Согласованное управление ресурсами рынка труда и процессом подготовки специалистов (стр. 2 )

к требованиям рынка труда (как конечного потребителя продукта).

2.Процесс адаптации специалиста носит не только социально – психологический, но и компетентностный характер.

3.Адаптация структуры и содержания образовательного процесса может достигаться за счет адаптации региональной и внутривузовской составляющей стандарта, а также разработки и внедрения элективных курсов и программ индивидуальной подготовки специалистов.

4.Для реализации целей адаптации и управления необходима гибкая и целостная система оценки как элементов, так и самого процесса.

5.Требования рынка труда необходимо формулировать в форме, эквивалентной системе оценки элементов и процесса в целом.

6.Сведения об элементах, их взаимодействии, о целях и результатах адаптации являются слабо структурированными и плохо формализуемыми информационными массивами.

На основании этих положений выдвигается гипотеза, базисная для концепции управления процессом подготовки специалистов:

Управление процессом подготовки специалистов можно осуществлять путём взаимодействия с работодателями с целью информационного обмена и реализации механизмов адаптации структуры и содержания образовательных программ к конъюнктуре рынка труда.

В предложенных концепциях очевидны совпадения требований к системам оценки элементов и процессов в целом, а также структуры и формализации информационных массивов. Таким образом, реализация вышеизложенных положений возможна на едином аппарате моделей и методов. За счет этого согласование процессов и элементов процесса возможно уже на начальном этапе моделирования.

Исходя из базисных гипотез, предлагается следующая единая классификация моделей и методов:

1.  Модели

1.1  Информационные модели субъектов рынка труда.

Эти модели используются для описания субъектов во всех банках данных. Они являются общими моделями и служат для формирования ядра интеллектуальной среды. Данный подход позволяет осуществлять централизацию информационных потоков и, следовательно, моделировать и прогнозировать ситуацию на рынке труда с учетом большего числа количественных и качественных характеристик поведения субъектов на всем информационном пространстве. К этим моделям относятся: модель предприятия, модель учебного заведения (УЗ), модель кадрового агентства.

1.2  Информационные модели базовых понятий (общие модели)

Эти модели используются для описания базовых понятий (терминов) во всех банках данных. Они являются общими моделями и служат для формирования ядра интеллектуальной среды. Данный подход позволяет осуществлять централизацию информационных потоков. За счет предметного наполнения моделей базовых понятий обеспечивается инвариантность разрабатываемых систем. Модели базовых понятий являются замещаемыми слотами при разработке систем в различных предметных областях. Кроме того, на использовании общих моделей базовых понятий основаны методы подбора кадров, поиска вакансий и образовательных услуг. Примеры таких моделей: модель специальности, модель знаний, модель требований, модель профессии.

1.3  Комплексные информационно – аналитические модели.

В рамках концепции интеллектуальной среды разработаны три основные модели: модель специалиста, модель образовательной услуги и модель вакансии. Они строятся с использованием моделей субъектов рынка труда и моделей базовых понятий.

2.  Методы

2.1  Информационные методы

В рамках интеллектуальной среды предложены следующие методы: метод создания банков данных для субъектов рынка труда, метод описания инвариантных моделей базовых понятий, метод создания унифицированного описания специалистов и вакансий.

2.2  Аналитические методы

Для реализации аналитических функций интеллектуальной среды необходимы: метод подбора кандидатов на замещение вакансии предприятия, метод подбора способа подготовки или переподготовки (совокупности образовательных услуг) для специалиста или предприятия, метод самообучения систем, входящих в состав интеллектуальной среды, методы анализа состояния на рынке труда и оценки качества образовательных услуг, методы прогнозирования потребности в образовательных услугах, методы прогнозирования потребности предприятия в специалистах, методы анализа и экспертной оценки проектов решений.

Таким образом, задача формализации конъюнктуры рынка труда решена следующим образом: предложен метод унифицированного описания, с одной стороны, компетенций специалиста, и с другой стороны – требований работодателя. Для создания подобных моделей используются фреймы, так как они позволяют «достраивать» неполные сведения (данные), исходя из некой стереотипной схемы (например, ГОС для знаний выпускника ВУЗа). Однако, традиционно фрейм имеет в своей основе иерархическую структуру, где есть верхний, господствующий узел и некоторое множество задаваемых им нижних, под­чинённых узлов – слотов. Для описания знаний и навыков специалиста необходимо расширить понятие «фрейм» и ввести междисциплинарные связи М (связи между знаниями, требованиями), преобразуя традиционную иерархическую структуру в сетевую.

Таким образом, модели имеют сетевую структуру, которая обеспечивает реализацию потребностей моделирования. Моделирование осуществляется на сети фреймов. Слоты, имеющие в своем составе другие слоты и/или подчиненные уровни, названы интегрированными.

Модель взаимодействия предприятий и образовательных учреждений на рынке труда представлена в виде сценария (фрейм, связанный с представлением развёртывающего во времени события, уместно назвать сценарием).

В качестве базовых характеристик согласования для слота «Специалист» является модель знаний, а для слота «Вакансия» - модель требований (Рисунок 1).

Согласование может осуществляться прямым «наложением» содержимого моделей, но это зачастую невозможно, так как описания знаний и требований не формализованы и представляются в произвольной языковой форме. Таким образом, всем участникам взаимодействия на рынке труда были предложены некие типовые структуры для осуществления коммуникации. Эти типовые структуры, реализованные с помощью фреймов и сценариев, вполне можно назвать языком взаимодействия. Язык взаимодействия на фреймах и сценариях реализован с помощью методов унифицированных предметно – инвариантных форм.

Рисунок 1.Сценарий взаимодействия предприятий и образовательных учреждений.

 

Фактор времени, введенный в модель, позволяет рассмотреть процессы взаимодействия рынков в динамике. Таким образом, состояние модели возможно определить в каждый текущий момент времени, что создает базу для дальнейшего прогнозирования.

Модели построены на императивных (для процессов прогнозирования) и на декларативных (для моделирования содержания образовательного процесса в контексте потребности региона в кадрах) формах представления знаний.

Рассмотрим для примера 2 разработанных метода: информационный – метод создания унифицированного описания специалистов и вакансий; аналитический - метод подбора кандидатов на замещение вакансии предприятия.

Создание унифицированного описания специалистов и вакансий (СУО).

Подготовка унифицированного описания объектов – необходимая стадия разработки банков данных, входящих в состав Интеллектуальной среды. Унификация описаний достигается за счет использования инвариантных моделей. Так как заполнение банков данных проходит часто в произвольной форме, то формализация описаний необходима для дальнейшей работы алгоритмов подбора, анализа и прогнозирования.

Функции метода СУО:

-  Обработка новых объектов

Анализ новых объектов с целью выявления недостаточности информации. Заполнение недостающих параметров (веса дуг, рейтинги начальных вершин и т. д.) новых объектов в ручном (экспертом или администратором системы) или автоматическом режиме.

-  Обработка существующих данных (списков, справочников, банков данных базовой подсистемы)

a.  Анализ существующих данных с целью выявления необходимости внесения изменений в значения параметров.

b.  Изменение параметров существующих данных при изменении внешних факторов и/ или при работе самой системы.

Метод обеспечивает унифицированные (однообразные) описания всех объектов слотов, имеющих одинаковую структуру. Подсистема подготовки унифицированного описания объектов является частью метода самообучения интеллектуальной среды управления ресурсами рынка труда.

Метод подбора кандидатов на замещение вакансии предприятия (МПК).

Задача метода МПК: Подобрать подходящего специалиста, для данной вакансии, в соответствии с заданными критериями (требованиями).

Представление задачи в терминах теории графов.

Пусть множество вершин графа , состоит из 3х подмножеств , где

- множество вакансий,

- множество специалистов,

- множество знаний.

Множество связей отражает связи между соответствующими вершинами:

-  связи - связи между вершинами и , принадлежащими множеству , показывают, на сколько знание зависит от знания .

-  связи показывают, какие знания, и с какой степенью важности должен иметь специалист для получения данной вакансии.

-  связи показывают, какими знаниями обладает данный специалист.

Алгоритмы работы.

Алгоритм подбора наиболее подходящих специалистов из S на вакансию из V (поиск максимального потока).

Пусть Si - номер текущего специалиста и требуется подобрать специалиста на вакансию , для этого:

1.  Найти поток между вершинами и в графе (Алгоритм Форда-Фалькерсона).

a.  Соединить вершины и , расположив ниже всех путей путь , и этой новой дуге придать пропускную способность равную бесконечности.

b.  Рассмотреть наивысший путь относительно дуги , найти в нём дугу с наименьшей пропускной способностью.

c.  Если такой путь найти не удалось, то завершение алгоритма, иначе удаляем дугу , и вычитаем её пропускную способность, из пропускной способностей остальных дуг, входящий в данный путь.

d.  Переходим к шагу b.

2.  Если просмотрены ещё не все специалисты, то и перейти к шагу 2.

3.  Специалисты соответствующие наибольшим потокам и есть искомые специалисты.

Алгоритм самообучения системы.

1.  Пусть на вакансию был выбран специалист из предложенного - элементного множества, причём в предложенном множестве специалисты имели больший рейтинг, чем .

2.  Применяя к графу алгоритм Форда-Фалькерсона для нахождения потока между вершинами и , составляем множество дуг , содержащихся во всех потоках (кроме дуг непосредственно соприкасающихся с вершинами, соответствующими студентам и заявкам).

3.  Величину каждой дуги из пересчитываем по формуле:
, где - кол-во связей во всём графе;
здесь коэффициент обратно пропорционален количеству связей, и, следовательно, чем больше связей, тем меньше они корректируются при самообучении.

4.  Пусть

5.  Находим поток между вершинами и , составляем множество дуг содержащихся во всех потоках (кроме дуг непосредственно соприкасающихся с вершинами, соответствующими студентам и заявкам).

6.  Величину каждой дуги из пересчитываем по формуле:
, где - кол-во связей во всём графе.

7.  Если , то и переход к шагу 5.

Способы задания величин.

Для простоты расчета была применена 100-бальная рейтинговая шкала (используется для оценивания в ВолгГТУ).

Таблица 3. Рейтинговые оценки.

Оценка	Рейтинговый диапазон
Отлично (5)	90-100 баллов
Хорошо (4)	76-89 баллов
Удовлетворительно (3)	61-75 баллов
Неудовлетворительно (2)	<=60 баллов

1. Величины, определяющие качественные характеристики (знания в какой-либо области, владение какой-либо специальностью) определяются напрямую заданием веса соответствующего ребра.

Пример: Специалист знает предмет на 80 баллов, а на 60.

Граф будет иметь вид:

2. Величины связей между знаниями (множеством вершин ) задаются лингвистически. При этом для получения численного веса рёбер используется следующая таблица 4:

Таблица 4.

Лингвистическое описание	Числовое значение
Большая	95 ((100 + 90)/2)
Средняя	83 ((90+76)/2)
Малая	69 ((76+61)/2)

Числовые значения для лингвистических оценок были получены из расчета средней пятёрки, средней четвёрки и средней тройки.

3. Величины, определяющие количественные характеристики (возраст, стаж…) через две вершины.

Пример: Специалист имеет стаж 5 лет.

В общем, стаж заключается в промежутке от 0 до 100, тогда введём 2 вершины

- соответствует стажу 100 лет, - соответствует стажу 0 лет, тогда граф будет иметь вид:

4. Для логических характеристик (пол, соответствие имени специалиста заданному и других) анализ производится отдельно путём сравнения, и неподходящие вершины уже не учитываются в данных алгоритмах.

Особенности метода

1.  При добавлении новой вершины не требуется пересчитывать все пути и потоки, достаточно пересчитать пути, в которые входит новая вершина, и соответствующие им потоки.

2.  При применении алгоритма подбора специалистов на вакансии, следует сохранять множество вершин для каждого потока, при этом не потребуется их заново находить при работе алгоритма самообучения.

3.  Существует возможность прогнозирования потребностей предприятий в специалистах в данной области. Для этого находятся потоки между вершиной соответствующей данной области и вакансиями. На основе анализа этих потоков, а также времени подачи и удовлетворения соответствующей вакансии строится прогноз.

В качестве примера комплексной информационной модели рассмотрим модель специалиста:

Концептуально модель специалиста можно представить в виде трехмерной модели: Sp = {R, Zn, T}, где R – условный рейтинг специалиста (резюме), Zn – комплекс профессиональных компетенций, T – время.

 

Базовым положением моделирования является следующее:

Профессиональные компетенции специалиста с течением времени углубляются, совершенствуются и обновляются.

Ось Zn (Рисунок 2) представляет собой количественно – качественные характеристики профессиональных компетенций специалиста.

Фактор времени, введенный в модель, позволяет оценивать следующие параметры специалиста: профессиональный рост, уровень обучаемости, прогресс за определенный период времени, изменение качественных показателей знаний. Состояние модели Sp0…Spn (Рисунок 2) возможно определить в каждый текущий момент времени, что создает базу для дальнейших потребностей прогнозирования.

Для целей адаптации профессиональных компетенций специалиста к конъюнктуре рынка труда предложено использовать в качестве управляющего воздействия совокупные требования работодателей к компетенциям по данной предметной области. Доказано, что применение такого рода управляющего воздействия на систему компетенций наиболее эффективно на более ранних этапах подготовки. Так, например, в реализованных методологиях рекомендуется привлекать студентов начиная со 2го года подготовки к отдельным проектам по заявкам предприятий, а после 3го года поручать выполнение проектов студенческим коллективам в рамках производственной практики.

Модель специалиста может быть представлена в виде (Рисунок 3):

Sp={I, E,S}, где I – основные сведения, E – образование, S – профессиональные компетенции.

Модель специалиста и слоты, входящие в нее, являются инвариантными, то есть позволяют проводить моделирование и проектирование информационных структур в различных предметных областях.

Каждый слот модели имеет свой рейтинг – количественный эквивалент качественных характеристик. Для интегрированных слотов рейтинг может назначаться напрямую, как и для простых слотов. Но рекомендуется рейтинг интегрированных слотов рассчитывать, исходя из коэффициента значимости и рейтинга простых слотов. Для расчета можно использовать формулу:

, где R – рейтинг интегрированного слота, i – номер простого слота, n – количество простых слотов, ki – коэффициент значимости простого слота, 0 £ ki £1, si – рейтинг простого слота, 0 £ si £100.

Рисунок 3.Модель специалиста.

 

Коэффициент значимости и рейтинг простых слотов может определяться путем экспертных оценок. Экспертами в данном случае выступают специалисты предметной области. Оценки назначаются при заполнении слотов модели и могут корректироваться в дальнейшем, исходя из потребностей моделирования.

В модели заложена возможность как индивидуальной, так и коллективной экспертной оценки параметров. Финальный рейтинг слота и коэффициент значимости определяется после обработки и анализа результатов опроса.

Наиболее важным слотом является модель знаний специалиста (Рисунок 4). Применимость модели специалиста к той или иной предметной области обусловлена предметным наполнением модели знаний.

Данная модель может быть представлена следующим образом:

KNW={R, ОZ, Zi, REZ}, где KNW – совокупность знаний специалиста, R – рейтинг знаний специалиста в системе, ОZ – область знаний, Zi – знание, REZ – результат применения данного знания.

Каждый слот третьего уровня «Знание» (Рисунок 2) имеет многоуровневую структуру. В наиболее простом виде данная структура может содержать три уровня:

-  Вид знаний (например, теоретические или практические).

-  Способ получения знания (например, обучение на курсах или самообучение).

-  История значения (например, как давно получено знание, появлялись ли новые результаты).

Связи между знаниями М (Рисунок 2) можно представить в виде правил вывода следующим образом:

ЕСЛИ $ знание1 [И/ИЛИ $ знание2,[…]], ТО $ знание N.

Примеры взаимосвязей между знаниями:

1. если $ знания (периферийные устройства) и [$ знания (сканер) или $ знания (плоттер)], то $ знания (принтер);

2. если $ знания (Intranet) и [$ знания (брандмауэры)], то $ знания (web-сервер) и $ знания (web-браузер);

3. если $ знания (иностранные языки) и [$ знания (немецкий язык) и $ знания (французский язык) и $ знания (другие языки)], то $ знания (английский язык).

Значения на всех уровнях слота «Знание» влияют на интегрированную оценку совокупности профессиональных компетенций специалиста. Степень влияния можно задавать на этапе моделирования конкретной прикладной области.

 

.

На базе модели специалиста были разработаны следующие прикладные модели:

-  модель специалиста по информационным технологиям,

-  модель военнослужащего,

-  модель специалиста строительной отрасли

и другие, что доказывает инвариантность модели относительно предметной области.

Интеллектуальная среда управления ресурсами рынка труда позволяет:

-  моделировать взаимодействие субъектов рынка труда,

-  разрабатывать информационные системы поддержки трудоустройства студентов и выпускников ВУЗов,

-  разрабатывать автоматизированные системы управления кадровой политикой предприятия,

-  анализировать и прогнозировать состояние рынка труда.

Система управления процессом подготовки специалистов в вузе в контексте адаптации к конъюнктуре рынка труда позволяет:

-  разрабатывать новые и/или модифицировать рабочие программы учебных курсов,

-  прогнозировать потребность работодателей в конкретных знаниях и навыках выпускников (среднесрочный прогноз).

В четвертой главе отражены результаты моделирования и разработки распределенных информационных систем управления подготовкой специалистов.

На базе моделей и методов согласованного управления ресурсами рынка труда была разработана система когнитивного моделирования потребности региона в кадрах.

Определены основные базисные факторы (Таблица 5), влияющие на удовлетворение потребности региона в специалистах. Во-первых, для наличия нужных специальностей, необходимо корректировать систему обучения, а именно расширять квалификации выпускников высших учебных заведений. Во-вторых, не всегда отрицательное влияние имеют приглашенные специалисты, которые делятся опытом, тем самым, оставляя после себя учеников и последователей.

Таблица 5. Базисные факторы моделирования и их классификация.

Экономические факторы
1.	Поощрения за отличную учебу
2.	Премиальные выплаты преподавателям за успеваемость их студентов
3.	Финансирование проведения различных НИР
4.	Поощрение успеваемости денежными выплатами
5.	Платное образование

Психологические факторы
6.	Процент студентов, получающих стипендию ВУЗа за успеваемость
7.	Способствование трудоустройству по специальности
8.	Информирование об организации мероприятий различными научными учреждениями и условий участия в них
9.	Информирование студентов об их положении в рейтинге
10.	Престижность высшего образования

Организационные факторы
11.	Организация курсов повышения квалификации преподавательского состава
12.	Организация внутривузовских олимпиад, конференций
13.	Организация качественного и быстрого питания для студентов
14.	Программы обмена опытом с другими учебными учреждениями
15.	Количество дополнительных занятий и консультаций для студентов
16.	Процент практических и лабораторных занятий относительно общего кол-ва часов
17.	Контроль работы студентов в течение семестра
18.	Контроль работы преподавателей в течение семестра

Методические факторы
19.	Обновление учебного плана
20.	Обновление ЭВМ и других лабораторных установок в лабораторных классах
21.	Своевременное обновление учебной литературы в библиотеке
22.	Своевременный ремонт учебных помещений
23.	Наличие структуры по трудоустройству студентов выпускников

Показатели качества образования
24.	Процент студентов после выпуска, работающих по специальности
25.	Количество побед на олимпиадах вне ВУЗа
26.	Процент студентов, получающих стипендию, присуждаемую другими учреждениями за заслуги в области науки
27.	Количество совместных научных разработок с другими учебными заведениями и организациями
28.	Количество грантов на проведение НИР
29.	Средний рейтинг студентов
30.	Конкурс на поступление в ВУЗ и проходной балл
31.	Количество практик/ стажировок студентов на предприятиях

Потребность региона в специалистах
32.	Количество вакансий для молодых специалистов
33.	Процент специалистов, имеющих ВУЗовское образование
34.	Процент специалистов, приглашенных из других регионов

Динамика свободного движения состояния x(t) модели описывается уравнением: X(j)=(A0+A1+A2+ .. +An) x x(0). (Сумма соответствующего столбца * начальное значение)