CC BY
1Оценка соответствия специалиста «инженер-экономист в сфере транспорта» требованиям работодателя методом нечеткой логики
fO
сч о сч
о ш m
X
3
<
m О X X
Анисимова Мария Владимировна
помощник менеджера по закупкам, ГК «Снабжение-Производство», maria_an55@mail.ru
Артеева Валерия Семеновна
ассистент Высшей инженерно-экономической школы, ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», arteeva_vs@spbstu.ru
Схведиани Анги Ерастиевич
канд. экон. наук, доцент Высшей инженерно-экономической школы, Санкт-Петербургский политехнический университет Петра Великого, shvediani_ae@spbstu.ru
Попова София Дмитриевна
ассистент Высшей инженерно-экономической школы, ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», popova_s@spbstu.ru
В условиях внедрения цифровых технологий в транспортную сферу во всем мире и модернизации транспортных систем, которые представляют одно из наиболее приоритетных направлений развития Российской Федерации, становится все более актуальным вопрос о наличии в транспортной отрасли специалистов, обладающих профессиональными навыками и компетенциями, востребованными на рынке труда. В образовательных учреждениях возникает потребность в разработке образовательных программ, соответствующих требованиям работодателей в сфере транспорта. В статье рассматривается методический подход, позволяющий оценить соответствие компетенций, формируемых у специалиста «инженер-экономист в сфере транспорта» в рамках магистерской программы СПбПУ 27.04.07_03 «Экономика и транспортное планирование экосистем», требованиям, предъявляемых работодателями. Для применения метода нечеткой логики к оценке соответствия была разработана шкала оценки степени соответствия нечетких значений переменной «соответствия компетенций» требованиям работодателей (Work Suitability), а также создано от 25 до 625 правил для каждой из систем уравнений в зависимости от количества входных данных. По результатам анализа методом нечеткой логики, с применением метода «центра тяжести» для дефаззификации данных, было определено, что набор компетенций будущего мультидисципли-нарного специалиста - «инженера-экономиста в сфере транспорта», является достаточным для выполнения трудовых функций и соответствует требованиям работодателей.
Ключевые слова: транспорт, высшее образование, компетенции, рынок труда, нечеткая логика, транспортный специалист
Исследование профинансировано Советом по грантам Президента Российской Федерации в рамках проекта МК-1969.2022.2.
Введение
В современной эпохе технического прогресса и активного перехода к цифровой экономике наблюдается интенсивное развитие цифровых технологий. Эти изменения резко воздействуют на повседневный образ жизни, создавая потребность в новых специалистах, что в свою очередь требует адаптации существующих образовательных программ и уровня профессиональной квалификации работников [1].
Исследователи в области компетенций и образования транспортных специалистов отмечают, что специалист в области транспортных систем должен обладать высокой образовательной и профессиональной самостоятельностью, в процессе своей будущей профессиональной деятельности постоянно развивать свои компетенции и осваивать новые. В частности, ему необходимо обладать развитыми исследовательскими навыками, быть готовым к решению постоянно возникающих новых задач, и предлагают авторский подход к формированию учебно-профессиональной самостоятельности будущих специалистов транспорта, направленный на развитие исследовательских умений [2]. Также важным аспектом является развитие цифровых навыков, в том числе цифровой грамотности у специалистов [3]. Особое внимание уделяется потребности в сочетании участия в научно-исследовательских работах, что позволяет использовать различные методы анализа информации, тестировании разных научных подходов к исследованиям, и практического опыта, который способствует расширению профессиональных навыков и совершенствованию умений будущих специалистов в области транспорта [4].
Следовательно, проблема изучения компетенций, необходимых современному специалисту в транспортной сфере для повышения его конкурентоспособности на рынке труда, и также анализ соответствия получаемых навыков, приобретаемых в процессе образования, требованиям работодателей, остается актуальной задачей, особенно в контексте России.
Целью исследования является разработка подхода, позволяющего оценить соответствие компетенций, закладываемых в специалиста «инженер-экономист в сфере транспорта» требованиям, предъявляемым работодателями.
Методология исследования
На основе анализа иностранных источников и профессиональных стандартов было выявлено 10 групп основных навыков и компетенций, которые, предположительно необходимы для получения необходимой квалификации в области «инженер-экономист в сфере транспорта». Выявленные навыки были классифицированы в четыре масштабные категории: «Статистический анализ и программирование», «Специальные навыки», включающие в себя навыки транспортного планирования и моделирования и знания об основном нормативно-правовом обеспечении транспортных проектов, «Управление проектам», в том числе позволяющее давать экономическую оценку проектам, и «Мягкие навыки». Эти результаты использовались в качестве основы для разработки учебного плана магистерской программы СПбПУ 27.04.07_03 «Экономика и транспортное планирование экосистем».
Далее, для более точного определения навыков и получения актуальных запросов рынка труда, был проведен онлайн-
опрос среди целевой аудитории, которая включала в себя работодателей и экспертов в области транспортного развития. Опрос проводился с использованием платформы Google Forms. Результаты опроса были обработаны с помощью метода нечеткой логики, что позволило оценить соответствие компетенций, которые получают студенты во время обучения, требованиям работодателей.
Метод нечеткой логики довольно часто применяется для исследований в сфере образования. Этот метод был в том числе применен для оценки соответствия компетенций, приобретенных работниками, компетенциям, необходимым для выполнения их рабочих функций [5], и в оценке уровней эксперт-ности специалистов в приобретенных навыках [6].
Для исследования компетенций была применена треугольная функция принадлежности как отражающая наибольшую степень неопределенности. В общем виде функция представлена в виде формулы (1).
0,х < а
ц(х) =f{x) =
х - а
ö - а с - х
с - I
,а<х <ö ,ö <х <с
Множество значений Наименование Описание
0,0-0,25 Не соответствует требованиям работодателя (Not suitable) Не способен выполнять трудовые функций, специалист обладает исключительно теоретическими знаниями в проектной деятельности и транспортном планировании, коммуникационные способности специалиста на базовом уровне.
0,0-0,50 Практически не соответствует требованиям работодателя (Hardly suitable) Испытывает значительные трудности в выполнении трудовых функций, специалист обладает достаточными теоретическими знаниями, а также первичными навыками в областях ведения проектов, транспортного моделирования, способен выдвигать некоторые идеи по решению проблем и обосновывать их.
0,с<х
где a, b, c — числовые параметры, удовлетворяющие условию a<b<c.
Для обработки результатов опросника была построена переменная Y (в программном коде будет представлена под названием W) - «соответствие компетенций инженера-экономиста в сфере транспорта требованиям работодателей», в качестве переменной х были взяты наименования оценки компе-тентностного профиля выпускника - инженера-экономиста в сфере транспорта, а именно уровни владения навыками всех укрупненных групп навыков.
Шкала нечетких значений переменной Y представлена в таблице 1. Факторами, влияющими на переменную Y, являлись требуемые уровни владения группами компетенций: «Статистический анализ и программирование» (ST), «Управление проектами» (PM), «Специальные навыки» (SP), а также «Мягкие навыки» (SF). Для укрупненных групп компетенций также было необходимо предварительно рассчитать значение уровней владения навыками. Для этого для каждой укрупненной группы навыков была создана система, где входными данными являлись значения уровня владения навыками малых групп. Уровни владения навыками, составляющие малые группы, рассчитывались на основе входных данных, полученных на основании опроса - значимости группы навыков (significance) и требуемого уровня сложности навыков (difficulty).
Таблица 1
Шкала нечетких значений переменной Y
0,25-0,75 Частично соответствует требованиям работодателя (Normal) Может испытывать незначительные затруднения в выполнении трудовых функций, специалист владеет всеми базовыми навыками для обеспечения трудовой деятельности, может работать в программных продуктах и выступать в роли активного члена команды.
0,5-1,0 Соответствует требованиям работодателя (Suitable) Способен выполнять трудовые функций без затруднений, специалист уверенно владеет навыками по всем направлениям работы, умеет моделировать и интерпретировать полученные результаты, обладает системным мышлением и способен презентовать проекты
0,75-1,0 Полностью соответствует требованиям работодателя (Highly suitable) Выполняет трудовые функций на высоком уровне, специалист владеет навыками разработки проектов развития транспортной инфраструктуры и их оценки на продвинутом уровне, обладает высоким уровнем способностей по подготовке проектной документации, способен вносить стабильный вклад в работу команды
Наименование переменных, использованных при расчете, возможные значения и методы их получения представлены в таблице 2.
Таблица 2
Переменная Обозначение в модели Значения Метод получения
Значимость группы навыков (Significance) Si, Pi, ti, Ii, Oi, ri, ei, Ci, ps1, twi 0-5 Расчет среднего значения оценок респондентов
Требуемый уровень сложности навыков (Difficulty) o2, r2, e2, c2, ps2, tw2 1-5 Расчет среднего значения наивысших оценок респондентов
Требуемый уровень владения группой навыков (Skillset competence) S, P, T, L, O, R, E, C, PS, TW [0...1] Инструментальный расчет
Требуемый уровень владения укрупненной группой навыков (Large skillset competence) ST, SP, PM, SF [0...1] Инструментальный расчет
Соответствие компетенций требованиям работодателей (Work Suitability) W [0.1] Инструментальный расчет
Обозначения: s - Статистический анализ; р - Статистические пакеты и языки программирования; t - Транспортное планирование и моделирование; 1 - Нормативно-правовое обеспечение; о - Организация проекта; г - Управление рисками; е - Экономическая оценка; с -Коммуникативные способности и навыки презентации; ps - Решение проблем; tw - Работа в команде.
После описания переменных были сформированы функции для интерпретации нечетких лингвистических переменных в определенных математических выражениях: W = fW(ST,SP,PM,SF),
5Т = [5Т (5, Р), 5Т = [5Р(Т,1), РМ = ¡РМ(Р,Я,Е), 5¥ = (С, РБ,ТШ).
Также любая из функций для малой группы навыков в общем виде выглядит следующим образом:
Х = [Х(хьх2),
где X, Х1 , Х2 - обозначение переменных для малых групп навыков в общем виде.
X
го m
о
м о м
CJ
fO
сч о cs
о ш m
X
3
<
m О X X
Вычисления были проведены в программном продукте MATLAB с использованием метода Мамдани - управления комбинацией факторов с помощью набора лингвистических правил [7].
После получения значения способности справиться с задачами для каждой из групп компетенций, было определено влияние групп факторов внутри укрупненной группы (потребовалось до 125 правил для укрупненных групп, состоящих из 3 малых групп навыков (см. рис. 1б), и 25 правил для укрупненных групп, включающих в себя 2 малые группы навыков). Пример правила: если специалист владеет навыками высокой сложности и значимость этих навыков для исполнения трудовой функции высока, то специалист владеет группой навыков на высоком уровне.
В качестве итоговой системы была создана схема, включавшая в себя на входе 4 укрупненных группы для получения итогового значения соответствия будущего специалиста требованиям работодателей. Для выполнения вычислений в данной системе было разработано 625 правил.
На рисунке 1а представлена схема фаззификации значений соответствия трудовым функциями для укрупненных групп для получения значения соответствия выпускаемого специалиста требованиям в целом. На рисунке 1б представлена Л-функция принадлежности для выходных данных.
хххх
1С Analysis and Pngiammng (S)
xxxx
Prefect Marvagerem (St
'XYXX
Work Surtabi ity (5)
1а
Результаты
Значение переменной соответствия требованиям работодателя составило 0,75, наблюдается пересечение в областях «соответствует требованиям» и «полностью соответствует требованиям» (см. рисунок 2). После получения числового значения для переменной «соответствие компетенций инженера-экономиста в сфере транспорта задачам работодателей», необходимо привести его к лингвистическому значению.
В соответствии с описанной ранее шкалой значений для данной переменной, инженер-экономист в сфере транспорта должен уверенно владеть навыками по всем направлениям работы, уметь моделировать и интерпретировать полученные результаты, владеть навыками разработки проектов развития транспортной инфраструктуры и их оценки и способен их презентовать, может исполнять функции наставника и руководителя команды. Специалист должен обладать высоким уровнем способностей по разработке методик и подготовке цифровой проектной документации способен мотивировать команду и эффективно коммуницировать внутри нее.
1
0.9 0.8 0.7
о.е
0.5
а. 0.4
=з
О
0.3 0.2 0.1
Рисунок 1 - Схема входов-выхода для применения нечеткой логики с четырьмя переменными (1а) и Функция принадлежности выходных значений (1б)
На рисунке 1б видно, что для переменных существуют области, пересекающиеся друг с другом, в которых они переходят из одной категории в другую. Для получения итогового значения зависимой переменной соответствия компетенций требованиям работодателей (Work Suitability) был применен метод полной интерпретации (иначе, метод «центра тяжести»).
О 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.0 О.Э 1 Work Suitability
Рисунок 2 - Дефаззификация методом «центра тяжести»
Резюмируя полученный профиль инженера-экономиста в сфере транспорта, можно сделать вывод, что такой специалист:
- имеет глубокое понимание своей области, а также знания и опыт в смежных сферах;
- владеет инструментарием работы с данными;
- владеет методами проектного управления;
- умеет производить оценку возможностей и рисков;
- владеет инструментами визуализации для доступной презентации своих идей;
- имеет системное мышление и умеет решать задачи различной сложности;
- способен эффективно общаться и работать в команде.
Таким образом, по результатам данного исследования
специалист отвечает требованиям работодателей, предъявляемым в условиях цифровизации.
Заключение
В ходе исследования был разработан и опробован подход к проведению анализа соответствия сформированного компе-тентностного профиля специалиста идентифицированным требованиям работодателей на основе обработки результатов анкеты методом нечеткой логики в программном обеспечении MATLAB. По результатам анализа было выявлено соответствие компетенций будущего специалиста требованиям работодателей, достаточное для выполнения трудовых функций.
Метод нечеткой логики оказался эффективным инструментом анализа соответствия компетенций будущего специалиста требованиям работодателей в сфере транспорта. Этот метод позволил учесть неточность и лингвистические особенности входных данных, что важно, учитывая, что требования работодателей и компетенции специалистов не всегда могут быть точно выражены в числовых значениях. Результаты исследования свидетельствуют о том, что компетенции, приобретаемые в рамках образовательной программы СПбПУ, соответствуют или даже превосходят требования, предъявляемые работодателями на рынке труда.
Оценка соответствия компетенций специалистов требованиям работодателей подчеркивает актуальность и эффективность образовательной программы, разработанной для подготовки будущих специалистов «инженер-экономист в области транспорта». Это свидетельствует о том, что образовательное учреждение успешно адаптировало свою программу к потребностям современного рынка труда.
Полученные результаты могут послужить основой для дальнейшего совершенствования образовательных программ и повышения качества подготовки специалистов в сфере транспорта.
Литература
1. Harris I., Wang Y., Wang H. ICT in multimodal transport and technological trends: Unleashing potential for the future //International Journal of Production Economics. - 2015. - Vol. 159. - P. 88-103. https://doi.org/10.1016/j.ijpe.2014.09.005
2. Perezva E., Mironenko S. The formation of computer literacy and information culture among future specialists of the transport industry //Editorial Board. - 2017. - P. 93. DOI 10.26697/9789669726094.2017.93
3. Golubchikova M. G. et al. Research component in training of transport specialists //IOP Conference Series: Materials Science and Engineering. - IOP Publishing, 2020. - Vol. 918. - №. 1. - P. 012173.
4. Dundiuk A. Y. Ways of forming professional competence of future specialists of motor transport //Sciences of Europe. - 2018. - №. 29-3 (29). - P. 34-40.
5. Houé R., Grabot B., Tchuente G. Fuzzy logic in competence management //Proceedings of the 7th conference of the European Society for Fuzzy Logic and Technology. - Atlantis Press, 2011. - P. 651-656. https://doi.org/10.2991/eusflat.2011.124
6. Otero L. D., Otero C. E. A fuzzy expert system architecture for capability assessments in skill-based environments //Expert Systems with Applications. - 2012. - Vol. 39. - №. 1. - P. 654-662. https://doi.org/10.1016/jeswa.2011.07.057
7. Sivanandam, S. N. et al. Introduction to fuzzy logic using MATLAB. - Berlin : Springer, 2007. - Vol.1.
Assessment the compliance of a specialist «engineer-economist in the field of transport» with the employer's requirements using the fuzzy logic method
Anisimova M.V., Arteeva V.S., Skhvediani A.E., Popova S.D.
GK "SNABZHENIE PROIZVODSTVO", Peter the Great St. Petersburg Polytechnic University
JEL classification: C01, C02, C1, C4, C5, C6, C8_
In the context of the global adoption of digital technologies in the transportation sector and the modernization of transportation systems, which represent one of the top priority areas of development in the Russian Federation, the question of having professionals in the transportation industry possessing the skills and competencies demanded by the labor market is becoming increasingly pertinent. Educational institutions are faced with the need to develop educational programs that align with the requirements of employers in the field of transportation.
This article discusses a methodological approach that allows for the assessment of the correspondence between the competencies acquired by a «engineer-economist in the field of transport» during SPbPU master program 27.04.07_03 «Economics and transportation planning of ecosystems», and the requirements set by employers.
Based on the analysis conducted using the fuzzy logic method and employing the «center of gravity» method for defuzzification of data, it was determined that the set of competencies of future multidisciplinary specialists, «engineer-economist in the field of transport », is sufficient for performing job functions and aligns with employer requirements.
Keywords: transport, higher education, competencies, labor market, fuzzy logic, transport specialist
References
1. Harris I., Wang Y., Wang H. ICT in multimodal transport and technological trends: Unleashing potential for the future //International Journal of Production Economics. - 2015. - Vol. 159. - P. 88-103. https://doi.org/10.1016/j.ijpe.2014.09.005
2. Perezva E., Mironenko S. THE FORMATION OF COMPUTER LITERACY AND INFORMATION CULTURE AMONG FUTURE SPECIALISTS OF THE TRANSPORT INDUSTRY //Editorial Board. - 2017. - P. 93. DOI 10.26697/9789669726094.2017.93
3. Golubchikova M. G. et al. Research component in training of transport specialists //IOP Conference Series: Materials Science and Engineering. - IOP Publishing, 2020. - Vol. 918. - №. 1. - P. 012173.
4. Dundiuk A. Y. Ways of forming professional competence of future specialists of motor transport //Sciences of Europe. - 2018. - №. 29-3 (29). - P. 34-40.
5. Houé R., Grabot B., Tchuente G. Fuzzy logic in competence management //Proceedings of the 7th conference of the European Society for Fuzzy Logic and Technology. - Atlantis Press, 2011. - P. 651-656. https://doi.org/10.2991/eusflat.2011.124
6. Otero L. D., Otero C. E. A fuzzy expert system architecture for capability assessments in skill-based environments //Expert Systems with Applications. -2012. - Vol. 39. - №. 1. - P. 654-662. https://doi.org/10.1016Zj.eswa.2011.07.057
7. Sivanandam, S. N. et al. Introduction to fuzzy logic using MATLAB. - Berlin : Springer, 2007. - Vol.1.
X X О го А С.
X
го m
о
м о м
CJ
