ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2018

Моделированиe показателей научной деятельности при создании информационно-аналитической системы вуза

Technology of indicators modelling of scientific activity at creationinformation analytical system of high school
Статья опубликована в выпуске журнала № 1 за 2012 год. [ на стр. 104 - 107 ][ 19.03.2012 ]
Аннотация:Рассматриваются вопросы моделирования показателей научной деятельности вуза, математические и структур-ные модели, используемые в процессе создания информационно-аналитической системы.
Abstract:Defining a questions of modeling of indexes of scientific activity of high school, the mathematical and structural models being used for the solution of a given task and also the architecture of program system and its implementation are under discussion in the article.
Авторы: Малецкий Р.В. (pvv@pgta.ru) - Пензенская государственная технологическая академия, , , Пикулин В.В. (pvv@pgta.ru) - Пензенская государственная технологическая академия, , , кандидат технических наук
Ключевые слова: информаци¬онно-аналитическая система, автоматизация, показатели эффективности, научная деятельность
Keywords: , automation, human resources, scientific activity
Количество просмотров: 6068
Версия для печати
Выпуск в формате PDF (5.33Мб)
Скачать обложку в формате PDF (1.08Мб)

Размер шрифта:       Шрифт:

Важнейшей составляющей работы как вуза в целом, так и отдельных его подразделений и сотрудников является научная деятельность (НД). По ее интенсивности и результативности, наличию в ней инновационной составляющей можно судить о соответствии вуза своему статусу. Научно-исследовательская деятельность вуза – главное средство повышения квалификации преподавательского состава и лучший способ привлечения студентов к нестандартной, творческой работе по изучаемому предмету. Исследовательская деятельность рассматривается как составная часть обязанностей всех членов коллектива вуза.

Для поддержки и развития НД вуза необходимо применять адекватные методы и современные технологии управления. К эффективным инструментальным средствам управления относятся информационно-аналитические системы (ИАС). ИАС поддержки научной деятельности, входящая в корпоративную информационную среду вуза, является наиболее совершенным средством управления, поскольку способна оперировать огромными массивами информации, связанными с объектом управления, интегрировать информационно-аналитическую поддержку научной деятельности с поддержкой других видов деятельности вуза – учебной, экономической и др. [1].

Вопросы структурно-технической организации, функционального состава, технологии применения АСУ научно-исследовательской работой в вузах рассматриваются во многих публикациях, например в [1–4].

Одним из центральных вопросов, решаемых при создании ИАС НД, является определение показателей, которые должны использоваться для оценки продуктивности, качества и эффективности НД вуза в целом, а также его подразделений и сотрудников. От состава показателей зависят набор данных, которые должны храниться в БД системы, технология и алгоритмы их обработки, содержание пользовательских интерфейсов и ряд других проектных решений, поэтому, по мнению авторов данной публикации, вопросы моделирования предметной области следует рассматривать во взаимосвязи с составом и содержанием показателей эффективности НД в вузе.

После определения состава показателей НД, которые будут оцениваться средствами создаваемой ИАС, требуется выполнить их формализацию и проработать вопросы технологии подготовки соответствующих первичных данных и  их обработки, для чего необходимо создание ряда функциональных, информационных, математических моделей.

К показателям оценивания НД предъявляются противоречивые требования, которые следует учитывать при выборе или синтезе показателей, а также при разработке средств информационной поддержки НД:

-      достаточно полная характеристика направления работ;

-      минимальная трудоемкость процессов формирования значений показателей;

-      возможность оценивания НД, выполняемой отдельными сотрудниками, подразделениями, группами подразделений, вузом.

Для подготовки методики создания информационного и программного обеспечения ИАС на основе анализа показателей НД следует использовать совокупность моделей, позволяющую соз-давать корректные компоненты всех видов обеспечения системы: аналитические и графовые    модели, а также модели «сущность–связь» и функциональные модели в формате IDEF0 (вместо последних могут использоваться объектно-ориен­тированные модели).

Подпись:  

Примечание:   – первичные,   – промежуточные,   – результатные показатели

Рис. 1
Модели могут быть разработаны индивидуально для каждого показателя или для группы логически связанных показателей. Кроме того, следует проанализировать особенности вычислительных процессов и выработать предложения по их оптимизации.

Рассмотрим примеры моделей для некоторых типичных показателей оценки НД вуза с учетом Постановления Правительства РФ «Об оценке результативности деятельности научных организаций…».

1)    Общий объем НИР (Vобщ) и объем НИР за счет собственных средств (Vвнутр) (тыс. руб.); значения показателей вычисляются для каждого объекта оценивания – подразделения, факультета, вуза:

,                                                           (1)

,                                               (2)

где Vi  – объем i-й НИР (тыс. руб.); K, Kвнутр  – соответственно общее количество договоров и количество внутренних договоров на выполнение НИР по объекту исследования.

2)    Подпись:  

Рис. 2
Удельный вес внутренних затрат на исследования и разработки в общем объеме выполненных научной организацией работ, услуг (%):

.                                      (3)

3)    Внутренние затраты на исследования и разработки, отнесенные к численности исследователей (тыс. руб./чел.):

.                                                       (4)

4)    Среднегодовой объем НИР на одного исследователя за последние пять лет (тыс. руб./чел.):

.                                              (5)

5)    Среднегодовой объем внутренних НИР за последние пять лет:

,                           (6)

где K5, Kвнутр,5 – соответственно общее количество и количество внутренних выполненных и профинансированных за пять лет НИР; Nиссл, 5 – среднегодовое количество сотрудников, отнесенных к категории исследователей.

Для первых четырех показателей граф зависимости промежуточных и результатных показателей включает первичные оперативные данные и классификаторы (фрагмент графа зависимостей показателей см. на рис. 1). Граф показывает, какие данные должны хранить в БД системы для вычисления определенных показателей НД и от каких первичных и промежуточных данных зависят результатные показатели.

На основе декомпозиции и анализа содержания сформулированных целей и задач процесса управления НД, а также определенных формализованных показателей разработаны функциональные модели, используемые для синтеза ПО ИАС, например, функциональная модель типичного процесса учета НИР в вузе без учета возможных подпроцессов по работе с рекламациями заказчиков включает четыре подпроцесса (рис. 2, 3). Для внутренних НИР вместо выписки из банковского счета должны использоваться другие или дополнительные документы, например, ведомости оплаты.

На основе графовой и функциональных моделей разработана диаграмма классов (рис. 4). В нее входят следующие группы классов: справочники (Кафедра, Тип_участника_НИР, Источник_фи­нансирования, НТ_направление, Объект_фи­нансирования, Статус_НИР, ЛКСЭЦ, Характер_НИР, Область_науки, Классификатор_ГРНТИ, Код_ГРНТИ, Вид_приказа), персональные данные участников (Студент, Сотрудник, Приказ, Содержание_приказа) и данные по НИР (НИР, Участник_НИР, Этап_НИР, Оплата_НИР, Статистика).

Вычисление показателей, характеризующих НД за пять лет и включающих данные о количестве исследователей, может выполняться по различным правилам, содержание которых влияет на производительность и надежность процессов обработки данных.

Подпись:  Рис. 3Непосредственное использование (1) и (2) требует наличия в БД ИАС НД первичных данных за пятилетний период, количество которых велико, и достаточно сложных и многократно повторяемых процедур обработки данных, что требует существенных затрат времени. Кроме того, за такой период накопления данных возможна их частичная потеря (это могут быть и документы НИР, и приказы на сотрудников); продолжительная обработка накопленных данных сопряжена с вероятностью сбоев системы. Для снижения риска проявления негативных факторов можно использовать обработку данных, накапливаемых в течение определенного периода (одного года или полугодия). Обработка данных, накопленных за полугодие, для вуза предпочтительнее, так как требуется формирование отчетных данных за учебный и за календарный год.

Поэтому выражения (5) и (6), использующиеся для вычисления P5,1  накапливаемых за полугодие данных, следует преобразовать в (3) и (4):

,                                            (7)

где VНИР, i – объем НИР, выполненных за i-е полугодие в рамках рассматриваемого пятилетия,

.                                 (8)

Величину Nиссл, 5 наиболее просто можно оценить на основе среднесписочных значений за i-е полугодие ():

,                                           (9)

,                             (10)

где Nиссл,i,H, Nиссл,i,K  – количество сотрудников, отнесенных к категории исследователей, на начало и окончание i-го полугодия.

Для повышения оперативности получения данных о результатах НИР в качестве периодов накопления и промежуточной обработки можно использовать квартал или месяц. В этом случае следует внести соответствующие изменения в (7) и (8) для вычисления значений показателей за пятилетку.

Использование рассмотренной технологии моделирования показателей НД позволит обеспечить создание корректных компонентов информационного, программного, методического обеспечения ИАС вуза.

Литература

1.     Новиков Д.А., Суханов А.Л. Модели и механизмы управления научными проектами в вузах М.: Ин-т управления образованием РАО, 2005. 80 с.

2.     Говорков А.С. Автоматизация организационно-управ­ленческих аспектов научной деятельности вуза // Университетское управление. 2009. № 6. С. 13–18.

3.     Котляров И.Д. Управление продуктивностью научной работы профессорско-преподавательского состава // Университетское управление. 2009. № 5. С. 41–48.

4.     Мелехин В.А., Хеннер Е.К. Структурно-информаци-онная модель научной деятельности классического университета // Университетское управление. 2008.  № 6. С. 85–95.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=3028
Версия для печати
Выпуск в формате PDF (5.33Мб)
Скачать обложку в формате PDF (1.08Мб)
Статья опубликована в выпуске журнала № 1 за 2012 год. [ на стр. 104 - 107 ]

Возможно, Вас заинтересуют следующие статьи схожих тематик: