AUTOMATED SYSTEM FOR MONITORING AND ANALYSIS OF COMPLIANCE OF THE LABOUR RESOURCES NEEDS ACCORDING THE SPECIALTIES’ NOMENCLATURE OF HIGHER EDUCATIONAL INSTITUTION

This paper analyzes the problem of objective estimation of the labour market and the training of graduates, which meet the expectations of employers. The article provides a description of the automated information - analytical system of monitoring and analysis of employment needs of the labour market for the graduates of higher education institutions (according to the nomenclature of specialties of higher educational institutions). The system is designed for regional authorities, universities, companies, and recruitment agencies. The development of this system will make it possible to coordinate setting of new higher educational institutions or undertake the conversion of the available ones in accordance with the current economic challenges, while the leaders of universities will be able to adjust their curricula in accordance with the changes in the labour market, the companies - to implement effectively the recruitment and training, and the students - to choose their own learning way.

автоматизированная информационная система, выпускник, высшее учебное заведение, иерархическая модель, машинное обучение, регион, рынок труда, automated information system, graduate, hierarchical model, higher educational institution, labour market, machine teaching, region

1. См.: URL: https://career.ru/article/15115

2. См.: URL: http://mel.fm/2016/10/21/rating_career

3. См.: URL: http://mel.fm/2015/10/21/metod_career

4. См.: Погорелов Е. Проблема востребованности выпускника вуза на современном рынке труда // Материалы V Международной студенческой электронной научной конференции «Студенческий научный форум». 15 февраля - 31 марта 2013 г

5. См.: Олейникова О.Н., Муравьева А.А. Прогнозыпотребностивуменияхипрофессио -на л ь но е обра зов а н ие и обу чен ие - оп ы т ЕС. Цен т р изу чен и я пр о блем п ро ф е с сиона л ьног о образования / URL: http://www.cvets.ru/Modules/SNA-EC.pdf. (дата обращения 22.07.16)

6. См.: Черемисина Е.Н., Белага В.В., Самойленко Ю.И. Информационно-образовательная среда д ля обу чени я информационным тех нологи ям на базе Инстит у та системного ана лиза и управления Университета «Дубна» // Открытое образование. 2014. № 2. С. 59-65

7. См.: URL: https://hh.ru/

8. См.: URL: http://fgosvo.ru/support/49/49/17

9. См.: URL: http://profstandart.rosmintrud.ru

10. См.: Гущин А . Н . Обеспечение у чебного процесса, построенного на стандартах ФГОС-3, средствами информационных технологий // Образовательные технологии. 2013. № 4. С. 84-89

11. См.: Efrati Amir. «Google Gives Search a Refresh». The Wall Street Journal. Retrieved July 13, 2012

12. См.: Eva Martínez Garcia, Cristina España-Bonet, Lluís Mаrquez. Document - Level Machine Translation with Word Vector Models. Proceedings of the 18th Annual Conference of the European Association for Machine Translation (EAMT). May 2015. Р. 59-66

13. См.: Barkan Oren. Bayesian Neural Word Embedding. arXiv:1603.06571

14. См.: Mikolov Tomas et al. Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781v3 [cs.CL]. 7 Sep. 2013

15. См.: Harris Zellig. Distributional Structure. Word 10 (2-3): August 1954. Р. 146-162

16. См .: Broder Andrei Z., Glassman Steven C., Manasse, Mark S., Zweig Geoffrey. Syntactic clustering of the web. Computer Networks and ISDN Systems 29 (8): 1157-1166. doi:10.1016/ s 0169-7552(97)0 0 031-7

17. См.: Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer. 2006

18. См.: Huffman D . A Method for the Construction of Minimum-Redundancy Codes (PDF). Proceedings of the IRE. 40 (9): 1098-1101. doi:10.1109/JRPROC.1952.273898

19. См.: Розенблатт Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. М.: Мир, 1965

20. См.: Le Quoc et a l. D is t r ib u t e d Represent a t io n s o f S ent e n c e s a n d Documents . a r X iv :14 05.4 0 53