Способ автоматической оценки квалификации и компетенции сотрудников

Изобретение относится к области информационных технологий, а именно к способам анализа неструктурированных данных, и может быть использовано в области кадровой аналитики для управления компетенциями в организации. Техническим результатом является повышение точности оценки квалификации и компетентности сотрудников за счет автоматизации процесса оценки квалификации и компетентности всех данных о сотрудниках. Способ включает автоматический сбор и первоначальную обработку исходных данных о сотрудниках, анализ неструктурированных массивов текстовых данных, преобразование данных, создание на основе полученных факторов модели компетенций, определение компетенций, имеющихся у сотрудника, определение степени развития компетенции по предварительно заданной шкале, определение квалификации сотрудника по предварительно заданной шкале, определение глобальных сфер применения компетенций, определение локальных сфер применения компетенций, составление консолидированных отчетных документов на основе проведенного анализа. 4 ил.

 

Заявляемое изобретение относится к области информационных технологий, а именно к способам анализа неструктурированных данных, и может быть использовано в области кадровой аналитики для управления компетенциями в организации.

Рынок систем кадровой аналитики в области управления персоналом находится на подъеме - современная модель управления персоналом, основанная на компетенциях, позволила разработать различные виды моделей компетенций, которые используются в ведущих мировых системах управления талантами. Алгоритмы лингвистического анализа данных в данный момент активно начинают применяться в области управления персоналом и талантами; их использование способно решать имеющиеся проблемы, как, например:

- оценка и предсказание производительности сотрудников;

- выявление лучших специалистов;

- группировка специалистов по навыкам.

Однако в настоящее время для оценки компетенций используются зачастую устаревшие и субъективные методы. Необходимость повышения качества оценки компетенций и их применения явилась мотивацией для разработки патентуемого способа.

Известен документ US 2012278713 (МПК G06F 3/048, опубл. 01.11.2012), содержащий описание способа и системы оценки компетенций, повышения профессионального уровня и оптимизация качества работы. Это решение относится к управлению компетенциями в организации и, более конкретно, к обучению, оценке и управлению индивидуальной и коллективной компетенциями в организации с использованием распределенной компьютерной системы.

Способ включает выполнение компьютерного теста, по меньшей мере, одним пользователем и определение уровня компетенции на основании, по меньшей мере, одного из вариантов ответа, полученного в результате компьютерного теста. Кроме того, вариант ответа включает в себя множество вариантов ответа, а способ включает вычисление общей оценки на основании множества вариантов ответов.

Основные компетенции участника (работника) оцениваются с помощью инструмента оценки компетенций в соответствии со способом оценки компетенции (СА 2752404, опубл. 29.03.2012), который включает: формирование тестовой оценки компетентности, направленной на выбор основной компетенции, и включающий в себя множество вопросов, и, при необходимости, требование выполнения множества задач; задание пороговой экспертной оценки участника; обеспечение тестовой оценки компетентности для первого эксперта в основной компетенции для получения первой фактической экспертной оценки участника; если первая фактическая экспертная оценка участника больше, чем пороговое значение, выполняется проверка достоверности теста оценки компетентности; если первая фактическая экспертная оценка участника равна или меньше, чем пороговое значение, выполняется тест оценки компетентности для второго специалиста в основной компетенции, чтобы получить вторую фактическую экспертную оценку участника; и если вторая фактическая оценка участника равна или меньше порогового значения, тест оценки компетентности не проверяется.

Во втором аналоге оценка компетенции ведется уже на более точной основе, поскольку введен инструмент сравнения.

Недостатками указанных аналогов можно указать: недостаточная точность оценки, связанная с неполнотой исходной информации, используемой для оценки компетенции сотрудника, что значительно влияет на качество оценки и правильность принимаемого решения. В частности, в аналогах не учитываются такие источники, как результаты анализа текста, показывающего качество создаваемых сотрудником документов. Кроме того, получаемые отчетные документы ограничены в применении для принятия решений в области управления персоналом - на их основе нельзя построить исчерпывающее досье для сотрудника и сделать для него план развития.

Задачей настоящего изобретения является создание полностью автоматизированного способа оценки квалификации и компетенции сотрудников с обеспечением следующего технического результата, а именно, повышение автоматизации при одновременном повышении точности оценки квалификации и компетенции сотрудников.

Поставленная задача решена за счет того, что способ автоматической оценки квалификации и компетенции сотрудников включает осуществление с помощью модуля автоматизированного сбора и обработки данных о сотрудниках сбора и первоначальной обработки исходных данных о сотрудниках, включающих текстовые, числовые и категориальные типы данных из документов, личных карточек сотрудников и любых информационных систем организации, содержащих вышеупомянутые типы данных о сотрудниках, анализа неструктурированных массивов текстовых данных на основе лингвистических техник извлечения данных и методов машинного обучения, обеспечивающих поддержку процессов формализации и извлечения знаний, с последующей агрегацией по сотрудникам, преобразование с помощью модуля преобразования агрегированной информации данных из личных карточек и данных о пройденных профессиональных тестах и обработанных текстовых и метатекстовых данных в факторы модели оценки компетенций и сфер применения компетенций сотрудников путем применения статистических методов.

Далее с помощью модуля автоматической оценки квалификации, компетенций и сфер их применения сотрудника осуществляют создание на основе полученных факторов модели компетенций путем предварительно заданных условий определения наличия компетенции у сотрудника, определение компетенций, имеющихся у сотрудника, согласно модели компетенций путем анализа текстовых документов, созданных сотрудником, и информации о сотруднике, полученной в результате преобразования информации в факторы модели оценки компетенций и сфер применения компетенций сотрудников, определение степени развития компетенции по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов, определение квалификации сотрудника по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов, результатов определения степени развития компетенции сотрудника, определение глобальных сфер применения компетенций, выраженных в виде названий направлений деятельности, путем классификации текстов, созданных сотрудниками, определение локальных сфер применения компетенций, выраженных ключевыми словами, путем кластеризации текстов, созданных сотрудниками, и подсчета количества документов, созданных сотрудником в рамках сферы применения компетенций, составление консолидированных отчетных документов на основе проведенного анализа и передачу их в модуль рекомендательной контентной системы, модуль информационного поиска сотрудников по заданным критериям квалификаций и компетенций, модуль автоматического информационного поиска сотрудников со схожими сферами применения компетенций, модуль автоматического формирования каталога сотрудников на основании их компетенций, сфер применения компетенций и созданного ими контента.

Таким образом, всей совокупностью существенных признаков изобретения достигается повышение автоматизации, поскольку все этапы способа реализуются с помощью автоматизированных модулей и полностью исключено вмешательство пользователя.

Одновременно с этим повышается точность оценки квалификации и компетенции сотрудников, за счет сбора большего количества исходных данных, построения модели компетенций и осуществления этапов способа с применением модулей, реализующих большее количество методов анализа и определения компетенций, и дополнительного проведения оценки квалификации и оценки сферы применения компетенций, т.е. сотрудника оценивают по большему количеству входных данных и на выходе получают комплексные результаты, определяя еще и область, в которой сотрудник может успешно ее применять, а также его общий уровень квалификации.

Досье, например, в аналогах возможно составить только на основании текущих оцененных компетенций. В заявляемом способе в досье может быть внесено больше знаний о сотруднике (текущих оцененных компетенций и квалификаций и сфер применения компетенций сотрудника, план развития), а это упрощает/ускоряет принятие решений в сфере управления компетенциями и кадровой аналитике, в целом.

Сущность заявляемого способа и его практическая реализация поясняется нижеследующими схемами и описанием:

На Фиг. 1 представлена схема заявляемого способа, на фиг. 2 представлена блок-схема системы, реализующей заявляемый способ, на фиг. 3 и 4 представлены иллюстрации отчетов по примерам.

Способ автоматической оценки квалификации и компетенции сотрудников включает следующие стадии (Фиг. 1 и 2).

Автоматический сбор и первоначальная обработка исходных данных о сотрудниках, включающих текстовые, числовые и категориальные типы данных из документов, личных карточек сотрудников и любых информационных систем организации, содержащих вышеупомянутые типы данных о сотрудниках, осуществляется с помощью модуля автоматизированного сбора и обработки данных о сотрудниках с использованием технологий формализации и извлечения данных из слабоструктурированной информации в сети и базы данных (БД) предприятия (далее - модуль АСОД), предназначенного для автоматизированного сбора и анализа данных о сотрудниках организации.

На вход модуля АСОД поступают документы текстовых форматов сотрудников из различных источников, включая файловое хранилище, внутренние БД и электронную почту. Кроме того, в АСОД подается информация о сотрудниках из информационных систем предприятия и личных карточек сотрудников.

На выходе модуль АСОД передает обработанные документы (включая текст, ключевые слова, направления и метаданные документа), а также агрегированную информацию о сотрудниках.

Таким образом, модуль АСОД обеспечивает автоматическое извлечение данных из файлового хранилища (личные папки, электронная почта, корпоративная база данных) и информации из внутренних баз данных и из имеющихся информационных систем предприятия, а также передачу данных в сопряженные модули.

Модуль АСОД обеспечивает краулинг, экстракцию и индексацию данных.

Метод индексации обеспечивает индексацию документов сотрудников для последующего осуществления полнотекстового поиска в системе, реализующей заявляемый способ и основывается на поисковике Apache Solr, входящем в библиотеку Apache Lucene.

На основе метода краулинга и его подметодов осуществляется сбор документов, созданных сотрудниками, из электронной почты, БД и сетевых папок, соответственно, и сбор информации о сотрудниках из их личных карточек и информационных систем предприятия. Из собранных данным методом документов с помощью метода экстракции осуществляется экстракция текста и метаданных.

Метод краулинга включает ряд подметодов, которые обеспечивают анализ и сбор информации из корпоративной почты, сетевых папок и корпоративной БД соответственно:

а) Подметод краулинга почты

Анализ и сбор документов из почты осуществляется с помощью библиотек стандартной поставки JEE. Для подключения к IMAP-серверу используется средства JavaMail API (com.sun.mail.imap) для подключения к серверу по протоколу SSL IMAP (Internet Message Access Protocol).

б) Подметод краулинга сетевых папок

Модуль АСОД, имея на входе список адресов сетевых папок сотрудников, обходит их через определенные промежутки времени и собирает все документы, которые не были ранее собраны и, таким образом, отсутствуют в базе данных (т.е. осуществляется проверка дубликатов).

в) Подметод краулинга корпоративной БД

Метод экстракции осуществляет экстракцию текста из собранных краулером документов, например, из текстовых документов форматов.doc, .docx, .xls, .xlsx., .ppt, .odt, .txt, .pdf, .rtf. Работа метода основана на свободно распространяемом инструменте анализа содержимого Apache Tika, позволяющем проводить выделение метаданных и текста из множества различных текстовых форматов данных.

Затем с помощью модуля АСОД анализируют неструктурированные массивы текстовых данных на основе лингвистических техник извлечения данных и методов машинного обучения, обеспечивающих поддержку процессов формализации и извлечения знаний, с последующей агрегацией по сотрудникам. Анализ происходит путем построения семантического пространства и классификации с помощью автоматического классификатора.

Непосредственно построение семантического пространства состоит из трех этапов:

а) Построение терм-документной матрицы

В основе построения семантического пространства лежит построение частотной матрицы, которая отражает связь между списком лемм и корпусом документов, в которых встречаются леммы. В этой матрице строки соответствуют леммам, а столбцы - документам. В каждой ячейке матрицы содержится вес леммы в документе.

б) Сингулярное разложение

Сингулярное разложение позволяет понизить размерность исходной матрицы (аппроксимировать исходную матрицу с помощью матрицы меньшего ранга).

в) Формирование результата

Результатом сингулярного разложения являются три матрицы: одна имеет r-мерный вектор для каждой леммы в корпусе, другая содержит r-мерный вектор для каждого документа, третья, размерности r, содержит сингулярные значения. Первые две матрицы определяют два различных векторных пространства, которые также отличаются от пространства, определяемого исходной терм-документной матрицей.

Для каждой леммы и документа записывается свой вектор семантического пространства.

На полученном в итоге семантическом пространстве возможно производить семантический поиск, выделение ключевых слов и кластеризацию.

Метод классификации с помощью автоматического классификатора обеспечивает присвоение документам направлений исследований (например, физика, химия и т.п.), а также выделение ключевых слов из документов с помощью автоматического классификатора, использующего иерархическую структуру научных направлений.

На следующем этапе с помощью модуля преобразования агрегированной информации (далее - модуль ПАИ) преобразуют данные из личных карточек и данных о пройденных профессиональных тестах и обработанных текстовых и метатекстовых данных в факторы модели оценки компетенций и сфер применения компетенций сотрудников путем применения статистических методов.

Входными данными модуля ПАИ являются данные из личных карточек сотрудников, их навыки, проеденные им тесты, созданные ими документы (включая текст, метаданные, направления и ключевые слова).

Часть данных преобразуется в текстовый формат обмена данными и передается в модуль автоматической оценки квалификации, компетенций и сфер их применения сотрудника (далее - модуль АОККСП): общий трудовой стаж; стаж на предприятии; количество созданных за время работы на предприятии документов; количество выполненных ключевых показателей; уровень образования; должность; отдел, в котором работает сотрудник; типы текстов сотрудника (отчет о НИОКР, публикация и т.д.), результаты всех профессиональных тестов, пройденных сотрудником за время работы на предприятии; непосредственно тексты сотрудника; авторов каждого из текстов (для учета соавторов); оценку качества текста другими сотрудниками. Затем эти данные преобразуются в текстовый формат обмена данными и передаются в модуль АОККСПК.

Документы, созданные сотрудником, аккумулируются таким образом, что для каждого сотрудника получаются 3 массива данных, представляющих: тексты документов; ключевые слова документов; направления документов.

Эти массивы данных преобразуются в текстовый формат обмена данными и передаются в модуль АОККСПК.

На следующем этапе с помощью модуля АОККСПК создают на основе полученных факторов модели компетенций путем предварительно заданных условий определения наличия компетенции у сотрудника. Затем определяют компетенции, имеющиеся у сотрудника, согласно модели компетенций путем анализа текстовых документов, созданных сотрудником, и информации о сотруднике, полученной в результате преобразования информации в факторы модели оценки компетенций и сфер применения компетенций сотрудников, и определяют степени развития компетенции по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов.

Оценка компетенций в модуле АОККСПК происходит следующим образом. Сначала рассчитывается основной элемент оценки компетенции, представляющий собой совокупность методов и расчетов, которые определяют наличие определенной компетенции и предварительную степень ее развития. То есть, по сути, происходит выявление компетенции и приблизительный подсчет степени ее развития. Затем рассчитывается модифицирующий элемент оценки компетенции, который изменяет в лучшую или худшую сторону предварительную степень развития компетенции, полученную в результате расчета основного элемента оценки компетенции. То есть, по сути, происходит сама оценка компетенции.

Описанный метод обеспечивает оценку компетенции согласно формуле оценки компетентности, состоящей из двух элементов: основного и модифицирующего.

Для каждой компетенции основной элемент оценки компетенции - разный. Этот элемент представляет собой совокупность методов и расчетов, которые определяют наличие определенной компетенции и предварительную степень ее развития. Максимальная и минимальная степени развития зависят от выбранной шкалы оценки. Степень развития задается диапазоном значений, например, максимальная степень развития - 5, минимальная - 1.

Модифицирующий элемент состоит из: модификатора базовых параметров сотрудника, указанных в его профиле (опыт работы, стаж на предприятии, факт прохождения курсов повышения квалификации и т.д.); модификатора профессиональных качеств, выражающего собой успешность прохождения специализированных профессиональных проверок на предприятии; модификатора анализа текста, выражающего собой качество создаваемых сотрудником документов.

Для каждого числового параметра, используемого в формуле (для модификатора базовых параметров, модификатора профессиональных качеств и модификатора, полученного на основе текста), производится расчет влияния данного параметра на компетенцию сотрудника относительно отдела, в котором работает сотрудник (либо всей организации). Для упрощения и ускорения расчетов и нормализации распределения все числовые параметры нормализуются от 0 до 1.

В общем виде формула оценки компетенций выглядит как:

где: - оценка компетенции сотрудника, - предварительная оценка степени развития компетенции основного элемента оценки компетенции, - модификатор базовых параметров модифицирующего элемента оценки компетенции, - модификатор профессиональных качеств модифицирующего элемента оценки компетенции, - модификатор анализа текста модифицирующего элемента оценки компетенции.

где: - максимальное значение шкалы оценки, - приведенное значение количества релевантных документов.

Формула расчета модификатора базовых параметров модифицирующего элемента оценки компетенции в общем виде:

где: - приведенный числовой параметр, - модификатор важности каждого параметра, по умолчанию равен 1, - глобальный модификатор важности элемента в формуле. По умолчанию, все элементы формулы равны по важности, поэтому .

где: - приведенный числовой параметр.

где: - приведенный числовой параметр.

Приведенные числовые параметры определяются следующим образом.

Для каждого числового параметра множества числовых параметров приведенный числовой параметр равен:

где: - множество всех значении числового параметра по отделу, - множество всех значений числового параметра по отделу, укладывающихся в рамки среднего значения плюс-минус стандартное отклонение, - среднее арифметическое значение числового параметра по отделу, - стандартное отклонение числового параметра по отделу, - минимальное значение числового параметра по отделу, - максимальное значение числового параметра по отделу.

Также с помощью модуля АОККСПК производят определение квалификации сотрудника по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов, результатов определения степени развития компетенции сотрудника. Оценка квалификации в модуле АОККСПК происходит двумя способами: рассчитывается усредненная суммарная степень развития всех имеющихся у сотрудника компетенций и рассчитывается степень соответствия сотрудника следующей должности, на которую он может претендовать в рамках организации.

Усредненная суммарная степень развития всех имеющихся у сотрудника компетенций (в процентах) отражает квалифицированность сотрудника относительно его текущего состояния. Данный тип квалификации указывается в досье сотрудника:

где: - степень развития компетенции из множества имеющихся у сотрудника компетенций {rate₁, rate₂, …, rate_n}.

Для определения степени соответствия сотрудника следующей должности, на которую он может претендовать в рамках организации (в процентах), сравниваются известные параметры, которые должен иметь сотрудник для того, чтобы претендовать на конкретную должность и имеющиеся в данный момент параметры у сотрудника. Данный тип квалификации указывается в плане развития сотрудника.

Для расчета данного типа квалификации используются два типа параметров: компетенции, в которых учитывается наличие определенных компетенций и степени их развития, и базовые параметры, в которых учитывается, например, наличие определенной ступени образования, общий стаж работы и стаж работы на предприятии.

На следующем этапе с помощью модуля АОККСПК определяют глобальные сферы применения компетенций, выраженные в виде названий направлений деятельности, путем классификации текстов, созданных сотрудниками. При этом глобальные сферы применения компетенций для сотрудника формируются как множество направлений всех документов, созданных этим сотрудником.

Здесь же определяют локальные сферы применения компетенций, выраженных ключевыми словами, путем кластеризации текстов, созданных сотрудниками и подсчета количества документов, созданных сотрудником в рамках сферы применения компетенций. Модуль АОККСПК преобразует факторы оценки сферы применения компетенций и данные из профиля пользователя в сферы применения компетенций, выраженные в виде списка ключевых слов и документов, созданных пользователем, которые в наибольшей степени выражают конкретный сферу применения компетенции. Метод оценки сферы применения компетенций характеризуется следующими шагами: используя имеющееся семантическое пространство всех документов организации, на основании факторов оценки сферы применения компетенций выделяется подпространство документов конкретного сотрудника; подпространство документов кластеризуется с помощью алгоритма кластеризации.

На основании проведенного анализа в модуле АОККСПК составляются консолидированные отчетные документы и передаются в модули представления данных в текстовом формате обмена данными.

Модули представления данных предназначены для предоставления пользователям релевантной информации для принятия решений в области кадровой аналитики и включают модуль рекомендательной контентной системы (далее - модуль РКС), модуль информационного поиска сотрудников по заданным критериям квалификаций и компетенций (далее - модуль ИПСКК), модуль автоматического информационного поиска сотрудников со схожими сферами применения компетенций (далее - модуль АИПССПК), модуль автоматического формирования каталога сотрудников на основании их компетенций, сфер применения компетенций и созданного ими контента (далее - модуль АФКС).

Модуль РКС предназначен для рекомендации сотрудникам документов, созданных другими сотрудниками, которые являются наиболее релевантными компетенциям, квалификации и сферам применения компетенций сотрудника. На вход модуля РКС поступают данные из профиля сотрудника (его компетенции, квалификация, сферы применения компетенций), контент, созданный сотрудником, а также все остальные документы организации. На выходе модуль РКС предоставляет созданный другими сотрудниками контент, соответствующий компетенциям, квалификации и сферам применения компетенций определенного сотрудника.

Модуль ИПСКК предназначен для поиска отдельных сотрудников и документов по информационному запросу, а также поиску групп сотрудников и формированию из них рабочих групп. На входе модуль ИПСКК принимает неструктурированный или частично структурированный текстовый запрос на естественном языке, а на выходе отдает, в зависимости от целей запроса, релевантные документы, компетентных сотрудников или группы сотрудников.

Модуль АИПССПК предназначен для автоматического информационного поиска сотрудников со схожими сферами применения компетенций и компетенциями. Модуль АИПССПК принимает на вход данные из профиля сотрудника (включая компетенции сотрудника, его квалификацию, сферы применения компетенций, а также индивидуальный план развития) и контент, созданный сотрудником. На выходе модуль АИПССПК отдает профили сотрудников со схожим набором навыков, сфер применения компетенций, и навыки которых соответствуют индивидуальному плану развития определенного сотрудника.

Модуль АФКС предназначен для автоматического объединения похожих по профессиональным качествам сотрудников в каталог. На вход модуль АФКС берет множество личных параметров сотрудников (компетенции, квалификацию, сферы применения компетенций и иные параметры из профилей), а также контент, созданный сотрудниками в виде семантического пространства (например, LSA). На выходе модуль АФКС предоставляет автоматически сформированный на основании компетенций, квалификации и сфер применения компетенций каталог сотрудников.

Примеры реализации заявляемого способа.

Предварительно были заданы методы определения наличия компетенции у сотрудника следующих компетенций и шкала степени их развития от 1 до 5:

- Академическое письмо,

- Работа с интеллектуальной собственностью

- Аналитика

- Разработка программного обеспечения

- Тестирование программного обеспечения

Пример 1.

Все созданные сотрудником компании Ивановым Иваном Ивановичем документы были автоматически извлечены из БД предприятия.

Были извлечены документы:

Публикации:

1. «Форма разрешения структурных диспропорций»

2. «Финансовые институты в условиях глобализирующейся экономики»

3. «Инновационно-инвестиционная система России как институциональная основа экономического роста»

Также из его личной карточки были извлечены его персональные данные:

1. Отдел - отдел исследований,

2. Должность - научный сотрудник,

3. Образование - кандидат наук,

4. Стаж работы на предприятии - 3 года,

5. Суммарный стаж работы - 4 года.

Из информационной системы организации были извлечены данные о пройденных им профессиональных тестах:

Им было пройдено 2 теста согласно его должности и образованию, результаты которых составили (6, 8 соответственно) по десятибалльной шкале.

Тест 1: Практика патентного поиска

Тест 2: Теоретические основы инвестиционной системы в России

Документы были обработаны в соответствии с заявляемым способом.

На выходе получились отчетные документы, содержащие определенные компетенции и степени их развития:

Академическое письмо (3.0)

Работа с интеллектуальной собственностью (3.0)

Глобальные сферы применения компетенций: История, Социология, Экономика.

Был определен его уровень квалификации: 60.0%

Были определены его основные локальные сферы применения компетенций, выраженные ключевыми словами:

1. Ключевые слова: основное направление регулирования, занятости, теоретическая основа отношения, кризис, труд, рынок труда, условие кризиса, развитие рынка, фактор выхода, государство.

2. Ключевые слова: инновационная инвестиционная система, инновационная инвестиционная деятельность, основа экономического роста, основа нового качества, основная тенденция, экономический рост, фактор формирования, теоретические основы.

На Фиг. 3 показана иллюстрация отчета по данному сотруднику.

Пример 2.

Все созданные сотрудником компании Петровым Иваном Сидоровичем документы были автоматически извлечены из БД предприятия.

Были извлечены документы:

Аналитические документы:

1. «К чему приведет договор между Россией и Норвегией»

2. «Анализ коррупции в сфере бизнеса»

Также из его личной карточки были извлечены его персональные данные:

1. Отдел - отдел аналитики,

2. Должность - Аналитик

3. Образование - Высшее

4. Стаж работы на предприятии - 3 года,

5. Суммарный стаж работы - 4 года.

Из информационной системы организации были извлечены данные о пройденных им профессиональных тестах:

Им был пройден 1 тест согласно его должности и образованию, результаты которого составил 5 по десятибалльной шкале.

Тест 1: Практика написания научных статей

На выходе получились отчетные документы, содержащие определенные компетенции и степени их развития:

Академическое письмо (2.0)

Аналитика (2.5)

Глобальные сферы применения компетенций: Социология, Экономика.

Был определен его уровень квалификации: 45.0%

Были определены его основные локальные сферы применения компетенций, выраженные ключевыми словами:

Ключевые слова: развитая зарубежная страна, коррупция, закупки, опыт, методический принцип, тенденция деятельности, организация, материал исследования, производство, разработка.

На Фиг. 4 показана иллюстрация отчета по данному сотруднику.

Способ автоматической оценки квалификации и компетенции сотрудников включает осуществление с помощью модуля автоматизированного сбора и обработки данных о сотрудниках сбора и первоначальной обработки исходных данных о сотрудниках, включающих текстовые, числовые и категориальные типы данных из документов, личных карточек сотрудников и любых информационных систем организации, содержащих вышеупомянутые типы данных о сотрудниках, анализа неструктурированных массивов текстовых данных на основе лингвистических техник извлечения данных и методов машинного обучения, обеспечивающих поддержку процессов формализации и извлечения знаний, с последующей агрегацией по сотрудникам, преобразование с помощью модуля преобразования агрегированной информации данных из личных карточек и данных о пройденных профессиональных тестах и обработанных текстовых и метатекстовых данных в факторы модели оценки компетенций и сфер применения компетенций сотрудников путем применения статистических методов, далее с помощью модуля автоматической оценки квалификации, компетенций и сфер их применения сотрудника осуществляют создание на основе полученных факторов модели компетенций путем предварительно заданных условий определения наличия компетенции у сотрудника, определение компетенций, имеющихся у сотрудника, согласно модели компетенций путем анализа текстовых документов, созданных сотрудником, и информации о сотруднике, полученной в результате преобразования информации в факторы модели оценки компетенций и сфер применения компетенций сотрудников, определение степени развития компетенции по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов, определение квалификации сотрудника по предварительно заданной шкале на основании данных, полученных из документов, созданных сотрудником, личной карточки сотрудника и информационных систем организации, содержащих данные о результатах прохождения сотрудником профессиональных тестов, результатов определения степени развития компетенции сотрудника, определение глобальных сфер применения компетенций, выраженных в виде названий направлений деятельности, путем классификации текстов, созданных сотрудниками, определение локальных сфер применения компетенций, выраженных ключевыми словами, путем кластеризации текстов, созданных сотрудниками, и подсчета количества документов, созданных сотрудником в рамках сферы применения компетенций, составление консолидированных отчетных документов на основе проведенного анализа и передачу их в модуль рекомендательной контентной системы, модуль информационного поиска сотрудников по заданным критериям квалификаций и компетенций, модуль автоматического информационного поиска сотрудников со схожими сферами применения компетенций, модуль автоматического формирования каталога сотрудников на основании их компетенций, сфер применения компетенций и созданного ими контента.