Методика прогнозирования востребованности выпускников вузов с применением интеллектуального анализа данных

Целью настоящего исследования является разработка и экспериментальная проверка комплексной методики прогнозирования востребованности выпускников высших учебных заведений на региональном рынке труда с применением технологий интеллектуального анализа данных (Data Mining). В качестве эмпирической базы использованы годовые отчеты мониторинга трудоустройства выпускников Орловского государственного университета имени И.С. Тургенева за 2022–2024 гг., включающие сведения о численности выпускников, статусах занятости и динамике спроса по 76 укрупненным направлениям подготовки. Методика объединяет регрессионную модель случайного леса, прогнозирующую уровень трудоустройства на горизонте трех лет, и алгоритм K-means, сегментирующий образовательные программы по степени востребованности. Полученные результаты позволили классифицировать направления подготовки на кластеры «высокий», «средний» и «низкий» спрос, а также выявить тренды роста в областях информационных технологий, энергетики и машиностроения, и потенциальный спад в ряде гуманитарных специальностей. Модель продемонстрировала высокую точность (MAE = 13,33%, RMSE = 17,24%, R² = 0,78) и устойчивость к мультиколлинеарности признаков (VIF ≈ 1), что подтверждает надежность прогнозов. Предлагаемая методика рекомендована для регулярного использования вузами и региональными органами управления образованием при планировании приемной кампании, корректировке учебных планов и разработке цифровых панелей мониторинга кадровых потребностей.