Identification of quality problems staff vocational training


Cite item

Full Text

Abstract

Vocational training (VET) is a very complex and understudied system-object, the functioning of which is the subject to a continuous action of a large number of random (uncertain) factors. The coactions of these factors leads to significant inconsistencies in the development of the training program, reducing its effectiveness in relation to the achievement of learning objectives. The lack of commensurability of the real increase in efficiency with the target settings should be considered, first of all, as a problem of software quality. In connection with the insufficiency of the existing theoretical ideas about the internal properties of the educational process (OP), the problem of control synthesis can be solved by observing its inputs and outputs. Observation of the reaction of output quantities to changes in input influences allows us to construct an a posteriori model of the process, i.e. to identify the quality problem in the early stages of its inception.The purpose of this work is to investigate the possibility of ensuring the quality of personnel software by the identification method based on the results of evaluating the input and output signals of the OP as a control object. The methodology of work is based on the concept of integrated quality management (TQM) and the process approach.The main categories of problems of the quality of education are considered and clustered to support the adoption of managerial decisions. The most important features of closed and open problems that need to be considered when making decisions are described. Recommendations were developed on the application of methods of direct and indirect approaches to the identification of quality problems. It has been shown that discussions in cross-functional groups provide, as a rule, the best results in identifying and resolving problems. The value of the study for the theory and practice of software consists in constructing an identification procedure to support the adoption of informed decisions when choosing actions to prevent the development of quality problems.The developed identification procedure can be applied in the software system, providing an acceptable level of satisfaction of the enterprise personnel with the quality of training.

About the authors

Vera V. Zhivaeva

Samara State Technical University

Email: fpkp@samgtu.ru
Cand. Tech. Sci., Associate Professor, Director of Extended Education Institution. 244, Molodogvardeyskaya st., Samara, 443100, Russian Federation

Vadim A. Nikovaev

Samara State Technical University

Email: fpkp@samgtu.ru
Cand. Tech. Sci., Associate Professor, Director of Extended Education Institution 244, Molodogvardeyskaya st., Samara, 443100, Russian Federation

Svetlana N. Parfenova

Samara State Technical University

Email: fpkp@samgtu.ru
Cand. Chem. Sci., Vice Director of Extended Education Institution 244, Molodogvardeyskaya st., Samara, 443100, Russian Federation

Elena P. Tuponosova

Samara State Technical University

Email: fpkp@samgtu.ru
Manager of Academic Staff Extended Education Department, Extended Education Institution 244, Molodogvardeyskaya st., Samara, 443100, Russian Federation

References

  1. Управление эффективностью и качеством: модульная программа. Пер. с англ. / Под ред. И. Прокопенко, К. Норта: В 2 ч. - Ч. II. - М.: Дело, 2001. - 608 с.
  2. Armstrong M. Human resource management: A case of the emperor’s new clothes. Personnel Management. London, Institute of Personnel Management, Aug. 1987. Pр. 30-35.
  3. Fombrun C., Tichz L.M., Devanna M.A. Strategic human resource management. USA, Wiley, 1984. Pр. 41-42.
  4. ГОСТ Р 50779.44-2001 Статистические методы. Показатели возможностей процессов. Основные методы расчета [Электронный ресурс]. - URL: http:/docs.cntd.ru/document/1200026559 (дата обращения 15.07.2020).
  5. Статистические методы повышения качества: Пер. с англ. / Под ред. Х. Кумэ. - М.: Финансы и статистика, 1990. - 304 с.
  6. Тимофеев А.В. Адаптивные робототехнические комплексы. - Л.: Машиностроение. Ленингр. отд-ние, 1988. - 332 с.
  7. Тимофеев А.В. Построение адаптивных систем управления программным движением. - Л.: Энергия, 1980. - 88 с.
  8. Фролов К.В. Методы совершенствования машин и современные проблемы машиностроения. - М.: Машиностроение, 1984. - 224 с.
  9. Живаева В.В. и др. Процессный подход к управлению качеством дополнительного профессионального образования: Сборник трудов по проблемам дополнительного профессионального образования. Вып. 27. - М.: Изд. центр РГУ нефти и газа им. И.М. Губкина, 2015. - 186 с.
  10. Новицкий А.Л., Болотина Т.Э. Идентификация процессов СМК [Электронный ресурс]. - URL: http://quality.eup.ru/DOCUM4/iden.htm (дата обращения 20.07.2020).
  11. Менеджмент качества [Электронный ресурс]. - URL: http://www.kpms.ru// Generalinfo/Process approach.htm (дата обращения 20.08.2020).
  12. Профессиональное тестирование [Электронный ресурс]. - URL: https:/practicumgroup.com/blogs/stati/professionalnoe-testirovanie (дата обращения 21.08.2020).
  13. ГОСТ Р 51814.3-2001 Системы качества в автомобилестроении. Методы статистического управления процессами [Электронный ресурс]. - URL: http://docs.cntd.ru/document/1200026563(дата обращения 21.08.2020).
  14. Управление эффективностью и качеством: модульная программа. Пер. с англ. / Под ред. И. Прокопенко, К. Норта: В 2 ч. - Ч. I. - М.: Дело, 2001. - 800 с.
  15. Robinson D.G., Robinson J.C. Training for impact. London, Jossey-Bass, 1989.
  16. Harrison R. Training and development. London, Institute of Personnel Management, 1988, reprinted 1989.
  17. Berk R.A. Criterion - referenced measurement: The state of art. Baltimor, MD: Johns Hopkins University Press, 1989.
  18. Educational measurement (Ed. by Linn R.). N.Y. Macmillan, 1989. 610 c.
  19. Лоранж П. Новый взгляд на управленческое образование. Задачи руководителей / Пер. с англ. - М.: Олимп - Бизнес, 2004. - 400 с.
  20. Генкин В.Л., Ерош И.Л., Москалёв Э.С. Системы распознавания автоматизированных производств. - Л.: Машиностроение. Ленингр. отд-ние, 1988. - 246 с.
  21. Современные методы идентификации систем / Под ред. П. Эйкхофа. - М.: Мир, 1983.
  22. Методы идентификации технических объектов [Электронный ресурс]. - URL: https:/helpiks.org2-114346.html (дата обращения 21.08.2020).

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2020 Zhivaeva V.V., Nikovaev V.A., Parfenova S.N., Tuponosova E.P.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».