Как оперативно выявлять физических лиц, обладающих способностями для определенного рода успешной деятельности (на примере деятельности в области разработки программ для ЭВМ)

Автор: Хубаев Георгий Николаевич

Журнал: Бюллетень науки и практики @bulletennauki

Рубрика: Экономические науки

Статья в выпуске: 12 т.8, 2022 года.

Бесплатный доступ

Предложен оригинальный метод выявления особенностей талантливой личности. Установлено, что использование метода сравнительной оценки функциональной полноты и значимости объектов и их характеристик позволяет оценить информационный «вес» каждого из ограниченного подмножества психофизиологических показателей, характерных для физических лиц, потенциально обладающих способностями для успешной деятельности в области разработки программ для ЭВМ.

Оригинальный метод, оценка способностей, психофизиологические показатели, функциональная полнота, информационный вес

Короткий адрес: https://sciup.org/14126027

IDR: 14126027   |   DOI: 10.33619/2414-2948/85/47

Текст научной статьи Как оперативно выявлять физических лиц, обладающих способностями для определенного рода успешной деятельности (на примере деятельности в области разработки программ для ЭВМ)

Бюллетень науки и практики / Bulletin of Science and Practice

Сначала напомним, что «способности – особенности личности, являющиеся субъективными условиями … осуществления определенного рода деятельности…, обнаруживаются в быстроте, глубине и прочности овладения способами и приемами деятельности. Высокий уровень развития способности выражается понятиями таланта и гениальности» [7]. Причем, у разных личностей эти способности могут различаться весьма существенно. Так, в [1] на обширном статистическом материале установлено, что при прочих равных условиях (образование, возраст и др.) производительность труда программистов-разработчиков программ для ЭВМ может отличаться в десятки раз. А судя по величине правосторонней асимметрии распределения затрат времени на взлом защиты программных продуктов студентами выпускных курсов специальностей «Прикладная информатика» и «Организация защиты информации», не меньше отличаются по своим способностям к успешной деятельности физические лица (далее, физлица или ФЛ) и в близкой к программированию сфере) [2].

В статье представлен оригинальный алгоритм реализации метода выявления физических лиц-граждан, потенциально способных успешно разрабатывать программы для ЭВМ. Алгоритм базируется на использовании ранее разработанных автором и апробированных методов.

Алгоритм выявления физлиц, обладающих способностями для успешного осуществления определенного рода деятельности — деятельности в области разработки программ для ЭВМ.

Предположим, что в стране Q появилась необходимость в ускоренном развитии информационных и телекоммуникационных технологий. С этой целью предложено оперативно выявить максимально возможное подмножество талантливых программистов и сформировать команды разработчиков программных систем для различных отраслей экономики и управления.

Но выполнить такую задачу совсем не просто. Ведь, как показано в упомянутой работе Б. Шнейдермана, доля в общей совокупности физлиц, занятых программированием, тех , у кого есть именно такие способности, которые « обнаруживаются в быстроте, глубине и прочности овладения способами и приемами деятельности » в области программирования, к сожалению, ничтожно мала .

Предложенный алгоритм включает следующие шаги:

Шаг 1. Формирование подмножества физлиц-граждан, подтвердивших высокий уровень развития своих способностей в области разработки программ для ЭВМ. В эту группу включают победителей международных конкурсов по программированию, приглашают ведущих разработчиков программ для ЭВМ из вузов и предприятий. С использованием таблицы или датчика случайных чисел сформированную группу разделяют на две подгруппы A и B : первая подгруппа участвует в поиске « особенностей личности, являющихся субъективными условиями успешного осуществления определенного рода деятельности », а вторая предназначена для контроля правильности, вернее, для оценки успешности этого поиска.

Шаг 2. Из множества граждан страны Q с помощью датчика случайных чисел выделяют совокупность «граждане страны», отражающую реальную физическую структуру населения.

[Замечание 1. При формировании групп «лучшие программисты» (ЛП) и «обычные граждане» следует учитывать, что возрастной состав обеих групп должен быть примерно одинаковым ].

Шаг 3. Формирование множества психофизиологических показателей ( с постоянно пополняемым в процессе развития научно-технического прогресса составом показателей ).

[Замечание 2. Предполагается, что среди сформированного множества психофизиологических показателей окажется искомое подмножество таких, которые в той или иной степени характеризуют « особенности личности, являющиеся субъективными условиями успешного осуществления определенного рода деятельности » - деятельности по разработке компьютерных программ ].

Шаг 4. Оценка значений выделенных психофизиологических показателей у физлиц, сформированных на Шаге 1 и Шаге 2, и оценка средних значений показателей по всей совокупности физических лиц.

Шаг 5. Преобразование значений каждого показателя в относительные единицы (по отношению к среднему значению показателя по совокупности физлиц — Шаг 4 и Таблица 1).

Таблица 1

ЗНАЧЕНИЯ ПСИХОФИЗИОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ ФИЗИЧЕСКИХ ЛИЦ (программистов и обычных граждан)

Идентификатор ФЛ

Значения психофизиологических показателей ФЛ (абсолютные P ij и относительные Pо ij значения)

ФЛ-программисты

P 1               Pо 1         …        P m             Po m

S 1

P 11                Pо 11          …         P m 1              Po m1

S k

P 1k

о

P 1k

P mk

o

P mk

ФЛ-обычные граждане

S k+1

P 1(k+1)

Pо 1(k+1)

P m (k+1)

Po m(k+1)

S n

P 1n

о

P 1n

р

mn

o

mn

Среднее значение показателя

P 1 ср

р _

m ср

Шаг 6. Сортировка по убыванию относительных значений каждого показателя по всей совокупности физических лиц. Разбиение на децили всей отсортированной совокупности психофизиологических показателей.

Шаг 7. Выделение тех психофизиологических показателей, у которых в первом или последнем децилях оказалось большинство лучших программистов (из подгруппы A ).

Шаг 8. Объединение A и B подгрупп программистов (Шаг 1) и оценка значимости (информационного «веса») каждого из выделенных психофизиологических показателей с использованием метода «Сравнительная оценка функциональной полноты и значимости объектов и их характеристик (функций, признаков, факторов)» [3].

Шаг 9. Анализ наличия взаимосвязи между объединенными A и B подгруппами программистов по выделенному составу психофизиологических показателей и оценка вероятности успешного поиска « особенностей личности », характеризующих наличие способностей [4].

Шаг 10. Преобразование матрицы относительных значений выделенного на Шаге 7 подмножества психофизиологических показателей { P IJ } в матрицу { X IJ }, состоящую из нулей и единиц, например, X J =1 у всех программистов группы ( A + B ), у которых значения выделенных показателей попадают в первый или последний децили (в результате сортировки по убыванию относительных значений каждого показателя); X IJ =0, если у программиста относительные значения психофизиологического показателя попали в интердецильный размах.

Пусть Z = { Zi } (i=1,2,...,n) — множество программистов, сформированное на Шаге 1. Материалы преобразования количественных значений показателей представляют в виде таблицы {x jj }.

Шаг 11. Рассмотрим взаимодействие объектов (взаимодействие программистов) Z j и Z k

(i, k =1, 2,..., n) и введем следующие обозначения: Р^ — количество показателей, численные значения которых одинаковы одновременно у Zj и Zk, т.е. Pik = |Zj П Zkl — мощность пересечения множеств Zj = {xjj} и Zk = {xkj} (j Е 1,m;x j xjj, xjj = 1) ; Pj(10) — количество единиц, имеющихся у показателей Zj, но отсутствующих у Zk, т.е. Р^0 = |Zj/

Z k l — мощность разности множеств Z i = {х^} и Z k = {x kj }; Р^1 количество единиц, отсутствующих у Z [ , но имеющихся у Z k , т.е. р (01) = |Z k / Z j |.

Шаг 12. Выбрать в качестве меры рассогласования между объектами Z i и Z k величину ^ ik = Ррк 1 /(Ррк1 1 + Р:(10) ), а для оценки степени включения, «вхождения» объекта Z i в Z k ) -величину h ik = Р^/кР^ 1 + Р^°).

Построить матрицы Р = {p^^.S = {$ ik },G = {g ik },^ = {hik} (i,k E 1,n), где g ik = P (1 /(Pik 1 + Ррк° 0 + РрР 1^ — мера подобия Жаккарда.

Граф, построенный по P, S, G и H, дает наглядное представление о взаимосвязи между сравниваемыми объектами (по выбранным оценочным психофизиологическим показателям).

Пример оперативного выявления талантливых специалистов. Предположим, что стране Q требуется оперативно расширить состав талантливых специалистов, обладающих способностями в области разработки программ для ЭВМ. Причем, страна Q располагает , во-первых, ранее сформированной группой физических лиц-лучших программистов (ЛП), добившихся убедительных побед на различных международных конкурсах и показавших наличие взаимосвязи по достаточно редким значениям (попавшим в первый или последний децили) ограниченного подмножества психофизиологических показателей, и, во-вторых, большим количеством кандидатов в состав лучших программистов — КЛП (Таблица. 2 ЛП обозначены буквами Z 1 , Z 3 , Z 4 , КЛП — Z 2 , Z 5 , Z 6 ; психофизиологические показатели — S 1 - S 10 ).

Таблица 2

ФРАГМЕНТ ПСИХОФИЗИОЛОГИЧЕСКИХ ПОКАЗАТЕЛЕЙ ФИЗИЧЕСКИХ ЛИЦ – ЛП И КЛП

Физлица: ЛП, КЛП

Психофизиологические показатели

S 1

S 2

S 3

S 4

S 5

S 6

S 7

S 8

S 9

S 10

ЛП Z 1

1

1

0

0

0

0

1

0

0

0

КЛП Z 2

0

0

1

1

1

1

0

1

1

1

ЛП Z 3

1

1

0

0

0

0

1

0

0

0

ЛП Z 4

0

1

0

0

0

0

1

0

0

00

КЛП Z 5

0

1

0

0

0

0

0

0

0

0

КЛП Z 6

0

0

1

1

1

1

0

1

1

1

Расчет меры подобия Жаккарда для представленных в таблице 2 ЛП ( Z 1 , Z 3 , Z 4 ) показал достаточно тесную взаимосвязь между ними. Определить значимость (информационный вес) каждого ЛП можно, рассчитав матрицу ( P + P 2 ). В результате расчета ( P + P 2 ) оказалось, что наибольший информационный вес (ранг) имеют ЛП Z 1 и Z 3 (сумма чисел в строках 1 и 3 матрицы равна 7, а у ЛП Z 4 - единице). При этом Z 1 и Z 3 «поглощают» ЛП Z 4. Чтобы оценить возможность оперативно расширить состав ЛП за счет выбранных КЛП, рассчитаем по таблице 2 матрицу P о (Таблицу 3).

Таблица 3

РЕЗУЛЬТАТЫ РАСЧЕТА МАТРИЦЫ P о

P о

Z 1

Z 2

Z 3

Z 4

Z 5

Z 6

Z 1

0

0

1

1

1

0

Z 2

0

0

0

0

0

0

Z 3

1

0

0

1

1

0

Z 4

0

0

0

0

1

0

Z 5

0

0

0

0

0

0

Бюллетень науки и практики / Bulletin of Science and Practice Т. 8. №12. 2022

Z 6              0

0             0

0             0             0

В результате простых расчетов с использованием [5, 6] оказалось, что из 3-х КЛП только Z 5 , исходя из состава и значений своих психофизиологических показателей, может быть включен в искомое подмножество физических лиц, потенциально обладающих способностями для успешной деятельности в области разработки программ для ЭВМ.

Для определения информационного «веса» каждого психофизиологического показателя S i следует транспонировать таблицу 2 и рассчитать ( P + P 2 ).

Вывод

Пусть численность объединенной группы программистов ( A + B ) равна 100. Тогда, если оказалось, что новые потенциальные кандидаты в команду лучших программистов взаимосвязаны по таким значениям психофизиологических показателей, которые имеют 80% лучших программистов (и не более 10% населения страны), то можно предположить , что по своим особенностям личности потенциальные кандидаты смогут успешно осуществлять деятельность в области разработки программ для ЭВМ.

[Замечание 3. В тех нечастых случаях, когда, несмотря на обладание не столь удачными значениями психофизиологических показателей (нет тесной взаимосвязи с лучшими программистами по значениям выделенных показателей) личность добивается значительных успехов в « определенного рода деятельности », то сказывпется, по-видимому, положительное влияние наставника, тренера].

Заключение

  • 1.    Предложен оригинальный метод выявления физических лиц, обладающих способностями для успешной деятельности в области разработки программ для ЭВМ. Можно предположить, что метод окажется пригодным для выявления физических лиц, способных к различного рода успешной деятельности, например, при поиске талантов в области изобретательства (в отраслях промышленности) или спорта (по видам) и, возможно, в других направлениях.

  • 2.    Содержательно обоснована пошаговая процедура выделения из постоянно расширяющегося неограниченного множества психофизиологических показателей, характеризующих личность, ограниченного искомого подмножества показателей , которые характеризуют « особенности личности, являющиеся субъективными условиями успешного осуществления определенного рода деятельности » — деятельности в области разработки программ для ЭВМ.

  • 3.    Установлено, что использование метода Сравнительной оценки функциональной полноты и значимости объектов и их характеристик не только позволяет оценить информационный «вес» каждого из выделенных психофизиологических показателей (« особенностей личности »), но и обеспечивает возможность оценивать вероятность правильного выявления физических лиц, обладающих способностями для успешной деятельности в области разработки программ для ЭВМ.

Список литературы Как оперативно выявлять физических лиц, обладающих способностями для определенного рода успешной деятельности (на примере деятельности в области разработки программ для ЭВМ)

  • Шнейдерман Б. Психология программирования: человеческие факторы в вычислительных и информационных системах. М.: Радио и связь, 1984. 304 с.
  • Костин А. М. Модели и методы оценки трудозатрат на вскрытие защиты от копирования рыночных экономических информационных систем: автореф. дис.. канд. экон. наук. Ростов-на-Дону, 2009. 23 с.
  • Khubaev Georgy N. A universal method for optimizing the composition of object characteristics // Scientific research of the SCO countries: synergy and integration (Beijing, China 9 April 2019). Beijing. 2019. P. 11-19.
  • Хубаев Г. Н. Ранжирование объектов по множеству количественных показателей: универсальный алгоритм // РИСК: Ресурсы, информация, снабжение, конкуренция. 2018. №1. С. 213-217.
  • Хубаев Г. Н. Сравнение сложных программных систем по критерию функциональной полноты // Программные продукты и системы. 1998. №2. С. 6-9.
  • Хубаев Г. Н., Щербаков С. М., Аручиди Н. А. Программная система анализа сложных систем по критерию функциональной полноты. Свидетельство об официальной регистрации программы для ЭВМ. №2009615296. М.: Роспатент, 2009.
  • Универсальный энциклопедический словарь. М.: БРЭ, 2002. 1551 с.
Еще
Статья научная