Метод интеллектуальной поддержки принятия управленческих решений в корпоративных экспертных сетях

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В работе подробно рассмотрен метод, обеспечивающий интеллектуальную поддержку автоматизации процессов, связанных с извлечением, структурированием и использованием информации и знаний об инновациях, проектах и экспертах. Данный метод включает в себя ряд алгоритмов, направленных на извлечение инноваций, их анализ и отбор, организацию процесса формирования проектов для внедрения выбранных инноваций и команд для совместного выполнения таких проектов, актуализацию компетенций исполнителей проектов. Также метод включает онтологию компетенций, используемую данными алгоритмами. Проведенные экспериментальные исследования показали повышение эффективности управленческих решений в корпоративных экспертных сетях за счет использования разработанного метода с точки зрения качественных и количественных критериев.

Об авторах

Михаил Владимирович Петров

Федеральное государственное бюджетное учреждение науки «Санкт Петербургский Федеральный исследовательский центр РАН»

Автор, ответственный за переписку.
Email: mikhail.petrov@iias.spb.su

научный сотрудник, кандидат технических наук

Россия, Санкт-Петербург

Список литературы

  1. Miranda S., Orciuoli F., Loia V., Sampson D. An ontology-based model for competence management // Data & Knowledge Engineering. 2017. vol.107. pp. 51-66.
  2. Omar M.N., Fayek A.R. Modeling and evaluating construction project competencies and their relationship to project performance // Automation in Construction. 2016. vol. 69. pp. 115-130.
  3. Чигрина А.А., Волков О.С., Багратиони К.А., Прилипко А.Г. Организационная детерминация групповой осознанности членов команд IT проектов // Информационные Технологии и Вычислительные Системы. 2019. №2. С. 62-74.
  4. Nikitinsky N. Improving Talent Management with Automated Competence Assessment: Research Summary // Proceedings of the Scientific-Practical Conference “Research and Development 2016”. 2018. pp. 73-82.
  5. Брумштейн Ю.М., Дюдиков И.А. Модели оптимизации подбора ресурсов при управлении совокупностью проектов с учетом зависимости качества результатов, рисков и затрат // Вестник Астраханского Государственного Технического Университета. Серия: Управление, Вычислительная Техника и Информатика. 2015. №1. С. 78-89.
  6. Ларичев О.И. Проблемы взаимодействия человекЭВМ в системах поддержки принятия решений // Процедуры оценивания многокритериальных объектов. 1984. №9. С. 20–28.
  7. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974. 256 с.
  8. Китаев Н.Н. Групповые экспертные оценки. М.: Знание, 1975. 64 с.
  9. Bui T.X. Co-oP: A Group Decision Support System for Cooperative Multiple Criteria Group Decision Making / Ed. by G. Goos, J. Hartmanis. Berlin: Springer-Verlag, 1987. 250 pp.
  10. Loufrani-Fedida S., Saglietto L. Mechanisms for Managing Competencies in Project-Based Organizations: An Integrative Multilevel Analysis // Long Range Planning. 2016. vol. 49. pp. 72-89.
  11. Kholoshnia V.D., Boldyreva E.A. The System for Finding the Least Resource-Intensive Path in Twoor ThreeDimensional Space Using Machine Learning // CEUR Workshop Proceedings. 2020. Vol. 2590. pp. 110.
  12. Bachtadze N., Kulba V., Nikulina I., Zaikin O., Żylawski Mathematical Model and Method of Analysis of the Personal and Group Competence to Complete the Project Task // IFAC-PapersOnLine. 2019. vol. 52. pp. 469-474.
  13. Liang S., Rijke M. Formal language models for finding groups of experts // Information Processing & Management. 2016. vol. 4. pp. 529-549.
  14. Karimi-Majd A., Mahootchi M., Zakery A. A reinforcement learning methodology for a human resource planning problem considering knowledge-based promotion // Simulation Modelling Practice and Theory. 2017. vol.79. pp. 87-99.
  15. Саати Т.Л. Принятие решений при зависимостях и обратных связях: Аналитические сети. М.: URSS, 2019. 360 с.
  16. Figueira J., Mousseau V., Roy B. ELECTRE methods // Multiple criteria decision analysis: state of the art surveys. 2005. pp. 609–637.
  17. Ройзензон Г. В. Синергетический эффект в принятии решений // Системные исследования. Методологические проблемы: Ежегодник 2011-2012. 2012. С. 248-272.
  18. Ларичев О.И. Вербальный анализ решений. М.: Наука, 2006. 181 с.
  19. Ижбулатова О.В. Управление компетенцией персонала как основа формирования стратегии управления человеческими ресурсами // Вестник Академии экономической безопасности МВД России. 2009. №8. С. 118-122.
  20. Слепцова Е.В., Туманова М.Ю. Управление компетенциями в системе управления персоналом // Экономика устойчивого развития. 2018. №3(35). С. 293-297.
  21. Абрамова Е.А. Создание модели компетенций для совершенствования бизнес-процессов управления персоналом // Современные наукоемкие технологии. Региональное приложение. 2020. №4(64). С. 8-13.
  22. Гладина Т.Д. Изменение традиционного мышления и компетенций при построении взаимоотношений работодателей и работников в современной рыночной культуре России // Традиции и инновации в пространстве современной культуры. 2017. С. 17-19.
  23. Ployhart R.E., Moliterno T.P. Emergence of the Human Capital Resource: A Multilevel Model // Academy of Management Review. 2011. vol. 36. pp. 127-150.
  24. Абазиева К.Г., Воронина А.В., Гончарова С.Н. Модель компетенций персонала в аспекте управления изменениями // Наука и образование: хозяйство и экономика; предпринимательство; право и управление. 2019. №4(107). С. 36-39.
  25. Canavan D., Scott P.S., Mangematin V. Creative professional service firms: aligning strategy and talent // Journal of Business Strategy. 2013. vol. 34. pp. 24-32.
  26. Serditov V.A., Kanevcev M.V. Stages of development of human competences // Современный менеджмент: проблемы и перспективы. 2016. С. 193-196.
  27. Петров М. Формирование группы исполнителей для совместного решения задач: основанный на компетенциях метод и его реализация // Научный вестник НГТУ. 2019. Том 75, № 2. С. 49–68.
  28. Petrov M., Kashevnik A. Expert competence level adjustment based on the project participation: method and evaluation // Journal of Management Information and Decision Sciences, Allied Business Academies. 2021. Vol. 24(8). pp. 1–16.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».