Инновационная деятельность. 2009. № 3 (8) (стр. 9 )

1)  продуктовая инновация – подразумевает использование новых материалов или полуфабрикатов, а также комплектующих для получения принципиально новых функций или новых продуктов;

2)  процессная инновация – означает внедрение новых методов организации производства и более высокий уровень автоматизации применительно к новым технологиям.

Каждый из этих типов инноваций имеет свое применение, например продуктовая инновация имеет смысл нового продукта, таким образом, повышенный доход будет связан с реализацией нового или улучшенного продукта на рынке. Процессная инновация направлена на увеличение конкурентоспособности продукции, например за счет снижения себестоимости, или создание новой маркетинговой политики предприятия.

Третья классификация будет построена по выводу на рынок [3]:

1)  стратегическая инновация, которая носит упреждающий характер с целью обеспечения себя конкурентными преимуществами в перспективе;

2)  реактивная инновация, обеспечивающая выживание фирмы, осуществленная в ответ на инновацию, произведенную фирмой-конкурентом.

Необходимо отметить тот момент, что стратегическая инновация может быть только радикальной (базисной), а вот реактивная инновация может быть улучшающей либо псевдоинновацией. Помимо этого, типизация инноваций по признакам имеет существенное значение для выбора формы и методов освоения нововведений. Причина этого в том, что процессы разработки и внедрения, а также условия реализации и дальнейшего продвижения на рынке, для каждой конкурентной инновации (принципиально новой или улучшающей) будут неодинаковы. Необходимо отметить, что на финансовые особенности каждого из этих видов будет оказывать влияние и время ожидания эффекта, что отразится на стоимости заемного капитала. Так, например, реактивная инновация будет иметь стоимость капитала выше, в связи с тем, что будет выше стоимость заемного капитала во времени, а дополнительные затраты с выводом данного вида инновации увеличатся, за счет преодолеваемого сопротивления и конкурентной борьбы.

Четвертая классификация - по типу экономического блага [2]. Необходимость рассмотрения данной классификации определена продуктовой спецификой инновации, а точнее тем является ли она общественным или частным благом.

Под общественным благом понимается свобода в потреблении данной инновации неограниченным числом потребителей (без ущерба друг для друга). Внедрение данного вида инновации будет обусловлено двумя характерными проблемами:

  I. Воспрепятствовать потреблению такой инновации невозможно или запретительно дорого;

  II. Потребитель данной инновации постарается скрыть свою потребность в ней, чтобы не оплачивать.

Способствовать решению данных проблем должно государство, так как только оно сможет оценить реальные потребности людей в данном благе. Таким образом, государство должно стать заказчиком данной инновации, но сложность будет состоять в определении такого участника, как инвестор, так как особенностью инвестирования является получение дохода с объекта вложения, а так как потребители не будут стремиться оплачивать данную инновацию, то весьма сомнительным становится получение дохода инвестором. Потому государство должно занять и позицию второго участника как инвестора. А впоследствии - скомпенсировать понесенные затраты за счет справедливого распределения между конечными потребителями.

Вторым видом будет являться именно частное благо, которое подвержено общетиповым товарным свойствам в рыночной экономике. К данному благу могут быть применимы традиционные методики финансирования. Поэтому участие государства в реализации данного типа инноваций будет не обязательным, а продиктовано потребностями самого государства в данном благе.

Таким образом, подытоживая данную статью, можно выделить следующие основные моменты:

·  финансовые особенности инноваций будут меняться в зависимости от типа и классификации инновации;

·  на финансовые особенности сильное влияние будет оказывать процесс разработки и внедрения;

·  некоторые типы инноваций требуют специфических способов взимания платы.

ЛИТЕРАТУРА

1.  Трифилова эффективности инновационного развития предприятия/ . М.: Финансы и статистика, 20с.

2.  Ермасов менеджмент: учебник / . М.: Высшее образование, 20с.

3.  Управление инновационными проектами: учеб. пособие / под ред. . М.: ИНФРА-М, 20с.

–

специалист отдела обеспечения безопасности проверок

Статья поступила в редакцию 29.05.09, принята к опубликованию 16.07.09

ИННОВАЦИИ В ОБРАЗОВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ

УДК 372.8

Е. Ю. Савченко

ИННОВАЦИОННЫЕ ПОДХОДЫ К ИСПОЛЬЗОВАНИЮ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ АДАПТИВНОГО ТЕСТОВОГО КОНТРОЛЯ ЗНАНИЙ

Рассматривается алгоритм двухшагового адаптивного тестирования с использованием технологии нейронных сетей. Описана организация процесса моделирования адаптивного теста и приведеналгоритм обучения нейронной сети.

Адаптивное тестирование, нейронные сети

Введение. Одной из основных функций управления образовательной деятельностью является система контроля качества знаний. Развитие информационных технологий обусловливает появление новых подходов к реализации процесса обучения, которые позволили бы значительно повысить эффективность и качество образования. Одним из современных направлений в тестовых методах оценивания подготовленности обучаемых является компьютерное тестирование.

Постановка задачи. В настоящее время актуальна проблема повышения эффективности системы традиционного тестирования и традиционных тестов, и одно из направлений в решении этой проблемы — адаптация системы тестирования к индивидуальным особенностям учащихся. Повышение уровня эффективности тестов возможно при переходе от традиционных тестов фиксированной длины к адаптивному тестированию.

Реализация задачи. Рассматриваемый в статье алгоритм проведения адаптивного тестирования реализуется согласно принципам двухшагового адаптивного тестирования [1], рис.1. Весь процесс тестирования разбивается на три шага:

- первый (фундаментальный) этап, на котором осуществляется дифференциация испытуе­мых;

- второй и третий этапы, на которых выполняется сам процесс адаптивного тестирования.

В блоке оценки результатов тестирования производится подсчет количества правильных ответов и количества набранных баллов. Полученный результат поступает в блок принятия решения о дальнейшем выборе уровня тестирования. Данный блок реализован на базе обученной нейронной сети и отвечает за организацию процесса моделирования тестов. В результате работы нейронной сети осуществляется переход на следующий этап тестирования, в рамках измеряемой шкалы. По завершении последнего этапа тестирования система подводит итоги проведенного тестирования.

Вопросы в тесте на втором и третьем этапах различаются по уровнями сложности, в данном алгоритме три уровня сложности (низкий, средний, высокий), за правильные ответы на вопросы соответствующего уровня сложности устанавливаются баллы (табл.1). Таким образом, максимально возможный набранный балл в системе 55, что соответствует оценке «отлично» по шкале оценивания результатов тестирования (табл.2).

Таблица 1

Исходные данные к моделированию теста

Данные	В общем случае	В рассматриваемом алгоритме
Количество этапов	от 2 до N	3
Количество вопросов в каждом этапе	от 5 до N	1-й этап -5 2-й этап -5 3-й этап -5
Количество уровней сложностей вопросов	от 2 до N	2,3-й этапы (три уровня сложности) - низкий средний высокий
Количество баллов за правильные ответы в тесте	на усмотрение преподавателя	1-й этап -1 балл 2,3-й этапы (1,3,5 баллов в зависимости от сложности вопроса)

Таблица 2

Шкала оценивания результатов тестирования

%	Баллы	Оценка
91-100	55-53	5
78-90	49	4
55-77	42-40	3
0-54	30-33	2

После построения схемы проведения алгоритма необходимо рассмотреть правила перехода с одного уровня сложности на другой. Допустим, после первого этапа тестирования пользователь набрал пять из пяти возможных баллов, тогда на следующем этапе тестирования тестирующегося переведут на высокий уровень сложности. После подведения итогов второго этапа тестирования пользователя также переводят на другой уровень сложности, согласно количеству правильных ответов, набранных им на данном этапе (рис.2).

Рис.1. Алгоритм отбора и предъявления заданий

По завершении последнего этапа тестирования система подводит итоги проведенного тестирования.

Для организации процесса моделирования теста в адаптивном алгоритме применяется нейронная сеть. Нейронные сети (Neural Networks) - это модели биологических нейронных сетей мозга, в которых нейроны имитируются относительно простыми, часто однотипными, элементами (искусственными нейронами) [2].

Рис.2. Результаты тестирования второго этапа

Самым важным свойством нейронных сетей является их способность обучаться на основе данных окружающей среды. Обучение - это процесс, в котором свободные параметры нейронной сети настраиваются посредством моделирования среды, в которую сеть встроена. Тип обучения определяется способом надстройки этих параметров. Это определение процесса обучения предполагает следующую последовательность событий:

1.  В нейронную сеть поступают стимулы из внешней среды.

2.  В результате этого изменяются свободные параметры нейронной сети.

3.  После изменения внутренней структуры нейронная сеть отвечает на возбуждения уже иным образом.

Данный список четких правил решения проблемы обучения называется алгоритмом обучения. Рассматриваемая в статье нейронная сеть реализована на базе Microsoft Visual Basic 6.0.

Исходные данные:

Вектор входа x0, состоящий из трех элементов.

1.  u_sloj - количество уровней сложности заданий в тесте;

2.  n_step - номер этапа тестирования;

3.  otvet - количество правильных ответов в тесте на данном этапе тестирования. Вектор целевых значений d.

Исходные данные служат входным вектором для расчета в нейронной сети. Результатом работы нейронной сети будет предложение о повышении или понижении уровня сложности последующего вопроса.

Для решения поставленной задачи была выбрана нейронная сеть, имеющая архитектуру трехслойного персептрона с тремя нейронами во входном слое, тремя нейронами в скрытом слое и одним нейроном в выходном слое (рис. 3) с сигмоидальной функцией активации во всех слоях.

Рис.3. Архитектура трехслойного персептрона с тремя нейронами

во входном слое, тремя нейронами в скрытом слое

и одним нейроном в выходном слое

Смоделированная нейронная сеть обучена с помощью алгоритма обучения с учителем. Концептуально участие учителя можно рассматривать как наличие знаний об окружающей среде, представленных в виде пар «вход-выход». Учителю и обучаемой сети подается обучающий вектор из окружающей среды. На основе сформированных знаний учитель передает обучаемой нейронной сети желаемый отклик, соответствующий данному входному вектору. Параметры сети корректируются с учетом обучающего вектора и сигнала ошибки (рис.4).

Алгоритм обучения персептрона

-

e(n)

Рис.4. Алгоритм обучения нейронной сети

Описанный механизм обучения в рассматриваемой нейронной сети был реализован с помощью метода наискорейшего спуска[3]. В общем виде данный алгоритм можно записать как

(1)

2)

(3)

(4)

(5)

(6)

(7)

. (8)

Представленная нейронная сеть состоит из L слоев. В каждом слое расположено Nk элементов, k = 1, …, L –1, i=1,..,Nk ; - выходной сигнал i-го нейрона в k-м слое, k = 1, …, L –1, i=1,..,Nk; обозначает вес связи i-го нейрона в k-м слое, которая соединяет этот нейрон с j-м входным сигналом , j=0,1,..,Nk; - эталонный выходной сигнал сети; - текущее значение энергии ошибки; - величина шага коррекции; -вектор градиента вычисленный в точке .

Смоделированный трехслойный персептрон был обучен 300 эпохами (рис.5).

Рис. 5. Трехслойный персептрон. Среднеквадратическая ошибка

На рис.6 приведены результаты работы нейронной сети с экспериментальным множеством данных. При входном множестве 0.2,2,2 и эталоне 0,2 –результатом работы сети является 0.21, что в целом отвечает установленной расчетной точности. Полученный результат показывает, что для блока принятия решения о дальнейшем выборе уровня тестирования в адаптивном алгоритме тестирования могут быть успешно использованы искусственные нейронные сети. А предложенный адаптивный алгоритм, описанный выше, позволяет при предъявлении в среднем 15 заданий добиваться такой же точности-надежности, как и тест с фиксированным предъявлением 45 заданий, не учитывающий уровень трудности заданий.

Рис.6. Результаты моделирования нейронной сети

Введение трех уровней трудности и оптимального алгоритма перехода с уровня на уровень позволяет втрое сократить расходы на продолжительность тестирования, но положительный момент не только в экономии времени, но и в обеспечении информационной безопасности. Чем меньше заданий предъявляется одному испытуемому из банка заданий, тем менее становится прозрачным, обозримым для испытуемых весь банк заданий. Таким образом, адаптивное тестирование — такой подход к компьютерному тестированию, который фактически позволяет привнести в стандартные групповые тесты элементы индивидуализации, учета индивидуальных особенностей данного испытуемого в процессе тестирования.

ЛИТЕРАТУРА

1.  Левин конструирования педагогических тестов. Адаптивное тестирование / http://new. *****

2.  Нейронные сети/ С. Хайкин. М: СПб: Киев: Вильямс, 20с.

3.  Нейронные сети, генетические алгоритмы и нечеткие системы/ Д. Рутковская, М. Пилинский, Л. Рутковский. М.: Наука, 20с.

–

заместитель начальника учебного отдела Международного университета Кыргызстана, , Бишкек

Статья поступила в редакцию 15.04.09, принята к опубликованию 16.07.09

УДК 378.3

ВНЕДРЕНИЕ ИНСТИТУТА ГОСУДАРСТВЕННО-ЧАСТНОГО ПАРТНЕРСТВА В СФЕРУ ПРОФЕССИОНАЛЬНОГО ВЫСШЕГО ОБРАЗОВАНИЯ

Статья посвящена проблеме государственно-частного партнерства в области образования. Автор обосновывает необходимость преобразования методов финансирования национальной системы образования.

Частно-государственное партнерство, финансирование, образование

Социально-экономические преобразования и структурная перестройка в стране обусловливают развитие рыночных механизмов регулирования национальной системы образования, которые преобразуют всю структуру финансирования, повышая заинтересованность институциональных систем в стратегиях, ведущих к росту инвестиций и эффективности. Меняется методология экономической поддержки высшего образования, предполагающая отказ от принципа финансирования и переход к концепции инвестирования в образование. Это означает переход от режима полного бюджетного содержания, прежде всего, высшего профессионального образования, к системе инвестирования в него на основе сопоставления выгод и издержек со стороны потребителей его продукта [1].

Одной из форм привлечения негосударственных инвестиций является институт государственно-частного партнерства (ГЧП). Наиболее точное определение ГЧП дано [2]: государственно-частное партнерство (public - private partnership, РРР) — это институциональный и организационный альянс между государством и бизнесом в целях реализации национальных, масштабных и локальных, общественно значимых проектов в широком спектре сфер деятельности: от развития стратегически важных отраслей промышленности и научно-исследовательских конструкторских работ до обеспечения общественных услуг. Такой союз является временным, создается на определенный срок в целях осуществления конкретного проекта и прекращает свое существование после его реализации. Государственно-частное партнерство снимает противоречие между недостатком бюджетных ресурсов и необходимостью сохранения контроля в сфере образования, создавая предпосылки для привлечения новых технологий, качественного менеджмента и инвестиционного капитала частного сектора. ГЧП можно рассматривать в качестве промежуточной формы между государственной и частной собственностью (semi - privatization). В Концепции развития РФ до 2020 года предусмотрено развитие механизмов ГЧП в различных отраслях экономики.

В настоящее время в России ГЧП осуществляется в следующих формах [3]:

1. Заключение договоров о реализации проектов, в которых участвуют в качестве равноправных партнеров структуры государственной власти и частные компании.

2. Использование средств Инвестиционного фонда РФ (согласно Постановлению Правительства РФ от 23.11.05 № 000) и других источников государственного финансирования для поддержки реализуемых частным бизнесом крупных проектов в стратегических направлениях.

3. Создание особых экономических зон (ОЭЗ): опытно-внедренческих, производственных, туристско-рекреационных, портовых), стимулирующих за счет мер государственной поддержки развитие бизнес-проектов.

4. Создание корпораций со смешанным государственным и частным капиталом для развития приоритетных отраслей экономики.

5. Взаимодействие государственного и частного капитала в целях развития науки, технологий и техники, адаптации научно-технического комплекса к условиям рыночной экономики.

6. Сотрудничество государства и бизнеса в развитии социальной сферы, при котором согласованно с государственной политикой бизнес самостоятельно и за свой счет реализует проекты в областях, приоритетных для государства и общества.

Институт ГЧП предполагает использование лизинговых и концессионных механизмов. На сегодняшний день в России концессионные соглашения используются в основном в ЖКХ, при строительстве автодорог, железных дорог и портов. Однако ГЧП может эффективно использоваться и в других отраслях.

В зарубежных странах термин «public - private partnership» часто употребляется практически для любых форм сотрудничества государственной власти и частного бизнеса [4]. Интерес к инвестиционной составляющей такого рода сотрудничества возник достаточно давно: первая постройка канала по концессионному принципу во Франции датируется 1552 годом [5]. Активно государственно-частное партнерство в концессионной форме использовалось многими странами, в том числе и Россией, на рубеже XIX - XX веков, особенно в сфере строительства железных дорог.

На сегодняшний день в странах с разным экономическим развитием, такие партнерства успешно применяются в транспортной (автодороги, железные дороги, аэропорты, порты, трубопроводный транспорт) и социальной (здравоохранение, образование, развлечение, туризм) инфраструктурах, ЖКХ (водоснабжение, электроснабжение, очистка воды, газоснабжение и др.), в других сферах (тюрьмы, оборона, объекты военной сферы). Лидирующей является транспортная инфраструктура, за ней с небольшим отрывом следует социальная инфраструктура [6].

Но если анализировать использование ГЧП-проектов по странам, рассматривая их в соответствии с социально-экономическим развитием, картина будет меняться. ГЧП-проекты в странах «Большой семерки», которые характеризуются высоким уровнем социальной защиты со стороны государства, используются чаще в отраслях здравоохранения и образования, что продиктовано политикой государства.

Каким образом данный механизм можно использовать в Российской Федерации в сфере профессионального образования?

Рассмотрим основные проблемы российского профессионального образования на современном этапе, выделенные Собранием научно-педагогической общественности в г. Белгороде 26.11.2008 г.

1.  Перекос профессионального образования в сторону высшего. В стране сейчас более 1000 вузов и более миллиона филиалов (для сравнения: на всем пространстве СССР было 625 высших учебных заведений).

2.  Несоответствие структуры подготовки специалистов потребностям экономики. В вузах страны по специальности «Экономика и управление» обучаются 1,8 млн. человек, по гуманитарным специальностям – 1,1 млн. человек, по специальности «Образование и педагогика» - 0,6 млн. человек, по специальности «Физико-математические науки» - 0,087 млн. человек, по специальности «Приборостроение» - 0,05 млн. человек.

3.  Критические отзывы работодателей. Согласно социологическому исследованию, проведенному агентством «РейтОР»[1], более 70% работодателей утверждают, что молодых специалистов приходится доучивать в течение от двух месяцев до двух лет, прежде чем они станут полноценными сотрудниками. Среди причин такого положения называют недостаток общих и специальных знаний и оторванность полученных в вузе знаний от производства.

4.  Невысокая международная конкурентоспособность. В 2007 г. российская система ВПО заняла в мировом рейтинге вузов 66-е место, опустившись на 13 позиций [7].

5.  Недостаточный вклад в потребности инновационной экономики. Спрос на выпускников по специальности «Информатика и вычислительная техника» не удовлетворен в 1,5 раза, по специальности «Информационная безопасность» - в 5 раз. По одному из самых востребованных сейчас направлений — нанотехнологиям — обучаются всего 50 тысяч студентов.

Усугубляют проблему устаревшие методы и программы обучения, не соответствующее современным стандартам оборудование, неэффективный менеджмент, низкая оплата труда преподавателей, недостаточность финансирования. Сложившаяся советская система профессионального образования удовлетворяла потребности производства индустриально-машинного типа. С развитием информационных технологий российская вузовская система, консервативная по своей природе, как, впрочем, и всякая вузовская система, начала отставать от запросов производства, поскольку возникла потребность в специалистах высокой мобильности, умеющих работать в различных коллективах, способных к переобучению и мотивированных на постоянное пополнение своих профессиональных компетенций. Если добавить к перечисленному списку нерациональное использование инвестиций, можно утверждать, что система высшего профессионального образования страны нуждается в коренной модернизации. Необходима перестройка всей системы профессионального образования - от начального звена до высшего.

Она требует роста бюджетных расходов (по мнению Общественной палаты, до 7 - 8 % ВВП). Обеспечить рост финансирования возможно только при условии привлечения негосударственных инвестиций, что возможно через механизм государственно-частного партнерства.

На данном этапе идет активный процесс выстраивания механизмов сотрудничества СПО, ВПО и бизнеса. Проблеме государственно-частного партнерства в области образования были посвящены круглые столы и заседания РСПП, Комитета Госдумы РФ по образованию и науке, слушания на коллегии Министерства образования и науки РФ, где вопросы взаимодействия государства, бизнеса и науки и образования совместно обсуждались представителями всех заинтересованных сторон. Результаты данных обсуждений показали, что наиболее перспективной для Российской Федерации формой государственно-частного партнерства является такая, при которой [8]:

1) отношения государства и частного бизнеса носят взаимовыгодный долгосрочный характер, что позволяет обеим сторонам осуществлять стратегическое планирование своей деятельности;

2) частный сектор обладает наиболее полной свободой в принятии административно-хозяйственных и управленческих решений в части инвестированных средств;

3) у государства в рамках договора и законодательных норм остается достаточно рычагов воздействия на частный бизнес в случае нарушения им условий договора о государственно-частном партнерстве в образовании, а также при возникновении необходимости защиты общественных интересов;

4) государство передает образовательному учреждению и частному бизнесу только права владения и пользования объектами собственности в образовании, оставляя за собой право распоряжения ею.

Частный сектор начинает участвовать в мониторинге рынка труда, в создании корпоративных университетов, бизнес-школ, развитии специализированных образовательных программ и образовательных стандартов нового поколения, независимом рейтинговании вузов, в управлении образовательными учреждениями, непосредственно в преподавании, в финансировании грантов и именных стипендий передовым учебным заведениям, лучшим преподавателям и студентам учебных заведений. Роль спонсора уже не отвечает потребностям бизнеса, ему необходимо участие в самом процессе управления образовательной системой. Частный сектор начинает кооперироваться с вузами и государством, причем не только в финансовых отношениях, но и в сфере непосредственного управления, в преподавании, в научных разработках, в создании инновационных образовательных программ. Создаются и апробируются специальные проекты, на основе которых будет перестраиваться вся система профобразования, адекватная современной стадии развития экономики страны.

Как показывает мировой опыт, участие бизнеса в финансировании и деловом сотрудничестве с системой высшего образования дает долю негосударственных поступлений в бюджеты университетов около 80%, а чистая прибыль на 1 доллар затрат в высшее образование составляет от 8 до 25 долларов. Но в нашей стране ученые опасаются, что бизнес может сломать фундаментальность высшей школы, так как его интересы в большой степени прикладные, и он нацелен на использование имущественного комплекса вузов в своих меркантильных целях. В свою очередь, бизнес не видит ощутимых преимуществ вкладов в образование как успешных инвестиционных проектов и гарантий возврата средств.

Правовое оформление ГЧП в образовании возможно через различные правовые конструкции, как общие, так и специально разработанные для ГЧП. К ним, в частности, относятся:

·  концессионные соглашения;

·  соглашения о разделе продукции;

·  инвестиционные договоры с определением прав на создаваемые объекты;