Розробка індивідуально-орієнтованого методу вибору суб’єктів наукової діяльності для реалізації наукових проєктів на основі наукометричного аналізу

Автор(и)

  • Huilin Xu Київський національний університет імені Тараса Шевченка; Yancheng Polytechnic College , Україна https://orcid.org/0000-0002-1794-3270
  • Олександр Юрійович Кучанський Київський національний університет імені Тараса Шевченка; Київський національний університет будівництва і архітектури, Україна https://orcid.org/0000-0003-1277-8031
  • Мирослава Вікторівна Гладка Київський національний університет імені Тараса Шевченка, Україна https://orcid.org/0000-0001-5233-2021

DOI:

https://doi.org/10.15587/1729-4061.2021.248040

Ключові слова:

суб’єкт наукової діяльності, наукометричний аналіз, науковий проєкт, багатокритеріальна задача вибору

Анотація

Проведено аналіз основних факторів, що впливають на вибір індивідуальних суб’єктів наукової діяльності або потенційних партнерів та виконавців до складу наукових та освітніх проєктів. Вказано особливості вибору виконавців проєкту різних категорій. Описано функціональні обов’язки учасників проєктів відповідно до структури проєктів.

Розроблено індивідуально-орієнтований метод вибору суб’єктів наукової діяльності як виконавців наукових та освітніх проєктів, враховуючи продуктивність їх наукової діяльності в минулому та з урахуванням структури проєктів. Для визначення переваг суб’єктів наукової діяльності, які включаються до відповідних предметних наукових просторів, необхідно застосувати процедуру оцінювання їх продуктивності. Крім того, потрібно спрогнозувати зміну продуктивності в майбутньому на основі ретроспективних даних для даного суб’єкта. Далі потрібно розв’язати багатокритеріальну задачу вибору серед тих суб’єктів наукової діяльності, які є достатньо продуктивними на думку менеджера проєкту. Використання розробленого методу дозволяє зменшити суб’єктивний вплив на прийняття рішення щодо вибору виконавців проєкту. Це пов’язано з тим, що вибір здійснюється шляхом автоматизованого розрахунку наукометричних показників суб’єктів, керуючись тільки відкритими джерелами інформації.

Проведена верифікація індивідуально-орієнтованого методу вибору суб’єктів наукової діяльності на прикладі формування трьох заявок науково-дослідних проєктів. В результаті середній відсоток науковців, які задовольняють вимоги менеджерів проєктів за кожним предметним науковим простором склав близько 46.55 %. Відсоток тих, кого залучають до виконання проєкту з числа відібраних складає близько 24.07 %. Ймовірність співпраці вища серед тих, хто має середній H-індекс.

Біографії авторів

Huilin Xu, Київський національний університет імені Тараса Шевченка; Yancheng Polytechnic College

Аспірантка

Кафедра інформаційних систем та технологій

Олександр Юрійович Кучанський, Київський національний університет імені Тараса Шевченка; Київський національний університет будівництва і архітектури

Доктор технічних наук, доцент

Кафедра інформаційних систем та технологій

Кафедра кібербезпеки та комп’ютерної інженерії

Мирослава Вікторівна Гладка, Київський національний університет імені Тараса Шевченка

Кандидат технічних наук, асистент

Кафедра інформаційних систем та технологій

Посилання

  1. Bogers, M., Chesbrough, H., Moedas, C. (2018). Open Innovation: Research, Practices, and Policies. California Management Review, 60 (2), 5–16. doi: http://doi.org/10.1177/0008125617745086
  2. Beck, S., Bergenholtz, C., Bogers, M., Brasseur, T.-M., Conradsen, M. L., Di Marco, D. et. al. (2020). The Open Innovation in Science research field: a collaborative conceptualisation approach. Industry and Innovation, 1–50. doi: http://doi.org/10.1080/13662716.2020.1792274
  3. Kazakovtsev, V., Oreshin, S., Serdyukov, A., Krasheninnikov, E., Muravyov, S., Bezvinnyi, A. et. al. (2020). Recommender system for an academic supervisor with a matrix normalization approach. 2020 International Conference on Control, Robotics and Intelligent System. doi: http://doi.org/10.1145/3437802.3437817
  4. Bushuyev, D., Bushuieva, V., Kozyr, B., Ugay, A. (2020). Erosion of competencies of innovative digitalization projects. Scientific Journal of Astana IT University, 1, 70–83. doi: http://doi.org/10.37943/aitu.2020.1.63658
  5. Sihombing, D. I., Sitompul, O. S., Sutarman, Nababan, E. (2018). Combining the use of analytical hierarchy process and lexicographic goal programming in selecting project executor. IOP Conference Series: Materials Science and Engineering, 420. doi: http://doi.org/10.1088/1757-899x/420/1/012113
  6. Chu, X. N., Tso, S. K., Zhang, W. J., Li, Q. (2000). Partners Selection for Virtual Enterprises. Proceedings of the 3th World Congress on Intelligent Control and Automation, 164–168. doi: http://doi.org/10.1109/wcica.2000.859940
  7. Al‐Khalifa, A. K., Eggert Peterson, S. (1999). The partner selection process in international joint ventures. European Journal of Marketing, 33 (11/12), 1064–1081. doi: http://doi.org/10.1108/03090569910292276
  8. Feng, W. D., Chen, J., Zhao, C. J. (2000). Partners Selection Process and Optimization Model for Virtual corporations Based on Genetic Algorithms. Journal of Tsinghua University (Science and Technology), 40, 120–124.
  9. Zhong, Y., Jian, L., Zijun, W. (2009). An integrated optimization algorithm of GA and ACA-based approaches for modeling virtual enterprise partner selection. ACM SIGMIS Database: The DATABASE for Advances in Information Systems, 40 (2), 37–56. doi: http://doi.org/10.1145/1531817.1531824
  10. Schall, D. (2014). A multi-criteria ranking framework for partner selection in scientific collaboration environments. Decision Support Systems, 59, 1–14. doi: http://doi.org/10.1016/j.dss.2013.10.001
  11. Wagner, C. S., Leydesdorff, L. (2005). Network structure, self-organization, and the growth of international collaboration in science. Research Policy, 34 (10), 1608–1618. doi: http://doi.org/10.1016/j.respol.2005.08.002
  12. Fu, F., Hauert, C., Nowak, M. A., Wang, L. (2008). Reputation-based partner choice promotes cooperation in social networks. Physical Review E, 78 (2). doi: http://doi.org/10.1103/physreve.78.026117
  13. Kleinberg, J. M. (1999). Authoritative sources in a hyperlinked environment. Journal of the ACM, 46 (5), 604–632. doi: http://doi.org/10.1145/324133.324140
  14. Page, L., Brin, S., Motwani, R., Winograd, T. (1999). The PageRank Citation Ranking: Bringing Order to the Web. Available at: http://ilpubs.stanford.edu:8090/422/
  15. Haveliwala, T. H. (2002). Topic-sensitive PageRank. Proceedings of the 11th International Conference on World Wide Web – WWW '02. New York, 517–526. doi: http://doi.org/10.1145/511446.511513
  16. Xu, H., Kuchansky, A., Biloshchytska, S., Tsiutsiura, M. (2021). A Conceptual Research Model for the Partner Selection Problem. 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST). doi: http://doi.org/10.1109/sist50301.2021.9465931
  17. Yershov, S. V., Ponomarenko, R. M. (2018). Parallel Fuzzy Inference Method for Higher Order Takagi–Sugeno Systems. Cybernetics and Systems Analysis, 54 (6), 1003–1012. doi: http://doi.org/10.1007/s10559-018-0103-3
  18. Wang, D., Yang, X.C., Wang, G.R. (2002). Implementation of Partner Selection in Virtual Enterprise Based on Fuzzy-AHP. Journal of Northeastern University, 21 (6), 606–609.
  19. Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S. (2019). Improvement of the method for scientific publications clustering based on n-gram analysis and fuzzy method for selecting research partners. Eastern-European Journal of Enterprise Technologies, 4 (4 (100)), 6–14. doi: http://doi.org/10.15587/1729-4061.2019.175139
  20. Li, B., Zhang, J. (2021). A Cooperative Partner Selection Study of Military-Civilian Scientific and Technological Collaborative Innovation Based on Interval-Valued Intuitionistic Fuzzy Set. Symmetry, 13 (4), 553. doi: http://doi.org/10.3390/sym13040553
  21. Gladka, M., Kravchenko, O., Hladkyi, Y., Borashova, S. (2021). Qualification and Appointment of Staff for Project Work in Implementing IT Systems Under Conditions of Uncertainty. 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST). doi: http://doi.org/10.1109/sist50301.2021.9465897
  22. Kolomiiets, A., Morozov, V. (2020). Investigation of Optimization Models in Decisions Making on Integration of Innovative Projects. Lecture Notes in Computational Intelligence and Decision Making, 51–64. doi: http://doi.org/10.1007/978-3-030-54215-3_4
  23. Boyko, R., Shumyhai, D., Gladka, M. (2016). Сoncept, Definition and Use of an Agent in the Multi-agent Information Management Systems at the Objects of Various Nature. Advances in Intelligent Systems and Computing, 59–63. doi: http://doi.org/10.1007/978-3-319-48923-0_8
  24. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Omirbayev, S., Mukhatayev, A., Faizullin, A., Toxanov, S. (2021). Development of the set models and a method to form information spaces of scientific activity subjects for the steady development of higher education establishments. Eastern-European Journal of Enterprise Technologies, 3 (2 (111)), 6–14. doi: http://doi.org/10.15587/1729-4061.2021.233655
  25. Kuchansky, A., Biloshchytskyi, A., Andrashko, Y., Biloshchytska, S., Honcharenko, T., Nikolenko, V. (2019). Fractal time series analysis in non-stationary environment. 2019 IEEE International Scientific-Practical Conference: Problems of Infocommunications Science and Technology, 236–240. doi: http://doi.org/10.1109/picst47496.2019.9061554
  26. Mulesa, O., Geche, F., Batyuk, A., Myronyuk, I. (2018). Using a system approach in the process of the assessment problem analysis of the staff capacity within the health care institution. IEEE Conference: Computer science and information technologies (CSIT 2018), 177–180. doi: http://doi.org/10.1109/stc-csit.2018.8526749
  27. Mulesa, O., Geche, F., Voloshchuk, V., Buchok, V., Batyuk, A. (2017). Information Technology for time series forecasting with considering fuzzy expert evaluations. IEEE Conference: Computer Science and Information Technologies, 105–108. doi: http://doi.org/10.1109/stc-csit.2017.8098747
  28. Mulesa, O., Geche, F. (2016). Designing fuzzy expert methods of numeric evaluation of an object for the problems of forecasting. Eastern-European Journal of Enterprise Technologies, 3 (4 (81)), 37–43. doi: http://doi.org/10.15587/1729-4061.2016.70515
  29. Chen, L., Jagota, V., Kumar, A. (2021). Research on optimization of scientific research performance management based on BP neural network. International Journal of System Assurance Engineering and Management. doi: http://doi.org/10.1007/s13198-021-01263-z
  30. Liu, L., Ran, W. (2019). Research on supply chain partner selection method based on BP neural network. Neural Computing and Applications, 32 (6), 1543–1553. doi: http://doi.org/10.1007/s00521-019-04136-6
  31. Han, J., Teng, X., Cai, X. (2019). A novel network optimization partner selection method based on collaborative and knowledge networks. Information Sciences, 484, 269–285. doi: http://doi.org/10.1016/j.ins.2019.01.072
  32. Wi, H., Oh, S., Mun, J., Jung, M. (2009). A team formation model based on knowledge and collaboration. Expert Systems with Applications, 36 (5), 9121–9134. doi: http://doi.org/10.1016/j.eswa.2008.12.031
  33. Lungeanu, A., Huang, Y., Contractor, N. S. (2014). Understanding the assembly of interdisciplinary teams and its impact on performance. Journal of Informetrics, 8 (1), 59–70. doi: http://doi.org/10.1016/j.joi.2013.10.006
  34. Lungeanu, A., Sullivan, S., Wilensky, U., Contractor, N. S. (2015). A computational model of team assembly in emerging scientific fields. 2015 Winter Simulation Conference (WSC). doi: http://doi.org/10.1109/wsc.2015.7408559
  35. Lungeanu, A., Carter, D. R., DeChurch, L. A., Contractor, N. S. (2018). How Team Interlock Ecosystems Shape the Assembly of Scientific Teams: A Hypergraph Approach. Communication Methods and Measures, 12 (2-3), 174–198. doi: http://doi.org/10.1080/19312458.2018.1430756
  36. Wang, Q., Ma, J., Liao, X., Du, W. (2017). A context-aware researcher recommendation system for university-industry collaboration on R&D projects. Decision Support Systems, 103, 46–57. doi: http://doi.org/10.1016/j.dss.2017.09.001
  37. Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S. (2020). The use of probabilistic latent semantic analysis to identify scientific subject spaces and to evaluate the completeness of covering the results of dissertation studies. Eastern-European Journal of Enterprise Technologies, 4 (4 (106)), 21–28. doi: http://doi.org/10.15587/1729-4061.2020.209886
  38. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Mukhatayev, A., Toxanov, S., Faizullin, A. (2020). Methods of Assessing the Scientific Activity of Scientists and Higher Education Institutions. 2020 IEEE 2nd International Conference on Advanced Trends in Information Theory (ATIT), 162–167. doi: http://doi.org/10.1109/atit50783.2020.9349348
  39. Biloshchytskyi, A., Kuchansky, A., Paliy, S., Biloshchytska, S., Bronin, S., Andrashko, Y. et. al. (2018). Development of technical component of the methodology for project­vector management of educational environments. Eastern-European Journal of Enterprise Technologies, 2 (2 (92)), 4–13. doi: http://doi.org/10.15587/1729-4061.2018.126301

##submission.downloads##

Опубліковано

2021-12-29

Як цитувати

Xu, H., Кучанський, О. Ю., & Гладка, М. В. (2021). Розробка індивідуально-орієнтованого методу вибору суб’єктів наукової діяльності для реалізації наукових проєктів на основі наукометричного аналізу. Eastern-European Journal of Enterprise Technologies, 6(3 (114), 93–100. https://doi.org/10.15587/1729-4061.2021.248040

Номер

Том 6 № 3 (114) (2021): Процеси управління

Розділ

Процеси управління

Ліцензія

Авторське право (c) 2021 Huilin Xu, Alexander Kuchansky, Myroslava Gladka

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.