Введение

Получение высшего образования в настоящее время уже является нормой, и большое количество молодёжи поступает в ВУЗы для получения профессий. При этом проблема трудоустройства выпускников полностью не решена и молодые люди, получившие диплом, с трудом пытаются устроиться на работу, если они не нашли её во время учёбы.

Чтобы помочь выпускникам решить эту проблему необходимо найти причины её возникновения. Одним из факторов является психологическая неподготовленность студентов. Многие студенты не задумываются о том, что учебное время им дано для приобретения полезных знаний и навыков, и проводят его впустую. [1] Другим фактором является сложность взаимодействия работодателя и потенциального работника (молодого выпускника). Очень часто выпускник проходит очень много собеседований перед тем, как устроиться на свою первую работу, хотя эту проблему можно решить моделированием процесса трудоустройства, используя тесное сотрудничество работодателей и высших учебных заведений.

1. Актуальность темы

Вопросы, касающиеся прогнозирования трудоустройства студентов, являются очень актуальными в наше время. Данная работа предполагает создания программной системы, которая позволит, исходя из индивидуального портрета студента, спрогнозировать успешность его трудоустройства на предложенных фирмах. Эта система сможет указать обучающей кафедре возможные пробелы в знаниях студентов или недостатки обучающей программы.

К тому же, при моделировании этого сложного процесса используется многоагентная технология, которая считается одной из самых важных и многообещающих областей развития информационных технологий [2].

2. Цели и задачи, планируемые практические результаты

Исходя из вышесказанного, целью данной работы является программное, агентное моделирование процесса трудоустройства выпускников ВУЗа с последующей рекомендацией выбора предприятия для трудоустройства.

Исходя из цели исследования сформулированы задачи данной работы:

• проанализировать процесс получения и усвоения знаний студентами;
• рассмотреть процесс формирования тестовых заданий на предприятиях, проанализировать их;
• разработать структуру нейросетевой модели и выбрать лучший алгоритм её обучения;
• сформировать на основе опроса студентов параметры привлекательности предприятия, исходя из его параметров;
• разработать агентные модели работодателей и студентов для имитации проведения собеседований;
• программно реализовать многоагентную систему в инструментальной среде JACK [3].

Объект исследования в данной работе–многоагентное моделирование.

Предметом исследования является многоагентная система с интеллектуальными агентами, функциональность которых основана на нейронных сетях.

Научная новизна данной работы состоит в том, что разработанная программная система имитации прохождения студентами собеседований будет учитывать имеющиеся у реального студента знания (полученные посредством передачи их своему агенту), а также принимать во внимание тестовые задания работодателя с возможностью их оперативной замены на другие. Более того, система будет обучаема, и прогноз трудоустройства с каждым разом будет иметь большую точность.

Планируемые результаты:

• методика определения привлекательности предприятия для студентов;
• методика передачи знаний от реальных студентов к их агентам;
• разработанная многоагентная система моделирования процесса трудоустройства выпускников ВУЗа, использующая интеллектуальных агентов на нейросетевой основе.

3. Обзор источников

Многоагентные системы являются широко используемым в мире инструментом для решения сложных, трудно формализуемых задач. [4]. Они используются в компьютерных играх, при создании фильмов [5], при использовании экспертных систем и многих других областях.

3.1 Обзор мировых источников

Многоагентным системам очень много уделяется внимания по всему миру. Существуют специализированные сайты, которые изучают проблемы многоагентных систем [6-9], в Израиле даже есть специальная исследовательская группа по интеллектуальным агентам [10].

Хотя, как уже было сказано выше, многоагентные системы широко используются, нет системы, которая бы прогнозировала результаты собеседований и давала рекомендации выпускникам по устройству на работу.

3.2 Обзор национальных источников

В Российской Федерации нейросетевые технологии тоже развиваются и одним из основоположников российской науке об искусственном интеллекте и многоагентных технологиях является Тарасов В.Б., который посвятил огромное количество статей проблемам и особенностям нейронных сетей и интеллектуальных агентов [11-14]. Хотя многое исследовано в области многоагентных технологий и разработаны различные проекты, например, виртуальные кафедры, но при этом нет программных систем, полностью выполняющих цели и задачи данной работы.

3.3 Обзор локальных источников

В нашем университете в течение многих лет многоагентными технологиями занимается мой научный руководитель–Федяев Олег Иванович. Вместе с Жабской Т.Е. они работали над функционированием программных агентов в обучающей системе, изучали существующие модели агентно-ориентированных систем, интеллектуальных агентов [15]. Также в их исследования входило создание виртуальной кафедры университета с попутным преобразованием концептуальных моделей, полученных по методологии Gaia, в физические модели в инструментальной среде JACK [16].

Федяев О.И. вместе с магистрами прошлых лет также занимался исследованиями в области многоагентных систем:

• Лямин Р.В. Многоагентная система обучения студентов на кафедральном уровне;
• Зайцев И.М. Модели коллективного поведения интеллектуальных агентов в многоагентных системах моделирования и управления предприятием;
• Зудикова Ю.В. Оценка эффективности многоагентного моделирования систем с распределенным интеллектом;
• Лукина Ю.Ю. Агентно-ориентированные программные модели поведения человека в социально-экономической среде;
• Стропалов А.С. Нейросетевые модели программных агентов в социально–ориентированных мультиагентных системах;
• Грабчук О.П. Агентно-ориентированное моделирование подготовки и трудоустройства молодых специалистов;
• Елифёров В.В. Мультиагентная имитационная модель для прогнозирования результатов обучения и трудоустройства специалистов;
• Куташов Р.И. Программная реализация агентно-ориентированной системы дистанционного обучения студентов по техническим дисциплинам.

4. Теория многоагентных систем

Для моделирования процесса трудоустройства выпускников будут использованы многоагентные системы. Многоагентная система–это совокупность нескольких взаимодействующих интеллектуальных, чаще всего программных, агентов [17].

В многоагентных системах агентам присущи следующие свойства:

• ограниченность представления (ни один агент не знает того, как устроена агентная система целиком);
• автономность (частичная независимость агентов);
• децентрализация (нет агентов, которые бы могли управлять целой системой). [18]

Многоагентные системы могут формировать сложное поведение или самоорганизовываться, даже если каждый агент по отдельности имеет достаточно простой алгоритм работы.

Для того, чтобы многоагентные системы можно было применять в промышленных проектах Международная организация интеллектуальных физических агентов (FIPA) приняла ряд стандартных требований:

• агент предоставляет набор услуг, доступные любому агенту в многоагентной системе;
• агент может обмениваться сообщениями с любым другим агентом;
• все агенты должны ограничить свою доступность от других агентов;
• все агенты должны обозначить свои отношения, реакция на события и т.д.;
• каждый агент должен иметь уникальный идентификатор.

5. Создание адекватных моделей агентов

Для того, чтобы создать адекватные модели агентов студентов необходимо извлечь знания и умения из студентов. Для этого по дисциплине, для которой собираются оценивать уровень знаний и умений, необходимо создать перечень знаний и умений, получаемых студентом после освоения этого курса. После этого студенту предлагаются тестовые задания, для которых он должен определить какие именно знания и умения нужны для решения каждого из заданий. Далее его ответы сверяются с правильными и выставляется уровень владения тем или иным знанием, или умением. После этого эти уровни знаний и умений вносятся в программный агент. Таким образом агент наделяется знаниями реального студента и может представлять его на виртуальных собеседованиях.

Похожий процесс происходит и у работодателя. Он должен сформировать список знаний и умений, необходимых для работы и передать эти знания своему представителю в многоагентной системе – своему агенту. Параллельно работодатель сообщает своему агенту свои характеристики для последующего определения привлекательности фирмы для студента. В то же время студенты передают знания своим представителям-агентам признаки привлекательной фирмы для них. После этого происходит моделирование процесса трудоустройства (см. рис. 1 [19]):

1. Изъятие необходимых знаний из заданий работодателя;
2. Поиск привлекательных фирм агентами студентов;
3. Прохождение тестирования на этих фирмах;
4. Выдача результатов моделирования и соответствующих рекомендаций по трудоустройству.

6. Среда для создания многоагентных систем

JACK–программная система, платформа для разработки многоагентных систем, является промежуточным слоем между операционной системой и многоагентной моделью.

Для разработки программной системы моделирования процесса трудоустройства была выбрана именно эта агентная платформа, потому что она поддерживает методологию Gaia и соответствует международному стандарту FIPA. Также эта система будет функционировать на всех компьютерах, на которых поддерживается Java, следовательно, эта система очень мобильна и платформонезависима.

Согласно принятой концепции вместо объектов мы говорим об агентах. Касательно фундаментальных частей, эти агенты имеют те же составляющие, что и обычные объекты (данные и методы), но они имеют и дополнительные составляющие:

• способности – это многоразовые компоненты агентов, такие же как модули в объектно-ориентированном подходе. Они скрывают причинные составляющие (события, планы и т.д.) для того, чтобы обеспечить определённую возможность любому агенту;
• планы похожи на функции в объектно-ориентированных классах. Они являются инструкциями, которым следует, чтобы достичь целей и обработать возникающие события;
• события запускают планы, точно так же, как в .Net есть обработчики событий, так в JACK есть планы и они запускаются, как только определённое событие происходит;
• наборы убеждений отражают убеждения агента, используя универсальную модель отношений. К ним могут применены запросы и когда происходят какие-либо изменения, события могут быть на них завязаны. [20]

Заключение

В ходе выполнения работ был проведён анализ процесса трудоустройства студентов и возникающие при этом проблемы. Рассмотрены их причины, а также способы их решения.

В качестве решения предложено многоагентное моделирование данного процесса с использованием интеллектуальных агентов с нейросетевой архитектурой.

Сформулированы методики извлечения знаний из студентов и работодателей, а также детально описан процесс функционирования многоагентной системы.

Предложены модели нейронных сетей интеллектуальных агентов и алгоритм их обучения.

В качестве программной платформы, с помощью которой будут моделироваться агенты студентов и работодателей, будет использована программная среда JACK, которая представляет собой мощный инструмент для реализации многоагентной системы.

1. Шилина Е.Б. Проблема трудоустройства выпускников после вузов // Научное сообщество студентов: Междисциплинарные исследования: сб. ст. по мат. III междунар. студ. науч.-практ. конф. № 3. – [Электронный ресурс]. – Режим доступа: sibac.info/sites/default/files/conf/file/stud_3_3.pdf
2. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте Тарасов В.Б. Журнал Новости искусственного интеллекта №2, 1998 – [Электронный ресурс]. – Режим доступа: http://www.raai.org/library/ainews/1998/2/TARASOV.ZIP
3. Инструментальная среда JACK – [Электронный ресурс]. – Режим доступа: http://www.agent-software.com/products/jack/
4. Портал, посвящённый искусственному интеллекту – [Электронный ресурс]. – Режим доступа: http://www.aiportal.ru/articles/multiagent-systems/multiagent-systems.html
5. Использование многоагентных систем в играх и фильмах. Сайт компании – [Электронный ресурс]. – Режим доступа: http://www.massivesoftware.com/
6. FIPA. Международная организация стандартизации агентных технологий – [Электронный ресурс]. – Режим доступа: http://www.fipa.org/index.html
7. AIportal.ru – [Электронный ресурс]. – Режим доступа: http://www.aiportal.ru/
8. Artificial Intelligence: A Modern Approach – [Электронный ресурс]. – Режим доступа: http://aima.cs.berkeley.edu/
9. Лаборатория многоагентных систем – [Электронный ресурс]. – Режим доступа: http://mas.cs.umass.edu/
10. Израильская исследовательская группа по многоагентым системам – [Электронный ресурс]. – Режим доступа: http://www.cs.huji.ac.il/
11. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. – 1998. – №2. – С.5-63.
12. Тарасов В.Б. Современные направления искусственного интеллекта // Кибернетика – ожидания и результаты. Политехнические чтения. Вып.2.– М.: Знание, 2002.– С.105-111.
13. Интеллектуальные обучающие системы и виртуальные учебные организации: Монография/ В.В.Голенков, В.Б.Тарасов, О.Е.Елисеева и др.: Под ред. В.В.Голенкова и В.Б.Тарасова. – Мн.: БГУИР, 2001. – 488 с. (с.25-79).
14. Тарасов В.Б. Агенты и многоагентные системы: основные истоки, подходы, принципы и направления // Компьютерная хроника. – 1998. – №12. – С.103-122.
15. Научн. тр. ДонНТУ, серия Информатика, кибернетика и вычислительная техника (ИКВТ-2008), выпуск 9(132) – Донецк: ДонНТУ, 2008. – с. 249-254.
16. Проектирование виртуальной кафедры университета на основе многомодельного агентно-ориентированного подхода / О.И. Федяев, Т.Е. Жабская // Штучний інтелект. – 2010. – № 3. – С. 679-686. – Бібліогр.: 5 назв. – рос.
17. Многоагентные системы – [Электронный ресурс]. – Режим доступа: http://www.aiportal.ru/articles/multiagent-systems/multiagent-systems.html
18. Michael Wooldridge, An Introduction to MultiAgent Systems, John Wiley and Sons Ltd, 2002, paperback, 366 pages
19. Пятнадцатая национальная конференция по искусственному интеллекту с международным участием КИИ – 2016 (3 – 7 октября 2016 г., г. Смоленск, Россия). Труды конференции. В 3-х томах. Т 2. – Смоленск: Универсум, 2016. – 372 – 381 с
20. Инструментальная среда JACK – [Электронный ресурс]. – Режим доступа: https://www.codeproject.com/Articles/13644/WebControls/WebControls/