profedПрофессиональное образование в современном миреProfessional education in the modern world2224-1841FSEP “Publisher SB RAS”10.20913/2618-7515-2024-4-8profed-1254Research ArticleРАЗДЕЛ I. ФИЛОСОФИЯPART I. PHILOSOPHYИнтеллектуальный анализ влияния компетенций соискателей вакансий на предлагаемый им уровень оплаты трудаIntellectual analysis of the impact of job applicants' competencies on the level of remuneration offered to themАлетдиноваА. А.AletdinovaA. A.

Анна Александровна Алетдинова, доктор экономических наук, профессор

кафедра информационных технологий и моделирования

630039; ул. Никитина, 155; Новосибирск

Anna A. Aletdinova, doctor of economics, professor

department of information technology and modeling

630039; 155 Nikitina Str.; Novosibirsk

aletdinova@ngs.ruКузнецоваИ. Г.KuznetsovaI. G.

Инна Геннадьевна Кузнецова, доктор экономических наук, профессор, профессор кафедры

кафедра управления и отраслевой экономики; кафедра финансы и кредит

630039; ул. Никитина, 155; 630049; ул. Дуси Ковальчук, 191; Новосибирск

Inna G. Kuznetsova, doctor of economics, professor, professor of the Department

department of management and industrial economics; department of Finance and Credit

630039; 155 Nikitina Str.; 630039; 191, Dusi Kovalchuk St.; Novosibirsk

Finka31081988@list.ruГлоткоА. В.GlotkoA. V.

Андрей Владимирович Глотко, доктор экономических наук, профессор

кафедра системного анализа и управления

630049; ул. Дуси Ковальчук, 191; Новосибирск

Andrey V. Glotko, doctor of economics, professor

department of system analysis and management

630039; 191 Dusi Kovalchuk str.; Novosibirsk

ganiish_76@mail.ruНовосибирский государственный аграрный университетРоссияNovosibirsk State Agrarian UniversityRussian FederationНовосибирский государственный аграрный университет; Сибирский государственный университет путей сообщенияРоссияNovosibirsk State Agrarian University; Siberian Transport UniversityRussian FederationСибирский государственный университет путей сообщенияРоссияSiberian Transport UniversityRussian Federation202409032025144625632Copyright © Алетдинова А.А., Кузнецова И.Г., Глотко А.В., 20252025Алетдинова А.А., Кузнецова И.Г., Глотко А.В.Aletdinova A.A., Kuznetsova I.G., Glotko A.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://profed.edubiotech.ru/jour/article/view/1254   Введение

   Введение. Поиск ассоциативных правил – один из методов машинного обучения, который позволяет обнаруживать в данных закономерности. Первые попытки его реализации, связанные с маркетингом и рекламой, были затратными. Но с развитием информационных технологий (ИТ) и наличием возможности получения большого разнообразия данных из разных источников поиск ассоциативных правил стал популярен, в том числе и для анализа рынка труда. Онлайн-статистика бирж труда позволяет оперативно отслеживать спрос на навыки и знания соискателей, выявлять характеристики, влияющие на предлагаемый уровень заработной платы.

   Постановка задачи

   Постановка задачи. Цель исследования – выявление ассоциативных правил между наборами «предлагаемый уровень заработной платы» и «компетенции» на примере вакансий Product-менеджера.

   Методика и методология исследования. Для реализации поиска ассоциативных правил использовалися алгоритм Априори; оценка показателей поддержки, достоверности и лифта проводилась с помощью платформы Deductor Studio. Сбор онлайн-данных по вакансиям Product-менеджера с сайта HeardHunter реализован с помощью языка программирования Python. Основными методами исследования стали монографический, абстрактно-логический, библиографический, интеллектуальный и статистический анализы. Объем выборки содержит 282 вакансии.

   Результаты работы представляют научную и практическую ценность для развития инструментария исследования рынка труда. Выявлены 15 ассоциативных правил для вакансий с уровнем заработной платы до 50 тыс. руб., от 75 тыс. руб. и выше (в объявлениях рассмотрены предложения от этой суммы (нижняя граница)). Для оставшегося нерассмотренного диапазона оплаты труда получено низкое качество ассоциативных правил.

   Выводы

   Выводы. Выделенные в ассоциативных правилах компетенции можно разделить на мягкие, обеспечивающие коммуникации, и жесткие, связанные с навыками в области ИТ, экономики, в частности финансов, и статистического анализа. Полученные закономерности показывают, какие навыки обеспечат более высокую заработную плату. Низкие значения поддержки ассоциативных правил для вакансий от 50 тыс. руб. до 75 тыс. руб. связаны, на наш взгляд, с региональными различиями в оплате труда. Интеллектуальный анализ вакансий позволяет не только соискателям и работодателям лучше ориентироваться на рынке труда, но и образовательным организациям реагировать на потребности корректировкой учебных программ.

   Introduction

   Introduction. The search for associative rules is one of the machine learning methods that allows you to detect patterns in data. The first attempts to implement it, related to marketing and advertising, were expensive. But with the development of information technology (IT) and the availability of a wide variety of data from the most different sources, the search for associative rules has become popular, including for labor market analysis. Online statistics of labor exchanges allows you to quickly track the demand for skills and knowledge of jobseekers, identify characteristics that affect the proposed salary level.

   Purpose setting

   Purpose setting. In this article, the purpose of the study is to identify associative rules between the sets of «proposed salary level» and «competencies» using the example of Product Manager vacancies.

   Methodology and methods of the study. To implement the search for associative rules was used Apriori algorithm, the assessment of support, reliability and lift indicators was carried out using the Deductor Studio platform. The collection of online data on Product manager vacancies from the HeadHunter website is implemented using the Python programming language. The main research methods are monographic, abstract-logical, bibliographic, intellectual and statistical analyses. The sample size is 282 vacancies.

   Results

   Results. The results of the study are of scientific and practical value for the development of labor market research tools. 15 associative rules have been identified for vacancies with a salary level of up to 50thousand rubles, from 75 thousand rubles and above (offers from this amount (the lower limit) are considered in the ads). For the remaining unexplored range of remuneration, a low quality of associative rules was obtained.

   Conclusion

   Conclusion. The competencies highlighted in the associative rules can be divided into soft, providing communication, and hard, related to skills in the field of IT, economics, in particular finance, and statistical analysis. The patterns obtained show which skills will provide a higher salary. Low values of support for associative rules for vacancies from 50 to 75 thousand rubles are associated, in our opinion, with regional differences in wages. Intelligent job analysis allows not only jobseekers and employers to better navigate the labor market, but also educational organizations to respond to needs by adjusting curricula.

ассоциативные правиламетод Априориуровень оплаты трудакомпетенциирынок трудаassociative rulesApriori methodwage levelcompetenciesl abor marketReferencesБова В. В., Щеглов С. Н., Лещанов Д. В. Применение методов генетического поиска для задач обработки ассоциативных правил // XXI Международная конференция по мягким вычислениям и измерениям (SCM-2018). Т. 1. СПб.: СПбГЭТУ «ЛЭТИ». 2018. С. 761–769.Bova V. V., Shcheglov S. N., Leshchanov D. V. Application of genetic search methods for processing associative rules. XXI International Conference on Soft Computing and Measurements (SCM in-2018). Vol. 1. St. Petersburg: SPbGETU «LETI», 2018, pp. 761–769. (In Russ.)Белопросов С. А. Персонализация предложения как инструмент повышения эффективности затрат на маркетинг // Маркетинг и маркетинговые исследования. 2020. № 4. С. 274–287.Beloprosov S. A. Personalization of the offer as a tool to increase the cost effectiveness of marketing. Marketing and Marketing Research, 2020, no. 4, pp. 274–287. (In Russ.)Монастырская М. М. Поиск закономерностей в интернет-рекламе на основе поведения пользователей // Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2020. № 2 (44). С. 44–51.Monastyrskaya M. M. Search for patterns in online advertising based on user behavior. News of Higher Educational Institutions. Series: Economics, Finance and Production Management, 2020, no. 2 (44), pp. 44–51. (In Russ.)Шестаков Т. А. и др. Интеллектуальный анализ информации о пользователях социальных сетей // Прикладная математика и вопросы управления. 2021. №. 4. С. 72–91.Shestakov T. A. et al. Intellectual analysis of information about users of social networks. Applied Mathematics and Management Issues, 2021, no. 4, pp. 72–91. (In Rus)Азарнова Т. В. и др. Применение алгоритмов поиска ассоциативных правил для формирования функционально-эффективных команд менеджеров // Современная экономика: проблемы и решения. 2022. Т. 6. С. 8–19.Azarnova T. V. et al. Application of algorithms for searching for associative rules for the formation of functionally effective management teams. Modern Economics: Problems and Solutions, 2022, vol. 6, pp. 8–19. (In Russ.)Субоч Ф. Перспективы развития и особенности ассоциативной концепции при построении новейших транспозиционных структур, включая кластеры // Аграрная экономика. 2020. №. 3. С. 20–40.Suboch F. Prospects of development and features of the associative concept in the construction of new transpositional structures, including clusters. Agrarian Economics, 2020, no. 3, pp. 20–40. (In Russ.)Грабовец Р. А. Использование технологии Data Mining для прогнозирования увольнения сотрудников // Журнал социологических исследований. 2020. Т. 5, № 2. С. 11–15.Grabovsky R. A. Using data mining technology to promote employees. Journal of Sociological Research, 2020, vol. 5., no. 2, pp. 11–15. (In Russ.)Ложкин С. С. Формирование рекомендаций для изучения новых навыков на основе ассоциативных правил // Научный аспект. 2020. Т. 8, № 4. С. 1042–1045.Lozhkin S. S. Formation of recommendations for learning new skills based on associative rules. Scientific Aspect, 2020, vol. 8, no. 4, pp. 1042–1045. (In Russ.)Смолина Е. М., Черненькая Л. В. Методы интеллектуального анализа данных в задачах оценки качества дистанционного образования // Наука и бизнес: пути развития. 2021. № 3 (117). С. 72.Smolina E. M., Chernenkaya L. V. Methods of data mining in the tasks of assessing the quality of distance education. Science and Business: Ways of Development, 2021, no. 3 (117), pp. 72. (In Russ.)Fedushko S., Ustyianovych T., Syerov Y. Intelligent academic specialties selection in higher education for Ukrainian entrants: a recommendation system // Journal of Intelligence. 2022. Т. 10, № 2. Р. 32.Fedyushko S., Ustyanovich T., Serov Yu. Intellectual choice of academic specialties in higher educational institutions for Ukrainian applicants: a recommendation system. Journal of Intelligence, 2022, vol. 10, no. 2, pp. 32.Al-Shamiri A. Y. R. Artificial intelligence and pattern recognition using data mining algorithms // International Journal of Computer Science & Network Security. 2021. Vol. 21, № 7. P. 221–232.Al-Shamiri A. Y. R. Artificial intelligence and pattern recognition using data mining algorithms. International Journal of Computer Science and Network Security, 2021, vol. 21, no. 7, pp. 221–232.Shawkat M. et al. An optimized FP-growth algorithm for discovery of association rules // The Journal of Supercomputing. 2022. Vol. 78, № 4. Р. 5479–5506.Shaukat M. et al. Optimized FP-growth algorithm for the detection of associative rules. Journal of Supercomputer Technologies, 2022, vol. 78, no. 4, pp. 5479–5506.Edastama P., Bist A. S., Prambudi A. Implementation of data mining on glasses sales using the apriori algorithm // International Journal of Cyber and IT Service Management. 2021. Vol. 1, № 2. Р. 159–172.Edastama P., Bist A. S., Prambudi A. Implementation of intelligent analysis of data on sales of glasses using the apriori algorithm. International Journal of Cyber and IT Services Management, 2021, vol. 1, no. 2, pp. 159–172.Кузнецова И. Г., Глотко А. В., Алетдинова А. А. Эмоциональный интеллект работников сельского хозяйства // Экономика, труд, управление в сельском хозяйстве. 2023. № 12 (106). С. 190–197.Kuznetsova I. G., Glotko A. V., Aletdinova A. A. Emotional intelligence of agricultural workers. Economics, Labor, Management in Agriculture, 2023, no. 12 (106), pp. 190–197.

The authors declare that there are no conflicts of interest present.