Модель компетентностно-ориентированного скоринга для IT-сферы

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 23-21-00338

НазваниеМодель компетентностно-ориентированного скоринга для IT-сферы

Руководитель Абрамов Максим Викторович, Кандидат технических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки "Санкт-Петербургский Федеральный исследовательский центр Российской академии наук" , г Санкт-Петербург

Конкурс №78 - Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-201 - Искусственный интеллект и принятие решений

Ключевые слова Профессиональная идентичность, профессиональное самопознание, профессиональная ориентация, выбор карьеры, рекомендательная система, социальные медиа, анализ цифровых следов, технологии обработки знаний, Data Science, машинное обучение, карьерная траектория

Код ГРНТИ28.23.35

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Актуальность и постановка проблемы. На сегодняшний день актуальной остаётся проблема осознанного и своевременного выбора профессии, а также все заметнее становится родственная проблема смены профессии. В сфере IT ситуация обостряется её высоким кадровым голодом и резким ростом, в результате чего образуется большое число новых профессий, на которые остро требуются новые специалисты. Сориентироваться в этой ситуации оказывается достаточно сложно. При этом, с одной стороны, в каждом конкретном случае, как правило, нет возможности рекомендовать однозначный выбор профессии, который окажется гарантировано оптимальным, однако, с другой стороны, вывод о том, что никакие рекомендации не будут обоснованными также окажется несправедливым. Таким образом, указанные проблемы приходится решать в классическом для искусственного интеллекта контексте неопределенности данных и знаний. Целью данного проекта является повышение применимости инструментов для профессиональной ориентации в IT сфере через развитие подходов и методов, используемых в современных автоматизированных системах, представляющих подобные сервисы. А именно предлагается реализовать прототип поддержки принятия решений, с одной стороны, основывающийся на взаимосвязях между личностными особенностями пользователей в профессиональном контексте и контентом, публикуемым в социальных медиа, а с другой, учитывающий закономерности между личностными особенностями пользователей и выбором специализации в IT-сфере. Автоматизация профессиональной ориентации будет задействовать методы искусственного интеллекта и науки о данных для выявления данных взаимосвязей. В рамках данного проекта предполагается сочетание двух направлений сбора и обработки данных о респондентах: 1) с помощью традиционных методик, позволяющих определить личностные предрасположенности и профессиональные предпочтения респондентов; 2) извлечение из аккаунтов указанных респондентов в социальных медиа. При этом в качестве респондентов планируется привлечь студентов старших курсов, обучающихся на IT-специальностях, и/или специалистов, работающих в данной сфере. Научная новизна исследования заключается в увеличении числа прогнозируемых характеристик профессионального ориентирования и личностных особенностей, извлекаемых со страниц в социальных медиа, синтезе применяемых подходов, предлагаемая конфигурация используется впервые. Ожидается, что данный подход позволит получать комплексные оценки с большей точностью и возможностью построения персонализированных рекомендаций и представлений не только об области потенциальной деятельности, но и о предпочтительной роли в команде либо роли, в которой предполагается, что испытуемый сможет лучше всего себя проявить. Практическая значимость результатов проекта заключается в снижении уровня безработицы в IT-сфере посредством удачного выбора профессии, повышении уровня удовлетворенности жизнью за счет обоснованного выбора эффективной карьерной траектории или ее своевременной ревизии. Проект лежит в рамках одного из направлений Стратегии научно-технического развития Российской Федерации, а именно способствует переходу к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, создание систем обработки больших объемов данных, машинного обучения и искусственного интеллекта. Его реализация сделает вклад как в переход к передовым цифровым, интеллектуальным технологиям через запуск прототипа программного комплекса для прогнозирования профессиональной ориентации, карьерной траектории, так и в развитие систем обработки больших объемов данных, машинного обучения и искусственного интеллекта через разработку методов, моделей и алгоритмов прогнозирования по цифровым следам, оставляемым пользователями в социальных сетях.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Хлобыстова А.О., Абрамов М.В. A Study of the Relationship between Personality Type and Factors Influencing Career Choice IEEE, 2023 XXVI International Conference on Soft Computing and Measurements (SCM). IEEE, 2023. pp. 219-222. (год публикации - 2023)
10.1109/SCM58628.2023.10159118

2. Хлобыстова А.О., Абрамов М.В. Исследование связи профессионального типа личности и факторов, влияющих на выбор профессии СПб.: СПбГЭТУ «ЛЭТИ», Международная конференция по мягким вычислениям и измерениям. – 2023. – Т. 1. – С. 301-304. (год публикации - 2023)

3. Хлобыстова А.О., Столярова В.Ф, Абрамов М.В. Characterization of the Person’s Leading Interests in Terms of RIASEC Scores Lecture Notes in Networks and Systems, Lecture Notes in Networks and Systems, vol 776. Springer, Cham. pp. 281-290 (год публикации - 2023)
10.1007/978-3-031-43789-2_26

4. Столярова В.Ф., Хлобыстова А.О., Абрамов М.В. Bayesian Belief Network for Knowledge Representation of Vocational Interest Types and its Digital Predictors IEEE, 2024 XXVII International Conference on Soft Computing and Measurements (SCM), Saint Petersburg, Russian Federation, 2024, pp. 46-48 (год публикации - 2024)
10.1109/SCM62608.2024.10554170

5. Вяткин А.А., Абрамов М.В. Канонический представитель фрагмента знаний в алгебраических байесовских сетях: факторы потенциального замедления работы алгоритмов СПОИСУ, Санкт-Петербург, Региональная информатика (РИ-2024). Юбилейная XIX Санкт-Петербургская международная конференция «Региональная информатика (РИ-2024)». Санкт- Петербург, 23-25 октября 2024 г.: Материалы конференции. \ СПОИСУ. – СПб, 2024. – с. 384-386. (год публикации - 2024)

6. Чекалёв А.А., Хлобыстова А.О., Абрамов М.В. Community Theme Analyser: Predicting Career Guidance in Online Social Networks Lecture Notes in Networks and Systems (год публикации - 2024)

7. Столярова В.Ф., Хлобыстова А.О., Абрамов М.В. Байесовская сеть доверия для представления и обработки данных и знаний о профориентационном типе личности и его цифровых предикторах Санкт-Петербург, СПбГЭТУ «ЛЭТИ», Международная конференция по мягким вычислениям и измерениям. 2024. Т. 1. С. 61-64. (год публикации - 2024)

8. Категоризация профессиональных предпочтений в IT-сфере Категоризация профессиональных предпочтений в IT-сфере Управленческое консультирование, Управленческое консультирование. № 3, с. 141-153 (год публикации - 2024)
10.22394/1726-1139-2024-3-141-153

Аннотация результатов, полученных в 2024 году
В рамках второго года реализации проекта были получены следующие результаты: – Собрана выборка из более 3 000 анкет пользователей. Данные включают цифровые следы из аккаунтов в соцсетях, результаты тестов на профессиональные и личностные склонности, а также принадлежность к категориям IT-специальностей. Основой для сбора данных стало приложение VK Mini Apps «Психологические тесты» (https://vk.com/app7794698_203437876). – Выявлены зависимости между ответами респондентов, полученными в ходе применения традиционных методик по идентификации личностных особенностей и профессиональных склонностей, и их принадлежностью той или иной категории IT-специальностей. – Разработаны методы и алгоритмы, которые позволяют анализировать цифровые следы для формирования профориентационных рекомендаций. В основе лежат модели машинного обучения (XGBoost) и нейросетевые алгоритмы обработки текста (ruBERT-base). – Для формирования профориентационного предложения были разработаны методы и алгоритмы, объединяющие результаты, полученные на предыдущих этапах исследования. В их основе лежат извлечение и анализ цифровых следов пользователей, выявление маркеров и предикторов, характеризующих их личностные особенности, а также применение разработанной предсказательной модели для сопоставления этих характеристик с предпочтениями и требованиями различных IT-специальностей. – Предложена структура байесовской сети доверия, описывающая взаимосвязи между профессиональными предпочтениями и цифровыми следами, такими как тематики подписок и активность. В рамках алгебраических байесовских сетей был применен подход, основанный на переходе от интервальных к скалярным оценкам. – Разработан прототип программного комплекса для автоматизации анализа данных и предоставления рекомендаций. Прототип успешно протестирован на небольшой группе пользователей. Часть функционала реализована для доступа широкой аудитории в приложении VK Mini Apps «AI профориентатор» (https://vk.com/app51929417). Полученные результаты проекта способствуют совершенствованию методов профессиональной ориентации за счет объединения традиционных подходов и анализа цифровых следов пользователей. Разработанные алгоритмы и модели позволяют оперативно выявлять профессиональные предпочтения, что делает процесс профориентации автоматизированным и персонализированным. Это помогает минимизировать риски неправильного выбора карьерного пути в IT-сфере, повышая удовлетворенность и осознанность карьерного выбора. Проект также вносит значимый вклад в развитие технологий машинного обучения и анализа больших данных, поддерживая приоритеты научно-технического развития России и создавая основу для разработки интеллектуальных систем в социальной и образовательной сферах. Сведения о реализации проекта, опубликованы по ссылке: https://dscs.pro/grants/it-scoring/.

Публикации

Возможность практического использования результатов
Разработанные в рамках проекта результаты имеют существенный потенциал для практического использования в экономике и социальной сфере Российской Федерации. Созданный прототип системы профессиональной ориентации, основанный на анализе цифровых следов пользователей в социальных медиа с применением методов искусственного интеллекта и анализа данных, позволяет повысить эффективность и персонализацию процесса профориентации. Это, в свою очередь, способствует более осознанному выбору профессии гражданами, снижает уровень неудовлетворенности карьерой и уменьшает текучесть кадров, что позитивно сказывается на производительности организаций и экономическом росте. В ходе реализации проекта был сформирован научный задел, заключающийся в выявлении различных зависимостей между цифровыми следами пользователей, их личностными характеристиками, а также предрасположенностью к тому или иному IT-направлению. Разработанные и апробированные методы, модели и алгоритмы для формирования профориентационных рекомендаций могут быть внедрены в качестве вспомогательного инструментария для специалистов, работающих в образовательных учреждениях, HR-отделах, отделах корпоративного обучения различных организаций, центрах переподготовки и карьерного консультирования. Кроме того, возможность практического применения результатов проекта подтверждается открытым доступом к приложению во «ВКонтакте», где любой пользователь может воспользоваться созданным в ходе реализации проекта приложением.