Выбор критериев системы поддержки принятия решений для художественного вуза
https://doi.org/10.32517/0234-0453-2021-36-3-56-62
Аннотация
Предложено решение по автоматизации поддержки принятия решений для творческих вузов путем включения специальных критериев в общую конфигурацию автоматизированной системы поддержки принятия решений. Разработан прототип автоматизированной системы поддержки принятия решений для творческих вузов, которая позволит оценить достижения особо одаренных студентов и выявить, что необходимо предусмотреть в учебном процессе для того, чтобы помочь организовать его в соответствии с выявленными способностями студентов. Предлагается использовать систему поддержки принятия решений на основе байесовского классификатора для оценки факторов, способствующих прогрессу в обучении студентов конкретным техникам, а в перспективе — для оценки необходимых ресурсов, которые потребуются для внесения изменений в учебный план. Проанализированы существующие подходы к оценке успеваемости студентов. Приведен перечень конкретных показателей эффективности, учет которых необходим при оценке достижений студентов творческих специальностей. Система должна способствовать формированию учебного плана, учитывающего как возможности группы студентов художественной мастерской в целом, так и особые потребности отдельного студента для выработки, при необходимости, индивидуального подхода.
Ключевые слова
Об авторе
С. Е. ВечерскаяРоссия
Вечерская Светлана Евгеньевна, канд. хим. наук, доцент, доцент кафедры информационных систем в экономике и управлении, Институт информационных систем и инженерно-компьютерных технологий
105005, Россия, г. Москва, ул. Радио, д. 22
Список литературы
1. Pine J., Gilmore J. The experience economy. Boston, Harvard Business School Press, 1999.
2. Konkurs v tvorcheskie vuzy v 2020 godu v srednem sostavil okolo semi chelovek na mesto [The competition for creative universities in 2020 averaged about seven people per place]. (In Russian.) Available at: https://culture.gov.ru/ press/news/konkurs_v_tvorcheskie_vuzy_v_2020_godu_ sostavil_7_chelovek_na_mesto/
3. Jantan H., Hamdan A. R., Othman Z. A. Intelligent techniques for decision support system in human resource management // Decision Support Systems, Advances in. 2010. DOI: 10.5772/39401
4. Tan Tarn How, Shawn Goh Ze Song. The Art of Measuring the Arts. Available at: http://connectingaudiences. eu/resources/is-this-the-best-it-can-be?task=resource. downloadFile
5. D. Key Performance Indicators: Developing, implementing, and using Winning KPIs. Wiley, 2007. 256 p.
6. Riccio S. Talent management in higher education: Developing emerging leaders within the administration at private colleges and universities. Lincoln, 2010.
7. Top 10 talent management software systems in 2021 (Reviews). Available at: https://www.softwaretestinghelp. com/talent-management-software/
8. 1C:Upravlenie po tselyam i KPI [1C:Management by goals and KPI]. (In Russian.) Available at: https:// solutions.1c.ru/catalog/kpi/features
9. Upravlenie talantami (Talent Management) na platforme 1C:Predpriyatie 8 [Talent management on the 1C:Enterprise 8 platform]. (In Russian.) Available at: https:// www.topfactor.pro/blog/upravlenie-talantami-talentmanagement-na-platforme-1s-predpriyatie-8/
10. Davidsson P., Honig B. The role of social and human capital among nascent entrepreneurs. Journal of Business Venturing, 2003, vol. 18, is. 3, p. 301–331. DOI: 10.1016/ S0883-9026(02)00097-6
11. Kennedy C. KPI examples in higher education. SAP, 2010. Available at: https://blogs.sap.com/2010/05/03/kpiexamples-in-higher-education/ 12. Moetaz J. S. The impact of Key Performance Indicators (KPIs) on Talent Development. International Journal of Recent Research in Commerce Economics and Management (IJRRCEM), 2016, vol. 3, is. 4, p. 50–57.
12. Peterson E. T. The Big Book of Key Performance Indicators. Web Analytics Demystified, 2006. Available at: https://analyticsdemystified.com/wp-content/uploads/ 2019/01/The_Big_Book_of_Key_Performance_Indicators_ by_Eric_Peterson.pdf
13. Vecherskaya S. E. IT effect assessment for non-profit organization. International Journal of Recent Technology and Engineering (IJRTE), 2019, vol. 8, no. 4, p. 8854–8858. Available at: https://www.ijrte.org/wp-content/uploads/ papers/v8i4/D9479118419.pdf
14. Vecherskaya S. E. KPI v upravlenii ehffektivnost’yu nekommercheskoj organizatsii [KPI in the management of a non-profit organization effectiveness]. Vestnik RosNOU. Seriya: “Slozhnye sistemy: modeli, analiz, upravlenie” — RosNU Bulletin. Series: “Complex systems: models, analysis, management”, 2017, no. 4, p. 13–17. (In Russian.) Available at: http://vestnik-rosnou.ru/node/1895
15. Spider Strategies. Educational Services KPIs. Available at: https://www.spiderstrategies.com/kpi/ industry/educational-services/
16. Meier N. C. A measure of art talent. Psychological Monographs, 1928, vol. 39, is. 2, p.184–199. DOI: 10.1037/h0093346
17. Meier N. C., McCloy W. An instrument for the study of creative artistic intelligence. Psychological Monographs, 1936, vol. 48, is. 1, p. 164–172. DOI: 10.1037/h0093370
18. UCI machine learning repository. Available at: https://archive.ics.uci.edu/ml/index.php
19. Xue X., Croft B. W. Automatic query generation for patent search. CIKM ‘09: Proc. 18th ACM Conf. on Information and Knowledge Management. NYC, ACM, 2009, p. 2037–2040. DOI: 10.1145/1645953.1646295
Рецензия
Для цитирования:
Вечерская С.Е. Выбор критериев системы поддержки принятия решений для художественного вуза. Информатика и образование. 2021;(3):56-62. https://doi.org/10.32517/0234-0453-2021-36-3-56-62
For citation:
Vecherskaya S.Е. Selection of criteria for a decision support system for an art university. Informatics and education. 2021;(3):56-62. https://doi.org/10.32517/0234-0453-2021-36-3-56-62