moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.48.1.039 1837 Интеллектуальная система оценки результативности трудовой деятельности научных работников в научно-исследовательских организациях An intelligent system for evaluating the performance of researchers in research organizations Сахаров Юрий Серафимович Sakharov Yurij Serafimovich sakharovu@yandex.ru aff-1 Ковалева Анастасия Валерьевна Kovaleva Anastasia Valeryevna ananeva@jinr.ru aff-2 Государственный университет Дубна Dubna State University Объединённый институт ядерных исследований Joint Institute for Nuclear Research 01 01 2026 1 1 10.26102/2310-6018/2025.48.1.039 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Актуальность исследования обусловлена тем, что в условиях высокой конкуренции за квалифицированные кадры научно-исследовательские организации стремятся привлекать и удерживать талантливых работников. Эффективные системы мотивации, основанные на объективной оценке результативности, становятся важным инструментом для достижения этой цели. Интеллектуальные системы могут предоставлять руководству аналитические отчеты и рекомендации, основанные на данных, что способствует более обоснованному принятию решений в области мотивации и управления работниками. В связи с этим, статья направлена на разработку интеллектуальной системы оценки результативности трудовой деятельности работников научно-исследовательских организаций, которая представляет собой мощный инструмент для анализа и управления человеческим капиталом в организациях. Экспертный метод основан на привлечении квалифицированных специалистов, обладающих глубокими знаниями и опытом в соответствующей области, что позволяет повысить объективность и достоверность результатов оценки. В статье описываются преимущества и недостатки данного подхода. Также в работе предложено использование машинного метода обучения для оценки результативности труда научных работников по основным показателям результативности. Основными показателями результативности, выбранными для оценки трудовой активности, являются: научно-образовательная деятельность, научная работа, представление результатов, научно-организационная деятельность. Материалы, представленные в статье, будут актуальны и полезны для руководителей научно-исследовательских организаций.

The relevance of the study is due to the fact that in the conditions of high competition for qualified personnel, research organizations seek to attract and retain talented employees. Effective motivation systems based on objective performance assessment are becoming an important tool for achieving this goal. Intelligent systems can provide management with analytical reports and recommendations based on data, which contributes to more informed decision-making in the field of motivation and management of employees. In this regard, this article is aimed at developing an intelligent system for assessing the performance of employees in research organizations, which is a powerful tool for analyzing and managing human capital in organizations. The expert method is based on the involvement of qualified specialists with deep knowledge and experience in the relevant field, which allows to increase the objectivity and reliability of the assessment results. The article describes the advantages and disadvantages of this approach. The work also proposes the use of a machine learning method to assess the performance of researchers based on key performance indicators. The main performance indicators selected for the assessment of labor activity are: scientific and educational activity, scientific work, presentation of results, scientific and educational activity. The materials presented in the article will be relevant and useful for the heads of scientific and research organizations.

 результативность трудовой деятельности экспертный метод оценки машинное обучение инновации искусственный интеллект моделирование данных научные работники productivity of work activities expert assessment method machine learning innovation artificial intelligence data modeling researchers Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Зорин А.С., Зорина Н.А., Сафрыгин П.А. Теоретические и методические подходы к оценке влияния развития персонала организации на повышение результативности труда. Управленец. 2017;(1):2–8. Митрофанова А.Е. Обоснование подходов к оценке результативности труда персонала организации. Вестник университета. 2016;(12):185–191. Одегов Ю.Г., Павлова В.В., Теленная Л.С. Анализ показателей оценки результативности трудовой деятельности работника и бизнес-модели организации. Статистика и экономика. 2016;(6):64–70. https://doi.org/10.21686/2500-3925-2016-6-64-70 Анискевич А.С., Хальфин Р.А. Ключевые показатели результативности деятельности научных организаций в сфере здравоохранения за 2011-2015 гг. Вестник Российского государственного медицинского университета. 2017;(1):79–83. Матыцин Д.С. Внедрение искусственного интеллекта в процесс управления. Символ науки. 2024;1(12-1):95–97. Алферьев Д.А., Кремин А.Е. Развитие искусственного интеллекта в современной экономике. Human Progress. 2020;6(1). https://doi.org/10.34709/IM.161.2 Kim Ph. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. Berkeley: Apress; 2017. 151 p. https://doi.org/10.1007/978-1-4842-2845-6 Raschka S., Mirjalili V. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2. Birmingham: Packt Publishing; 2019. 772 p. Арашов М. Машинное обучение в экономике – как оно используется? Eo Ipso. 2022;(11):46–48. Давыдов А.Н. Использование машинного обучения в экономике. Современные проблемы лингвистики и методики преподавания русского языка в ВУЗе и школе. 2022;(38):845–848.

The authors declare that there are no conflicts of interest present.