Прогнозное моделирование развития кадрового потенциала общего образования липецкой области

человеческих ресурсов в учреждениях общего образования. В данном контексте вопрос о планировании показателей педагогических кадров становится приоритетным.

Одной из основных траекторий функционального улучшения системы формирования и мотивированного развития кадров образовательных организаций является применение стратегии создания кадрового потенциала на основе процессно-функционального построения системы менеджмента качества персонала, использование сочетания качественных показателей с методами мотивационной оценки результатов.

Основной проблемой управления профессиональными ресурсами в современных учреждениях общего образования следует признать недостаточное внимание к показателям эффективности системы менеджмента качества персонала. Ключевыми в этом отношении представляются вопросы целенаправленного анализа и оценки кадрового потенциала, то есть предвидения и прогностического рассмотрения потребности организаций общего образования в кадрах, которые в будущем смогут отвечать современным требованиям, предъявляемым к образованию в конкурентной среде.

Несмотря на внешнее разнообразие существующих теоретико-методологических и практических подходов к анализу результативных показателей, современных методик оценки и обучения, нерешенными остаются проблемы внешней формализации и директивного фундамента методов и технологий прогнозирования кадров, нерациональной разработки научных критериев оценки существенных для образования и профессиональных компетенций, несистемного подхода к анализу потребностей субъекта образования в персонале, масштабируемой связки хозяйственных и государственных решений с основными элементами кадровой и профессиональной политики образовательной организации. Для их решения особую значимость приобретает прогнозирование в сфере кадровой политики системы общего образования области.

Наиболее известными моделями кадрового прогнозирования в отечественной практике управления образованием являются:

• 1.    Модель прогнозирования региональной кадровой потребности, разработанная учеными Российского государственного профессионально-педагогического университета А.Г. Мокроносовым и А.А. Вершининым. Сформированная ими схема включает в себя три группы различных факторов, действующих на снабжение выбранной отрасли экономики кадрами. Как отмечают Е.С. Давидюк, М.Г. Шишаев, В.В. Быстров, детально анализирующие указанную модель, общая потребность в квалифицированных специалистах устанавливается в ней на основе определения уровня влияния обозначенных коэффициентов (Давидюк и др., 2018: 63).

• 2.    Рационалистически-сценарная модель, предложенная группой авторов: З.А. Васильевой, Т.П. Лихачевой, Н.В. Разновой, И.В. Филимоненко. Данная методика была создана для определения кадровой потребности субъекта Российской Федерации, а именно Красноярского края. Е.С. Давидюк, М.Г. Шишаев, В.В. Быстров отмечают, что в своей основе данная модель ориентирована на определение потребности региона в кадрах с учетом регрессии и динамического изменения показателей его экономического роста (Давидюк и др., 2018: 64).

• 3.    Алгебраически национальная модель прогнозирования потребности региональных экономик в кадрах с профессиональным образованием, разработанная учеными Петрозаводского государственного университета В.Н. Васильевым, В.А. Гуртовым и Е.А. Питухиным. Подробно ее содержание рассмотрено Е.С. Давидюком с соавторами в статье, посвященной анализу значения прогнозного моделирования для мониторинга и управления кадровым обеспечением программ регионального развития (Давидюк и др., 2018: 63). Т.А. Гревцева отмечает, что данная методология может быть использована для определения потребности экономики в специалистах среднего образования в разрезе направления образовательно-профессиональной подготовки и формирования соответствующих государственных заданий по специализированным отраслям для системы среднего профессионального образования (Гревцева, 2014: 132).

• 4.    Алгебраическая модель для определения кадровой потребности реального сектора, самая «молодая» из рассматриваемых нами, была создана для экономики республики Крым в Крымском федеральном университете имени В.И. Вернадского исследователями Н.И. Клевец и Е.А. Полищук. Суть ее подробно изучена исследователями Е.С. Давидюком, М.Г. Шишаевым, В.В. Быстровым (Давидюк и др., 2018: 63). Анализируя содержание данной модели, Л.А. Кравцова отмечает, что в фундаментальной экспозиции она имеет метод сепарабельного квадратичного показателя программирования результатов с помощью системы автоматизированных процедур вычислений MathCAD для рационалистического функционарного снижения дефицитных тенденций кадров по первоочередным направлениям конкурентных отраслей подготовки специалистов (Кравцова, 2010: 101).

• 5.    Модель процессно-конструкционного определения кадровой потребности предприятий и отраслей экономики была предложена Н.Е. Егоровой и Е.В. Ярошенко - учеными Центрального

  экономико-математического института РАН. По мнению Е.С. Давидюка, М.Г. Шишаева, В.В. Быстрова, в данной разработке аккумулированы данные о человеческом капитале и сформирована матричная структура разделения рабочей силы в соответствии с уровнями образования и спецификой профессиональных направлений выпускников (Давидюк и др., 2018: 64).

Следует сказать, что из всех указанных рационалистически опробованных результативных моделей прогнозирования кадрового обеспечения ни одна не основана на прогнозировании процессов формирования кадровой потребности в сфере образования, в связи с чем можно сделать вывод о недостаточности внимания к этому вопросу в научной среде.

Представляется возможным в качестве перспективного в этом отношении рассмотреть потенциал агентного подхода к анализу технологий кадрового прогнозирования, а также возможности использования комбинированного подхода, основывающегося на динамичности временных рядов и комплексной корпускулярно интегрированной синергетической модели прогностически-рационального формирования кадрового потенциала в сфере общего образования (Филатова, 2018: 221).

Среди преимуществ агентного подхода к анализу технологий кадрового прогнозирования можно назвать то, что агенты имеют реальный ресурсный аналог, от которых проще получить необходимые расчетные данные для анализа и дальнейшего выявления их особенностей. Благодаря изоморфности и обезличиванию представленной на рис. 1 модели агентного подхода к анализу технологий кадрового прогнозирования, элементизируется и процессно упрощается процесс формирования и анализа различных вариантов применения в действительности разработанной системы (Найденова, 2013: 179).

Рисунок 1 – Модель агентного подхода анализа технологий кадрового прогнозирования

Доступность информации в сети Интернет, а также наличие современного программного инструментария для осуществления агентного подхода анализа технологий кадрового прогнозирования с применением технологии data mining и искусственного интеллекта позволяют создать целевое «дерево» вариативных траекторий моделирования, функционально обеспечиваемое структурой методологии «дельфи» с целью дальнейшего анализа мнений экспертов, позволяющих фильтровать неявные данные и извлекать актуальную информацию для построения усовершенствованной модели агентного подхода анализа технологий кадрового прогнозирования.

Методика рационального прогнозирования кадрового потенциала в системе менеджмента общего образования региона на основе динамичности временных рядов основана на технологии процессно-функционального сдвига возрастных контингентальных показателей обучающихся и пересчете нагрузки по ним, а также по каждой учебной дисциплине в экстраполируемом и динамическом интервале.

Прогнозируемое количество преподавателей согласно данной методике определяется на основе количества поступивших учеников. При этом число обучающихся 2-го класса зависит от списочного состава первоклассников прошлого года, а количество учеников 1-го класса - от числа новорожденных 6–8 лет назад. Другие факторы, влияющие на количество учеников, в явном виде не учитываются, что в данном случае успешно коррелируется в методике встраиваемого PEST анализа и будет составлять определенную незначительную погрешность прогнозирования (Тарасенко, 2015: 32).

В период с 2022 по 2024 годы в школах Липецкой области будут обучаться дети 2005– 2017 годов рождения. Статистика рождаемости представлена на рис. 2.

13383 13428

2005  2006  2007  2008  2009  2010  2011  2012  2013  2014  2015  2016  2017

Рисунок 2 – Статистика рождаемости в Липецкой области в 2005–2017 гг.

С помощью пакета программы IBM SPSS Statistic и методов линейно-процессного регрессивного двухфакторного моделирования получены прогнозные значения с хорошими статистическими параметрами возвратных контингентов по годам обучения, представленные на рис. 3 (Бурмыкина, 2020: 24).

2019       2020

2021       2022       2023       2024

Рисунок 3 – Прогноз числа первоклассников в Липецкой области в 2022–2024 гг.

Исходя из рассчитанного прогнозно-вероятного числа первоклассников, а также на основании полученных линейно-регрессионных порядковых зависимостей были выявлены прогнозновероятностные значения второклассников. В зависимости от фактических и прогнозных значений количества второклассников были получены прогнозно-реалистические значения числа третьеклассников, четвероклассников и так далее до выпускного 11 класса включительно (табл. 1).

Таблица 1 – Движение возвратных контингентов по годам (чел.)

Численность учащихся	Фактическая				П	рогнозируемая
	2018 г.	2019 г.	2020 г.	2021 г.	2022 г.	2023 г.	2024 г.
1 класс	12 438	13 320	12 672	13 140	13 257	12 864	11 486
2 класс	12 787	12 493	13 314	12 590	13 096	13 271	12 854
3 класс	12 815	12 765	12 441	13 300	12 570	13 092	13 269
4 класс	12 321	12 829	12 738	12 446	13 318	12 514	13 075
5 класс	11 780	12 266	12 754	12 741	12 462	13 352	12 519
6 класс	11 200	11 757	12 254	12 791	12 701	12 451	13 341
7 класс	10 845	11 220	11 787	12 226	12 750	12 711	12 432
8 класс	11 139	10 809	11 207	11 760	12 210	12 753	12 715
9 класс	10 531	11 162	10 744	11 225	11 707	12 198	12 738
10 класс	5 015	4 721	4 645	4 524	4 433	4 259	4 176
11 класс	4 671	4 662	4 451	4 475	4 342	4 267	4 170
Всего	115 542	118 004	119 007	121 218	122 846	123 732	122 775

Для построения прогнозно-рационалистической модели кадрового потенциала была разработана регрессивно-обособленная модель, объединяющая количество учеников и необходимое для их обучения число педагогов. Выявленные экстраполируемые значения, полученные на основе разработанной модели, представлены на рис. 4.

2018       2019       2020       2021        2022       2023       2024

Рисунок 4 – Прогноз изменения необходимого количества учителей в Липецкой области

Таким образом, осуществленный комплексный анализ перспективного развития кадрового потенциала региональной системы общего образования позволил выявить основные проблемные аспекты в определении профессиональной потребности в педагогических кадрах системы общего образования и определить ключевые точки роста, соответствие которым обеспечит обход «болевых» аспектов функционирования системы.

Выявленная последовательность действий декомпозирует неоднозначную первоначальную задачу определения потребности системы общего образования в педагогических кадрах на более упрощенные подзадачи с применением простых шагов методов управленческой декомпозиции и проектных решений моделирования и прогнозирования:

• 1)    прогноз числа первоклассников;

• 2)    прогноз количества учеников в общеобразовательных организациях,

• 3)    прогноз числа учителей, необходимых для обеспечения образовательного процесса выявленного контингента обучающихся.

Таким образом, определение потребности в педагогических кадрах с помощью методики прогнозирования на основе динамичности показателей расчета временных рядов является наиболее оптимальным и рациональным вариантом прогнозирования. В то же время приведенные выше результаты исследования потребности носят предварительный и вариативный характер. Для калибровки и локальных уточнений прогнозной модели необходимо применять агентный подход футуристического анализа (Малкина, Дубовая, 2020: 31). Только такая коллаборационная и платформенно сфокусированная связка поможет добиться в будущем синергетического эффекта при прогнозировании, а также выстроить комплексную и результативную модель функционирования устойчивой и конкурентноспособной системы общего образования Российской Федерации в современных динамично меняющихся внутренних и внешних условиях, обеспечит плацдармы для роста, а также минимизирует влияние явных и скрытых угроз.