Прогнозування попиту на навчальні послуги (післядипломна освіта) та впровадження новітніх інформаційних технологій для підвищення ефективності їх реалізації

Размещено на http://allbest.ru

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата технічних наук

Прогнозування попиту на навчальні послуги (післядипломна освіта) та впровадження новітніх інформаційних технологій для підвищення ефективності їх реалізації

1.ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

інформаційний освіта післядипломний

Актуальність теми дисертації. Швидкі зміни техніки й технологій, гуманізація суспільних відносин привели до того, що фахівці вимушені протягом усього свого життя постійно оволодівати новими знаннями. Для забезпечення конкурентної здатності держави на світовому рівні необхідно створити потужну та гнучку систему післядипломної дистанційної освіти (СПДО).

При створенні СПДО в країні потрібно вивчити річну потребу в після-дипломній освіті. Кількісний показник необхідний для забезпечення та організації освітнього процесу в цілому, тобто для організаційної підготовки (можливі форми та вимоги щодо організації навчального процесу); потреби в кадрах (кількісні показники професорсько-викладацького, інженерно-технічного, адміністративного складу та інших робітників); методичного забезпечення; технічного устаткування та програмного забезпечення; інформаційного забезпечення (конспекти лекцій, навчальні посібники, методичні матеріали на паперових та електронних носіях, довідники, різні бази даних методичних матеріалів тощо).

При створенні системи післядипломної дистанційної освіти (вона повинна бути ефективною й економічно доцільною) необхідно розглянути всі складові цієї системи і визначити можливості організації її елементів. Адекватність відображення цих складових ієрархічним графом цілей і задач з графом організаційної структури є однією з основних умов оптимального функціонування навчального закладу як системи.

Згадане вище обумовлює актуальність прогнозу попиту на навчальні послуги СПДО та впровадження новітніх інформаційних технологій для підвищення їх ефективної реалізації.

Зв'язок роботи з науковими програмами, планами, темами. Робота виконувалась відповідно до планів науково-дослідних робіт кафедри економічної кібернетики Київського національного торговельно-економічного університету на 2000-2003 рр. з принципів, теоретичних засад побудови та технології проектування систем дистанційного навчання, до планів науково-дослідних робіт, які виконувались на замовлення Міністерства освіти і науки України “Розробка основних технічних рішень та структури комплексу технічних засобів системи дистанційного навчання Київського національного торговельно-економічного університету з елементами її типізації” (№ державної реєстрації 0100U006109).

Об'єктом дослідження в дисертаційній роботі є система післядипломної дистанційної освіти.

Предметом дослідження є процес визначення кількісних показників попиту на навчальні послуги та стратегія організації навчання в системі післядипломної дистанційної освіти.

Мета і задачі дослідження. Метою дослідження є розробка імітаційних моделей прогнозування попиту на навчальні послуги системи післядипломної освіти для України в цілому і для регіонів або для обраного фаху, розробка принципів і методів побудови прогресивних інформаційних освітніх систем на єдиній системній основі, спрямованій на підвищення якості та ефективності навчального процесу.

Відповідно до поставленої мети визначено такі основні завдання дослідження:

§ аналіз існуючих освітніх структур післядипломної освіти;

§ дослідження з позицій системного підходу функціонування системи дистанційної освіти, яка є основою формування комплексу завдань ефективного управління навчальним процесом в інформаційних освітніх системах;

§ розробка імітаційних моделей щодо визначення кількісних показників попиту на навчальні послуги системи післядипломної освіти для України в цілому і для регіонів або для обраного фаху;

§ розробка організаційної моделі процесу наукової, освітньої діяльності системи післядипломного дистанційного навчання;

§ здійснення декомпозиції поданого комплексу задач, що забезпечує постановку та розв'язування задач розробки інформаційних освітніх систем, згідно з методологією системного проектування;

§ побудова логічної схеми задач системного проектування інформаційної освітньої системи (формалізація процесу проектування);

§ формування системних вимог щодо створення та функціонування даного виду освіти.

Методи дослідження. Для теоретичних досліджень при розробці іміта-ційних моделей прогнозування попиту на навчальні послуги системи післядиплом-ної освіти для України в цілому і для регіонів або для обраного фаху використову-ються методи системного аналізу, теорії ймовірностей та математичної статистики.

Методологічний процес проектування моделі діяльності системи післядипломної дистанційної освіти базується на процесі синтезу складних систем з ієрархічним комплексом моделей, що описуються CASE-технологією BРwin.

Наукова новизна одержаних результатів. У дисертаційному дослідженні створені оригінальні імітаційні моделі прогнозування попиту на навчальні послуги системи післядипломної освіти для України в цілому і для регіонів або окремо обраного фаху, які дозволяють значно підвищити ефективність планування роботи системи післядипломної дистанційної освіти. Розроблено програмний датчик випадкових чисел, які розподілені за довільним законом та задаються за допомогою гістограми функції розподілу випадкової величини. На відміну від уже існуючих датчиків, які генерують випадкові числа за законом, заданим гістограмою інтегральної функції щільності з розбиттям на рівновеликі інтервали, створений датчик не накладає жодних обмежень на інтервали, а дозволяє працювати з обрізаними гістограмами, тобто з їх частинами. Застосування такого датчика спрощує процес формування початкової інформації, оскільки відпадає необхідність доведення належності випадкових величин до будь-якого відомого закону розподілу випадкових чисел, а також дозволяє уникнути помилок, які виникають при апроксимації випадкових величин теоретичними законами розподілу.

Засобами CASE-технології BPwin вперше створено інформаційну модель процесу навчання в системі післядипломної дистанційної освіти AS-IS (“Як є”) та після її детального вивчення знайдено найбільш уразливі місця побудови й функ-ціонування процесу навчання. З метою виправлення й усунення недоліків створено модель діяльності СПДО TO-BE (“Як буде”), реалізація якої суттєво поліпшує процес проектування та організації функціонування систем дистанційного післядипломного навчання. Охарактеризовані всі основні компоненти й складові розглянутих систем та механізми впливу на діяльність таких закладів освіти в ході проведення освітнього процесу. Створені діаграми композиції та декомпозиції вищезгаданих процесів з деталізацією окремих його підпроцесів. Зроблені висновки щодо функціонування та перспективного планування СПДО.

Обґрунтованість і достовірність наукових положень, висновків і рекомендацій. Наукові положення, висновки та рекомендації дисертації обґрунто-вані коректним застосуванням апарата імітаційного моделювання, теоретичних засад побудови і технології проектування систем дистанційного навчання, успіш-ною програмною реалізацією розроблених імітаційних моделей та ефективним практичним впровадженням результатів дисертаційних досліджень у роботу Науково-методичного центру вищої освіти Міністерства освіти та науки України.

Практичне значення отриманих результатів. Розроблені імітаційні моделі прогнозу кількісних показників попиту на навчальні послуги дозволяють значно підвищити ефективність планування роботи системи післядипломної освіти як на поточний рік, так і на перспективу. Результати, що отримані в дисертаційному дослідженні, реалізовані й впроваджені у практичну роботу Науково-методичного центру вищої освіти Міністерства освіти та науки України. Принципи, теоретичні засади побудови та технологія проектування систем дистанційного навчання, зокрема, принципи й методи застосування CASE-технології BPwin при організації системи дистанційного навчання реалізовані в рамках виконання науково-дослідних робіт за темою 0100U006109, прийняті міжвідомчою комісією Міністерства освіти і науки України. Вони використані в навчальному процесі КНТЕУ в рамках лекційного курсу та практичних занять з дисципліни “Інформаційні технології та системи”.

Публікації. Результати дисертаційних досліджень опубліковані в 11 друкованих працях, серед яких: 1 стаття в науковому фаховому журналі, 5 статей у фахових збірниках наукових праць, 5 тез доповідей на конференціях.

Апробація результатів дисертації. Результати досліджень повідомлені на міжнародних конференціях з керування “Автоматика-2001” (м. Одеса, 2001 р.), “Автоматика-2002” (м. Донецьк, 2002 р.), 3-й міжнародній міждисциплінарній науково-практичній конференції “Сучасні проблеми науки та освіти” (м. Ужгород, 2002 р.), конференції “Інтернет, освіта, наука - 2000” (м. Вінниця, 2000 р.), науково-методичній конференції “Проблеми безперервної освіти в сучасних умовах соціально-економічного розвитку України” (м. Івано-Франківськ, 2002 р.), щорічних конференціях професорсько-викладацького складу КНТЕУ, на постійно діючому семінарі наукової ради з проблеми “Кібернетика” НАН України “Організація програмного забезпечення АСУ” (2001-2003 рр.).

Особистий внесок здобувача. Всі основні наукові результати, що виносяться на захист, отримані особисто автором. Всі друковані праці С.Л.Рзаєвої опубліковані без співавторів.

Структура дисертації. Дисертація складається зі вступу, трьох розділів, висновків і додатків, які містять документи щодо впровадження результатів роботи. Обсяг дисертації Ї 185 сторінок. Робота містить 32 рисунка та 3 додатки. Список використаних літературних джерел на 13 сторінках налічує 196 найменувань.

2.ОСНОВНИЙ ЗМІСТ РОБОТИ

інформаційний освіта післядипломний

У вступі дана оцінка стану системи післядипломної освіти та проблем, що виникають в ході функціонування такої системи освіти, обґрунтовується актуальність створення системи післядипломної дистанційної освіти (СПДО), формулюється мета, основні завдання дослідження, наукова новизна і практична значущість роботи, наводяться дані щодо реалізації та впровадження результатів роботи, її апробації та публікації основних результатів дослідження в наукових фахових виданнях.

У першому розділі викладено загальні аспекти створення системи післядипломної дистанційної освіти.

Перший підрозділ присвячено історії та сучасному стану розвитку дистанційної освіти в Україні. Розглянуті основні чинники та процеси, що обумовлюють необхідність і можливість використання СПДО.

У другому підрозділі дана повна характеристика середовища створення систем післядипломної дистанційної освіти. Викладені основні поняття та положення щодо сфери СПДО. Розглянуті всі етапи організації навчального процесу в системі дистанційної освіти.

Післядипломне дистанційне навчання як синтетична, інтегральна, гуманістична форма навчання впроваджується в системи освіти всіх країн світу практично на всіх рівнях. Ключовим моментом визначення СПДО є незалежність суб'єктів і об'єктів навчання від відстані, часу й конкретної освітньої установи та збалансоване використання традиційних і нових інформаційних технологій. Для всіх освітніх установ даної форми навчання характерні таки принципи: відкритість та індивідуальний підхід в процесі організації і проведення освітнього процесу; гнучкість - можливість навчатися за зручним графіком, у зручному місці і в зручному темпі; модульність - кожний окремий курс створює цілісне уявлення про певну предметну галузь; доступність - можливість одержати якісну вищу освіту великій кількості молодих людей; соціальна рівноправність - рівні можливості одержання освіти незалежно від місця проживання, стану здоров'я, елітарності і матеріального стану споживача освітніх послуг; інтернаціональність - експорт та імпорт світових досягнень на ринку освітніх послуг.

У третьому підрозділі наведені основні вимоги щодо організації такого виду навчання, а саме охарактеризовано контингент, якому будуть надаватись освітні послуги, викладені основні принципи проектування системи післядип-ломної дистанційної освіти, вимоги щодо структури та функціонування системи, вимоги до кількості та кваліфікації персоналу системи і режиму його роботи.

У четвертому підрозділі подано техніко-економічне обгрунтування створен-ня СПДО. Для проведення докладного економічного аналізу кожної конкретної системи післядипломного дистанційного навчання треба володіти результатами прогнозування можливої кількості слухачів за різними спеціальностями, які потре-бують таких послуг. Цей показник необхідний для оцінки витрат, пов'язаних з тех-нічним оснащенням центрів СПДО, вимог щодо структури і функціонування СПДО, необхідних кількісних показників професорсько-викладацького, інженерно-технічного, адміністративного складу та інших робітників, вимог щодо організації освітнього процесу. Сам навчальний процес СПДО відбувається за допомогою ви-користання технічних, програмних і адміністративних засобів корпоративних мереж СПДО, сукупності інформаційних ресурсів, компонентів технічного забезпечення, засобів передачі даних і орієнтованого на задоволення освітніх потреб слухачів порядку обслуговування повідомлень, що надходять від користувачів під час навчального процесу.

Комплекс технічних засобів визначається кількістю слухачів, що планують звернутись до СПДО, та відповідно до цього потужністю апаратно-програмної платформи. Тобто спочатку визначаються чисельність груп користувачів, які будуть працювати в мережі, їх функції та права під час навчального процесу, а потім відповідно до кількості користувачів визначаються вимоги щодо конфігурації та технічних засобів мережі як в цілому, так і окремих їх компонентів, принципів передачі інформаційних повідомлень між цими групами.

Дані прогнозної чисельності майбутніх слухачів використовували у своїх дисертаційних дослідженнях на здобуття наукового ступеня кандидата технічних наук: Степанова Я.М. “Математичні моделі процесу інформаційного обміну в системах дистанційного навчання” та Краснощок В.М. “Оптимізація пріоритетного доступу в корпоративних обчислювальних мережах при організації навчального процесу”.

Економічний виграш системи післядипломної дистанційної освіти багато в чому залежить від чисельності контингенту слухачів. Чим вона буде більшою, тим вищий економічний ефект.

У другому розділі розроблено дві імітаційні моделі: перша - прогнозування річної кількості звернень до системи післядипломної освіти в цілому по Україні, друга - прогнозування річної кількості звернень до системи післядипломної освіти для окремих регіонів (або окремого фаху).

Перший підрозділ присвячено вибору методу моделювання та опису способу отримання послідовності випадкових величин, які мають довільний закон розподілу. Система післядипломної дистанційної освіти, крім специфічних рис, володіє рисами економічної системи, на яку впливають усі відомі економічні чинники та показники. Тому для більш ефективного функціонування цієї системи з економічної точки зору необхідно передбачити з певним степенем імовірності кількість слухачів, які планують звернутися до СПДО.

Аналіз чинників, які впливають на потребу в післядипломній освіті, виявив, що вони є випадковими величинами. Тому річна потреба у післядипломній освіті є випадковою величиною та залежить, насамперед, від двох випадкових величин: річного випуску фахівців вищими навчальними закладами та проміжку часу між отриманням диплома та виникненням потреби у післядипломній освіті. Функції розподілу згаданих величин формуються під впливом багатьох факторів, які ще не повністю вивчені. У зв'язку з цим завдання прогнозування потреби у післядиплом-ній освіті належить до класу завдань із недостатньою інформацією. На наш погляд, одна (можливо, єдина) з можливостей розв'язання цього завдання полягає у тому, щоб за результатами аналізу вказаних двох випадкових процесів побудувати імітаційну модель на основі методу статичних випробувань (методу Монте-Карло). Така модель повинна відтворювати ті аспекти процесу звернення до закладів післядипломної освіти, які є необхідними для організації цієї форми навчання.

Для розробки моделі прогнозування потреби у післядипломній освіті необхідно змоделювати два випадкових потоки, які характеризуються різними випадковими величинами з різними законами розподілу. Реальні випадкові процеси не завжди добре апроксимуються відомими теоретичними законами розподілу, що веде до значних похибок при моделюванні. У запропонованій моделі використовується датчик випадкових чисел, що працює з будь-яким законом розподілу. На відміну від вже існуючих датчиків, які генерують випадкові величини за законом, заданим гістограмою інтегральної функції розподілення з розбиттям на рівномірні інтервали, запропонований датчик не накладає жодних обмежень на інтервали розбиття та допускає розбиття на нерівномірні інтервали, а також дозволяє працювати з обрізаними гістограмами. Необхідно задати випадкову величину гістограмою емпіричної функції щільності, що має вільні межі інтервалів. У цьому випадку випадкова величина, яка моделюється, задається двома масивами L(l₁,l₂,…,l_m+1) та P(p₁,p₂,…,p_m), де m - кількість інтервалів випадкової величини; l_j - початок j-го інтервалу; p_j - значення емпіричної функції щільності в j -му інтервалі. Для моделювання випадкової величини, що задана таким чином, відрізок (0,1) розбивається на m частин пропорційно площинам фігур гістограми, що побудовані на j-му відрізку. Межу такого розбиття (K_j) можна визначити за рекурентним співвідношенням:

;…;. (1)

За формулою (1) визначається чергове значення випадкового числа, що рівномірно розподілене в інтервалі (0,1). Методом випробувань за жеребкуванням визначаємо, до якого саме j-го інтервалу воно потрапило.

Враховуючи, що в середині кожного інтервалу випадкова величина, яка моделюється, розподілена рівномірно, знаходимо чергове її значення за формулою:

,(2)

де - чергове значення випадкової величини, рівномірно розподіленої в інтервалі (0,1). Застосування цього датчика спрощує процес формування початкової інформації через відсутність необхідності зведення наявних випадкових величин до якогось відомого закону розподілу, дозволяє уникнути похибок при апроксимації випадкових величин теоретичними законами розподілу.

У моделюючої імітаційної моделі, що імітує процес виникнення потреби у післядипломній освіті, зокрема за рік, та визначення кількості слухачів, які планують звернутись до СПДО, вхідними величинами є:

А - випадкова величина кількості випускників вузів (задається за допомогою гістограми функції щільності);

В - випадкова величина часу між зверненнями до системи післядипломної освіти (задається у вигляді гістограм функцій щільності, побудованих за реальними даними без їх обробки).

Ці дві випадкові величини не відповідають жодному з відомих законів розподілу випадкових величин, оскільки невідомою є функція їх щільності. Їх генерація можлива лише за допомогою розглянутого датчика.

В об'єкті, який досліджується, відсутні функціональні зв'язки, тобто використовуються лише якісні характеристики, а не кількісні. Всі процеси мають імовірнісний характер, жодна з випадкових величин не підкоряється відомим теоретичним законам розподілу випадкових величин. Дуже великою є невизначеність характеристик цих величин. Все це повністю виключає застосування звичного апарата математичної статистики. Єдиним методом, за допомогою якого можна розв'язати цю задачу, є імітаційне моделювання.

Слід зауважити, що здобувач розробив дві імітаційні моделі: першу фор-мування випадкової величини річної потреби у післядипломній освіті для загальної статистики; другу формування випадкової величини річної потреби у післяди-пломній освіті для регіонів або для певної спеціалізації. Враховуючи ці дві моделі та їх функціональні розбіжності, під час застосування імітаційних моделей моделюють випадкові величини кількості осіб з вищою освітою: для першої моделі загальну кількість випускників вищих навчальних закладів, для другої кількість фахівців, що працюють у даній галузі або у даному регіоні. Під час застосування імітаційних моделей отримуються значення випадкових величин у річній потребі у СПДО як в цілому, так і для окремих регіонів або спеціальностей.

Другий підрозділ присвячено опису змінних і масивів імітаційних моделей для формування випадкової величини річної потреби у післядипломній освіті як для України в цілому, так і для регіону або окремого фаху.

В імітаційній моделі для формування випадкової величини річної потреби в післядипломній освіті застосовуються наступні змінні та масиви (перші дві вхідні змінні описані вище): кількість років моделювання; випадкова величина річної потреби в післядипломній освіті, результуючий масив; моделююча кількість випускників; моделююча кількість років чергового звернення до системи післядип-ломної освіти; кількість звернень випускника, проміжний масив; моделююча кількість років після закінчення вузів; середній час між двома зверненнями до системи післядипломної освіти; середня кількість звернень до системи впродовж життя. В цій моделі також передбачена підпрограма, що реалізує програмний датчик випадкових величин, розподілених за будь-яким законом розподілу.

В імітаційній моделі для формування випадкової величини річної потреби у післядипломній освіті для регіонів застосовуються такі самі змінні та масиви, що й у імітаційній моделі для формування випадкової величини річної потреби в післядипломній освіті в цілому по України. Винятком є такі випадкові величини: кількість працюючих фахівців даної галузі у регіоні; річна потреба в післядипломній освіті для регіонів, результуючий масив.

В цих двух моделях також передбачена підпрограма, що реалізує програм-ний датчик випадкових величин, розподілених за будь-яким законом розподілу.

У третьому підрозділі запропоновані моделюючі імітаційні моделі для формування випадкової величини річної потреби у післядипломній освіті як для України в цілому, так і для регіону або окремого фаху. Вказані моделі реалізовано на основі застосування методу Монте-Карло, що дозволяє за допомогою імітації на персональному комп'ютері дослідити величину річної потреби у післядипломній освіті.

При моделюванні прогнозних значень попиту на навчальні послуги післядипломної освіти в цілому імітаційна модель формування такого попиту дає змогу накопичувати необхідну інформацію про кількість випускників за роки моделювання, кількість чергових звернень до системи післядипломної освіти кожного модельованого випускника.

На початку визначається кількість випускників для кожного року моделювання. Далі для кожного випускника вищого навчального закладу моделюється подальше його звернення до системи післядипломної освіти. Викликається підпрограма, яка генерує випадкову величину на основі гістограми емпіричної функції щільності для випадкової величини частоти закінчення вузів. Ця величина обчислюється за формулою (2).

Для модельованого випускника визначається проміжок часу після останнього випуску до чергового звернення до системи післядипломної освіти (впродовж життя він може декілька разів звернутися до цієї системи). Викликається підпрограма, яка генерує випадкову величину на основі гістограми емпіричної функції щільності випадкової величини часу між зверненнями до системи післядипломної освіти. Ця випадкова величина обчислюється за формулою (2). Але при цьому слід пам'ятати про “життєвий цикл” кожного такого спеціаліста, тобто людина протягом 30 років може активно засвоювати нові технології та знання, таким чином підвищуючи свій професійний рівень. Далі вона або стає нездатною до будь-яких змін через фізичну слабкість, або досягає такого рівня службової кар'єри, на якому потрібні не конкретні нові знання, а лише досвід та загальна ерудиція.

В результаті роботи імітаційної моделі у вихідному масиві накопичується результат моделювання кількості звернень кожного випускника для кожного року випуску. Один елемент цього масиву відповідає одному року моделювання. При моделюванні першого року випуску заносяться дані на 30 років вперед (“життєвий цикл” людини). При моделюванні другого року йде пересування на один елемент масиву вперед із занесенням даних прогнозу на 30 наступних років. Коли моделюється N-й рік випуску, то для нього треба також змоделювати процес звернення до СПДО на 30 років. Тому довжина масиву С = N+30. В цьому масиві також враховується кількість працюючих спеціалістів у даній сфері за 30 попередніх років, які також мають право на отримання такого виду освіти.

Визначення елемента масиву С, який може збільшитись на один, у зв'язку зі зверненням конкретного випускника до СПДО залежить від і-го року випуску та t кількості звернень до системи навчання відносно цього року випуску. Тому абсолютний модельований рік звернення випускника до СПДО С_m = i+ t1.

Таким чином накопичуємо статистичні дані щодо кількості звернень випускників для кожного року, що моделюється. Також в ході функціонування імітаційної моделі розраховується загальна змодельована кількість випускників, середній розмір проміжку часу між зверненнями до системи післядипломної освіти, середня кількість звернень одного випускника.

Імітаційна модель формування випадкової величини річної потреби у післядипломній освіті для регіонів або для певної спеціалізації, фаху відрізняється методикою формування масиву С - випадкової величини річної потреби в післядипломній освіті для регіонів. Під час моделювання накопичується інформація про кількість реально працюючих у даній галузі фахівців за роки моделювання, кількість чергових звернень до системи післядипломної освіти кожного модельованого фахівця. Тому при моделюванні першого року випуску заносяться дані на 30 років вперед. Далі йде моделювання для другого року, де також заносяться дані на наступні 30 років вперед тощо. На відміну від попередньої моделі, де у результативний масив додавались кількість випускників, у цьому для кожного року моделювання відповідає 30 елементів результативного масиву. Тому довжина такого масиву С = N·30.

Визначення елемента масиву С, який може збільшитись на один, у зв'язку зі зверненням конкретного фахівця С_m = (t+і-1)·30 визначає початковий елемент масиву С для i-го року моделювання та відносно цього року t - кількість звернень до СПДО. Номер елемента масиву С, в якому треба накопичувати інформацію про звернення фахівця до такої системи, визначається за формулою:

C_m+1 = C_m(t+i-1)·30) + 1.

Четвертий підрозділ присвячено побудові прогнозу кількості слухачів, що мають звернутися до системи післядипломної освіти. Для цього було проведено 30 циклів моделювання, тобто змодельовано 120 років з різними випадковими числами. Для визначення законів розподілу отриманих випадкових величин річної потреби в системі післядипломної освіти здійснювалася статистична обробка двох вибірок (отриманих в результаті функціонування двох імітаційних моделей), що складались із 90 різних кількісних показників звернень до СПДО.

Доведено, що отримані результати описуються нормальним законом розпо-ділу випадкових величин. Обчислено математичне очікування кількості слухачів ( = 1211464 чол.) та середнє квадратичне відхилення нормального розподілення отриманих дискретних випадкових величин та їх імовірностей (362924).

За допомогою критерію К.Пірсона доведено, що розходження емпіричних та теоретичних частот незначне, тобто дані, отримані в результаті моделювання, при рівні значущості =0,05 узгоджуються з нульовою гіпотезою, за якою генеральна сукупність цих величин розподілена нормально.

Визначено нижню та верхню межі прогнозу очікуваної річної кількості потенційних слухачів СПДО, що знаходяться з імовірністю 0,95 в інтервалі від 1136484 до 1286444 чоловік.

Здійснена порівняльна характеристика двох випадкових величин: даних реальної статистики підвищення кваліфікації анестезіологів і реаніматологів, що взято за період з 1990 до 2000 рр., та даних, отриманих в результаті функціо-нування імітаційної моделі дослідження потреби у системи післядипломної освіти. За допомогою критерію Вілксона, Манна й Уітні з високим рівнем значущості =0,05 доведено, що ці дві вибірки належать до однієї генеральної сукупності, тоб-то мають однакові статистичні характеристики. З математичної точки зору це є чіт-ким доказом адекватності розробленої моделі та об'єкта моделювання.

Отримані числові характеристики прогнозу на послуги СПДО необхідні для забезпечення та організації освітнього процесу в цілому, тобто організаційної підготовки (можливі форми та вимоги щодо організації навчального процесу), потребі в кількісних показниках професорсько-викладацького, інженерно-техніч-ного, адміністративного складу та інших робітників, методичного забезпечення; технічного устаткування, програмного забезпечення тощо.

Третій розділ присвячено опису створення та організації процесу навчання в системі післядипломної дистанційної освіти.

У першому підрозділі досліджена концепція управління процесом навчання, описані основні етапи підходу до створення такого процесу навчання та їх еволюційний зміст.

Другий підрозділ присвячено вибору методу проектування системи післяди-пломного дистанційного навчання, а також розглянуто всі функціональні складові цієї системи та визначено можливості організації її елементів.

Такою системою, яка застосовується при описі моделі проектування та управління СПДО, на думку автора, є CASE-технологія BРwin. Для побудови комп'ютеризованих систем навчання технологія BРwin, наскільки нам відомо, досі не використовувалась, але ми впевнені в ефективності й доцільності такої спроби.

Процес проектування за даною технологією починають з побудови моделі AS-IS (“Як є”). Модель будується на основі вивчення документації, основ діяльності обраного закладу освіти, процесів та засобів, які впливають на освітню діяльність тощо. Основою CASE-технології BPwin є методологія, яка описує процеси, що відбуваються в системі, за допомогою ієрархічно впорядкованих і взаємозалежних діаграм. При моделюванні система розглядається як довільна підмножина деякого універсуму (всесвіту). Взаємодія з навколишнім світом описується як: вхід (Input) - наявні показники, критерії та інша інформація, що переробляється економічною системою; вихід (Output) - результат діяльності системи; керування (Control) - стратегії та процедури, під управлінням яких функціонує система; механізм (Mechanism) - ресурси, необхідні для проведення роботи.

Моделювання системи починають з розробки контекстної діаграми, яка є вершиною деревоподібної структури діаграм і містить узагальнений опис системи. Після опису системи в цілому проводиться розбиття її на великі фрагменти. Цей процес називається функціональною декомпозицією, а діаграми, що описують кожен фрагмент і взаємодію фрагментів, називають діаграмами декомпозиції. Після декомпозиції контекстної діаграми проводиться декомпозиція кожного великого фрагмента системи на більш дрібні і так доти, доки не буде досягнений потрібний рівень деталізації.

При детальному вивченні такого процесу навчання CASE-технологія BРwin допомагає знайти найбільш уразливі місця побудови й функціонування не тільки всього процесу навчання, а й окремих його компонентів з метою виправлення недо-ліків у разі такої потреби. Усунення недоліків, перенаправлення інформаційних і матеріальних потоків веде до створення моделі TO-BE (“Як буде”), що допоможе побудувати ефективну та економічно доцільну систему післядипломної дистанційної освіти.

У третьому підрозділі розроблено модель проектування навчання в СПДО (AS-IS). До системи освіти звертаються слухачі, що потребують послуг такого виду навчання, які після закінчення даного навчального закладу стають дипломованими фахівцями. На діяльність освітньої установи опосередковано впливає (керує) Закон України про освіту та безпосередньо комплекс навчальних послуг, що забезпечує безперервність, єдність, якість процесу навчання. Сам освітній процес у свою чергу відбувається за наявності необхідної матеріально-технічної бази та суб'єктів СПДО. Суб'єктами післядипломного дистанційного навчання є студенти, слухачі і працівники вищих закладів освіти. На процес навчання впливають стрілки входу, виходу, керування, механізму (стрілки взаємодії системи з зовнішнім світом, їх назви та властивості наведені у табл. 1).

Таблиця 1. Характеристики стрілок до контекстної діаграми

Контекстна діаграма навчального процесу в СПДО зображена на рис.1.

Рис.1. Контекстна діаграма навчального процесу в СПДО

Споживач послуг СПДО при зарахуванні до навчального закладу складає вступні іспити чи проходить співбесіду. Відповідно до чинних нормативних документів (державних стандартів освіти, навчальних планів і програм тощо) споживач проходить усі заплановані стадії освітнього процесу вивчення визначеного набору навчальних дисциплін протягом того терміну навчання, який передбачено статутом навчальної установи і відповідає вимогам вищої школи. Після закінчення навчання студент отримує диплом, який має відповідати державним або міжнародним стандартам.

Під час моделювання дистанційної освіти засобами CASE-технології BРwin контекстна діаграма “Навчання в СПДО” декомпозується, утворюючи при цьому нижній рівень. Діаграма, яка з'являється на цьому рівні, відображає еволюційний процес становлення слухача - від абітурієнта до дипломованого фахівця (сама діаграма та характеристики компонент наведені у дисертаційній роботі).

Таким чином, діаграма, побудована після першої декомпозиції навчального процесу, у свою чергу декомпозується, створюючи наступний, нижчий рівень, на якому відображається сам процес навчання в закладах післядипломної дистанційної освіти. Діаграма, яка утворюється після другої декомпозиції проведення навчального процесу, має три основні складові, без яких принципово не існує післядипломного дистанційного навчання. Перша складова це власне навчальний процес, тобто самостійне вивчення матеріалу курсу студентом у зручний для нього час, у зручному місці й темпі, але в межах того терміну навчання, що встановлений освітнім закладом для вивчення дисципліни. Друга складова проведення сітьової консультації, де споживач СПДО може задати тьютору або іншим споживачам будь-яке запитання стосовно теми курсу, що вивчається, в реальному часі засобами сітьової конференції чи (або) електронної пошти. Третя складова проведення контролю академічної успішності, що полягає, як правило, у виконанні тестів і (або) складанні різноманітних іспитів. Діаграма декомпозиції проведення навчального процесу зображена на рис.2 (чинники стрілок, що впливають на процес навчання, й їх функціональні характеристики визначено у дисертаційному дослідженні).

Всі ці складові, причому кожна окремо, також декомпозуються, утворюючи наступні нижні рівні освітнього процесу в СПДО.

Рис. 2. Діаграма другої декомпозиції навчального процесу

У четвертому підрозділі розроблено модель проектування діяльності СПДО (TO-BE). При створенні СПДО, окрім проведення процесу дистанційного навчання, необхідно передбачити такі функціональні елементи діяльності системи, як маркетингові дослідження ринку освітніх послуг; маркетингові дослідження стану економіки; проведення реклами; можливість вибору освітнього закладу, що входить до складу СПДО, потенційними слухачами; контроль результатів навчання і сертифікації; наукова діяльність освітніх установ, що входять до складу СПДО, тобто діяльність СПДО, на яку в свою чергу впливають стрілки входу, виходу, керування, механізму (якщо розглядати таку діяльність з точки зору CASE-технології BРwin). Стрілки взаємодії системи з зовнішнім світом, їх назви та властивості наведені у табл. 2 (контекстна діаграма діяльності СПДО наведена в дисертаційній роботі).

Таблиця 2. Характеристики стрілок до контекстної діаграми діяльності СПДО

Контекстна діаграма “Діяльність СПДО” декомпозується, утворюючи при цьому нижній рівень. Діаграма, яка з'являється на цьому рівні, відображає весь процес діяльності післядипломної дистанційної системи освіти, а саме маркетингові дослідження ринку навчальних послуг; науково-дослідну діяльність; процес навчання в СПДО. Діаграма, створена після першої декомпозиції такого процесу, наведена на рис.3.

На діаграмі, що утворилась після першої декомпозиції, відобразились всі складові елементи функціонування СПДО. Кожен з таких елементів, у свою чергу, також декомпозується, створивши при цьому декілька нижніх рівнів опису деталізації діяльності такої системи.

Рис. 3. Діаграма першої декомпозиції діяльності СПДО

Перша складова діяльності СПДО - “Маркетингові дослідження ринку навчальних послуг” _ створює діаграму декомпозиції. Утворена діаграма складається з чотирьох елементів маркетингової діяльності системи післядипломного дистанційного навчання:

Маркетингові дослідження стану економіки країн(и), дають змогу дослідити не тільки економічний стан деяких країн, але й виявити потребу в створенні нових спеціальностей (спеціалізацій) або припиненні існуючих (в разі виникнення такої потреби). Це, в свою чергу, сприяє випуску не тільки дипломованих фахівців, але і конкурентоспроможних і потрібних на даний час для економіки спеціалістів.

Маркетингові дослідження сегмента ринку навчальних послуг дають змогу не тільки дослідити наявність провідних установ освіти, що випускають фахівців обраного фаху, але й їх конкурентоспроможність, якість при підготовці майбутніх спеціалістів та відповідність процесу навчання щодо критеріїв, які висуваються при підготовці такої категорії слухачів з обраної спеціальності.

Маркетингові дослідження ринку попиту на навчальні послуги. Виявляються не тільки “потрібні” для економіки спеціальності, але на базі цих досліджень прогнозується кількість майбутніх слухачів для певного фаху.

Маркетингові дослідження рекламної компанії, вирішують ряд завдань та надають споживачам необхідну інформацію про вищий навчальний заклад; про умови вступу та проходження процесу навчання в обраному закладі освіти; характеристику освітньо-кваліфікаційних спеціальностей та спеціалізацій; умови вступу до аспірантури, докторантури; партнерів та зовнішні зв'язки освітньої установи; матеріально-технічну базу вищого навчального закладу тощо.

Друга складова - “Науково-дослідна діяльність” - у системі вищої освіти включає виконання науково-дослідних робіт, підготовку наукових і науково-педагогічних кадрів вищої кваліфікації. Науково-дослідна робота згідно з Законом України про освіту є складовою частиною підготовки фахівців і здійснюється науковими колективами, окремими вченими за договорами, контрактами, замовленнями, програмами, проектами. Для цього створюється науково-виробничі підрозділи, об'єднання, асоціації, технологічні парки, центри нових інформаційних технологій, науково-технічної творчості та інші формування. Зазначена складова створює відповідну діаграму декомпозиції. Вона складається з трьох компонентів:

§ “Розробка наукових проектів” - створення та розробка нових наукових проектів, фундаментальних положень, правил, які в сукупності розв'язують важливу наукову або науково-прикладну проблему.

§ “Розробка практичних рекомендацій” - роз'яснення отриманих результатів наукових проектів, наводяться відомості щодо практичного застосування отриманих наукових результатів, рекомендацій щодо використання наукових висновків; опис відкритих фактів, явищ і закономірностей, а також узагальнення вже відомих даних з інших наукових позицій або аспектів. А це, в свою чергу, сприяє виникненню нових спеціальностей, спеціалізацій, дисциплін, форм, методів та технологій навчання (або якісно й ґрунтовно змінює існуючі) тощо.

§ “Апробація наукових результатів та результатів досліджень” - за даними попередніх двох складових науково-дослідної діяльності СПДО проводиться апробація отриманих наукових результатів та результатів досліджень, які знаходять відбиток у розробці та створенні монографій, дисертацій на здобуття наукового ступеня, підручників, посібників, звітів про науково-дослідні роботи (НДР), при підготовці статей, що мають бути опубліковані у наукових журналах та інших періодичних фахових виданнях, та доповідей на наукових конференціях.

Третя складова діяльності закладів системи післядипломної дистанційної освіти - “Процес навчання в СПДО” також декомпозується, утворюючи нижній рівень, та складається з таких компонентів: вибір слухачем навчального закладу СПДО; вибір спеціальності (спеціалізації); навчання в СПДО.

Під системою післядипломної дистанційної освіти автор розуміє об'єднання декількох одногалузевих закладів вищої освіти з метою покращення надання навчальних послуг дистанційної освіти, збільшення ефективності при викладанні навчальних дисциплін, проведенні відео-лекцій, семінарських, лабораторних, контрольних робіт, тестувань тощо. Така система дає можливість потенційному клієнту право вибору не тільки майбутньої спеціальності (спеціалізації), але й майбутнього навчального закладу післядипломної дистанційної освіти.

Наступним кроком при моделюванні діяльності СПДО є утворення наступного рівня декомпозиції “Навчання в СПДО”. Цей етап моделювання детально описано у третьому підрозділі. На відміну від моделі AS-IS модель “Навчання в СПДО” TO-BE має нову стрілку входу - “Нові технології навчання”, що підвищує ефективність навчання в даній галузі освіти.

ВИСНОВКИ

В дисертаційній роботі розв'язане актуальне й важливе завдання прогнозування попиту на навчальні послуги (післядипломна освіта) та впровадження новітніх інформаційних технологій, зокрема дистанційного навчання, для підвищення ефективності їх реалізації. На основі застосування системного підходу, ідей і методів імітаційного моделювання, теорії ймовірностей і математичної статистики, CASE-технології BPwin створені аналітичні й програмні засоби оптимізації, застосування яких дозволить суттєво поліпшити процес проектування та показники функціонування систем дистанційного післядипломного навчання.

В дисертації одержані такі основні теоретичні й практичні результати.

1. Обґрунтована необхідність створення системи післядипломної дистанційної освіти (СПДО) для закладів, що надають послуги післядипломного навчання.

2. Визначені основні поняття та надана характеристика СПДО, а також розроблені вимоги щодо кількості та кваліфікації персоналу; структури проектування та функціонування СПДО; організації навчального процесу; основного контингенту; суб'єктів СПДО.

3. Ефективність функціонування СПДО залежить від кількості слухачів, які планують звернутись до цих закладів освіти. Цей кількісний показник необхідний для оцінки вимог щодо організації як навчального процесу, так і визначення кількості професорсько-викладацьких, адміністративних, інженерно-технічних працівників. Вказаний показник використовували у своїх дисертаційних дослідженнях Степанова Я.М. “Математичні моделі процесу інформаційного обміну в системах дистанційного навчання” та Краснощок В.М. “Оптимізація пріоритетного доступу в корпоративних обчислювальних мережах при організації навчального процесу”.

4. На основі методу Монте-Карло створена модель імітаційного прогнозування річної кількості звернень до системи післядипломної дистанційної освіти як в цілому по Україні, так і для регіонів або окремої спеціальності. Обґрунтовано актуальність та необхідність такої моделі, обчислені кількісні показники попиту на послуги СПДО. Визначені й охарактеризовані чинники, що впливають на потребу в такій формі навчання. Особливістю цих моделей є те, що вони враховують специфічність функціонування самої системи післядипломної освіти, а саме:

§ імітаційна модель для формування випадкової величини річної потреби у післядипломній освіті в процесі моделювання накопичує необхідну інформацію про кількість випускників за роки моделювання, кількість чергових звернень до системи післядипломної освіти кожного змодельованого випускника. Моделюється також звернення поточного робітника до системи післядипломної освіти впродовж життя, тобто можливість декілька разів звернутися до послуг СПДО у разі виникнення такої потреби;

§ імітаційна модель для формування випадкової величини річної потреби у післядипломній освіті в регіонах або за окремим фахом у процесі моделювання накопичує необхідну інформацію про кількість реально працюючих у даній галузі фахівців за роки моделювання, кількість чергових звернень до системи післядипломної освіти кожного змодельованого фахівця. Для модельованого “життєвого циклу” спеціаліста в даному регіоні визначається проміжок часу між черговими зверненнями до системи післядипломної освіти (впродовж життя така людина може декілька разів звернутися до цієї системи).

4. Розроблено датчик випадкових чисел, які розподілені за будь-яким законом розподілу та задаються за допомогою гістограми функції щільності випадкової величини. На відміну від вже існуючих датчиків, які генерують випадкові величини за законом, заданим гістограмою інтегральної функції розподілення з розбиттям на рівномірні інтервали, створений датчик не накладає жодних обмежень на інтервали розбиття та допускає розбиття на нерівномірні інтервали, а також дозволяє працювати з обрізаними гістограмами, тобто з їх частинами. Застосування такого датчика спрощує процес формування початкової інформації, оскільки відсутня необхідність доведення належності випадкової величини до будь-якого відомого закону розподілу випадкових чисел; дозволяє уникнути похибок, які виникають при апроксимації випадкових величин теоретичними законами розподілення.

5. Доведено адекватність створених імітаційних моделей шляхом порівняльного аналізу двох випадкових величин: даних реальної статистики підвищення кваліфікації анестезіологів і реаніматологів за період з 1990 до 2000 рр., та даних, отриманих в результаті функціонування імітаційної моделі дослідження потреби у системі післядипломної освіти. За допомогою критерію Вілкоксона, Манна й Уітні з високим степенем достовірності доведена належність двох вказаних вибірок до однієї генеральної сукупності.

6. Засобами CASE-технології BРwin створена інформаційна модель процесу навчання в системі післядипломної дистанційної освіти AS-IS (“Як-є”). При детальному вивченні такої моделі знайдені уразливі місця побудови й функціонування СПДО. Усунення недоліків, перенаправлення інформаційних потоків привело до створення моделі TO-BE (“Як буде”) “Діяльність системи післядипломної дистанційної освіти”.

7. Охарактеризовані всі основні компоненти і складові розглянутих систем та механізми впливу на діяльність закладів освіти в ході проведення як освітнього процесу, так і діяльності СПДО. Створені діаграми композиції та декомпозиції вищевказаних процесів з деталізацією окремих компонентів систем. Зроблені висновки щодо функціонування та перспективного планування СПДО.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Огнивенко С.Л. Під час написання дисертаційної роботи автор змінила прізвище з Огнивенко на Рзаєву. Дослідження попиту на післядипломну освіту методами статистичних випробувань // Вісник КНТЕУ. - 2001. - №6. - С. 55-59.