К выявлению групп менеджеров | ПУСС. 2011. № Том 2. Выпуск 4.

К выявлению групп менеджеров

Целью проводимой работы являются выявление в результатах тестирования будущих менеджеров возможных структурных групп среди опрошенных студентов, с помощью методов статистического анализа, и первичная интерпретация полученных результатов.

Revelation of Managers Grouping.pdf Постановка задачиВ системе образования всё шире употребляется тестирование обучаю-щихся, в основном с целью контроля освоенности пройденного материала.При обучении специалистов в области управления могут использоватьсятесты д-ра Реддина [8, 9]. Эти тесты активно используются в различныхстранах как средство подготовки и переподготовки менеджеров [10-12].Томский университет уже ряд лет использует их в работе с изучающимикурс менеджмента [7, 13] студентами Томска, Новосибирска, Колпашева,Кемерова, Сургута. Общее число наших респондентов, изучивших курс«Менеджмент», на сегодня составило 2186 человек.В данной статье приводятся результаты исследования с использова-нием лишь одного из тестов [8, 9]. Тест состоит из 80 суждений. Респон-денту предлагается оценить, является ли это высказывание верным илиошибочным с его точки зрения (данные в номинальной шкале). Приведемрезультаты обследования на основе сведений по разделу «Коммуникациив организации» как важного фактора производительности труда.Ответы сводятся в таблицу, строки которой соответствуют респонден-там, а столбцы - суждениям. Обозначим элемент таблицы, содержащийоценку i-го респондента на j-е суждение теста, через Xi,k, где i = 1, n ,n = 2186 - число респондентов, k = 1, m , m = 80 - число суждений в те-сте.Среди ответов респондентов встречались пропущенные значения, чтозатрудняет проведение анализа. Для заполнения пропущенных значенийбыл реализован и использован алгоритм WANGA-N [2], который приме-ним для данных в номинальной шкале.После заполнения пропущенных значений можно сосчитать число «пра-вильных» (по мнению автора теста [8]) ответов для каждого респондента.Число «правильных» суждений рассчитывается следующим образом.Имеется образец оценок автора теста {Ak}, k = 1, m. Пусть1: Xi,k = Ak ,dik =0: Xi,k = Ak .Здесь d - символ Кронекера, i = 1, n , k = 1, m ; n, m - те же самые, чтои ранее. «Правильной» оценкой суждения респондента считается оценка,совпавшая с оценкой из образца. Из 80 признаков формировалась перемен-ная, характеризующая число «правильных» суждений i-го респондента:Li = dik.На рис. 1 суждения упорядочены по числу респондентов, давших наних «правильные» ответы. Видно, что нет ни одного суждения, котороехотя бы один респондент оценил бы не так, как автор. Только одно сужде-ние было «правильно» оценено 353 респондентами. Все остальные суж-дения оценивались «правильно» большим числом респондентов. Односуждение было оценено «правильно» 2169 респондентами из 2186. Всеэто демонстрирует положения системного анализа [5] о том, что у каж-дого субъекта свой уникальный набор моделей, на основании которых онвыносит свои оценки, и что у двух разных субъектов в наборе моделейобязательно что-то совпадёт.На рис. 2 на основе переменной {Li} построена гистограмма встречае-мости того или иного ее значения. Вертикальные штриховые линии пока-  ≠==0 : .1: ,,,i k kk i k ki X AX AdΣ==mkki i L1dРис. 1. Упорядочение суждений в зависимости от числа респондентов, оценив-ших суждение «правильно»зывают граничные значения переменной, которые автор теста предлагаетиспользовать для классификации респондентов: до 54 баллов - низкийуровень знаний по рассматриваемой теме; от 55 до 57 - ниже среднего; от58 до 60 - средний и от 61 и выше - высокий уровень. Эта классифика-ция, на наш взгляд, отражает личный педагогический опыт и пристрастияавтора тестов, д-ра Реддина [8].Проверка гипотезы о нормальности распределения с помощью тестахи-квадрат в ППП Statistica показала p-значение менее 10 -5.Данный пример демонстрирует возможность использования тестовРеддина для оценивания усвоения знаний по определённым разделам со-временных концепций менеджмента. Однако классификация Реддина до-статочно искусственна и не единственна..Применени е методов кластериз ациДалее по переменной {Li} будем проводить кластерный анализ [3] сцелью выявления естественных группировок в данных.Для проведения процедуры кластерного анализа необходимо задатьмеру сходства или различия для вычисления расстояния между объекта-ми. В качестве метрики выбрана степень близости между параметром Li-го и j-го респондентов, вычисляемая по формулеd ( Li , Lj ) = | Li - Lj |.В качестве метода выбран метод «дальнего соседа», так как он в наи-большей мере способствует выделению обособленных групп, за счеттого, что степень близости оценивается по расстоянию между наиболееотдаленными объектами кластеров.Рис. 2. Сопоставление респондентов по одинаковому числу «правильных»сужденийНаглядно процедура слияния объектов в кластеры представлена на ден-дрограмме - графическом представлении объединения объектов (рис. 3).Дендрограмма не всегда является удобным инструментом для опреде-ления числа кластеров, наиболее надежным показателем является коэф-фициент объединения, равный значению расстояния между наиболее от-даленными объектами внутри объединенных кластеров. Наличие резкихскачков коэффициента после очередного шага алгоритма говорит о том,что процедуру слияния можно остановить и выбрать число кластеров,имеющихся на данном шаге.График изменения коэффициента объединения представлен на рис. 4.Из рис. 4 видно, что на 2183-м шаге коэффициент объединения рез-ко возрастает, следовательно, наиболее правдоподобное число кластеровравно 4.Рис. 3. Дендрограмма объединения объектов в кластеры [1]Рис. 4. График изменения коэффициента объединенияАн ализ кластеровС учетом выбранных методов и числа кластеров средние баллы, на-бранные респондентами, представлены в табл. 1.Таблица 1Средний балл внутри кластеровСредний баллКластеры 1-й кластер 2-й кластер 3-й кластер 4-й кластерСредний балл 38,83 46,89 54,10 61,28Ср. балл муж. 38,47 46,73 54,11 61,16Ср. балл жен. 39,03 46,97 54,10 61,35Данные кластеры можно интерпретировать по среднему баллу внутрикластера, таким образом, получим:1-й кластер - низкий балл; 2-й кластер - ниже среднего; 3-й кластер -средний балл; 4-й кластер - высокий балл.Разброс значений баллов в каждом кластере представлен в табл. 2.Таблица 2Разброс значений баллов в кластерахКластеры 1-й кластер 2-й кластер 3-й кластер 4-й кластерМин_балл 32 42 50 59Макс_балл 41 49 58 75На рис. 5 показаны «естественная» и искусственная классификацииреспондентов.Рис. 5. «Естественная» (сплошные вертикальные линии) и искусственная(штриховые вертикальные линии) классификации респондентовНаселенность кластеров представлена на рис. 6.Рис. 6. Населенность кластеровПо диаграмме населенности кластеров видно, что 58% всех респон-дентов имеют средний балл, около 2% - низкий балл и по 20% имеютвысокий и ниже среднего баллы.Возникает вопрос о половом составе кластеров. Из диаграммы (рис. 7)видно, что процентное соотношение мужчин и женщин в каждом класте-ре примерно одинаково. Из этого факта можно сделать вывод, что средилюдей, имеющих определенный уровень знаний об общении, соотноше-ние мужчин и женщин одинаково.Рис. 7. Половой состав кластеровЗависимость от факультета среднего балла в каждой группе можнооценить по диаграммам на рис. 8.Внутри группы с низким баллом (1-й кластер) лидером является фа-культет «М»; в группе с баллом ниже среднего (2-й кластер) - ВШБ и«М»; в группе со средним баллом (3-й кластер) - АТО; в группе с высо-ким баллом (4-й кластер) - ФПМК.Рис. 8. Диаграммы распределения респондентов с разных факультетовпо кластерамНекоторые выв одыТестирование, изначально предназначенное только для проверки зна-ний, позволяет не только оценивать степень усвоения изученного мате-риала, но как наблюдение (качественное измерение) реальной системыизвлекает из неё и другую информацию. Вопрос в том, какую дополни-тельную информацию содержат данные тестирования и как её извлекать.Если не ограничиться только оценками параметров распределения дан-ных, а подвергнуть их более глубокой обработке, то можно выявить идругие особенности этого множества. Например, кластерный анализтолько процентов верных ответов только по тестированию одного разделаменеджмента выявил следующие особенности множества тестируемых:1) Кроме шкалы оценивания, вводимой преподавателем по своемуусмотрению (границы Реддина), имеет смысл использовать и шкалу гра-даций доли верных ответов на множестве тестируемых (см. рис. 5, 6).2) Обнаружено, что относительные доли мужчин и женщин во всехкластерах практически одинаковы (см. рис. 7), хотя в опрошенном множе-стве было 2/3 женщин и 1/3 мужчин. Это может иметь значение для ген-дерных исследований (например, это противоречит распространённомумнению, будто девушки более старательные «зубрилки», чем юноши).3) Населённость кластеров студентами разных факультетов и вузовзаметно отличается (см. рис. 8). Это - явный сигнал о том, что методи-ческая и педагогическая работа на этих факультетах тоже неодинаковогоуровня. Конечно, надо ещё выяснять, в чём именно состоят эти различия,но сама по себе эта информация полезна для повышения качества под-готовки специалистов на всех факультетах.4) Полезность тестирования как педагогического средства можетбыть существенно повышена, если обсуждение результатов тестирова-ния со студентами не сводить только к сообщению полученных оценок,но и сопроводить обсуждением другой информации, извлечённой из этихрезультатов [4].

Ключевые слова

Авторы

ФИООрганизацияДополнительноE-mail
Тарасенко В.Ф.Национальный исследовательский Томский государственный университетvtara@ich.tsu.ru
Блинова О.В.Национальный исследовательский Томский государственный университетvtara@ich.tsu.ru
Всего: 2

Ссылки

Бююль А. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: пер. с нем. / А. Бююль, П. Цефель. СПб.: ООО «ДиаСофтЮп», 2005. 608 с.
Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. Новосибирск: Изд-во Института математики, 1999. 268 с.
Мендель И.Д. Кластерный анализ / И.Д. Мендель. М.: Финансы и сиатистика, 1988. 176 с.
Тарасенко В.Ф. Подход к обучению менеджменту, ориентированный на использование методологии и технологии системного анализа / В.Ф. Тарасенко, Ф.П. Тарасенко // Труды VII Междунар. науч.-практ. конф. «Системный анализ в проектировании и управлении». 27 июня
Тарасенко Ф.П. Прикладной системный анализ / Ф.П. Тарасенко. М.: КНОРУС, 2010. 224 с.
Толстова Ю.Н. Анализ социологических данных: методология, дескриптивная статистика, изучение связей между номинальными признаками / Ю.Н. Толстова. М.: Научный мир, 2003. 352 с.
Ackoff R.L. Management in small doses / Russel L. Ackoff. N.Y.: John Wiley & Sons, 1986. 208 p.
Reddin W.J. Tests for the output-oriented manager / W.J. Reddin. London: Kogan Page Limited, 1991. 307 p.
Reddin B. How to make your management style more effective / W. Reddin. McGraw-Hill, 1987. 186 p.
www.kolmedee.fi. Режим доступа свободный.
www.reddin.nl. Режим доступа свободный.
www.wjreddin.co.uk. Режим доступа свободный.
www.ecsocman.edu.ru/db/msg/176602.html. Режим доступа свободный.
 К выявлению групп менеджеров | ПУСС. 2011. № Том 2. Выпуск 4.

К выявлению групп менеджеров | ПУСС. 2011. № Том 2. Выпуск 4.

Полнотекстовая версия