close

Вход

Забыли?

вход по аккаунту

?

Метод модели и алгоритмы поддержки принятия решений в системах электронного обучения при формировании индивидуальных учебных траекторий сотрудников инновационных компаний

код для вставкиСкачать
2
Работа выполнена в Санкт-Петербургском национальном исследовательском
университете информационных технологий, механики и оптики
Научный руководитель:
кандидат технических наук, доцент,
Шиков Алексей Николаевич
Официальные оппоненты: Печников Андрей Николаевич,
профессор, доктор технических наук, доктор
педагогических
наук,
профессор
кафедры
гуманитарных и социально-экономических дисциплин
Военной академии связи имени Маршала Советского
Союза С.М. Буденного
Котова Елена Евгеньевна,
доцент, кандидат технических наук, доцент
кафедры автоматики и процессов управления
ФГАОУ ВО «Санкт-Петербургского
государственного электротехнического
университета «ЛЭТИ» им. В.И. Ульянова
(Ленина)»
Ведущая организация:
ФГАОУ ВО «Санкт-Петербургский
государственный университет аэрокосмического
приборостроения»
Защита диссертации состоится 26 декабря 2018 года в 17.00 на заседании
диссертационного совета Д 212.227.06 при Санкт-Петербургском национальном
исследовательском университете информационных технологий, механики и
оптики: 197101, Санкт-Петербург, Кронверкский пр., д. 49, ауд. 431 а.
С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского
национального исследовательского университета информационных технологий,
механики и оптики по адресу: 197101, Санкт-Петербург, Кронверкский пр., д.49, и
на сайте:
http://fppo.ifmo.ru/?pagel=:16&page2=52&page d=l&page_d2=l49526
Автореферат разослан "23" ноября 2018 г.
Учёный секретарь
диссертационного совета Д 212.227.06 ^ Х '
канд. физ.-мат. наук, доцент
У
Холодова Светлана Евгеньевна
3
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования. Системы электронного обучения все больше
привлекают внимание и завоевывают корпоративное учебное пространство предприятий,
прежде всего инновационных. Для них крайне актуальным становится вопрос
обеспечения высококвалифицированным персоналом с необходимыми компетенциями.
Традиционное (очное, массовое) обучение все меньше привлекает руководителей
предприятий, которые рассматривают корпоративное обучение как инвестиционный
проект, который должен быть эффективным и приводить к конкретным результатам в
виде увеличения прибыли, сокращения себестоимости выпускаемой продукции,
сокращению простоев, брака, появлении новых клиентов, новых видов востребованной
рынком продукции и др.
Деятельность инновационных предприятий осуществляется при взаимодействии
имеющихся ресурсов и сотрудников. Технологические процессы производства требуют
высокой квалификации сотрудников. Если в компании не найдётся достаточно
квалифицированного сотрудника для выполнения очередной технологической операции,
весь цикл производства не будет завершён, следовательно, компания понесёт убытки.
Обязанность современного руководителя предприятия – отслеживать наличие
требуемых компетенций для выполнения всех производственных операций, на которых
основывается основные производственные процессы, результаты которых приносят
основной доход. Процесс управления компетенциями сотрудников требует обработки
больших объёмов информации, сбор, хранение и первичную аналитику которой
необходимо автоматизировать. Обладая обработанными данными, руководители смогут
выявить ключевые компетенции, необходимые для успешной деятельности компании, а
также определить количество сотрудников, которые ими владеют. Если ключевые
компетенции недостаточно распространены среди персонала, необходимо запланировать
обучение наиболее подходящих для этого кандидатов, тем самым сократить риск утраты
ключевых компетенций и остановки деятельность компании.
Подготовка и обучение персонала для большинства компаний являются
стратегическим направлением развития и входят в основной контур управления
предприятием. Для развития сотрудников предприятий необходимо организовать и
эффективно управлять процессом подготовки и обучения персонала, иметь четкое
представление о компетенциях, которыми обладает каждый из них, и моделях
компетенций, которыми должны быть описаны должности или роли в компании. Это
позволит формировать индивидуальные траектории и планы обучения, что сократит
затраты на подготовку сотрудников. В этой ситуации, обеспечить качественное быстрое
и эффективное обучение можно только с использованием мобильных приложений
систем электронного обучения персонала. Статистические данные по применению и
результатам внедрения электронного обучения в системы корпоративной подготовки
удручающие. Только от 5 до 12 % слушателей успешно заканчивают курсы обучения,
проводимые в дистанционном формате. Причин этому много, одной из них является
низкая мотивация персонала и отсутствие интереса сотрудников к проводимому
обучению.
Результаты настоящего исследования демонстрируют впечатляющий результат,
если руководству предприятия удается определить и совместить цели сотрудника к
саморазвитию, его мотивацией и целями предприятия, в котором он работает. Для этого
предлагается разработать метод, модели и алгоритмы автоматизированной поддержки
принятия решений в корпоративных системах электронного обучения при
формировании индивидуальных траекторий обучения на основе компетентносных
моделей сотрудников инновационных компаний и их личных предпочтений.
4
Тема является актуальной и востребованной не только для инновационных
предприятий, но и компаний различных отраслей и направлений деятельности.
Степень научной разработанности проблемы. Проблемы электронного обучения
вызывают серьезную озабоченность преподавателей и исследователей, использующих
его в корпоративном учебном процессе. Несмотря на выраженные достоинства
компьютерных технологий обучения, эффективность и результаты электронного
обучения остаются на низком уровне. Это отмечают в своих трудах известные ученые в
области информатизации образования Роберт И.В., Соловов А.В., Печников А.Н., Осин
А.В. и др. Большинство проблем хорошо проанализированы и предложен целый ряд
подходов к их решению. Но эффективность корпоративных систем электронного
обучения остается на низком уровне и не раскрывает весь свой потенциал. Не решены
проблемы:
• электронное корпоративное обучение не дает высокого результата;
• низкая мотивация корпоративного электронного обучения;
• высокая стоимость очного обучения;
• отсутствие гибкости и персонализации корпоративного обучения;
• в процессе обучения не учитываются личные интересы сотрудников.
Цель диссертационной работы состоит в разработке и исследовании метода,
моделей и алгоритмов автоматизированной поддержки принятия решений в
корпоративных системах электронного обучения при формировании индивидуальных
учебных траекторий сотрудников инновационных компаний.
Основные задачи диссертационной работы состоят в следующем:
1. Исследовать теоретические и практические основы функционирования и
применения индивидуальных учебных траекторий в системах корпоративного обучения.
2. Исследовать специфику и особенности функционирования инновационных
предприятий.
3. Осуществить анализ методов выявления персональных интересов и склонностей
сотрудников.
4. Провести исследование основных аспектов повышения эффективности
корпоративного электронного обучения.
5. Выявить специфику мобильности сотрудников IT-компаний в рамках доступных
им должностей и ролей.
6. Разработать модель учебного профиля сотрудника IT-компании;
7. Разработать программу для ЭВМ «Корпоративная система электронного
обучения и повышения квалификации персонала на основе мобильных технологий».
8. Разработать, исследовать и внедрить метод формирования индивидуальных
учебных траекторий сотрудников с учётом их персональных интересов и склонностей на
основе рекомендательной системы.
Объект исследования – корпоративные системы электронного обучения и
развития персонала.
Предмет исследования – метод, модели и алгоритмы
формирования
индивидуальных учебных траекторий сотрудников инновационных компаний.
Научная новизна выполненных исследований заключается в разработке и
внедрении нового метода поддержки принятия решений в системах электронного
обучения при формировании индивидуальных учебных траекторий, основанного на учете
персональных предпочтений сотрудников инновационных компаний. Что обеспечивает
интеллектуальную поддержку процессов управления на инновационном предприятии и
необходимой для этого обработки данных о сотрудниках. Данный метод включает в себя
этап работы гибридной рекомендательной системы, а также проведение опроса
5
сотрудников по выбранным автором опросникам. Разработанный метод не обязательно
должен использовать именно указанные опросники или иметь рекомендательную систему
указанной структуры. Его преимуществом является модульность – возможность замены
на другие реализации.
Теоретическая значимость работы заключается в уточнении и развитии
теоретических основ разработки корпоративных систем электронного обучения на
основе учета компетенций и личных предпочтений сотрудников инновационных
компаний и разработке метода поддержки принятия решений в системах электронного
обучения при формировании индивидуальных учебных траекторий.
Практическая значимость определяется прикладной направленностью основных
положений диссертации, конструктивным характером предложенных метода, алгоритма
и моделей, а также реализацией результатов диссертационной работы в виде
программного обеспечения «Корпоративная система электронного обучения и
повышения квалификации персонала на основе мобильных технологий», которое
прошло апробацию и государственную регистрацию.
Соответствие диссертации Паспорту научной специальности. Диссертационная
работа выполнена в рамках Паспорта научной специальности 05.13.06 – Автоматизация
и управление технологическими процессами и производствами (в образовании) ВАК
Министерства образования и науки РФ и соответствует следующим его пунктам 4,15,16.
На защиту выносятся:
• модель учебного профиля сотрудника IT-компании;
• метод формирования индивидуальных учебных траекторий сотрудников с
учётом их персональных интересов и склонностей;
• модель рекомендательной системы.
Апробация результатов исследования. Апробация результатов диссертационной
работы прошла на инновационных предприятиях г. Санкт-Петербурга: ООО «Интеллект
Телематик Софт», ООО «Современные технологии мониторинга» и ООО «Лаборатория
Инноваций». Справки о практическом применении результатов диссертационной работы
приведены в приложении к тексту диссертации.
Результаты исследований, включённые в диссертацию, докладывались соискателем
на международных и всероссийских конференциях: XLIV научная и учебнометодическая конференция Университета ИТМО (03.02.2015 - 06.02.2015); IV
Всероссийский Конгресс молодых ученых (07.04.2015 - 10.04.2015); XLV Научная и
учебно-методическая конференция Университета ИТМО (02.02.2016 - 06.02.2016); VI
Всероссийский Конгресс молодых ученых (18.04.2017 - 21.04.2017); III международная
научно-практическая конференция «Технические науки: проблемы и решения»
(19.09.2017); Международная
научно-практическая
конференция
«Приоритеты
мировой науки: эксперимент и научная дискуссия» (22.10.2018).
Теоретическую и методологическую основу составили труды отечественных и
зарубежных учёных, исследователей и разработчиков компьютерных технологий
обучения. Для исследований в диссертации использованы методы системного анализа,
статистического анализа, прогнозирования, экспертных оценок, методы разработки
рекомендательных систем, а также методы проведения опросов.
В диссертации использованы Интернет-ресурсы и информационные данные из
докладов, представленных на национальных и международных научно-практических
конференциях.
Личный вклад. В диссертации представлены результаты исследования,
полученные автором самостоятельно. Автору принадлежит:
1. Постановка задач исследования.
6
2. Анализ литературных источников.
3. Разработка моделей, алгоритма и метода поддержки принятия решений в
системах электронного обучения при формировании индивидуальных учебных
траекторий сотрудников инновационных компаний
4. Разработка архитектуры и интерфейсов разработанного программного
обеспечения.
5. Разработка методики и проведение экспериментальных исследований.
6. Обработка полученных результатов и их обобщение.
7. Выработка практических рекомендаций по использованию разработанного
метода.
Публикации. По материалам диссертационной работы опубликовано 14 статей (в
том числе 3 статьи в изданиях WoS и Scopus, 10 статей из перечня изданий,
рекомендованных ВАК Министерства образования и науки РФ при защите диссертаций).
В рамках диссертационного исследования издано 5 учебно-методические пособий для
студентов высших учебных заведений. Разработана, исследована и прошла
государственную регистрацию с номером № 2018618265 программа для ЭВМ
«Корпоративная система электронного обучения и повышения квалификации персонала
на основе мобильных технологий».
Вклад соавторов: Шиков А.Н. - разработка концепции персонализированного
корпоративного электронного обучения, оценка эффективности внедряемых
компьютерных технологий обучения, общее руководство исследованиями, разработка
программного кода и тестирование создаваемой программы; Никитина Л.Н. разработка и координация внедрения системы персонализированного электронного
обучения на предприятиях текстильной и легкой промышленности; Баканова А.П. разработка и апробация онтологических моделей и применение их в системах
корпоративного электронного обучения, апробация и внедрение разрабатываемого ПО;
Окулов С.А. - разработка архитектуры, разрабатываемого программного обеспечения
для корпоративной системы электронного обучения; Логинов К.В. - разработка и
апробация моделей и алгоритмов смешанного корпоративного обучения, разработка
инфологической модели разрабатываемого ПО; Шиков П.А. - разработка
экономических показателей эффективности KPI для компетентностных моделей и
оценки эффективности деятельности сотрудников компаний после повышения
квалификации или обучения; Шиков Ю.А. - тестирование и апробация применения
экономических показателей эффективности на предприятия текстильной и легкой
промышленности, анализ существующих методологий оценки эффективности
корпоративного обучения; Коцюба И.Ю. – поиск и анализ существующих
математических моделей и алгоритмов,
применимых
для формирования
индивидуальных траекторий обучения на основании компетенций сотрудников.
Структура и объем диссертационной работы определены логикой, целью и
задачами исследования. Диссертация состоит из введения, четырёх глав, заключения,
списка использованных источников и приложений. Основной текст диссертации
изложен на 195 страницах, содержит 8 таблиц, 33 рисунка и 91 литературный источник.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обосновывается актуальность темы диссертационного исследования,
сформулированы цель, задачи, методы исследований, практическая значимость, научная
новизна и сведения о полученных результатах, перечислены положения, выносимые на
защиту.
Первая глава «Исследование структуры и методов организации системы
корпоративного обучения инновационных компаний» посвящена анализу предметной
7
области, специфике обучения в инновационных компаниях, организации систем
корпоративного обучения, а также управлению корпоративными знаниями на которых
базируется система электронного обучения.
Корпоративное обучение должно иметь четкие цели и задачи, т.е. кого, когда, чему
и как учить, каким образом проверять полученные знания, умения и навыки
(компетенции). В настоящее время хорошие результаты корпоративного обучения
показывают фирмы, которые занимаются детальным проектированием и разработкой
курсов повышения квалификации. В дидактическом проекте курсов повышения
квалификации должны быть конкретно сформулированы педагогические цели обучения,
определены темы теоретической и практической подготовки с учетом уже имеемого
уровня образования и квалификации специалистов, а также участников курсов.
Особенно это становится актуальным для электронных технологий корпоративного
обучения, где взаимодействие обучаемых может проходить без участия обучающих,
например, в автоматизированных (дистанционных) системах обучения и тестирования
сотрудников.
В процессе исследования проведено анкетирование 277 сотрудников более чем 30
компаний, прошедших курсы повышения квалификации. Оно показало следующие
результаты: 67% респондентов не получили актуальных и полезных знаний на курсах;
59% не получили новой информации на курсах; 46% не использовали полученные на
курсах знания в работе; 34% не заметили повышения эффективности после курсов, а
53% затруднились оценить эффективность; 59% пришли на курсы по решения
руководства, а не по собственному желанию. Можно сделать вывод, что в таком виде и
при таком подходе курсы повышения квалификации не дают желаемого результата.
Именно индивидуализация выбора траектории корпоративного обучения и
повышения квалификации становится ключевым фактором профессионального роста и
становления каждого отдельно взятого специалиста. Результатом, подтверждающим
эффективность обучения в этом случае должны считать ключевые показатели (KPI),
которые связаны с фактическим повышением эффективности работы сотрудников,
отделов, служб и всей компании. В этом случае, инвестиции в подготовку своих
специалистов будут оправданы и окупятся в течение нескольких месяцев.
Для сокращения затрат компании ГК «СКАУТ» на очные обучения была внедрена
система электронных курсов, которая позволила значительно разгрузить сотрудников
отдела обучения. В дальнейшем концепция получила развитие и на текущий момент
реализована в виде web-ресурса «СКАУТ-Университет», который насчитывается 27
обучающих курсов. Суммарно за 2016 год 356 обучающихся успешно сдали 1026 тестов,
потратив на это 3820 попыток. В среднем, на успешное прохождение теста необходимо
3,72 попытки, что обуславливается высокими требованиями к результатам из-за высокой
сложности разрабатываемых ГК «СКАУТ» продуктов и решений.
Одним из самых эффективных инструментов обучения сотрудников ГК «СКАУТ»
являются индивидуальные обучения. Для каждого запроса разрабатывается календарнотематический план, со ссылками на материалы для подготовки, очерёдностью их
изучения и перечнем ожидаемых результатов.
Индивидуальные траектории обучения в ГК «СКАУТ» применяются для:
прохождения испытательного срока; развития компетенций перспективных сотрудников;
устранения нехватки компетенций сотрудников; переход на другую должность или в
другой отдел компании.
К основным проблемам применения индивидуальных траекторий обучения в
других компаниях можно отнести: нехватку времени на разработку индивидуальных
планов обучения, нежелание вкладывать средства в развитие сотрудников, отсутствие
8
необходимых для этого компетентных специалистов, сложность выявления
предпочтений и склонностей сотрудников, нехватку времени или мотивации
сотрудников на выполнение учебного плана.
Перечисленные проблемы пока не позволяют массово успешно применять
индивидуальное
обучение
и
развитие
сотрудников,
однако,
разработка
специализированной информационной системы может значительно поспособствовать
этому.
У каждой компании имеются информационные артефакты, которые необходимо
хранить. Выстроенные процессы внутри компании подразумевают конкретные этапы
выполнения, для которых могут потребоваться специфичные данные, искать которые в
общей базе долго. Соответственно, нужен не просто инструмент хранения, а ещё и
инструмент поддержки принятия решений, который также может оповещать о новых
наборах информации или об её обновлении. После создания такого хранилища возникает
вопрос: как поддерживать его в актуальном состоянии. Как только значимость знаний
для компании принимается во внимание, можно утверждать о появлении новой формы
нематериальных ресурсов.
Компетенции организации могут полностью основываться на компетенциях
сотрудников, соответственно появляться и исчезать вместе с ними. Чем выше уровень
экосистемы знаний (Рисунок 1), тем меньше зависимость от конкретных сотрудников.
На первых уровнях сотрудники компании стараются искать необходимые им сведения
вне организации, так как считают их более авторитетными, но на последних уровнях
ситуация меняется – более авторитетные источники уже располагаются внутри
организации.
Вторая глава «Сервисный подход к организации процесса корпоративного
обучения» содержит обзор мирового опыт организации системы управления сервисами
по рекомендациям ITIL, краткое описание 26 процессов в ITIL, а также предложения по
использованию рекомендаций ITIL в системах корпоративного обучения.
Рисунок 1 – Экосистема знаний
ITIL является частью набора публикаций лучших практик мировых компаний по
управлению сервисами в ИТ (IT Service Management). Он представляет собой
руководство по достижению требуемого уровня качества предоставляемых услуг, а
также содержит описания процессов, функций и других возможностей, которые
требуются для их поддержки.
Необходимо чётко понимать, что процесс управления знания, как и все остальные,
лишь определяет, как изменяется объект, задействованный в нём, в то время как
структура процессов описывает связь этих объектов между собой. Более того, структура
помогает определить правильные модели поведения, необходимые для управления
9
услугами. Структура жизненного цикла сервиса представляет собой организационную
основу, реализованную при помощи организационной структуры предприятия, его
каталога услуг и моделей их обслуживания.
Организация процесса корпоративного обучения по рекомендациям ITIL позволит
сотрудникам компании изучить сервисный подход на конкретном, весьма
изолированном процессе, без влияния на другие процессы компании, тем самым
повысить качество и отдачу от инвестиций в персонал инновационных компаний. Кроме
этого, применение рекомендаций ITIL позволит сделать процесс корпоративного
обучения более прозрачным и понятных для сотрудников компании.
Третья глава «Метод поддержки принятия решений в системах электронного
обучения при формировании индивидуальных учебных траекторий сотрудников
инновационных компаний» посвящена разработке метода на основе алгоритмов и
моделей, а также рекомендательной системы по формированию индивидуальных
траекторий обучения на основе персональных особенностей и склонностей сотрудников.
Рекомендательные системы требуют наличия определённых входных данных для
построения рекомендаций. Данная проблема имеет название «холодный старт». Часто
компания не имеет возможности ждать формирования минимально необходимого набора
характеристик сотрудника для формирования каких-либо рекомендаций, необходимо
решить данную проблему организационным способом - прохождением входных
опросников.
Непосредственное определение личностных качеств сотрудника может
осуществляться на основании 16-ти факторного опросника Кеттелла (Форма С). Для
выявления
профессиональных
склонностей
можно
использовать
опросник
профессиональных предпочтений (русскоязычная адаптация методики Дж. Холланда),
поскольку он содержит специальный раздел, посвящённый аспектам будущей карьеры
опрашиваемого сотрудника. Для определения мотивации сотрудника можно
использовать методику изучения мотивации профессиональной карьеры Шейна, а также
методику изучения факторов привлекательности профессии. Следует определить
непосредственный тип мотивации сотрудника. Для этого можно использовать
типологическую модель В.И. Герчикова. Она основана на устойчивых мотивационных
типах и описывает комбинации вариантов трудового поведения (пассивного или
активного) и уровней мотивации (избегание, достижение).
Успех компании сегодня зависит от способностей в кратчайшие сроки
адаптироваться к переменам и осуществить их, а также сохранять работоспособность
внутренних процессов. Это возможно только при наличии у сотрудников возможности
быстрого приобретения новых знаний, умений и навыков в интересах компании.
Правильное получение, использование и управление корпоративными знаниями
составляет основу эффективности деятельности компании. Ускорить процесс поиска
знаний может онтологическая модель, семантические связи в которой будут
формировать графы знаний. Их использование позволит не только учитывать семантику
поисковых запросов, но и создать вопросно-ответную систему, необходимую для
корпоративного электронного обучения. Упрощенная схема может выглядеть
следующим образом:
1.Сотрудник компании формализует новые знания в соответствии с принятым в
компании форматом.
2.Система автоматические формирует семантическую модель новых знаний.
3.Система встраивает модель новых знаний в общую онтологию знаний компании.
Основными в такой системе можно считать две онтологии: онтология сотрудника и
онтология предметной области. Первая используется для представления, моделирования
10
и поиска знаний о сотрудниках компании, вторая, для поиска бизнес-информации
компании.
Выделение перечня задач должностей компании и описание их решений
значительно сократит, как время выполнение этих задач, так и качество их результатов.
Решения не всех рабочих задач можно однозначно формализовать. Некоторые требуют
принятия сложных решений в условиях неопределённости. Сотрудникам компании
предоставляется возможность создания библиотеки программ решений для всех случаев
– рабочих кейсов, а также возможность их поиска и актуализации. Накопленная
библиотека кейсов является дополнительный средством формирование наборов ученых
материалов для сотрудников. По сути, каждый кейс уже законченный учебный блок,
содержащий всю необходимую информацию, которую сотрудник может изучить, а затем
выполнить поставленную задачу. Цикл создания кейсов начинается с описания новой
проблемы в системе, которая конвертирует данное описание в представление
конкретного кейса (Рисунок 2).
В области корпоративного обучения аспект персонализированного обучения
крайне важен для развития профессиональных компетенций сотрудника. В зависимости
от предпочтений, склонностей и предрасположенностей, сотрудники хотят развиваться
либо в рамках своей специализации, либо заниматься узкоспециализированной работой,
либо занять руководящую должность. В таком случае происходит горизонтальное или
вертикальное развитие карьеры, поэтому необходимо разное обучение. Для построения
индивидуальной траектории обучения необходимо использовать онтологию должностей
копании, а также онтологию предметной области. По первой онтологии осуществляется
поиск и формирование перечня различий между текущей позиции сотрудника и той, на
которую он претендует, а по второй онтологии будет формироваться тематическое
наполнение учебного курса, при прохождение которого имеющаяся разница в
компетенциях сотрудника будет устранена.
Рисунок 2 - Цикл работы с корпоративными кейсами
Профиль сотрудника является ключевым компонентом системы корпоративного
обучения. Он хранит в себе историю обучений сотрудника, перечень компетенций,
которыми тот владеет, а также описание текущей занимаемой должности и всех
предыдущих (если они были). Профиль сотрудника явным образом связан с онтологией
предметной области через знания, которыми он обладает, и кейсами, которые решает, а
11
также связан с онтологией должностей, через должности, которые он занимал и
занимает.
Модель выработки рекомендаций для обучения сотрудников
Гибридная модель расчёта рекомендаций основывается на взаимодействии двух
алгоритмов по каскадной схеме выбора кандидатов (Candidate Selection). Первый
алгоритм в модели осуществляет простую генерацию рекомендаций для конкретных
сотрудников компании, второй этап требует применения более точного алгоритма, но
формирует более точные рекомендации, то есть уточняет результаты первого. В качестве
простого входного метода используется коллоборативная фильтрация на основе
элементов (item-based collaborative filtering), а для формирования непосредственных
рекомендаций предлагается использовать алгоритм SVD (Singular Value Decomposition –
сингулярное разложение). Формула вычисления рекомендаций item-based методом:
В теореме о сингулярном разложении утверждается, что у любой матрицы 
размера × существует разложение в произведение трех матриц: , Ʃ и 
Матрицы  и  ортогональные, а Ʃ — диагональная (хотя и не квадратная).
Для упрощения можно обозначить произведение первых двух матриц за одну
матрицу (Рисунок 3). Для того, что чтобы предсказать оценку сотрудника  для
должности , берется некоторый вектор  (набор параметров) для данного сотрудника и
вектор для данной должности . Их скалярное произведение и будет нужным
предсказанием: ̂ = ⟨,⟩. Алгоритм весьма прост, но также позволяет по истории
сотрудников выявлять скрытые признаки должностей и интересы самих сотрудников.
Однако у этого алгоритма также есть ряд проблем. Во-первых, матрица оценок 
полностью не известна, поэтому нет возможности просто получить ее SVD-разложение.
Во-вторых, SVD-разложение не единственное, поэтому надеяться на постоянное
местоположение конкретных параметров в матрице нельзя.
Модель может быть расширена за счёт добавления дополнительного блока
линейной комбинации моделей коллаборативной фильтрации на основании интересов
похожих сотрудников и сингулярного разложения.
Рисунок 3 - Произведение матриц
Совокупный набор рекомендаций от двух получившихся линейных комбинаций
обрабатывается в блоке объединения рекомендаций и предоставляется сотруднику.
Комплексная модель представлена на рисунке 4.
12
Рисунок 4 – Комплексная модель организации рекомендательной системы
Для составления рекомендаций дальнейшего развития сотрудника можно
использовать более простой подход. Полученные в результате работы рекомендательной
системы должности являются, по сути, наборами ЗУН, личностных качеств и
формальных компетенций, необходимых для успешной работы. Все эти характеристики
можно представить в виде упорядоченного множества:
где
– набор знаний рекомендованной должности;
– набор умений рекомендованной должности;
– набор навыков рекомендованной должности.
Кроме этого, к полученному множеству можно добавить личностные качества и
предпочтения сотрудника:
Полученное множество ранжируется по важности его составляющих при помощи
метода анализа иерархий. Для каждой должности в компании экспертно составляются
соотношения значимости между знаниями, умениями, навыками и личностными
качествами:
Подобные оценки могут рассчитываться для всех должностей компании, что
позволит сотруднику определить наиболее перспективное для него направление
деятельности.
Алгоритм формирования индивидуальных учебных траекторий
Алгоритм формирования индивидуальных учебных траекторий должен учитывать
две цели индивидуального обучения:
• повышение уровня компетенции сотрудника на прежней должности;
• переход на другую должность.
В первом случае нет необходимости применять рекомендательную систему,
поскольку или руководитель сотрудника, или сам сотрудник осознают конкретные
потребности в обучении.
Общая упрощенная схема алгоритма представлена на рисунке 5.
При формировании индивидуальных учебных траекторий необходимо учитывать,
как профиль сотрудника, так и потребность компании в его обучении. Далее приводится
рекомендательная методика, разработанная на основании проводимого в ГК «СКАУТ»
13
исследования, а также с учётом специфики сервисного подхода в управлении
организациями (ITIL) и принципов управления знаниями.
Рисунок 5 - Алгоритм формирования учебных траекторий
Методика включает в себя следующие шаги:
1. Определить цель индивидуального обучения сотрудника. На этом шаге
необходимо понять, какой конечный результат ожидает получить компания, а какой –
сотрудник. На данном этапе необходимо явно проговорить все ожидания с обеих сторон
и придти к соглашению о процессе обучения. Это похоже на составление SLA при
предоставлении сервиса индивидуального обучения. В рамках этого упрощённого SLA
необходимо указать сроки обучения, типы учебных мероприятий и формы обучения, а
также контрольные точки для фиксации изменений.
2. Далее при помощи алгоритма выбора и ранжирования должностей и ролей
компании сформировать три перечня рекомендации:
• должности схожие по структуре деятельности, но не связанные с текущей
областью деятельности сотрудника;
• должности из текущей области деятельности сотрудника, требующие более
высокого уровня компетенций;
• должность максимально отличающиеся от текущей области деятельности
сотрудника.
Разделение рекомендованных должностей на эти группы позволит сотруднику
быстрее определиться со своим дальнейшим путём развития. Посмотрев описание
должностей, он сможет явно представить свои перспективы в выбранных направлениях
и определиться.
3. Зафиксировать различия между текущим профилем сотрудника и должностям,
которые он заинтересован занять. Отличия фиксируются в виде списка, разделённого по
группам, аналогично должности: знаниям, умения, навыки.
4. Отдельно проанализировать каждый перечень различий и выбрать те из них, чьё
сходство по параметрам, не связанным со знаниями, умениями и навыками выше. Чем
более сходными являются должности в отрыве от ЗУН, тем больше шансов у сотрудника
быстрее адаптироваться к новой должности.
5. Сформировать перечень учебных материалов для обучения недостающим
знаниям, умениям и навыкам по выбранным должностям.
14
6. Запланировать контрольные отчётные точки с руководителем сотрудника,
аттестационные встречи самого сотрудника и консультации.
7. Провести обучение (повышение квалификации) по сформированному перечню
ЗУН.
8. При получении всех необходимых ЗУН запланировать итоговую аттестацию, а
при её успешном прохождении – испытательный срок на правилах secondment
(частичной занятости на старой и новой должностях, в согласованном соотношении).
9. Оценить эффективность работы сотрудника после испытательного срока в
соответствии с KPI новой должности.
10. Если показатели соответствуют требуемым и есть вакансия на выбранную
должность, перевести сотрудника.
Система рекомендует изучать контент на основе четырех подходов:
1. Основанный на профиле сотрудника. Включает рекомендации по содержанию
информации на основе данных, собранных о сотруднике и его предпочтениях.
2. Основанный на подготовке сотрудника до начала обучения. Рекомендуются
материалы, которые должны быть изучены, прежде чем принимать конкретное решение
по выбору траектории обучения.
3. Основанный на рекомендациях по совместному фильтрованию. Включает
рекомендации по содержанию контента, на основе пользовательского соответствия и
сходства с пользователем.
4. Основанные на семантическом сходстве. Рекомендует контент, похожий на
изучаемый в настоящее время.
Каждый курс может иметь в качестве условия прохождения другой обязательный
курс. Для каждого понятия в онтологии необходимо определить свойство, содержащее
понятия, которые необходимо изучить до начала курса. Рекомендация, основанная на
семантическом сходстве, использует методы сходства и концепции подобия для связи
разных объектов обучения, то есть фрагментов учебного материала. Алгоритм основан
на методе, который вычисляет семантическое сходство между учебными объектами. Он
работает путем построения семантической карты материала электронного обучения на
основе вычисленных оценок семантического подобия. Эти оценки рассчитываются с
учетом частоты возникновения связи слов в корпусе. Первым шагом алгоритма является
удаление шум из текста (общие слова, которые являются незначительными). Остальные
слова являются целевыми, и хранятся в таблице по значению, зависящему от ключевого
слова. Целевые слова в разных таблицах сравниваются, и эта процедура выполняется
через весь текст.
Система рекомендаций представляет собой поэтапное определение необходимых
сотруднику условий для обучения. История обучения показывает общую специализацию
сотрудника, определяет знания, которые имеются у него в результате предыдущего
обучения. Однако многие навыки приобретаются в процессе работы, поэтому
учитывается набор компетенций, которыми уже обладает сотрудник. Интересы
определяют, каких компетенций и навыков ему не хватает для дальнейшей работы по
интересующему его направлению. Стиль обучения и профиль пользователя задают
возможные условия обучения. Все эти начальные и очень важные рекомендации
комбинируются и, на основе ключевых слов (семантическая карта), сходства параметров
и определений, который сотрудник уже знает, определяют возможные курсы обучения.
На данном этапе также определяется специализация обучения (узкое направление или
универсальное). В этой специализации далее учитываются рекомендации сотрудников,
сходство различных пользователей и их результаты в выбранной программе. Лишь после
этого добавляется новый контент, то есть конкретные темы для изучения.
15
Предварительные рекомендации включают в себя формирование траектории и её
согласование с условиями прохождения курса.
Для успешного развития сотрудников необходимо с самого начала понимать,
какими компетенциями и личностными особенностями они уже обладают, какие задачи
для них интересны, чем они мотивированы. Данная информация собирается
сотрудниками отдела персонала и записывается в личную карточку сотрудника, где
периодически актуализируется. Для структурного описания должностей хорошо
подходит компетентностный подход, то есть указание конкретных знаний, умений и
навыков (ЗУН) сотрудников, которыми они должны обладать, чтобы занимать
определённую должность. По сути, список ЗУН, расширенный дополнительными
сведениями может считаться подробным описанием должности или роли. В профиле
сотрудника появятся оценки по 16 факторам Кеттела (и другим опросникам), которые
можно использоваться для формирования целостного представления о сотруднике.
Наполненный профиль сотрудника будет использоваться как для наглядного
отображения его способностей и опыта, так и для прогнозирования успешности его
перехода на другие должности в компании в рамках составления индивидуальной
учебной траектории.
Четвёртая глава «Экспериментальные исследования и апробация разработанных
решений» содержит результатов апробации разработанного метода и практические
рекомендации по применению разработанного метода.
Апробация результатов исследования проходила в группе компаний «СКАУТ».
Компания занимается полным циклом разработки аппаратного и программного
обеспечения для систем мониторинга корпоративного транспорта. К клиентам компании
относятся такие корпорации как: PepsiCo, DANONE, British American Tobacco, Unilever,
Coca Cola, Мегафон и др. На момент проведения апробации в холдинге работало 204
человека, и подтверждено существование 67 должностей и 17 ролей сотрудников.
Апробация проводилась в период с 01 марта по 30 апреля 2018 года. Основная цель
апробации: определить эффективность предлагаемых в главе 2 моделей, алгоритмов и
метода для формирования индивидуальных учебных траекторий сотрудников на основе
компетенций и личных предпочтений сотрудников.
Разработка индивидуальных траекторий осуществлялась на выборке из 43-х
человек, работающих в 4-х различных отделах холдинга. С учётом внесённых поправок
и корректировок было проведено 3 итерации полного процесса разработки
индивидуальных учебных траекторий.
На группе «А» проверялась работоспособность предлагаемых метода и алгоритмов.
Группа «Б» привлекалась к исследованию для опытной проверки базовой корректности
предлагаемых методом рекомендаций и оценок. Группа «В» позволила проверить
внесенные корректировки и определить итоговое качество рекомендаций для
сотрудников компании.
В каждой группе соблюдалось соотношение мужчин и женщин, а возраст
участников групп находился в диапазоне от 23 до 33 лет. В качестве примера была
разработана индивидуальная траектория развития сотрудника ГК «СКАУТ»,
находящегося на должности специалиста по техническому обучению (Рисунок 9).
Предлагаемая методика предполагает формирование двух списков рекомендаций,
составленных рекомендательной системой, модель которой представлена в главе 2, а
также расширение этих рекомендаций, за счёт формирования 3-х списков должностей с
указанием степени подобия каждой из них профилям рекомендуемых должностей.
16
Рисунок 9 – Пример траектории для специалиста по техническому обучению
В ходе исследования участники высказывали замечания к работе системы. На этапе
работы с группой «А» с первого раза не получилось построить релевантные
рекомендации. По отзывам участников групп некоторые из важных для них параметров
выбора должности не были учтены. К таким параметрам участник группы отнесли: KPI
для системы мотивации и выплаты премий, а также рабочий график и необходимость
командировок.
При работе со второй группой:
1. Сотрудники не могли положительно оценить предложенную им рекомендацию,
если не понимали состав деятельности, предлагаемой им должности.
2. Сотрудники просили пояснять зависимость рекомендаций от результатов
входного исследования их личностных особенностей в трёх опросниках.
Среди замечаний участников группы «В» можно выделить непонятность плана
реализации перехода сотрудника на новую должность.
В соответствие с данными по количеству проведённых в ГК «СКАУТ» обучений,
представленной в разделе 1.2, в 2016 году было проведено 25 индивидуальных обучений
для сотрудников компании.
После начала разработки моделей должностей только за июнь 2018 года поступило
13 заявок на индивидуальное обучение. Диаграмма поступления заявок на
индивидуальные обучения с мая по сентябрь 2018 года представлена на рисунке 10:
До начала работ по внедрению системы индивидуальных учебных траекторий
средняя оценка удовлетворённости обучениями в компании составляла 23% (оценка
выполнена в феврале 2018 года).
17
Рисунок 10 – Диаграмма запросов сотрудников на индивидуальные обучения
После внедрения удовлетворённость обучением увеличилась до 41% (оценка
выполнена в августе 2018 года). Кроме прочего, в компании также увеличилось общее
количество запросов на обучения, а формализация требований к должностям позволила
выявить недостающие знания, умения и навыки, что привело к желанию руководителей
компании восполнить разницу.
ЗАКЛЮЧЕНИЕ
В диссертационной работе были получены следующие результаты, обладающие
научной и практической значимостью:
1. За счет обобщения различных подходов определены теоретические основы
функционирования и применения индивидуальных учебных траекторий.
2. Разработан и реализован метод и алгоритм поддержки принятия решений в
системах электронного обучения при формировании индивидуальных учебных
траекторий сотрудников инновационных компаний.
3. Сформирован расширенный комплекс показателей KPI для оценки компетенций
сотрудников инновационных компаний.
4. Осуществлен анализ методов выявления персональных интересов и склонностей
сотрудников.
5. Исследована специфика и особенности функционирования инновационных
предприятий.
6. Предложена и реализована модель учебного профиля сотрудника инновационной
компании.
7. Проведено исследование основных аспектов повышения эффективности
корпоративного электронного обучения.
8. Выявлена специфика мобильности сотрудников инновационных компаний в
рамках доступных им должностей и ролей.
9. Разработана и прошла государственную регистрацию программа для ЭВМ
«Корпоративная система электронного обучения и повышения квалификации персонала
на основе мобильных технологий» № 2018618265.
10.
Прошли апробацию и внедрение реализованный метод и алгоритмы
поддержки принятия решений в системах электронного обучения при формировании
индивидуальных учебных траекторий на основе компетенций и личных предпочтений
сотрудников инновационных компаний.
Результаты диссертационного исследования прошли апробацию и используются на
3-х предприятиях, о чем свидетельствуют справки об использовании. Апробация
разработанного метода, алгоритмов и моделей показала достаточно высокую
удовлетворённость сотрудников компании полученными рекомендациями. Ряд
сотрудников компании запланировать своё развитие в интересующем их направлении,
18
для чего были достигнуты предварительные договорённости с их непосредственными
руководителями, а также составлены графики обучения.
Процент успешно прошедших обучение по сформированным индивидуальным
траекториям на основе разработанного метода увеличился на 27%, а данные
анкетирования показали значительную заинтересованность персонала в своем развитии,
развитии предприятия и результатах обучения.
К возможным направлениям дальнейших исследований можно отнести:
• конфигурации используемых методов формирования рекомендаций;
• применение других методик выявления персональных предпочтений и
склонностей сотрудников;
• расширение модели рекомендательной системы.
СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ
Публикации в научных журналах и изданиях из Перечня рецензируемых научных
изданий, в которых должны быть опубликованы основные научные результаты
диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени
доктора наук
1. Чунаев А.В., Кайсарова Д.В., Прокушева Д.И. Исследование возможности применения
целеориентированного подхода при анализе аналогов интерактивной карты учебного заведения
// Дистанционное и виртуальное обучение -2014. - № 6(84). - С. 92-104. 0,72 / 0,32 п.л.
2. Чунаев А.В., Шиков А.Н. Информационная система формирования индивидуальных
образовательных траекторий студентов высших учебных заведений как составная часть едидактики // Образовательные технологии и общество -2015. - Т. 18. - № 1. - С. 621-631. 0,62 /
0,31 п.л.
3. Чунаев А.В., Никитина Л.Н., Шиков П.А., Коцюба И.Ю. Алгоритм оценки
инновационного потенциала малых инновационных предприятий на основе KPI // Экономика и
предпринимательство -2016. - № 12-3(77-3). - С. 804-810. 0,64 / 0,22 п.л.
4. Чунаев А.В., Окулов С.А., Шиков А.Н. Формирование системы управления
корпоративным обучением средствами информационных технологий // Успехи современной
науки - 2017. - Т. 1. - № 5. - С. 170-174. 0,38 / 0,16 п.л.
5. Чунаев А.В., Шиков А.Н., Шилова И.В. Применение индивидуальных образовательных
траекторий в системах корпоративного обучения на примере ГК «СКАУТ» // Успехи
современной науки и образования -2017. - Т. 2. - № 2. - С. 14-19. 0,48 / 0,22 п.л.
6. Чунаев А.В., Никитина Л.Н., Шиков А.Н. Проблемы кадрового обеспечения и
повышения квалификации на предприятиях текстильной и легкой промышленности / Вестник
Санкт-Петербургского государственного университета промышленных технологий и дизайна /
Т.5. – 2017 г. С.45-50. 0,4 / 0,18 п.л.
7. Чунаев А.В., Баканова А., Логинов К.В., Окулов С.А., Шиков А.Н. Мобильные
технологии как инновации в системах корпоративного электронного обучения // Экономика
труда. - 2018. Том 5. № 2. — doi: 10.18334/et.5.2.39096. 0,58 п.л. / 0,12 п.л.
8. Чунаев А.В., Баканова А., Окулов С.А., Логинов К.В., Шиков А.Н. Концепция
онтологической рекомендательной системы персонализации корпоративного обучения /
European Social Science Journal (Европейский журнал социальных наук) // -2018. № 5. 0,54 / 0,12
п.л.
9. Чунаев А.В., Шиков А.Н., Баканова А.П., Логинов К.В., Окулов С.А., Применение
игровых механик в системах корпоративного обучения с использованием модели смешанного
обучения, Информатика и образование. – 2018. № 5 (294). С. 44-48. 0,56 / 0,12 п.л.
10.
Чунаев А.В., Никитина Л.Н., Шиков А.Н., Баканова А., Логинов К.В., Окулов С.А.,
Концепция персонализированного корпоративного электронного обучения и развития на основе
компетенций и индивидуальных пред-почтений сотрудников // Креативная экономика. – 2018. –
Том 12. – № 7. – С. 995-1004. – doi: 10.18334/ce.12.7.39229. 0,46 / 0,1 п.л.
19
Публикации в зарубежных научных изданиях,
индексируемых в системах Scopus или Web of Science
1. Chunaev A.V., Shikov A.N., Kotciuba I.I., Nikitina L.N., Shikov P.A., Shikov Y.A.
Assessment of the innovation potential of small enterprises with the use of graphs based on KPIs //
Ponte - 2018, Vol. 74, No. 1/SI, pp. 48-60. 0,4 / 0,12 п.л.
2. Chunaev A.V., Shikov A.N., Bakanova A.P., Loginov K.V., Okulov S.A. The concept of
personalized e-learning with the use of mobile applications based on ontologies // Ponte - 2018, Vol.
74, No. 1|SI, pp. 61-70. 0,42 / 0,12 п.л.
3. Chunaev A.V., Shikov A.N. The method of personalized corporate e-learning based on
personal traits of employees // Procedia Computer Science Vol. 136, 2018, Pages 511-521. 0.38 / 0,22
п.л.
Прочие публикации
1. Чунаев А.В., Шиков А.Н. Применение подходов сетевого обучения при формировании
индивидуальных учебных траекторий в системах корпоративного обучения // Сборник статей по
материалам III междунар. научно-практической конференции: "Технические науки: проблемы и
решения" - 2017. - № 59. - С. 47-53. 0,42 / 0,22 п.л.
Свидетельства регистрации программ для ЭВМ
1. Свидетельство о гос. регистрации программы для ЭВМ №2018618265. Корпоративная
система электронного обучения и повышения квалификации персонала на основе мобильных
технологий / А.Н. Шиков, А. Баканова, К.С. Кузьмин, Н.Е. Летов, А.В. Чунаев, К.В. Логинов,
С.А. Окулов.
Тиражирование и брошюровка выполнены в учреждении
«Университетские телекоммуникации» 197101, Санкт-Петербург, Саблинская ул., 14.
Тел. (812) 233-46-69. Объем 1,0 у.п.л. Формат 60х90. Тираж 100 экз.
1/--страниц
Пожаловаться на содержимое документа