Возможности повышения качества управления в социальных системах

Размещено на http://www.allbest.ru/

Томский государственный университет

О НЕКОТОРЫХ ВОЗМОЖНОСТЯХ ПОВЫШЕНИЯ КАЧЕСТВА УПРАВЛЕНИЯ В СОЦИАЛЬНЫХ СИСТЕМАХ

Тарасенко Ф. П.

д.т.н., член-корреспондент РАЕН, академик МАН ВШ, профессор

Ключевые слова: управление, рейтинг, упорядочение в многомерном пространстве, сложная система, метод проб и ошибок.

Keywords: Management, ratings, ordering in multidimensional space, complex system, method of trials and errors.

При очередной неудаче в достижении поставленной цели, руководитель, принимавший провальное решение, либо сетует на «природную» неизбежность ошибок в управлении («Хотели как лучше, получилось как всегда»), либо ищет в окружении виноватых в его неудаче и с неохотой прислушивается к тому, что есть более эффективные методы разработки управленческих решений, чем те, к которым он привык.

Современные науки о системах (кибернетика, общая теория систем, системный анализ, синергетика, теории управления, психология, социология, информатика и пр.) далеко продвинулись в понимании природы объективных и субъективных факторов, приводящих к сложностям в практике управления. Использование этих знаний обладает большим потенциалом для повышения вероятности успеха - основного показателя качества управления («Победителей не судят»).

Среди множества причин неудач в любом управлении главное место занимает неадекватность модели управляемой системы. Если в модели содержатся ошибки или в ней недостаёт существенной информации, то разрабатываемые руководителями на основе такой модели управленческие решения заведомо обречены на провал: реальный результат управления будет отличаться от ожидаемого (рассчитанного на модели) результата.

Основной моделью для выработки управляющего воздействия на управляемую систему является оценка расхождения между существующим состоянием системы и её желательным (целевым) состоянием. В практике управления социальными системами для этого широко используются рейтинговая оценка. Состояние каждого объекта отображается набором показателей, - измеримых характеристик объекта управления, в совокупности позволяющих описать его текущее состояние и его соотношение с целевым состоянием. Совокупность точек, отображающих состояния всех управляемых объектов, является моделью текущего состояния управляемой системы. Управление состоит в стимулировании продвижения всех объектов в сторону целевого состояния, - например, путём поощрений пропорционально степени их продвинутости. Для оценивания степени продвинутости и вводится ранжирование всех объектов: одномерное (по степени близости к цели) упорядочение точек в многомерном пространстве показателей состояния объекта управления. Инструментом ранжирования является упорядочивающая функция, - поверхность, все точки которой «одинаково» удалены от целевого состояния. По мере отдаления от «целевой» точки (состояния, в которое управляющая система желает перевести все управляемые объекты), поверхность по очереди пересекает точки сравниваемых объектов; номера объектов в этой очерёдности есть их ранги, а достигнутые ими значения упорядочивающей функции - их рейтинги (в порядке возрастания меры близости к цели)).

По сути, упорядочивающая функция R (u1, u2,…, un) = Const выражает, какой вклад в итоговую оценку (рейтинг) вносит каждый показатель. «Объективная» формула, «правильно» связывающая целевое качество R со всеми показателями u1, u2,…, un (где n - число введённых нами показателей), неизвестна: мы интуитивно понимаем, что связи между индикаторами разнообразны и по характеру, и по силе. Но если предположить, что эта функция «гладкая», то в окрестности любой точки её можно аппроксимировать с достаточной степенью точности касательной плоскостью (что типично для дифференциального исчисления), т.е. линейной комбинацией показателей. В результате формула для подсчёта рейтинга R приобретает вид (на примере 4-х уровневой иерархии рейтинга, индикаторов и показателей - UXYR ):

R =a1Y1 [x11, x12, … , x1n1] + a2Y2 [x 21, x22, … , x2n2] + … ,

 Xik = bi1 Ui1 [ ui11, ui12, …, ui1ni1 ] + bi2 Ui2 [ ui21, ui22, …, ui2ni2 ] +… ,

где Xik - индикаторы второго порядка являются тоже линейными формами индикаторов третьего Yi, ai и bik - коэффициенты относительной «важности, а Ulm - различные подходящие i-му индикатору наборы показателей, измеряемых непосредственно на объекте, (u1, u2,…, un) .

Удовлетворительная аппроксимация (приближённое, но приемлемое для нашей цели описание связей между входами Ulm и выходом R системы) реальной нелинейности системы линейной моделью достигается благодаря двум особенностям: 1) факт сложного, нелинейного разнообразия взаимосвязей и взаимозависимостей между показателями и индикаторами приближённо отображается иерархичностью структуры их линейных комбинаций: число уровней иерархии связано с разнообразием связей между индикаторами; одни и те же показатели могут фигурировать в нескольких индикаторах и на разных уровнях; 2) факт разной значимости вклада разных показателей и индикаторов в конечный результат отображается различием коэффициентов («весов») каждого слагаемого.

Как и любые модели, рейтинги имеют целевое предназначение, и для разных субъективных целей управления конструируются разные рейтинги на одном и том же моделируемом множестве рассматриваемых объектов. Это можно наглядно видеть на примере рейтингов, употребляемых в современном мировом образовательном сообществе.

Например, в среде американских абитуриентов, для которых самым важным критерием для выбора вуза является максимальная гарантия своего будущего, употребляется очень простой рейтинг американских университетов - по размеру средней годовой зарплаты их выпускников.

С другой стороны, рейтинги университетов QS World University Rankings [1] ориентированы на абитуриентов и востребованных профессоров, выбирающих, в какой из мировых университетов стоит поступить с наилучшими шансами своей успешности. Составляются отдельные рейтинги университетов в разных группах, интересующих выбирающего: среди университетов определённой части света (глобальные, Азии, Европы, Америки, стран БРИКС); среди университетов, дающих образование нужного вам профиля (Гуманитарные науки и искусства; Инженерно-технические; Биология и медицина; Естественные науки; Социальные науки и менеджмент).

В качестве индикаторов Yi первого уровня иерархии берутся оценки следующих шести качеств университета (с соответствующими весами в процентах):

1. Репутация данного университета в академическом сообществе (авторитетность среди остальных университетов) - 40%.

2. Репутация университета в среде работодателей (потребителей кадров, выпускаемых университетом) - 10%.

3. Отношение численности преподавателей к численности студентов - 20%.

4. Цитируемость работ преподавателей данного университета - 20%.

5. Пропорция иностранных студентов - 5%.

6. Пропорция иностранных преподавателей - 5%.

Первый индикатор оценивается по результатам всемирного опроса преподавателей о том, в каком вузе научные работы в области его специальности ведутся на самом высоком уровне (свой вуз называть нельзя). В последней версии QS 2014/15 опрошено 63 000 профессоров. Введены региональные весовые коэффициенты для компенсации различия объёмов выборки по регионам. Судить о качестве преподавания в других вузах сложно, а о качестве исследований - вполне можно в своей специальности, и эти вещи связаны. Достоинство же подисциплинарного опроса состоит в том, что цитируемость зависит от специальности (например, у медиков число публикаций больше, чем у филологов).

Второй индикатор оценивается на основании глобального опроса работодателей о том, какие вузы выпускают лучших профессионалов для принятия на работу (абитуриентам важно знать, как университеты котируются на рынке труда выпускников). Повышенные веса придаются голосам за вузы другой страны (для стимулирования учёбы за рубежом). В текущем году опрошено 28 000 работодателей.

Третий индикатор введён в связи с тем, что нет международного стандарта качества преподавания. Данный показатель характеризует, насколько хорошо данный университет обеспечивает работу студентов в малочисленных группах и персональную работу преподавателя с каждым студентом: предполагается, что чем больше данная дробь, тем более индивидуально (и тем качественнее) даваемое образование.

Четвёртый индикатор оценивает значимость научной продукции университета в научной среде. QS использует для этого базу данных Scopus: общее число цитирований за 5 последних лет делится на число преподавателей университета (этим исключается зависимость от размеров штатов университета).

Пятый и шестой индикаторы (пропорции иностранцев среди студентов и преподавателей) характеризуют степень фактической интернационализации вуза.

Например, в текущем году рейтинг QS университетов стран БРИКС дал такое упорядочение для российских университетов: МГУ - 5, МИФИ - 13, НГУ - 34, СПбГУ - 64, МФТИ - 69, МВТУ - 90. Первые два места заняли китайские университеты [2].

Принципиально иные цели преследуют рейтинги Times Higher Education (THE) World University Rankings [2], которые Минобрнауки РФ решило использовать в управлении и нашей системой образования: перед ведущими университетами России поставлена задача - пробиться в «топ-100» в этом рейтинге (сейчас МГУ на 196-м месте, НГУ - на 329-м).

Этот рейтинг основан на пяти индикаторах и 13 показателях; перечислим их (вместе с соответствующими весовыми коэффициентами в процентах). рейтинговый научный образовательный

1. Teaching and learning environment; Качество образовательной среды университета с точки зрения студентов и преподавателей - в целом 30%. Этот вес распределяется по показателям:

1.1. Академическая репутация университета - 15%. Проводится всемирный опрос 10 000 респондентов всех пяти категорий специальностей.

1.2. Степень внимания преподавателя к каждому студенту - 4,5%. Считается, что это можно оценить отношением численности преподавателей к численности студентов: чем выше это число, тем лучше.

1.3. Насколько высокую квалификацию даёт университет своим выпускникам - 2,5%. В качестве показателя принято отношение численности докторантов, аспирантов и магистрантов к численности бакалавров.

1.4. Процент остепенённых преподавателей - 6%.

1.5. Развитость инфраструктуры образования - 2%. Считается, что степень оснащённости учебного процесса пропорциональна общей сумме доходной части бюджета университета и обратно пропорциональна числу преподавателей.

2. Research: volume, income, reputation; Масштабы, качество и эффективность научных исследований в университете - 30%. В качестве показателей этих трёх компонентов индикатора приняты следующие:

2.1. Академическая репутация уровня научных исследований в университете - 18%.

Опрашивается более 10 000 профессоров по всему миру.

2.2. Доходность университета от выполнения внешних заказов на научные исследования - 6%. Оценивается через сумму дохода на одного преподавателя. Используются поправочные коэффициенты на различие размеров грантов на исследования в технических и гуманитарных науках. Решено учитывать этот показатель, несмотря на то, что его величина зависит не только от усилий университета, но и от экономической и политической ситуации в стране.

2.3. Научная продуктивность университета - 6%. Оценивается количеством научных статей, опубликованных (в среднем) одним преподавателем.

3. Citation: research influence; Социальная значимость научной продукции университета - 30%. Считается, что уровень исполнения университетом его миссионерской функции производства и распространения знаний можно оценить количеством цитирований работ университета за последние пять лет, приходящихся (в среднем) на одного преподавателя.

4. Industry income: innovation; Степень внедрения научных результатов университета в реальную экономику - 2,5%. Оценивать этот показатель предлагается подсчётом отнесённых на одного преподавателя доходов, которые университет получает от бизнеса за внедрение инноваций, продажу патентов, оказание консультаций в разработке управленческих решений.

5. International outlook staff, students and research; Степень интернационализации университета во всех отношениях - 7,5%. Показателями приняты:

5.1. Доля иностранных преподавателей - 2,5%.

5.2. Доля иностранных студентов - 2.5%.

5.3. Доля публикаций с соавторством иностранных учёных - 2,5%.

Рейтинговые оценки широко применяются в управлении обществом, в том числе и в управлении научно-образовательной сферой. Но именно в этой сфере недовольство результатами такого управления приобрело в последнее время массовый характер. Например, стимулирование публикуемости и цитируемости в научной деятельности (индекс Хирша, импакт-фактор) породило появление некачественных (и даже фальсифицированных) публикаций [3]. И различные рейтинги университетов (отличающиеся не вполне совпадающими наборами показателей и разными их весами) вызывают неудовлетворённость в образовательном сообществе (даже у ректора первого в российском рейтинге университета, В. Садовничего, - см. Поиск. - М., 2013. - № 11).

Наличие недостатков и погрешностей в применяемых формулах вычисления рейтингов часто истолковывается как доказательство того, что количественный показатель («цифра») вообще не может служить адекватной мерой качества. На самом же деле это лишь проявление того, что любая (в том числе и рейтинговая) модель реальности может быть неадекватной (то есть, рассчитанное на данной модели управление не приведёт к достижению желаемой цели); но важно то, что адекватность любой модели может быть повышена.

Несовпадение получаемых результатов управления с ожидаемыми является типичным и неизбежным в управлении сложными системами. Главной причиной сложности системы является неадекватность модели управляемой системы, на которой управляющая система предварительно «обкатывает» возможные управляющие воздействия. А единственной мерой преодоления данного типа сложности (существуют и другие типы) оказывается повышение адекватности модели за счёт пополнения её недостающей информацией об управляемой системе и окружающей её среде. Важно только понять, какой именно информации не хватает, и откуда её добыть.

Управленческие решения принимаются на основе информации о текущем и желательном состояниях системы. Лицо, принимающее решения, характеризует состояния совокупностью измеряемых (наблюдаемых) параметров, каждый из которых вносит (по мнению управляющего субъекта) свою долю информации о реальной ситуации в целом. Успех в управлении и зависит от того, достаточно ли близко наша модель (совокупность параметров) отображает реальность, чтобы мы были способны успешно продвигать текущее состояние в сторону целевого. Обсудим некоторые возможности повышения качества управления за счёт совершенствования оценок состояний управляемой системы.

Неадекватность описания конечной цели обрекает управление на неизбежную неудачу. Управление направлено на приближение текущего состояния к целевому, т.е. к продвижению текущих показателей в направлении к будущим показателям цели, которые задаются субъектом управления. Однако процесс любых изменений в реальности происходит только в рамках естественных ограничений (которые мы называем законами природы). В результате достижимы только такие состояния, продвижение к которым не противоречит законам природы. Если субъект задал желаемое (целевое) состояние характеристиками, которые объективно недостижимы, никакие усилия по реализации цели не приведут к успеху. Хотя известны примеры, когда субъективные предположения оказывались объективно реализуемыми (Махатма Ганди, Мартин Лютер Кинг), выдвижение привлекательных гипотетических целей связано с риском объективной недостижимости. Невозможно создать вечный двигатель (три закона термодинамики); невозможно из ничего создать нечто (закон Ломоносова); невозможно было построить коммунизм в СССР к 1980-му году (как того хотел Хрущёв). По этой же причине оказались утопией идеал коммунизма [4] и идеал либеральной демократии (из-за объективной несовместимости свободы и равенства) [5]. В условиях неизвестности конечной цели наибольший успех в продвижении к ней даёт алгоритм развития, реализуемый самой Природой, - эволюция, или естественный отбор [6].

Остальные этапы управления (средне- и краткосрочное планирование, или тактическое и оперативное управление) тоже основаны на оценивании расхождений между целевой и текущей траекториями в пространстве индикаторов и показателей системы. Причины расхождений могут иметь разную природу, со специфическими алгоритмами управления для каждой из них (программное управление, регулирование, управление по структуре, управление по целям, управление при дефиците времени, управление при дефиците информации [7]). В практике управления социальными системами применяются (по мере необходимости) любые типы управления и их комбинации, но типичной ситуацией является управление сложной системой, когда причиной сложности является неадекватность модели управляемой системы. Оптимальным алгоритмом в этом случае является метод проб и ошибок, совмещающий функцию управления с функцией изучения управляемой системы. Этот метод предписывает последовательно вносить в модель поправки (т.е. порции информации о системе, получаемые при совершении ошибок на каждом предыдущем шаге алгоритма управления), и рассчитывать следующий шаг управления уже на исправленной и дополненной модели. Возможности совершенствования качества управления заключаются в принятии всяческих мер по повышению качества выполнения каждой операции в системной технологии метода проб и ошибок. В частности, есть несколько возможностей повышения качества управления в случае использования рейтинговой модели.

Первая - основана на том, что адекватность (достаточная информативность) модели обеспечивается совокупной информативностью её компонентов. Если совокупной информации во всех элементах модели недостаточно для достижения цели управления, управление не может быть эффективным. Недовольство рейтингами чаще всего связано именно с этим моментом. Например, в критике стимулирования научной деятельности рейтингом ТНЕ подчёркивается [3], что этот рейтинг не учитывает такие существенные качества научной работы, как новизна и ценность научного результата, соблюдение норм этики в научной работе. Прорывное совершенствование управления экономикой [8] основано на критике недостаточности использования только финансовых показателей (вопреки кейнсианским теориям рыночной экономики), и включении в рейтинг социальных и технических показателей. Выход состоит в том, чтобы пополнять модель включением в неё дополнительных характеристик управляемой системы (в случае рейтинга - дополнительных индикаторов и показателей). На этом пути приходится преодолевать две трудности.

В случаях невозможности точно оценить конечную цель, степень продвинутости к ней (рейтинг) и упорядоченность по степени удалённости от цели (ранг) оцениваются путём сравнения с рейтингом, достигнутым объектом, наиболее продвинутым - по критериям, включённым в формулу рейтинга (!). Отсюда и возникает необходимость и возможность увеличения числа индикаторов и показателей в рейтинге непосредственно по ходу управления.

Однако на этом пути нас подстерегает другая опасность, о которой предупреждал Р.Акофф: «Менеджеры, которые не знают, как измерить то, что им нужно, переходят к измерению того, что могут измерить» ([9], Анти-закон № 51). При этом модель может загромождаться малоинформативными и зашумлёнными данными, которые только затрудняют разработку управленческих решений. Поэтому менеджеры часто страдают не от недостатка данных, а от их избытка.

Доступная возможность некоторого преодоления обеих этих трудностей состоит в том, чтобы искать дополнительные информативные показатели не среди того, что можно измерить, а среди того, что нужно измерить. И это автоматически выводит нас на необходимость оценивания не только количественных, но и качественных характеристик состояния управляемого объекта. Не случайно почти все индикаторы QS и THE рейтингов описаны в качественных терминах. Правда, распространённое (и неверное) убеждение, будто «объективными могут быть только количественные измерения, а качественные суждения имеют сугубо субъективное содержание», заставило авторов рейтингов конструировать совокупности количественных показателей (да ещё и одной числовой размерности), ради получения количественной итоговой оценки рейтинга. А между тем, существуют возможности извлечения исчерпывающей информации и из качественных наблюдений.

Наблюдения над качественными характеристиками являются «измерениями», где роль измерительного прибора играет эксперт, выражающий свои оценки в «слабых» измерительных шкалах - номинальной и порядковой. И из этих данных можно извлекать информацию точно так же, как и из данных в количественных шкалах, - подвергая их первичной и вторичной обработке. При этом важно, что допустимые операции над данными при их обработке различны для разных шкал.

Некоторые качества недоступны прямому измерению даже в слабой шкале, хотя интуитивно осознаётся их принадлежность к порядковой шкале. В таких случаях прибегают к косвенному измерению ненаблюдаемого качества, фиксируя доступные наблюдаемые характеристики, «монотонно» связанные с ним. Часто косвенные данные измеряются в количественных шкалах. И при первичной обработке их подвергают тем операциям, которые допустимы для сильной шкалы (например, арифметическим), но недопустимы для порядковой шкалы. Это лишает ожидаемого смысла получаемый промежуточный результат, и в итоге снижает качество окончательной рейтинговой оценки.

Итак, существенный потенциал для повышения качества рейтингового управления заложен: 1) в повышении информативности набора индикаторов и показателей, составляющих рейтинг; в оценивании и стимулировании не только наращивания того, «что должно быть», но и снижения того, «что должно изживаться»; 2) в повышении качества совместной обработки массива многомерных и разношкальных измеряемых данных; в полном извлечении полезной информации из всех измеряемых и наблюдаемых показателей.

Следует включать в базу первичных данных все наличные показатели - количественные и качественные, позитивные и негативные. И важно проводить обработку этого массива данных с учётом того, что допустимые операции над данными в разных измерительных шкалах различаются. Часто практикуемое «приведение», «нормировка» таблицы разнотипных (разношкальных) данных (оцифровка слабых шкал или огрубление сильных до самой слабой в таблице), производимое ради удобства применения единых операций ко всем данным, приводит к потере и искажению информации. Разработке алгоритмов исчерпывающей обработки многомерных разнотипных данных посвящена обширная отрасль информатики - теория информации, теория измерений, анализ данных, data mining, математическая статистика и др. (начальные сведения об этом можно найти в [10, 11]).

Общий вывод: Потенциал повышения качества управления заключён 1) в возможности повышения информативности каждой из моделей, вовлечённых в процесс принятия решения: моделей текущего и целевого состояний управляемой системы и её окружения; 2) в повышении точности и надёжности измерений исходных показателей; 3) в повышении эффективности обработки многомерных и разношкальных результатов измерений; 4) в развитии психических качеств лица, принимающего решения, которые влияют на качество управления: способность синтезировать различные (в том числе противные) мнения, сознательное использование подсознательной способности мозга оценивать ситуацию (интуиции); политическая воля.

Список литературы

1. The Shanghai Rankings and US News & World Report. Times Higher Education (THE).

2. THE World University Rankings.

3. Клемент Л., Мостард М.Ч. О сложности оценивания научной деятельности // Проблемы управления в социальных системах. 2014. - Т. 7, вып. 10. - С. 22 -39.

4. Тарасенко Ф.П. Об одной из причин крушения СССР // Проблемы управления в социальных системах. - Томск: Изд-во Том. ун-та, 2006. - № 2.

5. Акофф Р.Л. За пределами социализма и капитализма: развивающееся общество // Проблемы управления в социальных системах. - Томск: Изд-во ТГУ, 2009. - Т 1, вып.1. - С. 112 - 140.

6. Докинз Р. Эгоистичный ген. - М.: Издательство АСТ, 2011. - 512 с.

7. Тарасенко Ф.П. Прикладной системный анализ. - М.: Изд-во КНОРУС, 2010. - 257 с.

8. Кочетов И.И., Никитин Ф.Н. Природный фактор социального развития. - М.: МГТУ им. Н.Э.Баумана, 2011. - 56 с.

9. Акофф Р.Л. и др. Анти-законы менеджмента. - Томск: Изд-во ТГУ, 2008.

10. Загоруйко Н.Г. Когнитивный анализ данных. / СО РАН, Институт математики им. С.Л.Соболева. - Новосибирск: Академическое изд-во «Гео», 2013. - 186 с.

11. Тарасенко Ф.П. Моделирование и феномен человека. Ч.1. Моделирование - инфраструктура взаимодействий человека с реальностью. - М.: Научные технологии, 2012. - 137 с.

Размещено на Allbest.ru