Какие компетенции ждёт региональный рынок ИТ-специалистов? Разработка и апробация технологии анализа актуальных вакансий

Одной из самых динамично развивающихся отраслей в России в условиях перехода к цифровой экономике является отрасль информационных технологий. Главной проблемой развития ИТ является нехватка высококвалифицированных специалистов. Определение актуальных и востребованных знаний и умений специалистов возможно на основе анализа вакансий, размещённых на интернет-порталах поиска работы. Целью настоящего исследования является разработка и апробация технологии анализа данных ваканий ИТ-специалистов для формирования содержания дополнительных профессиональных образовательных программ. При проектировании содержания дополнительных образовательных программ по цифровым профессиям в Оренбургском университете проведён анализ данных вакансий по профессии «программист», размещённых на сайте HeadHunter. Определены наиболее популярные навыки и умения: умения командной работы, владение навыками работы с базами данных и системами контроля версий, а также английским языком. Установлено, что среди языков программирования в 2021 г. самым востребованным является язык программирования JavaScript. Проведён кластерный анализ умений и навыков, в результате определены актуальные умения и навыки и сформированы программы профессиональной подготовки для подготовки разработчиков информационных систем.

1. Жуков С.В. Анализ проблемы согласования потребностей рынка труда и содержания знаний ИТ-специалистов // Приоритетные направления инновационной деятельности в промышленности : Сб. науч. статей III Междунар. науч. конф., Казань, 30–31 марта 2021 г. Казань: Конверт, 2021. С. 160–163.

2. Климова Ю.О. Анализ соответствия уровня компетенций выпускников ИТ-специальностей требованиям работодателей // Вопросы территориального развития. 2021. Т. 9. № 1. С. 5–18. DOI: 10.15838/tdi.2021.1.56.5

3. Целина А.А., Пунчик З.В. Управление компетенциями ИТ-специалистов // Перспектвы развития цифровой экономики в России и за рубежом: Cб. ст. междунар. науч.-практ. конф., Тольятти, 20 мая 2021 г. 2021. С. 114–117. Тольятти, 2021. EDN QAPOQI.

4. Кабдрашитова Ш.Т., Кухаренко Е.В. Современные требования к навыкам ИТ-специалистов // Интернаука. 2021. № 21-2. С. 75–76. URL: https://internauka.org/journal/science/internauka/197 (дата обращения: 26.06.2022).

5. Кожевина О.В. Подготовка кадров и развитие компетенций для цифровой экономики // Преподавание информационных технологий в Российской Федерации: Материалы XIX Открытой всероссийской конференции, Москва, 19–20 мая 2021 г. 2021. М. : 1C Паблишинг, 2021. С. 159–162. URL: https://it-education.ru/conf2021/thesis/Thesis_IT_in_RF_2021.pdf (дата обращения: 26.06.2022).

6. Шухман А.Е. Перспективные направления подготовки IT-специалистов // Высшее образование в России. 2009. № 3. С. 125–131. EDN JXYMCJ.

7. Шухман А.Е., Морковина Э.Ф. Разработка содержания непрерывной подготовки ИТ-специалистов на основе единой системы профессиональных компетенций // Современные информационные технологии и ИТ-образование. 2011. № 7. С. 260–266. EDN TJTVSX.

8. Дудина И.П., Ярыгин А.Н. Образовательная модель ИТ-специалиста // Вектор науки Тольяттинского государственного университета. 2012. № 3 (21). С. 231–234. EDN PETMDB.

9. Лукина М.М. Формирование профиля компетенций специалиста в ИТ-отрасли // Глобальный научный потенциал. 2017. № 6 (75). С. 32–36. EDN ZEIJDP.

10. Таренко Л.Б. Требования к подготовке современного специалиста в области информационных технологий // Вестник ТИСБИ. 2017. № 2. С. 40–47. EDN ZSRZLX.

11. Таренко Л.Б. Из опыта подготовки бакалавров IT-направлений в условиях применения профессиональных стандартов // Вестник ТИСБИ. 2020. № 1. С. 69–74. EDN QHWBOW.

12. Замятин А.В., Чучалин А.И. Фундаментальный подход к университетской подготовке IT-специалистов // Высшее образование в России. 2022. Т. 31. № 2. С. 119–134. DOI: 10.31992/0869-3617-2022-31-2-119-134

13. Фролов Ю.В., Босенко Т.М. Исследования статистических данных подготовки кадров для цифровой экономики в Российской Федерации // Высшее образование в России. 2021. Т. 30. № 11. С. 29–41. DOI: 10.31992/0869-3617-2021-30-11-29-41

14. Кушнир М.Э., Рабинович П.Д., Заведенский К.Е., Царьков И.С. Образовательный профиль студента как инструмент персональной образовательной логистики // Высшее образование в России. 2021. Т. 30. № 12. С. 48–58. DOI: 10.31992/0869-3617- 2021-30-12-48-58

15. Нотова С.В., Подосенова И.А. Система ДПО как основа непрерывного профессионального образования // Высшее образование в России. 2021. Т. 30. № 8-9. С. 134–143. DOI: 10.31992/0869-3617-2021-30-8-9-134-143

16. Гаврилов А.В., Куликова С.В., Голкина Г.Е. Повышение уровня подготовки ИТ-специалистов на основе анализа требований рынка труда // Открытое образование. 2019. № 6. С. 30–40. DOI: 10.21686/1818-4243-2019-6-30-40

17. Гаврилов А.В., Куликова С.В., Голкина Г.Е. Методика определения наиболее востребованных направлений подготовки IT-специалистов // Плехановский научный бюллетень. 2018. № 2 (14). С. 72–77. EDN VSGRVG.

18. Криштапович А.С., Адуцкевич И.А. Анализ вакансий для исследования регионального рынка труда // Компьютерные технологии и анализ данных (CTDA’2020): Материалы II Междунар. науч.-практ. конф., Минск, 23–24 апр. 2020 г. Минск : БГУ, 2020. С. 241–244. URL: https://elib.bsu.by/handle/123456789/248682 (дата обращения: 26.06.2022).

19. Томакова И.А., Томаков М.В. Региональный рынок труда IT-специалистов в условиях цифровой трансформации экономики и социальной сферы // Известия Юго-Западного гос. университета. Серия: Экономика. Социология. Менеджмент. 2022. Т. 12. № 2. С. 174–193. DOI: 10.21869/2223-1552-2022-12-2-174-193

20. Юшкова М.И. Краткий анализ рынка вакансий для молодых специалистов направления подготовки 09.03.02 «Информационные технологии и системы» // Цифровые решения, информационные технологии и интеллектуальные системы: проблемы, тренды и перспективы: Материалы Всерос. конф., Москва, 14 апреля 2022 г. Волгоград: Сириус, 2022. С. 134–137.

21. Amato F., Boselli R., Cesarini M. et al. Challenge: Processing web texts for classifying job offers // Proceedings of the 2015 IEEE 9th International Conference on Semantic Computing (IEEE ICSC 2015). IEEE, 2015. P. 460–463. DOI: 10.1109/ICOSC.2015.7050852

22. Ul haq Dar E., Dorn J. Classification of job offers of the World Wide Web // 2018 International Conference on Computing, Mathematics and Engineering Technologies (iCoMET). IEEE, 2018. P. 1–8. DOI: 10.1109/ICOMET.2018.8346339

23. Apaza H., Rubin de Celis Vidal A.A., Chire Saire J.E. Job Recommendation Based on Curriculum Vitae Using Text Mining // Future of Information and Communication Conference. Cham : Springer, 2021. pp. 1051–1059. DOI: 10.1007/978-3-030-73100-7_72

24. Martínez G.S., Bel-Enguix G., Gómez-Adorno H. et al. Enhancing Job Searches in Mexico City with Language Technologies // Proceedings of the 1st Workshop on Language Technologies for Government and Public Administration (LT-4Gov). 2020. P. 15–21. URL: https://aclanthology.org/2020.lt4gov-1.3.pdf (дата обращения: 26.06.2022).

25. Zaroor A., Maree M., Sabha M. A hybrid approach to conceptual classification and ranking of resumes and their corresponding job posts // International Conference on Intelligent Decision Technologies. DT 2017. Smart Innovation, Systems and Technologies. Vol. 72. Cham : Springer, 2017. pp. 107–119. URL: https://link.springer.com/chapter/10.1007/978-3-319-59421-7_10 (дата обращения: 26.06.2022).

26. Varelas G., Laguos D., Ntouroukis, S., Zervas P., Parsons K., Tzimas G. Employing natural language processing techniques for online job vacancies classification // IFIP International Conference on Artificial Intelligence Applications and Innovations. Springer, 2022. P. 333–344. DOI: 10.1007/978-3-031-08341-9_27

27. Putka D.J., Oswald, F.L., Landers, R.N. et al. Evaluating a Natural Language Processing Approach to Estimating KSA and Interest Job Analysis Ratings // Journal of Business and Psychology. 2022. P. 1–26. DOI: 10.1007/s10869-022-09824-0

28. Ali I., Mughal N., Khan Z., Ahmed J., Mujtaba G. Resume classification system using natural language processing and machine learning techniques // Mehran University Research Journal of Engineering & Technology. 2022. Vol. 41. No. 1, pp. 65–79. DOI: 10.22581/muet1982.2201.07

29. Батура Т.В. Математическая лингвистика и автоматическая обработка текстов на естественном языке. Новосибирск : РИЦ НГУ, 2016. 166 с. ISBN 978-5-4437-0548-4.

30. Бенгфорт Б., Билбро Р., Охеда Т. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка. СПб. : Питер, 2019. 368 с. ISBN 978-5-4461-1153-4

31. Hopkins B., Skellam J.G. A new method for determining the type of distribution of plant individuals // Annals of Botany. 1954. Vol. 18. No. 2. P. 213–227. DOI: 10.1093/OXFORDJOURNALS.AOB.A083391

32. Wang L. Nguyen U.T.V., Bezdek J.C., Lecki, C.A., Ramamohanarao K.iVAT and aVAT: Enhanced visual analysis for cluster tendency assessment // Advances in Knowledge Discovery and Data Mining, Pt I, Proceedings, 6118, (Part 1). Springer-Verlag Berlin. P. 16–27. DOI: 10.1007/978-3-642-13657-3_5.