.l (K-l) N_J
dmax V I S„ - 11
, 0,q '
q = G '
for i€0,l..(K- i)
M-l
ok- V a
. i,m m = 0
for meO,i..(M - 1)
H-l
d. v ■
for є 0,1 (K-lJ "
for m« 0,1 . (М - 1) р(с>У) :=
І. <-0 if і = 0 m
а <^0 if i=K- 1 m
otherwise
si, <-0 m
for je 1,2 (K- 7)
gj Class_end(y,g,i,m,jj) if m = M - 1
gj Class_home(y,g,i,m,j) if m = 0
<— Class_imddle(y,g,i,m,i) otherwise
m
Ё
V
i,m | і ,*
q = G '
I dmax - d і l.ltt
M-l N-l Gi dmax - ^ V
s =0 q = 0
i.4 s.qi
Рис. 2. Фрагмент программы в среде МаШСДБ
По показателям рі т и gim по формуле (5) вычисляется индекс информативности Фі и определяется вектор, который следует предъявить ЛПР. Ответ ЛПР моделируется с помощью датчика псевдослучайных чисел, который случайным образом генерирует числа в интервале от 1 до М, определяя принадлежность вектора уі є Y к одному из классов. Будем основываться на предположении, что любая векторная оценка, компоненты которой не менее характерны для свойства Т, чем у классифицируемого вектора, не может принадлежать менее предпочтительному классу. И векторная оценка, компоненты которой не более характерны для свойства Т , чем у классифицируемого вектора, не может принадлежать более предпочтительному классу. В соответствии с данным предположением корректируем множества допустимых номеров классов Оі для всех векторов уі є Y, принадлежность которых к некоторому классу не была еще определена. Далее пересчитываются координаты центров классов. Фрагмент программы в среде МаШСАО представлен на рис. 3.
Процедура повторяется до тех пор, пока для каждой векторной оценки из множества Y не будет определена принадлежность к одному из заданных классов. Число обращений к датчику псевдослучайных чисел характеризует
число вопросов к ЛПР. Так, например, среднее число векторов, предъявленных ЛПР для классификации, при М = 2, N = 4 и ^ = (3 3 3 3) равно 8 при мощности £ = 81 множества У.
На основе рассмотренной процедуры был разработан прототип системы принятия решений по управлению качеством образования. С его помощью была решена задача классификации факультетов университета по результатам мониторинга удовлетворенности преподавателей. Задача классификации была поставлена следующим образом:
Т - цель задачи - «удовлетворенность преподавателей работой в университете»;
К1,КК6 - критерии,
по которым оценивалась степень удовлетворенности (всего 6 критериев);
Хд = [хкд} - множество
оценок (шкала) критерия Кч, по каждому критерию было предложено 3 варианта ответа: «полностью удовлетворен», «удовлетворен частично», «не удовлетворен».
С = {С13 С 2, С 3} - множество классов решений: «факультеты с благополучной ситуацией среди преподавателей», «факультеты, где ситуация среди преподавателей напряженная», «факультеты, на которые руководству следует обратить пристальное внимание».
Решение задачи состояло в том, чтобы на основе предпочтений представителя от руководства университета (ЛПР), классифицировать факультеты для применения в последующем корректирующих действий.
На первом этапе были занесены исходные данные (рис.4). Затем путем опроса ЛПР было сформировано решающее правило. По каждому факультету были занесены реальные оценки по критериям и получен результат (рис.5).
Таким образом, рассмотренная процедура позволяет сформировать правило принятия решений по управлению качеством образования до появления реальных объектов на качественном уровне без каких-либо преобразо-
Ееп1г(у) :=
Ж т е 0.1.. М - 1 со1 0
Гог ^ □,!..( N - 1)
с 0
Щ Щ0,1(К - 1) с <5— Соип1_с(у,с,1,т,соГ) {Г у; , , = т+1
1, ГЧ
Гог же 0,1 ..^.р - 1)
Е
йш „
с «-------------- с о1 > 0
ШЛ со1
т € 0,1 .. М - 1
сп>1 '§? 0
Гот де 0Г1.. (ЬТ - 1)
со! со1 -I- 1 ]Г С г: 0
т,н
£ со1 = Ы Ь <г- т
з ро1зк_з(с,т)
1 <?— ро1эк 1(с,:т)
Щ (Н - Ц
С,
Ъ;я
"%д+С5,д'
с*- 3
11
Рис. 3. Фрагмент программы в среде MathCAD
ваний словесных формулировок в количественные значения.
- Иіііі «л;іил -'/Й.Э
у
!'&И*0*1ЙЕ ЩДВЖИ: УДОВЇНйІНОрі2№*ІЇЇЬ [МНОГОЙ Я ВУЗв
К рИТЧ™ ВЦЄНіИ Пм^міь
Дос tvth :-:ть і-їкіпрс-ииь-и К пассь
&хмию-ости для поол*ниц с йлггогюлуих'і
Усж»я їЗдЯД
ї'лбогя ВДМ'М'ІСТТлЩ-Ш ■и^.уїьтитьі, кліпе г4>і*:гй<ііКґ.;. а
Отими»* С ВІЛЛЄШ^
РО ъ vt***POinwa в rtiijjH те*
Е)л."«
Рис. 4. Исходные данные
_Э ltog_dassification : форма
□DEI
Объект
Юридический факультет
с представленными характеристиками
Доступность информации Полностью удовлетворен
Возможности для повышения квалификг Удовлетворен частично
Условия труда Полностью удовлетворен
Работа администрации Удовлетворен частично
Отношения с коллегами Полностью удовлетворен
Роль университета в обществе Удовлетворен частично
относится к классу
Факультеты с напряженной ситуацией
Запись: оюшг
5 [Т][й]@ из 5
ок
Рис. 5. Результат классификации
Список использованных источников
1. Simon H.A. The New Science of Management Decision. N.Y. Harper and Row Publishers, 1960.
2. Ларичев О.И. Вербальный анализ решений. - М.: Наука, 2006. - 181с.
3. Ларичев О. И., Мошкович Е.М. Качественные методы принятия решений. - М.: Физматлит, 1996. - 208с.
4. Кочин Д. Ю. Метод классификации заданного множества многокритериальных альтернатив // Методы поддержки принятия решений: Сб. тр. Ин-та систем. Анализа РАН / Под ред. О. И. Ларичева. - М.: Эдиториал УРСС, 2001. - С. 4-18.
Малышева Л. В.
РАЗВИТИЕ ПСИХОМЕТРИИ ИНТЕЛЛЕКТА
Воронежский филиал Российского государственного социального университета
Д.И.Менделеев как-то сказал: «наука начинается с тех пор, как начинают измерять» (цит. по [8. С. 261]). Ф. Гальтон высказывался в 1879 г. аналогично: «... пока любая область знаний не станет предметом измерения и количества, она не может получить статус науки». Он определил психометрию как «способ наложения измерений и чисел на операции мышления»
