Санкт-Петербургский университет ГПС МЧС России (отдел пожарной безопасности транспорта Научно-исследовательского института перспективных исследований и инновационных технологий в области безопасности жизнедеятельности, главный научный сотрудник)
Россия
с 01.01.2023 по настоящее время
Воронежская область, Россия
сотрудник с 01.01.2017 по 01.01.1925
УДК 004.62 Манипулирование данными
В статье рассматривается решение задачи повышения соответствия содержания образовательных программ потребностям рынка труда с помощью интеллектуальной поддержки принятия решений (ИППР). Предложены и сравнены две архитектуры такой СППР. Первая основана исключительно на трансформерной модели RuBERT для семантического сопоставления компетенций выпускников с требованиями вакансий. Вторая интегрирует трансформерные представления с онтологически-графовой моделью знаний о навыках (на основе таксономии ESCO), что позволяет выполнять логический вывод и формировать интерпретируемые рекомендации. Описаны методики векторизации текстов (эмбеддинги RuBERT), построения графа компетенций и расчёта показателя revealed comparative advantage (RCA) для оценки значимости навыков. Проведён эксперимент, в котором обе системы оценены по степени покрытия навыков, точности рекомендаций, полноте сопоставления, качеству интерпретируемости и возможностям логического вывода. Показано, что добавление онтологической компоненты увеличивает покрытие навыков и улучшает интерпретируемость результатов при незначительном усложнении архитектуры. Разработанный прототип СППР выявляет пробелы в учебных программах и предлагает обоснованные обновления содержания под запросы рынка труда. В заключение сформулированы выводы о преимуществах и недостатках каждого подхода, научная новизна работы, её практическая значимость и направления дальнейших исследований.
система поддержки принятия решений, образовательные программы, обработка естественного языка, онтология навыков, компетенция.
1. Васильева, Е. А. Исследование несоответствия компетенций выпускников требованиям рынка труда // Экономика образования. — 2023. — №3. — С. 45–59.
2. Кожевников, И. С. Сравнительный анализ эффективности моделей обработки естественного языка для адаптации образовательных программ к требованиям рынка труда / И. С. Кожевников, В. Ф. Дубровский // Автоматизация в промышленности. – 2025. – № 4. – С. 55-60. – EDN FVPNAD.
3. Nikolaev A., Petrova N., Ivanov D. Skill Extraction from Russian Job Vacancies Using Domain-Adaptive BERT // Proceedings of AIST 2023. — CEUR Workshop Proceedings, Vol. 3450. — 2023.
4. ruWordNet: Thesaurus for Russian WordNet-based synonymic structure. URL: https://ruwordnet.ru/
5. ESCO — European Skills, Competences, Qualifications and Occupations. URL: https://ec.europa.eu/esco/
6. O*NET Resource Center. URL: https://www.onetcenter.org/
7. Оболенский А. А., Шевченко И. П. Построение графа компетенций на основе данных вакансий HeadHunter // Информационное общество. — 2023. — №5. — С. 78–86.
8. Karakolis D., Kalamatianos J., Tsakalidis A., et al. Curriculum Design Support via Labor Market Analysis: The QualiChain Platform // Computers in Education Journal. — 2022. — V. 12, №4.
9. Nikolaev A. Adaptive Skill Recommender System for HR-Specialists Using Knowledge Graphs // In: Information Technologies in Education and Management. — 2023.
10. DeepPavlov: open-source library for NLP tasks. URL: https://deeppavlov.ai/
11. Yu R., Das S., Gurajada S., Varshney K. R., Raghavan H., Lastra-Anadon C. X. A Research Framework for Understanding Education-Occupation Alignment with NLP Techniques // Proc. of the 1st Workshop on NLP for Positive Impact (ACL). 2021. P. 100-106.
12. Файзрахманов, Р. А. Алгоритм извлечения ключевых понятий из образовательных программ ИТ-специалистов гибридным методом контекстного ранжирования / Р. А. Файзрахманов, Е. В. Долгова, И. И. Сухих // Программная инженерия. – 2025. – Т. 16, № 7. – С. 334-346. – DOIhttps://doi.org/10.17587/prin.16.334-346. – EDN RMARAZ.
13. Кожевников, И. С. Сравнительный анализ эффективности моделей обработки естественного языка для адаптации образовательных программ к требованиям рынка труда / И. С. Кожевников, В. Ф. Дубровский // Автоматизация в промышленности. – 2025. – № 4. – С. 55-60. – EDN FVPNAD.
14. Черемухин, А. Д. Анализ структуры математической подготовки специалистов в области искусственного интеллекта на основании учебных планов бакалавриата / А. Д. Черемухин, Н. Н. Колодкина // Самарский научный вестник. – 2025. – Т. 14, № 2. – С. 211-216. – DOIhttps://doi.org/10.55355/snv2025142312. – EDN PWPXFC.
15. Nadzinski G., Gerazov B., Zlatinov S., Kartalov T., Markovska Dimitrovska M., Gjoreski H., Chavdarov R., Kokolanski Z., Atanasov I., Horstmann J., Sterle U., Gams M. Data science and machine learning teaching practices with focus on vocational education and training // Informatics in Education. 2023. Vol. 22, № 4. P. 671-690.
16. Stefaniak J., Xu M. An examination of the systemic reach of instructional design models: a systematic review // TechTrends. 2020. Vol. 64, № 5. P. 710-719.
17. NLP-Based Management of Large Multiple-Choice Test Item Repositories / V. Albano, D. Firmani, L. Laura [et al.] // Journal of Learning Analytics. – 2023. – Vol. 10, No. 3. – P. 28-44. – DOIhttps://doi.org/10.18608/jla.2023.7897. – EDN QWVOJU.
18. Shaheen, Z. RuLegalNER: a new dataset for Russian legal named entities recognition / Z. Shaheen, D. I. Mouromtsev, I. Postny // Scientific and Technical Journal of Information Technologies, Mechanics and Optics. – 2023. – Vol. 23, No. 4. – P. 854-857. – DOIhttps://doi.org/10.17586/2226-1494-2023-23-4-854-857. – EDN CVZMBH.
19. Tomaszuk, D. PGO: Describing Property Graphs in RDF / D. Tomaszuk, R. Angles, H. Thakkar // IEEE Access. – 2020. – Vol. 8. – P. 118355-118369. – DOIhttps://doi.org/10.1109/access.2020.3002018. – EDN FSAHJT.
20. A scoping review of auto-generating transformation between software development artifacts / D. Siahaan, R. Fauzan, A. Widyadhana [et al.] // Frontiers in Computer Science. – 2024. – Vol. 5. – DOIhttps://doi.org/10.3389/fcomp.2023.1306064. – EDN AIYGRK.
21. Zhou, T. Semantic Relatedness Enhanced Graph Network for aspect category sentiment analysis / T. Zhou, K. M. Y. Law // Expert Systems with Applications. – 2022. – Vol. 195. – P. 116560. – DOIhttps://doi.org/10.1016/j.eswa.2022.116560. – EDN LFVJBO.
