Моделирование рынка труда невозможно без учета динамически изменяющегося количества факторов;
Товаром на рынке труда является совокупность знаний, умений и навыков;
На рынке труда взаимодействуют три основных субъекта:
предприятия и организации – как потребитель (работодатель);
специалисты (индивидуумы) – как продавец;
образовательные учреждения (учебные заведения) – как производитель (поставщик).
Взаимодействие основных субъектов может происходить через посредника – кадровые агентства – или непосредственно (без посредника).
Для реализации целей взаимодействия субъектов необходима гибкая и целостная система оценки, как товара, так и самих субъектов.
Сведения о субъектах, их взаимодействии, о целях и результатах взаимодействия являются хорошо структурированными, но плохо формализуемыми информационными массивами.
На основании этих положений выдвигается гипотеза, базисная для концепции интеллектуальной среды:
Потребность в специалистах на рынке труда можно моделировать, анализировать и прогнозировать путем описания динамики процесса взаимодействия трех информационных моделей:
модель вакансии (потребность покупателя);
модель специалиста (потребность и предложение продавца);
м одель образовательной услуги (потребность и предложение производителя) (рис. 2.1.).
Рис. 2.1.
2.2. КОНЦЕПТУАЛЬНОЕ ОПИСАНИЕ
МОДЕЛЕЙ И МЕТОДОВ
Исходя из базисной гипотезы, предлагается следующая классификация моделей и методов, реализуемых в концепции интеллектуальной среды:
Модели
Информационные модели субъектов рынка труда
– модель предприятия;
– модель учебного заведения (УЗ);
– модель кадрового агентства.
Информационные модели базовых понятий (общие модели)
– модель специальности;
– модель требований;
– модель знаний;
– модель профессии.
Комплексные информационные модели
модель вакансии;
модель образовательной услуги;
модель специалиста.
Методы
Информационные методы
метод создания банков данных для субъектов рынка труда;
метод описания инвариантных моделей базовых понятий;
метод создания унифицированного описания специалистов и вакансий.
Аналитические методы
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.
2.2.1. Модели
Модели обладают следующими основными свойствами:
гибкость – адаптация к политической, экономической и социальной ситуации;
динамичность – способность модели изменяться с течением времени;
инвариантность – возможность применения модели в различных предметных областях;
адаптивность – простота реализации моделей и банков данных в различных предметных областях;
интеллектуальность – возможность получения новых знаний на основании существующих;
унифицированность – возможность описания различных объектов моделирования одинаковым способом;
модифицируемость – возможность изменения и легкость внесения дополнительных параметров, вероятность появления которых с течением времени существует.
Модели имеют сетевую структуру, которая обеспечивает реализацию вышеперечисленных свойств. Ячейка сети будет называться слот. Слоты, имеющие в своем составе другие слоты и/или подчиненные уровни, будут называться интегрированными.
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.
Модель предприятия
Данная модель может быть представлена следующим образом:
= R(H, S, P, I, St, T, L),
где П – предприятие как субъект рынка труда;
R – рейтинг предприятия в системе;
Н – история предприятия – качественный параметр, включающий в себя оценки длительности существования предприятия, общественное и государственное признание деятельности предприятия и другие сведения о развитии предприятия с момента его создания;
S – структура предприятия – качественный параметр, необходимый для долгосрочного и текущего планирования потребности предприятия в кадрах;
P – кадровый состав – параметр, включающий в себя как качественные, так и количественные характеристики персонала предприятия. Для описания этого слота предпочтительно применение модели специалиста;
I – инфраструктура – качественный параметр, существенно влияющий на выбор специалистом конкретного предприятия при других равных условиях. Включает в себя наличие у предприятия различных культурных, медицинских, транспортных и других учреждений;
St – стабильность – интегрированный количественный параметр – вычисляется по совокупности экономических показателей деятельности предприятия;
Т – техническая оснащенность – интегрированный количественно – качественный показатель, отражающий степень автоматизации труда персонала, наличие наиболее современного оборудования соответствующего профилю предприятия;
L – юридический статус – параметр, который служит для выражения предпочтений специалиста по поиску работы в конкретном секторе, например, частный бизнес или государственное предприятие.
Качественные показатели могут быть представлены в количественном виде путем свертки экспертных оценок по шкале, соразмерной количественным показателям. Например, для показателя «Инфраструктура»
где Ki – рейтинг i-го параметра оценки:
К1 – наличие общежития и/или предоставление служебной квартиры;
К2 – благоприятное экологическое расположение;
K3 – транспортная доступность;
К4 – наличие транспортной доставки до места работы;
К5 – бесплатное питание сотрудников; и так далее,
n – количество параметров.
Каждый слот и/или параметр имеет вес (коэффициент значимости) Kz. Следовательно, рейтинг i-го слота рассчитывается следующим образом:
Si=Qi*Kz,
где Qi – количественное значение слота.
Д ля расчета рейтинга предприятия применяется аддитивная свертка показателей, хотя структура моделей позволяет применять и другие (более сложные) методы, исходя из потребностей моделирования.
Модель учебного заведения (УЗ)
Данная модель может быть представлена следующим образом:
U = R(H, S, P, I, Ts, T, L),
где U – учебное заведение как субъект рынка труда;
R – рейтинг учебного заведения в ИСУР;
Н – история учебного заведения – качественный параметр, включающий в себя оценки длительности существования учебного заведения, общественное и государственное признание деятельности учебного заведения и другие сведения о развитии учебного заведения с момента его создания;
S – структура учебного заведения – качественный параметр, необходимый для оценки возможностей учебного заведения по подготовке кадров и охвату предметных областей;
P – преподавательский состав – параметр, включающий в себя как качественные, так и количественные характеристики персонала учебного заведения. Для описания этого слота предпочтительно применение модели специалиста;
I – инфраструктура – качественный параметр, существенно влияющий на выбор конкретного учебного заведения при других равных условиях. Включает в себя наличие в учебном заведении различных культурных, медицинских, транспортных и других учреждений;
Ts – трудоустройство – интегрированный количественно-качественный параметр, отражающий наличие трудоустройства по окончании обучения, количество трудоустроенных выпускников, условия трудоустройства;
Т – техническая оснащенность – интегрированный количественно – качественный показатель, отражающий степень автоматизации процесса обучения, наличие наиболее современного оборудования соответствующего профилю учебного заведения;
L – юридический статус – показатель, который служит для описания статуса учебного заведения, например, наличие государственной аккредитации, военной кафедры и т.д.
Качественные показатели могут быть представлены в количественном виде путем свертки экспертных оценок по шкале, соразмерной количественным показателям. Например, для показателя «Инфраструктура»
где Ki – рейтинг i-го параметра оценки:
К1 – наличие общежития;
К2 – благоприятное экологическое расположение;
K3 – транспортная доступность;
К4 – наличие транспортной доставки до места работы;
К5 – бесплатное питание сотрудников; и так далее,
n – количество параметров.
Количество параметров оценки может изменяться произвольно, в зависимости от потребностей моделирования.
Каждый слот и/или параметр имеет вес (коэффициент значимости) Kz. Следовательно, рейтинг i-го слота рассчитывается следующим образом:
Si=Qi*Kz,
где Qi – количественное значение слота.
Для расчета рейтинга предприятия применяется аддитивная свертка показателей, хотя структура моделей позволяет применять и другие (более сложные) методы, исходя из потребностей моделирования.
Рейтинг учебного заведения может быть рассчитан следующим образом:
,
где Si – рейтинг параметра оценки, например:
S1- уровень технической оснащенности учебного заведения:
К1= число ЭВМ / число студентов;
S2 - наличие общежития;
S3 – благоприятное экологическое расположение;
S4 – развитая инфраструктура;
S5 – транспортная доступность;
S6 - наличие военной кафедры;
S7 - трудоустройство после окончания учебы;
n – количество параметров.
Количество параметров оценки может изменяться произвольно, в зависимости от потребностей моделирования.
Информационные модели базовых понятий
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.
М одель специальности
Рейтинг специальности может быть рассчитан следующим образом:
где Ki – рейтинг параметра оценки, например:
К1 – востребованность специальности:
К1 = число трудоустроившихся по данной специальности/число выпускников;
К2 – конкурс на данную специальность (в данном ВУЗе и/или регионе):
К2 = число подавших заявление/число мест;
К3 – потребность в данной специальности: К3= число заявок о вакансиях/ число выпускников;
n – количество параметров – может меняться произвольно в зависимости от потребностей моделирования.
Слот «Востребованность» может заполняться данными (рассчитываться) из моделируемой системы или данными, полученными из внешних источников.
Слоты «Учебный план» и «Преподавательский состав» являются интегрированными. Они имеют многоуровневую структуру и представляются в следующем виде:
Данное представление учебного плана позволяет не только получить лабильную структуру модели, но и анализировать набор дисциплин с целью совершенствования и модернизации процесса обучения. Междисциплинарные связи (М) позволят задавать степень взаимозависимости предметов, что дает возможность моделировать результат обучения с учетом как можно большего количества факторов.
Модели «Специальность», «Учебное заведение», «Требования» являются интегрированными, поэтому для них расчет рейтинга обязателен. Начальные рейтинги назначаются параметрам – слотам, входящим в состав интегрированного слота. При наличии многоуровневой структуры слота, его оценка также рассчитывается исходя из рейтинга параметров элементарных вершин.
Слот «Преподавательский состав» является наложением модели «Учебный план» на модель специалиста, так как описания кадрового состава строятся в соответствии с моделью «Специалист».
Модель знаний
Данная модель является наиболее важным звеном интеллектуальной среды с точки зрения обеспечения инвариантности системы. Модель может быть представлена в виде:
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) 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).
Значения на всех уровнях слота «Знание» влияют на интегрированную оценку совокупности знаний специалиста. Степень влияния можно задавать на этапе моделирования конкретной прикладной области.
Модель объединяет в себе теоретические и практические знания выбранной прикладной области. Таким образом, для применения всех моделей в конкретной прикладной области (специальности) достаточно заполнить слоты модели понятиями из этой области. Более подробно конкретные примеры применения будут рассмотрены в главе 3 данной книги.
Слот «Результат» является необязательным (то есть может быть пустым), что объясняется инвариантностью предложенных моделей. Далеко не в каждой предметной области возможно формальное описание результатов деятельности и /или применения определенных знаний. Однако произвольное изложение результатов допустимо практически в любой области знаний.
С лот «Результат» описывается моделью следующей структуры:
Наиболее важным слотом в модели «Результат» является слот «Дескриптор». Для описания результатов применения знаний в произвольной предметной области предлагается ввести следующую классификацию (список приведен в порядке возрастания частоты использования при моделировании):
Выбор одного варианта из предложенного списка результатов. Этот дескриптор применим для предметных областей с хорошо формализованными и/или изученными вариантами результатов, причем эти варианты являются взаимоисключающими. Результат этого вида предлагается называть «Уникум».
Выбор нескольких вариантов из предложенного списка результатов. Этот дескриптор также применим для предметных областей с хорошо формализованными и/или изученными вариантами результатов, однако условие взаимоисключения на список результатов не накладывается. Результат этого вида предлагается называть «Альтернатива».
Указание числовой характеристики результата. Дескриптор применятся в случаях, когда возможно использование какой – либо единицы измерения результата. Результат этого вида предлагается называть «Число».
Указание символьной (фиксированной длины) характеристики результата. Необходимость использования этого дескриптора обусловлена тем, что может появиться вариант описания результата с помощью какого-либо наименования или понятия. Результат этого вида предлагается называть «Имя».
Описания результата символьным массивом произвольной длины (текст). Произвольная длина обеспечивает возможность описания результатов в плохо формализуемых предметных областях. Результат этого вида предлагается называть «Сочинение».
Описание результата с приложением текстовых, графических и других объектов в качестве реального представления применения знаний (схемы, рисунка, проекта, макета и т.д.) Результат этого вида предлагается называть «Проект».
Комплексные описания, представляющие собой комбинацию других видов дескрипторов. Этот вид описания наиболее сложен с точки зрения моделирования, но часто его применение является необходимым в любой предметной области. Результат этого вида предлагается называть «Комби».
Слот «Срок» служит для описания динамики результатов. Так как определенное знание может применяться неоднократно, результатов может быть несколько. Анализ динамики результатов необходим для построения картины развития знаний, а также для выводов о стабильности результатов. Слоты «Вид» и «Уровень» необходимы лишь в некоторых областях знаний, то есть они могут быть незаполненными.
Модель «Результат» не является индивидуальной для каждой предметной области. Эта особенность позволяет использовать готовые модели результатов для новых областей знаний. Модель «Результат» применима для создания модулей тестирования.
Модель требований
Д ля описания слота «Требования» используется структура, аналогичная той, которую имеют слоты «Учебный план» и «Преподавательский состав», – дерево требований. Этот способ описания позволяет систематизировать информацию о требованиях, что заметно увеличивает возможности поиска и подбора. Структура дерева и количество уровней могут меняться произвольно в зависимости от количества требований, их специфики и сложности описания.
Комплексные информационные 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 (далее по тексту «общие модели»). В состав комплексных информационных моделей входят:
М одель вакансии (МВ)
МВ можно представить в следующем виде:
V = R (S, E, T, P, O),
где V – вакансия;
R – описание вакансии (резюме + рейтинг);
S – профессия;
E – предприятие;
T –требования к претенденту;
P – стоимость труда;
O – ограничения при приеме на вакансию.
Рейтинг, входящий в описание вакансии, оценивается по 100-балльной шкале. Он вычисляется путем свертки рейтингов параметров. Для простоты в концепции применяется аддитивная свертка (среднее арифметическое), хотя при конкретной разработке МВ могут быть предложены другие методы:
R=,
где n – количество параметров;
i – номер параметра;
Ri – рейтинг i-го параметра.
Рейтинг параметра (вес) может быть назначен экспертом (группой экспертов). Это применимо к таким параметрам как уровень образования, срок обучения, форма обучения, конкурс, стоимость обучения, вид получаемого документа. Кроме прямого назначения весов также возможен расчет рейтинга. Например, для рейтинга требований и ограничений.
Модель образовательной услуги (МОУ)
МОУ можно представить в следующем виде:
U = R (S, L, V, T, F, K, P, D, O),
где U – образовательная услуга;
R – описание образовательной услуги (резюме + рейтинг);
S – специальность;
L – уровень образования;
V – учебное заведение;
T – срок обучения;
F – форма обучения;
K – конкурс (количество человек на место);
P – стоимость обучения;
D – вид получаемого документа;
O –требования к абитуриенту.
Рейтинг, входящий в описание образовательной услуги, оценивается по 100–балльной шкале. Он вычисляется путем свертки рейтингов параметров. Для простоты в концепции применяется аддитивная свертка (среднее арифметическое), хотя при конкретной разработке МОУ могут быть предложены другие методы:
R=,
где n – количество параметров;
i – номер параметра;
Ri – рейтинг i-го параметра.
Рейтинг параметра (вес) может быть назначен экспертом (группой экспертов). Это применимо к таким параметрам как уровень образования, срок обучения, форма обучения, конкурс, стоимость обучения, вид получаемого документа. Кроме прямого назначения весов также возможен расчет рейтинга.
Модель специалиста
Модель специалиста (МС) является основной моделью интеллектуальной среды управления ресурсами рынка труда.
Подробное описание этой модели будет приведено в главе 3 данной книги.
Модель взаимодействия предприятий и образовательных учреждений на рынке труда
Модель решения проблемы обучения специалиста
Модель решения кадровой проблемы предприятия
2.2.2. Методы
Общая схема методов представлена на рисунке 2.2.
Р ис. 2.2.
Создание унифицированного описания специалистов
и вакансий
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:
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)
анализ существующих данных с целью выявления необходимости внесения изменений в значения параметров;
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
Формулировка задачи:
Подобрать подходящего специалиста, для данной вакансии, в соответствии с заданным критерием.
Представление задачи в терминах теории графов
Пусть множество вершин графа , состоит из 3-х подмножеств , где – множество вакансий, – множество специалистов, – множество знаний.
Множество связей отражает связи между соответствующими вершинами:
так связи между вершинами и , принадлежащими множеству ( связи), 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 на вакансию (поиск максимального потока).
Пусть требуется подобрать специалиста на вакансию , для этого:
Пусть ¤ - номер текущего специалиста.
Найти поток между вершинами и в графе (Алгоритм Форда-Фалькерсона) [12]:
соединить вершины и , расположив ниже всех путей путь , и этой новой дуге придать пропускную способность равную бесконечности;
рассмотреть наивысший путь относительно дуги , найти в нем дугу с наименьшей пропускной способностью;
если такой путь найти не удалось, то завершение алгоритма, иначе удаляем дугу , и вычитаем ее пропускную способность, из пропускной способностей остальных дуг, входящий в данный путь;
переходим к шагу b.
Если просмотрены еще не все специалисты, то и перейти к шагу 2.
Специалисты соответствующие наибольшим потокам и есть искомые специалисты.
Алгоритм самообучения программы
Пусть на вакансию был выбран специалист из предложенного -элементного множества, причем в предложенном множестве специалисты имели больший рейтинг, чем .
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).
Величину каждой дуги из пересчитываем по формуле:
,
где - кол-во связей во всем графе.
Здесь коэффициент обратно пропорционален количеству связей, и, следовательно, чем больше связей, тем меньше они корректируются при самообучении.
Пусть .
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).
Величину каждой дуги из пересчитываем по формуле:
,
где – кол-во связей во всем графе.
Если , то и переход к шагу 5.
Способы задания величин
Таблица рейтинговых оценок ВолгГТУ
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 ребер используется следующая табл. 2.1.
Таблица 2.1
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 пятерки средней четверки 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 введем 2 вершины: – соответствует стажу 100 лет, – соответствует стажу 0 лет, тогда граф будет иметь вид:
4. Для логических характеристик (пол, соответствие имени специалиста заданному …) анализ производится отдельно путем сравнения, и неподходящие вершины уже не учитываются в данных алгоритмах.
Особенности метода
При добавлении новой вершины не требуется пересчитывать все пути и потоки, достаточно пересчитать пути, в которые входит новая вершина, и соответствующие им потоки.
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.
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.
Интеллектуальная среда управления ресурсами рынка труда позволяет:
моделировать взаимодействие субъектов рынка труда;
создавать банки данных специалистов, образовательных услуг и вакансий;
анализировать и прогнозировать состояние рынка труда.
Концептуальное описание включает в себя:
основные положения интеллектуальной среды;
классификацию моделей и методов, необходимых для разработки ИСУР;
ЛАВА 2
,
лоты «Учебный план» и «Преподавательский состав» являются интегрированными. Они имеют многоуровневую структуру и представляются в следующем виде: 
, 
графа 
, состоит из 3-х подмножеств 
, где 
– множество вакансий, 
– множество специалистов, 
– множество знаний.
отражает связи между соответствующими вершинами:
и 
, принадлежащими множеству 
связи), показывают, на сколько знание 
;
связи показывают, какие знания, и с какой степенью важности должен иметь специалист для получения данной вакансии;
связи показывают, какими знаниями обладает данный специалист.
наиболее подходящих специалистов на вакансию (поиск максимального потока).
, для этого:
и 
, и этой новой дуге придать пропускную способность равную бесконечности;
и перейти к шагу 2.
был выбран специалист 
из предложенного 
имели больший рейтинг, чем 
,
обратно пропорционален количеству связей, и, следовательно, чем больше связей, тем меньше они корректируются при самообучении.
.
и 
,
, то 
знает предмет 
на 80 баллов, а 
на 60.
) задаются лингвистически. При этом для получения численного веса ребер используется следующая табл. 2.1.
для каждого потока, при этом не потребуется их заново находить при работе алгоритма самообучения.