Цифровой след станет основой формирования студенческих команд

Сегодня все больше организаций нуждаются в проектах, требующих специализированных навыков и знаний. Процесс подбора команд для выполнения проектов остается одной из центральных проблем, с которой можно столкнуться.

Студенты стремятся получить опыт работы с реальными проектами на этапе обучения, но многие из них встречаются с трудностями при поиске соответствующих проектов и при образовании команд, которые справятся с поставленными задачами.

Существуют разные подходы к формированию команд, в которых учитывают различные характеристики: успешность проекта, образовательные результаты участников, индивидуальные достижения студентов и др.

Важная составляющая, которую необходимо учитывать при работе в ИТ-проекте, – навыки участников и предыдущий опыт командной работы.

Ученые считают, что сегодня необходима разработка алгоритма для формирования команд, основанная на данных цифрового следа студентов. Цифровой след – постоянно пополняемый набор данных, включающий отчетные документы проектных дисциплин, промежуточные результаты по дисциплинам, практическим подготовкам и другие.

Статья «Разработка алгоритма формирования команд ИТ-проектов на основе данных цифрового следа студентов» ученых ШКН Антонины Мельниковой, Марины Воробьевой, Елизаветы Егоровой и Елизаветы Чекановой вышла в журнале «Труды ИСП РАН».

Материалы для исследования – данные цифрового следа студентов ИТ-направления «Математическое обеспечение и администрирование информационных систем» (МОАИС) Школы компьютерных наук ТюмГУ.

В результате был предложен и разработан алгоритм для формирования команд ИТ-проектов на языке программирования Python с использованием библиотек для предобработки текстов отчетных документов (Pandas, Numpy, nltk, re), для выделения текстовых тегов, отражающих профессиональные навыки (Spacy, SkillNer).

Также для кластеризации и расчета евклидова расстояния для выделения команд на графе взаимодействий студентов (scikit-learn, scipy), для получения данных о проектах БММ (BeautifulSoup), для визуализации графов (Gephi, NetworkX, Seaborn).

Алгоритм был протестирован на данных студентов МОАИС, обучающихся в период с 2019 по 2024 годы. Ученые сделали выводы о том, что формирование студенческой команды проходит с учётом необходимых требований проекта. Определяется процент соответствия «команда-проект», который может изменяться в зависимости от исходных данных.

Результаты работы могут быть полезны для преподавателей и руководителей образовательного процесса в ситуации, когда требуется распределить большую группу студентов с разным уровнем профессиональной подготовки по множеству проектов в рамках дисциплины, образовательного трека, практической подготовки, проектно-ориентированного мероприятия.

Разработанный алгоритм планируется интегрировать в веб-сервис поиска исполнителей ИТ-проектов.

Источник:

Управление стратегических коммуникаций ТюмГУ