УДК 519.8 Исследование операций
В работе приводится аргументированное обоснование важности правильного выбора кандидата на должность младшего командира для дальнейшей эффективной учебной, служебной и повседневной деятельности в группе. Авторами приводится краткий обзор работ по теме исследования, которые чаще всего содержат психолого-педагогический анализ критериев оценки кандидатов, опыт работы старших офицеров конкретных вузов, исторический опыт. В предлагаемой работе авторами успешно реализуется цель, которая состоит в математическом моделировании поставленной многокритериальной задачи оптимального выбора младших командиров в подразделении и решении полученной модели задачи методом Раша. Применяемый подход позволяет минимизировать субъективность и предвзятость лиц, принимающих решение. Работа содержит общую постановку задачи и теоретические основы ее решения методом Раша. В практической части по данным личных дел десяти курсантов одной из групп на основании расчетов были предложены четыре наиболее подходящих кандидата. Кроме того, применение метода Раша позволило выявить среди критериев наименее и наиболее выполнимые, что может позволить более гибко работать с выбором критериев.
метод Раша, латентные переменные, оптимальный выбор, выбор младших командиров подразделений, многокритериальные задачи, критерии оценки кандидатов, весовые значения критериев, лидерские качества, организаторские способности.
1. Вальков А. В. Развитие лидерских качеств офицера внутренних войск в образовательном процессе военного вуза // Молодой ученый. – 2012. – №8. – С. 312–315.
2. Евтихов О. В. Анализ лидерских качеств младших командиров учебных групп в вузе МВД России // Психопедагогика в правоохранительных органах, 2009, № 2(37). – С. 27-31.
3. Лысаков Н.Д. Опыт подготовки командных кадров в военно-воздушной академии в годы великой отечественной войны // Человеческий капитал, 2020, № 3(135). – С. 49-54.
4. Железкин В.Н. Проблемные вопросы в организации управления курсантскими коллективами // Вестник Санкт-Петербургского университета МВД России № 2 (98) 2023. – С. 187-192.
5. Корыпаева Ю.В., Кузнецова Л. Д., Сумин В.И. Моделирование с помощью метода анализа иерархий в задаче назначения командира в группе курсантов военного вуза // Вестник Воронежского института ФСИН России. Научный журнал, 2022, № 2. – С. 73-80.
6. Нейман, Ю.М. Введение в теорию моделирования и параметризации педагогических тестов / Ю.М. Нейман, В.А. Хлебников — М.: Прометей, 2000. — 168 с.
7. Челышкова, М. Б. Теория и практика конструирования педагогических тестов: учебное пособие / М. Б. Челышкова — М.: Логос, 2002. — 432 с.
8. Математические модели подготовки и проверки качества освоения компетенций в образовательном процессе / С.А. Баркалов, С.И. Моисеев, Н.С. Кочерга, Е.В. Соловьева // Открытое образование. – 2014. – № 2. – С. 9–16.
9. Летова Л. В., Маслак А. А., Осипов С. А. Семейство моделей Раша для объективного измерения латентных переменных. / Информатизация образования и науки. – № 4, 2013 – С. 131–141.
10. Моисеев, С.И. Методы принятия решений, основанные на модели Раша оценки латентных переменных / С.И. Моисеев, А.Ю. Зенин // Экономика и менеджмент систем управления. – 2015. – № 2.3 (16). – C. 368–375.
11. Моисеев, С.И. Методы принятия оптимальных решений: учеб. пособие / С.И. Моисеев, А.А. Зайцев. – Воронеж: АОНО ВО «Институт менеджмента, маркетинга и финансов», 2016. –144 с.
12. Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests // G. Rasch.-Copenhagen, Denmark: Danish Institute for Educational Research, 1960.
13. Мохов, А. И. Разработка рекомендательной системы на основе сессий с использованием многоуровневой системы отбора кандидатов / А. И. Мохов, В. Г. Кислинский, А. С. Алексейчук // Труды МАИ. – 2022. – № 126. – DOIhttps://doi.org/10.34759/trd-2022-126-20. – EDN KXYFUB.
14. Пешевец, С. В. Методика обоснования дополнительных требований к подготовке специалистов радиоэлектронной борьбы / С. В. Пешевец // Труды МАИ. – 2021. – № 120. – DOIhttps://doi.org/10.34759/trd-2021-120-17. – EDN WCJVRA.
15. Использование методов искусственного интеллекта для оценки компетенций в ходе тестирования / В. Н. Гусятников, Т. Н. Соколова, А. И. Безруков, И. В. Каюкова // Информатика и образование. – 2023. – Т. 38, № 6. – С. 75-85. – DOIhttps://doi.org/10.32517/0234-0453-2023-38-6-75-85. – EDN ABPXYT.
16. Маслак, А. А. Статистический анализ агрегированного рейтинга российских вузов как измерительного инструмента / А. А. Маслак, А. И. Коробко // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. – 2023. – № 1. – С. 68-79. – DOIhttps://doi.org/10.17308/sait/1995-5499/2023/1/68-79. – EDN RUOORO.
17. GNSS best integer equivariant estimation using multivariant t-distribution: a case study for precise point positioning / V. Duong, K. Harima, S. Choy, Ch. Rizos // Journal of Geodesy. – 2021. – Vol. 95, No. 1. – P. 1-17. – DOIhttps://doi.org/10.1007/s00190-020-01461-w. – EDN MYIZFH.
18. Van Vo, De. Development of scientific reasoning test measuring control of variables strategy in physics for high school students: evidence of validity and latent predictors of item difficulty / De. Van Vo, B. Csapó // International Journal of Science Education. – 2021. – Vol. 43, No. 13. – P. 2185-2205. – DOIhttps://doi.org/10.1080/09500693.2021.1957515. – EDN EHFCTL.
19. Rasch analysis to evaluate the psychometric properties of junior metacognitive awareness inventory in the indonesian context / M. I. Sukarelawan, Jumadi, H. Kuswanto [et al.] // Jurnal Pendidikan IPA Indonesia. – 2021. – Vol. 10, No. 4. – P. 486-495. – DOIhttps://doi.org/10.15294/jpii.v10i4.27114. – EDN XZUFDK.
20. Generalizability, Replicability, and New Insights Derived From Registered Reports Within Understudied Populations / P. A. Edelsbrunner, K. Ruggeri, K. Damnjanović [et al.] // European Journal of Psychological Assessment. – 2022. – Vol. 38, No. 6. – P. 427-431. – DOIhttps://doi.org/10.1027/1015-5759/a000743. – EDN TMHXPR.
21. Exploring consumer percetion of entomophagy by applying the Rasch model: data from an online survey / L. Grispoldi, L. Zampogni, E. Costanzi [et al.] // Journal of Insects as Food and Feed. – 2023. – Vol. 10, No. 1. – P. 9-24. – DOIhttps://doi.org/10.1163/23524588-20230045. – EDN BEQXLE.
22. Research analytics capabilities (RAC) survey: development, validation and revision using the Rasch model / K. L. Robershaw, M. Xiao, E. Wallett, B. G. Wolf // Journal of Applied Research in Higher Education. – 2024. – DOIhttps://doi.org/10.1108/jarhe-12-2023-0578. – EDN SCQXBA.
23. Prasetyaningrum, P. T. Analyzing Customer Engagement with Gamification Approach in the Banking Sector Using the Rasch Model / P. T. Prasetyaningrum, P. Purwanto, A. F. Rochim // Ingenierie des Systemes d'Information. – 2024. – Vol. 29, No. 3. – P. 1051-1064. – DOIhttps://doi.org/10.18280/isi.290323. – EDN IKUULX.
