Сфера научных интересов
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.» включает
исследование создания,
распространения и использования:
«Информационные технологии»,
«Информатизацию информационных сред
образовательных учреждений»,
«Архитектуры адаптивных средств обучения»,
«(Когнитивную) информатику»,
«(Когнитивную) психологию»,
«(Когнитивную) лингвистику»,
«Экономическую теорию»,
«Финансовый анализ,
денежное обращение и кредит»,
«Теоретическую механику»,
«Физическую химию»
и «Молекулярную биологию».
I. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
разработал диссертацию
«Среда автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей»
на соискание ученой степени
кандидата технических наук
по спец. 05.13.01 – «Системный анализ,
управление и обработка информации»,
диссертацию
«Технология когнитивного моделирования
для системного анализа
информационно-образовательных сред»
на соискание ученой степени
доктора технических наук
по спец. 05.13.01 – «Системный анализ,
управление и обработка информации»
и 19.00.02 – «Психофизиология восприятия»
(19.00.03 – «Психология труда,
инженерная психология и эргономика»)
и методическое обеспечение
дисциплины «Информатика»,
осуществлялись фундаментальные
и прикладные исследования
информационной среды
автоматизированного обучения,
удалось осуществить
существенный вклад
в развитие техники
(теории и практики).
На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области \техники, технологии
и (микро-) системного анализа:
1.1. Исследование среды
автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей,
включая:
· модификации в организации
информационно-образовательной среды
на основе блока параметрических
когнитивных моделей;
· модификации в технологии
информационно-образовательной среды
на основе блока параметрических
когнитивных моделей.
1.2. Исследование технологии когнитивного
моделирования
для (микро-) системного анализа
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе блока параметрических
когнитивных моделей,
включая:
· методику ее использования;
· способы (модели) представления
структуры когнитивной модели;
· алгоритм формирования
структуры когнитивной модели;
· методику исследования параметров
когнитивной модели субъекта обучения;
· методику исследования параметров
когнитивной модели средства обучения;
· алгоритм обработки
апостериорных данных тестирования
уровня остаточных знаний
контингента обучаемых
и диагностики индивидуальных
особенностей контингента испытуемых.
1.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) системного анализа
информационно-образовательной среды,
включая:
· когнитивную модель субъекта обучения;
· когнитивную модель средства обучения.
1.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) системного анализа
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей,
включая:
· адаптивное средство обучения
(электронный учебник,
электронный лабораторный практикум,
электронный деканат
и электронную библиотеку)
на основе процессора
адаптивной репрезентации
информационных фрагментов;
· основной диагностический модуль;
· прикладной диагностический модуль.
1.5. Исследование статистического обоснования
апостериорных данных
(микро-) системного анализа
информационно-образовательной среды,
включая:
· особенности первичной обработки
апостериорных данных;
· описательные статистики
апостериорных данных исследования
физиологического, психологического
и лингвистического портретов
когнитивных моделей;
· выбор методов
статистического анализа
апостериорных данных
серии экспериментов;
· расчет коэффициентов (показателей)
корреляции;
· расчет коэффициентов (показателей)
ковариации;
· результаты дисперсионного анализа;
· результаты регрессионного анализа;
· результаты дискриминантного анализа;
· результаты многомерного шкалирования;
· результаты иерархического
кластерного анализа;
· результаты факторного анализа.
1.6. Исследование обобщенных результатов
динамики изменения
результативности функционирования
информационно-образовательной среды
и повышения
эффективности функционирования
системы автоматизированного обучения
со свойствами адаптации
на основе блока параметрических
когнитивных моделей.
Разработана концепция исследования интеграции
системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей
в информационно-образовательную среду
учреждения системы образования
современного государства.
II. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
разработал диссертацию
«Технология когнитивного моделирования
для финансового анализа и аудита организации»
на соискание ученой степени
доктора экономических наук
по спец. 08.00.10 – «Финансы,
денежное обращение и кредит»,
осуществлялись исследования
предприятий и (кредитных) организаций,
удалось осуществить существенный вклад
в развитие экономики
(теории и практики).
На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области экономики
и (микро-) финансового анализа (и аудита):
2.1. Исследование вертикально и горизонтально
интегрированных
организационных структур
предприятия и (кредитной) организации
как хозяйствующих субъектов
экономической системы государства.
2.2. Исследование технологии когнитивного
моделирования
для (микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:
· методику ее использования;
· способы (модели) представления
структуры когнитивной модели;
· алгоритм формирования
структуры когнитивной модели;
· методику формирования
нормативно-правовой основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации;
· методику формирования
информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации;
· методику дополнительной проверки
информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации;
· методику исследования параметров
когнитивной модели для вертикального
финансового анализа (и аудита);
· методику исследования параметров
когнитивной модели для горизонтального
финансового анализа (и аудита);
· методику исследования параметров
когнитивной модели для трендового
финансового анализа (и аудита)
на основе системы
аналитических коэффициентов;
· алгоритм обработки
апостериорных данных
вертикального, горизонтального и трендового
финансового анализа (и аудита),
а также оценки
эффективности функционирования
предприятия и (кредитной) организации
на основе первичных регистров
бухгалтерского учета
и финансового анализа.
2.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:
· когнитивную модель для вертикального
финансового анализа (и аудита)
предприятия и (кредитной) организации;
· когнитивную модель для горизонтального
финансового анализа (и аудита)
предприятия и (кредитной) организации;
· когнитивную модель для трендового
финансового анализа (и аудита)
предприятия и (кредитной) организации
на основе системы
аналитических коэффициентов.
2.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:
· средство автоматизации формирования
рабочего плана счетов
на основе нормативно-регламентированного
плана счетов бухгалтерского учета
предприятия и (кредитной) организации;
· средство автоматизации формирования
бухгалтерского баланса
и отчета о прибылях и убытках
предприятия и (кредитной) организации;
· средство автоматизации вертикального
финансового анализа (и аудита)
предприятия и (кредитной) организации;
· средство автоматизации горизонтального
финансового анализа (и аудита)
предприятия и (кредитной) организации;
· средство автоматизации трендового
финансового анализа (и аудита)
предприятия и (кредитной) организации
на основе системы
аналитических коэффициентов.
2.5. Исследование статистического обоснования
апостериорных данных
(микро-) финансового анализа (и аудита)
предприятия и (кредитной) организации,
включая:
· особенности первичной обработки
апостериорных данных;
· описательные статистики
апостериорных данных
на основе когнитивных моделей
для вертикального, горизонтального
и трендового финансового анализа (и аудита)
на основе системы
аналитических коэффициентов;
· выбор методов
статистического анализа
для обработки апостериорных данных;
· расчет коэффициентов (показателей)
корреляции;
· расчет коэффициентов (показателей)
ковариации;
· результаты дисперсионного анализа;
· результаты регрессионного анализа;
· результаты дискриминантного анализа;
· результаты многомерного шкалирования;
· результаты иерархического
кластерного анализа;
· результаты факторного анализа.
2.6. Исследование обобщенных результатов
динамики изменения результативности
(микро-) финансового анализа (и аудита)
и повышения эффективности
финансово-хозяйственной деятельности
предприятия и (кредитной) организации.
Разработана концепция исследования
(микро-) финансового анализа (и аудита)
организационной структуры
предприятия и (кредитной) организации
на основе технологии когнитивного моделирования
и блока параметрических когнитивных моделей.
III. Директор «НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
разработал диссертацию
«Технология когнитивного моделирования
для сложного анализа
сложных, объектов, процессов и явлений:
ядерные полимеры»
на соискание ученой степени
доктора физико-математических наук
по спец. 05.13.01 – «Системный анализ,
управление и обработка информации»
и 01.02.01 – «Теоретическая механика»
(01.04.15 – «Физика и технология
нано-структур,
атомная и молекулярная физика»
и 02.00.04 – «Физическая химия»),
осуществлялись исследования
сложных объектов, процессов и явлений
(много-ядерных плазматических образований –
химических элементов),
удалось осуществить вклад
в развитие теоретической механики
и физико-математических наук
(теории и практики).
На данный момент времени
«НИИ "СФА ТКМ" "РА(Е)Н"
им. Вениаминова В.Н.»
(при «ГМО "АКЕН"»)
получены следующие
теоретические и практические
научные результаты исследования
в области теоретической механики
и физико-математических наук
(генезис и практическое использование
когнитивного кольца, когнитивного диска,
когнитивного цилиндра, когнитивного конуса,
когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей):
3.1. Исследование когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей
для (микро-) сложного анализа
сложных объектов, процессов и явлений.
3.2. Исследование технологии когнитивного
моделирования
для (микро-) сложного анализа
на основе когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей,
включая:
· методику ее использования;
· способы (модели) представления
структуры когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· алгоритм формирования
структуры когнитивного кольца;
· алгоритм формирования
структуры когнитивного диска;
· алгоритм формирования
структуры когнитивного цилиндра;
· алгоритм формирования
структуры когнитивного конуса;
· алгоритм формирования
структуры когнитивной сферы;
· алгоритм формирования структуры
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· методику формирования
нормативно-технической основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· методику формирования
информационной основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· методику дополнительной проверки
информационной основы
когнитивного кольца, когнитивного диска,
когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей
для (микро-) сложного анализа;
· методику исследования
параметров когнитивной модели
на основе когнитивного кольца;
· методику исследования
параметров когнитивной модели
на основе когнитивного диска;
· методику исследования
параметров когнитивной модели
на основе когнитивного цилиндра;
· методику исследования
параметров когнитивной модели
на основе когнитивного конуса;
· методику исследования
параметров когнитивной модели
на основе когнитивной сферы;
· методику исследования
параметров когнитивной модели
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей;
· алгоритм обработки
апостериорных данных
(микро-) сложного анализа
сложных объектов, процессов и явлений.
3.3. Исследование блока параметрических
когнитивных моделей
как информационной основы
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:
· когнитивную модель
на основе когнитивного кольца;
· когнитивную модель
на основе когнитивного диска;
· когнитивную модель
на основе когнитивного цилиндра;
· когнитивную модель
на основе когнитивного конуса;
· когнитивную модель
на основе когнитивной сферы;
· когнитивную модель
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей.
3.4. Исследование структуры
комплекса программ
как средств автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:
· средство автоматизации
формирования и исследования
на основе когнитивного кольца;
· средство автоматизации
формирования и исследования
на основе когнитивного диска;
· средство автоматизации
формирования и исследования
на основе когнитивного цилиндра;
· средство автоматизации
формирования и исследования
на основе когнитивного конуса;
· средство автоматизации
формирования и исследования
на основе когнитивной сферы;
· средство автоматизации
формирования и исследования на основе
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного кольца;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного диска;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного цилиндра;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивного конуса;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе когнитивной сферы;
· средство автоматизации
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе один-, два-, три-, четыре-, пять-
и более когнитивной сферы
и других сложных когнитивных моделей.
3.5. Исследование статистического обоснования
апостериорных данных
(микро-) сложного анализа
сложных объектов, процессов и явлений,
включая:
· особенности первичной обработки
апостериорных данных;
· описательные статистики
апостериорных данных
на основе когнитивного кольца,
когнитивного диска, когнитивного цилиндра,
когнитивного конуса, когнитивной сферы,
один-, два-, три-, четыре-, пять- и более
когнитивной сферы
и других сложных когнитивных моделей;
· выбор методов
статистического анализа
для обработки апостериорных данных;
· расчет коэффициентов (показателей)
корреляции;
· расчет коэффициентов (показателей)
ковариации;
· результаты дисперсионного анализа;
· результаты регрессионного анализа;
· результаты дискриминантного анализа;
· результаты многомерного шкалирования;
· результаты иерархического
кластерного анализа;
· результаты факторного анализа.
3.6. Исследование обобщенных результатов
динамики изменения
результативности функционирования
(повышения эффективности)
сложного объекта,
технологического процесса
(технологического задела) или явления.
Разработана концепция исследования
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе технологии когнитивного
моделирования.
