{"doi":"10.1145/37401.37406","title":"Flocks, herds and schools: A distributed behavioral model","abstract":"Дисертація на здобуття наукового ступеня доктора філософії за
\\nспеціальністю 122 – Комп’ютерні науки. Тернопільський національний технічний
\\nуніверситет імені Івана Пулюя, Тернопіль, 2023.
\\nПідготовка здійснювалась на кафедрі комп’ютерних наук Тернопільського
\\nнаціонального технічного університету імені Івана Пулюя Міністерства освіти і
\\nнауки України.
\\nВ умовах постійних технологічних трансформацій та зростання ринкової
\\nконкуренції, рекомендаційна система, зорієнтована на формування високофахових
\\nпроєктних команд стає стратегічним інноваційним інструментом. Забезпечуючи
\\nточний відбір претендентів з відповідними фаховими компетентностями, вона
\\nсприяє оперативному реагуванню на виклики та сприяє успішному завершенню
\\nзавдань, підвищуючи при цьому загальну продуктивність команди проєкту.
\\nМетою дисертаційної роботи є розроблення методів і засобів реалізації
\\nпроцедур формування команд для успішного виконання ІТ проєктів. Для
\\nдосягнення мети необхідно було проаналізувати підходи щодо формування команд
\\nвиконавців для реалізації ІТ проєкту, розробити комплекс формалізмів для
\\nстворення концептуальних моделей цілевизначального та рольового підходів,
\\nізоморфної, експертної, колегіальної, розробницької, проектної, аналітичної,
\\nінтеграційної, інноваційної структур команд, розробити модель ізоморфної
\\nструктури команди з використанням формалізмів теорії графів, розробити
\\nінформаційну технологію відбору претендентів з певними компетентностями для
\\nуспішного виконання ІТ проєкту, розробити поведінкову модель команди проєкту
\\nяк сукупний рух імітованої зграї, подаючи взаємодії членів команди за допомогою
\\nройового алгоритму; побудувати архітектуру рекомендаційної системи відбору
\\nпретендентів для формування ефективної команди розробників, розробити рекомендаційну систему відбору претендентів в команду з певними
\\nкомпетентностями, що використовує гібридний метод генерування рекомендацій.
\\nУ вступі аргументовано актуальність проведення наукового дослідження,
\\nвказано на зв'язок роботи із науково-дослідними темами, сформульовано мету та
\\nвизначено завдання, визначено об’єкт та предмет дослідження, подано опис
\\nметодів, що використовувались для досягнення поставленої мети. Подано
\\nвідомості щодо наукової новизни, практичного значення отриманих результатів та
\\nособистого внеску автора у розроблення нових моделей та інформаційних
\\nтехнологій, а також у реалізацію прикладного програмного забезпечення. Розкрито
\\nінформацію про апробацію та опублікування отриманих в процесі дослідження
\\nрезультатів та їх важливості для теорії та практики.
\\nУ першому розділі проаналізовано методи формування команд для
\\nвиконання ІТ проєктів, які ґрунтуються на аналізі компетентностей та навичок
\\nпретендентів, врахуванні їхнього попереднього фахового досвіду та успішних
\\nпроєктних реалізацій. Обґрунтовано необхідність використання сучасних підходів
\\nв розробленні рекомендаційних систем, що передбачає застосування алгоритмів
\\nмашинного навчання, методів та засобів штучного інтелекту. Зафіксовано
\\nнеобхідність оцінювання здібностей та врахування особистих якостей
\\nпретендентів, що є ключовими елементами у процесах формування успішних
\\nкоманд для втілення ІТ проєктів. Відзначено, що для забезпечення ефективної
\\nвзаємодії членів команди сучасні інноваційні підходи обов’язково включають
\\nпроцедури аналізу не лише їх технічних, а й комунікаційних навичок, що дозволяє
\\nмаксимально використовувати творчий потенціал учасників та досягати
\\nгарантованого успіху в реалізації сформованих завдань.
\\nПроведений ґрунтовний аналіз проблемної галузі дозволив сформулювати
\\nпостановку задач дослідження, які передбачають виконання аналізу існуючих
\\nпідходів до формування команд; дослідити методи, які використовуються при
\\nрозробленні рекомендаційних систем; проаналізувати параметри ІТ середовища,
\\nяке доцільно сформувати у «розумному місті»; дослідити підходи для залучення
\\nвипускників шкіл до навчання за ІТ спеціальностями: мотиваційні чинники, обрання закладу вищої освіти для здобуття фаху, формування навчального
\\nконтенту, що є передумовою формування в майбутньому ефективних команд для
\\nреалізації ІТ проєктів; формалізувати ряд існуючих підходів до створення команд;
\\nобрати методи аналізу інформації та генерування рекомендацій; розробити
\\nінформаційну технологію підбору претендентів у команду виконавців з
\\nвідповідними фаховими компетентностями та сформувати архітектуру
\\nрекомендаційної системи.
\\nУ другому розділі проведено аналіз ІТ ринку «розумного міста», що вимагає
\\nдослідження ряду аспектів, таких як: технологічні інновації, тренди, ключові
\\nгравці, можливості та виклики, збір та аналіз даних, аналіз технологічних та
\\nінноваційних трендів та інше. На основі відкритих даних про м. Тернопіль
\\nпроаналізовано успішність випускників шкіл міста в контексті вступу в заклади
\\nвищої освіти на спеціальності ІТ галузі та мотиваційні чинники, які цьому сприяли.
\\nЗапропоновано методи комплексного аналізу нахилів абітурієнтів до ІТ профілю.
\\nОбгрунтовано твердження, що формування мотиваційної платформи майбутнього
\\nІТ фахівця є важливим суспільним завданням, вирішення якого сприяє
\\nформуванню позитивного ставлення до навчання та майбутньої успішної роботи в
\\nсфері ІТ. При цьому враховувались окремі умови часової невизначеності, оскільки
\\nпереважна більшість факторів за природою мають довгостроковий вплив.
\\nВикористання методології когнітивного моделювання дозволило провести аналіз
\\nсили та спрямованості зовнішнього впливу на об’єкт, визначенню провідних
\\nфакторів для приведення його в цільовий стан. Передумовою для вибору базисних
\\nфакторів став етап вербального соціально-комунікаційного моделювання
\\nсередовища «розумного міста» та застосування методу експертних оцінок для
\\nвизначення ваг факторів впливу. Після отримання мотиваційних стимулів щодо
\\nобрання фаху, абітурієнт приймає рішення щодо вибору вищого навчального
\\nзакладу. Це рішення ухвалюється шляхом оцінювання та рейтингування доступних
\\nваріантів.
\\nЗапропоновано використовувати алгоритми, що базуються на методах
\\nмашинного навчання для виявлення залежностей між змістом навчальних дисциплін та описами вимог до наявних вакансій на ІТ ринку, оскільки системне
\\nузгодження цих чинників сприяє загалом здобуттю студентами компетентностей,
\\nякі необхідні для успішного проходження ними відбору до складу команду ІТ
\\nпроєкту.
\\nУ третьому розділі запропоновано оригінальні концептуальні моделі
\\nцілевизначального та рольового підходів до формування структури команд
\\nвиконавців ІТ-проєкту, методи оптимального розподілу ролей, які вирішуються як
\\nзадачі лінійного програмування або з використанням генетичних алгоритмів.
\\nФормалізація підходів до формування структури команди проєкту допомагає
\\nзабезпечити збалансований та ефективний відбір виконавців для успішного
\\nвиконання завдань проєкту.
\\nРозроблено концептуальні моделі ізоморфної, експертної, колегіальної,
\\nрозробницької, проєктної, аналітичної, інтеграційної та інноваційної структур
\\nкоманди проєкту. Модель ізоморфної структури команди подано за допомогою
\\nформалізмів теорії графів, де вузли подають ролі або конкретних учасників
\\nкоманди, а ребра - зв'язки або взаємодії між ними. Модель, заснована на рольовому
\\nпідходу до формування команди побудовано з використанням методів лінійного
\\nпрограмування. Запропоновано підхід до розрахунку функції корисності кожного
\\nчлена команди для пошуку оптимального розподілу ролей в команді. Подано метод
\\nформування команди проєкту з використанням генетичного алгоритму, а
\\nоптимального її складу та розподілу ролей у команді з використанням формалізмів
\\nнейронних мереж. Розроблено метод, який дозволяє максимізувати продуктивність
\\nкоманди з використанням ітераційного та квалітативного аналізу.
\\nЗапропоновано поведінкову модель команди як сукупний рух імітованої
\\nзграї, використовуючи процедури моделювання взаємодії членів команди за
\\nдопомогою ройового алгоритму. Розроблено метод формування команди за
\\nаналогією зграї з використанням агентних моделей, де кожен член команди
\\nвиступає як агент зі своїми особистісними характеристиками та правилами
\\nповедінки, моделюючи взаємодію між агентами за допомогою графової агентної
\\nмоделі, де ребра графа представляють комунікаційні зв'язки, а вузли - агентів. У четвертому розділі проаналізовано доцільність використання
\\nпортфельного управління людськими ресурсами проєктних команд, визначено які
\\nаспекти такого управління можна реалізувати, використовуючи рекомендаційну
\\nсистему. Запропоновано використовувати метод аналізу ієрархій та експертного
\\nоцінювання для побудови ієрархії претендентів в команду та концептуальну
\\nмодель процедури управління людськими ресурсами в команді, яка покладена в
\\nоснову розробленої рекомендаційної системи.
\\nНа основі проведеного аналізу підходів до формування високофахових
\\nкоманд для реалізації ІТ проєктів сформовані первинні та вторинні вимоги до
\\nрекомендаційної системи для підбору членів команди проєкту з відповідними
\\nфаховими компетентностями. Проаналізовано широкий спектр засобів побудови
\\nрекомендаційної системи, її функціонал та обґрунтовано системні переваги.
\\nРезультатом практичного втілення є розроблення мультиплатформної
\\nрекомендаційної системи, яка може функціонувати в різних операційних
\\nсередовищах на базі широкого спектру пристроїв.
\\nНаукова новизна отриманих результатів:
\\nвперше запропоновано:
\\nкомплекс формалізмів, який","journal":"Proceedings of the 14th annual conference on Computer graphics and interactive techniques","year":1987,"id":10643,"datarank":24.21006713578135,"base_score":8.952087643548404,"endowment":8.952087643548404,"self_citation_contribution":1.3428131465322608,"citation_network_contribution":22.86725398924909,"self_endowment_contribution":1.3428131465322608,"citer_contribution":22.86725398924909,"corpus_percentile":94.3,"corpus_rank":2496,"citation_count":7723,"citer_count":200,"citers_with_citation_signal":200,"citers_with_endowment":200,"datacite_reuse_total":0,"is_dataset":false,"is_oa":false,"file_count":0,"downloads":0,"has_version_chain":false,"published_date":"1987-08-01","authors":[{"id":87881,"name":"Craig W. Reynolds","orcid":"0000-0001-8203-712X","position":0,"is_corresponding":true}],"reference_count":40,"raw_metadata":{"citation_network_status":"fetched"},"created_at":"2026-03-01T18:20:47.508186Z","pmid":null,"pmcid":null,"fwci":null,"citation_percentile":null,"influential_citations":0,"oa_status":null,"license":null,"views":0,"total_file_size_bytes":0,"version_count":0,"clinical_trials":[],"software_tools":[],"db_accessions":[],"linked_datasets":[],"topics":[]}