Дипломная работа на тему "ТЮМГУ | Разработка сервиса для определения паттерна профессионального развития студента "

Работа на тему: Разработка сервиса для определения паттерна профессионального развития студента
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА СЕРВИСА ДЛЯ ОПРЕДЕЛЕНИЯ ПАТТЕРНА ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ СТУДЕНТА

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования»

Тюмень 2022 г

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 4
ГЛАВА 1. ПОСТАНОВКА ЗАДАЧИ И ИСПОЛЬЗУЕМЫЕ МЕТОДЫ И АЛГОРИТМЫ 6
1.1. ОБЗОР ИССЛЕДОВАНИЙ ПО ОПРЕДЕЛЕНИЮ ПЕРСОНАЛЬНЫХ КАЧЕСТВ СТУДЕНТА 6
1.2. ТРЕБОВАНИЯ К РАЗРАБАТЫВАЕМОМУ СЕРВИСУ 7
1.3. ОЦЕНКА УРОВНЯ ВЛАДЕНИЯ ПРОФЕССИОНАЛЬНЫХ НАВЫКОВ СТУДЕНТА 8
1.4. ПОИСК ПЕРСОНАЛЬНЫХ КАЧЕСТВ СТУДЕНТА 10
1.5. ФОРМАЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ ПОИСКА ПОДХОДЯЩИХ СТУДЕНТУ ВАКАНСИЙ 10
1.6. КЛАСТЕРИЗАЦИЯ ВАКАНСИЙ 11
1.7. АЛГОРИТМ ПОИСКА ПОДХОДЯЩИХ ВАКАНСИЙ 13
ГЛАВА 2. РЕАЛИЗАЦИЯ ПРИЛОЖЕНИЯ 16
2.1. ОБЗОР ИСПОЛЬЗУЕМЫХ ИНСТРУМЕНТОВ И ТЕХНОЛОГИЙ 16
2.2. АРХИТЕКТУРА ПРИЛОЖЕНИЯ 17
2.3. СТРУКТУРА БАЗЫ ДАННЫХ 18
2.4. ИНТЕГРАЦИЯ В «ЦИФРОВОЙ СЛЕД СТУДЕНТА» 25
2.5. РУКОВОДСТВО ПОЛЬЗОВАТЕЛЯ 29
2.6. АНАЛИЗ ПОЛУЧЕННОГО РЕЗУЛЬТАТА 32
ГЛАВА 3. ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ 33
ЗАКЛЮЧЕНИЕ 35
СПИСОК ЛИТЕРАТУРЫ 36
ПРИЛОЖЕНИЕ 1. АЛГОРИТМ КЛАСТЕРИЗАЦИИ ВАКАНСИЙ 38
ПРИЛОЖЕНИЕ 2. АЛГОРИТМ ПОИСКА ПОДХОДЯЩИХ СТУДЕНТУ ВАКАНСИЙ 39

ВВЕДЕНИЕ
Поиск работы – неотъемлемая часть профессионального пути специалиста. Каждый день публикуются сотни вакансий, требующие от рабочего проявления как профессиональных, так и персональных навыков, например самостоятельности или ответственности. Понимание требований рынка труда, поможет специалисту развиваться в своем направлении и сократит время поиска подходящей работы. Однако на анализ такого количества информации может уйти соразмерное количество ценного человеческого времени, из-за чего очень часто прибегают к использованию сервисов для упрощения процесса поиска работы, одним из которых является HeadHunter. Сервис опубликовал статистику и подчеркнул, что более 40% людей, получивших высшее образование, не работают по специальности. Ежегодно вузы выпускают множество специалистов разного характера, и такая статистика объясняется большим количеством факторов, например:
• Низкая заработная плата;
• Неясные карьерные перспективы;
• Непривлекательные условия труда.
Помимо этого, у студентов возникает проблема корректного определения своих персональных качеств, которые зачастую важны не меньше, чем профессиональные навыки. Эта проблема относится не только к студенту, но и к работодателю, которому важно в кратчайшие сроки оценить кандидатов до личного собеседования.
Решить такую проблему можно с помощью анализа работ студента - отчетов курсовых работ и статей. На их основе можно составить «паттерн» профессионального развития студента, с помощью которого можно подобрать студенту подходящие его способностям вакансии.
Цель работы – разработка и программная реализация сервиса для определения паттерна профессионального развития студента с помощью анализа его курсовых работ и статей.
Необходимо решить задачи:
• Изучить существующие подходы к определению персональных качеств студента.
• Разработать алгоритм по определению последовательности изучения навыков студентом.
• Разработать алгоритм по выявлению персональных качеств студента.
• Разработать алгоритм по поиску подходящих вакансий на основе навыков студента.
• Разработать сервис предоставляющий пользователю доступ к информации о паттерне и о рекомендованных вакансиях.
• Интегрировать решение в систему "Цифровой След Студента".
Для успешной подготовки и защиты выпускной квалификационной работы обучающимся использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

СПИСОК ЛИТЕРАТУРЫ
1. Барсегян A.A. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP / A.A. Барсегян, С.М. Куприянов, В.В. Степаненко, И.И. Холод – Санкт-Петербург: “БХВ-Петербург”, 2007. -384с.
2. Rui X. Clustering / X. Rui, D. Wunsch – New Jersey: IEEE PRESS 2009. -357p.
3. PostgreSQL [Электронный ресурс]
4. Python [Электронный ресурс]
5. Vue.js. [Электронный ресурс]
6. TypeScript [Электронный ресурс]
7. Захарова И.Г. Диагностика профессиональной компетентности студентов ИТ-направлений на основе данных цифрового следа / И.Г. Захарова, Ю.В. Боганюк, М.С. Воробьева, Е.А. Павлова // Информатика и образование – 2020. (4):4-11.
8. Fareri S. et al. SkillNER: Mining and mapping soft skills from any text //Expert Systems with Applications. – 2021. – Т. 184. – С. 115544.
9. Crossley S. A., Muldner K., McNamara D. S. Idea generation in student writing: Computational assessments and links to successful writing // Written Communication.
– 2016. – Т. 33. – №. 3. – С. 328-354.
10. Crossley S., Roscoe R., McNamara D. Using automatic scoring models to detect changes in student writing in an intelligent tutoring system // The Twenty-Sixth International FLAIRS Conference. – 2013.
11. Crossley S. A., Kyle K., McNamara D. S. The tool for the automatic analysis of text cohesion (TAACO): Automatic assessment of local, global, and text cohesion // Behavior research methods. – 2016. – Т. 48. – №. 4. – С. 1227-1237.
12. Kyle K., Crossley S., Berger C. The tool for the automatic analysis of lexical sophistication (TAALES): version 2.0 // Behavior research methods. – 2018. – Т. 50.
– №. 3. – С. 1030-1046.
13. McNamara D. S. et al. A hierarchical classification approach to automated essay scoring //Assessing Writing. – 2015. – Т. 23. – С. 35-59.
14. Skalicky S. et al. Identifying creativity during problem solving using linguistic features //Creativity Research Journal. – 2017. – Т. 29. – №. 4. – С. 343-353.