Г. В. Давыдова icon

Г. В. Давыдова



НазваниеГ. В. Давыдова
Дата конвертации26.09.2012
Размер186.59 Kb.
ТипДокументы

Г.В. Давыдова,
доктор экономических наук,
профессор, заслуженный
деятель науки РФ
(Иркутская государственная
экономическая академия)
А.Ю. Беликов,
ассистент
(Иркутская государственная
экономическая академия)

Методика количественной оценки
риска банкротства предприятий


Одной из актуальных проблем, требующих решения, является наиболее ранняя диагностика риска банкротства предприятия. Требования к максимально ранней диагностике вызвано двумя основными причинами: необходимостью иметь достаточный лаг времени для принятия управленческого решения и погашения инерции достижения прежней стратегической или тактической цели у анализируемого предприятия.

Перед анализом хозяйственного риска предприятия, который требует большого количества трудовых и финансовых затрат, необходим простой и дешевый экспресс-анализ риска банкротства предприятия.

Для этих целей специалисты экономически развитых и политически стабильных стран используют двухфакторную, пятифакторную и семифакторную модели по оценке степени риска банкротства предприятия.

Начиная с 1992 года пятифакторная модель прогнозирования банкротства предприятия начала использоваться и в России. В результате проведенного нами предварительного анализа отчетов 16 работающих и семи ликвидированных торговых предприятий был сделан вывод, что использовать двухфакторную и пятифакторную модели нецелесообразно из-за низкой степени соответствия данной модели условиям России.

Для проведения более подробного и точного анализа соответствия двухфакторной и пятифакторной моделей условиям России нами была сформирована база данных из 2040 финансовых отчетов работающих торговых предприятий города Иркутска и Иркутской области.

Торговые предприятия были выбраны для анализа по трем основным причинам.

Во-первых, в настоящее время они являются наиболее устойчивыми и работоспособными в отличие от предприятий других отраслей народного хозяйства.

Во-вторых, предприятия торговли являются наиболее быстро развивающимися и обеспечивают рабочими местами более 30% трудоспособного населения и около 80% пенсионеров.

В-третьих, они, в отличие от большинства промышленных предприятий, не являются монополистами, а следовательно, задача формирования репрезентативной выборки и объективного анализа их положения на рынке может быть решена наилучшим образом. Учитывая, что количество ежегодно регистрируемых торговых предприятий приблизительно равно количеству ежегодно ликвидируемых, можно сделать вывод о том, что торговые предприятия наилучшим образом подходят для дальнейшего исследования.


В результате первичной статистической обработки 2040 финансовых отчетов было отобрано 608 независимых финансовых отчетов, на основе которых и был проведен анализ соответствия результатов оценки степени риска банкротства предприятия с помощью пятифакторной модели и действительным положением дел на российских предприятиях.

Проведенное исследование показало, что в 84% случаев пятифакторная модель Альтмана прогнозировала банкротство предприятий еще в конце 1995 года и начале 1996 года, хотя на самом деле данные предприятия продолжали работу и в 1998 году.

Так как содержание и определение многих показателей в нашей стране и за рубежом существенно отличаются друг от друга, то для уточнения расчетов факторов, входящих в пятифакторную и двухфакторную модели, был сделан запрос в «First Security Bank» США.

В запросе была просьба помочь поитерационно рассчитать показатель риска «Z» двухфакторной и пятифакторной модели Альтмана и оценить полученный результат для трех любых торговых предприятий, являющихся клиентами данного банка и двух российский торговых предприятий, вся информация по которым была предоставлена по электронной почте.

В результате анализа полученных данных были сделаны следующие основные выводы:

1) Идентичность полученных расчетных данных из «First Security Bank» и нашего расчета достигает 98,6%, то есть расхожде­ния в определении показателей и весовых коэффициентов в модели отсутствуют, а отклонение на 1,4% связано с округлением числовых значений факторов, включенных в анализируемую модель.

2) Модели Альтмана используются для быстрой оценки делового партнера и явля­ются одним из пунктов в закрытом пакете прикладных программ по «Определению фи­нансового состояния предприятия» («DFSF»).

3) Численное значение фактора К4 (от­ношение рыночной стоимости обычных и привилегированных акций к бухгалтерской стоимости долговых обязательств) в пяти­факторной модели не может быть опреде­лено из-за отсутствия рыночной стоимости акций подавляющего большинства пред­приятий России, а многие предприятия во­обще не являются акционерными обще­ствами. И хотя можно приблизительно опре­делить курсовую стоимость акции как отно­шение суммы дивиденда к среднему уров­ню ссудного процента, но данная оценка будет иметь большую погрешность, связан­ную с ограничением количества факторов, влияющих на курс акции.

4) Существенно отметить, что числен­ные значения факторов для предприятий торговли России и США значительно отли­чаются друг от друга. Так для фактора К1 (отношение разности собственных средств и долгосрочных обязательств предприятия к итогу актива баланса) в двухфакторной модели расчетное значение различается более чем в пять с половиной раз. Также велики отличия абсолютных значений по фактору К2 (отношение долговых обяза­тельств предприятия к итогу актива балан­са). Еще больше различия абсолютных зна­чений факторов для пятифакторной модели. Максимальные отличия в числовых значе­ниях коэффициентов наблюдаются по фак­тору К1 (отношение оборотного капитала к итогу актива баланса), что объясняется на­личием у российских предприятий большой доли текущих пассивов в суммарной вели­чине заемных средств. Торговые предпри­ятия США преимущественно работают с дол­госрочными кредитами, что увеличивает зна­чение показателя К1.

Столь большие отличия расчетных зна­чений факторов для предприятий одной и той же отрасли (то есть для предприятий торговли) и результатов проведенного ана­лиза дают основания для утверждения о том, что ни двухфакторная, ни пятифактор­ная модели не могут быть использованы в России для тех целей, ради которых они были разработаны, из-за их несоответствия экономическим условиям нашей страны.

К их числу можно отнести следующие основные особенности российской эконо­мики: информационная закрытость пред­приятий, что ведет к неопределенности при инвестировании; мощный налоговый пресс, который заставляет предпринимателей ис­кажать действительные результаты своей деятельности; отсутствие рынка недвижи­мости, что не дает заработать механизму ипотеки, а следовательно, приводит к тому, что риск кредитора становится выше, чем внутренний предпринимательский риск. Кроме того, в России иные условия фондоемкости и энергоемкости производства, другая производительность труда.

Перечисленные особенности российс­кой действительности не позволяют меха­нически использовать модели американс­кого исследователя Э.Альтмана. Бесперс­пективны попытки решить задачу путем из­менения числовых значений коэффициен­тов модели. Различия в условиях России и США настолько велики, что модели для прогнозирования банкротства предприятий в России должны строиться на иной группи­ровке показателей. Это важно подчеркнуть, так как перенос американской практики в условия российского рынка не обеспечива­ет всестороннюю оценку финансового со­стояния предприятия и приводит к значи­тельным отклонениям прогноза от реальности и дезориентации. В итоге вместо пользы предпринимателю наносится вред.

В январе-марте 1997 года в городе Иркут­ске был проведен опрос директоров 80 тор­говых негосударственных предприятий, в ходе которого задавался следующий вопрос: «С помощью каких показателей Вы оцениваете состояние своего бизнеса и работу своей фирмы?» Большинство респондентов (96%) оценивают состояние своей фирмы, исполь­зуя вариации следующих показателей:

• сумма прибыли, остающаяся в распо­ряжении предприятия (чистой прибы­ли);

• выручка от реализации;

• затраты на производство и реализа­цию продукции;

• величина оборотного капитала пред­приятия;

• размер собственного капитала и все­го капитала предприятия.

Для обоснования выбора показателей, которые наилучшим образом характеризу­ют состояние предприятий в условиях рос­сийской экономики, были рассмотрены по­казатели, отражающие мнения руководите­лей коммерческих предприятий (по резуль­татам их опроса), показатели, входящие в состав методики ФУДН и моделей Альтма­на. На основании обобщения данных мате­риалов были отобраны следующие тринад­цать показателей.

1. Отношение чистого оборотного (ра­ботающего) капитала к активу



Показатель позволяет оценить эффек­тивность использования активов предприя­тия

2. Отношение прибыли к активам (пер­вый вариант расчета)



Этот коэффициент показывает способ­ность фирмы использовать свои активы для получения прибыли, остающейся в распо­ряжении у предприятия (чистой прибыли).

3. Отношение прибыли к активам (вто­рой вариант расчета).



Показатель отношения прибыли к акти­вам «К2» может исказить оценку ситуации, если сравниваются фирмы с различной структурой капитала. Причина заключается в том, что чем большую сумму процентов за привлеченные кредитные средства уплачи­вает фирма, тем меньше сумма налогооблагаемой прибыли. Поэтому для «очистки» показателя от различий в структуре капита­ла используется показатель К3.

4. Отношение прибыли к собственному (акционерному) капиталу.



Данный показатель характеризует эф­фективность инвестиций в собственный капитал

5. Коэффициент оборачиваемости акти­вов.



Коэффициент характеризует производ­ственную эффективность, то есть сколько может быть произведено и реализовано продукции при имеющихся и привлеченных средствах (способность данного набора активов генерировать реализацию товаров).

6. Отношение прибыли к совокупному капиталу.



Этот показатель характеризует эффек­тивность функционирования всего капитала, инвестированного в данное предприятие

7. Маржа прибыли



Показатель характеризует способность предприятия генерировать прибыль из все­го объема реализованной продукции. Чем больше величина данного показателя, тем больший доход могут получить акционеры.

8.Норма прибыли.




Данный показатель определяет эффек­тивность всей работы предприятия, его ус­тойчивость и наличие финансовых резервов повышения конкурентоспособности.

9. Финансовый рычаг.




Коэффициент дает представление о структуре финансирования хозяйственной деятельности предприятия.

10. Общий коэффициент покрытия.



Коэффициент показывает, какую часть краткосрочных обязательств предприятия можно погасить, если мобилизовать все оборотные средства.

11. Удельный вес собственного капита­ла предприятия в активах.



Данный коэффициент показывает риск инвестирования в предприятие.

12. Коэффициент покрытия инвестиций.



Коэффициент показывает, какая часть инвестиций предприятия финансируется за счет собственных средств и долгосрочных долговых средств, то есть за счет устойчи­вых источников.

13. Показатель оборачиваемости обо­ротного капитала.



Данный показатель позволяет оценить уровень использования оборотного капита­ла.

Для составления модели прогнозирова­ния степени риска банкротства предприя­тия были сформированы три независимые и случайно выбранные базы финансовых от­четов торговых предприятий города Иркут­ска и Иркутской области.

Основная база данных №1 – это база данных квартальных финансовых отчетов (форма №1 – «Баланс» и форма №2 – «Отчет о прибылях и убытках») 16 работаю­щих в начале 1997 года предприятий за период с 1994 года по 1996 год.

База данных №2 – это база данных квартальных финансовых отчетов (форма №1 – «Баланс» и форма №2 – «Отчет о прибылях и убытках») 17 работающих в нача­ле 1997 года предприятии за период с 1994 года по 1996 год. Данная база была сформи­рована для сравнения полученных итогов ее анализа с итогами анализа базы № 1.

Основная база данных №3 – это база данных квартальных финансовых отчетов (форма №1 – «Баланс» и форма №2 – «Отчет о прибылях и убытках») 12 прекра­тивших свою деятельность в конце 1996 года – начале 1997 года предприятий за период с 1994 года по 1996 год.

В каждой базе были рассчитаны значения пере­численных выше тринадцати показателей для составления модели прогнозирования степени риска банкротства предприятия и был проведен вертикальный и горизонталь­ный анализ балансов.

В результате проведенного анализа структуры балансов было выявлено, что всего 2% предприятий используют долго­срочные кредиты, 91% используют краткос­рочные кредиты, а 7% предприятий вообще не используют заемные средства, 72% пред­приятий излишне отягощены активами, ко­торые мало используются. Все проанализи­рованные предприятия имеют и дебиторс­кую и кредиторскую задолженность.

Для увеличения числа наблюдений был использован метод «заводо-лет», то есть в выборки были включены данные за несколь­ко временных периодов по одному и тому же предприятию. Это уменьшает число эффек­тивных наблюдений, что может привести к нарушению требования независимости на­блюдений, а, следовательно, к искажению результатов анализа. Поэтому для статис­тической проверки независимости резуль­татов расчета показателей при использова­нии метода «заводо-лет» был использован статистический критерий серий.

На основе анализа полученных резуль­татов был сделан вывод, что численные значения показателей К3, К6, К9, К10, К11, К13 являются зависимыми и должны быть исключены из дальнейшего анализа

Оценка однородности исходной инфор­мации, произведенная с помощью вычисле­ния и анализа коэффициента вариации, позволила сделать вывод, что значения показателей К6 и К7 не являются однород­ными, а следовательно, должны быть ис­ключены из дальнейшего анализа

Для исключения попадания в разрабаты­ваемую модель по определению риска бан­кротства предприятия дублирующих факто­ров были рассчитаны коэффициенты част­ной корреляции, которые позволили сде­лать вывод о дублировании факторов К2/К3, К2/К4, К3/К4. Поэтому показатели К2 и К3 были исключены из дальнейшего анали­за

Для дополнительной оценки колеблемо­сти значений факторов и показателя модели в зависимости от выборки было проведено сравнение значений 13 факторов и значе­ний модели в первой и второй базе данных.

В результате статистического анализа исходной и расчетной информации была по­лучена следующая четырехфакторная модель:

R=К1+К4+К5+К8 (1)

Для удобства в дальнейшем использо­вании перепишем формулу 1 следующим образом:

R=К1+К2+К3+К4, (2)

где R – показатель риска банкротства предприятия;

;

;

;

.

Для дальнейшего анализа возможности прогнозирования банкротства предприятия на основе факторов, включенных в модель «R», были использованы данные проверок налоговой полиции предприятий Иркутской области по 29 работающим с третьего квар­тала 1993 года по четвертый квартал 1996 года предприятиям и по 21 предприятию, которые работали в третьем квартале 1993 года и были ликвидированы в первом – четвертом квартале 1996 года. Таким обра­зом, был охвачен промежуток времени в 14 кварталов и минимизированы неточности (случайные и преднамеренные) при состав­лении отчетов для налоговой инспекции и Областного комитета управления статисти­ки. Для определения точности прогноза лик­видации предприятия с помощью анализи­руемых факторов в налоговой полиции Ир­кутской области были получены данные по 2040 предприятиям торговли Иркутской об­ласти, которые работали или были ликвиди­рованы в течение анализируемых 14 кварта­лов

Так как в России сложилась нестабиль­ная экономическая и политическая ситуа­ция, которая продолжает оставаться и в настоящее время, то в дальнейшем мы бу­дем полагать, что факторы К1, К2, К3 и К4 по своему влиянию на риск банкротства предприятия являются равноправными.

Поэтому для приведения влияния факто­ров к сопоставимому виду были определе­ны средние значения каждого фактора по всей совокупности предприятий за анали­зируемый период времени. Для расчета коэффициентов «приведения» факторов к сопоставимому виду за базу было принято среднее значение фактора К2. Результаты расчета сведены в таблицу 1.

В результате проведенных преобразо­ваний модель «R» приняла следующий вид:

R = 8,38·К1 + К2 + 0.054·К3 + 0,63·К4 (3)

Анализ возможности прогнозирования банкротства предприятия с помощью каж­дого фактора, включенного в модель, про­водился следующим образом. Были пост­роены диаграммы, отражающие динамику и характер изменений каждого фактора по каждому из 2040 предприятий и средних значений соответствующих факторов по всем работающим предприятиям анализи­руемой совокупности. После этого был от­слежен характер и величина изменения значений каждого фактора по каждому из 2040 предприятий по отношению к величине и характеру изменения средних значений соответствующих факторов по всей сово­купности работающих предприятий. На ос­новании проведенного анализа была за­полнена таблица 2.

Для определения вероятности банкрот­ства предприятия при прогнозе на какой-либо срок был выполнен сравнительный анализ значений каждого фактора по каж­дому из 2040 предприятий со средним зна­чением соответствующего фактора по всем работающим предприятиям и со сроком ликвидации анализируемого предприятия в соответствии с отслеживаемым значением. Конечные итоги данной работы приведены в таблице 3.

Величина вероятности прогноза банк­ротства предприятия была рассчитана как отношение числа ликвидированных пред­приятий при данном значении анализиру­емого фактора за определенный период времени до его ликвидации к общему чис­лу анализируемых предприятий. Увеличе­ние расчетного срока прогноза банкрот­ства предприятия продолжалось до тех пор, пока точность прогноза на следую­щем шаге расчета (шаг расчета равен одному кварталу) не становилась меньше 50%.

Анализируя динамику значений фактора К1 по 2040 предприятиям, можно сделать вывод о том, что на основании данного фактора можно спрогнозировать ликвидацию (банкротство) предприятия за 1 – 2 квартала с точностью 50 - 54%.

В результате анализа динамики значений фактора К2 был сделан вывод о том, что на основа­нии данного фактора невозможно спрогно­зировать ликвидацию (банкротство) пред­приятия даже за 1 квартал с вероятностью выше 11%.

Анализ динамики изменения значений фактора К3 показал, что на основании дан­ного фактора можно спрогнозировать лик­видацию (банкротство) предприятия за 2 квартала с вероятностью 70 – 78%.

Таблица 1

Определение коэффициентов приведения

Фактор

Среднее значение фактора

Коэффициент «приведения»

К1

0,0108198

8,38

К2

0,090673

1

К3

1,685214

0,054

К4

0,143342

0.63

Таблица 2

Расчет вероятности банкротства предприятия на определенный срок

Фактор

Вероятность банкротства при прогнозе на срок

1 квартала

2 кварталов

3 кварталов

4 кварталов

5 кварталов

К1

54%

51%

41%

17%




К2

11%

3%







К3

78%

70%

47%





К4

72%

71%

69%

64%

27%


Таблица 3

Определение количества ликвидированных предприятий в

анализируемый период времени

Фактор

Значение фактора, в процентах от среднего уровня

Количество кварталов до ликвидации предприятия

Количество предприятий, ликвидированных в данный срок при данном значении рассматриваемого фактора

К1

77%

2

1061

К2

82%

1

224

КЗ

62%

2

1591

К4

72%

4

1244


Норма прибыли рассчитывалась как от­ношение балансовой прибыли к затратам, осуществленным для ее получения.

Исследование динамики изменения зна­чений фактора К4 показало, что при уменьше­нии значения нормы прибыли более чем на 30% на срок, превышающий три квартала, по срав­нению со средней нормой прибыли по от­расли, анализируемое предприятие в тече­ние последующих четырех кварталов будет лик­видировано с вероятностью 64% (в случае, если руководство не предпримет попытки увеличить норму прибыли до средней по отрасли, или если объективные факторы не уменьшат среднюю отраслевую норму при­были).

Исходя из вышеизложенного, можно предложить следующую формулу для опре­деления нормы прибыли, при которой риск неконкурентоспособности товара анализи­руемого предприятия приближается к 100%.

НПmin = НПср • (100 - 30) / 100 = 0.7 • НПср, (4)

где НПmin – минимальная норма прибы­ли, при которой риск неконкурентоспособ­ности товара анализируемого предприятия приближается к 100%;

НПср – среднеотраслевая или средняя норма прибыли у конкурентов/

Собственно риск неконкурентоспособ­ности товара анализируемого предприятия из-за уменьшения значения нормы прибыли можно определить следующим образом:

Rнп = НПmin / НПпр, (5)

где Rнп – риск неконкурентоспособно­сти товара анализируемого предприятия из-за уменьшения значения нормы прибыли;

НПпр – норма прибыли анализируемого предприятия.

В случае если необходимо оценить риск неконкурентоспособности товара анали­зируемого предприятия относительно ка­кого-либо конкурента, то вместо НПср (см. формулу 4) вводится норма прибыли кон­курента.

Для определения влияния изменения значения нормы прибыли на потребителя продукции была использована методика профессора Баканова М.И. С помощью данной методики было определено, что в случае, когда значение нормы прибыли у анализируемого предприятия превышает более чем на 30% значение нормы прибы­ли у конкурентов, то цена продукции на анализируемом предприятии может быть уменьшена на 9% при получении такого же объема массы прибыли, как и у конкурентов, что вынудит конкурентов потерять своего по­требителя.

С помощью фактора К4 (норма прибыли) можно количественно оценить риск некон­курентоспособности анализируемого пред­приятия на четыре квартала с точностью 64% — 68%.

Следовательно, степень риска банкротства пред­приятия увеличивается при уменьшении абсолютных значений выбранных для даль­нейшего анализа данных четырех показателей.

Как видно на рисунке 1, до начала пятого квартала средние значения модели «R» и по работающим и по неработающим предпри­ятиям совпадали, но с середины пятого квартала началось уменьшение средних зна­чений модели «R» по неработающим пред­приятиям. С начала шестого квартала и до конца 12 квартала значения модели «R» по неработающим предприятиям относитель­но стабилизировались на уровне 0,19. Даль­нейшее уменьшение значений модели «R» по неработающим предприятиям вызвано уменьшением выборки анализируемых пред­приятий из-за их последовательной ликви­дации.




Рисунок 1



Рисунок 2



Рисунок 3

Анализируя динамику значений модели «R» по 2040 предприятиям, можно сделать вывод, что на основании данной модели можно спрогнозировать ликвидацию (банк­ротство) предприятия за три квартала с вероятностью до 81% (см. рис. 2 и рис. 3). На рисунке 2 показана динамика значений мо­дели «R» по пяти случайно выбранным пред­приятиям и динамика средней величины значений модели «R» по работающим пред­приятиям.

Следовательно, используя данную мето­дику, можно с точностью до 81% определить степень риска банкротства предприятия за три квартала.

На основе анализа полученных резуль­татов построена шкала для оценки значений модели «R».

Исходя из практической целесообраз­ности, шкала была разделена на пять интер­валов и приведена в таблице 4. Между каждыми соседними интервалами оставлен лаг от 5% до 15%. Это объясняется невоз­можностью точного распределения значе­ния модели по определению степени риска банкротства предприятия «R» по вероятно­сти банкротства. Особенно сложно опреде­лить границу вероятности банкротства пред­приятия между «Низкой вероятностью банк­ротства» и «Средней вероятностью банкрот­ства», так как в этом диапазоне колебания значений модели «R» наиболее часто встре­чались.

При невозможности получить информа­цию по среднеотраслевым значениям фак­торов за один или несколько (что предпоч­тительнее) периодов для пофакторного ана­лиза риска банкротства предприятия можно воспользоваться собственно формулой рас­чета модели «R» (см. формулу 3) и оценкой риска банкротства по приведенной шкале (см. табл. 4).

Выполненное исследование позволило сделать следующие выводы.

1. Обоснована невозможность примене­ния двухфакторной и пятифакторной моде­ли Э.Альтмана по прогнозированию банк­ротства предприятий России из-за несоот­ветствия данных моделей экономическим условиям нашей страны.

2. Опытным путем на основании показа­теля «норма прибыли» получена формула для определения цены, при которой риск неконкурентоспособности товара анализи­руемого предприятия приближается к 100% или единице.

3. Предложена и экономически обо­снована четырехфакторная модель по оп­ределению риска банкротства торгового предприятия, которая представляет со­бой уравнение первого порядка. С помо­щью данной модели можно определить риск банкротства анализируемого пред­приятия за три квартала с точностью до 81%.

4. Разработана шкала для количествен­ной оценки степени риска банкротства торгового предприятия, с помощью которой сопос­тавляются расчетные значения предложен­ной модели «R» с вероятностью банкрот­ства данного экономического субъекта. Исходя из практической целесообразнос­ти, данная шкала была разделена на пять интервалов.

5. Преимуществом использования в практической деятельности разработан­ной нами методики является то, что она позволяет осуществить диагностику рис­ка банкротства предприятия любой формы собственности и любой отрасли, при соот­ветствующем изменении шкалы для оцен­ки риска банкротства предприятия, на срок до трех кварталов, что даст время для принятия соответствующих управленчес­ких решений по предупреждению возможности наступления несостоятельности предприятия.

Таблица 4

Вероятность банкротства предприятия в соответствии со значением модели «R»

Значение R

Вероятность банкротства, процентов

Меньше 0

Максимальная (90 — 100)

0—0,18

Высокая (60 — 80)

0,18—0,32

Средняя (35 — 50)

0,32—0,42

Низкая(15—20)

больше 0,42

Минимальная (до 10)




Похожие:

Г. В. Давыдова iconДавыдова Елена Владимировна

Г. В. Давыдова iconОтчет мо математики, физики, информатики за 1 четверть в мо учителей физики, математики и информатики 4 человека. Давыдова В. А, Вроденко В. А., Хлопина Л. В., Зыкова О. А
В мо учителей физики, математики и информатики 4 человека. Давыдова В. А, Вроденко В. А., Хлопина Л. В., Зыкова О. А
Г. В. Давыдова iconОбеспечение учебного процесса на первой ступени обучения № п/п
...
Г. В. Давыдова iconСемья и школа
Эльконина – Давыдова и Занкова. Современная обновленная традиционная школа – это тоже один из вариантов развивающего обучения
Г. В. Давыдова iconСессия районного общества «малая академия наук учащихся абинского района» ХIV научно-практическая конференция
Давыдова Вера Анатольевна учитель Физики моу сош №5 (Ф. И. О., должность, место работы)
Г. В. Давыдова iconМонография знакомит читателя c оригинальной теорией развития Западной культуры и искусства второй половины ХХ века, подтвер- ждаемой статистическими данными и исследованиями. В работе рас
Благодарю: Профессора Давыдова Ю. Н. (Институт социологии ран), без научных трудов которого работа
Г. В. Давыдова icon12 февраля 2003 • Пасадена, Калифорния n a s a m e d I c a L t e c h n o L o g y s u m m I t Краткое содержание подлинника. Перевод Давыдова В. А
Все существующие методы или для линейных или для стационарных данных, или они принимают детерминированные процессы
Г. В. Давыдова iconИз опыта работы. Материалы педагогического исследования 2006г. Связь учебной деятельности и мышления младших подростков
Данные исследования проводились мною на младших подростках, обучавшихся в начальных классах по д/с Л. В. Занкова, но на деятельностный...
Г. В. Давыдова iconМедико-профилактическая помощь детям, склонным к необучению Главный специалист Министерства здравоохранения Давыдова Лидия Владимировна
Нет никакого смысла делать стереотипные обобщения относительно роста, веса, здоровья или внешности одаренных детей. Они достаточно...
Г. В. Давыдова iconФгбоу впо набережночелнинский институт
Вас принять участие Международной научной конференции "Школа В. В. Давыдова. Развивающее образование для детей с различными образовательными...
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©podelise.ru 2000-2014
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы

Разработка сайта — Веб студия Адаманов