Цифровой след: IT-технологии для работодателя⁠⁠

В Тюменском государственном университете (ТюмГУ) разработали метод определения профпригодности студента по его цифровому следу. Авторов поддержал Российский фонд фундаментальных исследований.

Суть ноу-хау заключается в следующем: цифровой след извлекается из текстов курсовых, дипломных и других квалификационных работ, с тематических сайтов, а также из специальных программ, применяемых в процессе обучения студентов. Полученные данные сравниваются с описанием вакансий, которые публикуют компании. Таким образом можно увидеть, насколько выпускники подходят под требования потенциального работодателя.

— Цифровой след можно расширять. Включать в него информацию об интересах студентов в социальных сетях. Указывать, в каких группах они состоят. Как они реагируют на современные тенденции и новости. Собрав большой объем данных по студентам, мы можем в том числе менять образовательные программы, — рассказала член команды разработчиков, и.о. директора Института математики и компьютерных наук ТюмГУ Марина Воробьева.

Метод уже опробовали на местных студентах-программистах. Оказалось, что 69% из них имеют представление о будущей работе, 19% имеют опыт и только 12% уверенно владеют необходимой базой знаний и умений. По словам разработчиков, следующим этапом станет расширение проекта — использование его на других направлениях и в других учебных заведениях.

Сбор цифрового следа может происходить на протяжении всего обучения студента, отметила младший научный сотрудник Института прикладной математики и телекоммуникаций РУДН Екатерина Лисовская.

— Цифровой след представляет собой набор данных о результатах деятельности студента за всё время обучения. Такими материалами можно считать презентации, аудио- и видеозаписи докладов, курсовые и выпускные работы, научные статьи, — добавила она.

Метод, разработанный в ТюмГУ, она назвала интересным. По мнению эксперта, он также поможет студенту понять, куда двигаться дальше исходя из сформированных компетенций, а университету — модернизировать содержание образовательных программ.

Цифровой след из информационной системы вуза может оказаться полезен как дополнительная информация к резюме, но только с согласия самого студента, подчеркнул директор Физтех-школы прикладной математики и информатики МФТИ Андрей Райгородский. При этом программные решения, которые позволяют собирать такие данные, уже существуют (как часть более сложных и объемных систем) — например, 1С:Университет, добавил он.

– Данные о вакансиях не дают полного представления о структуре рынка труда, они характеризуют только существующий на текущий момент дефицит кадров, — отметил руководитель направления в Центре прикладного анализа больших данных ТГУ Артем Фещенко.

Результаты проекта могут послужить для создания рекомендательного сервиса — в помощь выпускникам при поиске вакансий, релевантных содержанию дипломных работ. И наоборот, работодатель может подбирать кандидатов не только на основании резюме, предположил он.

Прямого совпадения данных о студентах с требованиями работодателей быть не может, полагает доцент Института интеллектуальных кибернетических систем Дмитрий Демидов. Обучение в вузах не предполагает детального знакомства со всеми профильными программами. А работодатели ищут специалистов с конкретными навыками. Нельзя отбраковывать студента только потому, что он не знает какую-то программу или технологию.

Студенту выгодно искать работу в организации, где найдется применение цифровому следу, который он генерирует, уверен магистрант направления математического обеспечения и администрирования ИС ТюмГу Михаил Карпов.

Цифровой след также поможет самому студенту оценить уровень своих знаний и навыков в различных областях обучения, добавил магистрант университета Давид Шенгелия. И понять, насколько он прогрессирует в процессе обучения как лично, так и относительно своей группы.

Источник