Fuzzy competence model in modern startups

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

In the article it is proposed to use fuzzy competence models that allow qualitative assessments of requirements to be transformed into quantitative criteria of knowledge sufficiency. The signs of identifying a business as a startup are specified. The possibilities of applying a competence-based approach for the development of the company's staff are considered. The key problems that arise in a startup at the initial stage of business development when setting goals and objectives for the staff professional development are identified. The principles of the policy of creating a minimum viable team are described. For the distribution of roles between startup participants, a RUPOR model has been created. The possibilities of reducing resource needs with various options for consolidating roles in the RUPOR model when creating a startup staff policy are identified. The concept of a fuzzy competence model has been formed. Approaches to the assessment of competencies using a fuzzy model are proposed. The algorithm of fuzzification of competencies is describe. This is a sequence of actions to translate qualitative qualification requirements into quantitative assessments of knowledge and skills. A fuzzy linguistic variable "English Proficiency Level" is constructed. The article will be useful to specialists who create teams for the implementation of startups, as well as to personnel departments in those companies that use soft criteria for evaluating the abilities of potential employees.

作者简介

Aleksandr Bandurin

The Financial University under the Government of the Russian Federation

Email: abander@mail.ru
профессор Департамента психологии и развития человеческого капитала, доктор экономических наук, профессор

参考

  1. Азимов Ф.М. Разработка нечеткой математической модели оценки сформированности компетенций в вузе с использованием мультиагентной технологии // Интеграция науки и практики в современном мире: Материалы Международной научно-практической конференции. Чистополь, 2020. – c. 74-86.
  2. Айдынов Р.Э., Новичкова И.В., Чувашова А.С. Определение ключевых компетенций для подбора команды стартап-проекта // Бизнес-образование в экономике знаний. – 2021. – № 2(19). – c. 5-7.
  3. Анкудинов И.Г., Герасимов И.В. Оценка параметров нечеткой когнитивной модели профессиональных компетенций специалиста // Международная конференция по мягким вычислениям и измерениям. – 2021. – c. 184-185.
  4. Брагин А.Ю. Построение модели маркетинговой системы промышленной компании на основе маркетинговых компетенций // Инновации и инвестиции. – 2023. – № 3. – c. 8-87.
  5. Данилова Л.Ф., Кунц Е.Ю. Технология реализации модели нечеткого оценивания сформированности компетенций // Экономика и управление: теория и практика. – 2020. – № 3. – c. 79-87.
  6. Иванова Н.М., Серебренников С.С., Фролова В.Ю. Кадровое обеспечение инновационной деятельности в условиях цифровизации // Инновации и инвестиции. – 2020. – № 9. – c. 3-7.
  7. Кадровая политика в стартап – кого привлечь?. Biznes.komron.info. [Электронный ресурс]. URL: http://biznes.komron.info/ru/kadrovaya-politika/ (дата обращения: 04.04.2023).
  8. Катаргина Н.А. Разработка модели компетенций персонала организации в контексте формирования экономики знаний // Экономика. – 2019. – № 4. – c. 31-36. – doi: 10.14258/epb201944.
  9. Климук В.В., Дегиль В. Молодёжное предпринимательство в Республике Беларусь: анализ и направления развития // Социальное предпринимательство и корпоративная социальная ответственность. – 2022. – № 4. – c. 205-214. – doi: 10.18334/social.3.4.116628.
  10. Кунц Е.Ю., Полетайкин А.Н., Шевцова Ю.В. Реализация модели нечеткого оценивания сформированности компетенций с помощью пакета Matlab // Новые информационные технологии в образовании и науке. – 2020. – № 3. – c. 66-72. – doi: 10.17853/2587-6910-2020-03-66-72.
  11. Домшенко Н.Г., Морозова М.Н., Рубцова С.Ю., Спесивцев А.В., Лазарев В.Л. Многофакторное сравнение эффективности оценивания компетенций тестируемых на основе нечетко-возможностных моделей // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы IV Международной научной конференции. В двух частях,Том Часть 2. Красноярск, 2020. – c. 89-94.
  12. Муталимов В.А. Стартап как инструмент актуализации профессиональных компетенций студента с инвалидностью // Человек. Общество. Инклюзия. – 2021. – № 2(46). – c. 33-42.
  13. Полетайкин А.Н., Подколзин В.В., Кулешова Н.В., Кунц Е.Ю. Нечеткая дескрипторная модель оценивания выраженности индикаторов достижения компетенций // Прикаспийский журнал: управление и высокие технологии. – 2019. – № 3(47). – c. 55-69. – doi: 10.21672/2074-1707.2019.47.3.055-069.
  14. Табачук Н.П. Проектное обучение студентов вуза через подготовку социальных и образовательных стартапов // Современные проблемы науки и образования. – 2021. – № 6. – c. 70. – doi: 10.17513/spno.31334.
  15. Томских А.А., Старостина С.Е., Протасова С.В. Приоритет-2030: от универсальных компетенций к профессиональному успеху // Ученые записки Забайкальского государственного университета. – 2022. – № 2. – c. 39-47. – doi: 10.21209/2658-7114-2022-17-2-39-47.
  16. Усикова Ю.А. Разработка нечеткой модели оценивания компетенций студентов в соответствии с профессиональными стандартами // Научный Лидер. – 2021. – № 40(42). – c. 17-25.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Bandurin A.V., 2023

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».