Аннотация 2
ВВЕДЕНИЕ 6
1 Описание предметной области 8
2 Кластерный анализ 10
2.1 Основные обозначения и определения 10
2.2 Расстояние между объектами 11
2.2.1 Меры расстояния 12
2.3 Методы шкалирования данных 14
2.4 Алгоритмы кластеризации 15
2.4.1 Иерархическая кластеризация 15
2.4.1.1 Методы объединения кластеров 16
2.4.1.2 Определение числа кластеров 17
2.4.1.3 Особенности иерархического алгоритма 18
2.4.2 Алгоритм k-средних 19
2.4.2.1 Начальное расположение центров кластеров 21
2.4.2.2 Определение числа кластеров 21
2.4.2.3 Особенности алгоритма к-средних 22
3 Результаты 24
ЗАКЛЮЧЕНИЕ 42
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 43
ПРИЛОЖЕНИЕ А 45
ПРИЛОЖЕНИЕ Б 46
ПРИЛОЖЕНИЕ В 47
ПРИЛОЖЕНИЕ Г 48
В настоящие время, в качестве контроля изученного материала, в сфере образования активно практикуются тестирования. Тестирование представляет из себя метод исследования, позволяющий выявить (на основе анализа) уровень навыков, умений и знаний респондентов, путем выполнения ряда специальных заданий. Такие задания и являются тестами. Тест - это стандартизированное задание, или особым образом связанные между собой задания, которые дают возможность исследователю диагностировать меру выраженности компетенций у испытуемого. Результаты тестирования позволяют выявить имеющийся уровень развития некоторого свойства в объекте исследования и сравнить его с эталоном. Тесты д-ра Реддина, приводящееся при подготовке и переквалификации менеджеров, пользуются популярностью в разных странах. Каждый тест включает в себя 80 суждений. Задача участника тестирования, заключается в необходимости оценить верным или ошибочным является каждое высказывание.
XXI век можно охарактеризовать стремительными развитиями в области технологий, большой конкуренцией и резкими изменениями в окружающей среде. В таких условиях оставаться конкурентоспособными и прибыльно работать есть возможность только у тех компаний и предприятий, которые имеют в своем штате мотивированный, высококвалифицированный и способный быстро реагировать на изменения во внешней и внутренней среде персонал. Для эффективного решения задачи управления персоналом менеджеру необходимо иметь представление о поведении индивидуумов и групп, проблемах коммуникации и мотивации. Это позволит ему понимать и организовывать эффективное взаимодействие работников организации, совершенствовать организационные структуры в соответствие с постоянно меняющимися условиями внешней среды и, в конечном счете, успешно достигать целей, которые ставятся перед организацией.
Одним из путей выявления проблем является выяснение мнения самих менеджеров относительно важности тех или иных факторов, влияющих на эффективность менеджмента. В данной работе рассматривается количественный подход к менеджменту, заключающийся в построении и применении адекватных математических моделей проблемных ситуаций, что может значительно повысить производительность. Такой подход к менеджменту вкупе с современными IT-технологиями, технологиями анализа больших данных и другими сегодня называют цифровой экономикой.
Актуальность работы заключается в необходимости выявления различий и/или сходства в результатах тестирования в разные временные периоды, начиная с 2005 года по 2020 год.
Новизна работы состоит в анализе результатов оригинального теста, разработанных Реддином, применении методов кластерного анализа для разбиения респондентов на группы внутри каждого временного интервала, которые формируются на основе суждений тестов, совпадающих с мнением автора, для поиска особенностей и закономерностей выявленных групп.
Практическая значимость работы состоит в анализе результатов тестирования.
Цель работы - выявление групп обучающихся в разные периоды времени и поиске закономерностей, присущих разным группам.
Для достижения поставленной цели решаются следующие задачи:
1 Описание предметной области
2 Выбор формы представления данных тестирования для применения методов кластерного анализа и визуализации
3 Выбор и применение методов кластерного анализа для данных в номинальной шкале
4 Применение методов визуализации данных
5 Анализ и презентация полученных результатов
1 Описание предметной области
Данная работа направлена на исследование владения знаниями в области менеджмента различными группами респондентов, будущих менеджеров в разные временные интервалы пятнадцатилетнего периода тестирования. Исследование проводилось с использованием теста, созданным доктором Реддином (W.J. Reddin) «Менеджер и человеческие отношения».
Трехмерная модель лидерства Реддина была описана Уильямом Джеймсом Реддином менеджером и британским профессором, разработавшим различные теории стилей лидерства, основанные на ситуациях, возникающих перед менеджером, и влияние примененных теорий на эффективность организации. Эффективность менеджера в предложенной модели измеряется в исполнение целей, с учетом условий модели управления и непредвиденно возникающим изменениям. Теория предполагает, что управленческое поведение зависит не только от поставленной цели, но и тесно связано с межличностными отношениями между менеджером и подчиненными. Под межличностными отношениями подразумевается то, как люди направляют свои усилия на личные отношения со своей рабочей командой (эмпатия, доверие, мотивация) [18].
В модели Реддина человеческие отношения являются одним из трех статистических измерений лидерства.
В качестве объекта исследования взяты результаты опрошенных студентов г. Томска, чьи направления впоследствии предполагали работу с обязанностями менеджеров. Рассматривается временной промежуток с 2005 по 2020 год, с объемом выборки 3728 респондентов. В ПРИЛОЖЕНИЕ А представлена информация, подлежащая дальнейшей обработке, представлена в виде прямоугольной таблицы данных из m столбцов и n строк, в которой строки - это объекты, а столбы - это характеристики объектов.
Характеристики объектов, представленные в таблице: дата и время прохождения теста, возраст респондента, номер теста, ФИО респондента, дата рождения, пол(1-мужчина,2-женщина), ВУЗ, факультет, количество верных ответов(оценка суждения совпадает с мнением автора), ответы на каждое суждение соответственно (1- согласен, 2- не согласен)[11].
При исследование возникают проблемы анализа данных, имеющий большой объем выборки и их разумной интерпретации. В данной работе в качестве решения предложено применение алгоритмов кластерного анализа и визуализация полученных результатов.
В процессе выполнения выпускной квалификационной работы были решены следующие задачи:
1 Описана предметная область.
2 Выбран эффективный способ представления данных тестирования
3 Осуществлен выбор метода кластерного анализа и оценена его применимость для работы с данными имеющегося типа и применение его к реальной выборке.
4 Осуществлён анализ полученных результатов.
Таким образом, выявлены изменения значений описательных статистик в зависимости от периода исследования, что может свидетельствовать о перманентных сменах Федеральных государственных образовательных стандартах или об изменениях социально-экономической ситуации в стране, отражающихся на восприятии обучающимися тех или иных положений гуманитарных дисциплин в сфере управления социальными системами.
По результатам работы был представлен доклад на Международной молодежной научной конференции «Математичееское и программное обеспечение информационных, технических и экономических систем» 26 - 28 мая 2022 г. Публикация с материалами конференции отправлена в печать.
Воронцов К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования / К. В. Воронцов. —М.: МГУ, 2007.
Дюран Б., Оделл П. Кластерный анализ. - М.: Статистика, - 1977, - 128 с Классификация и кластер / Р. Р. Сокал, Дж. А. Хартиган, И. Дж. Гуд и др. ; Ред. Дж. Вэн Райзин; Перевод с англ. П. П. Кольцова . - М. : Мир , 1980. - 389 с.
Кластерный анализ [Электронный ресурс]/ StatSoft - Режим доступа: http://www.statsoft.rU/home/textbook/modules/stcluan.html#general - Загл. с экрана. - Яз. рус.,англ.
Кластерный анализ: основы метода и его применение в биомедицине [Электронный ресурс]/ Статья. Леонов В.П. - Режим доступа: http://www.biometrica.tomsk.ru/cluster.htm - Загл. с экрана. - Яз. рус., англ. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5.1"). - Краснодар: КЮИ МВД РФ, 1996. - 280с
Мандель, И. Д. Кластерный анализ / И. Д. Мандель. - М.: Финансы и статика, 1988. - 176 c.
Мастицкий С.Э., Шитиков В.К. Статистический анализ и визуализация данных с помощью R. Адрес доступа: http://r-analytics.blogspot.com (дата обращения 12.03.2022).
Наследов А. Д. SPSS: Компьютерный анализ данных в психологии и социальных науках. СПб., Питер, 2005
Статистический словарь/ гл.ред. М.А. Королёв. - М.: Финансы и статистика, 1989 г.
Тарасенко В.Ф. Подход к обучению менеджменту, ориентированный на использование методологии и технологии системного анализа / В.Ф. Тарасенко, Ф.П. Тарасенко // Труды VII международной научно- 43
практич. конф. «Системный анализ в проектировании и управлении». 27 июня - 04 июля 2003. - Спб.: Издательство СпбГПУ, 2003. - С. 647-649.
12 Толстова Ю.Н. Основы многомерного шкалирования. -М.: КДУ, 2006. - 160 с.
13 Duran, B. S. Cluster Analysis - A Survey / B. S. Duran, P. L. Odell. - Springer, 1974. - 146 p.
14 K-means and K-medoids applet. Mirkes E.M., University of Leicester, 2011.
15 MacQueen J B Some Methods for classification and Analysis of Multivariate Observations. Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability 1 / . University of California Press, 1967... 20