Требования к содержанию документов с решениями по математическому обеспечению

В систему существует три способа подбора кандидата на вакансию:

-ручной побор кандидатов. Когда работодателю предоставляется список всех выпускников, и он сам просматривает резюме всех интересующих его кандидатов. После чего отбирает того, кто по его мнению ему больше всего подойдет. В этом случае заполнять заявку не надо. Это самый простой способ, не использующий какого-либо автоматизированного способа отбора;

-автоматизированный поиск по сопоставлению требований заявки с характеристиками выпускника;

-дополнительные возможности подбора с использованием Бизнес-Аналитика (системы профессионального клиринга выпускников).

Последние два способа, хоть и сильно различаются по алгоритму выполнения, но имеют общий подготовительный период, содержащий этапы, представленные в таблице 2.6.

Таблица 2.6 – Этапы подготовительного периода

Продолжение таблицы 2.6

Таблица 2.7 –

Профессиограмма для системы автоматизированного отбора

Продолжение таблицы 2.7

Таблица 2.8 – Профессиограмма для системы профессионального клиринга выпускников

Продолжение таблицы 2.8

Рисунок 2.28 - Модель выпускника укрупнено

Рисунок 2.29 - Детализация комплексных показателей профессионального портрета выпускника

Рисунок 2.30 – Дальнейшая детализация комплексных показателей профессионального портрета выпускника

Далее идет этап, присущий лишь системе профессионального клиринга, заключающийся в расчете показателей качества полученного высшего образования. Необходимо понимать, что при оценке результатов высшего образования в виде сформированных профессиональных компетенций выпускников необходимо учесть качество полученного высшего образования, т.е. качество всех составляющих процесса высшего образования, условий его предоставления, целей. Поэтому на основе разработанных и сформированных деревьев базовых показателей качества высшего образования, являющихся одной из составляющих деревьев базовых показателей характеристик выпускников (см. рисунок 2.31) оцениваются факторы качества полученного высшего образования. Результатами будут рейтинги отдельных составляющих высшего образования: рейтинг преподавателя [37], рейтинг специальности, рейтинг курса, рейтинг кафедры, рейтинг ВУЗа. Показатели этого качества будут измеряться и храниться в отдельной базе знаний. Они рассчитываются с использованием АИС «Бизнес – Аналитик».

Теперь важно разработать алгоритм определения влияния данных рейтингов на объективную оценку по конкретному предмету. Эти рейтинги могут быть нормированы и выступать в роли коэффициентов пересчета для конкретных оценок с целью получения более объективных оценок за ЗУН выпускника. Могут быть просто в одной базе с оценками и участвовать независимо в задаче непосредственного подбора выпускников по заявкам организаций. При этом в заявке должны быть указаны требования к рейтингам качества высшего образования выпускника. Могут вообще не участвовать в классификации выпускников, а выдаваться работодателю отдельно в качестве информации к размышлению.

Теперь вся информация для реализации процесса отбора и для автоматизированного подбора и для системы профессионального клиринга с учетом влияния факторов обеспечения качества результата процесса высшего образования собрана. Система «Кадровое агентство выпускников» готова к работе.

Автоматизированный поиск по сопоставлению требований заявки с характеристиками выпускника осуществляется по следующему алгоритму (см. таблицу 2.9).

Таблица 2.9 – Алгоритм автоматизированного отбора выпускников

Таблица 2.10 – Структура заявки

Таблица 2.11 – Расчет показателей профессиограммы

Продолжение таблицы 2.11

Рейтинг выпускника считается по формуле (2.1):

Р =Д*Р+(П1*Р+П2*Р+Пn*Р)+(Л1*Р+Л2*Р+…+Л44*Р), (2.1)

где Р – рейтинг выпускника;

Д - баллы из справочника соответствия специальности;

П - сумма оценок по предметам скорректированная на вес принадлежности предмета к определенной области;

Л - баллы за соответствующую характеристику из справочника личных качеств;

В - важность показателя для работодателя.

Алгоритм эффективной информационной технологии профессионального клиринга выпускников с использованием Бизнес-Аналитика на естественном языке можно описать следующим образом (см. таблицу 2.12).

Таблица 2.12 – Алгоритм эффективной информационной технологии профессионального клиринга выпускников с использованием Бизнес-Аналитика

Выбор метода решения в узлах дерева, обозначенного в таблице 2.12 пункте 2.1 зависит от целого ряда факторов, которые делятся на две группы. Во-первых, это характеристики решаемой задачи, во-вторых, это характеристики возможных методов решения, в том числе продукционных экспертных систем и нейронных сетей, и предпочтения пользователя, решающего задачу.

Характеристики задачи в значительной степени влияют на способ и возможность ее решения. Для задач оценки главной характеристикой является сложность ее решения. Определение сложности задачи неоднозначно. На основе анализа подходов к понятию сложности в выделены следующие характеристики задач, по которым определяется их сложность: размерность, доступность информации, динамичность, детерминированность, характер входных показателей.

Аналитические зависимости, или формулы, можно использовать для решения задач малого и среднего размера. Построение формулы для большого количества показателей затруднено. Доступность информации косвенно влияет и на динамику изменения, и на детерминированность связей, поэтому формулы можно применять при решении задач, вся информация о которых легко доступна. Функциональная зависимость может отразить только задачи с определенным (детерминированным) механизмом функционирования

Продукционные экспертные системы могут решать и более сложные задачи. Их тип сложности можно охарактеризовать как разрешимые и трудно разрешимые. Они могут быть использованы и для решения простых задач, однако затраты на создание базы знаний будут не сопоставимы с эффектом.

Экспертные системы лучше использовать для решения задач среднего размера, поскольку при большом числе правил, модификация базы знаний сильно затруднится. Способность экспертных систем к наращиванию базы знаний в процессе эксплуатации позволяет использовать их при решении изменчивых задач. Внесение изменений в базу знаний производится экспертом, что может занять значительное время, поэтому решение нестабильных задач в рамках экспертной системы затруднено. Наличие коэффициентов уверенности внутри системы позволяет решать стохастические задачи, а структура правил базы знаний работать с качественными показателями.

Нейронные сети позволяют решать задачи, для которых нет информации о методах решения, но есть статистический материал. Таким образом, нейронные сети можно использовать для решения трудно разрешимых задач, а при наличии достаточного статистического материала – и неразрешимых. Нейронные сети могут оперировать большим числом показателей. Качественные признаки можно представить для нейронных сетей посредством введения отдельного входного показателя для каждого значения качественного признака и обозначения его наличия/отсутствия через "1" или "0". Нейронные сети легко модифицируются, дообучаются, т.е. пригодны для решения изменчивых и нестабильных задач. Для обучения нейронных сетей задачник может быть построен экспертом на основании предположений и может быть уточнен позже при появлении информации, нейронная сеть в этом случае дообучается по измененному задачнику.

Кроме характеристик задач и методов решения при выборе агрегатов играют роль предпочтения пользователя, например, о степени прозрачности решения.

Для обучения нейронных сетей с учетом совокупного мнения экспертов были предварительно подготовлены обучающие выборки, которые содержат примеры, описывающие состояние объекта исследования, и значения целевого параметра. Обучающую выборку можно составить на основе накопленного опыта за прошлые периоды.

Таким образом процедуру расчета рейтинга выпускника (см. таблицу 2.12 пункты 2.3 и 2.4) можно разбить на две части. Сначала происходит настройка системы на решение конкретной задачи (оценка рейтинга выпускника), а затем ее непосредственное решение и интерпретация результата (рисунок 2.33).

Рисунок 2.33 – Последовательность действий при работе в аналитическом блоке программы