Диссертация (1154434), страница 31
Текст из файла (страница 31)
Задача оценкиэталонных ключевых компетенций состоит в построении агрегированногопоказателя оценки на основе имеющегося экспертного описания ключевыхкомпетенций. Обозначим этот показатель EK . Каждая ключевая компетенциязадается набором описывающих ее характеристик:162 P1 PP 2 . ... PN Значение показателя EK зависит от характеристик P1 , P2 , ..., PN ключевыхкомпетенций, то естьEK EK ( P1 , P2 ,..., PN ).Этот показатель принимает значения из отрезка [0; 1] , то естьEK [0; 1].Большее значение показателя EK свидетельствует о большей ценности иуникальностиключевойкомпетенции,следовательно,иобольшемпотенциальном ее ранге в ряду сравниваемых компетенций.Агрегированная величина оценки ключевой компетенции представляетсобой сумму с учетом весовых коэффициентов зависящих от характеристикключевой компетенции параметров: F1 ( P1 ) F (P )F 2 2 , ... FN ( PN ) то естьNEK wi Fi ( Pi ) ,i 1где wi – весовые коэффициенты, удовлетворяющие соотношению:Nwi 1i 1.163Значения весовых коэффициентов характеризуют относительный вклад,вносимый соответствующими параметрами ключевых компетенций в общуюоценку EK .
Вектор весовых коэффициентов w1 wW 2 ... wN подлежит экспертному оцениванию. В опросном листе респондент выставляетоценку по шкале L {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}. Затем выставленные оценкинормируются на сумму всех оценок, в результате чего получается векторзначений, компоненты которого в сумме дают 1.
Этот вектор и являетсявектором весовых коэффициентов.Далее рассмотрим оценку признаков ключевых компетенций. Наиболееэффективно и просто такая процедура реализуется путем присвоениякачественным характеристикам значений по какой-либо шкале. Обычно такиешкалы устанавливают соответствие между объектами по принципу «меньше–больше», «незначительнее–важнее», «лучше–хуже» и т.п. В соответствии спринципомпостроенияагрегированнойвеличиныEKдляпереводакачественных характеристик ключевых компетенций в числовые в рамкахописываемой модели удобно использовать числовые значения, расположенныевнутри отрезка [0;1]. При этом достаточным в абсолютном большинстве случаевбудет использование следующего множества точек L этого отрезка дляпостроения шкалы:L {0; 0,1; 0, 2; 0,3; 0, 4; 0,5; 0, 6; 0, 7; 0,8; 0,9; 1} .На практике выставление таких оценок удобно проводить с использованиемшкалыL {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10}.164Опросный лист ключевой компетенции предполагает использование именнотакой шкалы.Перевод значений из шкалы L в значения по шкале L осуществляетсяпутем деления соответствующих числовых значений на 10.Процедуру оценивания необходимо провести для каждого из признаковключевых компетенций.
В результате каждому признаку будет соответствоватьоценка из интервала [0;1]:Pi l i [0; 1].Далее рассмотрим формирование показателя EKоценки ключевыхкомпетенций.Функции признаков ключевых компетенций можно представить в видестепенных зависимостей:Fi ( Pi ) M i (li i ) i , i 1, 2, , NFi ( Pi ) 0, (li i ) 0Итак, величина li представляет собой оценку соответствующего признакапо введенной нами шкале l :0 li 1.Величина M i называется коэффициентом устойчивости признака ивыражает степень угрозы выбывания по данному признаку рассматриваемойкомпетенции из множества ключевых компетенций:0 M i 1.В этом смысле коэффициент устойчивости зависит от уровня риска,связанного с возможным понижением оценки признака. В опросный лист для165каждого признака ключевой компетенции экспертом выставляется оценка изинтервала [0; 1] . Большее значение оценки соответствует ее большейустойчивости.Следующей составляющей оценки EK являются коэффициенты i , которыедолжны удовлетворять условиям0 i 1, i 1, 2, , N .Смысл этих коэффициентов состоит в предельной оценке рассматриваемогопризнака.
Если какой-либо коэффициент имеет отличное от 0 значение, тоданный проект имеет так называемую возможную недооцененность, связанную снехваткой информации о рассматриваемом признаке. В опросный лист длякаждого признака ключевой компетенции респондентом выставляется оценка изинтервала [0; 1] . Нулевое значение параметра соответствует отсутствиюсомнений у респондента при выставлении оценок признаков.Величина i (показатель степени) в формуле оценки признаков ключевыхкомпетенций называется показателем уникальной инновации. Этот показательможет принимать значения из интервала [0; 1] .
Экономический смысл этогопоказателя заключается в мере соответствия рассматриваемого признакапонятию уникальной инновационной характеристики. В опросный лист длякаждого признака ключевой компетенции экспертом выставляется оценка изинтервала [0; 1] .Таким образом, для различных признаков ключевых компетенций можетнаблюдаться различная их степень отнесения к уникальным инновациям.Согласно предложенной модели проводится оценка эталонных ключевыхкомпетенцийисоставляетсяитоговыйпротоколоценкикомпетенций,включающий оценки по предложенной шкале признаков ключевых компетенцийи итоговое значение показателей оценки EK .166Итак, итоговая формула для расчета оценки EK принимает следующийокончательный вид:NEK wi M i (li i ) i ,i 1где N – количество признаков ключевых компетенций.2 этап – построение регрессионной модели оценки ключевых компетенций.Оценка ключевых компетенций по схеме, предложенной на предыдущем этапе,является трудоемкой и требует большой работы респондента по заполнениюопросных листов.
На практике применение такого подхода не всегдапредставляется возможным. В этой связи необходимо располагать более простыминструментарием, позволяющим провести оценку ключевых компетенций.Решением этой задачи является получение модели множественной регрессии.Исходной информацией для построения модели множественной регрессиидля оценки ключевых компетенций будут оценки признаков ключевыхкомпетенций по предложенной на предыдущем этапе шкале и рассчитанные пометоду предыдущего этапа оценки EK .Итак, пусть проведен анализ m эталонных ключевых компетенций: K1 K2 K. ... Km ПорезультатаманализаформируетсяматрицаLполученныхнапредыдущем шаге экспертных оценок параметров l , описывающих ключевыекомпетенции: l11 l12 llL 21 22 lm1 lm 2 167l1N l2 N .lmN Также для регрессионной модели необходимы оценки EK эталонныхключевых компетенций: EK1 EK 2 EK . ...
EK m Таким образом, по результатам измерений мы можем составить следующуюсистему уравнений: EK1 b0 b1 L1,1 b2 L2,1 ... bm Lm,1 1 , EK 2 b0 b1 L1,2 b2 L2,2 ... bm Lm,2 2 ,,... EK N b0 b1 L1,N b2 L2,N ... bm Lm,N N .где bi – искомые коэффициенты множественной регрессии; – вектор случайных отклонений.Коэффициенты регрессии отражают относительный вклад каждого изпризнаков ключевой компетенции в общую оценку.Оценка коэффициентов регрессии осуществляется одним из стандартныхметодов (например, методом наименьших квадратов). Эти методы являютсяреализованными в специализированных системах компьютерной математики(Maple, Excel), а также могут быть легко запрограммированы с помощью языковвысокого уровня.Также необходима проверка полученной регрессионной модели наадекватность путем вычисления дисперсии ошибок.Средняя ошибка аппроксимации не должна превышать 10–12 %.В результате вычисления коэффициентов регрессии получается уравнение, спомощью которого на основе информации о признаках ключевых компетенцийможно вычислить значения величин EK их оценок:168EK b0 b1L1 b2 L2 bm Lm .Таким образом, оценка ключевых компетенций осуществляется на основеинформации об экспертных оценках признаков ключевых компетенций иполученной регрессионной модели.На основании предложенной модели множественной регрессии процедураполучения оценок ключевых компетенций становится существенно проще, аименно: для получения оценок становится достаточным данных краткихопросных листов, которые предполагают оценивание лишь характеристикключевых компетенций P1 , ..., P9 .3 этап – ранжирование ключевых компетенций.