Search academic texts

Information × Registration Number 0825U003873, PhD dissertation Status Доктор філософії Date 19-11-2025 popup.evolution o Title Intellectualized software system for academic staff performance analysis and rating Author Andrii U. Simak, popup.head Andriy Pukas popup.opponent Yakovyna Vitaliy popup.opponent Iryna S. Kolesnyk popup.review Melnyk Andrii M. popup.review Manzhula Volodymyr I. Description Дисертаційну роботу присвячено розв’язанню актуального науково-технічного завдання – розробки інтелектуалізованої програмної системи для комплексного аналізу, рейтингування та прогнозування діяльності науково-педагогічних працівників (НПП), а також формування персоналізованих рекомендацій для підвищення їх результативності. Актуальність роботи зумовлена тим, що в умовах посилення конкуренції між закладами вищої освіти (ЗВО) їхні позиції у рейтингах безпосередньо залежать від сукупної ефективності академічного персоналу. Проте більшість існуючих в українських ЗВО систем оцінювання функціонують за традиційними принципами, що характеризуються високою трудомісткістю, суб’єктивністю та відсутністю дієвих інструментів для стимулювання професійного розвитку НПП, обмежуючись лише фіксацією минулих досягнень. Для вирішення цієї проблеми вперше розроблено модель представлення знань про діяльність НПП на основі знання-орієнтованого підходу з використанням графової моделі. На відміну від традиційних реляційних підходів, це дозволило ефективно структурувати різнорідні та взаємопов’язані сутності (працівники, критерії, публікації, проєкти), що стало ключовою передумовою для виявлення прихованих закономірностей та реалізації процедури генерації персоналізованих рекомендацій. Запропоновано та обґрунтовано комбінований метод ранжування НПП для автоматизованого визначення працівників з максимально наближеними кращими показниками діяльності. Цей метод, на відміну від існуючих, інтегрує комплекс метрик подібності: метрику динаміки часового зміщення для аналізу часових рядів, косинусну подібність для порівняння співвідношень активностей та модифікований індекс Жаккара для врахування змістовної близькості виконуваних робіт. Це забезпечило високу релевантність при підборі прикладів для наслідування в умовах розрідженості даних. Розроблено інтелектуалізований метод формування персоналізованих рекомендацій, який ґрунтується на архітектурі гетерогенних графових нейронних мереж з механізмами просторової та часової уваги. Такий підхід дозволяє прогнозувати майбутню активність НПП, враховуючи її динаміку та взаємозв'язки з працівниками з максимально наближеними кращими показниками діяльності. Для перетворення отриманих прогнозів у розгорнуті текстові рекомендації застосовано великі мовні моделі з динамічним уточненням структури промптів, що забезпечило їхню аргументованість, практичну цінність та скорочення часу на їх формування. Розроблено архітектуру програмної системи, яка, на відміну від монолітних рішень, поєднує елементи модульної та сервіс-орієнтованої архітектур для забезпечення гнучкості та масштабованості. Система використовує гібридну модель зберігання даних: реляційну базу MySQL для основного функціоналу та графову Neo4j — для моделювання складних взаємозв’язків при формуванні рекомендацій. Програмну реалізацію виконано з використанням стеку технологій, що включає Laravel (PHP), Python з бібліотеками PyTorch та Transformers, а також Node.js, Express.js та MongoDB. Апробація розробленої системи на даних Західноукраїнського національного університету підтвердила її ефективність. Впровадження інструментів автоматизації дозволило скоротити середній час, необхідний для заповнення звітів, на 20%. Аналіз результатів діяльності тестової групи показав, що персоналізовані рекомендації сприяли реальному зростанню їхніх річних показників: до 30% рекомендованих діяльностей було виконано на прогнозований бал або вище, що призвело до збільшення річного рейтингового балу в середньому на 27% у порівнянні з попередніми результатами. Registration Date 2025-10-07 popup.nrat_date 2025-10-07 Close