Интеллектуальная поддержка принятия управленческих решений в системе «исполнитель-задача» с применением методов машинного обучения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Пучкова Мария Алексеевна

• Пучкова Мария Алексеевна
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Пучкова Мария Алексеевна

ВВЕДЕНИЕ

ГЛАВА 1 СОВРЕМЕННЫЕ АСПЕКТЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ ОРГАНИЗАЦИОННЫХ СИСТЕМ С ИДЕНТИФИКАЦИЕЙ ОТНОШЕНИЙ ИСПОЛНИТЕЛЬ-ЗАДАЧА

1.1. О возможностях повышения эффективного функционирования организационных систем с учетом их структурной типизации

1.2. Особенности идентификации связей между задачами и исполнителями в контексте управления

1.3. Анализ практической области применения подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача в целях повышения эффективности функционирования организационных систем

1.4. Сравнительный анализ, выявление закономерностей и недостатков используемых механизмов распределения практических задач между исполнителями

1.5. Существующие подходы к решению практических задач по определению исполнителя

Выводы по Главе

ГЛАВА 2 АЛГОРИТМ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ ФОРМИРОВАНИИ ВХОДНОГО НАБОРА ДАННЫХ ДЛЯ ПОСЛЕДУЮЩЕГО УСТАНОВЛЕНИЯ ВЗАИМОСВЯЗЕЙ ИСПОЛНИТЕЛЬ-ЗАДАЧА

2.1. Ключевые этапы формирования входного набора данных для последующего установления взаимосвязей исполнитель-задача

2.2 Особенности обработки входного набора данных для потоковых задач с учетом необходимости выявления ключевых слов

2.3. Формирование критериев и источников входных данных для определения ключевых слов в отношении исполнителя

2.4. Алгоритм формирования входного набора данных, как инструмент интеллектуальной поддержки принятия управленческих решений в организационных системах

Выводы по Главе

ГЛАВА 3 МОДЕЛЬ ФОРМИРОВАНИЯ РАЗНОУРОВНЕВЫХ, ВАРИАТИВНЫХ СВЯЗЕЙ ИСПОЛНИТЕЛЬ-ЗАДАЧА ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

3.1. Концептуальное описание подхода по формированию разноуровневых связей исполнитель задача на основе ключевых слов

3.2 Модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений

3.2.1 Описание организации структуры хранения данных сущностей и взаимосвязей информационной модели

3.2.2 Этапы модели формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений

3.3 Математическое обеспечение модели формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений

3.4 Построение весового профиля преподавателя с формированием связей исполнитель-задача

3.4.1 Графовое представление с формированием связей между исполнителем и задачей

Выводы по Главе

ГЛАВА 4 ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ

ПРИ УСТАНОВЛЕНИИ СООТВЕТСТВИЯ ИСПОЛНИТЕЛЬ-ЗАДАЧА В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

4.1. Проектирование системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах

4.1.1. Концептуальное проектирование СИЛУР при установлении соответствия исполнитель-задача

4.1.2 Логическое проектирование СППУР при установлении соответствия исполнитель-задача

4.1.3. Физическое проектирование СППУР при установлении соответствия исполнитель-задача

4.2. Программные решения организации хранения входного набора данных и последующего формирования разноуровневых связей исполнитель-задача

4.3. Анализ результатов внедрения системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах

Выводы по Главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ Б. АКТЫ О ВНЕДРЕНИИ

ВВЕДЕНИЕ

Актуальность темы исследования. Эффективное функционирование организационных систем является одним из актуальных вопросов в современных динамично меняющихся условиях: рыночная конкуренция, экономическая турбулентность, государственная политика, как внешняя, так и внутренняя, санкционное давление, а также множество других факторов оказывают влияние на организации, стимулируя их к развитию для сохранения продуктивной деятельности.

Непосредственное влияние на данный процесс оказывает эффективное управление в организационных структурах. При этом конечными элементами любого процесса управления выступают исполнитель и задача. Эффективное распределение задач между исполнителями оказывает влияние на скорость качество, скорость и результативность исполнения задачи, таким образом, оказывая влияние на общую эффективность функционирования организационных систем.

Решение задачи идентификации связей между исполнителем и задачей актуально для организаций вне зависимости от типа организационных структур, видов экономической деятельности, организационно-правовой формы, целей деятельности и т.д. Особенно актуально решение указанной задачи при рассмотрении потоковых задач, характеризующихся наличием множества возможных исполнителей со схожим квалификационным уровнем. Процесс распределения задач непосредственно руководителем (лицом, принимающим решения) достаточно трудозатратен по времени и особенно усложняется как при наличии множества сотрудников со схожими должностными обязанностями, так и при назначении нового руководителя.

Стоит отметить, что индивидуальные особенности сотрудника могут способствовать определению его предрасположенности к некоторым из имеющихся задач. Так, например, в отделе могут работать несколько сотрудников с одинаковыми должностными обязанностями, однако

универсальных специалистов не существует. Индивидуальные особенности сотрудника (образование, имеющийся опыт, личностные качества) определяют его предрасположенность к некоторым из имеющихся задач, что, несомненно, необходимо учитывать при их распределении между сотрудниками.

Для формирования связей между исполнителями и задачами необходимо получить соответствующую характеризующую их информацию, на основании которой возможно принять решение о соответствующем закреплении. Источником таких данных выступают документы, разнотипные (разнородные) по форме, содержанию, объему и т.д., таким образом, образуя слабо формализованное входное признаковое пространство.

Особую актуальность решение задачи идентификации связей между исполнителями и задачами имеет для образовательных организаций. В сфере высшего образования важно не только разработать актуальную, конкурентную и прогрессивную образовательную программу, но и подобрать для нее оптимальный профессорско-преподавательский состав. Вопрос распределения педагогической нагрузки необходимо рассматривать не только с точки зрения соответствия существующим нормативам в отношении предельного объема нагрузки и других факторов, но и поиска оптимального кандидата для каждой из дисциплин в условиях ограниченности кадрового ресурса профессорско-преподавательского состава кафедры.

В современных условиях значимость развития сферы образования для государства крайне высока. Рост численности высококвалифицированных кадров способствует повышению качества жизни населения, экономическому росту и развитию различных отраслей. Качество подготовки специалистов в перспективе оказывает влияние на все области экономики, что особенно важно в условиях ориентации на технологический суверенитет. Высокий приоритет сферы образования нашел отражения в текущих национальных целях развития нашей страны, а также различных государственных стратегиях, федеральных программах и проектах.

Несмотря на широкий спектр исследований в области распределения задач, в том числе задач сферы образования, существующие подходы и методы не ориентированы на выявление возможных вероятностных связей между исполнителем и задачей, что подтверждает актуальность разработки подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача в целях повышения эффективности функционирования организационных систем.

Учитывая изложенной, актуальной задачей является разработка нового алгоритма интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения, а также подхода к формированию соответствующих связей, которые обеспечат повышение точности, достоверности и оперативности при формировании связей исполнитель-задача с учетом разнородности и разнотипности входного признакового пространства.

Актуальность темы исследования обусловлена необходимостью повышения качества и эффективности принятия решений при формировании связей исполнитель-задача в организационных системах за счет разработки модели и алгоритма интеллектуального формирования входного набора данных с применением методов машинного обучения.

Степень разработанности темы исследования. Исследования организационных систем и управления ими в значительной степени опираются на работы Д.А. Новикова. Исследованиями в области распределения задач занимались С.С. Кильдеева, А.С. Катасев, Н.Г. Талипов, А.В. Дятчина, С.А. Олейникова, Ф.А. Хуссейн, Е.Е. Иванко, А.Р. Айдинян, О.Л. Цветкова. Кроме того, в работах Т.И. Хитровой, С.С. Ованесяна, А.С. Низовцевой, В.В. Калевко, Д.Г. Лагерева вопрос о распределении задач рассматривается с учетом компетенций сотрудников или их полезности.

Особый интерес представляет работа А.З. Асанова, И.Ю. Мышкиной, Л.Ю. Грудцыной, в которой рассматривается применение графовых моделей для решения задачи формирования проектной группы и распределения работ

проекта между исполнителями. Авторы определяют особенностями графа включение ключевых слов в качестве класса для детализации описания компетенций и работ. Однако не рассмотрен подход к их формированию, а также возможных источников.

Существующие подходы, направленные на решение задачи распределения учебной нагрузки, отражены в работах Е.В. Болговой, А.П. Димитриева, Т.А. Лавиной, однако они не ориентированы на установление соответствий между преподавателем и дисциплиной.

Различные подходы и методы в области анализа текстовых данных отражены в работах О.И. Бабиной, А.Ю. Зиновьевой, Е.Д. Неручевой, Ю.А. Кравченко, М.И. Цепкова, С.И. Родзина, Е.А. Макаровой, Д. Г. Лагерева. Вопросами поддержи принятия решений занимались Е.В. Орлова, А.Ю. Федотова, А.В. Мельников, А.И. Малахова, Я.Е. Львович и другие. Однако указанные методы не ориентированы на обработку текстовых данных для последующей генерации ключевых слов и дальнейшего формирования разноуровневых связей между исполнителями и задачами.

Исследования выполнялись с учетом национальных целей развития Российской Федерации на период до 2030 года и на перспективу до 2036 года (утверждены Указом Президента Российской Федерации от 7 мая 2024 г. № 309), а также в рамках Стратегии научно-технологического развития Российской Федерации, утвержденной Указом Президента Российской Федерации от 28 февраля 2024 г. № 145 и Концепции технологического развития на период до 2030 года, утвержденной распоряжением Правительства Российской Федерации от 20 мая 2023 г. № 1315-р, в части реализации задачи по достижению «цифровой зрелости» и обеспечению подготовки квалифицированных кадров.

Цель исследования - повышение эффективности поддержки принятия решений при формировании связей «исполнитель-задача» за счет использования модели и алгоритма интеллектуального формирования входного набора данных с применением методов машинного обучения.

Объект исследования - процесс формирования связей «исполнитель-задача» в организационных системах.

Предмет исследования - способы и средства интеллектуальной поддержки принятия решений при идентификации отношений между исполнителями и задачами.

Для достижения поставленной цели потребовалось решение следующих частных задач исследования:

1. выполнить анализ и определить особенности формирования связей между исполнителями и задачами в организационных системах как инструмента повышения эффективности их функционирования, и определить подход, направленный на идентификацию соответствующих отношений;

2. создать алгоритм интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения;

3. разработать модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений;

4. разработать программное обеспечение системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах.

Методы и методология исследования

В диссертации были использованы методы кластеризации, векторизации, экспертных оценок, теории графов, системного анализа, многокритериальный анализ, функциональное моделирование, методология структурного анализа, математической статистики, теории организации, управления организационными системами, выбора решений, метрики оценки

Научная новизна

1) Создан алгоритм интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения, отличающийся от известных применением технологий искусственного интеллекта, учитывающих особенности разнотипного

(разнородного) и слабо формализованного входного признакового пространства.

2) Предложена модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений, отличающаяся от существующих решений тем, что в ней учитывается вариативность связей «исполнитель-задача» с учетом семантического анализа.

3) Представлена система поддержки принятия управленческих решений, отличающаяся от существующих программных реализаций применением компонентов интеллектуальной обработки входного набора данных и формированием вариативных рекомендательных сценариев.

Теоретическая значимость работы Введена типизация документов при формировании входного набора данных в отношении исполнителя и задачи при разработке соответствующего алгоритма. Теоретически обосновано введение показателей для идентификации отношения исполнитель-задача с графовым представлением элементов модели формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений.

Практическая значимость работы

Разработанный алгоритм позволяет повысить точность формирования входного набора данных для последующего установления разноуровневых связей между исполнителем и задачами за счет осуществления синтеза результатов экспертной оценки и методов интеллектуального анализа данных.

Предложенная модель позволяет обеспечить достоверность нежесткой идентификации связей «исполнитель-задача» за счет вариативности предложений с анализом семантической релевантности.

Система поддержки принятия управленских решений позволяет повысить оперативность при установлении соответствия исполнитель-задача в организационных системах за счет программной реализации предложенного алгоритма и модели.

Положения, выносимые на защиту

1. Алгоритм интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения.

2. Модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений.

3. Программное обеспечение системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах.

Степень достоверности основных полученных результатов обеспечивается надежными исходными данными, адекватностью выбранного математического аппарата и корректностью применения указанных методов исследования. Достоверность подтверждается апробацией и внедрением полученных результатов в практику работы образовательных и проектных организаций.

Апробация работы

Основные положения и результаты диссертационной работы докладывались и обсуждались на Международной научной конференции «Актуальные проблемы прикладной математики, информатики и механики», Воронеж, 4-6 декабря 2023 года; Международной научно-практической конференции «Техника и безопасность объектов уголовно-исполнительной системы», Воронеж, 22-23 мая 2024 года; XX Всероссийской школе-конференции молодых ученых «Управление большими системами», Новочеркасск, 10-13 сентября 2024 года; Международной научно-практической конференции «Техника и безопасность объектов уголовно-исполнительной системы», Воронеж, 2-4 декабря 2024 года; VII Международном пенитенциарном форуме «Преступление, наказание, исправление», Рязань, 19-21 ноября 2025 года.

Внедрение результатов исследования

Основные положения диссертационного исследования внедрены в практическую деятельность ООО «Айти Класс» и в образовательный процесс учебно-научного структурного подразделения Института информационных технологий ФГБОУ ВО «МИРЭА - Российский технологический университет».

Соответствие паспорту специальности

Содержание диссертации соответствует п. 3. разработка методов и алгоритмов решения задач управления в организационных системах. п. 4. разработка информационного и программного обеспечения систем управления и механизмов принятия решений в организационных системах. п. 9. разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в организационных системах паспорта научной специальности 2.3.4. Управление в организационных системах.

Публикации

По материалам диссертации опубликовано 1 6 научных работ (6 статей [59, 60, 63, 64, 67, 68], 5 материалов научных конференций [55, 61, 62, 65, 66], 5 свидетельств о регистрации программы для ЭВМ [78-82] в Федеральной службе по интеллектуальной собственности, в том числе 7 работ опубликовано без соавторов. Работы [59, 60, 63, 67] опубликованы в научных журналах и изданиях, рекомендованных ВАК Минобрнауки России.

Личный вклад автора

Автором разработан алгоритм интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения. Создана модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений. Разработано программное обеспечение системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах.

ГЛАВА 1 СОВРЕМЕННЫЕ АСПЕКТЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ ОРГАНИЗАЦИОННЫХ СИСТЕМ С ИДЕНТИФИКАЦИЕЙ ОТНОШЕНИЙ ИСПОЛНИТЕЛЬ-ЗАДАЧА

1.1. О возможностях повышения эффективного функционирования организационных систем с учетом их структурной типизации

В современных динамично меняющихся условиях одним из актуальных вопросов является эффективное функционирование организационных систем. Рыночная конкуренция, экономическая турбулентность, государственная политика, как внешняя, так и внутренняя, санкционное давление, а также множество других факторов, оказывающих влияние на организации, обосновывают необходимость повышения эффективности функционирования организационных систем для сохранения и развития их продуктивной деятельности.

Непосредственное влияние на данных процесс оказывает эффективное управление в организационных структурах. Специфика организации управления связана с определенным типом организационных структур. Именно типы организационных структур формируют процесс функционирования всей организации, в том числе распределения иерархии подчиненности, соответствующих зон ответственности, организации труда, взаимодействия внутри структуры между ее элементами и т.д.

Каждая из структур подходит для различных типов организаций, с учетом их особой специфики [48,96,35]. Так, например, иерархический тип организационных структур наиболее подходит для стабильных предприятий с предсказуемым рынком, так как характеризуется высокой степенью разделения труда, развитой иерархией управления, цепью команд, наличием многочисленных правил и норм поведения персонала и подбора кадров по их деловым и профессиональным качествам [94]. Дивизиональный тип — для крупных компаний с разнообразной продукцией или широким географическим присутствием (например, международные корпорации), так

как им характерна декомпозиция по относительно независимым отделениям, каждое из которых может иметь ту или иную структуру [50]. Матричный тип наиболее предпочтителен для проектно-ориентированных организаций (например, 1Т-компаний и консалтинговых организаций), в рамках которых каждый исполнитель одновременно подчинен нескольким руководителям [51]. Каждый из типов организационных структур имеет свои особенности, а также преимущества и недостатки. В Таблице 1.1 представлены краткие характеристики наиболее распространенных типов организационных структур: иерархический, дивизиональный и матричный.

Таблица 1.1 - Особенности организационных структур

Организационная структура Особенности Плюсы Минусы

Иерархическая (линейно-функциональная) Чёткое разделение на уровни управления, вертикальная подчинённость. Решения принимаются сверху вниз. - Простота управления; - Чёткие зоны ответственности; - Быстрое выполнение решений в стабильных условиях. - Медленная реакция на изменения; - Бюрократия; - Слабые горизонтальные связи между элементами.

Дивизиональная Деление по дивизионам: продуктам, регионам или клиентам. Каждый дивизион работает автономно. - Гибкость в управлении разными направлениями; - Быстрая реакция на изменения рынка; - Лучшая адаптация к локальным условиям. - Дублирование функций (например, кадровый или финансовый отдел в каждом дивизионе) - Высокие затраты на управление; - Возможны конфликты между дивизионами.

Продолжение таблицы

Организационная структура Особенности Плюсы Минусы

Матричная Совмещение функционального и проектного управления. Множественная подчинённость сотрудников (сразу нескольким руководителям). - Гибкость и адаптивность; - Эффективное использование ресурсов; - Улучшенная координация между отделами. - Сложность управления; - Двойное подчинение может повлечь возникновение конфликтов. - Высокая нагрузка на сотрудников.

Для определения возможного пути повышения эффективности функционирования организационных систем выполним фрагментарную декомпозицию процесса управления (Таблица 1.2). Таким образом, конечными элементами любого процесса управления будут выступать исполнитель и задача.

Таблица 1.2 - Фрагментарная декомпозиция процесса управления

Уровень 1 Уровень 2 Исполнитель Конкретная задача

Планирование Разработка плана проекта Руководитель отдела Утвердить ключевые показатели эффективности и сроки исполнения

Аналитик Сформировать техническое задание

Организация Распределение ресурсов Менеджер проектов Назначить ответственных исполнителей

Кадровый специалист Обеспечить команду исполнителей

Продолжение таблицы

Уровень 1 Уровень 2 Исполнитель Конкретная задача

Мотивация Контроль вовлеченности Руководитель команды Провести индивидуальные встречи

Бухгалтер Начислить премии

Контроль Анализ выполнения Руководитель направления Собрать отчеты

Исполнитель Проверить качество

Эффективное распределение задач между исполнителями оказывает влияние на скорость качество, скорость и результативность исполнения задачи, [34,39,56] таким образом, оказывая влияние на общую эффективность функционирования организационных систем.

Вместе с тем, стоит отметить наличие влияния постоянных и переменных условий на процесс принятия решения при распределении задач между исполнителями, формирующих область вариативности решений (Рисунок 1.1). Таким образом, наличие области вариативности решений, в особенности с учетом переменных условий, усложняет возможность автоматизации данного процесса. В связи с чем, возникает потребность в формировании связей между исполнителем и задачей, обеспечивающих поддержку принятия решения, а не автоматизацию распределения их между собой.

Область вариативности решений

Решение 1 Решение 2 Решение 3 Решение N

Область вариативности решений

Рисунок 1.1 - Совокупность постоянных и непостоянных условий, оказывающих влияние на процесс принятия решения при распределении

задач между исполнителями

Проблема формирования качественной и результативной связи задача-исполнитель идентична для всех организационных структур вне зависимости от их типа и видов экономической деятельности (Рисунок 1.2). Верхним уровнем каждого из типов организационных структур является руководитель, при этом вне зависимости от специфики процесса управления, свойственной различным организационным системам, элементом нижнего уровня всегда будет выступать исполнитель и соответствующие ему задачи. В связи с чем, проблема формирования связи задача-исполнитель весьма актуальна в контексте повышения эффективности функционирования организационных систем.

Переменные условия

Процесс принятия решения

\ II

УС1 У

Постоянные условия

Фрагмент иерархической организационной структуры

Р у к о в о д и т е л ь

Заместитель по финансам Заместитель по персоналу

Функциональные службы по уровням Функциональные службы по уровням

\ Фрагмент дивизиональной \ организационной структуры

Р у к о в о д и т е л ь

Дивизион

Дивизион п

Линейное подразделение 1 -го уровня Линейное подразделение 1 -го уровня

Введение диссертации (часть автореферата) на тему «Интеллектуальная поддержка принятия управленческих решений в системе «исполнитель-задача» с применением методов машинного обучения»

Работ Работ

ники ники

Фрагмент матричной организационной структуры

Р у к о в о д и т е л ь

Функциональный блок 1

Функциональный блок п

Рисунок 1.2 - Фрагменты организационных структур

Для рассмотрения вопроса формирования связей между исполнителем и задачей необходимо изучить источники, способные идентифицировать как саму задачу, так и возможного исполнителя. Источниками информации о каждой конкретной задаче могут выступать различные документы или же текстовые сообщения (в случае ее постановки в информационных системах/порталах или с помощью электронной почты) (Таблица 1.3). Кроме того, информативную часть для исполнителя при работе с задачей могут формировать постоянно действующие ограничивающие нормативно-правовые документы, регламенты и другие документы.

Таблица 1.3 - Источники входных данных о возможных задачах

№ п/п Тип источника Пример источника Форматы данных

1. Входящие документы Входящие письма (запросы, предложения, обращения граждан и т.д.); Технические задания; Судебные запросы; Акты проверок. PDF/DOCX; Почтовые форматы (EML); Сканы (JPG/PNG).

2. Внутренние документы Приказы и распоряжения руководства; Служебные записки; Протоколы совещаний. PDF/DOCX

3. Информационные системы CRM (Битрикс24); Системы управления проектами (Jira, Redmine); ERP-системы (1С); Корпоративные порталы. Текстовые сообщения; Базы данных; Веб-интерфейсы

В отношении исполнителя источником может вступать должностная инструкция. Однако должностные инструкции не учитывают индивидуальную специфику сотрудника, его личностные особенности, способные оказывать прямое влияние на эффективность исполнения задачи. Так, например, в отделе могут работать несколько сотрудников с одинаковыми должностными обязанностями, однако универсальных специалистов не существует. Индивидуальные особенности сотрудника (образование, имеющийся опыт, личностные качества) определяют его предрасположенность к некоторым из имеющихся задач, что, несомненно, необходимо учитывать при их распределении между сотрудниками.

Должностная инструкция способствует сужению области выбора при подборе необходимого для задачи сотрудника, но не позволяет идентифицировать наилучшего исполнителя. Процесс распределения задач непосредственно руководителем (лицом, принимающим решения) достаточно трудозатратен по времени, а также крайне усложняется при назначении нового руководителя или же при наличии большого количества сотрудников со схожими должностными обязанностями.

Учитывая изложенное, существует потребность в разработке подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача в целях повышения эффективности функционирования организационных систем. Кроме того, разнотипность и разнородность источников входных данных обуславливает потребность в разработке алгоритма его интеллектуального формирования с применением методов машинного обучения в рамках указанного подхода.

Стоит отметить, что повышение эффективности функционирования организаций в конечном итоге направлено на достижение основной цели деятельности, определяющей организацию как коммерческую или же некоммерческую (Рисунок 1.3).

Таким образом, вопрос о разработке подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача в целях повышения эффективности функционирования организационных систем, целесообразно рассмотреть на примере коммерческих и некоммерческих организаций.

Учитывая изложенное, практической областью для рассмотрения вопроса о разработке указанного подхода в рамках данного диссертационного исследования выступает сфера высшего образования, как представитель некоммерческих организаций, а также коммерческая организация на примере ООО «Авиа Центр», основным видом деятельности которого является деятельность туристических агентств. Также ООО «Авиа Центр» осуществляет деятельность по предоставлению туристических информационных услуг, экскурсионных туристических услуг и туристических услуг, связанных с бронированием. Кроме того, процесс определения оптимального кандидата рассматривается на примере решения актуальной задачи структурного элемента организации системы высшего образования.

1.2. Особенности идентификации связей между задачами и исполнителями в контексте управления

Вне зависимости от типов организационных структур: существующих, временных, вновь созданных, идентификация связей между задачами и исполнителями является весьма актуальной в контексте управления.

В задачах оптимизации, включая задачу о назначениях и другие методы, устанавливаются различные типы связей между объектами, отражающие их зависимости, ограничения и взаимоотношения в процессе поиска оптимального решения. Основные типы связей включают:

1. Прямые или однозначные связи. Связывают один объект с другим, устанавливая отношение «один к одному». В задаче о назначениях это типичная связь между исполнителем и задачей: каждый исполнитель

может выполнять только одну задачу, и каждая задача может быть поручена только одному исполнителю.

2. Многие-ко-многим связи. В задачах, таких как распределение ресурсов или управление запасами, один объект может быть связан с несколькими другими. Например, в многозадачных распределениях ресурсы могут быть распределены между несколькими процессами, каждый из которых потребляет их в различной степени.

3. Иерархические связи. Определяют последовательность выполнения задач или зависимость между уровнями задачи. В сетевых методах планирования (PERT, CPM) такие связи отражают последовательность шагов, где одна задача не может начаться, пока не завершится другая, образуя критический путь.

4. Взаимозаменяемые связи. Используются в задачах с альтернативными решениями, например, когда один объект может заменить другой в зависимости от выгодности. В транспортной задаче, например, можно назначать грузы альтернативным маршрутам в зависимости от затрат.

5. Зависимости по ограничению. Связи, определяющие границы или условия, в рамках которых могут взаимодействовать объекты. Это характерно для линейного программирования, где ограничения накладываются на ресурсы, доступные для выполнения определённых действий, что влияет на конечное распределение.

6. Потоковые связи. Описывают перемещение объектов (ресурсов, задач) по сети или графу, как в алгоритмах нахождения максимального потока. Такие связи обеспечивают поток ресурсов между узлами (объектами) для достижения цели, например, минимизации потерь или увеличения пропускной способности.

Указанные типы связей обеспечивают точное представление взаимосвязей между элементами задачи, что позволяет строить оптимизационные модели, отражающие реальное распределение и

использование ресурсов. В Таблице 1.4 представлены основные типы связей между объектами в различных методах оптимизации.

Таблица 1. 4 - Типы связей между объектами в различных методах

оптимизации

Тип связи Описание Пример задач или методов оптимизации

Прямые (однозначные) Связывают один объект с другим, устанавливая отношение «один к одному» Задача о назначениях (назначение исполнителя на задачу)

Многие-ко-многим Один объект может быть связан с несколькими другими объектами Управление запасами, многозадачные распределения

Иерархические Определяют последовательность или зависимость между уровнями выполнения задач Сетевые методы планирования (PERT, CPM)

Взаимозаменяемые Объекты могут заменять друг друга в зависимости от эффективности или выгодности Транспортная задача (альтернативные маршруты)

Зависимости по ограничению Устанавливают границы или условия для взаимодействия объектов. Линейное программирование (ограничения на ресурсы)

Потоковые Описывают перемещение ресурсов или задач через сеть или граф, оптимизируя поток Алгоритмы максимального потока, задачи маршрутизации

Стоит отметить, что закрепление и назначение исполнителей осуществляется на основе документационной базы. Входными данными задач могут выступать технические задания, особенно актуальны технические задания временных проектов в отношении коммерческих организаций, должностные инструкции и иная номенклатура в зависимости от предметной области. Так, например, в образовательной среде особое значение имеют рабочие программы дисциплин (далее - РПД). Для формирования подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача для некоммерческой сферы, а именно на примере высшего образования, первично необходимо выделить одну из задач, для которой наиболее актуально применение указанного подхода. Для решения указанной задачи выполним анализ одной рассматриваемой практической области, а именно рассмотрим совершенствование деятельности кафедры, как учебно-научного структурного подразделения, с учетом реализации государственной политики в сфере образования.

1.3. Анализ практической области применения подхода, реализующего интеллектуальную поддержку принятия решения при формировании связи исполнитель-задача в целях повышения эффективности функционирования организационных систем

В современных условиях значимость развития сферы образования для государства крайне высока. Рост численности высококвалифицированных кадров способствует повышению качества жизни населения, экономическому росту и развитию различных отраслей. Качество подготовки специалистов в перспективе оказывает влияние на все области экономики, что особенно важно в условиях ориентации на технологический суверенитет. Высокий приоритет сферы образования нашел отражения в текущих национальных целях развития нашей страны, а также различных государственных стратегиях, федеральных программах и проектах.

Согласно Указу Президента Российской Федерации от 7 мая 2024 г. № 309 в качестве некоторых целевых показателей достижения национальных целей к 2030 году определено вхождение в число 10 ведущих стран мира по объему научных исследований и разработок, а также достижение «цифровой зрелости» ключевых отраслей экономики и социальной сферы, что невозможно без достаточного количества специализированных кадров особенно в сфере информационных технологий [74].

Кроме того, согласно Стратегии научно-технологического развития Российской Федерации, утвержденной Указом Президента Российской Федерации от 28 февраля 2024 г. № 145, запланирован переход к новой системе подготовки квалифицированных кадров для высокотехнологичных и наукоемких секторов экономики [75]. Также согласно Концепции технологического развития на период до 2030 года, утвержденной распоряжением Правительства Российской Федерации от 20 мая 2023 г. № 1315-р, одним из механизмов реализации цели по обеспечению национального контроля над воспроизводством критических и сквозных технологий является подготовка кадров и развитие компетенций на основе долгосрочной мотивации [73]. В связи с чем, предусмотрен ряд мероприятий, направленных на восполнение дефицита кадров и фокусировку системы подготовки на технологические приоритеты. Одним из таких мероприятий является уточнение образовательных программ высшего образования с учетом актуальных компетенций, а также разработка программ с практико-ориентированным подходом.

В настоящее время реализуется множество программ, направленных на повышение качества высшего образования, в том числе Передовая инженерная школа, Цифровая кафедра, программа повышения качества преподавания фундаментальных дисциплин, созданная в соответствии с поручением Президента Российской Федерации, и другие. Также с 2021 года реализуется новый амбициозный проект - программа стратегического академического лидерства «Приоритет-2030». Программы развития

университетов-участников «Приоритета-2030» должны включать в себя определенные мероприятия по выбору университета. Например, такими мероприятиями могут выступать обновление, разработка и внедрение новых образовательных программ высшего образования, а также реализация проекта «Цифровая кафедра», обеспечивающего получение дополнительной квалификации по ИТ-профилю.

Стоит отметить, что система образования в России неоднократно подвергалась различным реформам и модернизациям: введение программ бакалавриата и магистратуры, появление ЕГЭ, внедрение новых поколений федеральных государственных образовательных стандартов (ФГОС ВПО, ФГОС ВО; ФГОС 3+, ФГОС 3++) и т.д.

Учитывая многообразие существующих проектов, важным фактором является необходимость быстрой адаптации организаций высшего образования (далее - ОВО) для реализации таких проектов и программ. Основным структурным подразделением ОВО, обеспечивающим проведение учебной, научной, воспитательной и методической работы, является кафедра. На Рисунке 1.4 представлены области деятельности кафедры.

Учебная деятельность

Методическая деятельность

Воспитательная работы • • •

Научно-исследователь ская работа

/ Области ^

Материально-техническое обеспечение

Финансово-хозяйственная деятельность

Организационная работы

Управленческая работы

Кадровая работы

Рисунок 1.4 - Области деятельности кафедры

Учитывая широкий спектр областей деятельности кафедры ее задачи также многообразны и включают в себя планирование, организацию и совершенствование учебного процесса в соответствии с требованиями федеральных государственных образовательных стандартов высшего образования; ведение учебно-учетной документации; проведение научных исследований и публикация научных результатов, участие в семинарах и конференциях; обеспечение необходимой численности профессорско-преподавательского состава требуемой квалификации, а также повышение квалификации работников кафедры; разработка и ведение документации кафедры, необходимой для осуществления ее деятельности; подготовка планов и отчетов по кафедральной деятельности и т.д. [62].

Таким образом, принимая во внимание многозадачность кафедры, становится актуальным вопрос повешения эффективности деятельности кафедры за счет автоматизации решения ее основных задач. Как правило, основные задачи кафедры характеризуются цикличностью в рамках учебного года. Однако существуют задачи, ограниченные не только постоянными условиями, но и подверженные изменениям с учётом особенностей текущего цикла (учебного года) и требующие соответствующих корректировок. В связи с чем, положительный эффект от автоматизации решения таких задач объективно важен в контексте поддержки принятия решений в организационных системах. Кроме того, необходимо учитывать степень влияния задачи на другие процессы, а также ее значимость среди других областей деятельности подразделения.

Одной из таких значимых задач выступает ежегодное распределение педагогической нагрузки, что становится особенно трудозатратно в условиях внедрения новых образовательных программ или их адаптации с учетом возникающих потребностей экономики и современных тенденций, например таких как ориентация на технологии искусственного интеллекта или анализ больших данных, повышение экологичности производства и др.

Распределение педагогической нагрузки является одной из ключевых задач, реализуемых кафедрой в рамках своей основной деятельности. Данная задача становится особенно трудозатратой, а ее эффективное решение актуальным в условиях особенностей штатного расписания профессорско-преподавательского состава кафедры (далее - ППС), динамично меняющейся нагрузки, обусловленной, в том числе, миграцией контингента студентов, наличием потоковых дисциплин, корректировкой учебных планов в части введения новых дисциплин, что особенно актуально в области информационных технологий [64].

В Таблице 1.5 представлены возможные подзадачи, возникающие при ежегодном распределении нагрузки с учетом особенностей очередного цикла.

Таблица 1. 5 - Возможные подзадачи, возникающие при ежегодном распределении нагрузки с учетом особенностей очередного цикла

Особенности нового учебного года Новая подзадача при распределении нагрузки

Введение новых дисциплин в учебный план, в том числе потоковых / введение нового ФГОСа или иных требований Поиск сотрудника, компетентностно-соответствующего учебной области с учетом профилизации обучающихся

Увеличение контингента студентов на одном профиле и соответствующее снижение на другом (с учетом современных тенденций и запросов экономики) Перераспределение нагрузки в условиях ограниченности кадрового состава

Привлечение нового сотрудника (может быть обусловлено сохранением необходимого соотношения остепененности кадрового состава) Анализ областей интересов сотрудника и поиск соответствующей дисциплины

Несомненно, в целях получения максимального положительного эффекта от реализации любой программы, в том числе и образовательной, ключевым фактором, определяющим получаемый результат, является задействованный кадровый ресурс.

В сфере высшего образования важно не только разработать актуальную, конкурентную и прогрессивную образовательную программу, но и подобрать для нее оптимальный профессорско-преподавательский состав. Вопрос распределения педагогической нагрузки, в том числе ее автоматизацию, необходимо рассматривать не только с точки зрения соответствия существующим нормативам в отношении предельного объема нагрузки и других факторов, но и поиска оптимального кандидата для каждой из дисциплин в условиях ограниченности кадрового ресурса профессорско-преподавательского состава кафедры.

Согласно опросу, проведенному среди студентов РТУ МИРЭА установлена прямая зависимость влияния замотивированности студентов и наличия подходящего преподавателя на эффект от образовательного процесса (Рисунок 1.5).

Замотивированность студентов

Рисунок 1.5 - Визуализация влияния подходящего кандидата на эффект

от образовательного процесса

Результат освоения дисциплины при «неподходящем» преподавателе и высокой мотивации студентов по получаемому эффекту сравним с обучением слабо замотивированных студентов преподавателем компетентностно-соответствующим учебной области.

Учитывая степень влияния на образовательный процесс, стоит отметить временную особенность решения задачи распределения и перераспределения педагогической нагрузки, а именно возникновение необходимости быстрого реагирования при непредвиденных обстоятельствах (например, преждевременный уход из жизни преподавателя), а также недопущение прерывания образовательного процесса.

Таким образом совокупность постоянных и непостоянных факторов и условий, оказывающих влияние на проце^ принятия решения при распределении учебной нагрузки, весьма многогранна, что подтверждает необходимость совершенстовования указанного процесса в части поддержки принятия решений.

К постоянным условиям, оказывающим влияние на процесс принятия решения при распределении учебной нагрузки, можно отнести текущий (статичный) контингент студентов - оказывает влияние на необходимое количество преподавателей по различным дисциплинам; действующие учебные планы - определяет совокупность дисциплин, требующих распределения между преподавателями; имеющиеся ограничения, установленные действующими нормативными правовыми актами - например, по закреплению определенных типов занятий (лекции, практики) за преподавателями со степенью и без научной степени.

К переменным условиям можно отнести введение новых федеральных государственных образовательных стандартов; новые тенденции в сфере образования (например, ориентация на применение искусственного интеллекта и машинного обучения); текущие запросы государства, ориентированные на возникающие потребности в условиях экономической

турбулентности; иные факторы, возникновение которых связано с реализацией государственной политики в области образования и науки.

Также стоит отметить целесообразность автоматизации непосредственно процессов поддержки принятия решений при распределении педагогической нагрузки, а не автоматизацию самого распределения (Рисунок 1.6).

Имеющаяся педагогическая нагрузка

/

§

и

\

е

ч 3

в

3

Т

З

А Ц

И

'ч _' I_

Распределенная педагогическая нагрузка

^—I Процесс распределения "[ — -/' !— — — — — — — — _1

(Имеющаяся педагогическая нагрузка

\---1 Процесс распределения Ц—

/V

АВТОМАТИЗАЦИЯ

Процесс поддержки принятия решения

АВТОМАТИЗАЦИЯ

Рисунок 1. 6 - Рассматриваемая область автоматизации поддержки принятия решения при определении исполнителя для задачи

Учитывая изложенное, в контексте данного диссертационного исследования, направленного на поддержку принятия решения при формировании связей между исполнителями и задачами в целях повышения эффективности функционирования организационных систем, решение задачи распределения педагогической нагрузки выступает экспериментальной областью при разработке рассматриваемого подхода и алгоритма. Вместе с тем стоит отметить универсальность предлагаемого подхода в связи с наличием возможности изменения набора входных данных с учетом особенностей различных задач, обусловленную схожестью постоянных условий при формировании связей исполнитель-задача. Рассмотрим область деятельности коммерческой организации

для определения области возникновения потребности формирования связей исполнитель-задача.

ООО «Авиа Центр» является одним из крупнейших консолидаторов по продаже авиа- и железнодорожных билетов на рынке Российской Федерации, предоставляет гибкие и надежные онлайн решения для частных клиентов и корпоративных клиентов, позволяющие обеспечить агентов максимально конкурентными условиями продаж.

Отдельное место в организационной структуре ООО «Авиа Центр» занимает отдел разработки программного обеспечения, который делится на несколько специализированных команд, таких как «Мой агент», «Колибри», «Авиакасса», «Отели онлайн» и команда Партнерских программ (Рисунок 1.7). Такой подход к организации работы указывает на гибкую систему управления проектами и распределение задач между узкоспециализированными группами, что в свою очередь формирует потребность в установлении связей исполнитель-задача, а в данном случае - команда-задача.

Рисунок 1.7 - Организационная структура ООО «Авиа центр»

Кроме того, вопрос установления связей между задачами и исполнителями также актуален внутри каждой из команд. Далее рассмотрим данный вопрос на примере одной из команд - команды проекта «Авиакасса», занимающегося разработкой программного обеспечения.

1.4. Сравнительный анализ, выявление закономерностей и недостатков используемых механизмов распределения практических задач между

исполнителями

Рассмотрим специфику распределения задач на примере проекта «Авиакасса» (далее - АК). АК делится на несколько подпроектов: В2С проект, служащий для поиска и бронирования билетов и отелей; партнерская программа, где АК выступает в качестве технологической площадки и разработчика программного обеспечения; а также иные партнерские программы, предоставляющие для АК свои поисковые модули. Управление осуществляется командами проекта, каждая из которых имеет свою специфику (Рисунок 1.8).

Рисунок 1.9. - Управление командами АК

Специфика команд АК заключается в следующем:

1. АК Alfa - поддержка и развитие проекта совместно с Альфа-Банком. АК выступает исполнителем, предоставляет свои технологические решения.

2. АК Evolution - поддержка и развитие личного кабинета АК. Автоматизация процессов обслуживания клиентов в Колл Центре.

3. АК Product - реализация задач на развитие функционала АК. Команда работает по методологии SCRUM (гибкий метод управления проектами с короткими циклами работы).

4. АК Frontlme - реализация задач на поддержку работоспособности АК. Команда работает по методологии KANBAN (система визуального контроля задач с акцентом на плавный поток работы и устранение перегрузок).

5. AK Core - оптимизация кода проекта АК. Улучшение технического качества цифрового продукта АК.

В свою очередь команды состоят из руководителя, а также исполнителей с различными ролями (бэкенд разработчик, фронтенд разработчик, тестировщик, менеджер).

Кроме того, существуют межкомандные должности, такие как аналитики (продуктовый аналитик, системный аналитик, Data Scientist, аналитик контента, бизнес-аналитик), дизайнер, SEO-инженер, копирайтер, технический писатель, которыми руководит директор по цифровым продуктам АК.

В случае наличия единичного исполнителя в должности вопрос распределения задач не возникает, однако в случае наличия двух и более дизайнеров или копирайтеров формируется потребность в поддержке принятия решения при формировании связей исполнитель-задача. Зачастую распределение таких задач происходит с учетом занятости/незанятости исполнителя или же с ориентацией на опыт прошлого и может не учитывать скрытые индивидуальные особенности возможного исполнителя, способные повысить качество и эффективность выполнения задачи.

В отношении вопроса о распределении педагогической нагрузки стоит отметить, что распределение нагрузки является сложной многокритериальной задачей, требующей учета множества разнообразных факторов, таких как равномерность нагрузки преподавателей, квалификация и опыт профессорско-преподавательского состава и т.д. [103]. В рамках диссертационного исследования рассматривается вопрос о распределении одного из пяти видов педагогической нагрузки (учебная, учебно-методическая, научно-исследовательская, организационно-методическая и воспитательная) -учебной, а именно распределение непосредственно самих дисциплин. Лицом, принимающим решение по распределению педагогической нагрузки, является заведующий кафедрой.

Список литературы диссертационного исследования кандидат наук Пучкова Мария Алексеевна, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Айдинян, А. Р. Генетические алгоритмы распределения работ / А. Р. Айдинян, О. Л. Цветкова // Вестник Донского государственного технического университета. - 2011. - Т. 11, № 5(56). - С. 723-729.

2. Минъюй, Г. Алгоритм группирования текстовых данных с рекомбинацией по принципу химической реакции / Г. Минъюй, М. И. Цепкова, Н. Л. Резова, Ч. Ма, А.А. Ступина // Системы управления и информационные технологии. - 2022. - № 3(89). - С. 61-65. 10.36622/VSTU.2022.89.3.013

3. Амосов, В. В. Аппаратная реализация системы поддержки принятия решений / В. В. Амосов, А. В. Петров, И. К. Шульгин // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. - 2025. - № 4-2. - С. 31-36.

4. Асанов, А. З. Применение графовых моделей в проектном управлении / А. З. Асанов, И. Ю. Мышкина, Л. Ю. Грудцына // Онтология проектирования. - 2023. - Т. 13, № 2(48). - С. 232-242.

5. Балобанов, А.А. Модель и алгоритм оценки кандидатов на вакантную должность в кадровой системе МЧС России / А.А. Балобанов // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». - 2021. - № 2. - С. 178-186.

6. Басаков, М.И. Делопроизводство [Документационное обеспечение управления]: учебник / М.И. Басаков, О.И. Замыцкова. - Ростов н-Д.: Феникс, 2013. - 376 с.

7. Басаков, М.И. Документационное обеспечение управления с основами архивоведения: учебное пособие / М.И. Басаков. - М.: КНОРУС, 2013. - 216 с.

8. Бедняк, С. Г. Методы предварительной обработки для интеллектуального анализа текста / С. Г. Бедняк, Е. П. Пономарева // Наука и бизнес: пути развития. - 2023. - № 12(150). - С. 48-52.

9. Бова, В. В. Методы и алгоритмы кластеризации текстовых данных (обзор) / В. В. Бова, Ю. А. Кравченко, С. И. Родзин // Известия ЮФУ. Технические науки. - 2022. - № 4(228). - С. 122-143.

10. Болгов, Н.В. Принципы применения искусственного интеллекта в системе поддержки принятия решений в банковском менеджменте / Н.В. Болгов, И.А. Куркин // Вестник Московского гуманитарно-экономического института. - 2025. - № 1(97). - С. 13-17.

11. Болгова, Е В. Разработка математической модели поддержки принятия решений при распределении учебной нагрузки педагогических работников кафедры с учетом их компетентности / Е.В. Болгова // Вестник Воронежского института ФСИН России. - 2022. - № 2. - С. 34-40.

12. Валиев, А. И. Применение методов машинного обучения для автоматизации процесса анализа содержания текста / А. И. Валиев, С. А. Лысенкова // Вестник кибернетики. - 2021. - № 4(44). - С. 12-15.

13. Вентцель Е.С. Исследование операций / Е.С. Вентцель. - М.: Советское радио, 1972. - 552 с.

14. Гвоздев, О.Г. Архитектура автоматизированной информационной системы сопровождения процессов принятия решений по оценке ущерба при отмене крупных международных экономических форумов / О.Г. Гвоздев, М.А. Шахраманьян, А.И. Овсяник // Экономика: вчера, сегодня, завтра. - 2021. - Т. 11. - № 8-1. - С. 310-322.

15. Гусев, П.Ю. Оптимизация принятия решений при управлении в цифровизированной системе на основе многоэтапной процедуры блочного программирования / П.Ю. Гусев, Я.Е. Львович // Информационные технологии. - 2024. - Т. 30, № 12. - С. 615-621.

16. Демина, И. Н. Структурные характеристики профильной научной журнальной периодики / И. Н. Демина, М. В. Шкондин // Вопросы теории и практики журналистики. - 2023. - Т. 12, № 4. - С. 690-710.

17. Деревянко, Б.А. Современные методы и средства проектирования имитационных систем и систем поддержки принятия решений / Б.А. Деревянко // Мягкие измерения и вычисления. - 2019. - № 1 (14). -С. 4-11.

18. Димитриев, А.П. Алгоритм распределения учебной нагрузки преподавателя по индивидуальным планам с применением технологии искусственного интеллекта / А.П. Димитриев, Т.А. Лавина // Современные наукоемкие технологии. - 2023. - № 5. - С. 13-18.

19. Дятчина, А.В. Метод решения задачи планирования работ в 1Т-проекте и назначения им специалистов / А. В. Дятчина, С. А. Олейникова // Моделирование, оптимизация и информационные технологии. - 2024. - Т. 12, № 4(47). - С. 1-9.

20. Дятчина, А.В. Разработка проблемно-ориентированной системы для решения оптимизационной задачи управления потоком поступающих заявок / А.В. Дятчина, С.А. Олейникова, Т.Н. Недикова // Вестник Воронежского государственного технического университета. - 2023. - Т. 19, № 4. - С. 37-43.

21. Еременко, В. Т. Разработка архитектуры системы поддержки принятия решений при обработке информации на основе концепции хранилищ данных / В. Т. Еременко, С. В. Еременко, Ю. В. Силенок // Информационные системы и технологии. - 2019. - № 4(114). - С. 45-55.

22. Ефанов, С.В. Метод и алгоритм интеллектуальной обработки текстовой информации / С.В. Ефанов, Е.Н. Иванова, И.Е. Чернецкая // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. -2024. - Т. 14, № 3. - С. 22-35.

23. Живаева, А.А. Архитектура системы поддержки принятия решений при планировании процесса разработки программного обеспечения / А.А. Живаева, В.В. Долгов // Актуальные проблемы науки и техники. - 2018.

- С. 73-75.

24. Иванко, Е. Е. Метод динамического программирования в минимаксной задаче распределения заданий с равноценными исполнителями / Е. Е. Иванко // Вестник Южно-Уральского государственного университета. Серия: Математическое моделирование и программирование. - 2013. - Т. 6, № 1. - С. 124-133.

25. Иванова, Е. Н. Интеллектуальный метод и алгоритм для ускорения процесса обработки текстовых данных / Е. Н. Иванова, С. В. Ефанов // Сборник научных статей по материалам V Международной конференции «Интеллектуальные информационные системы: теория и практика», Курск, 19-21 ноября 2024 года. - Курск: Курский государственный университет, 2024.

- С. 16-20.

26. Калач, А.В. Ключевые аспекты проектирования модульной структуры системы поддержки принятия решений в сфере образования / А.В. Калач, Т.Е. Саратова // Научно-техническая информация. Серия 2: Информационные процессы и системы. - 2025. - № 11. - С. 30-40.

27. Калевко, В. В. Модели оперативного управления компетентностным потенциалом сотрудников проектно-ориентированной организации / В. В. Калевко, Д. Г. Лагерев // Автоматизация и моделирование в проектировании и управлении. - 2023. - № 2(20). - С. 77-88.

28. Калевко, В. В. Применение информационной технологии управления процессом развития компетентностного потенциала для задач управления учебным процессом вуза / В. В. Калевко, Д. Г. Лагерев // Материалы IV всероссийской научно-технической конференции «Цифровые технологии в лесном секторе», Санкт-Петербург, 19-20 октября 2023 года. -

Санкт-Петербург: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова, 2023. - С. 39-42.

29. Каширина, Е. И. Управление образовательным процессом в условиях цифровизации / Е. И. Каширина // Электронный сетевой политематический журнал "Научные труды КубГТУ". - 2023. - № 2. -С. 65-74.

30. Кильдеева, С. С. Интеллектуальная технология прогнозирования и распределения заданий в автоматизированных системах электронного документооборота / С. С. Кильдеева, А. С. Катасев, Н. Г. Талипов // Математические методы в технике и технологиях. - ММТТ. - 2020. - Т. 4. -С. 122-127.

31. Кильдеева, С. С. Модели и методы прогнозирования и распределения заданий по исполнителям в системах электронного документооборота / С. С. Кильдеева, А. С. Катасев, Н. Г. Талипов // Вестник Технологического университета. - 2021. - Т. 24, № 1. - С. 79-85.

32. Коновалов, Г. Г. Сравнительный анализ библиотек для машинного обучения на языке Python / Г. Г. Коновалов // International Journal of Professional Science. - 2025. - № 11-2. - С. 66-75.

33. Корольков, А.П. Методика отбора и оценки кандидатов на вакантные должности в системе МЧС России на основе метода анализа иерархий / А.П. Корольков, А.А. Балобанов // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». - 2021. - № 2. - С. 71-77.

34. Крошилин, А. В. Интеллектуальная поддержка принятия управленческих решений в организационных системах распределения задач между сотрудниками / А. В. Крошилин, С. В. Крошилина, А. А. Попова // Современные наукоемкие технологии. - 2024. - № 12. - С. 55-60.

35. Курбанова, У. А. И. Оценка эффективности организационных структур предприятия / У. А. И. Курбанова, А. Г. Магомедова // Региональная и отраслевая экономика. - 2023. - № 6. - С. 165-173.

36. Лагерев, Д. Г. Оценка семантической близости новостных сообщений на основе анализа заголовков / Д. Г. Лагерев, Е. А. Макарова // Вестник компьютерных и информационных технологий. - 2021. - Т. 18, № 7(205). - С. 46-56.

37. Линкина, А.В. Оптимизация принятия решений при управлении в организационных системах с неоднородной структурой пространственных элементов / А.В. Линкина, Я.Е. Львович, Н.А. Рындин // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. - 2024. - № 3. - С. 87-96.

38. Линкина, А.В. Разработка функциональных алгоритмов и концептуальной модели информационно-аналитической системы поддержки управления региональным агропромышленным комплексом / А.В. Линкина,

B.С. Рощин // Вестник Воронежского государственного университета инженерных технологий. - 2023. - Т. 85, № 4(98). - С. 115-121.

39. Лысанов, Д. М. Разработка математической модели рационального распределения задач между исполнителями / Д. М. Лысанов, И. И. Еремина, А. Э. Шайхатаров // Экономика и предпринимательство. - 2025. - № 4(177). -

C. 1164-1167.

40. Львович, Я.Е. Интеллектуализация управления в организационных системах с цифровым концентратором результатов деятельности на основе оптимизационного моделирования / Я.Е. Львович, А.Н. Пупыкин // Моделирование, оптимизация и информационные технологии. - 2024. - Т. 12, № 2(45).

41. Майер, С.Ф. Анализ систем автоматизации формирования рабочих программ учебных дисциплин / С. Ф. Майер, Г. В. Муратова // Инженерный вестник Дона. - 2021. - № 11(83). - С. 274-287.

42. Макарова, Е. А. Модель обработки слабоструктурированных текстовых данных на русском языке для интеллектуальной поддержки информационного управления в динамических организационных системах / Е. А. Макарова, Д. Г. Лагерев // Модели, системы, сети в экономике, технике, природе и обществе. - 2022. - № 3(43). - С. 104-125.

43. Макарова, Е. А. Поддержка процессов информационного управления с помощью программного сервиса для автоматизированной обработки слабоструктурированных текстовых данных на русском языке / Е. А. Макарова // Информационные технологии. Проблемы и решения. - 2022. -№ 3(20). - С. 50-56.

44. Макарова, Е. А. Применение автоматизированной системы интеллектуального анализа текстовых данных для управления процессом формирования индивидуальных образовательных траекторий / Е. А. Макарова, Д. Г. Лагерев // Сборник материалов XXVI Международной научно-технической конференции «Информационные системы и технологии ИСТ-2020», Нижний Новгород, 24-28 апреля 2020 года / Нижегородский государственный технический университет им. Р.Е. Алексеева. - Нижний Новгород: Нижегородский государственный технический университет им. Р.Е. Алексеева, 2020. - С. 362-367.

45. Методика отбора и оценки кандидатов для замещения вакантной должности в системе МЧС России / А. П. Корольков, С. А. Погребов, А. А. Балобанов, А. Р. Гареев // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». - 2019. - № 1. - С. 76-82.

46. Миннегалиева, Ч. Б. Метод предварительной оценки ответов обучающихся на основе векторной модели документов / Ч. Б. Миннегалиева, Г. А. Сабитова, А. М. Гаялиев // Электронные библиотеки. - 2023. - Т. 26, № 3. - С. 324-339.

47. Наумов, Р. К. Способы интеллектуального анализа данных средствами СУБД / Р. К. Наумов, М. С. Самылкин, М. В. Копейкин // Научный результат. Информационные технологии. - 2021. - Т. 6, № 2. - С. 32-40.

48. Нгуен, Т. Т. Сравнительный анализ различных типов организационных структур предприятий / Т. Т. Нгуен, М. М. Мизаев, Е. И. Зацаринная // Экономика и управление: проблемы, решения. - 2024. -Т. 15, № 10(151). - С. 52-60.

49. Нгуен, Ф. Х. Анализ данных на Python с применением PANDAS и Matplotlib / Ф. Х. Нгуен // Экономика и управление: проблемы, решения. -2024. - Т. 8, № 12(153). - С. 91-97.

50. Новиков, Д.А. Теория управления организационными системами / Д.А. Новиков. - М.: URSS, ООО «ЛЕНАНД», 2022. - 500 с.

51. Новиков, Д.А. Управление проектами: организационные механизмы / Д.А. Новиков. - М.: ПМСОФТ, 2007. - 140 с.

52. Олейникова, С.А. Разработка специального математического обеспечения системы управления потоком поступающих заявок / С.А. Олейникова, А.В. Дятчина // Вестник Воронежского государственного технического университета. - 2023. - Т. 19, № 2. - С. 33-37.

53. Пальмов, С.В. Сравнительный анализ библиотек PYMORPHY3 и PYMYSTEM3 / С.В. Пальмов, Р.Р. Салихов // Наука и бизнес: пути развития. - 2024. - № 6(156). - С. 45-49.

54. Писарева, О. М. Задачи и методы оптимизации состава исполнителей программ и проектов в системе стратегического планирования / О. М. Писарева // МИР (Модернизация. Инновации. Развитие). - 2022. - Т. 13, № 3. - С. 385-401.

55. Поддержка принятия решения распределения учебной нагрузки при реализации образовательных программ с применением рекомендательного подхода / Т. Е. Смоленцева, М. А. Пучкова // Труды XX Всероссийской школы-конференции молодых ученых «Управление большими

системами», Новочеркасск, 10-13 сентября 2024 года. - Новочеркасск: ЮжноРоссийский государственный политехнический университет (НПИ) им. М.И. Платова, 2024. - С. 114-118.

56. Подход к распределению задач технологического процесса среди неоднородных участников КРТС с учетом их состояния / Р. Р. Галин, М. В. Мамченко, С. Б. Галина, В. А. Зорин // Управление большими системами: сборник трудов. - 2024. - № 112. - С. 233-256.

57. Приказ Федеральной службы по надзору в сфере образования и науки от 04.08.2023 № 1493 «Об утверждении Требований к структуре официального сайта образовательной организации в информационно-телекоммуникационной сети «Интернет» и формату представления информации» // Официальный интернет-портал правовой информации, 29.11.2023, № 0001202311290017.

58. Прокопьева, Н. В. Флективные аспекты русского языка в контексте технологий обработки естественного языка: теоретические и прикладные решения / Н. В. Прокопьева, Д. М. Прокопьев, М. В. Черкашина // Актуальные вопросы современной филологии и журналистики. - 2024. -№ 3(54). - С. 59-71.

59. Пучкова, М.А. Проектирование системы поддержки принятия управленческих решений при установлении соответствия исполнитель-задача в организационных системах // Современные наукоемкие технологии. - 2025. - № 11. - С. 126-133.

60. Пучкова, М. А. Алгоритм интеллектуальной поддержки принятия решения при формировании входного набора данных для последующего установления взаимосвязей «исполнитель - задача» / М. А. Пучкова // Современные наукоемкие технологии. - 2025. - № 8. - С. 29-36.

61. Пучкова, М. А. Анализ применения алгоритмов и методов решения задач оптимизации в контексте генерации связей между объектами с учетом особенностей входного набора данных / М. А. Пучкова // Сборник

трудов Международной научной конференции «Актуальные проблемы прикладной математики, информатики и механики», Воронеж, 02-04 декабря 2024 года. - Воронеж: Научно-исследовательские публикации, 2025. - С. 15191523.

62. Пучкова, М. А. К вопросу автоматизации управления деятельностью учебно-научного структурного подразделения организаций высшего образования / М. А. Пучкова, Т. Е. Смоленцева // сборник трудов Международной научной конференции «Актуальные проблемы прикладной математики, информатики и механики», Воронеж, 04-06 декабря 2023 года. -Воронеж": Общество с ограниченной ответственностью «Вэлборн», Издательство «Научно-исследовательские публикации», 2024. - С. 1596-1599.

63. Пучкова, М. А. Концепция формирования инструментария генерации связей «преподаватель-дисциплина» в структуре организаций высшего образования / М. А. Пучкова, Т. Е. Смоленцева, Е. В. Калач // Вестник Воронежского института ФСИН России. - 2024. - № 3. - С. 93-99.

64. Пучкова, М. А. О возможности применения подхода к реализации распределения учебной нагрузки профессорско-преподавательского состава кафедры основанного на выявлении и генерации разноуровневых связей «преподаватель - дисциплина» / М. А. Пучкова, Т. Е. Смоленцева // Тенденции развития науки и образования. - 2024. - Т. 109, Ч. 13 . - С. 114-117.

65. Пучкова, М. А. Об особенностях источников входных данных в контексте реализации рекомендательного подхода по распределению дисциплин кафедры / М. А. Пучкова, Т. Е. Смоленцева, К. А. Кузнецова // сборник материалов Международной научно-практической конференции «Техника и безопасность объектов уголовно-исполнительной системы», Воронеж, 22-23 мая 2024 года. - Воронеж: Строки, 2024. - С. 381-386.

66. Пучкова, М.А. Модель решения задачи управления по установлению связей в системе «исполнитель - задача» / А. В. Калач, М. А. Пучкова // Сборник тезисов выступлений и докладов участников VII

международного пенитенциарного форума приуроченного к 80-летию Победы в Великой Отечественной войне и Году защитника Отечества VII Международный пенитенциарный форум «Преступление, наказание, исправление»:. В 5-ти томах, Рязань, 19-21 ноября 2025 года. - Рязань: Академия права и управления ФСИН России, 2025. - С. 195-198.

67. Пучкова, М.А. Модель формирования вариативных связей исполнитель-задача с учетом семантического анализа для последующей генерации рекомендаций возможных взаимосвязей // Вестник Воронежского института ФСИН России. - 2025. - № 3. -С. 120-127.

68. Пучкова, М.А. Программные решения организации хранения входного набора данных и последующего формирования разноуровневых связей исполнитель-задача // Безопасность. Управление. Искусственный интеллект - 2025. - № 3. - С. 29-34.

69. Разработка логико-математических моделей принятия управленческих решений в сложных организационных системах специального назначения / В. И. Сумин, А. В. Мельников, В. И. Анциферова, С. А. Сазонова // Моделирование систем и процессов. - 2023. - Т. 16, № 1. - С. 26-34.

70. Раскатова, М. В. Векторизация текстов в задачах обработки естественного языка: история и развитие / М. В. Раскатова, Э. А. Челышев // Материалы IV Международной научно-практической конференции «Современное программирование», Нижневартовск, 08 декабря 2021 года / Под общей редакцией Т.Б. Казиахмедова - Нижневартовск: Нижневартовский государственный университет, 2022. - С. 284-288.

71. Ривкин, М. Базы данных: мультимодельность, конвергентность и искусственный интеллект / М. Ривкин // Открытые системы. СУБД. - 2020. -№ 2. - С. 35-38.

72. Ривкин, М.Н. Системы управления базами данных и оболочки экспертных систем для персональных компьютеров / A.B. Смородинский, М.Н. Ривкин. - Тверь, 1991.

73. Российская Федерация. Распоряжение Правительства Российской Федерации от 20.05.2023 № 1315-р - Собрание законодательства Российской Федерации - 2023 г. - № 22. - ст. 3964 (поправка - СЗ РФ, 2023, № 23 часть II).

74. Российская Федерация. Указ Президента Российской Федерации от 07.05.2024 № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» - Собрание законодательства Российской Федерации - 2024 г. - № 20. - ст. 2584.

75. Российская Федерация. Указ Президента Российской Федерации от 28.02.2024 № 145 «О Стратегии научно-технологического развития Российской Федерации» - Собрание законодательства Российской Федерации - 2024 г. - № 10. - ст. 1373.

76. Рудинский, И. Д. Методология автоматизации учебно-методической деятельности преподавателя вуза / И. Д. Рудинский, Н. С. Пугачева // Известия Балтийской государственной академии рыбопромыслового флота: психолого-педагогические науки. - 2021. -№ 3(57). - С. 12-14.

77. Самойленко, В.С. Архитектура интеллектуальной системы поддержки принятия решений / В.С. Самойленко, А.Ю. Федотова // Международный научно-исследовательский журнал. - 2024. - № 8(146). - С. 1-6.

78. Свидетельство о государственной регистрации программы для ЭВМ № 2024689280 Российская Федерация. «Цифровой робот для автоматизации процессов на примере работы с рабочими программами дисциплин через веб-интерфейс»: № 2024687053: заявл. 12.11.2024: опубл. 05.12.2024 / А. В. Калач, М. А. Пучкова, Т. Е. Смоленцева [и др.]; заявитель федеральное казенное образовательное учреждение высшего образования «Воронежский институт ФСИН России».

79. Свидетельство о государственной регистрации программы для ЭВМ № 2025610586 Российская Федерация. Цифровой робот для автоматизации процессов оформления дисциплин: заявл. 11.12.2024: опубл. 13.01.2025 / М. А. Пучкова, А. В. Калач, Е. В. Калач, Т. Е. Смоленцева [и др.]; заявитель федеральное казенное образовательное учреждение высшего образования «Воронежский институт ФСИН России».

80. Свидетельство о государственной регистрации программы для ЭВМ № 2025683619 Российская Федерация. Программа формирования разноуровневых связей исполнитель-задача для системы рекомендаций при поддержке принятия решений / М.А. Пучкова. - № 2025681400; заявл. 18.08.2025; опубл. 05.09.2025. - 1 с. 26 КБ.

81. Свидетельство о государственной регистрации программы для ЭВМ № 2025684616 Российская Федерация. Программа для организации хранения входного набора данных в отношении исполнителей и задач в организационных системах / М.А. Пучкова. - № 2025681771; заявл. 18.08.2025; опубл. 16.09.2025. - 1 с. 82 КБ.

82. Свидетельство о государственной регистрации программы для ЭВМ № 2025685070 Российская Федерация. Программа анализа ключевых слов для управления элементами образовательной программы / М.А. Пучкова, А.В. Калач, Т.Е. Смоленцева, А.Л. Шкерин, А.С. Соловьев. - № 2025683403; заявл. 04.09.2025; опубл. 19.09.2025. - 1 с. 57 КБ.

83. Сейдаметова, З. С. Визуализация данных в сфере образовании библиотеками Python / З. С. Сейдаметова, С. Ш. Сеитбулаев, А. Г. Ибраимов // Перспективы науки. - 2024. - № 4(175). - С. 242-245.

84. Семенов, Р.Э. Концептуально-графовая модель текстового осмысления / Р. Э. Семенов // Наукоемкие технологии. - 2024. - Т. 25, № 6. -С. 34-43.

85. Серова, В. С. Гибридный метод классификации текстовых данных с узкоспециализированной терминологией / В. С. Серова, А. В. Голлай,

Е. В. Бунова // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. - 2025. -Т. 25, № 3. - С. 42-52.

86. Синтез системы управления процессом деструкции сшитых полимеров при комбинированных внешних воздействиях / С. Л. Подвальный,

A. П. Попов, А. В. Карманов [и др.] // Вестник Воронежского государственного технического университета. - 2020. - Т. 16, № 6. - С. 41-48.

87. Смоленцева, Т.Е. Алгоритм модели классификации потоковых дисциплин для разработки рекомендаций по оценке остаточных знаний // Современные проблемы науки и образования. - 2025. - № 2. - С. 46.

88. Смоленцева, Т.Е. Технология непрерывной оценки остаточных знаний на примере потоковых дисциплин высших учебных заведений // Современные наукоемкие технологии. - 2025. - № 1. - С. 158-165.

89. Смоленцева, Т. Е. Система многоуровневого оценивания знаний студентов в условиях цифровой образовательной среды вуза / Т. Е. Смоленцева // Современные наукоемкие технологии. - 2025. - № 6. -С. 115-122.

90. Сравнительные характеристики SQL и NOSQL СУБД, влияющие на разработку приложений баз данных / Е. М. Куприянчик, Т. В. Зудилова, И.

B. Ананченко [и др.] // Современные наукоемкие технологии. - 2022. - № 7. -

C. 74-78.

91. Сравнительный анализ возможностей WoS и eLibrary для анализа библиографических сетей / Д. В. Мальцева, И. А. Павлова, Л. В. Капустина [и др.] // Социология: методология, методы, математическое моделирование. -2023. - № 56. - С. 7-68.

92. Сравнительный анализ методов машинного обучения для решения задачи классификации документов научно-образовательного учреждения / М. Н. Краснянский, А. Д. Обухов, Е. М. Соломатина, А. А. Воякина // Вестник

Воронежского государственного университета. Серия: Системный анализ и информационные технологии. - 2018. - № 3. - С. 173-182.

93. Старцева Е.Б., Никулина Н.О., Малахова А.И. Система поддержки принятия решений для выбора профиля обучения // Онтология проектирования. - 2025. - Т. 15, № 2(56). - С. 281-294.

94. Степанова, Г. Ф. Эволюция и классификация организационных структур / Г. Ф. Степанова, Л. В. Гусарова // Экономика и управление: проблемы, решения. - 2015. - Т. 2, № 8. - С. 55-66.

95. Терешкина, Н. Е. Автоматизация процессов управления учебно-методической деятельностью вуза / Н. Е. Терешкина, О. А. Халтурина // Вестник Алтайской академии экономики и права. - 2024. - № 2-2. - С. 284289.

96. Терешкина, Н. Е. Стратегические факторы, влияющие на формирование организационной структуры управления / Н. Е. Терешкина, О. А. Халтурина // Вестник Алтайской академии экономики и права. - 2023. -№ 12-1. - С. 163-168.

97. Тоичкин Н.А. Проектирование архитектуры информационной системы диагностики состояний и управления безопасностью технологических процессов / Н.А. Тоичкин // Научно-технический вестник Поволжья. - 2023. - № 3. - С. 128-132.

98. Хитрова, Т. И. Методы формирования состава исполнителе IT-проекта / Т. И. Хитрова, С. С. Ованесян, А. С. Низовцева // Baikal Research Journal. - 2020. - Т. 11, № 4. - С. 7.

99. Хитрова, Т. И. Проблемы распределения работ в процессе реализации инновационных задач / Т. И. Хитрова, А. С. Низовцева // Baikal Research Journal. - 2020. - Т. 11, № 2. - С. 15.

100. Хуссейн, Ф. А. Разработка и исследование метода централизованного распределения задач в мультиагентных системах /

Ф. А. Хуссейн // Известия ЮФУ. Технические науки. - 2024. - № 4(240). -С. 40-49.

101. Шарай, В. А. Применение нечеткого логического выводя для решения задачи оптимального распределения поручений между исполнителями на примере задачи распределения учебной нагрузки на кафедре образовательного учреждения высшего образования / В. А. Шарай,

A. Н. Черкасов, П. Ю. Бучацкий // Сборник трудов VI Международной научно-практической конференции «Информационные системы и технологии в моделировании и управлении», Ялта, 24-26 мая 2021 года / Крымский федеральный университет имени В. И. Вернадского, Гуманитарно-педагогическая академия (филиал). - Симферополь: Общество с ограниченной ответственностью «Издательство Типография «Ариал», 2021. - С. 121-132.

102. Шевчук, Е.В. Цифровая трансформация управления качеством образовательных бизнес-процессов / Е.В. Шевчук, А.В. Шпак // Вестник Российского университета дружбы народов. Серия: Информатизация образования. - 2023. - Т. 20. № 2. - С. 159-175.

103. Шикульский М.И. Математическая модель и алгоритм распределения и контроля учебной нагрузки между профессорско-преподавательским составом / М.И. Шикульский, Е.М. Евсина, Е.П. Кравченкова // Инженерно-строительный вестник Прикаспия: научно-технический журнал - 2022. - № 1 (39). - С. 151-157.

104. Шиян, В. И. Комплексный анализ русскоязычных текстов на основе нейросетевых моделей трансформерного типа / В. И. Шиян,

B. Н. Марков // Инженерный вестник Дона. - 2025. - № 5(125). - С. 116-129.

105. Ярушкина, Н. Г. Применение языковых моделей word2vec и Ьег! в задаче сентимент-анализа текстовых сообщений социальных сетей / Н. Г. Ярушкина, В. С. Мошкин, А. А. Константинов // Автоматизация процессов управления. - 2020. - № 3(61). - С. 60-69.

106. Application of intelligent decision support system for processing a big data of heterogeneous information / S. M. Makeev, I. V. Belikov, I. V. Lebedev, V. I. Perov // Modern informatization problems in the technological and telecommunication systems analysis and synthesis (MIP-2020'AS) : Proceedings of the XXV-th International Open Science Conference, Yelm, WA, USA, 10 января 2020 года. - Yelm, WA, USA: Science Book Publishing House LLC, 2020. -P. 247-251.

107. Babina, O. I. Dataset preprocessing effects on Bi-LSTM-based concept tagging of text tokens / O. I. Babina, A. Yu. Zinoveva, E. D. Nerucheva // Terra Linguistica. - 2024. - V. 15, N. 3. - P. 109-123.

108. Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. - 2008. - V. 544

- P. 13.

109. Comparative Analysis of Data Visualization Libraries Matplotlib and Seaborn in Python // International Journal of Advanced Trends in Computer Science and Engineering. - 2021. - V. 10, N. 1. - P. 277-281.

110. Development of a decision support system at the stages of pre-design studies and design of irrigation systems based on IDEFo functional modelling methodology / S. Vasilyev, V. Slabunov, O. Voevodin, A. Slabunova // Irrigation and Drainage. - 2020. - V. 69, N. 4. - P. 546-558.

111. Devlin, J. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding / J. Devlin, M.-W. Chang, K. Lee, K. Toutanova // In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. - 2019.

- p. 4171-4186.

112. Duran, B.S. Cluster analysis / B.S. Duran, P.L. Odell // Lecture Notes in Economics and Mathematical Systems. - Springer Science & Business Media, 2013. - 138 p.

113. Hearst, M. A. An Evaluation of Semantically Grouped Word Cloud Designs / M. A. Hearst, E. Pedersen, L. Patil, E. Lee, P. Laskowski and S. Franconeri // IEEE Transactions on Visualization and Computer Graphics. - 2020. - V. 26. -N. 9. - P. 2748-2761.

114. Kim, SW. Research paper classification systems based on TF-IDF and LDA schemes. / SW. Kim, JM. Gil // Human-centric Computing and Information Sciences. - 2019. - 9 (30).

115. Kniezova, J. UML-Based Modeling for Effective Implementation of Constraint-Type Business Rules in Software Development / J. Kniezova, P. Hrküt // Procedia Computer Science. - 2025. - V. 257. - P. 1060-1066.

116. Kumar, J.S. Graph Theory: Modelling and Analyzing Complex System / J.S. Kumar, B. Archana, K. Muralidharan, V.S. Kumar // Metallurgical and Materials Engineering - 2025. - 31 (3). - pp. 70-77.

117. Lan, F. Research on Text Similarity Measurement Hybrid Algorithm with Term Semantic Information and TF-IDF Method // Advances in Multimedia. -2022. - P. 7923262.

118. Makarova, E. A. Approaches to visualizing big text data at the stage of collection and pre-processing / E. A. Makarova, D. G. Lagerev, F. Y. Lozbinev // Scientific Visualization. - 2019. - V. 11, N. 4. - P. 13-26.

119. Mikolov, T. Distributed Representations of Words and Phrases and their Compositionality / T. Mikolov, I. Sutskever, K. Chen, G.S. Corrado, J. Dean // Advances in Neural Information Processing Systems. - 2013. - P. 3111-3119.

120. Mikolov, T. Efficient Estimation of Word Representations in Vector Space T. Mikolov, K. Chen, G. Corrado, J. Dean // Proceedings of Workshop at ICLR. - 2013.

121. Muhammad, A.K. Graph theory applications in ai for social network analysis / A.K. Muhammad, C. Kalsoom, K. Hina, A. Farman, B. Shamin, R. Faiqa // Journal of Medical & Health Sciences Review - 2025. - 2 (3) - P. 4219-4229.

122. Nair, R.P. Graph-Based Generation and Validation of Use Case Diagrams / R.P. Nair, M.G. Thushara, K.Somasundaram // Procedia Computer Science. - 2025. - V. 259. - P. 1356-1365.

123. Orlova, E. V. Design Technology and AI-Based Decision Making Model for Digital Twin Engineering / E. V. Orlova // Future Internet. - 2022. - Vol. 14, N. 9. - P. 248.

124. Rainio, O. Evaluation metrics and statistical tests for machine learning / O. Rainio, Ja. Teuho, R. Klén // Scientific Reports. - 2024. - V. 14, N. 1. - P. 6086.

125. Ren, H. The impact of multidirectional text typography on text readability in word clouds / Ren H., Liu Y, Naren G, Lu J // Displays - 2024. - V. 83. - 102724.

126. Gerard, S. Term-Weighting Approaches in Automatic Text Retrieval / S. Gerard, C. Buckley // Information Processing & Management. - 1988. - V. 24, N. 5. - P. 513-523.

127. Sen, A. Developing A Decision Support System for Healthcare Practices: A Design Science Research Approach / A. Sen, A.P. Sinha, C. Zhang // Data & Knowledge Engineering. - 2024. - V. 154.

128. Sharma, A. Ontology-based semantic retrieval of documents using Word2vec model / A. Sharma, S. Kumar // Data & Knowledge Engineering. - 2023. - v. 144. - P. 102110.

129. Singh, H. Exploring Pre-processing Strategies and Feature Extraction in practical aspect for Effective Spam Detection / H. Singh, S. Sood, H. Maity and Y. Kumar // IEEE International Conference on Interdisciplinary Approaches in Technology and Management for Social Innovation (IATMSI). - 2024. - P. 1-6.

130. Syabana, S. A Cognitive Perspective on Decision Making in Optimal Path Selection in Graph Theory / N. Syabana, S. Abi , S. Susanto // Cgant Journal of Mathematics and Applications - 2025. -6 (2). - P. 88-97.

131. Tao, X. Design of an intelligent post-diagnosis decision support system for highly automated trucks / X.Tao, L. Rylander, J. Martensson // Transportation Research Interdisciplinary Perspectives. - 2024. - V. 28.

132. Tawil, A.Al. Comparative Analysis of Machine Learning Algorithms for Email Phishing Detection Using TF-IDF, Word2Vec, and BERT / Tawil A.Al., Almazaydeh L., Qawasmeh D. // Computers, Materials and Continua. - 2024. - V. 81, Is. 2. - P. 3395-3412.

133. Tri, P.R. Matching Scientific Article Titles using Cosine Similarity and Jaccard Similarity Algorithm / P.R. Tri, I. Ade, A.R. Nur // Procedia Computer Science. - 2024. - V. 234. - P. 553-560.

134. Velunachiyar, S. Some Clustering Methods, Algorithms and their Applications / S. Velunachiyar, K. Sivakumar // IJRITCC - 2023. -11 (6). - P. 401410.

135. Vujovic, Z. Classification Model Evaluation Metrics / Z. Vujovic // International Journal of Advanced Computer Science and Applications. - 2021. - V. 12. - P. 599-606.

136. Xiao, L. Text classification algorithm of tourist attractions subcategories with modified TF-IDF and Word2Vec / L. Xiao, Q. Li, Q. Ma, J. Shen, Y. Yang, D. Li // PLoS ONE. - 2024. - 19 (10). - P. 1-34.

ПРИЛОЖЕНИЕ А. СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

российская федерация

RU

2025684616

ФЕДЕРАЛЬНАЯ С ЛУЖБА

ПО интеллектуальной собственности {12) ГОСУДАРСТВЕННАЯ РЕГИС ТРАЦИЯ ПРОГРАММЫ Х1Я ЭВМ

Номер регнстрал1П1 (свидетельства): Автор:

2025684616 Пучков л Мария Алексеевна IUI1)

Дата регистрации: 1 6.09. 1025 Правообладатель:

Номер и дата поступления заявки: Пучков л Мария Алексеевна (Ш1)

2025631771 18.08.202 5

Дата публикации и номер бюллетеня:

16.09^2025 Бюл. № 9

Контактные реквизиты:

b а е v a i п 9 a mailf

Название программы для ЭВМ:

Программа для организации хранения шщкп набора шкных в отношенлн

НСПОЛШЖТС1КН II змач Б органи^лшюнны! СЕСТС1Ш

Реферат:

Система предназначена для организации хранения н управлешм входными даннымн об исполнителях и задачах в организапнонных системах. После авгоризашш пользователь получает доступ к интерфейсу, состоящему из трех основных вкладок. Загрузка документов позволяет д&бавлятъ файлы и данные для дальнейшей обработки. Ключевые слова предоставляют инструменты для работы с тегами н категориями, упрошакишши поиск ы кнсснфнжжцню инфсрманин. База данных содержит структурированное храшиише ннформашш об исполнителях и задачах с возможностью просмотра :i фильтрации ланаых Система обеспечивает удобное управление данными, ускоряет попек нужной ннформашш и поддерживает эффективную работу с исполнителями к задачами. Предоставляемая вываливания направлена на поддержку принятия решения при последглошем формирован:ш связей между исполнителями и задачами. Тип ЭВМ: IBM РС-совмесг. ПК; ОС: Wmdow&, MacOS. Linux.

Язык программирования: Python Объем программы для ЭВМ: 8.2 КБ

российская федерация

ни

2025683619

ФЕДЕРАЛЬНАЯ С ЛУЖЕА ПО интеллектуальной собственности

{12) ГОСУДАРСТВЕННАЯ РЕГИС ТРАЦИЯ ПРОГРАММЫ Х1Я ЭВМ

Номер регистрации (свидетельства): Автор:

1025583619 Пучковл Мария Алексеевна ДО!1)

Дата регистрации: 05.09.2025 Правообладатель:

Номер и дата поступления заявки: Пучковл Мария Алексеевна ДО!1)

2025531400 18.0 а. 202 5

Дата публикации и номер бюллетеня:

05.09^2025 Бюл. № 9

Контактные реквизиты:

Ь а е V а 1 п 9 а тзЛ.ги

Название программы для ЭВМ:

Программ» формирования разноуровневые связей нсполжнтель - з а л л ч 1 □ля системы рекоменллшш при шщсрхке принятия решение

Реферат:

Программа предназначена для анализа резулвтатов разноуровневых связей исполнитель-задача при рассмотрении задачи идентификации отношений между ними. Б программе предусмотрено двустороннее формирование вариантов возможных связей нсполнытель-залача на основе ключевых слов и соответствующее отображение от наиболее подходящих к менее схожим. Представленная визуализация результатов возможных связей для ысподнитепей нлн задач позволяет сделать вывод о пелесо образаостп установления соотвиствующшг отношенш! между ними

Язык программирования: РутЬоп

Объем программы для ЭВМ: 26 КБ

ПРИЛОЖЕНИЕ Б. АКТЫ О ВНЕДРЕНИИ Общество с ограниченной ответственностью

«АЙТИ КЛАСС»

ИНН 5003167092 К1 и I 500301001 Российская Федерация, 123007, г. Москва, Хорошсвскос шоссе, 32Л

Исх. На №

АКТ

о внедрении результатов диссертационного исследования Пучковой Марии Алексеевны «Интеллектуальная поддержка принятия управленческих решений в системе «исполнитель-задача» с применением методов машинного обучения»

Комиссия в составе председателя - директора по продукту Бексаева Николая Сергеевича; членов комиссии: аналитика данных Кончевского Артема Игоревича, системного аналитика Новосельцевой Екатерины Александровной, настоящим актом подтверждает использование результатов диссертации Пучковой Марии Алексеевны при формировании связей исполнитель-задача и последующем распределении задач между исполнителями ООО «АЙТИ КЛАСС».

Разработанная Пучковой М.А. модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений используется в процессе распределения межкомандных исполнителей в ООО «АЙТИ КЛАСС».

Председатель комиссии Члены комиссии:

УТВЕРЖДАЮ

АКТ

о внедрении результатов диссертационного исследования ПУЧКОВОЙ МАРИИ АЛЕКСЕЕВНЫ «Интеллектуальная поддержка принятия управленческих решений в системе «исполнитель-задача» с применением методов машинного обучения», выполненного на соискание ученой степени кандидата технических наук по научной специальности 2.3.4. Управление в организационных системах, в деятельность Института информационных технологий федерального государственного бюджетного образовательного учреждения высшею образования «МИРЭА - Российский технологический университет»

Комиссия в составе председателя - директора Института информационных технологий, кандидата технических наук, доцента Зуева A.C.; членов комиссии: профессора кафедры прикладной математики, доктора технических наук, доцента Сараева П.В.; заведующего кафедрой инструментального и прикладною программного обеспечения, кандидата технических наук, доцента Болбакова Р.Г., настоящим актом подтверждает использование результатов диссертации Пучковой М.А. в деятельности Института информационных технологий — учебно-научного структурного подразделения федерального государственного бюджетного образовательного учреждения высшего образования «МИРЭА - Российский технологический университет».

Полученные в рамках диссертации Пучковой М.А. результаты: -Алгоритм интеллектуального формирования входного набора данных в отношении исполнителя и задачи с применением методов машинного обучения;

- Модель формирования вариативных связей исполнитель-задача для поддержки принятия управленческих решений;

- Программное обеспечение системы поддержки принятия управленческих решений при установлении соответствия исполнитсль-задача в организационных системах:

апробированы и используются лля формирования связей преподаватель-дисциплина при распределении педагогической нагрузки на кафедре прикладной математики Института информационных технологий федерального государственного бюджетного образовательного учреждения высшего образования «МИРЭА - Российский технологический университет.

Председатель комиссии:

Директор Института информационных

технологий, кандидат технических наук, доцент

Члены комиссии:

профессор кафедры прикладной математики, доктор технических наук, доцент

заведующий кафедрой инструментального и прикладного программного обеспечения, кандидат технических наук, доцент