Синтез и верификация многокритериальной системно-когнитивной модели университетского рейтинга гардиан и ее применение для сопоставимой оценки эффективности российских вузов с учетом направления подготовки
Применение отечественной лицензионной инновационной интеллектуальной технологии для разработки модели университетского рейтинга гардиан. Автоматизированный системно-когнитивный анализ, его программный инструментарий – интеллектуальная система "Эйдос".
Рубрика | Программирование, компьютеры и кибернетика |
Вид | статья |
Язык | русский |
Дата добавления | 20.05.2017 |
Размер файла | 1,9 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
79
RANK-02.Engineering: materials and mineral
80
RANK-02.Engineering: mechanical
81
RANK-02.English
82
RANK-02.Geography and environmental studies
83
RANK-02.History and history of art
84
RANK-02.Law
85
RANK-02.Mathematics
86
RANK-02.Media studies, communications and librarianship
87
RANK-02.Medicine
88
RANK-02.Modern languages and linguistics
89
RANK-02.Music
90
RANK-02.Nursing and paramedical studies
91
RANK-02.Pharmacy and pharmacology
92
RANK-02.Philosophy
93
RANK-02.Physics
94
RANK-02.Politics
95
RANK-02.Psychology
96
RANK-02.Religious studies and theology
97
RANK-02.Social policy and administration
98
RANK-02.Social work
99
RANK-02.Sociology
100
RANK-02.Sports science
101
RANK-02.Tourism, transport and travel
102
RANK-03.Agriculture, forestry and food
103
RANK-03.American studies
104
RANK-03.Anatomy and physiology
105
RANK-03.Anthropology
106
RANK-03.Archaeology and Forensics
107
RANK-03.Architecture
108
RANK-03.Art and design
109
RANK-03.Biosciences
110
RANK-03.Building and town and country planning
111
RANK-03.Business and management studies
112
RANK-03.Chemistry
113
RANK-03.Classics
114
RANK-03.Computer sciences and IT
115
RANK-03.Dentistry
116
RANK-03.Drama and dance
117
RANK-03.Earth and marine sciences
118
RANK-03.Economics
119
RANK-03.Education
120
RANK-03.Engineering: chemical
121
RANK-03.Engineering: civil
122
RANK-03.Engineering: electronic and electrical
123
RANK-03.Engineering: general
124
RANK-03.Engineering: materials and mineral
125
RANK-03.Engineering: mechanical
126
RANK-03.English
127
RANK-03.Geography and environmental studies
128
RANK-03.History and history of art
129
RANK-03.Law
130
RANK-03.Mathematics
131
RANK-03.Media studies, communications and librarianship
132
RANK-03.Medicine
133
RANK-03.Modern languages and linguistics
134
RANK-03.Music
135
RANK-03.Nursing and paramedical studies
136
RANK-03.Pharmacy and pharmacology
137
RANK-03.Philosophy
138
RANK-03.Physics
139
RANK-03.Politics
140
RANK-03.Psychology
141
RANK-03.Religious studies and theology
142
RANK-03.Social policy and administration
143
RANK-03.Social work
144
RANK-03.Sociology
145
RANK-03.Sports science
146
RANK-03.Tourism, transport and travel
147
RANK-03.Veterinary science
148
RANK-04.Agriculture, forestry and food
149
RANK-04.American studies
150
RANK-04.Anatomy and physiology
151
RANK-04.Anthropology
152
RANK-04.Archaeology and Forensics
153
RANK-04.Architecture
154
RANK-04.Art and design
155
RANK-04.Biosciences
156
RANK-04.Building and town and country planning
157
RANK-04.Business and management studies
158
RANK-04.Chemistry
159
RANK-04.Classics
160
RANK-04.Computer sciences and IT
161
RANK-04.Dentistry
162
RANK-04.Drama and dance
163
RANK-04.Earth and marine sciences
164
RANK-04.Economics
165
RANK-04.Education
166
RANK-04.Engineering: chemical
167
RANK-04.Engineering: civil
168
RANK-04.Engineering: electronic and electrical
169
RANK-04.Engineering: general
170
RANK-04.Engineering: materials and mineral
171
RANK-04.Engineering: mechanical
172
RANK-04.English
173
RANK-04.Geography and environmental studies
174
RANK-04.History and history of art
175
RANK-04.Law
176
RANK-04.Mathematics
177
RANK-04.Media studies, communications and librarianship
178
RANK-04.Medicine
179
RANK-04.Modern languages and linguistics
180
RANK-04.Music
181
RANK-04.Nursing and paramedical studies
182
RANK-04.Pharmacy and pharmacology
183
RANK-04.Philosophy
184
RANK-04.Physics
185
RANK-04.Politics
186
RANK-04.Psychology
187
RANK-04.Religious studies and theology
188
RANK-04.Social policy and administration
189
RANK-04.Social work
190
RANK-04.Sociology
191
RANK-04.Sports science
192
RANK-04.Tourism, transport and travel
193
RANK-04.Veterinary science
194
RANK-05.Agriculture, forestry and food
195
RANK-05.American studies
196
RANK-05.Anatomy and physiology
197
RANK-05.Anthropology
198
RANK-05.Archaeology and Forensics
199
RANK-05.Architecture
200
RANK-05.Art and design
201
RANK-05.Biosciences
202
RANK-05.Building and town and country planning
203
RANK-05.Business and management studies
204
RANK-05.Chemistry
205
RANK-05.Classics
206
RANK-05.Computer sciences and IT
207
RANK-05.Dentistry
208
RANK-05.Drama and dance
209
RANK-05.Earth and marine sciences
210
RANK-05.Economics
211
RANK-05.Education
212
RANK-05.Engineering: chemical
213
RANK-05.Engineering: civil
214
RANK-05.Engineering: electronic and electrical
215
RANK-05.Engineering: general
216
RANK-05.Engineering: materials and mineral
217
RANK-05.Engineering: mechanical
218
RANK-05.English
219
RANK-05.Geography and environmental studies
220
RANK-05.History and history of art
221
RANK-05.Law
222
RANK-05.Mathematics
223
RANK-05.Media studies, communications and librarianship
224
RANK-05.Medicine
225
RANK-05.Modern languages and linguistics
226
RANK-05.Music
227
RANK-05.Nursing and paramedical studies
228
RANK-05.Pharmacy and pharmacology
229
RANK-05.Philosophy
230
RANK-05.Physics
231
RANK-05.Politics
232
RANK-05.Psychology
233
RANK-05.Religious studies and theology
234
RANK-05.Social policy and administration
235
RANK-05.Social work
236
RANK-05.Sociology
237
RANK-05.Sports science
238
RANK-05.Tourism, transport and travel
239
RANK-06.Agriculture, forestry and food
240
RANK-06.American studies
241
RANK-06.Anatomy and physiology
242
RANK-06.Anthropology
243
RANK-06.Archaeology and Forensics
244
RANK-06.Architecture
245
RANK-06.Art and design
246
RANK-06.Biosciences
247
RANK-06.Building and town and country planning
248
RANK-06.Business and management studies
249
RANK-06.Chemistry
250
RANK-06.Classics
251
RANK-06.Computer sciences and IT
Таблица 8 - Описательные шкалы и градации (показатели)
Код |
Наименование |
|
80 |
% SATISFIED WITH ASSESSMENT-10/10-{88.8275502, 96.6000000} |
|
79 |
% SATISFIED WITH ASSESSMENT-9/10-{81.0551004, 88.8275502} |
|
78 |
% SATISFIED WITH ASSESSMENT-8/10-{73.2826506, 81.0551004} |
|
77 |
% SATISFIED WITH ASSESSMENT-7/10-{65.5102008, 73.2826506} |
|
76 |
% SATISFIED WITH ASSESSMENT-6/10-{57.7377510, 65.5102008} |
|
75 |
% SATISFIED WITH ASSESSMENT-5/10-{49.9653012, 57.7377510} |
|
74 |
% SATISFIED WITH ASSESSMENT-4/10-{42.1928514, 49.9653012} |
|
73 |
% SATISFIED WITH ASSESSMENT-3/10-{34.4204016, 42.1928514} |
|
72 |
% SATISFIED WITH ASSESSMENT-2/10-{26.6479518, 34.4204016} |
|
71 |
% SATISFIED WITH ASSESSMENT-1/10-{18.8755020, 26.6479518} |
|
70 |
AVERAGE ENTRY TARIFF-10/10-{551.7000000, 598.0000000} |
|
69 |
AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000} |
|
68 |
AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000} |
|
67 |
AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000} |
|
66 |
AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000} |
|
65 |
AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000} |
|
64 |
AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000} |
|
63 |
AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000} |
|
62 |
AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000} |
|
61 |
AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000} |
|
60 |
VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000} |
|
59 |
VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000} |
|
58 |
VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000} |
|
57 |
VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000} |
|
56 |
VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000} |
|
55 |
VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000} |
|
54 |
VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000} |
|
53 |
VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000} |
|
52 |
VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000} |
|
51 |
VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000} |
|
50 |
CAREER PROSPECTS-10/10-{91.6000000, 100.0000000} |
|
49 |
CAREER PROSPECTS-9/10-{83.2000000, 91.6000000} |
|
48 |
CAREER PROSPECTS-8/10-{74.8000000, 83.2000000} |
|
47 |
CAREER PROSPECTS-7/10-{66.4000000, 74.8000000} |
|
46 |
CAREER PROSPECTS-6/10-{58.0000000, 66.4000000} |
|
45 |
CAREER PROSPECTS-5/10-{49.6000000, 58.0000000} |
|
44 |
CAREER PROSPECTS-4/10-{41.2000000, 49.6000000} |
|
43 |
CAREER PROSPECTS-3/10-{32.8000000, 41.2000000} |
|
42 |
CAREER PROSPECTS-2/10-{24.4000000, 32.8000000} |
|
41 |
CAREER PROSPECTS-1/10-{16.0000000, 24.4000000} |
|
40 |
STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000} |
|
39 |
STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000} |
|
38 |
STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000} |
|
37 |
STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000} |
|
36 |
STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000} |
|
35 |
STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000} |
|
34 |
STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000} |
|
33 |
STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000} |
|
32 |
STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000} |
|
31 |
STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000} |
|
30 |
EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000} |
|
29 |
EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000} |
|
28 |
EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000} |
|
27 |
EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000} |
|
26 |
EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000} |
|
25 |
EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000} |
|
24 |
EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000} |
|
23 |
EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000} |
|
22 |
EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000} |
|
21 |
EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000} |
|
20 |
% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000} |
|
19 |
% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677} |
|
18 |
% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353} |
|
17 |
% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030} |
|
16 |
% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706} |
|
15 |
% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383} |
|
14 |
% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060} |
|
13 |
% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736} |
|
12 |
% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413} |
|
11 |
% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089} |
|
10 |
% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000} |
|
9 |
% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000} |
|
8 |
% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000} |
|
7 |
% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000} |
|
6 |
% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000} |
|
5 |
% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000} |
|
4 |
% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000} |
|
3 |
% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000} |
|
2 |
% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000} |
|
1 |
% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000} |
Таблица 9 - Обучающая выборка (фрагмент)
The object of training sample |
Guardian score/100 |
Rank |
Field of study |
Name of Institution |
% Satisfied with Teaching |
% Satisfied overall with course |
Expenditure per student (FTE) |
Student:staff ratio |
Career prospects |
Value added score/10 |
Average Entry Tariff |
% Satisfied with Assessment |
|
Medicine-Oxford, 2012 |
10 |
41 |
498 |
606 |
10 |
20 |
31 |
50 |
57 |
70 |
79 |
||
Medicine-Cambridge, 2012 |
10 |
41 |
498 |
535 |
9 |
19 |
30 |
31 |
50 |
52 |
70 |
76 |
|
Medicine-Edinburgh, 2012 |
9 |
87 |
498 |
553 |
9 |
19 |
30 |
31 |
50 |
54 |
69 |
75 |
|
Medicine-Dundee, 2012 |
9 |
87 |
498 |
549 |
10 |
20 |
30 |
31 |
50 |
56 |
68 |
76 |
|
Medicine-UCL, 2012 |
8 |
87 |
498 |
652 |
9 |
19 |
26 |
31 |
50 |
59 |
69 |
76 |
|
Medicine-Imperial College, 2012 |
6 |
132 |
498 |
575 |
9 |
19 |
27 |
31 |
50 |
53 |
69 |
74 |
|
Medicine-Leicester, 2012 |
6 |
132 |
498 |
585 |
9 |
19 |
25 |
31 |
50 |
55 |
68 |
75 |
|
Medicine-Newcastle, 2012 |
6 |
132 |
498 |
598 |
10 |
20 |
24 |
31 |
50 |
55 |
68 |
75 |
|
Medicine-Peninsula Medical School, 2012 |
6 |
132 |
498 |
608 |
9 |
19 |
27 |
31 |
50 |
54 |
68 |
76 |
|
Medicine-Nottingham, 2012 |
6 |
178 |
498 |
604 |
9 |
19 |
23 |
31 |
50 |
54 |
69 |
74 |
|
Medicine-King's College London, 2012 |
5 |
178 |
498 |
578 |
8 |
18 |
25 |
31 |
50 |
56 |
68 |
74 |
|
Medicine-Warwick, 2012 |
5 |
178 |
498 |
660 |
8 |
18 |
28 |
31 |
50 |
59 |
74 |
||
Medicine-Leeds, 2012 |
4 |
224 |
498 |
581 |
8 |
18 |
26 |
31 |
50 |
56 |
68 |
75 |
|
Medicine-Hull York Medical School, 2012 |
4 |
224 |
498 |
574 |
8 |
18 |
24 |
32 |
50 |
58 |
68 |
75 |
|
Medicine-Manchester, 2012 |
4 |
224 |
498 |
593 |
6 |
15 |
28 |
31 |
50 |
59 |
68 |
73 |
|
Medicine-Sheffield, 2012 |
4 |
224 |
498 |
628 |
9 |
19 |
23 |
31 |
50 |
54 |
68 |
75 |
|
Medicine-Aberdeen, 2012 |
4 |
269 |
498 |
513 |
9 |
19 |
24 |
31 |
50 |
56 |
67 |
77 |
|
Medicine-Brighton Sussex Medical School, 2012 |
4 |
269 |
498 |
530 |
8 |
18 |
24 |
32 |
50 |
57 |
75 |
||
Medicine-Queen Mary, 2012 |
4 |
269 |
498 |
613 |
7 |
17 |
24 |
31 |
50 |
58 |
68 |
74 |
|
Medicine-St George's Medical School, 2012 |
4 |
315 |
498 |
634 |
8 |
19 |
26 |
32 |
50 |
56 |
68 |
75 |
|
Medicine-Southampton, 2012 |
4 |
315 |
498 |
631 |
8 |
18 |
24 |
31 |
50 |
57 |
68 |
74 |
|
Medicine-St Andrews, 2012 |
4 |
361 |
498 |
633 |
10 |
20 |
22 |
32 |
50 |
51 |
68 |
76 |
|
Medicine-Glasgow, 2012 |
3 |
361 |
498 |
560 |
6 |
15 |
25 |
31 |
50 |
55 |
69 |
72 |
|
Medicine-UEA, 2012 |
3 |
361 |
498 |
653 |
8 |
18 |
23 |
31 |
50 |
59 |
67 |
75 |
|
Medicine-Birmingham, 2012 |
3 |
361 |
498 |
523 |
9 |
18 |
23 |
32 |
50 |
53 |
69 |
72 |
|
Medicine-Queen's, Belfast, 2012 |
3 |
406 |
498 |
611 |
8 |
18 |
24 |
32 |
50 |
53 |
68 |
75 |
|
Medicine-Liverpool, 2012 |
2 |
406 |
498 |
587 |
6 |
15 |
24 |
31 |
50 |
54 |
68 |
72 |
|
Medicine-Bristol, 2012 |
2 |
406 |
498 |
531 |
8 |
15 |
26 |
32 |
50 |
54 |
68 |
71 |
|
Medicine-Keele, 2012 |
1 |
452 |
498 |
576 |
7 |
14 |
23 |
32 |
50 |
57 |
67 |
72 |
|
Medicine-Cardiff, 2012 |
1 |
452 |
498 |
537 |
6 |
14 |
23 |
32 |
50 |
58 |
68 |
71 |
|
Dentistry-King's College London, 2012 |
10 |
24 |
481 |
578 |
9 |
18 |
28 |
31 |
50 |
57 |
68 |
77 |
|
Dentistry-Glasgow, 2012 |
8 |
70 |
481 |
560 |
10 |
20 |
23 |
32 |
50 |
56 |
68 |
78 |
|
Dentistry-Cardiff, 2012 |
8 |
115 |
481 |
537 |
9 |
20 |
28 |
31 |
50 |
51 |
68 |
75 |
|
Dentistry-Queen's, Belfast, 2012 |
7 |
115 |
481 |
611 |
10 |
20 |
29 |
31 |
50 |
55 |
67 |
76 |
|
Dentistry-Birmingham, 2012 |
7 |
161 |
481 |
523 |
10 |
18 |
25 |
31 |
50 |
56 |
68 |
76 |
|
Dentistry-Bristol, 2012 |
6 |
207 |
481 |
531 |
9 |
20 |
26 |
32 |
50 |
55 |
68 |
78 |
|
Dentistry-Dundee, 2012 |
5 |
252 |
481 |
549 |
8 |
19 |
24 |
31 |
50 |
57 |
68 |
75 |
|
Dentistry-Sheffield, 2012 |
4 |
252 |
481 |
628 |
9 |
19 |
23 |
31 |
50 |
56 |
68 |
76 |
|
Dentistry-Liverpool, 2012 |
3 |
298 |
481 |
587 |
8 |
17 |
27 |
31 |
50 |
57 |
68 |
76 |
|
Dentistry-Manchester, 2012 |
3 |
344 |
481 |
593 |
9 |
18 |
25 |
31 |
50 |
57 |
68 |
75 |
|
Dentistry-Newcastle, 2012 |
2 |
389 |
481 |
598 |
8 |
19 |
21 |
32 |
50 |
56 |
68 |
76 |
|
Dentistry-Queen Mary, 2012 |
1 |
389 |
481 |
613 |
7 |
17 |
24 |
31 |
50 |
57 |
68 |
76 |
|
Dentistry-Leeds, 2012 |
1 |
435 |
481 |
581 |
9 |
19 |
29 |
32 |
50 |
56 |
68 |
73 |
|
Veterinary science-Cambridge, 2012 |
10 |
56 |
512 |
535 |
9 |
19 |
28 |
31 |
49 |
53 |
69 |
77 |
|
Veterinary science-Edinburgh, 2012 |
8 |
147 |
512 |
553 |
9 |
18 |
29 |
31 |
50 |
59 |
68 |
74 |
|
Veterinary science-Liverpool, 2012 |
6 |
193 |
512 |
587 |
9 |
20 |
23 |
31 |
50 |
54 |
68 |
74 |
|
Veterinary science-Glasgow, 2012 |
5 |
284 |
512 |
560 |
9 |
20 |
23 |
31 |
50 |
58 |
68 |
75 |
|
Veterinary science-Nottingham, 2012 |
5 |
330 |
512 |
604 |
24 |
31 |
68 |
||||||
Veterinary science-Royal Veterinary College, 2012 |
5 |
421 |
512 |
625 |
8 |
17 |
28 |
31 |
49 |
56 |
68 |
73 |
|
Veterinary science-Bristol, 2012 |
1 |
467 |
512 |
531 |
9 |
19 |
23 |
32 |
49 |
53 |
67 |
74 |
|
Anatomy and physiology-Oxford, 2012 |
10 |
13 |
470 |
606 |
10 |
17 |
30 |
32 |
56 |
69 |
75 |
||
Anatomy and physiology-Glamorgan, 2012 |
10 |
13 |
470 |
559 |
9 |
19 |
24 |
32 |
50 |
60 |
65 |
78 |
|
Anatomy and physiology-Cardiff, 2012 |
10 |
59 |
470 |
537 |
9 |
20 |
30 |
32 |
50 |
55 |
67 |
75 |
|
Anatomy and physiology-Plymouth, 2012 |
9 |
59 |
470 |
609 |
10 |
19 |
28 |
31 |
48 |
58 |
65 |
79 |
|
Anatomy and physiology-Brunel, 2012 |
8 |
59 |
470 |
532 |
10 |
20 |
23 |
32 |
48 |
59 |
65 |
76 |
|
Anatomy and physiology-Liverpool, 2012 |
8 |
59 |
470 |
587 |
9 |
19 |
29 |
32 |
48 |
54 |
66 |
77 |
|
Anatomy and physiology-Sussex, 2012 |
8 |
59 |
470 |
643 |
9 |
20 |
26 |
32 |
59 |
66 |
76 |
||
Anatomy and physiology-Newcastle, 2012 |
7 |
104 |
470 |
598 |
9 |
20 |
24 |
32 |
48 |
55 |
67 |
76 |
|
Anatomy and physiology-Aston, 2012 |
7 |
104 |
470 |
518 |
8 |
18 |
26 |
33 |
50 |
52 |
66 |
78 |
|
Anatomy and physiology-Bristol, 2012 |
7 |
150 |
470 |
531 |
9 |
19 |
27 |
32 |
47 |
54 |
67 |
76 |
|
Anatomy and physiology-Nottingham, 2012 |
6 |
150 |
470 |
604 |
10 |
19 |
27 |
33 |
54 |
67 |
77 |
||
Anatomy and physiology-Birmingham, 2012 |
6 |
150 |
470 |
523 |
9 |
18 |
32 |
47 |
57 |
67 |
75 |
||
Anatomy and physiology-Sheffield Hallam, 2012 |
5 |
150 |
470 |
629 |
10 |
19 |
23 |
33 |
48 |
55 |
66 |
77 |
|
Anatomy and physiology-Manchester, 2012 |
5 |
196 |
470 |
593 |
9 |
19 |
25 |
32 |
48 |
54 |
67 |
75 |
|
Anatomy and physiology-Glasgow Caledonian, 2012 |
5 |
196 |
470 |
561 |
9 |
19 |
24 |
33 |
48 |
57 |
66 |
76 |
|
Anatomy and physiology-Edinburgh, 2012 |
5 |
196 |
470 |
553 |
9 |
19 |
29 |
33 |
45 |
55 |
67 |
74 |
|
Anatomy and physiology-Robert Gordon, 2012 |
5 |
241 |
470 |
616 |
9 |
20 |
23 |
34 |
48 |
57 |
67 |
76 |
|
Anatomy and physiology-De Montfort, 2012 |
5 |
241 |
470 |
547 |
8 |
19 |
25 |
33 |
50 |
55 |
64 |
76 |
|
Anatomy and physiology-Hertfordshire, 2012 |
5 |
241 |
470 |
570 |
8 |
19 |
23 |
33 |
49 |
57 |
63 |
77 |
|
Anatomy and physiology-UEA, 2012 |
5 |
241 |
470 |
653 |
10 |
20 |
49 |
53 |
65 |
75 |
|||
Anatomy and physiology-Queen's, Belfast, 2012 |
4 |
287 |
470 |
611 |
9 |
19 |
29 |
32 |
46 |
57 |
65 |
74 |
|
Anatomy and physiology-Aberdeen, 2012 |
4 |
287 |
470 |
513 |
8 |
20 |
24 |
33 |
47 |
56 |
64 |
78 |
|
Anatomy and physiology-Bradford, 2012 |
4 |
287 |
470 |
528 |
8 |
20 |
24 |
33 |
49 |
53 |
65 |
76 |
|
Anatomy and physiology-Birmingham City, 2012 |
2 |
287 |
470 |
524 |
9 |
15 |
23 |
34 |
48 |
58 |
65 |
75 |
|
Anatomy and physiology-Leeds, 2012 |
2 |
333 |
470 |
581 |
8 |
19 |
25 |
35 |
45 |
56 |
67 |
76 |
|
Anatomy and physiology-Northampton, 2012 |
2 |
333 |
470 |
601 |
9 |
17 |
23 |
33 |
63 |
77 |
|||
Anatomy and physiology-Anglia Ruskin, 2012 |
2 |
333 |
470 |
516 |
8 |
20 |
25 |
36 |
46 |
58 |
64 |
78 |
|
Anatomy and physiology-Manchester Met, 2012 |
2 |
378 |
470 |
594 |
8 |
17 |
22 |
33 |
48 |
53 |
65 |
75 |
|
Anatomy and physiology-City, 2012 |
1 |
378 |
470 |
542 |
8 |
17 |
24 |
33 |
50 |
51 |
66 |
74 |
|
Anatomy and physiology-Cumbria, 2012 |
1 |
378 |
470 |
546 |
7 |
18 |
23 |
34 |
50 |
52 |
64 |
76 |
|
Anatomy and physiology-St Mary's UC, Twickenham, 2012 |
1 |
378 |
470 |
636 |
10 |
20 |
22 |
35 |
47 |
56 |
62 |
77 |
|
Anatomy and physiology-King's College London, 2012 |
1 |
424 |
470 |
578 |
8 |
19 |
27 |
36 |
46 |
53 |
67 |
75 |
|
Anatomy and physiology-Ulster, 2012 |
1 |
424 |
470 |
654 |
7 |
15 |
23 |
33 |
45 |
58 |
65 |
75 |
|
Nursing and paramedical studies-Edinburgh, 2012 |
10 |
44 |
501 |
553 |
10 |
20 |
29 |
32 |
58 |
66 |
78 |
||
Nursing and paramedical studies-Glasgow, 2012 |
10 |
44 |
501 |
560 |
10 |
20 |
27 |
33 |
56 |
66 |
80 |
||
Nursing and paramedical studies-UEA, 2012 |
9 |
44 |
501 |
653 |
9 |
18 |
30 |
33 |
50 |
58 |
65 |
76 |
|
Nursing and paramedical studies-Leeds, 2012 |
7 |
44 |
501 |
581 |
8 |
17 |
30 |
33 |
50 |
53 |
65 |
77 |
|
Nursing and paramedical studies-Staffordshire, 2012 |
7 |
44 |
501 |
637 |
9 |
20 |
27 |
33 |
50 |
58 |
63 |
78 |
|
Nursing and paramedical studies-Portsmouth, 2012 |
7 |
90 |
501 |
610 |
8 |
18 |
28 |
32 |
50 |
54 |
65 |
76 |
|
Nursing and paramedical studies-City, 2012 |
7 |
90 |
501 |
542 |
8 |
18 |
30 |
33 |
49 |
55 |
64 |
77 |
|
Nursing and paramedical studies-Keele, 2012 |
7 |
90 |
501 |
576 |
10 |
20 |
26 |
33 |
49 |
57 |
64 |
78 |
|
Nursing and paramedical studies-Southampton, 2012 |
7 |
90 |
501 |
631 |
8 |
18 |
28 |
33 |
49 |
59 |
66 |
75 |
|
Nursing and paramedical studies-Birmingham, 2012 |
7 |
90 |
501 |
523 |
9 |
19 |
32 |
49 |
54 |
66 |
76 |
||
Nursing and paramedical studies-Bedfordshire, 2012 |
7 |
90 |
501 |
522 |
9 |
18 |
24 |
33 |
60 |
63 |
77 |
||
Nursing and paramedical studies-Liverpool, 2012 |
7 |
90 |
501 |
587 |
8 |
17 |
29 |
32 |
50 |
52 |
65 |
76 |
|
Nursing and paramedical studies-Oxford Brookes, 2012 |
7 |
90 |
501 |
607 |
9 |
19 |
24 |
33 |
50 |
55 |
64 |
78 |
|
Nursing and paramedical studies-Nottingham, 2012 |
7 |
135 |
501 |
604 |
8 |
18 |
27 |
33 |
49 |
59 |
65 |
76 |
|
Nursing and paramedical studies-Surrey, 2012 |
7 |
135 |
501 |
642 |
8 |
19 |
28 |
35 |
50 |
58 |
65 |
77 |
|
Nursing and paramedical studies-Manchester, 2012 |
7 |
135 |
501 |
593 |
9 |
18 |
27 |
33 |
50 |
55 |
65 |
76 |
|
Nursing and paramedical studies-Brighton, 2012 |
6 |
135 |
501 |
529 |
8 |
17 |
24 |
33 |
49 |
58 |
65 |
77 |
|
Nursing and paramedical studies-Thames Valley, 2012 |
6 |
135 |
501 |
646 |
8 |
16 |
28 |
33 |
50 |
60 |
62 |
77 |
|
Nursing and paramedical studies-Middlesex, 2012 |
6 |
135 |
501 |
597 |
8 |
17 |
29 |
33 |
50 |
56 |
63 |
77 |
|
Nursing and paramedical studies-Edge Hill, 2012 |
6 |
135 |
501 |
552 |
9 |
19 |
23 |
33 |
49 |
54 |
63 |
79 |
|
Nursing and paramedical studies-Bangor, 2012 |
6 |
135 |
501 |
519 |
8 |
18 |
26 |
33 |
50 |
52 |
64 |
77 |
|
Nursing and paramedical studies-Coventry, 2012 |
6 |
135 |
501 |
545 |
9 |
19 |
23 |
33 |
49 |
58 |
64 |
77 |
|
Nursing and paramedical studies-Northampton, 2012 |
6 |
181 |
501 |
601 |
8 |
18 |
24 |
33 |
49 |
59 |
63 |
76 |
Полностью обучающая выборка в статье не может быть приведена, т.к. файл исходных данных содержит 2559 строк.
Этим завершается 2-й этап АСК-анализа, который называется «Формализация предметной области» и создаются все необходимые и достаточные предпосылки для выполнения следующего этапа, т.е. синтеза и верификации (измерения достоверности) модели.
3.5 Синтез и верификация многокритериальной системно-когнитивной модели университетского рейтинга Гардиан, учитывающей направления подготовки
Синтез и верификация многокритериальной системно-когнитивной модели университетского рейтинга Гардиан, учитывающей направления подготовки, представляет собой задачу, требующую довольно значительных вычислительных ресурсов. Решение этой задачи на компьютере с процессором i7 и 16 Гб оперативной памяти с размещение задачи на SSD, потребовало около 13 часов счета (рисунок 9).
Рисунок 9. Экранная форма с отображением стадии синтеза и верификациимоделей и прогнозом времени исполнения
Такая большая длительность расчетов обусловлена тем, что для измерения достоверности 10 моделей была использована вся обучающая выборка, включающая 2559 примеров.
Математические аспекты формирования системно-когнитивных моделей описаны в ряде работ автора [3] и здесь их подробно освещать нет необходимости. Отметим лишь, что для преобразования матрицы абсолютных частот в другие модели используются формулы преобразования, приведенные в таблице 10:
Таблица 10 - Частные критерии знаний, используемые в настоящее время в АСК-анализе и системе «Эйдос-Х++»
Наименование модели знанийи частный критерий |
Выражение для частного критерия |
||
через относительные частоты |
через абсолютные частоты |
||
INF1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу. Относительная частота того, что если у объекта j-го класса обнаружен признак, то это i-й признак |
|||
INF2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу. Относительная частота того, что если предъявлен объект j-го класса, то у него будет обнаружен i-й признак. |
|||
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами |
--- |
||
INF4, частный критерий: ROI - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу |
|||
INF5, частный критерий: ROI - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу |
|||
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по j-му классу |
|||
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по j-му классу |
Обозначения:
i - значение прошлого параметра;
j - значение будущего параметра;
Nij - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра;
M - суммарное число значений всех прошлых параметров;
W - суммарное число значений всех будущих параметров.
Ni - количество встреч i-м значения прошлого параметра по всей выборке;
Nj - количество встреч j-го значения будущего параметра по всей выборке;
N - количество встреч j-го значения будущего параметра при i-м значении прошлого параметра по всей выборке.
Iij - частный критерий знаний: количество знаний в факте наблюдения i-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее j-му значению будущего параметра;
Ш - нормировочный коэффициент (Е.В.Луценко, 1979, впервые опубликовано в 1993 году [15]), преобразующий количество информации в формуле А.Харкевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;
Pi - безусловная относительная частота встречи i-го значения прошлого параметра в обучающей выборке;
Pij - условная относительная частота встречи i-го значения прошлого параметра при j-м значении будущего параметра.
В результате сформированы 10 моделей: 3 статистических и 7 системно-когнитивных моделей (моделей знаний). Фрагменты трех из них приведены ниже (таблицы 11, 12, 13):
Таблица 11 - Матрица абсолютных частот, модель ABS (фрагмент)
Код |
Наименование показателя |
1/10-{25.90, 33.31} |
2/10-{33.31, 40.72} |
3/10-{40.72, 48.13} |
4/10-{48.13, 55.54} |
5/10-{55.54, 62.95} |
6/10-{62.95, 70.36} |
7/10-{70.36, 77.77} |
8/10-{77.77, 85.18} |
9/10-{85.18, 92.59} |
10/10-{92.59, 100.00} |
|
1 |
% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000} |
2 |
2 |
1 |
0 |
2 |
0 |
1 |
0 |
0 |
0 |
|
2 |
% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000} |
4 |
8 |
0 |
1 |
1 |
0 |
1 |
0 |
0 |
0 |
|
3 |
% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000} |
3 |
8 |
7 |
5 |
2 |
4 |
2 |
2 |
1 |
0 |
|
4 |
% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000} |
7 |
23 |
17 |
18 |
9 |
4 |
6 |
3 |
1 |
0 |
|
5 |
% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000} |
6 |
22 |
31 |
43 |
30 |
29 |
9 |
5 |
0 |
0 |
|
6 |
% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000} |
17 |
29 |
63 |
72 |
79 |
43 |
22 |
12 |
5 |
3 |
|
7 |
% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000} |
15 |
22 |
65 |
93 |
108 |
89 |
53 |
43 |
20 |
12 |
|
8 |
% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000} |
6 |
21 |
55 |
96 |
121 |
121 |
101 |
41 |
30 |
27 |
|
9 |
% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000} |
6 |
9 |
25 |
54 |
87 |
104 |
97 |
71 |
38 |
35 |
|
10 |
% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000} |
1 |
2 |
3 |
12 |
23 |
18 |
39 |
23 |
21 |
32 |
|
11 |
% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089} |
3 |
3 |
2 |
1 |
0 |
0 |
0 |
1 |
1 |
0 |
|
12 |
% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413} |
3 |
5 |
1 |
1 |
2 |
1 |
0 |
0 |
1 |
0 |
|
13 |
% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736} |
4 |
7 |
5 |
4 |
6 |
2 |
2 |
1 |
0 |
0 |
|
14 |
% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060} |
6 |
16 |
17 |
11 |
13 |
6 |
5 |
3 |
0 |
0 |
|
15 |
% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383} |
9 |
20 |
20 |
31 |
21 |
19 |
5 |
6 |
0 |
0 |
|
16 |
% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706} |
9 |
23 |
41 |
45 |
45 |
33 |
19 |
11 |
4 |
0 |
|
17 |
% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030} |
16 |
28 |
65 |
81 |
96 |
73 |
45 |
16 |
9 |
2 |
|
18 |
% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353} |
8 |
26 |
66 |
109 |
118 |
110 |
80 |
42 |
25 |
12 |
|
19 |
% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677} |
5 |
15 |
40 |
84 |
118 |
114 |
111 |
73 |
43 |
44 |
|
20 |
% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000} |
4 |
3 |
10 |
27 |
43 |
54 |
64 |
47 |
33 |
51 |
|
21 |
EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000} |
2 |
4 |
3 |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
|
22 |
EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000} |
9 |
28 |
44 |
33 |
23 |
13 |
9 |
0 |
0 |
0 |
|
23 |
EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000} |
31 |
48 |
84 |
114 |
102 |
64 |
20 |
13 |
5 |
2 |
|
24 |
EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000} |
17 |
35 |
63 |
111 |
121 |
86 |
51 |
21 |
2 |
2 |
|
25 |
EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000} |
6 |
15 |
38 |
47 |
67 |
63 |
58 |
19 |
7 |
4 |
|
26 |
EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000} |
0 |
9 |
18 |
35 |
54 |
59 |
42 |
28 |
14 |
6 |
|
27 |
EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000} |
2 |
6 |
8 |
28 |
39 |
52 |
47 |
29 |
14 |
8 |
|
28 |
EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000} |
0 |
5 |
13 |
14 |
35 |
40 |
48 |
32 |
19 |
15 |
|
29 |
EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000} |
1 |
0 |
0 |
12 |
22 |
25 |
33 |
35 |
23 |
11 |
|
30 |
EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000} |
0 |
0 |
1 |
3 |
4 |
9 |
24 |
23 |
31 |
56 |
|
31 |
STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000} |
1 |
2 |
4 |
11 |
16 |
13 |
17 |
17 |
18 |
20 |
|
32 |
STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000} |
7 |
7 |
9 |
29 |
44 |
62 |
73 |
69 |
46 |
50 |
|
33 |
STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000} |
7 |
24 |
53 |
101 |
160 |
150 |
131 |
69 |
43 |
37 |
|
34 |
STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000} |
15 |
36 |
90 |
144 |
167 |
122 |
93 |
33 |
12 |
6 |
|
35 |
STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000} |
22 |
34 |
74 |
79 |
59 |
47 |
16 |
11 |
2 |
2 |
|
36 |
STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000} |
8 |
24 |
20 |
23 |
19 |
8 |
1 |
1 |
1 |
0 |
|
37 |
STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000} |
4 |
12 |
10 |
6 |
2 |
4 |
1 |
0 |
0 |
0 |
|
38 |
STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000} |
2 |
5 |
9 |
3 |
1 |
0 |
0 |
0 |
0 |
0 |
|
39 |
STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000} |
2 |
3 |
2 |
0 |
0 |
1 |
0 |
0 |
0 |
0 |
|
40 |
STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000} |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
41 |
CAREER PROSPECTS-1/10-{16.0000000, 24.4000000} |
2 |
5 |
5 |
5 |
2 |
0 |
0 |
0 |
0 |
0 |
|
42 |
CAREER PROSPECTS-2/10-{24.4000000, 32.8000000} |
5 |
14 |
18 |
21 |
21 |
4 |
0 |
0 |
0 |
1 |
|
43 |
CAREER PROSPECTS-3/10-{32.8000000, 41.2000000} |
12 |
15 |
41 |
61 |
57 |
21 |
14 |
0 |
1 |
1 |
|
44 |
CAREER PROSPECTS-4/10-{41.2000000, 49.6000000} |
6 |
32 |
36 |
65 |
58 |
36 |
31 |
7 |
3 |
0 |
|
45 |
CAREER PROSPECTS-5/10-{49.6000000, 58.0000000} |
8 |
19 |
32 |
66 |
67 |
89 |
51 |
19 |
5 |
1 |
|
46 |
CAREER PROSPECTS-6/10-{58.0000000, 66.4000000} |
3 |
7 |
24 |
40 |
65 |
51 |
55 |
21 |
14 |
8 |
|
47 |
CAREER PROSPECTS-7/10-{66.4000000, 74.8000000} |
1 |
3 |
10 |
30 |
28 |
55 |
47 |
45 |
27 |
14 |
|
48 |
CAREER PROSPECTS-8/10-{74.8000000, 83.2000000} |
0 |
3 |
11 |
10 |
26 |
30 |
42 |
36 |
21 |
29 |
|
49 |
CAREER PROSPECTS-9/10-{83.2000000, 91.6000000} |
2 |
1 |
1 |
4 |
14 |
10 |
19 |
19 |
14 |
19 |
|
50 |
CAREER PROSPECTS-10/10-{91.6000000, 100.0000000} |
6 |
3 |
9 |
20 |
14 |
16 |
16 |
10 |
7 |
9 |
|
51 |
VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000} |
15 |
21 |
20 |
24 |
12 |
3 |
2 |
2 |
1 |
0 |
Таблица 11 - Матрица условных и безусловных процентных распределений , модель PRC2 (фрагмент)
Код |
Наименование показателя |
1/10-{25.90, 33.31} |
2/10-{33.31, 40.72} |
3/10-{40.72, 48.13} |
4/10-{48.13, 55.54} |
5/10-{55.54, 62.95} |
6/10-{62.95, 70.36} |
7/10-{70.36, 77.77} |
8/10-{77.77, 85.18} |
9/10-{85.18, 92.59} |
10/10-{92.59, 100.00} |
|
1 |
% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000} |
3 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
2 |
% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000} |
6 |
5 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
3 |
% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000} |
4 |
5 |
3 |
1 |
0 |
1 |
1 |
1 |
1 |
0 |
|
4 |
% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000} |
10 |
15 |
6 |
5 |
2 |
1 |
2 |
1 |
1 |
0 |
|
5 |
% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000} |
9 |
15 |
11 |
11 |
6 |
7 |
3 |
2 |
0 |
0 |
|
6 |
% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000} |
25 |
19 |
23 |
18 |
17 |
10 |
7 |
6 |
4 |
3 |
|
7 |
% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000} |
22 |
15 |
24 |
23 |
23 |
21 |
16 |
21 |
16 |
10 |
|
8 |
% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000} |
9 |
14 |
20 |
24 |
26 |
29 |
30 |
20 |
24 |
23 |
|
9 |
% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000} |
9 |
6 |
9 |
14 |
18 |
25 |
29 |
35 |
31 |
30 |
|
10 |
% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000} |
1 |
1 |
1 |
3 |
5 |
4 |
12 |
11 |
17 |
28 |
|
11 |
% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089} |
4 |
2 |
1 |
0 |
0 |
0 |
0 |
0 |
1 |
0 |
|
12 |
% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413} |
4 |
3 |
0 |
0 |
0 |
0 |
0 |
0 |
1 |
0 |
|
13 |
% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736} |
6 |
5 |
2 |
1 |
1 |
0 |
1 |
0 |
0 |
0 |
|
14 |
% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060} |
9 |
11 |
6 |
3 |
3 |
1 |
1 |
1 |
0 |
0 |
|
15 |
% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383} |
13 |
13 |
7 |
8 |
4 |
5 |
1 |
3 |
0 |
0 |
|
16 |
% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706} |
13 |
15 |
15 |
11 |
10 |
8 |
6 |
5 |
3 |
0 |
|
17 |
% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030} |
23 |
19 |
24 |
20 |
20 |
18 |
13 |
8 |
7 |
2 |
|
18 |
% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353} |
12 |
17 |
24 |
27 |
25 |
27 |
24 |
21 |
20 |
10 |
|
19 |
% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677} |
7 |
10 |
15 |
21 |
25 |
27 |
33 |
36 |
35 |
38 |
|
20 |
% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000} |
6 |
2 |
4 |
7 |
9 |
13 |
19 |
23 |
27 |
44 |
|
21 |
EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000} |
3 |
3 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
22 |
EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000} |
13 |
19 |
16 |
8 |
5 |
3 |
3 |
0 |
0 |
0 |
|
23 |
EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000} |
45 |
32 |
31 |
29 |
22 |
15 |
6 |
6 |
4 |
2 |
|
24 |
EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000} |
25 |
23 |
23 |
28 |
26 |
21 |
15 |
10 |
2 |
2 |
|
25 |
EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000} |
9 |
10 |
14 |
12 |
14 |
15 |
17 |
9 |
6 |
3 |
|
26 |
EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000} |
0 |
6 |
7 |
9 |
11 |
14 |
13 |
14 |
11 |
5 |
|
27 |
EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000} |
3 |
4 |
3 |
7 |
8 |
13 |
14 |
14 |
11 |
7 |
|
28 |
EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000} |
0 |
3 |
5 |
4 |
7 |
10 |
14 |
16 |
15 |
13 |
|
29 |
EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000} |
1 |
0 |
0 |
3 |
5 |
6 |
10 |
17 |
19 |
9 |
|
30 |
EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000} |
0 |
0 |
0 |
1 |
1 |
2 |
7 |
11 |
25 |
48 |
|
31 |
STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000} |
1 |
1 |
1 |
3 |
3 |
3 |
5 |
8 |
15 |
17 |
|
32 |
STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000} |
10 |
5 |
3 |
7 |
9 |
15 |
22 |
34 |
37 |
43 |
|
33 |
STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000} |
10 |
16 |
19 |
25 |
34 |
36 |
39 |
34 |
35 |
32 |
|
34 |
STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000} |
22 |
24 |
33 |
36 |
35 |
29 |
28 |
16 |
10 |
5 |
|
35 |
STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000} |
32 |
23 |
27 |
20 |
12 |
11 |
5 |
5 |
2 |
2 |
|
36 |
STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000} |
12 |
16 |
7 |
6 |
4 |
2 |
0 |
0 |
1 |
0 |
|
37 |
STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000} |
6 |
8 |
4 |
2 |
0 |
1 |
0 |
0 |
0 |
0 |
|
38 |
STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000} |
3 |
3 |
3 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
|
39 |
STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000} |
3 |
2 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
40 |
STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000} |
0 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
41 |
CAREER PROSPECTS-1/10-{16.0000000, 24.4000000} |
3 |
3 |
2 |
1 |
0 |
0 |
0 |
0 |
0 |
0 |
|
42 |
CAREER PROSPECTS-2/10-{24.4000000, 32.8000000} |
7 |
9 |
7 |
5 |
4 |
1 |
0 |
0 |
0 |
1 |
|
43 |
CAREER PROSPECTS-3/10-{32.8000000, 41.2000000} |
17 |
10 |
15 |
15 |
12 |
5 |
4 |
0 |
1 |
1 |
|
44 |
CAREER PROSPECTS-4/10-{41.2000000, 49.6000000} |
9 |
21 |
13 |
16 |
12 |
9 |
9 |
3 |
2 |
0 |
|
45 |
CAREER PROSPECTS-5/10-{49.6000000, 58.0000000} |
12 |
13 |
12 |
17 |
14 |
21 |
15 |
9 |
4 |
1 |
|
46 |
CAREER PROSPECTS-6/10-{58.0000000, 66.4000000} |
4 |
5 |
9 |
10 |
14 |
12 |
16 |
10 |
11 |
7 |
|
47 |
CAREER PROSPECTS-7/10-{66.4000000, 74.8000000} |
1 |
2 |
4 |
8 |
6 |
13 |
14 |
22 |
22 |
12 |
|
48 |
CAREER PROSPECTS-8/10-{74.8000000, 83.2000000} |
0 |
2 |
4 |
3 |
5 |
7 |
13 |
18 |
17 |
25 |
|
49 |
CAREER PROSPECTS-9/10-{83.2000000, 91.6000000} |
3 |
1 |
0 |
1 |
3 |
2 |
6 |
9 |
11 |
16 |
|
50 |
CAREER PROSPECTS-10/10-{91.6000000, 100.0000000} |
9 |
2 |
3 |
5 |
3 |
4 |
5 |
5 |
6 |
8 |
|
51 |
VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000} |
22 |
14 |
7 |
6 |
3 |
1 |
1 |
1 |
1 |
0 |
|
52 |
VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000} |
14 |
13 |
10 |
10 |
7 |
6 |
4 |
1 |
0 |
3 |
|
53 |
VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000} |
13 |
15 |
17 |
15 |
11 |
8 |
7 |
3 |
3 |
3 |
|
54 |
VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000} |
6 |
17 |
19 |
16 |
12 |
13 |
10 |
11 |
11 |
3 |
|
55 |
VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000} |
6 |
7 |
8 |
10 |
12 |
13 |
14 |
8 |
7 |
9 |
|
56 |
VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000} |
10 |
11 |
8 |
8 |
14 |
13 |
11 |
14 |
11 |
9 |
|
57 |
VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000} |
7 |
6 |
8 |
10 |
15 |
16 |
19 |
24 |
25 |
28 |
|
58 |
VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000} |
6 |
6 |
8 |
9 |
10 |
12 |
18 |
18 |
24 |
25 |
|
59 |
VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000} |
1 |
2 |
3 |
7 |
7 |
7 |
9 |
12 |
10 |
11 |
|
60 |
VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000} |
0 |
1 |
1 |
1 |
3 |
4 |
4 |
3 |
4 |
6 |
|
61 |
AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000} |
4 |
5 |
4 |
2 |
0 |
1 |
1 |
0 |
0 |
0 |
|
62 |
AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000} |
30 |
29 |
21 |
10 |
9 |
5 |
4 |
1 |
2 |
1 |
|
63 |
AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000} |
38 |
37 |
35 |
35 |
26 |
18 |
13 |
5 |
7 |
1 |
|
64 |
AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000} |
10 |
19 |
25 |
27 |
29 |
25 |
12 |
10 |
10 |
2 |
|
65 |
AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000} |
6 |
3 |
7 |
12 |
15 |
16 |
19 |
15 |
14 |
9 |
|
66 |
AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000} |
3 |
2 |
4 |
6 |
10 |
17 |
23 |
19 |
20 |
13 |
|
67 |
AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000} |
4 |
2 |
1 |
3 |
6 |
12 |
21 |
24 |
22 |
19 |
|
68 |
AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000} |
4 |
2 |
1 |
3 |
2 |
3 |
6 |
16 |
15 |
14 |
|
69 |
AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000} |
0 |
0 |
1 |
0 |
1 |
1 |
1 |
5 |
7 |
25 |
Таблица 12 - Матрица информативностей в модели модель INF1, мера информации по А.Харкевичу в миллибитах (фрагмент)
Код |
Наименование показателя |
1/10-{25.90, 33.31} |
2/10-{33.31, 40.72} |
3/10-{40.72, 48.13} |
4/10-{48.13, 55.54} |
5/10-{55.54, 62.95} |
6/10-{62.95, 70.36} |
7/10-{70.36, 77.77} |
8/10-{77.77, 85.18} |
9/10-{85.18, 92.59} |
10/10-{92.59, 100.00} |
|
1 |
% SATISFIED WITH TEACHING-1/10-{50.0000000, 55.0000000} |
1876 |
1219 |
140 |
252 |
-55 |
||||||
2 |
% SATISFIED WITH TEACHING-2/10-{55.0000000, 60.0000000} |
1930 |
1850 |
-718 |
-850 |
-579 |
||||||
3 |
% SATISFIED WITH TEACHING-3/10-{60.0000000, 65.0000000} |
1009 |
1168 |
556 |
-59 |
-954 |
-272 |
-683 |
-254 |
-394 |
||
4 |
% SATISFIED WITH TEACHING-4/10-{65.0000000, 70.0000000} |
922 |
1256 |
503 |
216 |
-493 |
-1064 |
-560 |
-709 |
-1186 |
||
5 |
% SATISFIED WITH TEACHING-5/10-{70.0000000, 75.0000000} |
221 |
646 |
431 |
369 |
-63 |
14 |
-795 |
-856 |
|||
6 |
% SATISFIED WITH TEACHING-6/10-{75.0000000, 80.0000000} |
523 |
310 |
456 |
233 |
178 |
-224 |
-616 |
-692 |
-984 |
-1349 |
|
7 |
% SATISFIED WITH TEACHING-7/10-{80.0000000, 85.0000000} |
77 |
-262 |
140 |
104 |
97 |
41 |
-225 |
29 |
-170 |
-536 |
|
8 |
% SATISFIED WITH TEACHING-8/10-{85.0000000, 90.0000000} |
-832 |
-446 |
-144 |
-15 |
47 |
151 |
167 |
-156 |
22 |
-5 |
|
9 |
% SATISFIED WITH TEACHING-9/10-{90.0000000, 95.0000000} |
-696 |
-1016 |
-665 |
-359 |
-93 |
161 |
269 |
438 |
355 |
347 |
|
10 |
% SATISFIED WITH TEACHING-10/10-{95.0000000, 100.0000000} |
-1267 |
-1348 |
-1510 |
-690 |
-279 |
-379 |
432 |
420 |
782 |
1194 |
|
11 |
% SATISFIED OVERALL WITH COURSE-1/10-{37.5156766, 43.7641089} |
1949 |
1291 |
453 |
-460 |
108 |
546 |
|||||
12 |
% SATISFIED OVERALL WITH COURSE-2/10-{43.7641089, 50.0125413} |
1748 |
1516 |
-326 |
-661 |
-215 |
-688 |
345 |
||||
13 |
% SATISFIED OVERALL WITH COURSE-3/10-{50.0125413, 56.2609736} |
1325 |
1134 |
353 |
-168 |
38 |
-772 |
-606 |
-755 |
|||
14 |
% SATISFIED OVERALL WITH COURSE-4/10-{56.2609736, 62.5094060} |
905 |
1065 |
614 |
-83 |
-75 |
-615 |
-601 |
-598 |
|||
15 |
% SATISFIED OVERALL WITH COURSE-5/10-{62.5094060, 68.7578383} |
800 |
808 |
307 |
337 |
-119 |
-97 |
-1043 |
-463 |
|||
16 |
% SATISFIED OVERALL WITH COURSE-6/10-{68.7578383, 75.0062706} |
331 |
455 |
436 |
179 |
47 |
-106 |
-400 |
-427 |
-832 |
||
17 |
% SATISFIED OVERALL WITH COURSE-7/10-{75.0062706, 81.2547030} |
287 |
96 |
297 |
145 |
155 |
32 |
-205 |
-638 |
-679 |
-1872 |
|
18 |
% SATISFIED OVERALL WITH COURSE-8/10-{81.2547030, 87.5031353} |
-561 |
-236 |
39 |
123 |
57 |
103 |
4 |
-104 |
-98 |
-649 |
|
19 |
% SATISFIED OVERALL WITH COURSE-9/10-{87.5031353, 93.7515677} |
-1021 |
-763 |
-446 |
-163 |
-11 |
65 |
209 |
288 |
285 |
365 |
|
20 |
% SATISFIED OVERALL WITH COURSE-10/10-{93.7515677, 100.0000000} |
-661 |
-1558 |
-1055 |
-563 |
-306 |
-12 |
296 |
467 |
611 |
1034 |
|
21 |
EXPENDITURE PER STUDENT (FTE)-1/10-{1.0000000, 1.9000000} |
1690 |
1610 |
870 |
-512 |
|||||||
22 |
EXPENDITURE PER STUDENT (FTE)-2/10-{1.9000000, 2.8000000} |
639 |
927 |
803 |
228 |
-204 |
-575 |
-715 |
||||
23 |
EXPENDITURE PER STUDENT (FTE)-3/10-{2.8000000, 3.7000000} |
743 |
450 |
416 |
335 |
111 |
-173 |
-976 |
-906 |
-1264 |
-1967 |
|
24 |
EXPENDITURE PER STUDENT (FTE)-4/10-{3.7000000, 4.6000000} |
199 |
143 |
132 |
269 |
210 |
30 |
-239 |
-550 |
-2071 |
-2011 |
|
25 |
EXPENDITURE PER STUDENT (FTE)-5/10-{4.6000000, 5.5000000} |
-292 |
-187 |
87 |
-70 |
94 |
147 |
244 |
-257 |
-651 |
-1057 |
|
26 |
EXPENDITURE PER STUDENT (FTE)-6/10-{5.5000000, 6.4000000} |
-445 |
-368 |
-149 |
81 |
260 |
143 |
234 |
94 |
-552 |
||
27 |
EXPENDITURE PER STUDENT (FTE)-7/10-{6.4000000, 7.3000000} |
-933 |
-675 |
-936 |
-227 |
-83 |
262 |
344 |
370 |
201 |
-205 |
|
28 |
EXPENDITURE PER STUDENT (FTE)-8/10-{7.3000000, 8.2000000} |
-783 |
-488 |
-761 |
-129 |
87 |
405 |
496 |
500 |
363 |
||
29 |
EXPENDITURE PER STUDENT (FTE)-9/10-{8.2000000, 9.1000000} |
-1208 |
-631 |
-257 |
-46 |
352 |
830 |
918 |
364 |
|||
30 |
EXPENDITURE PER STUDENT (FTE)-10/10-{9.1000000, 10.0000000} |
-2308 |
-1727 |
-1619 |
-838 |
145 |
538 |
1225 |
1778 |
|||
31 |
STUDENT:STAFF RATIO-1/10-{4.6000000, 9.2100000} |
-951 |
-1031 |
-954 |
-446 |
-265 |
-334 |
56 |
485 |
971 |
1119 |
|
32 |
STUDENT:STAFF RATIO-2/10-{9.2100000, 13.8200000} |
-331 |
-989 |
-1280 |
-640 |
-424 |
-34 |
269 |
650 |
751 |
881 |
|
33 |
STUDENT:STAFF RATIO-3/10-{13.8200000, 18.4300000} |
-891 |
-522 |
-362 |
-160 |
92 |
143 |
197 |
91 |
135 |
70 |
|
34 |
STUDENT:STAFF RATIO-4/10-{18.4300000, 23.0400000} |
-192 |
-120 |
143 |
199 |
191 |
35 |
-25 |
-460 |
-865 |
-1382 |
|
35 |
STUDENT:STAFF RATIO-5/10-{23.0400000, 27.6500000} |
736 |
441 |
588 |
307 |
-67 |
-152 |
-884 |
-767 |
-1750 |
-1689 |
|
36 |
STUDENT:STAFF RATIO-6/10-{27.6500000, 32.2600000} |
886 |
1144 |
491 |
273 |
-18 |
-634 |
-2200 |
-1772 |
-1334 |
||
37 |
STUDENT:STAFF RATIO-7/10-{32.2600000, 36.8700000} |
1134 |
1392 |
739 |
-21 |
-1068 |
-386 |
-1375 |
||||
38 |
STUDENT:STAFF RATIO-8/10-{36.8700000, 41.4800000} |
1113 |
1219 |
1208 |
-43 |
-1089 |
||||||
39 |
STUDENT:STAFF RATIO-9/10-{41.4800000, 46.0900000} |
1876 |
1556 |
718 |
-221 |
|||||||
40 |
STUDENT:STAFF RATIO-10/10-{46.0900000, 50.7000000} |
2374 |
||||||||||
41 |
CAREER PROSPECTS-1/10-{16.0000000, 24.4000000} |
1156 |
1261 |
761 |
426 |
-469 |
||||||
42 |
CAREER PROSPECTS-2/10-{24.4000000, 32.8000000} |
681 |
881 |
589 |
383 |
252 |
-1025 |
-1087 |
||||
43 |
CAREER PROSPECTS-3/10-{32.8000000, 41.2000000} |
596 |
125 |
462 |
458 |
270 |
-457 |
-629 |
-1961 |
-1901 |
||
44 |
CAREER PROSPECTS-4/10-{41.2000000, 49.6000000} |
-153 |
584 |
182 |
339 |
113 |
-180 |
-138 |
-949 |
-1217 |
||
45 |
CAREER PROSPECTS-5/10-{49.6000000, 58.0000000} |
-133 |
-70 |
-137 |
132 |
13 |
354 |
56 |
-338 |
-1012 |
-2293 |
|
46 |
CAREER PROSPECTS-6/10-{58.0000000, 66.4000000} |
-772 |
-724 |
-197 |
-107 |
166 |
69 |
298 |
-76 |
25 |
-381 |
|
47 |
CAREER PROSPECTS-7/10-{66.4000000, 74.8000000} |
-1602 |
-1344 |
-842 |
-261 |
-450 |
217 |
252 |
645 |
657 |
170 |
|
48 |
CAREER PROSPECTS-8/10-{74.8000000, 83.2000000} |
-1158 |
-576 |
-991 |
-326 |
-102 |
345 |
645 |
634 |
963 |
||
49 |
CAREER PROSPECTS-9/10-{83.2000000, 91.6000000} |
-253 |
-1488 |
-1989 |
-1169 |
-256 |
-432 |
269 |
698 |
882 |
1196 |
|
50 |
CAREER PROSPECTS-10/10-{91.6000000, 100.0000000} |
608 |
-628 |
-213 |
118 |
-311 |
-95 |
71 |
108 |
249 |
519 |
|
51 |
VALUE ADDED SCORE/10-1/10-{1.0000000, 1.9000000} |
1451 |
1073 |
532 |
349 |
-360 |
-1410 |
-1582 |
-1153 |
-1293 |
||
52 |
VALUE ADDED SCORE/10-2/10-{1.9000000, 2.8000000} |
637 |
557 |
337 |
320 |
-45 |
-87 |
-379 |
-1291 |
-793 |
||
53 |
VALUE ADDED SCORE/10-3/10-{2.8000000, 3.7000000} |
222 |
310 |
423 |
310 |
59 |
-166 |
-314 |
-912 |
-940 |
-1120 |
|
54 |
VALUE ADDED SCORE/10-4/10-{3.7000000, 4.6000000} |
-648 |
221 |
331 |
182 |
-59 |
1 |
-219 |
-116 |
-153 |
-1075 |
|
55 |
VALUE ADDED SCORE/10-5/10-{4.6000000, 5.5000000} |
-481 |
-376 |
-182 |
-56 |
136 |
167 |
200 |
-201 |
-391 |
-145 |
|
56 |
VALUE ADDED SCORE/10-6/10-{5.5000000, 6.4000000} |
-63 |
-32 |
-267 |
-264 |
195 |
104 |
-52 |
196 |
28 |
-192 |
|
57 |
VALUE ADDED SCORE/10-7/10-{6.4000000, 7.3000000} |
-595 |
-762 |
-557 |
-355 |
3 |
35 |
163 |
365 |
439 |
551 |
|
58 |
VALUE ADDED SCORE/10-8/10-{7.3000000, 8.2000000} |
-630 |
-612 |
-331 |
-340 |
-184 |
-29 |
273 |
275 |
562 |
594 |
|
59 |
VALUE ADDED SCORE/10-9/10-{8.2000000, 9.1000000} |
-1300 |
-1043 |
-628 |
-17 |
-11 |
-44 |
180 |
423 |
283 |
410 |
|
60 |
VALUE ADDED SCORE/10-10/10-{9.1000000, 10.0000000} |
-1130 |
-1053 |
-624 |
-26 |
264 |
373 |
96 |
382 |
723 |
||
61 |
AVERAGE ENTRY TARIFF-1/10-{135.0000000, 181.3000000} |
894 |
943 |
818 |
316 |
-1068 |
-200 |
-797 |
||||
62 |
AVERAGE ENTRY TARIFF-2/10-{181.3000000, 227.6000000} |
978 |
936 |
651 |
42 |
-70 |
-504 |
-776 |
-1569 |
-1131 |
-1986 |
|
63 |
AVERAGE ENTRY TARIFF-3/10-{227.6000000, 273.9000000} |
444 |
426 |
374 |
360 |
121 |
-216 |
-471 |
-1198 |
-1025 |
-2697 |
|
64 |
AVERAGE ENTRY TARIFF-4/10-{273.9000000, 320.2000000} |
-576 |
-49 |
185 |
196 |
290 |
161 |
-477 |
-585 |
-614 |
-2046 |
|
65 |
AVERAGE ENTRY TARIFF-5/10-{320.2000000, 366.5000000} |
-668 |
-1326 |
-528 |
-73 |
127 |
173 |
289 |
86 |
51 |
-252 |
|
66 |
AVERAGE ENTRY TARIFF-6/10-{366.5000000, 412.8000000} |
-1171 |
-1491 |
-988 |
-594 |
-183 |
259 |
528 |
357 |
447 |
81 |
|
67 |
AVERAGE ENTRY TARIFF-7/10-{412.8000000, 459.1000000} |
-690 |
-1348 |
-2186 |
-1028 |
-484 |
100 |
569 |
695 |
654 |
544 |
|
68 |
AVERAGE ENTRY TARIFF-8/10-{459.1000000, 505.4000000} |
-134 |
-792 |
-1053 |
-545 |
-676 |
-371 |
133 |
913 |
917 |
834 |
|
69 |
AVERAGE ENTRY TARIFF-9/10-{505.4000000, 551.7000000} |
-1002 |
-1914 |
-1130 |
-448 |
-1197 |
652 |
923 |
1958 |
|||
70 |
AVERAGE ENTRY TARIFF-10/10-{551.7000000, 598.0000000} |
374 |
2494 |
|||||||||
71 |
% SATISFIED WITH ASSESSMENT-1/10-{18.8755020, 26.6479518} |
2454 |
1796 |
Достоверность этих моделей различна (рисунок 10):
Рисунок 10. Экранная форма отчета по достоверности моделей
Для количественной оценки достоверности моделей применена метрика, предложенная автором и по смыслу сходная с известным F-критерием (рисунок 11):
Рисунок 11. Экранная форма пояснения по достоверности моделей
Обращает на себя внимание, что системно-когнитивные модели (INF1 - INF7) имеют значительно более высокую среднюю достоверность, чем статистические. Такая картина по опыту автора наблюдается в подавляющем большинстве приложений. В этом и состоит обоснование целесообразности применения системно-когнитивных (интеллектуальных) моделей.
3.6 Наглядное отображение подматриц системно-когнитивных моделей университетского рейтинга Гардиан в виде когнитивных функций
Применительно к задаче, рассматриваемой в данной работе, когнитивная функция показывает в наглядной графической форме, какое количество информации содержится в различных значениях показателей вузов о том, что у них будет определенный рейтинг по напылению подготовки и общий рейтинг Гардиан.
Когнитивным функциям посвящено много работ автора См., например: http://www.twirpx.com/file/775236/ , но наиболее новой и обобщающей из них является работа [9]. Поэтому здесь не будем останавливаться на описании того, что представляют собой когнитивные функции в АСК-анализе.
Отметим, что при построении средневзвешенных трендов применены математические методы, предложенные и описанные в работах [10, 11, 12], в частности применен метод взвешенных наименьших квадратов, модифицированный путем использования в качестве весовых коэффициентов количества информации в наблюдениях.
На рисунке 12 приведены визуализации некоторых когнитивных функций данного приложения для модели INF1:
Рисунок 12. Визуализация когнитивных функций зависимостей рейтинга Гардиан от значений показателей в системно-когнитивной модели INF1
Из приведенных когнитивных функций видно, что увеличение или уменьшение значений показателей вузов влияет на рейтинг Гардиан по направлению подготовки и общий рейтинг Гардиан, примерно пропорционально или обратно пропорционально. Отметим, что об этом можно говорить потому, что в системно-когнитивных моделях используются интервальные числовые и порядковые измерительные шкалы.
Это подтверждает разумность и корректность построения университетского рейтинга Гардиан его разработчиками.
3.7 Интегральный критерий и решение задачи оценки рейтинга вуза в системно-когнитивной модели университетского рейтинга Гардиан
Из модели INF1 мы видим, какое количество информации содержится в том или ином значении каждого показателя о том, что вуз с этим значением показателя имеет тот или иной рейтинг по направлению подготовки и общий рейтинг Гардиан.
Но если нам известно не одно, а несколько значений показателей вузов, то как посчитать их общий вклад в сходство с теми или иными классами? Для этого в системе «Эйдос» используется 2 аддитивных интегральных критерия: «Сумма знаний» и «Семантический резонанс знаний».
Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:
В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:
,
где: M - количество градаций описательных шкал (признаков);
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3 и имеет вид:
где:
M - количество градаций описательных шкал (признаков);
- средняя информативность по вектору класса;
- среднее по вектору объекта;
- среднеквадратичное отклонение частных критериев знаний вектора класса;
- среднеквадратичное отклонение по вектору распознаваемого объекта.
- вектор состояния j-го класса;
- вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или n, если он присутствует у объекта с интенсивностью n, т.е. представлен n раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:
Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния j-го класса и состояния распознаваемого объекта.
Пример решения задачи идентификации для вузов рейтинга Гардиан по направлению подготовки и общего рейтинга Гардиан приведен на рисунке 12:
Рисунок 12. Экранная форма с результатами идентификации рейтингаГардиан по направлению подготовки и общего рейтинга Гардиан
3.8 Исследование многокритериальной системно-когнитивной модели университетского рейтинга Гардиан, учитывающей направления подготовки
3.8.1 Автоматизированный количественный SWOT-анализ университетского рейтинга Гардиан
В системе «Эйдос» реализован Автоматизированный количественный SWOT-анализ [13]. Его можно применить для исследования того, какие значения показателей способствуют, а какие препятствуют присвоению вузу тех или иных рейтингов Гардиан.
Например, высокому общему рейтингу Гардиан способствуют и препятствуют значения показателей, приведенные на SWOT-диаграмме (рисунок 13), соответствующей SWOT-матрице (рисунок 14) и нелокальном нейроне (рисунок 15):
Рисунок 13. SWOT-диаграмма высокого рейтинга Гардиан
Рисунок 14. SWOT-матрица высокого рейтинга Гардиан
Рисунок 15. Нелокальный нейрон высокого рейтинга Гардиан
3.8.2 Информационные портреты классов и значений показателей университетского рейтинга Гардиан
Информационный портрет класса - это список факторов, ранжированных в порядке убывания силы их влияния на переход объекта управления в состояние, соответствующее данному классу. Информационный портрет класса отражает систему его детерминации. Генерация информационного портрета класса представляет собой решение обратной задачи прогнозирования, т.к. при прогнозировании по системе факторов определяется спектр наиболее вероятных будущих состояний объекта управления, в которые он может перейти под влиянием данной системы факторов, а в информационном портрете мы наоборот, по заданному будущему состоянию объекта управления определяем систему факторов, детерминирующих это состояние, т.е. вызывающих переход объекта управления в это состояние. В начале информационного портрета класса идут факторы, оказывающие положительное влияние на переход объекта управления в заданное состояние, затем факторы, не оказывающие на это существенного влияния, и далее - факторы, препятствующие переходу объекта управления в это состояние (в порядке возрастания силы препятствования). Информационные портреты классов могут быть от отфильтрованы по диапазону факторов, т.е. мы можем отобразить влияние на переход объекта управления в данное состояние не всех отраженных в модели факторов, а только тех, коды которых попадают в определенный диапазон, например, относящиеся к определенным описательным шкалам.
Пример информационного портрета класса приведен на рисунке 16:
Рисунок 16. Экранная форма с информационным портретом класса: «Наивысший общий рейтинг Гардиан»
Информационный (семантический) портрет фактора - это список классов, ранжированный в порядке убывания силы влияния данного фактора на переход объекта управления в состояния, соответствующие данным классам. Информационный портрет фактора называется также его семантическим портретом, т.к. в соответствии с концепцией смысла системно-когнитивного анализа, являющейся обобщением концепции смысла Шенка-Абельсона, смысл фактора состоит в том, какие будущие состояния объекта управления он детерминирует. Сначала в этом списке идут состояния объекта управления, на переход в которые данный фактор оказывает наибольшее влияние, затем состояния, на которые данный фактор не оказывает существенного влияния, и далее состояния - переходу в которые данный фактор препятствует. Информационные портреты факторов могут быть от отфильтрованы по диапазону классов, т.е. мы можем отобразить влияние данного фактора на переход объекта управления не во все возможные будущие состояния, а только в состояния, коды которых попадают в определенный диапазон, например, относящиеся к определенным классификационным шкалам.
Пример информационного портрета значения фактора (показателя) приведен на рисунке 17:
Рисунок 17. Экранная форма с информационным портретом значения показателя с установленным фильтром по наименованиям вузов
3.8.3 Кластерно-конструктивный анализ университетского рейтинга Гардиан
Кластерно-конструктивный анализ - это новый математический метод анализа знаний, реализованный в АСК-анализе и системе «Эйдос» [14], обеспечивающий:
- выявление классов, наиболее сходных по системе их детерминации и объединение их в кластеры;
- выявление кластеров классов, наиболее сильно отличающиеся по системе их детерминации и построение из них полюсов конструктов классов, при этом остальные кластеры включаются в конструкты в качестве промежуточных между полюсами;
- выявление факторов, наиболее сходных по детерминируемым ими классам и объединение их в кластеры;
- выявление кластеров факторов, наиболее сильно отличающиеся по детерминируемым ими классам и построение из них полюсов конструктов факторов, при этом остальные кластеры включаются в конструкты в качестве промежуточных между полюсами.
Состояния объекта управления, соответствующие классам, включенным в один кластер, могут быть достигнуты одновременно, т.е. являются совместимыми (коалиционными) по детерминирующим их факторам. Состояния объекта управления, соответствующие классам, образующим полюса конструкта, не могут быть достигнуты одновременно, т.е. являются противоположными по детерминирующим их факторам (антагонистическими).
Факторы, включенные в один кластер, оказывают сходное влияние на поведение объекта управления и могут, при необходимости, быть использованы для замены друг друга. Факторы, образующие полюса конструкта, оказывают противоположное влияние на поведение объекта управления.
Кластерно-конструктивный анализ классов позволяет сравнить их по сходству системы детерминации и отобразить эту информацию в наглядной графической форме семантической сети классов.
Кластерно-конструктивный анализ факторов позволяет сравнить факторы по сходству их влияния на переход объекта в будущие состояния и отобразить эту информацию в наглядной графической форме семантической сети факторов.
Примеры когнитивных диаграмм, отражающих некоторые результаты кластерно-конструктивного анализа модели университетского рейтинга Гардиан, приведены на рисунках 18, 19, 20:
Рисунок 18. Пример конструкта класса университетского рейтинга Гардиан
Рисунок 19. Пример конструкта класса университетского рейтинга Гардиан
Рисунок 20. Пример конструкта значения показателя университетского рейтинга Гардиан
Как видно из приведенных когнитивных диаграмм, все классы и значения показателей являются взаимозависимыми, что исключает применение факторного анализа, как метода моделирования линейных систем.
Подобные документы
Базовые основы разработки программного обеспечения: его классический жизненный цикл, макетирование, стратегии конструирования, модели качества процессов разработки. Применение параллельных алгоритмов и CASE-системы, критерии оценки их эффективности.
курсовая работа [179,5 K], добавлен 07.04.2015Информатика как единство науки и технологии, этапы ее развития и инструментарий. Классификация видов информационных технологий и их применение. Модели информационных процессов и структура программных продуктов. Объектно-ориентированное проектирование.
курс лекций [1,6 M], добавлен 12.12.2011Применение вычислительной техники в учебном процессе. Разработка математической модели. Выбор программного обеспечения. Определение требований к техническим средствам. Формы представления входных, выходных данных. Расчет технико-экономических показателей.
курсовая работа [1,3 M], добавлен 25.12.2013Распределенная обработка данных. Двухуровневые модели распределения основных функций. Применение модели сервера приложений и баз данных. Основные пути распараллеливания запросов. Общая характеристика программных средств подготовки табличных документов.
отчет по практике [52,6 K], добавлен 30.09.2009Создание математической модели системы массового обслуживания на примере банка. Разработка имитационной модели на языке программирования С++. Блок-схема программы, перевод модели на язык программирования. Верификация и валидация имитационной модели.
курсовая работа [630,5 K], добавлен 01.06.2015Особенности создания интеллектуальной справочной системы по логике, ее технико-экономическое обоснование. Онтология, содержательная декомпозиция, исходные тексты базы знаний, ее верификация и отладка. Тестирование интеллектуальной справочной системы.
курсовая работа [3,4 M], добавлен 14.07.2012Разработка самообучающейся интеллектуальной информационной системы для анализа кредитоспособности заемщика и оценки кредитных рисков на основе подхода иммунокомпьютинга. Применение процедур кластеризации, классификации и формирования оценок рисков.
курсовая работа [822,3 K], добавлен 09.06.2012Предварительный анализ заданного временного ряда на предмет наличия тренда. Обоснование наличия сезонности по графическому представлению одноименных элементов ряда разных лет. Применение модели для прогноза. Выбор типа остатков и корректировка модели.
контрольная работа [218,8 K], добавлен 12.09.2011Сравнительный анализ технологий тестирования. Разработка программного модуля "Интеллектуальная обучающая система для широкого перечня курсов". Обоснование необходимости и важности этапа отладки в процессе разработки данного программного обеспечения.
дипломная работа [101,2 K], добавлен 17.06.2011Проектирование и анализ логической модели программного обеспечения "Автоматизированный учет радиоточек передающего центра". Ее преобразование в физическую модель при помощи базы данных MS Access. Расчет экономической эффективности разработки ПО.
дипломная работа [3,1 M], добавлен 09.09.2010