Methods for assessing the quality of the talent pool in a project team and how their skills influence the project risk

Cover Page

Cite item

Full Text

Abstract

Aim. To develop a methodology for assessing the quality of the talent pool in a project team and forecasting the impact of their expertise on technical and economic indicators and engineering risks of the safe operation of planned transport facilities.

Materials and Methods. The quality of transport facility projects is determined by innovative technical and technological solutions and construction materials. It also depends on the expertise of the design teams. The methods for assessing the quality of the talent pool in a design team is based on the assumption that the skills of a designer are latent (hidden variable) and depend on the skills attributes inherent in an expert. Quantitative characteristics of attributes are random variables. In this regard, the quality indicators of the projects being developed are probabilistic, which calls for an analysis of the risks of design (engineering) errors. To assess the skills of experts and their impact on the technical and economic indicators of projects, along with the general methodological principles of qualimetry theory, methods of multi-criteria and statistical analysis are proposed. Quantitative characteristics of skills attributes (their expected values) are combined into an integral skills indicator through the comprehensive use of mathematical methods of multi-additive and multiplicative convolution.

Results. We produced an analytical model of an expert’s skills that takes into account the impact of both interdependent and independent private indicators of professional training on the generalized quality indicator.

Conclusion. The problem of professional training is most evident at the stage of designing transport facilities. The project establishes the main properties of safety, reliability, efficiency and other quality indicators of transport facility construction projects based on transport operating and technical and economic indicators. The proposed methodology allows for identifying functional relationships between the quality of the talent pool in a design team and the quality of design solutions. The functional relationships obtained during the development of the methodology make it possible to assess the impact of skills on project risks and ensure thorough hiring, as well as developing training programs for team experts.

About the authors

Marina V. Petrochenko

Peter the Great St.Petersburg Polytechnic University

Author for correspondence.
Email: petrochenko_mv@spbstu.ru
ORCID iD: 0000-0002-4865-5319
SPIN-code: 6869-0011

Candidate of Engineering Science, Associate Professor

Russian Federation, St. Petersburg

References

  1. Azhmukhamedov AI, Protalinsky OM. Personnel Management of Project Oriented Organizations under Uncertainty. Transactions TSTU. 2013;19(4):771–782. (In Russ.) EDN: RSXNRV
  2. Ahmed AR, Yermoshin NA. Optimum design of cable-stayed bridges considering cable loss scenarios. Asian Journal of Civil Engineering. 2024;25(3):2801–2809. doi: 10.1007/s42107-023-00946-1. EDN: GPKVQX
  3. Rybakova AA, Lyaskovskaya EA. Personnel management of constructionorganizations. Electronic scientific & practical journal “Economics and innovations management”. 2016;(6). (In Russ.) EDN: WMKZNR
  4. Manichev SA. Problems of application of biographic questionnaires in personnel selection. Vestnik Sankt-Peterburgskogo universiteta. Seriya 12. Psikhologiya. Sotsiologiya. Pedagogika. 2009;(3-2):238–245. (In Russ.) EDN: MBVZIR
  5. Shakhgiraev IU, Rakhimova BK. Enterprise personnel potential management and evaluation methods. Regional’nye problemy preobrazovanija jekonomiki. 2020;5(115):116–122. (In Russ.) doi: 10.26726/1812-7096-2020-04-116-122. EDN: WPFBUG
  6. Murashkin NV. The mathematical modeling of recruitment. The Scientific Journal “Modeling, Optimization and Information Technology”. 2017;1(16):13. (In Russ.) EDN: YMAFFN
  7. Sudakova ES. Assessment of personnel labor potential: approaches, methods, methodology. The Eurasian Scientific Journal. 2014;4(23). (In Russ.) EDN: TCFNHD
  8. Petrichenko GS, Kritskaya LM, Petrichenko DG. Methodology of estimation of the competence of candidates at selection to vacant stand. Belgorod State University Scientific Bulletin. Economics Information technologies. 2019;46(1):130–137. (In Russ.) doi: 10.18413/2411-3808-2019-46-1-130-137. EDN: AFWZJI
  9. Zhdanov VY. Development of coefficient-point model for personnel assessment. Industrial Economy. 2022;2(2):116–120. (In Russ.) doi: 10.47576/2712-7559_2022_2_2_116. EDN: TUOPTV
  10. Marshirova LE, Marshirov VV. Algorithms of employee motivation and performance appraisal in project activities. Economic Analysis: Theory and Practice. 2016;(12):187–196. (In Russ.) EDN: XESGGH
  11. Baturin NA, Vuchetich YV, Kostromina SN, et al. Russian Standard for Personnel Testing. Organizational Psychology. 2015;5(2):67–138. (In Russ.) EDN: UKQHZV
  12. Nikitenkova OV. Primeneniye matematicheskogo modelirovaniya pri formirovanii kadrovogo potentsiala predpriyatiya. In: INNOVATSII: BIZNES. OBRAZOVANIY. Materialy mezhdunarodnoy nauchnoprakticheskoy konferentsii. Smolenskiy institut biznesa i predprinimatel’stva; nov. 21-22, 2013; editor Grushenko VI. Kirov: MCNIP; 2014:71–89. (In Russ.) EDN: SIBQGP
  13. Chudnova OV. Personnel self-assessment as a way to increase labor efficiency. Humanitarian Scientific Bulletin. 2020;(3):123–126. (In Russ.) doi: 10.5281/zenodo.3764122. EDN: DKHDSU
  14. Afanasyev VY, Vorontsov NV, Baykova OV. Analysis and assessment of personnel capacity of the organization’s staff at present stage. Vestnik Universiteta. 2020;(7):5–13. (In Russ.) doi: 10.26425/1816-4277-2020-7-5-13
  15. Maksimova LV, Shoinkhorova VR, Maksimov IS. Assessment methods of HR potential of employees in industrial and service companies. The bulletin of the Far Eastern Federal University. Economics and Management. 2018;(1):90–101. (In Russ.) doi: 10.24866/2311-2271/2018-1/90-101
  16. Uryngaliyeva AA. The use of business games for assessing the quality of placement. The Eurasian Scientific Journal. 2017;9(5):56. (In Russ.) EDN: YKWGSU
  17. Zonova PO, Penskiy OG. O matematicheskoy otsenke velichiny dostizheniya postavlennoy tseli. Bulletin of Perm University. Mathematics. Mechanics. Computer Science. 2009;(3):53–57. (In Russ.) EDN: KHNUQX
  18. Nikolaev MV. Evaluation of the 360 degrees in an organization’s HR system. Economics: Yesterday, Today and Tomorrow. 2022;12(8A):287–296. (In Russ.) doi: 10.34670/AR.2022.11.10.035
  19. Evplova YV, Matveeva PA, Mateev VV, et al. High-class employess assessment system. Azimuth of Scientific Research: Economics and Administration. 2019;8(4):146–150. (In Russ.) doi: 10.26140/anie-2019-0804-0030
  20. Nosyreva IG, Moskvitina NV. Functional and cost analysis as a tool for improving the personnel management system in the budgetary educational institution of higher education. Russian Journal of Labor Economics. 2019;6(2):971–990. (In Russ.) doi: 10.18334/et.6.2.40597 EDN: LHNHTJ
  21. Ryabchuk PG, Fedorova KA, Apukhtin AS, Pluzhnikova II. Analysis of modern methods evaluation of staff potential. Upravleniye ekonomicheskimi sistemami: elektronnyy nauchnyy zhurnal. 2017;(9):18. (In Russ.) EDN: ZGZRYH
  22. Manoharan K, Dissanayake P, Pathirana C, et al. A Constructive System to Assess the Performance based Grading of Construction Labour through Work-Based Training Components and Applications. Construction Economics and Building. 2023;23(3/4):107–124. https://doi.org/10.5130/AJCEB.v23i1/2.8390

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. Matrix form of presentation of the tree of quality indicators (qualifications) of the personnel potential of the project group

Download (169KB)
Indexing metadata

Copyright (c) 2025 Petrochenko M.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

link to the archive of the previous title

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».