Оntological approach to aggregated evaluation of the work of teams with multiple levels of hierarchy

Оцінювання організацій і колективів з багаторівневою ієрархічною структурою (проєктні групи, групи дослідників, військові підрозділи, експертні комісії, медичні групи швидкого реагування) є сьогодні актуальною проблемою, вирішення якої дозволить по новому організувати їх швидку динамічну адаптацію для виконання важливих оперативних завдань, а також підготовку членів команди при відсутності достатніх компетенцій, навиків та досвіду. Оцінювання також виявляє слабкі та сильні сторони як колективу в цілому, так і кожного учасника, що у перспективі надає можливості їх подальшого росту. Оцінювання роботи колективів є комплексним, що включає як фахові знання з певної галузі діяльності, так і навички керування колективом (так звані навички лідерства, уміння організувати виконання завдань та досягнення цілей і отримання позитивних результатів роботи). Щоб покращити оцінювання ієрархічних агрегованих команд запропоновано використовувати онтологічний підхід: онтологія предметної області визначає знання про відповідні комбінації компетенцій для позицій учасників в організаційній структурі колективу. Інформація про компетенції претендентів отримується шляхом аналізу портфоліо (резюме, сертифікати, дипломи, заслуги). У випадку, коли наявність компетенцій є недостатньою для отримання певної позиції, система автоматично підбирає курси для отримання цих компетенцій. Більш складні завдання формування колективу можуть використовувати ієрархічний набір онтологій та вебсервісів для отримання результатів оцінювання та рекомендацій щодо підвищення компетентності. Створено покрокову методику виконання задачі оцінювання колективу з застосуванням методів семантичної подібності між моделями інформаційних об’єктів для підбору претендентів на посади, вибору апаратури, обладнання, озброєння. Апробовано підхід ієрархічного агрегатного оцінювання колективів, орієнтований на інтегроване багатокритеріальне прийняття рішень в умовах, коли сам набір критеріїв залежить від особливостей задачі і може бути створений на основі знань предметної області, але в різні моменти часу відносна значущість цих критеріїв може змінюватися. Цей підхід планується розширити за допомогою засобів і методів керування знаннями, інтелектуального аналізу даних і машинного навчання, які використовуються для отримання компетентних знань. Evaluation of organizations with multi-level hierarchical structure (project groups, groups of researchers, military units, expert commissions, medical rapid response teams) is an urgent problem today, the solution of which will allow to organize their rapid dynamic adaptation in a new way to perform important operational tasks, as well as training team members in the absence of sufficient competencies, skills and experience. The assessment also reveals the strengths and weaknesses of both the team as a whole and each participant, which in the future provides opportunities for their further growth. Evaluation of the work of teams is complex, including both professional knowledge in a certain field of activity and team management skills (so-called leadership skills, the ability to organize the execution of tasks and the achievement of goals and obtaining positive work results). In order to improve the evaluations of hierarchical aggregated teams we propose the use of ontological approach: domain ontology defines knowledge about relevant combinations of competencies for hierarchical team positions. Information about competencies of applicants is acquired by portfolio analysis (resume, certificates, diplomas, merits, etc.). More complex tasks can use a hierarchical set of ontologies and Web-services for obtaining evaluation results and recommendations for competence improving for various sublevels. We describe the step-by-step method of team evaluation that use elements of semantic similarity between different information objects for the matching of applicants and equipment with team positions. Proposed approach to hierarchical team evaluation is a component for integrated multi-criteria decision-making oriented on some special case of user tasks: the set of evaluation criteria is determined by task and can be built on the basis of domain knowledge, but importance of particular criterion is defined by state of environment in different points in time. This approach can be expanded by means and methods of knowledge management, Data mining and machine learning used for acquisition of competence knowledge.