Разработка алгоритма формирования команд ИТ-проектов на основе данных цифрового следа студентов
https://doi.org/10.15514/ISPRAS-2024-36(3)-15
Аннотация
В статье рассматривается разработка алгоритма для формирования команд ИТ-проектов. Материалами послужили данные цифрового следа студентов ИТ-направления. Цифровым следом студента является постоянно пополняемый набор данных, включающий отчетные документы проектных дисциплин, промежуточные результаты по дисциплинам, практическим подготовкам. В работе приводится пример решения задачи формирования команд с применением графов. Был предложен алгоритм, в основе которого лежит графовая модель, позволяющая построить граф, отражающий взаимодействие студентов в прошлых проектах. На основе построенного графа формируются команды. Внутри графовой модели предложены два подхода формирования команд: на основе кластеризации вершин и с помощью обхода графа. Для определения лучшей команды строится граф связи студентов с текстовыми тегами, представляющими технологии, языки программирования, фреймворки и пр. Алгоритм был апробирован на данных студентов ИТ-направления Математическое обеспечение и администрирование информационных систем Школы компьютерных наук и требованиях к реальному проекту и протестирован на спонтанном распределении студентов по проектам в рамках дисциплины. С помощью алгоритма можно оценить на сколько удачно было разбиение. Создание эффективных команд играет ключевую роль в успешной реализации проектов, поэтому предложенный алгоритм может быть полезен для преподавателей и руководителей проектов в ИТ-сфере. Разработанный алгоритм планируется интегрировать в веб-сервис поиска исполнителей ИТ-проектов.
Об авторах
Антонина Владимировна МЕЛЬНИКОВАРоссия
Ассистент и аспирант кафедры программного обеспечения Школы компьютерных наук Тюменского государственного университета. Сфера научных интересов: обработка естественного языка, анализ данных, языки программирования.
Марина Сергеевна ВОРОБЬЕВА
Россия
Кандидат технических наук, доцент, заведующая кафедрой программного обеспечения Школы компьютерных наук Тюменского государственного университета. Сфера научных интересов: построение математических и информационных моделей, исследование методов и технологий машинного обучения, анализ цифрового следа студента.
Елизавета Владимировна ЕГОРОВА
Россия
Студент-бакалавр направления Математического обеспечения и администрирования информационных систем Тюменского государственного университета. Сфера научных интересов: анализ данных, машинное обучение, обработка естественного языка, глубокое обучение, большие данные, генеративные модели.
Елизавета Дмитриевна ЧЕКАНОВА
Россия
Студент-бакалавр направления Математического обеспечения и администрирования информационных систем Тюменского государственного университета. Сфера научных интересов: языки программирования, технологии программирования, машинное обучение, анализ данных.
Список литературы
1. Асанов А. З., Мышкина И. Ю. Процедура формирования команды исполнителей проекта на основе когнитивных карт и генетических алгоритмов /А. З. Асанов, И. Ю. Мышкина // Проблемы управления и моделирования в сложных системах: Труды XXI Международной конференции. В 2-х томах, Самара, 03-06 сентября 2019 года / Под редакцией С.А. Никитова, Д.Е. Быкова, С.Ю. Боровика, Ю.Э. Плешивцевой, Том II. – Самара: Общество с ограниченной ответственностью "Офорт", 2019. – С. 354-358. / Asanov A.Z., Myshkina I.Yu. The procedure for forming a team of project performers based on cognitive maps and genetic algorithms. Problems of control and modeling in complex systems: Proceedings of the XXI International Conference. Samara: Ofort, 2019. P. 354-358. (in Russian) Доступно по ссылке: https://elibrary.ru/item.asp?id=41101033, 01.10.2023.
2. Захарова И.Г., Боганюк Ю.В., Воробьева М.С., Павлова Е.А. Диагностика профессиональной компетентности студентов ИТ-направлений на основе данных цифрового следа // Информатика и образование. 2020. № 4. – С. 4-11. / Zakharova I.G., Boganyuk Yu.V., Vorobyova M.S., Pavlova E.A. Diafnostics of profecssional competence of IT students based on digital footprint data. Informatics and Education, 2020, no. 4, p. 4-11. (in Russian) https://doi.org/10.32517/0234-0453-2020-35-4-4-11.
3. Захарова И.Г. Методы машинного обучения для информационного обеспечения управления профессиональным развитием студентов. Образование и наука. 2018;20(9):91-114. / Zakharova I.G. Machine Learning Methods of Providing Informational Management Support for Students’ Professional Development. The Education and science journal. 2018;20(9):91-114. (in Russian) https://doi.org/10.17853/1994-5639-2018-9-91-114.
4. Решение TEAM AS A SERVICE – Команда как сервис – Текст: электронный // Effective technologies: [сайт]. – 2022. Доступно по ссылке: https://www.effective-group.ru/solutions/TAAS.html, 04.10.2023.
5. The Open Source Community for Collaboration Solutions – Текст: электронный // openntf: [сайт]. – 2021. Доступно по ссылке: https://www.openntf.org/main.nsf, 04.10.2023.
6. Radin Hamidi Rad, Aabid Mitha. PyTFL: A Python-based Neural Team Formation Toolkit // Radin Hamidi Rad, Aabid Mitha, Hossein Fani, Mehdi Kargar, Jaroslaw Szlichta, Ebrahim Bagheri / In Proceedings of the 30th ACM International Conference on Information & Knowledge Management (CIKM '21). Association for Computing Machinery 4716–4720. – 2021. https://doi.org/10.1145/3459637.3481992.
7. Воробьева М. С., Мельникова А. В., Захаров С. В. Формирование студенческих команд для IT-проектов на основе отчетных документов по практике / М. С. Воробьева, А. В. Мельникова, С. В. Захаров // Информатизация образования и методика электронного обучения : цифровые технологии в образовании : материалы VII Междунар. науч. конф. Красноярск, 19-22 сентября 2023 г. / под общ. ред. М.В. Носкова. – Красноярск: Красноярский государственный педагогический университет им. В.П. Афанасьева, 2023. – С. 1024-1028. / Vorobeva M.S., Melnikova A.V., Zakharov S.V. Formation of student team for IT-projects on the basis of reporting documents on practice. Informatization of education and e-learning methods: digital technologies in education: materials VII International Scientific Conference Krasnoyarsk, September 19-22, 2023, ed. by M.V. Noskov, Krasnoyarsk: Krasnoyarsk State Pedagogical University named after V.P. Afanasyev, 2023, p. 1024-1028. (in Russian) Доступно по ссылке: https://www.elibrary.ru/item.asp?id=54778516, 14.10.2023.
8. Асанов А.З., Мышкина И.Ю., Грудцына Л.Ю. Применение графовых моделей в проектном управлении // Онтология проектирования. 2023. Т.13, №2(48). С.232-242. / Asanov AZ, Myshkina IY, Grudtsyna LYu. Application of graph models in project management. Ontology of designing. 2023; 13(2): 232-242. (in Russian) DOI: 10.18287/2223-9537-2023-13-2-232-242.
9. Radin Hamidi Rad, Hossein Fani, Ebrahim Bagheri, Mehdi Kargar, Divesh Srivastava, and Jaroslaw Szlichta. 2023. A Variational Neural Architecture for Skill-based Team Formation. ACM Trans. Inf. Syst. 42, 1, Article 7 (January 2024), 28 pages. https://doi.org/10.1145/3589762.
10. Zhaoa X., Lianga J., Wangab J. A community detection algorithm based on graph compression for large-scale social networks / Xingwang Zhaoa, Jiye Lianga, Jie Wangab // Information Sciences, No 551. – 04.2021. – P. 358–372. https://doi.org/10.1016/j.ins.2020.10.057.
11. Гринева, Н. В. Сравнительный анализ спектральных методов выделения сообществ / Н. В. Гринева // Актуальные проблемы прикладной математики, информатики и механики: сборник трудов Международной научной конференции, Воронеж, 12–14 декабря 2022 года / Воронежский государственный университет. – Воронеж: Научно-исследовательские публикации, 2023. – С. 389-396. / Grineva, N. V. Comparative analysis of spectral methods of community allocation / N. V. Grineva // Actual problems of applied mathematics, computer science and mechanics: proceedings of the International Scientific Conference, Voronezh, December 12-14, 2022 / Voronezh State University. Voronezh: Scientific Research Publications, 2023. p. 389-396. (in Russian) Доступно по ссылке: https://www.elibrary.ru/item.asp?id=54251945, 14.10.2023.
12. Yangyang Guo, Hao Wang. A reinforcement learning-assisted genetic programming algorithm for team formation problem considering person-job matching / Yangyang Guo, Hao Wang, Lei He, Witold Pedrycz, P. N. Suganthan, Yanjie Song // arXiv preprint arXiv:2304.04022. – 2023.
13. Payumo Jane, He Guangming. Mapping Collaborations and Partnerships in SDG Research / Payumo Jane, He Guangming, Manjunatha Anusha Chintamani, Higgins Devin, Calvert Scout // Frontiers in Research Metrics and Analytics. – 2021. https://doi.org/10.3389/frma.2020.612442.
14. Liu M. et al. Team formation and team performance: The balance between team freshness and repeat collaboration / Meijun Liu, Ajay Jaiswal, Yi Bu, Chao Min, Sijie Yang, Zhibo Liu, Daniel Acuña, Ying Ding //Journal of Informetrics Volume 16 Issue 4, 2022. https://doi.org/10.1016/j.joi.2022.101337.
Рецензия
Для цитирования:
МЕЛЬНИКОВА А.В., ВОРОБЬЕВА М.С., ЕГОРОВА Е.В., ЧЕКАНОВА Е.Д. Разработка алгоритма формирования команд ИТ-проектов на основе данных цифрового следа студентов. Труды Института системного программирования РАН. 2024;36(3):213-224. https://doi.org/10.15514/ISPRAS-2024-36(3)-15
For citation:
MELNIKOVA A.V., VOROBEVA M.S., EGOROVA E.V., CHEKANOVA E.D. Development of an Algorithm of the Formation of IT Project Teams Based on Data from the Digital Footprint of Students. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2024;36(3):213-224. (In Russ.) https://doi.org/10.15514/ISPRAS-2024-36(3)-15