Анализ качества обучения студентов высших технических учебных заведений с использованием информационных технологий тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Алалами Раед

• Алалами Раед
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Алалами Раед

ГЛАВА I. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В СОЦИАЛЬНЫХ ИССЛЕДОВАНИЯХ.

1.1. Системный подход в социальных исследованиях.

1.2. Компьютерные модели и новые информационные технологии в социальных исследованиях.

1.3. Математические методы анализа социальных данных.

Выводы к главе 1.

ГЛАВА 2. РЕГРЕССИОННОЕ МОДЕЛИРОВАНИЕ В СИСТЕМНОМ АНАЛИЗЕ.

2.1. Корреляционно-регрессионные модели (КРМ) и их применение в анализе и прогнозе.

2.2. Предмет социальных исследований в компьютерных технологиях.

Анкетный метод.

2.3. Объяснения и качественные данные. Их кодировка для построения регрессионной модели.

2.4. Качественное исследование систем по результатам регрессионного моделирования.

Выводы к главе 2.

ГЛАВА 3. МЕТОДИКА ПОСТРОЕНИЯ МОДЕЛИ И АНАЛИЗ КАЧЕСТВА ОБУЧЕНИЯ СТУДЕНТОВ ВЫСШИХ ТЕХНИЧЕСКИХ УЧЕБНЫХ ЗАВЕДЕНИЙ С ИСПОЛЬЗОВАНИЕМ ПРОГРАММЫ "MATLAB".

3.1. Оценка уровня знаний в анализе качества обучения.

3.2. Структура локальной информационной сети вуза и ее функционирование

3.3.Формирование совокупности факторов и блока данных.

3.4. Алгоритм построения регрессионной модели.

3.5. Регрессионная модель в анализе и оценке качества обучения (на примере одной специальности инженерно-физического факультета АлтГТУ).

Выводы к главе 3.

Введение диссертации (часть автореферата) на тему «Анализ качества обучения студентов высших технических учебных заведений с использованием информационных технологий»

Актуальность темы диссертации. В ряде российских государственных документов последних лет подчеркивается необходимость модернизации образования, проведения образовательной реформы, что, в свою очередь, неотрывно связано с использованием в образовании компьютерных информационных технологий.

Однако само выражение «компьютерные информационные технологии», пришедшее к нам с Запада, нуждается в пояснении и комментариях. Иными словами, перед обсуждением любой проблемы необходимо договориться об основных терминах.

Информационные системы - это упорядоченные потоки информации в любых физических или нефизических объектах. Среди информационных систем можно выделить классы: образовательные информационные системы (информационные системы в образовании); статистические информационные системы.

Компьютерные информационные системы — это системы, использующие компьютеры для хранения, обработки, передачи и анализа данных. Эти информационные системы наполняются информацией различного вида - данными и знаниями, которые упорядочиваются в базы данных и базы знаний.

Технологии (от греческого techne — мастерство и logos — учение) — совокупность приемов, методов, способов. Например, информационные технологии {Information Technology, сокращенно IT, а по-русски: ИТ) - совокупность методов, устройств и производственных процессов, используемых обществом для сбора, хранения, обработки и распространения информации.

Другой пример: известно, что современные компьютеры могут работать с пятью видами информации: с числовой информацией (числа); текстовой информацией (буквы, слова, предложения, тексты); графической информацией (картинки, рисунки, чертежи); звуковой информацией (музыка, речь, звуки); видеоинформацией (видеофильмы, мультфильмы, кинофильмы).

Все пять видов информации называют одним словом "мультимедиа". Отсюда вытекают пять видов мультимедийных компьютерных технологий: поиска и сортировки информации, хранения, обработки текстовой информации, обработки графической информации, обработки числовой информации.

Математика, будучи языком науки, как и любой язык, многофункциональна. Без математического анализа данных в настоящее время не обходится ни одно серьёзное исследование. Существенно при этом, не что используется, а как используется. Действительно, когда определены основные понятия, сформулированы цели, задачи и гипотезы исследования, во весь рост встает проблема выбора типа модели, конкретных методов и процедур измерения. От этого выбора в значительной степени зависит успех всего исследования, обоснованность теоретических и практических выборов. Сам процесс выбора методики осложняется двумя обстоятельствами. Во-первых, существует огромное число методик измерения при очевидном дефиците информации об их специфике. Во-вторых, отсутствует сколько-нибудь чёткие правила, процедуры, критерии выбора.

Стремясь к достижению своих целей, человечество всё больше расширяет научный инструментарий. Этот процесс наиболее глубоко затронул физику, затем в какой-то степени его влияние ощутили и другие естественные науки: химия, биология и т.д. Ещё в 19 в. математические исследования оказались необходимыми экономике. И, наконец, сейчас стало ясно, что "принципиально не математических" дисциплин вообще не существует. Другое дело - степень математизации и этап эволюции научной дисциплины, на котором математизация становится необходимой. Сегодня многие гуманитарные науки - лингвистика, история, социология, политические науки - начинают испытывать потребность в математическом мышлении, во всё большей степени начинают включать в арсенал своих методов исследования подходы, так или иначе связанные с природой математического мышления.

В социологических исследованиях с каждым годом в мире все шире применяются математические методы, но положение дел в данном отношении никак нельзя назвать благополучным. С одной страны, имеются много методов, казалось бы, подходящих для решения социологических задач, для реализации этих методов существует программные комплексы. С другой, - явно недостаточное использование математических методов в социологических и педагогических исследованиях. Это частично связано с тем, что среди социологов существуют две противоположные точки зрения на место математики в социологии: одни убеждены, что невозможно втиснуть реальную жизнь со всем своим многообразием в прокрустово ложе формализма и при изучении общественных процессов математика просто не нужна; на другом полюсе - безграничная вера в возможности математики: стоит только нажать нужные кнопки ЭВМ, и многие запутанные социальные проблемы будут решены.

Более того, мало создать математическую модель социального процесса, на ее основе решается не только прогностическая задача, но и оптимизационная: какими должны быть значения социальных факторов, чтобы результат был наилучшим?

Сегодня во всем мире наблюдается повышенный интерес к подготовке инженерных кадров - открываются новые инженерные вузы, расширяются инженерные факультеты, во все больших масштабах покупаются инженеры за рубежом. Процессы развития экономики, промышленности и технического образования в мире характеризуются все возрастающей потребностью в инженерах нового поколения - разработчиках высоких технологий, владеющих самым современным инструментом - математикой, методами моделирования, информатики, управления.

Основным показателем работы вуза является качество подготовки специалистов, которое обеспечивается организацией учебного процесса. Принцип университетского образования требует формирования новых стандартов и учебных планов. Для того, чтобы учебный процесс был управляемым, качество обучения необходимо регулярно контролировать и анализировать. Частично разрешением проблемы качественной подготовки специалистов может явиться анализ оценки качества обучения, то есть формирования знаний будущего инженера как специалиста, на определенных этапах. Основным показателем качества обучения является оценка знаний и навыков студентов в результате их контроля. Под контролем знаний будем понимать только проверку воспроизводимой информации, хотя в действительности очень часто на оценку влияет и сообразительность, и некоторые другие качества контролируемого объекта.

Высокий профессионализм и широкая эрудиция позволит инженеру быть всегда востребованным и социально защищенным, то есть проблема подготовки высококвалифицированного специалиста - не только педагогическая, но и социологическая. Поэтому оценка качества знаний в подготовке инженера путем более широкого использования системного подхода и методов обработки информации является актуальной задачей.

Гипотезой исследования принято то, что информационные технологии и математические модели в анализе качества обучения и их применение в системе высшего, в частности, инженерного, образования позволит исследовать влияние знаний, полученных студентом на определенных этапах обучения, на качество профессиональной подготовки будущих инженеров, а эти оценки явятся основой совершенствования учебного процесса. Так как «обучение — это в значительной степени накапливание информации и развитие способности устанавливать связи и отношения» (Д.Кинг), то такой подход к обучению позволяет в определенной мере использовать для его описания и анализа с применением количественных методов исследования передачи информации и математические модели этих процессов, созданные теорией информации (в том числе статистические и, в частности, регрессионные).

Исходя из этого, в диссертации поставлена следующая цель: на основе анализа успеваемости студентов определенной инженерной специальности разработать методику построения регрессионных моделей оценки качества обучения и использовать результаты для определения параметров, которые могут улучшить качество подготовки специалистов с высшим образованием. Для достижения этой цели сформулируем следующие задачи:

1. Провести критический анализ используемых в социологических исследованиях информационных технологий и математических методов.

2. Обосновать целесообразность применения информационных ресурсов и методов статистического моделирования для анализа качества обучения студентов в системе инженерного образования в вузе.

3. Определить совокупность параметров, позволяющих провести количественную оценку качества обучения студентов вуза.

4. Обосновать выбор типа математической модели оценки качества обучения студентов вуза.

5. Разработать компьютерную поддержку сбора информации для построения статистической модели оценки и анализа качества обучения студентов в системе высшего образования в вузе на примере Алтайского государственного технического университета им. И.И.Ползунова (АлтГТУ).

6. По статистическим данным построить математическую модель и провести анализ качества обучения студентов на одном из инженерных факультетов АлтГТУ.

7. Провести оценку влияния факторов на качество обучения студентов инженерной специальности АлтГТУ по результатам математического моделирования.

Объектом исследования является учебный процесс в высшей школе. Предмет исследования: анализ качества обучения студентов в системе высшего технического образования на основе построения информационных технологий и регрессионных моделей.

Теоретико-методологической базой исследования являются: — работы, раскрывающие методологические основы применения системного подхода в изучении различных процессов (Р. Акоф, Г. Вунил, М.З. Згуровский, И.Е. Казаков, А.Н. Новиков, М. Сашени, П. Фабл и др.);

- социологические идеи о роли профессионального образования в современном мире, его влияние на становление человека, развитие общества (Н.Г. Алексеев, А.Г. Асмолов, Б.С.Гершунский, М.С. Каган, М.К. Мамардашвили и др.);

- системный, личностно-деятельностный подход к изучению динамических систем (Н.Н. Баутин, В.Г. Гайцгорн, Е.А.Леонтович, Н.Н.Моисеев, Ю.И.Неймарк, А.А.Первозванский, B.C. Пугачев, К. Рихтер, Т. Саати, Б.Я. Советов, С.А. Яковлев и др.).

Комплексному исследованию проблемы автоматизированного обучения, ориентированного на «успешность», т.е. качество, посвящены работы Н.П. Бру-сенцова, в которых кроме технических проблем решается множество вопросов, связанных с дидактикой успешного обучения Я. Коменского. Инновационным технологиям обучения, ориентированным на качество выпускаемых специалистов, посвящены работы В.Т. Авдеева, Ю.П. Ехлакова, В.А. Вигуля, П.Г. Вида-ра, Б.С. Гершунского, М.П. Карпенко, О.М. Карпенко, А.И. Камышникова, А.В. Лисовца, С.Ю. Лисовец, О.В. Миненкова, А.Г. Московцева, Н.А Московцева, О.В. Поповой, Н.С. Сельской, Ю.И. Титаренко, Е.Н. Ткаченко, П.И. Третьякова, В.П. Фокиной, А.Д. Ходырева, С.А. Чмыховой, П.Г. Щедровицкого и др.

Методы исследования. Для решения поставленных задач использовалась совокупность взаимодополняющих методов: критический анализ работ в области исследования социологических процессов и информационного оснащения учебного процесса в вузе; корреляционно-регрессионный анализ; теория динамических систем с переменными параметрами; программное обеспечение вычислительных процессов (в том числе использование глобальной сети Интернет); методы прикладной математики.

Научная новизна исследования заключается в:

- создании методики анализа учебного процесса с точки зрения качества обучения в техническом вузе;

- в выборе критериев и факторов анализа качества обучения студентов вуза; разработке компьютерной поддержки сбора информации для построения математической модели в анализе и оценке качества обучения в системе высшего технического образования.

Практическая значимость исследования следующая: сформирована методика анализа качества подготовки специалистов с высшим образованием на основе построения регрессионных моделей оценки качества обучения в системе высшего образования с использованием программы «MATLAB»; разработана структура технологического комплекса компьютерной поддержки сбора необходимой информации в вузе; приведен пример построения регрессионной модели для анализа значимости количественных факторов в оценке качества подготовки инженерных кадров.

Достоверность и обоснованность основных положений и выводов диссертации доказываются критическим анализом известных результатов по теме диссертации, использованием достоверных данных и классических законов и положений математической статистики, логическим подтверждением теоретических результатов.

Апробация результатов исследования заключается в участии автора в Международной научно-практической конференции «Наука и практика организации производства и управления» (28-30 мая 2003 г., Барнаул), в работе научного семинара при кафедре «Информационные системы в экономике» (ИСЭ) АлтГТУ, в восьмой региональной конференции по математике «МАК - 2005», Барнаул, 2005.

Внедрение в практику осуществлялось: при участии в создании информационной системы мониторинга образовательного процесса Алтайского государственного технического университета им. И.И. Ползунова в создании локальной информационной сети вуза, в проведении сбора статистических данных для создания математической модели оценки качества обучения студентов в системе инженерного образования АлтГТУ.

Положения, выносимые на защиту:

1. Методика анализа учебного процесса на основе построения корреляционно-регрессионных моделей оценки качества обучения в системе высшего образования (на примере исследования успеваемости студентов одной специальности инженерно-физического факультета АлтГТУ).

2. Методика определения значимости знаний, полученных студентом на определенных этапах обучения, в качестве его профессиональной подготовки.

3. Компьютерная поддержка информационного обеспечения математического моделирования в системе высшего образования.

Публикации. По материалам диссертации опубликовано 5 научных работ.

Структура диссертации состоит из введения, трех глав с выводами по каждой главе, заключения, списка литературы из 134 наименований и приложения.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Алалами Раед

Выводы к главе 3

1. Локальная информационная сеть вуза позволяет оперативно получать информацию от подразделений вуза по любым вопросам, в том числе о факторах, характеризующих учебный процесс, в частности, показатели успеваемости студентов, как индивидуальные, так и по группе, курсу, факультету.

2. Методика регрессионного моделирования анализа качества обучения позволяет выявить «слабые места» в организации учебного процесса, включая содержание образования, оценить значимость полученных в каждом семестре и базовых (школьных) знаний на качество подготовки специалиста.

11 3. Несоответствие оценки знаний на приемных экзаменах оценке качества обученности указывает на то, что содержание приемных экзаменов должно учитывать не только формальные знания абитуриентов, но и другие факторы (например, психологические).

4. Изменение уровня значимости модели не влияет на коэффициент детерминации и коэффициенты уравнений регрессии, а только на длину их доверительных интервалов.

5. Регрессионная модель может служить основой качественного анализа процесса обучения и построения некоторых критериев для оценки качества обучения. f

Заключение. Основные научные результаты и рекомендации

1. Критический анализ литературных источников по теме диссертации позволил обосновать эффективность регрессионного моделирования в оценке качества обучения студентов в вузе.

2. Регрессионная модель является основой выявления «слабых мест» в профессиональной подготовке специалистов в системе высшего образования, в том числе инженерного, что является основой рекомендаций для совершенствования учебного процесса в вузе.

3. Используя теорию параметрической устойчивости динамических систем, по исследованию регрессионной модели оценки качества обучения можно выявить неустойчивые факторы, указывающие на определенные «пробелы» в организации учебного процесса.

4. Разработанная структура локальной информационной сети вуза позволяет оперативно проводить сбор информации по всем вопросам планирования, организации и контроля учебного процесса, а связь с глобальной системой Интернет обеспечивает применение современных технологий обработки статистических данных.

5. Анализ регрессионной модели оценки качества обучения в конкретном примере указывает на недостаточность проведения приемных экзаменов только по формальной оценке школьных знаний абитуриентов.

6. Построение более полной и, следовательно, достоверной регрессионной модели оценки качества обучения следует ожидать при формировании совокупности факторов, учитывающих текущие оценки знаний студентов (контрольные и лабораторные работы, индивидуальные задания, «контрольные точки», тесты и т.п.).

7. Социологический результат в оценке качества обучения может быть получен при построении регрессионной модели по качественным данным, если использовать при анкетировании респондентов количественную кодировку трех возможных ответов на каждый вопрос по трехбалльной шкале: -1,0, 1.

8. Дальнейшие исследования по теме диссертации предполагаются в разработке контрольно-оценивающих тестов по каждой дисциплине, блоку дисциплин модулю для определенной специальности и автоматизации построения по как можно большей совокупности оценивающих факторов (включая социальные и психологические) регрессионных моделей, анализе их совместно с преподавателями и формировании рекомендаций для совершенствования учебного процесса, повышения качества образования.

Список литературы диссертационного исследования кандидат технических наук Алалами Раед, 2005 год

1.Аганбегян А.Г. Некоторые особенности применения математических моделей в социологических исследованиях. // В кн.: Моделирование социальных процессов.- М.: Наука, 1970. - С. 38 - 37.

2. Аганбегян А.Г. Некоторые особенности применения математических моделей в социальных исследованиях // Сб. Моделирование социальных про-цессов.-М.:Наука, 1970. С.28-37.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей М.:Финансы и кредит, 1983. - 458 С.

4. Алалами Р. Система технических средств АИС маркетинга образовательных // Информационные системы в экономике, экологии, образовании.— Барнаул: Изд-во АлтГТУ, 2002. С. 18-20.

5. Алалами Р, Торбунов С.С. Определение значимости факторов и их взаимодействия в многофакторном эксперименте // Электронный научно-образовательный журнал «Горизонты образования», АлтГТУ, 2005. 6 С.

6. Алалами Р. Локальная информационная сеть вуза в оценке качества инженерного образования // Информационный листок ЦНТИ. Барнаул: Изд-во ЦНТИ, 2004. № 02-101-04. - 3 С.

7. Алалами Р. Оценка качества обучения в системе высшего инженерного образования // Материалы восьмой региональной конференции по математике «МАК-2005». Барнаул, 2005. - С. 72.

8. Амосов Н.И., Галенко Д.Н. О моделировании социального взаимодействия в малых коллективах. // «Количественные методы в социальном исследовании», 1968, №8.

9. Анализ социологической информации с применением ЭВМ. М.: Наука, 1973.

10. Баранов А.Н. Очерк когнитивной теории метафоры // А.Н. Баранов, Ю.Н. Караулов. Русская политическая метафора (материалы к словарю) // Ин-т русского языка АН СССР. М.: Наука, 1991. - С.184-193.

11. Божков О.Б., Лезин Г.В. Технологическая поддержка эмпирических социологических исследований // Информационные технологии в гуманитарных и общественных науках. СПб: ЭМИ РАН, 1994. - С. 56-78.

12. Бородкин Ф.М. Статистические оценки связей экономических показателей. -М., 1968.

13. Бритков В.Б., Жукова Т.И. Принципы построения и структура" информационных систем для анализа социальных процессов // Государственное регулирование экономики и социальные проблемы модернизации. — М.: Эдит-вриал УРСС, 1997. Часть II.

14. Броули К. Статитстическая теория и методология в науке и технике. — М.: Наука, 1977.-408 С.

15. Величковский Б.М. Современная когнитивная психология. М.: Изд-во МГУ, 1982.

16. Виштак О.В. Мотивационные предпочтения абитуриентов и студентов // Социологические исследования.2003. № 2. С. 135-138.

17. Гаврилец Ю.Н. Некоторые вопросы количественного изучения социально-экономических явлений. «Экономика и математические методы», т.5, вып.5, 1969.

18. Гаврилец Ю.Н. Социально-экономическое планирование. Системы и модели.-М.: Экономика, 1974.

19. Гаврилец Ю.Н. Структура связей и причинные зависимости между переменными. // В кн.: Математика в социологии: моделирование и обработка информации. -М.: Мир, 1977.

20. Гмурман В.С.Теория вероятностей и математическая статистика — М.: Высшая школа, 1972.

21. Говорущенко В., Кахк Ю., Кэлам А., Выханду JL Опыт применения корреляционного и факторного анализа в социологическом исследовании межнациональных отношений. // «Информационный бюллетень ИКСИ и ССА». -М„ 1968, №9.

22. Гражданников Е.Д. Прогностические модели социально-демографических процессов. — Новосибирск: Наука, 1974.

23. Границкая А. С. Научить думать и действовать: Адаптивная система обучения в школе: Кн. для учителя. М.: Просвещение, 1991. - 175С.

24. Гринберг М. Моделирование сложной экономической системы. // В кн.: Электронное моделирование и машинное управление в экономике. М.: Наука, 1965.

25. Грищенко К.К., Островский З.Я. Социологические исследования и техника их анализа на перфокартах с краевой информацией. Киев: Наукова Думка, 1967.

26. Грушин Б.А. Свободное время. Актуальные проблемы. М.: Мысль, 1967.-С. 19.

27. ДА-система (детерминационный анализ): Версия 4.0 для Windows 95 и Windows NT. М.: Фирма "Контекст", 1997.

28. Демиденко Е. 3. Линейная и нелинейная регрессии. М.: Финансы и статистика, 1981.

29. Демиденко Е.З. Линейная и нелинейная регрессии. М.:Финансы и кредит, 1981.-3 02с.

30. Докторов Б.З. Регрессионно-факторная модель и задача прогнозирования. Доклады на VII МСК. М., 1970.

31. Едронова В. Н. Общая теория статистики. М. Юрист, 2001.

32. Елисеева И. И. Общая теория статистики. М.: Финансы и статистика, 2001

33. Ершов А.А. Стабильные методы оценки параметров (обзор). Автоматика и телемеханика, 1978, №8.

34. Ефимова М. Р. Социальная статистика. М.: ИНОФРА-М, 2001.

35. Жукова Т.И., Погорецкий В.Г. Информатизация и архивы данных в социологическом сообществе // Государственное регулирование экономики и социальные проблемы модернизации. М.: Эдиториал УРСС, 1997. - ЧастьП.

36. Жилин Ю.И. Нестатистические модели и методы построения и анализа зависимостей. Дис. на соискание уч. ст. к.ф.-м. наук. . Барнаул. АлтГ-ТУ им И.И. Ползунова 2004.

37. Заславская Т.И. Использование методов факторного анализа для изучения миграции сельского населения. // В кн.: Научный семинар по применению количественных методов в социологии. М.: Наука, 1966, вып 1.

38. Заславская Т.И., Виноградова Е.В. Опыт математико-статистического исследования закономерностей мобильности трудовых ресурсов. В кн.: Социальные проблемы трудовых ресурсов села. - Новосибирск: Наука, 1968.

39. Заславская Т.И., Рывкина Р.В. О принципах и основных элементах программирования исследования трудовой мобильности // Методологические проблемы социологического исследования мобильности трудовых ресурсов. -Новосибирск: Наука, 1974.

40. Здравомыслов А.Г. Методология и процедура социологических исследований. -М.: Мысль, 1969.

41. Здравомыслов А.Г., Докторов Б.З. Альтернативная оценка структурных элементов как прием социологического исследования. «Информационный бюллетень ИКСИ и ССА». - М., 1968, №9.

42. Ищенко А.Ю. Современные технические средства информационных технологий.- Волгоград: ВГУ 2001

43. Йостейн Рюссевик. Лаборатории для сравнительной социальной науки //: Международный журнал социальных наук. — Май 1995. № 9.

44. Как провести социологическое исследование? // Горшков И.К., Шере-га Ф.Э. и др. М.: Политиздат, 1990.

45. Калачёва Т. Г. Факторные модели в социологической диагностике. Учебное пособие. Н.- Новгород: Изд-во Волго-Вятской академии гос. Службы. 1999.-90 С.

46. Калмык B.A., Бородкин Ф.М., Спесивцева Н.И. Об оценке привлекательности профессии. «Социальные исследования». Новосибирск, 1966.

47. Канзусян JI. В., Немцов А. А. Вузовское образование в оценках студентов // Социологические исследования, 1999. № 4. С. 95-100.

48. Каныгин Г.В. Предметная область при компьютерном моделировании анкетного опроса // Социологический журнал, 1997. № 1/2. С. 93-119.

49. Каныгин Г.В. Предметная область при компьютерном моделировании анкетного опроса//Социологический журнал, 1997. №1/2. С. 93-119.

50. Кваша В.В., Великий А. И. Об одном опыте прогнозирования численности и структуры семей. «Моделирование социальных процессов». — М.: Наука, 1970.

51. Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Наука, 1970.-900 С.

52. Кендалл М., Стюарт Дж. Статистические выводы и связи. М.: Наука, 1973.

53. Клигер С.А., Косолапов М.С., Телешова Ю.Н. Шкалирование при сборе и анализе социологической информации. -М.: Наука, 1978.

54. Количественные методы в социологии; Методика и техника статистической обработки первичной социологической информации. М. Наука, 1968.

55. Комаровский B.C. Некоторые проблемы измерения социальных установок. «Вопросы философии», 1970, №7.

56. Коробков В. Б. Организация проведения экспертных опросов при разработке классификационных моделей // Социологические исследования, 2003. № 11.-С. 102-108.

57. Косолапов М.С. Многомерное шкалирование как метод обоснования системы эмпирических индикаторов: Автореф. канд. дис. — М.: Институт социологических исследований АН СССР, 1986.

58. Кудрявцев В.И. Причинность в криминологии. М.: Наука, 1968.

59. Кун Т. Структура научных революций. М.: Прогресс, 1975.

60. Лбов Г.С. Алгоритмы эффективной системы признаков. В кн.: Распознавание образов в социальных исследованиях. - М., 1968.

61. Левин С. Прагматическое отклонение высказывания // Теория метафоры: Сборник // Под общ. ред. Н.Д.Арутюновой, М.А.Журинской. М.: Прогресс, 1990.

62. Лекции по методике конкретных социальных исследований. Под ред. Г.М.Андреевой. М.: МГУ, 1972.

63. Лисовец А.В. Методы и алгоритмы мониторинга знаний студентов в учебном процессе профессионального образования Барнаул, 2002.

64. Лоншакова Н. А. Региональный вуз и рынок труда: проблемы адаптации // Социологические исследования, 2003. № 2. С. 68-71.

65. Лысиков А.И., Бут Г.С., Диденко Д.А. Система для разработки компьютерных тестов.

66. Маккормак Э. Когнитивная теория метафоры // Теория метафоры: Сборник // Под общ. ред. Н.Д.Арутюновой, М.А.Журинской. М.: Прогресс, 1990.

67. Максименко В. С. Зачем социологу математика?- Киев: Наукова Думка, 1988.

68. Мартынова . Н.В. О многомерном измерении в социологии. -«Философские науки», 1970, №5.

69. Маслова О.М. Ситуация интервью: формализованные и неформализованные методы исследования // Методология и методы социологических исследований (итоги работы поисковых исследовательских проектов за 1992-1996 годы). -М.: Институт социологии РАН, 1996.

70. Математические методы анализа и интерпретации социологических данных // Ред. В.Г. Андреенков, Ю.Н. Толстова М.: Наука, 1989.

71. Мешалкин Л.Д. Параметризация многомерных распределений/Сб. Прикладной многомерный статистический анализ // Под ред. С.А.Айвазяна и А.И.Орлова М.:Наука, 1978. - С. 11-17.

72. Минский М. Фреймы для представления знаний. — М.: Энергия, 1979.

73. Миркин Б. Г. Новый подход к обработке социологической информации. // В сб.: Измерение и моделирование в социологии. — Новосибирск: Наука, 1965.

74. Миркин Б.Г. Об одном подходе к анализу первичной социологической информации. Доклады на VII МСК. М., 1970.

75. Модели социально-экономических процессов и социальное планирование. М.: Наука, 1979. - С. 193-211.

76. Моин В.Б. Альтернативная интерпретация данных: атрибутивный подход // Социологические исследования, 1990. № 11. — С. 62-71.

77. Непрерывное образование и инженерия знаний. Междисциплинарные аспекты // Под ред. Ю.И. Титаренко. Барнаул: 1998.

78. Ноэль Э. Массовые опросы. -М.: Прогресс, 1978.

79. Осипов Г.В., Андреев Э.П. Математика и социология. «Социальные исследования», Т.5.-М., 1970.

80. Осипов Г.В., Андреенков В.Г. Эмпирическое обоснование гипотез в социологических исследованиях. // «Социологические исследования», 1974,№1.

81. Пронина Е. И., Колесникова Е. Ю. Активизация исследований в области социологии образования // Социологические исследования, 2002. № 1 — С.141-142.

82. Пфанцаглъ И. Теория измерений. -М.: Мир, 1976.

83. Пятковский О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием. Монография Барнаул: АлтГТУ, 1999.-351 С.

84. Пятковский О.И. Информационная система маркетинговых исследований образовательных услуг вуза: Материалы Всероссийской НПК «Организационные инновации в управлении интегрированными образовательными учреждениями»- Барнаул: Изд-во БГПУ, 2002.

85. Растригин JI.A. Современные принципы управления сложными объектами. М.: Сов.радио, 1985.

86. Розин Б.Б., Котюков В.И., Ягонильцер М.А. Статистические модели с переменной структурой. Новосибирск: Наука, 1984 - 242 С.

87. Розин Б.В. и др. Разработка материалов массовых наблюдений на счетно-перфорационных я электронно-вычислительных машинах. // В кн.: Количественные методы в социологии. -М.: Наука, 1966

88. Саати Т. Принятие решений. Метод анализа иерархий. — М.:Радио и связь, 1993.

89. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. -М.:Статистика, 1980.

90. Солсо Р.С. Когнитивная психология. М.: 1996.

91. Сорокина Н. Д. Перемены в образовании и динамика жизненных стратегий студентов // Социологические исследования, 2003. № 10. С. 55-61.

92. Социально-экономическое планирование. Системы и модели. М.: Наука, 1974.

93. Социология: Основы общей теории. -М.: Аспект Пресс, 1996.

94. Статистика: Учебное пособие по экономическим специальностям и направлениям. // Харченко JL П. и др. М.: ИНОФРА-М, 2002.

95. Статистические методы и вычислительная техника в социально-гигиенических исследованиях. М.Центральный ордена Ленина институт усовершенствования врачей, 1977. - 278 С.

96. Столл Р. Множества. Логика. Аксиоматические теории М.: Просвещение, 1968.

97. Суслов И.П., Гражданников Е.Д. Основы социальной статистики.-Новосибирск, 1973.

98. Таганов И.И., Рукавишников В.О. Причинный анализ социальных объектов: теоретико-информационные структурные модели. Доклады на VIII МСК в Торонто. М., 1974.

99. Таганов И.Н. Об экстремальном принципе измерения в социологии. -«Социологические исследования», 1975, №3.

100. Таганов И.Н., Шкаратан О.И. Исследование социальных структур методом энтропийного анализа. Вопросы философии, 1969, №5.

101. Татарова Г.Г. Многомерная классификация в изучении типологии использования бюджета времени трудящихся. Дис. на соискание уч.ст.канд.экон.наук. М.:ИСИ АН СССР, 1982.

102. Теория метафоры: Сборник // Под общ.ред. Н.Д.Арутюновой и М.А.Журинской.-М.: Прогресс, 1990.

103. Терехина А.Ю. Методы многомерного шкалирования и визуализации данных (обзор). Автоматика и телемеханика, 1973, №7. - С.80-94.

104. Территориальная выборка в социологических исследованиях. — М.: Наука, 1980.-С. 218.

105. Ткаченко Е.Н. Исследование мотивационных предпочтений субъектов профессионального образования. Дисс. канд. пед. наук. Барнаул: БГПУ. 2000.

106. Уварова В. И., Шумилов В. Г. Использование метода анализа иерархий// Социологические исследования, 2001. № 1.-С.130-131.

107. Устинов В.А., Деев Л.Ф. Опыт применения ЭВМ в социологических исследованиях. -М.: Наука, 1967.

108. Устинов В.А., Феллингер А.Ф. Историко-социальные исследования, ЭВМ и математика. М.Наука, 1973.

109. Устойчивые статистические методы оценки данных // Под ред. Р.Л.Лонера и Г.Н. Уилкинсона. М.Машиностроение, 1984. - 432 С.

110. Устюжанников В.А. Информационные меры и их использование в социологическом анализе. // В сб.: Измерение и моделирование в социологии. -Новосибирск: Наука, 1969, С. 62-86.

111. ПЗ.Фелингер А.Ф. Статистические алгоритмы в социологических исследованиях. -Новосибирск: Наука, 1985.

112. Френкель А., Бар-Хиллел И. Основания теории множеств. — М.: Мир,1968.

113. Характер внепроизводственной деятельности и социальная дифференциация горожан // О.И. Шкаратан, Г.В. Еремичева, Г.В. Каныгин и др. // Социологические исследования, 1979. № 4.

114. Хоолм М. Обработка анкет. В сб.: Программы для ЭВМ «Минск-32», вып. 9. Таллин, 1970.

115. Человек и его работа. — М.: Мысль, 1967.

116. Чесноков СВ. Детерминационный анализ социально-экономических данных. М.: Наука, 1982.

117. Чесноков С.В. Детерминационный анализ социально-экономических данных-М.: Наука, 1982.

118. Чесноков СВ. Силлогизмы в детерминационном анализе // Известия АН СССР. Сер. "Техническая кибернетика", 1984. № 5.

119. Чураков А. Н. Анализ социальных сетей // Социологические исследования, 2001. № 1.-С. 109-121.

120. Шамис А.П. Методологический анализ принципов управления качеством подготовки специалистов // Кибернетика и вуз. Томск: ТПУ, 1993. Вып. № 25. С.59-64.

121. Штофф В.А. Моделирование и философия. -М.,Л; Наука, 1966

122. Юсупов P.M., Заболотский В.П. Научно методологические основы информатизации. - Санкт - Петербург. 2000.

123. Ядов В.А. Социологическое исследование. Москва: Наука, 1987.1968.

124. Black М. Models and Metaphors: Studies in language and philosophy. Ithaca-London: Cornell University Press, 1962.

125. Elder G. Working with archival data. Sage Publications, 1993.

126. Kikolt K. Secondary analysis of data. Sage Publications, 1985.

127. Kuhn T. S. Historical structure of the scientific discovery // Essential Tension.- Chicago, 1977.

128. Leedy P. Practical research: planning and design. London: Macmillan,1993.

129. Neuman W.L. Social research methods: qualitative and quantitative approaches. London: Allyn and Bacon, 1994.

130. Rokkan S. Archives for secondary analysis of sample survey data: An early inquiry into the prospects for Western Europe // Inter. Science Journal, 1964.

131. Tesch R. Qualitative research: analysis types and software tools. London: Blackwell, 1990.