Развитие средств информационного обеспечения решения задач подготовки кадров
Автор: Олейник Андрей Григорьевич, Ломов Павел Андреевич
Журнал: Ученые записки Петрозаводского государственного университета @uchzap-petrsu
Рубрика: Экономика
Статья в выпуске: 7 (120) т.2, 2011 года.
Бесплатный доступ
Кадровое обеспечение, информационное обеспечение, онтология
Короткий адрес: https://sciup.org/14750027
IDR: 14750027
Текст статьи Развитие средств информационного обеспечения решения задач подготовки кадров
Первоочередной задачей системы профессионального образования является обеспечение социально-экономической системы высококвалифицированными кадрами, способными эффективно решать профессиональные задачи в динамичных современных условиях. Именно такие кадры будут «по-настоящему интересны работодателям и готовы к участию в модернизации экономики» [8]. Очевидна необходимость высокой адаптивности системы профобразования, ее способности достаточно оперативно и гибко реагировать на изменение потребностей рынка труда предложением адекватных образовательных услуг. В противном случае крайне проблематично обеспечение софинансирования системы профобразования со стороны бизнес-сообщества. Как уже отмечали авторы [3], [6], дополнительной сложностью, присущей региональным системам профобразования на Севере России, является ограниченность как числа потенциальных абитуриентов, так и материальных и преподавательских ресурсов для реализации образовательных процессов, что выдвигает особо жесткие требования к рациональному использованию в этих регионах имеющихся образовательных ресурсов. Современные информационные технологии обеспечивают возможность создания адекватных средств информационной и аналитической поддержки решения задач организации деятельности и планирования развития региональных систем профессионального образования. В работе [3] в качестве инструмента аналитической поддержки представлены разработанные авторами средства имитационного моделирования. Настоящая работа посвящена результатам, полученным авторами в области создания средств информационной поддержки.
СРЕДСТВА СРАВНИТЕЛЬНОГО АНАЛИЗА ОБРАЗОВАТЕЛЬНЫХ СТАНДАРТОВ
Необходимость сравнительного анализа образовательных стандартов может возникнуть при решении различных задач. В частности, при рассмотрении вопроса о возможности перевода студентов на другую специальность. Приказом Министерства образования РФ № 1272 от 26 марта 2001 года [7] предусматривается необходимость ликвидации академической задолженности, возникающей при переводе из-за различий образовательных программ, учебных и рабочих планов. Наличие и объем задолженности во многом определяются учебным заведением на основании сравнения структуры и содержания дисциплин, которые изучены студентом, и дисциплин, которые необходимо было изучить в рамках рабочего плана специальности, на которую переводится студент. На основании выявления сходных по содержанию, но различных по названиям дисциплин могут быть приняты решения об организации потоковых лекций для студентов различных специальностей, что позволит учебному заведению сократить затраты на реализацию учебного процесса. Сравнение стандартов необходимо и при оценке возможностей открытия новых специальностей, программ дополнительного образования и повышения квалификации.
Возможность создания средств автоматизированного сравнения государственных образовательных стандартов (ГОС) обусловлена структурированностью текста этих документов. Инструментальная система сравнения содержания стандартов реализована средствами среды Visual Studio с использованием языка программирования C# и СУБД Microsoft SQL Server.
Для реализации алгоритмов сравнения текстовые файлы ГОС загружаются в реляционную
базу данных, которая состоит из трех взаимосвязанных таблиц: «Направления»; «Специальности» и «Стандарты». Первые две таблицы предназначены для хранения данных из классификатора направлений и специальностей высшего и среднего профессионального образования. В полях таблицы «Стандарты» размещаются данные из раздела ГОС, содержащего описание содержания образовательной программы. Следует отметить, что в базе можно разместить как стандарты нового поколения, так и предыдущего. Алгоритм загрузки стандарта в базу данных основан на поиске в тексте ключевых слов, определяющих границы конкретных разделов стандарта, и размещении фрагментов текста этих разделов в соответствующие поля таблицы «Стандарты».
Применение типовых процедур систем управления базами данных к данным, представленным в таблицах «Направления» и «Специальности», обеспечивает оперативный выбор и при необходимости формирование целевых групп объектов для проведения сравнения. Входные данные для алгоритмов сравнения выбираются из таблицы «Стандарты» на основе фильтров, формируемых пользователем в диалоговом режиме с использованием специальных форм инструментальной системы.
Ниже представлены варианты сравнения, реализуемые инструментальной системой.
Сравнение «по одной дисциплине» позволяет выяснить, в стандартах каких специальностей присутствует заданная дисциплина и в рамках каких циклов она изучается. В качестве входов для процедуры задается дисциплина из анализируемого стандарта и список специальностей, с которыми проводится сравнение. Развитие процедуры сравнения по одной дисциплине позволяет оценить совпадение состава дисциплин в различных стандартах в процентном соотношении, а также сформировать сводку о совпадающих и различных дисциплинах в каждом из циклов для двух специальностей. В первом случае результат сравнения представляется в виде таблицы, в которой указан перечень специальностей, с которыми проходило сравнение, и процент совпадения дисциплин, изучаемых в каждом цикле. Во втором случае выводится таблица, в которой для каждого цикла представлены три столбца: дисциплины, входящие в оба стандарта; дисциплины, представленные только в 1-м стандарте; дисциплины, представленные только во 2-м стандарте. Следует отметить, что в указанных вариантах критерием сравнения является название дисциплины, а ее содержание не анализируется. Поэтому полученные результаты будут достаточно формальными и в большинстве случаев могут рассматриваться как предварительные. Тем не менее они позволяют ограничить набор специальностей, для которых имеет смысл проводить более детальный анализ содержательной части образовательных программ.
Сравнить специальности по содержанию циклов дисциплин позволяет процедура, в рамках которой реализуется сопоставление текстов стандартов, определяющих либо наполнение дисциплины, либо знания, умения и навыки, которые студент должен получить в ходе освоения образовательной программы. Однако и данная процедура не обеспечивает сравнение содержания стандартов по смыслу, она осуществляет поиск одинаковых слов в соответствующих текстах и рассчитывает процент совпадений по каждому циклу. Разработанная инструментальная система сравнительного анализа образовательных стандартов проходит апробацию в Кольском филиале ПетрГУ
Формального сравнения состава образовательных программ бывает достаточно при решении целого ряда задач, некоторые из них были указаны в начале настоящего раздела. Но только анализ семантики наполнения образовательных программ позволяет более реально оценить их близость. Например, в цикле общепрофессиональных дисциплин стандарта 2000 года специальности «Автоматизированные системы обработки информации и управления» имеется дисциплина «Базы данных», а в стандарте 2005 года специальности «Информационные системы и технологии» - дисциплина «Управление данными» [1], которые при формальном анализе будут считаться различными. В то же время специалисту достаточно очевидно довольно большое сходство смыслового содержания этих дисциплин, позволяющее организовать их преподавание в одном потоке без нарушения требований стандартов.
ИСПОЛЬЗОВАНИЕ ОНТОЛОГИЧЕСКИХ МОДЕЛЕЙ В ИНФОРМАЦИОННОЙ ПОДДЕРЖКЕ РЕШЕНИЯ ЗАДАЧ КАДРОВОГО ОБЕСПЕЧЕНИЯ
В настоящее время онтологическое моделирование находит широкое применение для представления и использования знаний в различных областях человеческой деятельности. Онтологии позволяют представить знания об объектах, сущностях и явлениях реального мира так, что они становятся пригодными для машинной обработки.
Онтологии реализуют представление об объектах как о множестве взаимосвязанных сущно стей, характеризуемых некоторым набором свойств. Данные сущности состоят между собой в определенных отношениях и формируют в соответствии с определенными признаками некоторые группы (классы). В результате описания объектов и их свойств предметная область представляется как сложная иерархическая база знаний, позволяющая производить интеллектуальную обработку данных.
Использование онтологических моделей позволяет существенно расширить функциональ- ные возможности средств информационной поддержки решения задач кадрового обеспечения, реализовать более гибкие сценарии обработки данных, направленные на повышение адаптационных возможностей системы профессионального образования.
Тезаурус разнородных онтологий кадрового обеспечения
Разработка онтологий различных предметных областей и задач является достаточно трудоемким процессом, который обычно включает этапы отбора описываемых терминов и дальнейшего определения в онтологии их свойств и отношений. Даже в случае описания одной предметной области или задачи, как правило, существует несколько способов организации понятийной системы в онтологии. Выбор того или иного способа определяет круг решаемых задач и возможности повторного использования полученной онтологии. Хорошей практикой в этом случае является использование некоторого общего основания, которое определяет не только формальную сторону описания системы понятий, но и общую методологию описания понятийной семантики, а также агрегирует понятия уже существующих и создаваемых онтологий с установлением между ними отношений, отражающих их семантическую близость. Использование такого основания позволит облегчить разработку онтологий за счет общего представления базового набора понятий, что обеспечит соответствие между описанными в онтологиях системами понятий. В итоге это создаст базу для разработки семантически интероперабельных систем. В качестве варианта реализации общего основания авторами предлагается использовать разделяемый тезаурус [2].
Тезаурус определяется как совокупность множеств элементов типа «Объект» – {Oi} , представляющих понятия исходных онтологий и связанных между собой отношениями синонимии, антонимии, гипонимии, ассоциации. С объектами сопоставляются элементы множеств тезауруса «Свойства» – {Pj} , «Значения свойств» – {Ri} и «Атомарных значений» – {Vi} , представляющие соответствующие атрибуты – {Ci} понятий – {Ai} онтологий и их значения. Для каждого элемента тезауруса также определено множество использующих его онтологий. На множествах различных элементов тезауруса заданы отношения, среди которых основными являются:
HP c ( O X O ) и ( P X P ) и ( V X V ) - отношение гипонимии,
PR c O x P - отношение принадлежности свойства объекту тезауруса,
VL e ( P x V ) и ( P x O') и ( P x R ) - отношение принадлежности свойству множества значений,
SYN c (O x O ) и (P x P) - отношение синонимии,
ASC c (O x O ) и (P x P) - отношение ассоциации.
Отношения синонимии и ассоциации атрибутированы показателями веса.
В процессе создания онтологий на основе тезауруса для разработчика очень важно понимать смысловое содержание того или иного термина в тезаурусе. При этом следует подчеркнуть, что важно отразить значение термина как в узком смысле – в контексте предметной области или отдельной задачи, так и в более широком – как некоторую сущность окружающего мира. Это позволит более точно оценить, подходит ли какой-либо термин тезауруса в каждом конкретном случае, и, соответственно, снизить количество ошибок, связанных с использованием термина в нескольких онтологиях в неверных интерпретациях. Для решения данной задачи были рассмотрены и включены в тезаурус понятия и отношения онтологий верхнего уровня: Descriptive Ontology for Linguistic and Cognitive Engineering (DOLCE) [11], Descriptions and Situations (DnS) [9]. Наряду с этим были рассмотрены и включены в тезаурус в виде функций и дополнительных отношений метасвойства методологии Ontoclean [10]. Использование элементов онтологии DOLCE и Ontoclean позволило задать в тезаурусе семантический базис, инвариантный по отношению к предметным областям. Наличие в тезаурусе метасвойств Ontoclean позволяет произвести необходимую аннотацию атрибутов и, соответственно, дополнительно подчеркнуть их семантическую значимость для определенного понятия.
На основе рассмотренных элементов в тезаурусе были определены обобщенные понятия предметной области. Они представляют абстракции сущностей, процессов и явлений, описываемых в большинстве информационных и аналитических ресурсов, используемых в задачах кадрового обеспечения. В частности, в тезаурусе были формализованы в виде атомарных атрибутов и значений фасеты общероссийских классификаторов – ОКИН, ОКЭД и др. Использование тезауруса в качестве базиса при разработке онтологий для задач кадрового обеспечения позволило облегчить и ускорить данный процесс.
Использование онтологии для решения задач кадрового обеспечения
На основе тезауруса средствами свободно распространяемой среды онтологического моделирования Protégé были разработаны онтология кадровых потребностей и онтология профессионального обучения. Основное назначение первой онтологии – информационная поддержка работодателей и работников в процессе поиска ими оптимальных условий для установления трудовых взаимоотношений. Вторая онтология призвана представить семантику организации профессионального обучения.
Понятийная система онтологии кадровых потребностей включает такие понятия, как: «Специальность», «Рабочее место», «Работник», «Уч- реждение (организация)», «Квалификационные требования» и др. Состав понятий и структура взаимосвязей являются достаточно универсальными и могут быть применены для описания кадровых потребностей различных областей деятельности. Специфика области деятельности учитывается на уровне определения атрибутов понятий (слотов) и условных взаимосвязей.
С прагматической точки зрения разработанная онтология может использоваться как своего рода «виртуальная биржа труда». Для реализации этих функций разработан комплекс встроенных интерактивно настраиваемых запросов как для потенциального работника, так и для работодателя. Каждый такой запрос представляет собой определение нового понятия в онтологии, включающее формальное описание необходимых условий, и последующее проведение процедуры логического вывода. В результате с определенным в запросе понятием соотносятся экземпляры, представляющие работодателей или работников, удовлетворяющих заданным в определении условиям.
Пользователь имеет возможность удаленного обращения к онтологии с использованием сервера, встроенного в редактор онтологий Protégé. Это позволяет нескольким пользователям оперативно вносить различные изменения в соответствии с ситуацией на рынке труда. Пользователи в этом случае разделяются на группы с целью регламентации доступа к информации. Минимальными полномочиями (просмотр иерархии классов и выполнение запросов), не требующими регистрации, наделяется любой пользователь, обращающийся к онтологии.
При разработке онтологии профессионального обучения использованы классификаторы, обеспечивающие формальную структуризацию направлений и программ профессионального образования, а также представленные в тезаурусе определения отраслей и видов хозяйственной деятельности (ОКСО, ОКПДТР, ОКОНХ, ОКВЭД и др.). Основное внимание при разработке онтологии уделялось представлению структуры процессов профессионального обучения. Верхние уровни иерархической таксономии профессионального образования образуют укрупненные группы специальностей. Они декомпозируются на направления и специальности. Структура подготовки по определенной специальности или направлению представляется графом структуры обучения, отражающим содержание образовательного стандарта. Терминальными вершинами графа являются базовые дисциплины, а также навыки и компетенции, которыми должен обладать абитуриент, успешно закончивший общеобразовательный курс. Области народного хозяйства и виды экономической деятельности представлены в онтологии укрупненно, как «потребители» выпускников системы профессионального образования. В онтологии также предусмотрено представление име- ющихся в регионе учреждений профессионального образования. Соответствующие связи отражают факт реализации определенных программ обучения каждым из образовательных учреждений.
В отличие от описанных выше процедур сравнения текстов образовательных стандартов, средства работы с онтологиями позволяют анализировать смысловые взаимосвязи понятий предметной области. Это дает возможность получения качественно новых решений задач кадрового обеспечения. Рассмотрим несколько примеров, иллюстрирующих эти возможности.
В работе [3] рассматривалась задача покрытия дефицита определенных специалистов за счет перепрофилирования студентов, обучающихся по родственным специальностям. Имитационное моделирование позволяет оперативно рассмотреть варианты перераспределения студентов и образовательных ресурсов между специальностями. Однако для реализации моделирования нужно задать начальные условия и имеющиеся ограничения. С помощью запросов к онтологии образовательных процессов можно получить необходимые для этого сведения о наличии в регионе образовательных ресурсов, которые могут быть использованы для решения задачи, и о реализуемых образовательных программах, от которых можно «забрать» студентов, уже получивших некоторый базис для новой специальности. Онтология кадровых потребностей, в свою очередь, позволит оценить наличие спроса на принимаемых к рассмотрению специалистов и определить ограничения на объемы и механизмы перепрофилирования.
Использование онтологий обеспечивает поддержку решения задач поиска кадров субъектами хозяйственной деятельности. Обращение к онтологии образовательных процессов позволяет работодателю выяснить, предусматривает ли специальность, обучение по которой прошел соискатель рабочего места, получение необходимых знаний и компетенций. Возможно также и решение обратной задачи – определение круга специальностей, в рамках которых даются требуемые компетенции. Это позволяет работодателю оценить, например, целесообразность и объем необходимых инвестиций в целевую специализацию соответствующих студентов.
Путем применения процедур вывода можно определить, какие образовательные программы и каким образом могут быть реализованы в региональной системе профобразования с использованием имеющихся образовательных ресурсов. Для решения на онтологиях подобных задач разработаны специализированные алгоритмы анализа.
ЗАКЛЮЧЕНИЕ
В настоящей работе кратко представлены некоторые результаты исследований и разработок в области создания и развития средств информационного обеспечения поддержки принятия решений в сфере организации кадрового обеспечения региональных социально-экономических систем. Авторы хотели бы особо подчеркнуть перспективность использования онтологий при создании средств поддержки принятия решений в рассматриваемой предметной области. Непосредственное обращение к семантике понятийного аппарата предметной области позволяет во многом преодолеть сложности, возникающие в связи с процессами модификации системы профессионального образования. Формирование вариантов решений с помощью средств анализа онтологий улучшит адаптационные возможности сферы профессионального образования, повысит качество прогнозирования кадровых по- требностей и расширит спектр возможных сценариев удовлетворения этих потребностей.
Благодарность
Авторы выражают благодарность студентам факультета информатики и прикладной математики Кольского филиала ПетрГУ А. И. Шишкиной, А. Н. Корккоеву, Т. Н. Авраменко, принимавшим участие в реализации представленных разработок.
Представленный материал развивает теоретические разработки и практические решения, описанные в работах [3], [5], [4] в отношении использования современных методов и технологий онтологического моделирования. Исследования были поддержаны РФФИ (проекты № 07-0796900 и № 09-07-98800-р-север-а) и Правительством Мурманской области.
Список литературы Развитие средств информационного обеспечения решения задач подготовки кадров
- Архив государственных образовательных стандартов, примерных учебных планов и программ высшего профессионального образования. Федеральный портал «Российское образование» [Электронный ресурс]. Режим доступа: http://www. edu.ru/db/portal/spe/index.htm
- Ломов П. А., Шишаев М. Г. Интеграция онтологий с использованием тезауруса для осуществления семантического поиска//Информационные технологии и вычислительные системы. 2009. № 3. С. 49-59.
- Олейник А. Г., Горохов А. В., Лексиков А. Н. Компьютерное моделирование как инструмент поддержки управления деятельностью региональной системы профессионального образования//Спрос и предложение на рынке труда и рынке образовательных услуг в регионах России: Сб. докл. по материалам Шестой Всерос. науч.-практ. интернет-конф. (28-29 октября 2009 г.). Кн. 1. Петрозаводск: Изд-во ПетрГУ, 2009. С. 169-181.
- Олейник А. Г., Лексиков А. Н. Инструментальные средства интерактивного формирования имитационных моделей деятельности региональной системы профессионального образования//Труды Института системного анализа Российской академии наук. Прикладные проблемы управления макросистемами/Под ред. Ю. С. Попкова, В. А. Путилова. Т. 39. М.: Книжный дом «ЛИБРОКОМ», 2008. С. 267-276.
- Олейник А. Г., Лексиков А. Н., Федоров А. М. Создание компьютерной модели и инструментальной среды для анализа функционирования и потенциальных возможностей региональной системы подготовки кадров//Научное обеспечение развития технобиосферы Заполярья: база знаний и пакет инновационных предложений/Отв. ред. А. Н. Виноградов. Мультимедийный информационный диск. Апатиты: КНЦ РАН, 2007.
- Олейник А. Г., Шишаев М. Г., Скуфина Т. П. О необходимости и возможности создания вуза нового типа на Европейском Севере России//Вестник Кольского научного центра РАН. 2009. № 1. С. 121-125.
- Приказ Министерства образования Российской Федерации от 26 марта 2001 г. № 1272 (зарегистрирован Министерством юстиции Российской Федерации 23 апреля 2001 г., регистрационный № 2679. Бюллетень нормативных актов федеральных органов исполнительной власти. 2001. № 18) [Электронный ресурс]. Режим доступа: http://www.edu.ru/db/mo/Data/d_01/1272.html
- Развитие профессионального образования должно стать частью процесса модернизации экономики. Сайт «Президент России» [Электронный ресурс]. Режим доступа: http://kremlin.ru/news/8785
- Gangemi A., Mika P. Understanding the Semantic Web through Descriptions and Situations//Lecture Notes in Computer Science. Vol. 2888/2003: On the Move to Meaningful Internet Systems 2003: CoopIS, DOA, and. ODBASE, 2003. Р. 689-706.
- Guarino N., Welty C. An overview of OntoClean//Handbook on Ontologies/Eds. S. Staab, R. Studer. Berlin: Springer, 2004. Р. 151-172.
- Masolo C., Borgo S., Gangemi A., Guarino N., Oltramari A., Schneider L. DOLCE: a Descriptive Ontology for Linguistic and Cognitive Engineering [Электронный ресурс]. Режим доступа: http://www.loa-cnr.it/DOLCE.html