ПЕТРИЧКО М. В. Інформаційна технологія підбору рецензентів для експертизи наукових творів

Дисертаційна робота: 207 с., 10 табл., 62 рис., 5 дод., 172 джерел. ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПІДБОРУ РЕЦЕНЗЕНТІВ ДЛЯ ЕКСПЕРТИЗИ НАУКОВИХ ТВОРІВ Мета – підвищення ефективності управління процесами експертизи наукових творів за рахунок розробки інформаційної технології, яка дозволяє автоматизувати процес підбору релевантних рецензентів. Об’єкт дослідження – інформаційні системи підтримки прийняття рішень для управління експертизою наукової діяльності. Предмет дослідження – моделі та алгоритми обробки тексту з профілів наукових творів та рецензентів, та прийняття рішень про призначення рецензентів. Методи дослідження. У дослідженнях використовувались методи теорії реляційних баз даних для формалізації моделей та операцій над даними рецензентів та науковими творами; методи прикладної статистики, комп’ютерної лінгвістики та інтелектуального аналізу даних; методи об’єктно-орієнтованого програмування; методи дискретної оптимізації; методи планування експерименту. Ключовим етапом експертного оцінювання є підбір рецензентів відповідно до тематики твору. Враховуючи постійне зростання кількості наукових творів та потребу скорочення термінів експертизи для економії часу і ресурсів, доцільно максимально автоматизувати підбір рецензентів. При цьому, слід забезпечити: 1) своєчасність підбору рецензентів; 2) незалежність від авторів рецензованої роботи; 3) відповідність рецензента тематиці роботи та багато інших обмежень та вимог. Складнощі автоматичного підбору рецензентів обумовлено необхідністю обробки неструктурованої або слабкоструктурованої інформації, зокрема різноманітних природномовних текстів, які генеруються рецензентами та авторами рецензованих робіт. На основі отриманих наукових результатів розроблена інформаційна технологія, яка автоматизує складні та трудомісткі процеси підбору рецензентів з використанням обмеженого набору початкової інформації. Окрім того, ідентифіковано рівні спорідненості наукових спеціальностей в межах Австралійсько-Новозеландської системи класифікації наук ANZSRC-2020 та рівні спорідненості вітчизняних науково-освітніх спеціальностей, що має окремо практичне значення для вирішення таких задач управління освітньо-науковою діяльністю, як корекція переліку спеціальностей та галузей знань, відслідковування трендів міждисциплінарних досліджень, формування перспективних міждисциплінарних освітніх програм та конкурсних пропозицій для широкого конкурсу, модернізації мережі факультетів та університетів. Також сформовано датасети для категоризації науковців та підбору рецензентів, що має окремо практичне значення для перевірки та удосконалення нових алгоритмів обробки такої інформації. На сформованому датасеті для підбору рецензентів в результаті вдалося покращити склад разових рад дисертацій, при порівнянні з радами від закладу, в середньому на 32-55% в залежності від типу алгоритму, що використовувався.