andrey

Путь к Файлу: /институт / Виткин Внедрение СМК в ВУЗах К2004 / 4-концепт-модель.doc

Ознакомиться или скачать весь учебный материал данного пользователя
Скачиваний:   1
Пользователь:   andrey
Добавлен:   08.03.2015
Размер:   1.3 МБ
СКАЧАТЬ

Розділ 4. Концептуальна модель оцінювання якості підготовки студента ВНЗ

4.1 Проблема оцінювання якості підготовки студента ВНЗ

Наявність у студента ВНЗ диплома про вищу освіту у багатьох випадках не дає уявлення про якість його професійної підготовки і можливість ефективно працювати за місцем роботи. Тому існує нагальна потреба у розробленні метода оцінювання якості підготовки на основі кількісних оцінок.

У Всесвітній декларації з вищої освіти, прийнятій у листопаді 1998 року говориться про те, що якість вищої освіти є багатомірним поняттям, яке охоплює усі види діяльності ВНЗ, навчальні і академічні програми, навчальну і дослідницьку роботу, професорсько-викладацький склад і студентів, матеріально-технічну базу  та інші ресурси.

У загальному вигляді проблема якості підготовки студентів пов”язана з вирішенням самим ВНЗ цілої низки складних питань.

По-перше, потрібно запропонувати, розробити й обгрунтувати методичний підхід щодо шляхів ефективного управління якістю підготовки спеціалістів у ВНЗ.

По-друге, необхідно встановити фактори, що впливають на підвищення якості підготовки фахівців.

По-третє, на сьогодні відсутня конкретна завершена система показників якості підготовки спеціалістів вищої школи. Тобто потрібно визначити таку систему.

По-четверте, існують окремі методи оцінки якості підготовки, кожен з яких має певні недоліки, але не визначено оптимального.

По-п”яте, не вирішено питання збору інформації про якість підготовки протягом усього навчального циклу, починаючи від абітурієнта і закінчуючи вже працюючим спеціалістом, а також статистичного оброблення зібраних даних.

4.2 Сучасні методи оцінювання якості підготовки студента ВНЗ

На сьогодні існує досить багато методів оцінювання якості підготовки студентів ВНЗ. В основі більшості відомих методів оцінювання лежать формальні критерії, кількість яких коливається від декількох до декількох десятків. Вочевидь, що за таких різних методичних підходів роботодавцю неможливо співставити якість навчання  у різних ВНЗ і зробити свідомий вибір на користь найкращого. Така ситуація не задовольняє і самі вищі навчальні заклади, які здатні поставляти на ринок конкурентоспроможних, компетентних фахівців.

Розглянемо деякі найбільш відомі з сучасної наукової літератури методи.

Так у [1] пропонується підхід на основі визначення двох параметрів: початкового (вхідного) рівня знань  абітурієнта та підсумкового (вихідного) рівня студента ВНЗ  на основі бальної оцінки результатів тестування на вході та виході. Головним недоліком даного методу є відрив результатів оцінювання від реальних очікувань роботодавця, хоча це може бути певною мірою компенсовано за рахунок розроблення відповідних тестових завдань, орієнтованих на потреби ринку праці.

У джерелі [2] наводиться спосіб оцінювання якості підготовки на основі громадської незалежної від держави акредитації ВНЗ за трьома видами показників:

a. потенціалу ВНЗ, обгрунтованості цілей, динаміки зростання ресурсів;

b. спеціалізованих, таких як змістовна частина процесу навчання, фундаментальні науки, спеціалізовані дисципліни. новації, практичні заняття;

c. особистих досягнень студента, оцінки особистої спроможності студента протягом усього терміну навчання.

Недоліком цього підходу є невизначеність системи показників і конкретних способів їх вимірювання.

У [3]  пропонується визначити якість навчальної послуги на основі таких показників, як відсоток працевлаштованих за спеціальністю, вартість навчання, рівень психофізичних параметрів після навчання відносно вхідного рівня. Цьому підходу, як і попередньому, притаманний такий суттєвий недолік, як відсутність зв”язку з реальними процесами, з яких складається діяльність ВНЗ і обмеження лише переліком певних формальних показників.

Джерело [4] наводить цілу низку методів, які використовуються для оцінки якості підготовки спеціалістів у ВНЗ. Одним з найбільш розповсюджених є метод соціологічного анкетування шляхом розроблення спеціальної анкети. Недоліком його є визначення лише можливостей молодого спеціаліста, а не його реальна здатність задовольняти роботодавця. Інший запропонований метод інтегральної оцінки визначає готовність спеціаліста до майбутньої роботи на основі моніторингу за його навчанням упродовж певного періоду навчання. Недоліком методу є недорозвиненість системи оцінок інших критеріїв, крім критеріїв успішності навчання.

 Наступні два методи дозволяють передбачати результати навчання на основі екстраполяції  дійсних тенденцій. Головними їх недоліками є  неконструктивність і складність реалізації.

Ще одним способом, запропонованим у [4] є визначення професійного потенціалу спеціаліста – Н:

Н = -log (1-Р),

де Р – ступінь відповідності вимогам науково-технічного прогресу. Недоліком цього підходу є фактична оцінка обсягу набутих теоретичних матеріалів, а не продуктивності праці у вирішення професійних завдань.

Загалом недоліком усіх перерахованих вище методів оцінювання є те, що вони базуються на визначенні і аналізі ряду тих чи інших формальних показників і практично не враховують реальні процеси, які відбуваються у ВНЗ, тобто не враховують, або лише опосередковано враховують внесок ВНЗ у розвиток і формування особистості спеціаліста.

Зазначений недолік пропонується усунути у концепціях оцінювання якості навчальної діяльності, запропонованих у [5] та [6]. У них передбачається здійснити оцінювання та аналіз якості навчального процесу ВНЗ, а також оцінку якості абітурієнтів та ступеню задоволеності вимог самих студентів, держави і роботодавців. Якість ВНЗ як результат навчального процесу можна оцінити як сумарну якість, що складається з якості навченості студента, якості його здібностей та ступеня задоволеності роботодавця.  Крім того, посилену увагу приділено вимірюванню якості процесів, як суми якості планування, виконання, контролю та удосконалення процесів. Джерела [5] і [6], пропонуючи системний підхід до оцінювання якості підготовки студента ВНЗ, на жаль, не дають  легкого у  використанні на практиці способу.

4.3 Нова концептуальна модель оцінювання якості підготовки студента ВНЗ

Аналіз і співставлення розглянутих методів оцінювання якості підготовки студентів ВНЗ, а також підходів, які використовуються для оцінювання якості й ділової досконалості підприємств і організацій на основі принципів TQM і міжнародних стандартів ISO серії 9000 дозволяє запропонувати нову концептуальну модель оцінювання якості підготовки студента. Такий  підхід, концептуально близький до зазначеного вище,  вже довгий час успішно застосовується на практиці в моделі Європейського (EFQM) і національного конкурсів якості і ділової досконалості. Його адаптація до специфічних вимог і потреб навчальної діяльності ВНЗ дозволяє отримати практичний спосіб оцінювання якості підготовки студента ВНЗ.

Авторами було проведено попереднє дослідження з метою визначення критеріїв, за якими має здійснюватись оцінювання якості підготовки студента ВНЗ, а також вагових коефіцієнтів кожного з критеріїв. Для цього було застосовано метод вибіркового опитування 8 груп респондентів, заінтересованих у результатах навчання, відповідно до спеціально розроблених анкет.

Першу групу склали абітурієнти, другу - студенти спеціальності “Якість, стандартизація та сертифікація”. Третя включала батьків студентів, четверта -викладачів цієї спеціальності. П”ята – представників роботодавців – органів сертифікації, державних центрів стандартизації, сертифікації та метрології, інших підприємств і організацій. Шоста - представників держави, а саме співробітників центрального апарату Держспоживстандарту України. Сьома – представників громадських організацій, восьма – студентів ВНЗ, які вже певний час працюють за спеціальністю “Якість, стандартизація та сертифікація”.

По кожній групі опитуваних було отримано перелік критеріїв і їх рейтинг (ваговий коефіцієнт).

Щоб ці оцінки мали цінність для використання необхідно було виконувати певні процедури при їх збиранні та обробленні [7].

Для оцінки узгодженості експертів використовувались методи рангової кореляції та конкордації [7, 8, 9, 10, 11].

Коли оцінки експертів неузгоджені, то можна вибрати один із наступних варіантів дій:

– виключити експерта, чия думка найбільш відрізняється від інших;

– виключити об’єкт, який викликає протиріччя;

– розділити експертів на групи, в яких оцінки узгоджені і провести аналіз в кожній групі окремо.

Варіант вибирається в залежності від умов поставленої задачі.

Алгоритм видалення експерта:

1. Розрахувати для всіх експертів матрицю рангових коефіцієнтів Спірмена. 4-концепт-модель, де R1i і R2i — ранги i-го обєкта для кожної з порівнюваних змінних.

2. Знайти експерта, для якого r(k, i) — min " i О 1,... m, тобто думка якого найменш узгоджена з іншими. Відсутність такого може означати, що ми маємо справу з розбиттям експертів на кілька груп.

3. У випадку невдачі за п.2, необхідно намагатися знайти експерта, для якого середнє значення r(k, i) — min.

4. Виконати перевірку узгодженості експертів після виключення вибраного.

Виключення об’єкту, який викликає неузгодженість експертів.

1. Вибирається об’єкт, для якого дисперсія рангів буде максимальною, тобто 4-концепт-модель,,

де Xij ранг, який встановив i-му обєкту j-й эксперт, Xi середній ранг для i-го обєкта, m —кількість експертів.

2. Виключити вибраний об’єкт і провести перевірку узгодженості.

Розподіл експертів на групи, в яких думка узгоджена.

Для такого розбиття можна використати кластерний аналіз. За відстань між експертами при цьому приймають величину abs(r(k,i)), тобто, чим більша узгодженість, тим менше відстань.

Конкордація

Для визначення узгодженості використовується коефіцієнт конкордації запропонований Кендаллом.

4-концепт-модель,                            (4.1)

где n — кількість об’єктів, що аналізуються;, m — кількість експертів;, Rij — ранг j-го  об’єкта, який встановлено i–м експертом. Якщо оцінки повністю протилежні, то коефіцієнт конкордації дорівнює нулю.

За наявності звязок (однакових значень) формула корегується:

4-концепт-модель        (4.2)

 де 4-концепт-модель, при цьому Li – число звязок, ni  кількість елементів в i-й звязці для j-го експерта.

Значимість коефіцієнта конкордації при малій кількості експертів перевіряється по спеціальним таблицям (таблиця 4.1 взята з [8]).

Таблица  4.1

N=3; m=10

N=5; m=3

50

0,092

56

0,096

62

0,046

62

0,056

104

0,0034

78

0,053

126

0,0008

86

0,0009

 

Для отримання критичного значення коефіцієнта конкордації необхідно табличне значення підставити в формулу 12*S/m2(n3–n).

Якщо кількість експертів більше 7, то для перевірки значимості порівнюють значення виразу n(m-1)W с табличним значенням, розподіленим за c2 с N-1 ступенями свободи.

Для визначення значимості різних процесів в концептуальній моделі якості підготовки студента ВНЗ було проведено опитування 8 експертів - по одному з кожної групи експертів, зазначених вище, на основі згаданого методу експертних оцінок, оцінка яких найдільш збігається з думкою своєї групи. Експерти розставляли бали по кожному з процесів таким чином, щоб їх сума дорівнювала 100. Результати опитування експертів наведено в табл.4.2.

 

Таблиця 4.2 

Оцінювана характеристика

№ групи експертів

Середнє

Середнє нормоване

До суми 100

1

2

3

4

5

6

7

8

Базовий рівеньзагальних знань та умінь

6

7

7

5

1

8

4

2

5

5

Професійна придатність абітурієнта

22

19

21

25

23

20

21

5

19,5

20

Особисті якості абітурієнта

1

7

6

3

7

5

4

5

4,75

5

Ключові процеси підготовки спеціалісти

6

41

46

23

32

33

45

14

30

30

Оцінювання якості підготовки студентом

4

7

6

8

2

1

9

6

5,375

5

Оцінювання якості підготовки ВНЗ

8

7

14

13

12

9

8

10

10,125

10

Оцінювання якості підготовки суспільством

3

4

3

5

4

6

7

6

4,75

5

Оцінювання якості підготовки работодавцями

14

21

24

22

13

23

23

21

20,125

20

Сумма

99,625

100

 

Таблиця визначення S приведена в додатку Д Додатку 7 розділу 11. Визначений коефіцієнт конкордації W=0,725. Проведемо перевірку значимості коефіцієнта, використовуючи критерій c2[7,12]. Оскільки c2розрахункове=40,58>c20,05; 7=14,07 то коефіцієнт конкордації статистично значимий і експертні висновки узгоджені між собою. Тому ми можемо знайти  їх середнє значення та пронормувати так, щоб сума їх була 100. Результати приведені в останніх двох стовпчиках таблиці 4.2.

 

 

Узагальнені результати опитування наведено  на рис. 4.1.     

4-концепт-модель 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Рис. 4.1

1. Базовий рівень загальних знань і умінь абітурієнтів (5 балів, 5%)

2. Професійна придатність абітурієнтів (20 балів,  20%)

3. Особисті якості абітурієнтів (5 балів,  5%)

4. Ключові процеси підготовки  абітурієнта, студента (30 балів,  30%)

5. Оцінювання якості підготовки студентом (5 балів, 5%)

6. Оцінювання  якості підготовки ВНЗ (10 балів, 10%)

7. Оцінювання якості підготовки суспільством (5 балів, 5%)

8. Оцінювання якості підготовки роботодавцями  (20 балів,  20%).

 

Аналіз отриманих результатів дозволяє зробити висновок про те, що вони в цілому збігаються з очікуваннями і передбаченнями. В свою чергу це говорить про перспективність і доцільність продовження дослідження даного підходу  з уточненням переліку критеріїв  та їх вагових коефіцієнтів на основі експертних методів опитування і статистичних методів оброблення їх результатів. Таким чином модель оцінювання якості можна представити у вигляді рис. 4.2.

 

4-концепт-модель

 

 

 

 

 

Ключові процеси підготовки студента

абітурієнтів (5 балів,  5%)

 
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Рис. 4.2

 

В основу метода мають бути покладені наступні положення:

1. Якість підготовки студентів – це ступінь, до якої сукупність його знань, умінь, навичок, особистих властивостей здатна задовольняти вимоги законодавства, суспільства, роботодавців.

2. Якість підготовки студента ВНЗ формується на основі його особистих здібностей, попереднього навчання та як результат сукупності ключових процесів, з яких складається діяльність ВНЗ.

3. Рівень якості підготовки студента ВНЗ оцінюється за 100-бальною шкалою. Оцінювання якості здійснюється за двома групами критеріїв: “можливості” – 60 балів та “результати” -  40 балів.

Оцінювання за критеріями 1, 2, 3, 6 проводиться за допомогою тестування, у відповідності до встановленої шкали вимірювання. При цьому основною проблемою є забезпечення точності і достовірності результатів тестування, їх відповідності рівню знань, умінь, навичок абітурієнта, студента, студента. Одну з можливих методик формування тестових завдань наведено у [13]. Оцінювання за критеріями 5, 7, 8 може здійснюватись шляхом опитування або анкетування, з подальшим обробленням його результатів. Оцінювання ключових процесів підготовки студента ВНЗ має здійснюватись за окремою методикою групою експертів. В свою чергу вони можуть підвести загальні підсумки оцінювання за всіма критеріями.

Візуалізацію результатів оцінювання якості підготовки студента ВНЗ наведено на рис. 4.3.

 


 

4-концепт-модель 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Візуалізація результатів підготовки студента за критерієм «можливості» - 60%

4-концепт-модель
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Візуалізація результатів підготовки студента за критерієм «результати»  - 40%

 

4-концепт-модель 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Візуалізація результатів підготовки студента за критеріями «можливості 60%»,  «результати 40%»

 

Рис. 4.3

 

Запропоновану модель досить легко можна використати для оцінювання якості підготовки за окремою спеціальністю (декількох груп), кафедри (декількох спеціальностей), факультету (декількох кафедр), ВНЗ в цілому.

Загальну методику оцінювання на основі даної моделі доцільно встановити у відповідному стандарті ВНЗ, як і згадані вище методики оцінювання ключових процесів підготовки абітурієнта, студента, студента ВНЗ, а також методики формування тестових завдань, самооцінювання студента, оцінювання роботодавцем і суспільством (рис.4). 

4-концепт-модель 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


Рис. 4.4

 

 

4.4 Оцінювання якості діяльності ВНЗ на основі концептуальної моделі

Для оцінки якості діяльності ВНЗ використовується пара критеріїв: можливості та результати.

Для оцінювання результативності ВНЗ можна провести аналіз залежності можливості-результати для сукупності студентів даного навчального закладу. Ця оцінка може виконуватися візуально за допомогою діаграм розсіяння та регресійного аналізу ( розглянуто у розділі 9 книги).    Розрахунки виконано за допомогою засобів електронної таблиці Excel [14] або програмного засобу ПРІАМ [15].

Загальний вид відображення залежності можливості-результати приведено на рис. 4.5. Горизонтальна червона лінія відображає ідеалістичну лінію залежності, коли всі студенти, незалежно від їх базової підготовки та здібностей, досягають найвищих результатів. Лінія, що проходить через початок координат відповідає реалістичній ситуації: результати в цілому пропорційні здібностям. Якщо множина точок, що відображають можливості і результати сукупності студентів, розміщені між цими лініями, то рівень якості діяльності ВНЗ  в цілому задовільний. Загальний вигляд діаграми для оцінювання результативності роботи ВНЗ представлено на рис 4.5.

 

4-концепт-модельРезультати         В

 

 

 

С

 

 

 

Н

 

 

 

 

Н

С

В

Можливості

 

Рис. 4.5 

На рис. 4.6 – 4.9 показані деякі можливі варіанти розміщення точок діаграми. В деяких з вказаних випадків робота ВНЗ має недоліки, які потрібно усунути.

Результати

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Можливості

 

Рис. 4.6 Ідеалізований варіант результативності

 

Результати

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Можливості

Рис. 4.7  Реалістичний варіант результативності

 

Результати

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Можливості

Рис. 4.8 Варіант з недостатньою увагою до здібних

 

Результати

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Можливості

Рис. 4.9  Варіант з недостатньою увагою до студентів з низькою та середньою підготовкою

На рис. 4.10 і 4.11 показані діаграми розсіяння реальної академічної групи (2.7 з проведеною лініює тренда), які ілюструють одну з описаних вище ситуацій.

4-концепт-модель 

Рис. 4.10  Вигляд діаграми для академічної групи

4-концепт-модель

Рис. 4.11 Діаграма з лінією тренда

4.5 Формула результативності діяльності ВНЗ

Звісно, для порівняння як різних ВНЗ, так і еволюції одного ВНЗ у часі необхідно мати числові узагальнені оцінки результативності. Тобто необхідно розробити міру результативності. Вона повинна відповідати наступним вимогам:

1. Бути одним числом для однієї оцінюваної одиниці (ВНЗ, факультету, групи, тощо).

2. Повинна допускати смислову інтерпретацію.

3. Значення повинні давати можливість порівнювати різні об’єкти, тобто оцінка не повинна залежати від розміру об’єкта і абсолютних значень оцінок можливостей і результатів.

4. Мати абсолютне значення, за межами якого результативність не є задовільною.

Для цього пропонується числова оцінка результативності, яка отримується з описаних вище вихідних даних про можливості і результати. Формула створена таким чином, що задовільне значення оцінки результативності більше (гранично дорівнює) нуля. Вона є середнім значенням нормованого відношення результати-можливості, яке більше нижнього рівня на рис. 4.5. Значення менше нуля означає незадовільну в цілому роботу ВНЗ. Чим більше значення оцінки результативності, тим краща робота ВНЗ.

Можна використати як оцінку результативності величину 4-концепт-модель. Вона представляє собою середнє значення перевищення результатів похилої лінії х на рис. 4.5, яка відображає пропорційність результатів можливостям. Але ця величина ненормована. Якщо нормувати її на величину 4-концепт-модель, яка представляє собою максимально можливі результати (горизонтальна лінія на рис. 4.5), то величина результативності буде змінюватися від –1 до 1. Відповідно формула приймає вигляд:

4-концепт-модель

Значення величини результативності нормовано, як відносно кількості студентів, так і відносно  абсолютних значень можливостей і результатів (грає роль тільки їх співвідношення). При значенні R=0 відсутня дія якості діяльності ВНЗ  на підвищення можливостей студента. Якщо значення результативності нижче 0, то це означає погіршення можливостей у процесі навчання. Значення R дає оцінку результативності в середньому по відношенню до всього контингенту студентів.

Для прикладу з рис. 4.10 малюнок з проведеною лінією, що відображає границю задовільного рівня приведено на рис. 4.12. Значення результативності в даному випадку R = – 0,3333. На рис. 4.13 представлено варіант з задовільною роботою. Значення результативності при цьому R = 0,2274.

4-концепт-модель4-концепт-модель

Рис. 4.12 Приклад незадовільної роботи

4-концепт-модель4-концепт-модель

Рис. 4.13  Приклад задовільної роботи

Було б зручно крім оцінок задовільно і незадовільно мати змогу використовувати також оцінки добре та відмінно. Для їх введення додатково проведемо дві лінії з точки (30,40) в точки (0,15) та (0,25) в координатах (можливості, результати), див. рис. 4.14. Кожна з ліній є нижньою границею оцінок задовільно, добре і відмінно відповідно. Їх формули мають вигляд:

4-концепт-модель

4-концепт-модель

Рис. 4.14  Розбиття за градаціями: задовільно, добре, відмінно.

Числові відповідності оцінок результативності наведені в табл. 4.3.

Таблиця 4.3 

Оцінка

Числова межа

Незадовільно

–1 < R < 0

Задовільно

0 < E < 0,375

Добре

0,375 £ E < 0,625

Відмінно

0,623 £ E < 1

 

Оцінка результативності дає уявлення про  якість діяльності ВНЗ  в цілому. Для виконання числової перевірки факту нерівномірної підготовки студентів та загального рівня підготовки можна скористатися регресійним аналізом (розділ 9 книги).

Для перевірки загального рівня підготовки будуємо лінійну регресію залежності результатів від можливостей. Для перевірки факту нерівномірності підготовки будуємо додатково полігональну регресію, або поліноміальну більш високих порядків. Якщо вона описує сукупність даних краще лінійної, то це і означає доведення гіпотези, що перевіряється.

Полігональна регресія є аналітичним представленням експериментальних даних за допомогою ломаної лінії, яка складається з відрізків прямих, побудованих за методом найменших квадратів. Ще в Себера [16] розглядається двофазна лінійна регресія з точкою перемикання. Ця регресія призначалась для тих випадків, коли в деякій точці на процес робиться вплив, в результаті якого змінюється залежність. В подальшому в літературі розглядалися випадки більш ніж двох фаз і робилися спроби узагальнити задачу на багатовимірний випадок [13, 17]. Растригін [18] показує, що для розв’язання задачі екстраполяції необхідно віддавати перевагу полігональна регресія перед поліноміальною. В роботі Кузьміна [19] запропонована функція, яка дозволяє описати багатофазну регресію без системи умов і фіктивних змінних у вигляді єдиного аналітичного виразу, що значно полегшує її практичне використання..

Полігональна модель має наступний загальний вид

Y = A + BX +C(X – XП)+,

де XП – координати точки перелому, а 4-концепт-модель.

Для побудови оптимальної (по мінімуму залишкової дисперсії 4-концепт-модель) полігональної регресії необхідно знайти координати точки перелому. Для дискретного аргументу задача може бути розв’язана простим перебором, для неперервного – методом половинного поділу, або випадкового пошуку з заданою точністю. Відповідне значення XП, що відповідає найкращій регресії і буде точкою перелому.

Для прикладу на рис. 4.10 результативність R = 0,465. Тобто в цілому робота задовільна.

Статистичні характеристики лінійної моделі наведено у табл. 4.4.

Таблиця 4.4 

Статистичні характеристики лінійної моделі

Значення характеристики

Множинний коефіцієнт кореляції R

0,9631708

R-квадрат

0,9276979

Нормований R-квадрат

0,9245543

Середньоквадратична помилка

1,4920643

 

Статистичні характеристики коефіцієнтів моделі наведено у табл. 4.5.

Таблиця 4.5

 

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Y-пересечение

3,234493

0,593231

5,452334

1,53E-05

Переменная X 1

0,617073

0,035921

17,17876

1,29E-14

 

Найкраща поліноміальна модель є поліномом третього ступеню (повністю протокол приведено в Додатку В Додатку 7 розділу 11). Побудова найкращої моделі за показниками інформативності і адекватності виконується за допомогою програмного засобу ПРІАМ автоматично [15].

Y = 12.0422 + 9.70445x1 + 1.00485u1

де:

 x1 = 0.0635866*(X1 – 14.2734);

u1 = 3.55687*(x1^3 – 0.285983*x1^2 – 0.543852*x1 + 0.048249);

Y – це результати, а X1 – можливості.

Порівняння залишкових дисперсій цих моделей за критерієм Фішера Fексп= 2,23/2,03=1,09< Fкр=2,04 показує, що вони не відрізняються статистично значимо. Цей факт, а також те, що нелінійність пояснює менше 1% загального розсіяння дозволяє нам вважати підготовку пропорційною.

4.6 Аналіз результативності роботи ВНЗ з абітурієнтами

За розподілом абітурієнтів відповідно рівня їх придатності можливе визначення категорії абітурієнтів, що орієнтуються на ВНЗ, і виходячи з цього, результативність роботи ВНЗ з абітурієнтами.

Рівень придатності абітурієнтів визначається за трьома показниками: базовий рівень загальних знань і умінь, професійна придатність, особисті якості. Ці показники можуть розглядатися як вектор для кожного абітурієнта, так і згорнуті в один показник. Використовуючи кластерний аналіз можливо перевірити гіпотезу про наявність групування абітурієнтів за вказаними показниками. Попередню перевірку можна виконати візуально за допомогою діаграм розсіювання.

Алгоритм перевірки

1. Перевірка наявності кількох кластерів абітурієнтів за показниками їх підготовки та придатності.

2. Якщо розбиття на кластери відсутнє, то припинити роботу, інакше продовжити.

3. Визначити, якими факторами та значеннями їх рівнів визначається розподіл на кластери.

4. Розрахувати центри положень кластерів.

5. Зробити висновки про якості абітурієнтів, репутацію ВНЗ та роботу з абітурієнтами.

Приклад виконання аналізу

В таблиці 4.6 наведені дані за результатами тестування абітурієнтів. На основі цих даних проведено кластерний аналіз. Кластерний аналіз дозволяє виконувати розбиття об’єктів, що характеризуються множиною ознак на однорідні групи. Кластерний аналіз - це сукупність багатовимірних статистичних процедур, що дозволяє впорядкувати об`єкти по однорідних групах, які називаються кластерами [20]. Вихідними даними є матриця “об`єкти–якості”. Кількість груп може бути наперед відома або ні. Існує більш ніж 200 різних алгоритмів кластерного аналізу.

Оскільки різні процедури можуть давати для одних і тих же даних різне розбиття на кластери як по кількості так і по складу, то обов`язково необхідний семантичний аналіз.

Загальна схема розв`язання задачі

Формування вибірки для аналізу.

Вибір сукупності властивостей, які характеризують об`єкт.

Вибір міри близькості об`єктів (і відповідного способу нормування вихідних даних).

Формування початкових кластерів методом сфер.

Побудова дендриту, визначення зв`язності.

Аналіз результатів.

Міри близькості для об`єктів

Найбільш часто використовуються міри, що базуються на на узагальненій відстані Махалонобіса, яке визначається формулою:

4-концепт-модель

де Х – вектор спостережень, L – симетрична невід`ємно визначена матриця вагових коефіцієнтів (звичайно діагональна), S – коваріаційна матриця сукупності, з якої вибрані спостереження.

Реально використовуються наступні окремі види відстаней.

Евклідова відстань.

4-концепт-модель

Зважена Евклідова відстань

4-концепт-модель

Хемінгова відстань. (відстань міських кварталів)

4-концепт-модель

Відстань між класами

“Найближчого сусіда”.

Мінімальна відстань між парою об`єктів, кожен з яких належить до іншого кластера,

“Дальнього сусіда”.

Максимальна відстань між парою об`єктів, кожен з яких належить до іншого кластера,

“По центрам ваги” кластерів.

Відстань визначається між центрами ваги кластерів.

На принцип “середнього зв`язку”

Відстань є арифметичним середнім всіх можливих пар комбінацій між об`єктами, що входять в різні кластери.

4-концепт-модельНа рис. 4.15 показана діаграма розсіяння, з якої видно, що дані розпадаються на дві розділені в просторі підвиборки (кластери), що не зв`язані між собою.

 

 

 

 

 

 

 

Найбільш часто використовується ізотонічне та ізоморфне розбиття на кластери. Кожному з них відповідає свій спосіб нормування простору та визначення відстані між об`єктами. При ізотонічному розбитті групи складаються з об`єктів однорідних по рівню значень ознак, а при ізоморфному в групи включаються об`єкти, близькі по структурі, тобто такі, в яких пропорції ознак мало відрізняються. Приклад –структура витрат сімей.

В усіх випадках ознаки спочатку перетворюються таким чином, щоб розмах шкал був однаковим і не було одиниць вимірів.

Ізотонічне розбиття

Виконується наступна послідовність перетворень.

4-концепт-модель,

4-концепт-модель,

де xij значення j-ї ознаки для i-го об`єкту.

Відстань визначається за наступною формулою.  dij =| wi — wj |.

Ізоморфне розбиття

Відстань визначають наступним чином

4-концепт-модель.

Нормовані змінні знаходять по формулі

4-концепт-модель.

Розбиття на кластери методом сфер

В методі сфер критичний радіус, по якому визначається, чи належить об’єкт даному кластеру визначається по формулі:

 4-концепт-модель

Тобто, по кожному об’єкту знаходиться відстань да найближчого до нього (мінімальна), а потім з цих мінімальних як критичне вибирається максимальне. Тоді об’єкти, відстань між якими менша критичної, належать до одного кластера. На рис. 4.16 показано розбиття на кластери методом сфер. Недоліком методу є те, що кластери мають штучну форму (сферичну).

 

4-концепт-модель
 

 

 

 

 

 

 

 

 


Побудова дендритів і визначення зв’язності

Побудувавши дендрит, можливо визначити форму сліду даних. Під слідом розуміють просторову форму, яку приймає сукупність даних.

Побудова дендриту, який охоплює всю вибірку виконується наступним чином. Для кожного об’єкту знаходиться найближчий. Потім виконується поєднання отриманих початкових дендритів у більш складні ланцюжки, поки не буде об’єднана вся вибірка.

Після цього знаходиться критичне значення як сума значення середньої відстані між об’єктами та середньоквадратичного.

Звичайно дендрит має форму ланцюжка, але зустрічаються і більш складні: “дерево”, “розетка”, “амеба” и т.п.

4-концепт-модельВ тому випадку, коли дендрит має форму “розетка” або “амеба” (рис. 4.17), то його необхідно розділити на більш прості. Це зв’язано з тим, що в таких випадкам ми маємо справу не з одним кластером, а фактично перетином кількох (гістерезис). Область перетину у них спільна, а у всьому іншому – це окремі зони простору. (рис. 18).

 

 

 

1.1

 
 


 

 

 

 

 

4-концепт-модель
 

 

 

 

 

 

 

 

 


Використовувалися ізоморфічні перетворення і метод дендритів для кластерів (протокол приведений в додатку Г Додатку 7 розділу 11). Ізоморфічні перетворення забезпечують формування кластерів однорідних за структурою ознак. Метод дендритів, на відміну від метода сфер, дозволяє визначати кластери довільної (а не тільки сферичної) форми.

Кінцевий результат проведеного кластерного аналізу – виділення двох кластерів. В один входять абітурієнти, закодовані номерами 1, 19, 23, 2, 12, 9, 14, 22, 7, 16, 8, 24, 25; а в другий – номерами 3, 6, 10, 18, 4, 21, 13, 5, 15, 17, 11, 20. Формального алгоритму для визначення факторів розбиття немає. Але в даному випадку, завдяки малій розмірності простору факторів (30) можливе візуальне визначення цього розбиття. На рис. 4.19 і 4.20 приведені діаграми розсіяння для двох пар факторів. З них видно, що розподіл на кластери відбувається через взаємодію двох факторів: базового рівня знань і особистих якостей. Причому абітурієнти з високим рівнем знань мають низькі особисті якості, і, навпаки, низькому рівню базових знань відповідають високі особисті якості.

4-концепт-модель

Рис. 4.19  Діаграма розсіювання для особистих властивостей і професійної придатності

4-концепт-модель

Рис. 4.20  Діаграма розсіювання для особистих властивостей і базового рівня знань

Таблиця 4.6

№ абітурієнта

Професійна придатність

Особисті якості

Базовий рівень знань

1

25

45

30

2

54

32

35

3

58

6

56

4

23

11

59

5

13

16

54

6

55

3

46

7

8

44

30

8

15

56

27

9

36

44

16

10

47

14

54

11

27

4

45

12

37

36

25

13

26

16

47

14

28

32

13

15

11

12

43

16

6

43

30

17

7

15

49

18

41

17

43

19

32

45

34

20

27

7

58

21

18

6

51

22

59

36

5

23

30

47

30

24

24

35

3

25

38

57

18

 

4.7 Висновки

1. Модель є універсальною, придатною для використання у будь-яких ВНЗ та на всіх рівнях інфраструктури ВНЗ.

2. Модель є орієнтованою на використання принципів загального управління якістю (TQM) і вимог стандартів ISO 9000:2000, зокрема, процесному і системному підході, визначенні рівня підготовки на основі оцінки ступеня задоволеності споживача, постійному удосконаленні.

3. Існує  механізм впровадження моделі через створення і підтримання системи управління якістю ВНЗ на основі зазначених принципів TQM і вимог стандартів ISO 9000:2000 та моделей європейського і національного конкурсів якості.

4. Модель забезпечує достовірність результатів, які базуються на кількісних інтегрованих показниках, зокрема виведеній формулі результативності діяльності ВНЗ, а також дає  можливість накопичення і постійного аналізу інформації про рівень підготовки як окремого студента, так і інтегрованих показників спеціальності, факультету, ВНЗ в цілому, ключових процесів ВНЗ через створення автоматизованих систем управління базами даних.

5. Модель може бути використана в процесі акредитації ВНЗ, а також  під час співставлення і порівняння результатів діяльності різних ВНЗ, рівня здійснюваної ними підготовки і ступеня задоволеності споживачів.

6. Модель сприяє абітурієнту й роботодавцю у свідомому виборі ВНЗ

7. Модель орієнтована на кінцевий результат та «клієнтизацію» процесу навчання.

8. Впровадження запропонованої моделі допоможе розкрити творчий потенціал абітурієнта, підвищити його здібності з метою максимального задоволення потреб і очікувань студента, роботодавця, держави, суспільства.  

9.  Аналіз даних на основі кластерного аналізу щодо рівня підготовки та особистих якостей абітурієнтів дозволяє зробити висновок про те, який контингент орієнтується на даний ВНЗ (за рівнем підготовки, особистих якостях). Це дозволяє:

- визначити “імідж” або авторитет ВНЗ серед абітурієнтів.

- оцінити відповідність існуючого стану з бажаним образом ВНЗ.

- цілеспрямовано вести роботу щодо поліпшення  іміджу ВНЗ.

- вести роботу з тими абітурієнтами, які фактично є цільовою аудиторією для даного ВНЗ.

 

Перелік використаної літератури

1.

Ламанов И.А. Методика измерения качества обучения в ВУЗе. Проблемы разработки и внедрения в учебный процесс. / Инновации в образовании – 2002, №2, стр. 99-107

2.

Белов В. Система оценки качества образования. / Высшее образование в России – 2002. №1, стр 44-49

3.

Логачев В. Система качества для образовательных услуг. / Высшее образование в России –2001,  №1, стр 20-24

4.

Лапшов В.А., Фокин В.Н., Фокина Т.Ю. Анализ методов, используемых для оценки качества подготовки специалистов в ВУЗе / Право и образование – 2002, №2, стр 61-69

5.

Марушина О.В., Берестева О.Г., Системный подход к оценке качества образования / Открытое образование – 2002, №3, стр 39-42

6.

Нуждин В.Н., Кадамцева Г.Г., Концептуальный проект системы управления качеством в ВУЗе / Качество Инновации Образование – 2002, №2, стр. 33-43

7.

Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок –М.: Статистика, 1980. –263с.

8.

Большев Л.Н., Смирнов Н.В. Таблицы математической статистики.— 3-е изд.— М.: Наука, 1983.— 416 с.

9.

Закс Л. Статистическое оценивание. –М.: Статистика. 1976. –598с.

10.

С.Н. Лапач, А.В. Чубенко, П.Н. Бабич Статистика в науке и бизнесе –К.: 2002, Морион. – 640с.

11.

Поллард Дж. Справочник по вычислительным методам статистики. — М.: Финансы и статистика, 1982. — 344 с.

12.

Біленчук П.Д., Бабіч П.М., Лапач С.М., Радченко С.Г. Аналіз та прогноз злочинності серед неповнолітніх за допомогою сучасних методів прикладної статистики та математичного моделювання С.114-117 // в кн. Біленчук П.Д. Криміналістичне дослідження обвинуваченого. К., 1995.

13.

Карпенко Д.С., Карпенко О.М., Шлихунова Е.Н. Автоматизированная система эффективности усвоения знаний и качества тестовых заданий/ Инновации в образовании, 2001, №2, стр 69-85

14.

С.Н. Лапач, А.В. Чубенко, П.Н. Бабич Статистические методы в медико-биологических исследованиях с использованием Excel –2 изд. Перераб. и доп. –К.: 2001, Морион. – 408с.

15.

Лапач С.Н., Радченко С.Г., Бабич П.Н. Планирование, регрессия и анализ моделей PRIAM ( ПРИАМ) / Каталог программные продукты Украины. К.: 1993. С. 24-27.

16.

Себер Д. Линейный регрессионный анализ Пер. с англ. В.П. Носко / под ред. М.Б. Малютова. — М.: Мир, 1980. — 456с.

17.

Плюта В. Сравнительный многомерный анализ в эконометрическом моделировании / Пер. с польск. — М.: Финансы и статистика, 1989. — 175 с.

18.

Растригин Л.А., Ю.П. Пономарев Экстраполяционные методы проектирования и управления –М.: Машиностроение, 1986. –120с.

19.

Кузьмин В.Н. Статистические методы выявления тренда гидрологических рядов / Мелиорация и водное хозяйство, Вып. 4. –Мн.: –1983.

20.

Факторный, дискриминантный и  кластерный анализ: Пер. с англ. – М.: Финансы и статистика, 1989. – 215с.

 

 

 

 

 

 

 

 

Наверх страницы

Внимание! Не забудьте ознакомиться с остальными документами данного пользователя!

Соседние файлы в текущем каталоге:

На сайте уже 21970 файлов общим размером 9.9 ГБ.

Наш сайт представляет собой Сервис, где студенты самых различных специальностей могут делиться своей учебой. Для удобства организован онлайн просмотр содержимого самых разных форматов файлов с возможностью их скачивания. У нас можно найти курсовые и лабораторные работы, дипломные работы и диссертации, лекции и шпаргалки, учебники, чертежи, инструкции, пособия и методички - можно найти любые учебные материалы. Наш полезный сервис предназначен прежде всего для помощи студентам в учёбе, ведь разобраться с любым предметом всегда быстрее когда можно посмотреть примеры, ознакомится более углубленно по той или иной теме. Все материалы на сайте представлены для ознакомления и загружены самими пользователями. Учитесь с нами, учитесь на пятерки и становитесь самыми грамотными специалистами своей профессии.

Не нашли нужный документ? Воспользуйтесь поиском по содержимому всех файлов сайта:



Каждый день, проснувшись по утру, заходи на obmendoc.ru

Товарищ, не ленись - делись файлами и новому учись!

Яндекс.Метрика