Использование нейросетевых языковых моделей для исследования востребованности профессиональных компетенций высшего образования на рынке труда

Основное содержимое статьи

С. Д. Белов
П. В. Зрелов
А. В. Ильина
В. В. Кореньков
В. А. Тарабрин

Аннотация

В работе представлены результаты развития методов сопоставления программ высшего образования и потребностей рынка труда. Данные методы разработаны авторами в рамках реализации аналитической платформы автоматизированного мониторинга рынка труда и интеллектуального анализа кадровых потребностей по номенклатуре специальностей вуза. Для анализа использовались тексты названий, уровней освоения и индикаторов достижения компетенций IT-профиля, а также векторные языковые модели с различными архитектурами и обучающими корпусами текстов. Приведено сравнение результатов и показана устойчивость методов сопоставления образовательных компетенций и потребностей рынка труда.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
1.
Белов СД, Зрелов ПВ, Ильина АВ, Кореньков ВВ, Тарабрин ВА. Использование нейросетевых языковых моделей для исследования востребованности профессиональных компетенций высшего образования на рынке труда. Системный анализ в науке и образовании [Интернет]. 1 ноябрь 2023 г. [цитируется по 25 май 2024 г.];(3):13-25. доступно на: https://sanse.ru/index.php/sanse/article/view/585
Выпуск
Раздел
Системный анализ в прикладных задачах

Библиографические ссылки

Мониторинг потребностей рынка труда в выпускниках вузов на основе аналитики с интенсивным использованием данных / П. В. Зрелов, В. В. Кореньков, Н. А. Кутовский, А. Ш . Петросян [и др.] // Труды XVIII Межд. конф. DAMDID/RCDL’2016 «Аналитика и управление данными в областях с интенсивным использованием данных», Ершово, 11-14 октября 2016. – Москва: Федеральный исследовательский центр "Информатика и управление" Российской академии наук, 2016. – С. 124-131.

Мониторинг соответствия профессионального образования потребностям рынка труда / С. Д. Валентей, П. В. Зрелов, В. В. Кореньков, С. Д.Белов [и др.] // Общественные науки и современность. – 2018. – №3. – С. 5-16.

Methods and algorithms of the analytical platform for analyzing the labor market and the compliance of the higher education system with market needs / S. Belov [et al.] // Proceedings of Science, 2022. – Conf. DLCP2022. – Pp. 028. – DOI: https://doi.org/10.22323/1.429.0028.

MEET: A Method for Embeddings Evaluation for Taxonomic Data / L. Malandri, F. Mercori, M. Mezzanzanica, N. Nobani // 2020 International Conference on Data Mining Workshops (ICDMW), 2020. – Pp. 31-38. – DOI: 10.1109/ICDMW51313.2020.00014.

An AI-based open recommender system for personalized labor market driven education / M. Tavakoli, A. Faraji, J. Vrolijk, M. Molavi [et al.] // Advanced Engineering Informatics, 2022. – Vol. 52. – Pp. 101508. – DOI: https://doi.org/10.1016/j.aei.2021.101508.

OntoJob: Automated Ontology Learning from Labor Market Data / J. Vrolijk, S. T. Mol, C. Weber, M. Tavakoli [et al.] // 2022 IEEE 16th International Conference on Semantic Computing (ICSC). –2022 Pp. 195-200. – DOI: 10.1109/ICSC52841.2022.00040.

Wowczko I. A. Skills and Vacancy Analysis with Data Mining Techniques. – Informatics. – 2015. – Vol. 2 (4). – Pp. 31-49. – DOI:10.3390/informatics2040031.

Classifying online Job Advertisements through Machine Learning / R. Boselli, M. Cesarini, F. Mercorio, M. Mezzanzanica // Future Generation Computer Systems. – Vol. 86, Issue C. – 2018. – Pp. 319-328.

Sparreboom T., Labour market information and analysis systems // Perspectives on labour economics for development, Geneva: ILO, 2013. – Pp. 255-282.

Efficient Estimation of Word Representations in Vector Space / T. Mikolov et al., [arXiv:1301.3781v3, 2013].

Bag of Tricks for Efficient Text Classification / A. Joulin, E. Grave, P. Bojanowski, T. Mikolov. // arXiv:1607.01759v3 [cs:CL] 9 Aug 2016.

BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding // J. Devlin, M.-W. Chang, Kenton Lee, K. Toutanova. // arXiv:1810.04805v2 [cs.CL] 24 May 2019. DOI: https://doi.org/10.48550/arXiv.1810.04805

Kutuzov A., Kuzmenko E. RusVectōrēs: models. – RusVectores, 2023. – URL: https://rusvectores.org/ru/models/ (дата обращения: 09.09.2023)

Блог компании SberDevices. Обучение модели естественного языка с BERT и Tensorflow // Хабр : [сайт]. – Habr, 2006–2023. – Дата публикации: 12.11.2020. – URL: https://habr.com/ru/companies/sberdevices/articles/527576/.

Cherven K., Magdy M. Mastering Gephi Network Visualization – Birmingham, UK: Packt Publishing Ltd., 2015. – 357 с.

OpenOrd • gephi/gephi Wiki // GitHub : [web platform]. – GitHub, Inc., 2023. – URL: https://github.com/gephi/gephi/wiki/OpenOrd (дата обращения: 18.10.2023).

OpenOrd: an open-source toolbox for large graph layout / S. Martin, W. M. Brown, R. Klavans, K. W. Boyack // Proc. SPIE 7868, Visualization and Data Analysis 2011. – Pp. 786806 (24 January 2011). – DOI: https://doi.org/10.1117/12.871402.

Наиболее читаемые статьи этого автора (авторов)

1 2 3 > >>