Введение Одной из основных задач научных коллективов является создание сложных научно-технических продуктов, определяемых планами работы учреждения [1]. Очевидно, что независимо от направлений исследований, вклад каждого из членов коллектива будет различным, в зависимости от их способностей и заинтересованности. В коллективах с малым количеством сотрудников проблемы определения креативных личностей не существует, поскольку потенциальные возможности каждого из членов коллектива известны руководству. Гораздо сложнее это сделать в крупных научных заведениях, в частности, в вузах [2-4]. В настоящее время существуют различные оценочные методики [5-8], однако они достаточно сложны и требуют существенных временных затрат на их проведения, а кроме того, предполагают непосредственный отрыв сотрудников для проведения такого тестирования [9].Исследования в данном направлении, характеризуемом как психология профессиональной пригодности [10], ведутся достаточно давно, в том числе и с использование метода анализа иерархий [11], но методик, позволяющих решать рассматриваемую задачу только по результатам апостериорной информации, пока не разработано. При этом следует понимать, что непосредственное привлечение субъекта к тестированию не всегда позволит получить желаемый результат. Это связано с тем, что субъект может сам того не желая, противится самому процессу тестирования, к которому его принуждают. Возникает эффект безразличия, отстраненного отношения к этому процессу [12]. Поэтому вопрос разработки методики выявления креативных личностей в больших научных коллективах является актуальным. Учитывая указанные обстоятельства, в настоящей статье представлен оригинальный подход, позволяющий выявлять креативных специалистов по результатам анализа их деятельности. В основе методики лежит известный принцип Парето [13]. 1. Организация и методы исследования В рамках общей психологии данное направление достаточно полно рассмотрено в инженерной психологии [14]. В его основе лежат способы экспресс тестирования респондентов, предполагающие проведение письменных опросов, с последующей обработкой результатов [15]. Понятно, что при охвате большой аудитории рассмотренный подход явно не продуктивен. Более того, архаизм такого способа тестирования, применительно к аудитории, включающей несколько сотен респондентов, связан с неизбежными ошибками еще на стадии обработки результатов первичного опроса [16-18]. Попытки автоматизации процесса подготовки, сбора и обработки данных тестирования предприняты в [19-20]. Предложенные в них решения достаточно интересны, поскольку основаны на элементах машинного обучения. Но при этом, как уже отмечалось, сам факт привлечения респондентов к опрос-тестированию, может негативно отразиться на результатах.С учетом указанных обстоятельств, предлагается в качестве исходной базы использовать материал, уже априорно наработанный респондентами. Так, работа в научно-учебном учреждении непосредственно связана с созданием интеллектуальных продуктов, поскольку их создание, разработка и публикация является одним из требований, предъявляемых к сотрудникам [7, 21-23]. Но даже с учетом стимулирования со стороны руководства, публикационная активность сотрудников различна. И, как правило, ее интенсивность как раз и определяется личными интеллектуальными возможностями, в том числе и креативными, респондентов.В качестве показателей деятельности сотрудников, например, преподавателей вузов, предлагается использовать категории, обоснованные в [24]. К таковым относят образовательную деятельность; учебно-методическую деятельность; научную деятельность; повышение квалификации. Данные по указанным категориям периодически собирается и корректируется руководством вуза, что позволяет исключить этап предварительного опроса респондентов. Более того, каждая из категорий имеет свою бальную оценку, что изначально создает благоприятные условия для дальнейшего исследования. Следовательно, остается только провести соответствующую обработку. Вместе с тем в [25] обосновано, что распределение преподавателей по рейтингу подчинено закону Гаусса вида ,                 (1)где Р – параметр распределения. А далее, для выявления креативной части сотрудников учреждения предложено использовать принцип Парето, согласно которому «20 % усилий дают 80 % результата, а остальные 80 % усилий – лишь 20 % результата» [25].Согласно закону Парето правильный выбор 20% самых важных действий, позволит достаточно быстро получить 80% от планируемого полного результата, причем, дальнейшее улучшение (наращивание усилий) неэффективно, поэтому может быть неоправданно [13].Применительно к рассматриваемой тематике – можно полагать, что именно порядка 20% сотрудников как раз и производят порядка 80% всего интеллектуального потенциала вуза (научного учреждения). А поскольку распределения вклада каждого из сотрудников подчиняется экспоненциальному закону, то остается только выявить координату функции ,                 (2)при которой площадь под кривой будет разделена в соотношении ¼, что, как раз и соответствует условию 20% к 80%. 2. Результаты исследования и их обсуждение В ходе проведения исследования экспериментально было установлена граничное значение координаты K, которая делит площадь, ограниченной кривой в соотношении ¼. Такой координатой является . Фундаментальность полученного значения в том, что данная координата не зависит от параметра Р, поэтому значение  является универсальным, и применимо к любым кривым, описываемых экспоненциальным законом.В качестве примера, на рис. 1 показано семейство кривых, определяемых различными значениями параметра Р: Р > 1; Р = 1; Р < 1.На графиках, представленных на рис. 1, дополнительно приведены пунктирные прямые, проходящие через координаты ,  и , которые обеспечивают разделение площади фигур, ограниченных кривыми , , , в отношении 20% к 80%, т.е. 1/4.Другой уникальной особенностью выбора координаты  является то, что по оси ординат она обеспечивает разбиение максимальной величины экспоненциального распределения в соотношении 0,56/0,44. Именно эта особенность позволяет достаточно просто произвести отбор креативных сотрудников.Таким образом, для выявления креативных личностей научно-педагогического коллектива, достаточно будет реализовать следующую последовательность действий. Во-первых, определить физически измеримые показатели, характеризующие их профессиональную деятельность. Важностью этого пункта определяется тем, что нередко о способностях сотрудника судят по общему мнению сослуживцев [27]. Однако такой подход достаточно субъективен и не всегда отображает вклад субъекта в коогнитивный потенциал коллектива [21].Во-вторых, по выбранным показателям формировать результат, характеризующий деятельность научно-педагогических сотрудников раздельно по каждой тестируемой категории. Поскольку таких категорий, по мнению авторов [7, 25], может быть несколько.В-третьих, отобрать результаты с максимальными значениями по каждой категории. Затем рассчитать порог, равный 44% для каждой категории и выбрать те показатели работников, значения которых превысили его уровень. И в итоге получим распределение респондентов в соотношении ¼. То есть все респонденты, имеющие результаты, превысившие рассчитанный порог, в соответствии с законом Парето будут составлять креативную часть коллектива, производящую порядка 80% всей интеллектуальной продукции учреждения по рассматриваемому показателю.    Рис. 1. Графики нормированных экспоненциальных распределений при различных значениях параметра Р, с указанием величины порога (рисунок авторов)Fig. 1. Graphs of normalized exponential distributions at different values of the parameter P, indicating the threshold value (figure by the authors)  Обсуждение/Заключение Разработанный способ является достаточно универсальным, поскольку его практическое приложение оправдано в тех случаях, когда обрабатываемая выборка подчиняется экспоненциальному закону. Разработанный способ достаточно прост в его применении, поскольку предполагает лишь по максимальному обрабатываемому значению установить порог, составляющий 44% от его величины. Все остальные операции будут связаны только с последовательным сравнением обрабатываемых данных с рассчитанным порогом. В практической психологии, именно результаты обработки данных играют определяющую роль в принятии окончательного решения [28], поэтому авторы надеются, что предлагаемый способ получит свое развитие и в других областях психологии, использующей различные оценочные методики [6, 29]. Дальнейшие исследования авторы связывают с формализацией деструктивных воздействий и их влияние на креативность.