Статья посвящена разработке программного инструмента для оценки качества работы сотрудников вуза на базе методов нечеткого логического вывода. Представлена архитектура системы, включающая модули ввода первичных данных, нечеткого вывода, визуализации результатов и формирования отчетности. Описаны технологии реализации базы данных, алгоритмов нечеткого вывода и пользовательского интерфейса. Продемонстрированы функциональные возможности разработанного инструмента. Проведена апробация системы в реальных условиях вуза, показавшая эффективность предложенного решения в задачах оценки качества работы различных категорий сотрудников образовательного учреждения. Инструмент обеспечивает повышение объективности оценивания за счет формализации качественных показателей и снижения влияния субъективных факторов.

Ключевые слова: информационная система, нечеткие множества, автоматизация оценки, эффективность персонала, образовательные учреждения, система поддержки принятия решений, программная реализация, нечеткий логический вывод.

The article focuses on the development of a software tool for assessing the quality of work of university employees based on fuzzy inference methods. The system architecture is presented, including modules for input of primary data, fuzzy inference, visualization of results, and report generation. The technologies for implementing the database, fuzzy inference algorithms, and user interface are described. The functional capabilities of the developed tool are demonstrated. The system was tested in real university conditions, showing the effectiveness of the proposed solution in assessing the quality of work of various categories of educational institution employees. The tool provides increased objectivity of evaluation by formalizing qualitative indicators and reducing the influence of subjective factors.

Keywords : information system, fuzzy sets, assessment automation, personnel efficiency, educational institutions, decision support system, software implementation, fuzzy inference.

Процесс оценки качества работы сотрудников высших учебных заведений требует учета множества разнородных факторов, обработки количественных и качественных показателей, анализа экспертных мнений. Применение аппарата нечеткой логики позволяет формализовать субъективные и качественные характеристики, однако практическое внедрение данного подхода невозможно без создания специализированного программного инструмента.

Существующие программные решения в области оценки персонала преимущественно ориентированы на бизнес-среду и не учитывают специфику деятельности сотрудников образовательных учреждений [7]. Системы управления эффективностью персонала вузов обычно базируются на традиционных методах балльно-рейтинговой оценки, которые не позволяют адекватно обрабатывать нечеткую и неопределенную информацию [12].

Разработка специализированного программного инструмента на основе нечеткой логики актуальна для решения задач комплексной оценки качества работы сотрудников вуза. Такой инструмент должен обеспечивать автоматизацию процессов сбора данных, их обработки с применением алгоритмов нечеткого вывода, визуализации результатов и формирования отчетности.

Целью исследования стала разработка программного инструмента оценки качества работы сотрудников вуза, реализующего механизмы нечеткого логического вывода и обеспечивающего поддержку принятия кадровых решений в образовательных учреждениях.

Разработка архитектуры программного инструмента осуществлялась с учетом требований повышения объективности оценки, снижения трудоемкости процессов сбора и обработки данных, обеспечения гибкости настройки системы под специфику конкретного вуза. Применен модульный подход, позволяющий обеспечить масштабируемость и расширяемость системы.

Концептуальная модель системы включает следующие основные компоненты:

1. Модуль ввода первичных данных;
2. Модуль нечеткого логического вывода;
3. Модуль визуализации результатов;
4. Модуль формирования отчетности;
5. Модуль администрирования.

Функциональная структура программного инструмента представлена на рисунке 1.

Рис. 1. Функциональная структура программного инструмента

Модуль ввода первичных данных обеспечивает сбор количественных и качественных показателей деятельности сотрудников вуза. Реализованы два механизма ввода данных: автоматический — через интеграцию с информационными системами вуза, и ручной — через пользовательский интерфейс. Модуль поддерживает верификацию входных данных, проверку на непротиворечивость и полноту.

Модуль нечеткого логического вывода представляет собой ядро системы. Этот компонент реализует алгоритмы фаззификации входных данных, обработки нечетких правил и дефаззификации результатов. Модуль использует подход Мамдани для нечеткого вывода [18], который характеризуется интуитивно понятной структурой базы знаний, гибкостью и широкими возможностями адаптации.

Модуль визуализации результатов обеспечивает наглядное представление результатов оценки в виде диаграмм, графиков и таблиц. Реализованы различные режимы визуализации: сравнительный анализ, динамика показателей, детализация результатов по отдельным критериям.

Модуль формирования отчетности позволяет генерировать регламентные и ad-hoc отчеты с возможностью экспорта в различные форматы (PDF, Excel, HTML). Предусмотрена настройка шаблонов отчетов в соответствии с требованиями конкретного вуза.

Модуль администрирования предназначен для настройки параметров системы, управления пользователями и их правами, конфигурирования компонентов нечеткого вывода (функций принадлежности, правил, параметров алгоритмов).

Организация взаимодействия пользователей с системой реализована через веб-интерфейс, что обеспечивает кроссплатформенность решения и доступность из любой точки корпоративной сети вуза. Предусмотрены различные роли пользователей: администратор, эксперт, сотрудник, руководитель подразделения, представитель руководства вуза.

Модель данных программного инструмента разработана на основе анализа информационных потоков процесса оценки качества работы сотрудников вуза. Структура базы данных включает следующие основные сущности:

1. Сотрудники;
2. Подразделения;
3. Критерии оценки;
4. Показатели;
5. Функции принадлежности;
6. Правила нечеткого вывода;
7. Экспертные оценки;
8. Результаты оценки.

Реализована нормализованная структура базы данных, обеспечивающая минимизацию избыточности и непротиворечивость хранимой информации. Особое внимание уделено оптимизации производительности при работе с большими объемами данных [16].

База знаний системы включает формализованные экспертные знания в виде нечетких продукционных правил. Структура правила включает условную часть (антецедент) и заключение (консеквент). Антецедент представляет собой нечеткое высказывание или совокупность нечетких высказываний, соединенных логическими операторами «И» и «ИЛИ». Консеквент — нечеткое высказывание, определяющее значение выходной лингвистической переменной.

Для повышения эффективности работы с базой знаний реализован механизм индексации правил, позволяющий оптимизировать процесс поиска и активации релевантных правил при выполнении нечеткого вывода.

Выбор технологий разработки осуществлялся с учетом требований масштабируемости, надежности, безопасности и совместимости с существующей ИТ-инфраструктурой вузов. Программный инструмент реализован как веб-приложение с трехуровневой архитектурой:

1. Уровень представления (клиентская часть);
2. Уровень бизнес-логики (серверная часть);
3. Уровень хранения данных.

На уровне представления использованы современные веб-технологии: HTML5, CSS3, JavaScript, фреймворк React. Применение компонентного подхода React обеспечивает гибкость и переиспользуемость элементов пользовательского интерфейса [11]. Для визуализации данных использована библиотека D3.js, предоставляющая широкие возможности создания интерактивных диаграмм и графиков.

Серверная часть реализована на платформе Node.js с применением фреймворка Express. Выбор Node.js обусловлен высокой производительностью при обработке асинхронных запросов и хорошей масштабируемостью [16]. Бизнес-логика системы структурирована в соответствии с паттерном MVC (Model-View-Controller), что обеспечивает четкое разделение ответственности между компонентами и упрощает сопровождение кода.

Для реализации алгоритмов нечеткого вывода использована специализированная библиотека fuzzylogic.js, которая предоставляет набор функций для работы с нечеткими множествами и реализации различных алгоритмов нечеткого вывода (Мамдани, Сугено, Цукамото) [4]. Библиотека оптимизирована для высокопроизводительных вычислений и обеспечивает эффективную работу с большими наборами правил.

В качестве системы управления базами данных выбрана MongoDB — документоориентированная СУБД, обеспечивающая гибкость при работе со слабоструктурированными данными [19]. Использование NoSQL подхода позволило эффективно реализовать хранение и обработку нечетких продукционных правил и функций принадлежности.

Для интеграции с информационными системами вуза реализован API на основе REST архитектуры. API предоставляет набор методов для получения данных о сотрудниках, структуре подразделений, учебной нагрузке, публикационной активности и других показателях из смежных систем.

Информационная безопасность обеспечивается комплексом мер:

1. Аутентификация и авторизация пользователей с применением JWT (JSON Web Tokens);
2. Шифрование данных при передаче по сети (HTTPS);
3. Валидация входных данных;
4. Защита от основных типов атак (XSS, CSRF, SQL-инъекции);
5. Аудит действий пользователей.

Центральным компонентом программного инструмента является модуль нечеткого логического вывода. Этот модуль реализует последовательность операций:

1. Фаззификация входных данных
2. Активация нечетких правил
3. Агрегирование подзаключений
4. Аккумуляция заключений
5. Дефаззификация результатов

Функциональность модуля включает разработанный конструктор лингвистических переменных для определения входных и выходных переменных с возможностью задания терм-множеств и конфигурирования функций принадлежности. Конструктор поддерживает различные типы функций принадлежности: треугольные, трапециевидные, гауссовы. В состав модуля входит редактор базы правил, обеспечивающий создание, редактирование и управление нечеткими продукционными правилами с механизмами проверки непротиворечивости и полноты. Реализованный механизм нечеткого вывода использует алгоритм Мамдани с гибкими настройками параметров каждого этапа, при этом для дефаззификации поддерживаются методы центра тяжести, среднего максимума и центра площади. Встроенный анализатор чувствительности дает возможность оценивать влияние изменения входных параметров на результаты нечеткого вывода, что существенно помогает в настройке и оптимизации системы. Весь модуль оптимизирован для работы с большим количеством правил путем применения алгоритмов индексации и кэширования, повышающих производительность при обработке сложных запросов [8]. Реализация алгоритма нечеткого вывода тщательно адаптирована для эффективного использования вычислительных ресурсов сервера.

Пользовательский интерфейс программного инструмента разработан с учетом принципов user-centered design и обеспечивает интуитивно понятное взаимодействие с системой для пользователей различных категорий. Основные компоненты пользовательского интерфейса:

1. Панель мониторинга (Dashboard). Предоставляет агрегированную информацию о результатах оценки, ключевые показатели и тренды.
2. Модуль ввода и редактирования данных. Включает формы для ввода первичных данных о деятельности сотрудников, импорта данных из внешних источников.
3. Модуль настройки параметров оценки. Позволяет конфигурировать критерии, показатели, функции принадлежности и правила нечеткого вывода.
4. Инструменты визуализации. Обеспечивают наглядное представление результатов оценки в виде различных типов диаграмм и графиков.
5. Генератор отчетов. Позволяет формировать и экспортировать отчеты различных типов.

Для обеспечения удобства работы с большими наборами данных реализованы механизмы фильтрации, сортировки и поиска. Предусмотрена возможность сохранения пользовательских настроек интерфейса.

Реализованы механизмы взаимодействия со следующими системами:

1. Автоматизированная система управления учебным процессом;
2. Электронный документооборот;
3. Система учета публикационной активности;
4. Кадровая информационная система;
5. Система электронного обучения.

В таблице 1 представлено сравнение функциональных возможностей разработанного инструмента с существующими системами оценки персонала.

Таблица 1

Сравнение функциональных возможностей программного инструмента с аналогами

Интеграция осуществляется через API на основе REST архитектуры. Для каждой внешней системы разработан адаптер, обеспечивающий преобразование данных в формат, пригодный для обработки модулем нечеткого вывода. Предусмотрены механизмы синхронизации данных и обработки конфликтов.

Модульная архитектура системы обеспечивает масштабируемость и расширяемость, позволяя адаптировать инструмент к изменяющимся требованиям и условиям использования. Реализация в виде веб-приложения с использованием современных технологий обеспечивает доступность системы для пользователей различных категорий.

В таблице 2 представлены основные сценарии применения программного инструмента различными категориями пользователей.

Таблица 2

Сценарии применения программного инструмента

Апробация программного инструмента в реальных условиях вуза продемонстрировала его высокую эффективность и адаптивность к специфике образовательной среды. Внедрение инструмента позволило повысить объективность оценки качества работы сотрудников, снизить трудоемкость процессов сбора и обработки данных, обеспечить информационную поддержку принятия кадровых решений.

Перспективы дальнейшего развития программного инструмента связаны с расширением его функциональных возможностей:

1. Интеграция с национальными системами оценки эффективности вузов;
2. Реализация механизмов машинного обучения для адаптации параметров нечеткой модели.

Разработанный программный инструмент может быть адаптирован для использования в различных типах образовательных учреждений — от школ до учреждений дополнительного профессионального образования. Модульная структура и гибкие механизмы настройки позволяют настроить систему под специфические требования каждого учреждения.

Литература:

1. Андрейчиков А. В., Андрейчикова О. Н. Системный анализ и синтез стратегических решений в инноватике: модели многокритериального анализа деятельности инновационных организаций. М.: ЛЕНАНД, 2023. 360 с.
2. Бордовская Н. В., Титова Е. В. Методика оценки качества деятельности преподавателей вуза: метод. рекомендации. СПб.: Архей, 2022. 72 с.
3. Борисова Е. А. Оценка и аттестация персонала. СПб.: Питер, 2022. 253 с.
4. Елисеева И. Н. Применение математических методов нечеткой логики при оценке профессиональной компетентности педагогов // Вестник РУДН. Серия: Информатизация образования. 2021. Т. 18, № 3. С. 253–266.
5. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.
6. Исследование и разработка процедур оценки эффективности работы преподавателей на основе системы сбалансированных показателей / С. О. Сафонова, Е. Е. Истомина, Е. В. Боева и др. // Фундаментальные исследования. 2022. № 9–1. С. 58–64.
7. Кибанов А. Я., Митрофанова Е. А., Эсаулова И. А. Экономика управления персоналом: учебник. М.: ИНФРА-М, 2023. 427 с.
8. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2022. 736 с.
9. Масааки И. Кайдзен: ключ к успеху японских компаний. М.: Альпина Паблишер, 2024. 274 с.
10. Морозов М. А. Математические методы и модели в системе управления качеством высшего образования // Современные проблемы сервиса и туризма. 2021. Т. 15, № 4. С. 36–45.
11. Нечеткие модели и сети / А. Н. Аверкин, И. З. Батыршин, А. Ф. Блишун и др. М.: Физматлит, 2022. 348 с.
12. Новаковская О. А., Бадмаева С. В. Роль оценки в управлении персоналом вуза // Вестник Бурятского государственного университета. 2022. № 1. С. 227–230.
13. Об образовании в Российской Федерации: федер. закон от 29.12.2012 № 273-ФЗ: ред. от 02.07.2021 // Российская газета. 2012. № 303. Доступ из справ.-правов. системы «КонсультантПлюс».
14. Пегат А. Нечеткое моделирование и управление. М.: БИНОМ. Лаборатория знаний, 2023. 798 с.
15. Постановление Правительства Российской Федерации от 05.08.2013 № 662 «Об осуществлении мониторинга системы образования»: ред. от 24.03.2022. URL: http://government.ru/docs/all/88028/ (дата обращения: 18.04.2025).
16. Программные системы поддержки принятия оптимальных решений / А. П. Рыжов, Е. В. Луценко, Л. О. Сергиевский и др. М.: Янус-К, 2022. 212 с.
17. Рыжкова Т. Б., Сербова Е. Г. Методика оценки качества работы профессорско-преподавательского состава вуза // Вестник РГГУ. Серия «Экономика. Управление. Право». 2022. № 3. С. 76–85.
18. Соснина Е. Г. Автоматизированная информационная система оценки эффективности деятельности преподавателей вуза // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2023. № 2. С. 106–114.
19. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия-Телеком, 2024. 288 с.
20. Ярушкина Н. Г. Основы теории нечетких и гибридных систем: учеб. пособие. М.: Финансы и статистика, 2023. 320 с.
21. Kahraman C., Onar S. C., Oztaysi B. Fuzzy Multicriteria Decision-Making: A Literature Review // International Journal of Computational Intelligence Systems. 2023. Vol. 8, Iss. 4. P. 637–666. URL: https://www.tandfonline.com/doi/full/10.1080/18756891.2015.1046325 (accessed: 21.04.2025).
22. Merigó J. M., Casanovas M. The fuzzy generalized OWA operator and its application in strategic decision making // Cybernetics and Systems. 2021. Vol. 41, Iss. 5. P. 359–370. URL: https://doi.org/10.1080/01969722.2010.486201 (accessed: 15.04.2025).
23. Performance Evaluation Models for Higher Education Teachers Using Fuzzy Logic / O. Cordón, F. Herrera, I. Zwir et al. // IEEE Transactions on Education. 2022. Vol. 65, Iss. A2. P. 130–137. URL: https://ieeexplore.ieee.org/document/9765231 (accessed: 19.04.2025).
24. Zadeh L. A. Fuzzy sets // Information and Control. 1965. Vol. 8, Iss. 3. P. 338–353. URL: https://doi.org/10.1016/S0019–9958(65)90241-X (accessed: 10.04.2025).