Россия
Россия
Современные тенденции развития общества и возможности информационной инфраструктуры требуют устойчивой работы существующих моделей по выявлению конфликтов среди сотрудников в организации, а также применения новых подходов. В исследовательской работе рассмотрены отдельные слабые стороны существующих опросных методов, которые могут существенно снизить качество результатов модели. Применение искусственного интеллекта позволяет минимизировать выявленные недостатки опросных методов, обрабатывать большие объемы информации различных типов, открывая новые возможности для его использования в области управления персоналом. В данной работе исследуются актуальные проблемы опросных методов и хорошая перспектива использования искусственного интеллекта для выявления конфликтов между сотрудниками организации.
конфликтология, управление кадровыми конфликтами, скрытый конфликт, опросные данные, искусственный интеллект
1. Kraev V.M., Tikhonov A.I. Risk management in human resource management. TEM Journal, 2019, 8(4), P. 1185–1190.
2. Jan Widacki, First Attempts at Practical Use of Instrumental Lie Detection. European Polygraph. December 2019 13 (4): 203–222. DOI:https://doi.org/10.2478/ep-2019-0014
3. Mashtakov V.A., Belov V.M. Modeling of a hardware and software complex “Poligraf” based on freely distributable microcontroller platforms // Безопасность цифровых технологий. — 2021. — № 4 (103). — P. 9–19. — DOI: 10.17212/ 2782-2230-2021-4-9-19
4. Краев В.М., Тихонов А.И. Риск-менеджмент в управлении кадрами // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2016. № 8-2 (21). С. 22–25.
5. Алексеева П.А., Краев В.М. Современные модели снижения конфликтности персонала предприятий аэрокосмического комплекса // Московский экономический журнал. 2021. № 1. С. 28.
6. Краев В.М., Масич И.С., Тихонов А.И. Метод выявления скрытых конфликтных отношений между субъектами бизнес-процессов на основе парных корреляций взаимных оценок // Бизнес-информатика. 2022. Т. 16. № 3. С. 85–97.
7. Тихонов В.А., Краев В.М. Метод выявления скрытых конфликтов среди сотрудников организации // Московский экономический журнал. 2023. Т. 8. № 1.
8. Национальная стратегия развития искусственного интеллекта на период до 2030 года. Указ Президента РФ № 490 от 10.10.2019. — URL: http://www.kremlin.ru/acts/bank/ 44731
9. ГОСТ Р 59277–2020. Системы искусственного интеллекта. Классификация систем искусственного интеллекта.
10. ГОСТ Р 59276–2020. Системы искусственного интеллекта. Способы обеспечения доверия. Общие положения.
11. Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование: понятийные и логические основания искусственного интеллекта, гуманитарное знание и когнитивные исследования в информационном обществе, образовательные программы для искусственного интеллекта. М.: Ленанд, 2021, 463 с.
12. Фоломеева Т.В., Садовская Е.Д., Винокуров Ф.Н., Федотова С.В. Роль цифровых технологий в экономических решениях: искусственный интеллект и склонность к риску // Вестник Московского университета. Серия 14: Психология. 2022. № 3. С. 40–64.
13. Шапошников А.А. Перспективы использования искусственного интеллекта при проведении психофизиологических исследований // Вестник Санкт-Петербургского военного института войск национальной гвардии. 2022. № 1 (18). С. 29–32.
14. Бессонов А.А. Использование алгоритмов искусственного интеллекта в криминалистическом изучении преступной деятельности (на примере серийных преступлений) // Вестник МГЮА имени О.Е. Кутафина. 2021. № 2 (78). С. 45–53.
15. Романова Т.В., Хоменко А.Ю. Идентификация автора текста в сетевой коммуникации // Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2022. Т. 21. № 3. С. 143–157.
16. Хоменко А.Ю. Лингвистическое моделирование как основа для создания полуавтоматического атрибуционного алгоритма // Политическая лингвистика. 2022. № 3 (93). С. 90–100.
17. Хоменко А.Ю. Проблема формализации структуры языковой личности для компьютерного представления // Вопросы когнитивной лингвистики. 2021. № 2. С. 111–117.
18. Романова Т.В. Язык политкорректности: свой-чужой // Мир русского слова. 2015. № 4. С. 21–26.
19. Зверева Е.Б. Этикет деловой переписки // Инновации. Наука. Образование. 2020. № 24. С. 1986–1990.
20. Хоменко А.Ю. Лингвистическое моделирование как инструмент выявления искажений речевых навыков автора письменного речевого произведения: опыт практического исследования // Вопросы психолингвистики. 2018. № 36. С. 209–226.
21. Митрофанова Е.А., Свистунов В.М., Лобачев В.В. Цифровизация экономики как важный фактор формирования новых трендов рынка труда // Управление персоналом и интеллектуальными ресурсами в России. — 2019. — Т. 8, № 6. — С. 59–70.
