Нечеткая модель компетенций в современных стартапах

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье предложено использовать нечеткие модели компетенций, позволяющие качественные оценки требований трансформировать в количественные критерии достаточности знаний. Обоснованы и конкретизированы признаки идентификации бизнеса в качестве стартапа. Рассмотрены возможности использования компетентностного подхода для разработки мероприятий по развитию персонала компании. Выявлены ключевые проблемы, возникающие в стартапе на начальном этапе развития бизнеса при установлении целей и задач профессионального развития персонала. Описаны принципы политики создания минимальной жизнеспособной команды (МЖК). Создана модель РУПОР для распределения ролей между участниками стартапа. Выявлены возможности сокращения ресурсных потребностей при различных вариантах консолидации ролей в модели РУПОР при создании кадровой политики стартапа. Сформирована концепция нечеткой модели компетенций. Предложены подходы к оценке компетенций при использовании нечеткой модели. Описан алгоритм фаззификации компетенций, представляющий собой последовательность действий по переводу качественных требований к квалификации в количественные оценки знаний и умений. Построена нечеткая лингвистическая переменная «уровень владения английским языком». Статья будет полезна специалистам, создающим команды для реализации стартапов, а также сотрудникам кадровых служб в тех компаниях, которые используют мягкие критерии оценки способностей потенциальных сотрудников.

Об авторах

Александр Владимирович Бандурин

Финансовый университет при Правительстве Российской Федерации

Email: abander@mail.ru
профессор Департамента психологии и развития человеческого капитала, доктор экономических наук, профессор

Список литературы

  1. 1. Азимов Ф.М. Разработка нечеткой математической модели оценки сформированности компетенций в вузе с использованием мультиагентной технологии // Интеграция науки и практики в современном мире: Материалы Международной научно-практической конференции. Чистополь, 2020. – c. 74-86.
  2. 2. Айдынов Р.Э., Новичкова И.В., Чувашова А.С. Определение ключевых компетенций для подбора команды стартап-проекта // Бизнес-образование в экономике знаний. – 2021. – № 2(19). – c. 5-7.
  3. 3. Анкудинов И.Г., Герасимов И.В. Оценка параметров нечеткой когнитивной модели профессиональных компетенций специалиста // Международная конференция по мягким вычислениям и измерениям. – 2021. – c. 184-185.
  4. 4. Брагин А.Ю. Построение модели маркетинговой системы промышленной компании на основе маркетинговых компетенций // Инновации и инвестиции. – 2023. – № 3. – c. 8-87.
  5. 5. Данилова Л.Ф., Кунц Е.Ю. Технология реализации модели нечеткого оценивания сформированности компетенций // Экономика и управление: теория и практика. – 2020. – № 3. – c. 79-87.
  6. 6. Иванова Н.М., Серебренников С.С., Фролова В.Ю. Кадровое обеспечение инновационной деятельности в условиях цифровизации // Инновации и инвестиции. – 2020. – № 9. – c. 3-7.
  7. 7. Кадровая политика в стартап – кого привлечь?. Biznes.komron.info. [Электронный ресурс]. URL: http://biznes.komron.info/ru/kadrovaya-politika/ (дата обращения: 04.04.2023).
  8. 8. Катаргина Н.А. Разработка модели компетенций персонала организации в контексте формирования экономики знаний // Экономика. – 2019. – № 4. – c. 31-36. – doi: 10.14258/epb201944.
  9. 9. Климук В.В., Дегиль В. Молодёжное предпринимательство в Республике Беларусь: анализ и направления развития // Социальное предпринимательство и корпоративная социальная ответственность. – 2022. – № 4. – c. 205-214. – doi: 10.18334/social.3.4.116628.
  10. 10. Кунц Е.Ю., Полетайкин А.Н., Шевцова Ю.В. Реализация модели нечеткого оценивания сформированности компетенций с помощью пакета Matlab // Новые информационные технологии в образовании и науке. – 2020. – № 3. – c. 66-72. – doi: 10.17853/2587-6910-2020-03-66-72.
  11. 11. Домшенко Н.Г., Морозова М.Н., Рубцова С.Ю., Спесивцев А.В., Лазарев В.Л. Многофакторное сравнение эффективности оценивания компетенций тестируемых на основе нечетко-возможностных моделей // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: Материалы IV Международной научной конференции. В двух частях,Том Часть 2. Красноярск, 2020. – c. 89-94.
  12. 12. Муталимов В.А. Стартап как инструмент актуализации профессиональных компетенций студента с инвалидностью // Человек. Общество. Инклюзия. – 2021. – № 2(46). – c. 33-42.
  13. 13. Полетайкин А.Н., Подколзин В.В., Кулешова Н.В., Кунц Е.Ю. Нечеткая дескрипторная модель оценивания выраженности индикаторов достижения компетенций // Прикаспийский журнал: управление и высокие технологии. – 2019. – № 3(47). – c. 55-69. – doi: 10.21672/2074-1707.2019.47.3.055-069.
  14. 14. Табачук Н.П. Проектное обучение студентов вуза через подготовку социальных и образовательных стартапов // Современные проблемы науки и образования. – 2021. – № 6. – c. 70. – doi: 10.17513/spno.31334.
  15. 15. Томских А.А., Старостина С.Е., Протасова С.В. Приоритет-2030: от универсальных компетенций к профессиональному успеху // Ученые записки Забайкальского государственного университета. – 2022. – № 2. – c. 39-47. – doi: 10.21209/2658-7114-2022-17-2-39-47.
  16. 16. Усикова Ю.А. Разработка нечеткой модели оценивания компетенций студентов в соответствии с профессиональными стандартами // Научный Лидер. – 2021. – № 40(42). – c. 17-25.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Бандурин А.В., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».