Сфера научных интересов
«Государственной международной организации
"Академия когнитивных естественных наук"»
(«ГМО "АКЕН"») включает:
«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. Президент «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 – «Психо-физиология восприятия»
(19.00.03 – «Психология труда,
инженерная психология и эргономика»)
и методическое обеспечение
дисциплины «Информатика»,
осуществлялись экспериментальные исследования
информационной среды
автоматизированного обучения,
удалось осуществить существенный вклад
в развитие техники (теории и практики).
На данный момент времени «ГМО "АКЕН"»
получены следующие
теоретические и практические
научные результаты в области
техники, технологии
и (микро-) системного анализа:
1.1. Среда 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. Технология 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. Блок параметрических когнитивных моделей
как информационная основа
(микро-) системного анализа
информационно-образовательной среды,
включая:
· когнитивную модель субъекта обучения;
· когнитивную модель средства обучения.
1.4. Структура 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. Статистическое обоснование
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. Обобщенные результаты 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 интеграции
системы автоматизированного обучения
со свойствами адаптации
на основе когнитивных моделей
в информационно-образовательную среду
учреждения системы образования
современного государства.
II. Президент «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 «ГМО "АКЕН"»
получены следующие
теоретические и практические
научные результаты в области
экономики и (микро-)
финансового анализа (и аудита):
2.1. Вертикально и горизонтально интегрированные
организационные структуры
предприятия и (кредитной) организации
как хозяйствующих субъектов
экономической системы государства.
2.2. Технология 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. Блок параметрических когнитивных моделей
как информационная основа
(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. Структура 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. Статистическое обоснование
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. Обобщенные результаты динамики изменения
результативности
(микро-) финансового анализа (и аудита)
и повышения эффективности
финансово-хозяйственной деятельности
предприятия и (кредитной) организации.
Разработана концепция
(микро-) финансового анализа (и аудита)
организационной структуры
предприятия и (кредитной) организации
на основе технологии когнитивного моделирования
и блока параметрических когнитивных моделей.
III. Президент «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 «ГМО "АКЕН"»
получены следующие
теоретические и практические
научные результаты 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. Когнитивное кольцо, когнитивный диск,
когнитивный цилиндр, когнитивный конус,
когнитивная сфера,
один-, два-, три-, четыре-, пять- и более
когнитивная сфера
и другие сложные когнитивные модели
для (микро-) сложного анализа
сложных объектов, процессов и явлений.
3.2. Технология 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. Блок параметрических когнитивных моделей
как информационная основа
(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. Структура 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;
· средства 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. Статистическое обоснование
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. Обобщенные результаты динамики изменения
результативности (повышения эффективности)
функционирования сложного объекта,
технологического процесса
(технологического задела) или явления.
Разработана концепция
(микро-) сложного анализа
сложных объектов, процессов и явлений
на основе технологии когнитивного
моделирования.
