ЮФУ
ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

TERRA ECONOMICUS

Прогнозирование трендов формирования предложения на рынке труда по открытым данным абитуриентов в социальных сетях


TERRA ECONOMICUS, Том 23, номер 2,

Цитирование: Азарнова Т.В., Дашкова Е.С., Дорохова Н.В., Каширина И.Л. (2025). Прогнозирование трендов формирования предложения на рынке труда по открытым данным абитуриентов в социальных сетях. Terra Economicus 23(2), 43–61. DOI: 10.18522/2073-6606-2025-23-2-43-61

В статье исследованы тренды формирования предложения на рынке труда, в числе которых сокращение предложения, «старение» рабочей силы, усиление разрыва между профессионально-квалификационными характеристиками соискателей рабочих мест и имеющимися вакансиями. Использование методологии экономической социологии позволило выявить и проанализировать влияние качественных переменных на современное состояние и тенденции развития предложения на рынке труда, а также разработать аналитический инструментарий прогнозирования такого предложения. Доказана целесообразность использования социальных сетей как источника информации об осуществлении профессионального выбора. При помощи специальных методов получения открытой информации из маршрутных карт абитуриентов в социальных сетях и обработки ее широким спектром моделей машинного обучения построен аналитический инструментарий для выявления значимых социальных и поведенческих характеристик и прогнозирования будущего профессионального выбора. В статье приведены метрики качества по всем используемым моделям машинного обучения и осуществлен их сравнительный анализ. Результаты свидетельствуют о высоком качестве полученных инструментов прогнозирования, которые в дальнейшем можно использовать для регулирования предложения на рынке труда. Практическая значимость предложенного аналитического инструментария состоит в возможности повышения эффективности профориентационной работы, прогнозирования профессионального выбора абитуриентов, оптимизации распределения мест в вузах, в оценке индекса напряженности при поступлении на различные направления. Предложенный инструментарий позволяет также выявить, насколько планируемые показатели распределения бюджетных мест соответствуют востребованности образовательных направлений со стороны абитуриентов, и проанализировать действенность механизма информирования будущих студентов о тенденциях и перспективах развития ситуации на рынке труда.

Ключевые слова: рынок труда; предложение на рынке труда; профессиональный выбор; профориентация; аналитический инструментарий; машинное обучение


Список литературы:
  • Азарнова Т.В., Каширина И.Л., Швиндт А.Н. (2018). Нейросетевое моделирование взаимодействия субъектов рынка труда и образовательных услуг. Моделирование, оптимизация и информационные технологии, 6(4), 225–243. [Azarnova, T., Kashirina, I., Schwindt, A. (2018). Neural network modeling of interaction between subjects of the labor market and educational services. Modeling, Optimization and Information Technologies, 6(4), 225–243 (in Russian)].
  • Архипова Н.И., Абаев А.Л., Голова А.Г., Гуриева М.Т. (2022). Сопряжение CJM абитуриента с профилем вуза в цифровой среде как управленческая задача. E-Management, 5(3), 106–116. [Arkhipova, N., Abaev, A., Golova, A., Gurieva, M. (2022). Pairing the applicant's CJM with the profile of the university in the digital environment as a managerial task. E-Management, 5(3), 106–116 (in Russian)].
  • Балацкий Е.В., Екимова Н.А. (2023). Перспективы демографической экспансии России: экономика, институты, культура. Terra Economicus, 21(2), 23–37. [Balatsky, E., Ekimova, N. (2023). Prospects for Russia's demographic expansion: Economics, institutions, culture. Terra Economicus, 21(2), 23–37 (in Russian)].
  • Буланова М.Б., Артамонова Е.А. (2022). NEET-молодежь: потребительское поведение в новой реальности. Вестник Российского университета дружбы народов. Серия: Социология, 22(1), 113–125. [Bulanova, M., Artamonova, E. (2022). NEET-youth: Consumer behavior in the new reality. Bulletin of the Peoples' Friendship University of Russia. Series: Sociology, 22(1), 113–125 (in Russian)].
  • Васюков К.Л., Орлов С.А., Ошева М.С., Фещенко А.В. (2018). Университет в поисках своего абитуриента в социальных сетях: маркетинговые и технологические задачи. Гуманитарная информатика, (14), 67–76. [Vasyukov, K., Orlov, S., Osheva, M., Feshchenko, A. (2018). The university in search of its entrant in social networks: Marketing and technological tasks. Humanitarian Informatics, (14), 67–76 (in Russian)].
  • Вольчик В.В., Маслюкова Е.В. (2023). Социальное государство и кадры для российской инновационной системы. Журнал исследований социальной политики, 21(3), 449–466. [Volchik, V., Maslyukova, E. (2023). The social state and personnel for the Russian innovation system. Journal of Social Policy Research, 21(3), 449–466 (in Russian)].
  • Зинич А.В., Ревякина Ю.Н., Ревякин П.И. (2022). Молодежь на рынке труда в цифровую эпоху: социально-профессиональный аспект. Экономика труда, 9(10), 1605–1616. [Zinich, A., Revyakina, Yu., Revyakin, P. (2022). Youth on the labor market in the digital age: socio-professional aspect. Labor Economics, 9(10), 1605–1616 (in Russian)].
  • Калабина Е.Г., Шадрина Е.А. (2022). Трансформация занятости возрастных работников в современной России: причины и последствия. Экономика труда, 9(10), 1577–1590. [Kalabina, E., Shadrina, E. (2022). Transformation of employment of age-related workers in modern Russia: Causes and consequences. Labor Economics, 9(10), 1577–1590 (in Russian)].
  • Капелюшников Р.И. (2023). Российский рынок труда: статистический портрет на фоне кризисов. М.: Изд. дом Высшей школы экономики. [Kapelyushnikov, R. (2023). The Russian Labor Market: A Statistical Portrait Against the Background of Crises. Moscow: Publishing House of the Higher School of Economics (in Russian)].
  • Кашепов А.В., Афонина К.В., Головачёв Н.В. (2021). Рынок труда РФ в 2020–2021 гг.: безработица и структурные изменения. Социально-трудовые исследования, 43(2), 33–44. [Kashepov, A., Afonina, K., Golovachev, N. (2021). The Russian labor market in 2020–2021: Unemployment and structural changes. Social and Labor Research, 43(2), 33–44 (in Russian)].
  • Каширина И.Л., Азарнова Т.В., Бондаренко Ю.В. (2022). Разработка методов оценки эффективности человеческих ресурсов на основе алгоритмов глубокого обучения. Инженерный вестник Дона, (2), 156–166. [Kashirina, I., Azarnova, T., Bondarenko, Yu. (2022). Development of methods for evaluating the effectiveness of human resources based on deep learning algorithms. Engineering Bulletin of the Don, (2), 156–166 (in Russian)].
  • Кашпур В.В., Петров Е.Ю., Гойко В.Л., Фещенко А.В. (2021). Возможности использования цифровых следов для прогнозирования образовательных достижений студентов. Вестник Томского государственного университета. Философия. Социология. Политология, (64), 140–150. [Kashpur, V., Petrov, E., Goiko, V., Feshchenko, A. (2021). Possibilities of using digital traces to predict students' educational achievements. Bulletin of Tomsk State University. Philosophy. Sociology. Political Science, (64), 140–150 (in Russian)].
  • Кудиньш Я., Комарова В., Чижо Э., Кокаревича А. (2022). Влияние старения рабочей силы на производительность экономики. Вестник Витебского государственного технологического университета, (1), 181–196. [Kudins, Ya., Komarova, V., Chizho, E., Kokarevich, A. (2022). The impact of an aging workforce on economic productivity. Bulletin of the Vitebsk State Technological University, (1), 181–196 (in Russian)].
  • Кудринская И.В., Кидинов А.В., Кабкова Е.П. и др. (2020). Проблема профориентации молодежи в отечественной педагогической теории и практике. Евразийский журнал биологических наук, (14), 3815–3821. [Kudrinskaya, I., Kidinov, A., Kabkova, E. et al. (2020). The problem of youth career guidance in Russian pedagogical theory and practice. Eurasian Journal of Biological Sciences, (14), 3815–3821 (in Russian)].
  • Ларионова Н.И., Юрьева О.В., Бурганова Л.А. (2022). Рынок труда в условиях цифровой трансформации экономики. Вестник экономики, права и социологии, (4), 90–97. [Larionova, N., Yurieva, O., Burganova, L. (2022). The labor market in the context of the digital transformation of the economy. Bulletin of Economics, Law and Sociology, (4), 90–97 (in Russian)].
  • Лукичёв П.М., Чекмарев О.П., Конев П.А. (2023). Новые вызовы современного рынка труда: работники старших возрастов vs пенсионеры. Экономика труда, 10(4), 525–542. [Lukichev, P., Chekmarev, O., Konev, P. (2023). New challenges of the modern labor market: older workers vs pensioners. Labor Economics, 10(4), 525–542 (in Russian)].
  • Мирзабалаева Ф.И., Антонова Г.В. (2023). Структурные диспропорции спроса и предложения на рынке труда в отраслевом и профессионально-квалификационном разрезах. Экономика труда, 10(8), 1145–1168. [Mirzabalayeva, F., Antonova, G. (2023). Structural imbalances of supply and demand in the labor market in the sectoral and vocational-qualification sections. Labor Economics, 10(8), 1145–1168 (in Russian)].
  • Можаева Г.В., Суханова Е.А., Фещенко А.В. (2018). Привлечение и удержание университетами абитуриентов с высоким образовательным потенциалом с помощью анализа открытых пользовательских данных социальной сети «ВКонтакте». Открытое и дистанционное образование, (4), 52–58. [Mozhaeva, G., Sukhanova, E., Feshchenko, A. (2018). Attracting and retaining university applicants with high educational potential by analyzing open user data of the VKontakte social network. Open and Distance Education, (4), 52–58 (in Russian)].
  • Можаева Г.В., Фещенко А.В., Слободская А.В. (2017). Информационный потенциал социальных сетей для выявления образовательных потребностей школьников. Открытое и дистанционное образование, (3), 25–30. [Mozhaeva, G., Feshchenko, A., Slobodskaya, A. (2017). The information potential of social networks to identify the educational needs of schoolchildren. Open and Distance Education, (3), 25–30 (in Russian)].
  • Никулина Ю.Н. (2020). Профессиональная ориентация молодежи в системе кадрового обеспечения экономики региона. Экономика, предпринимательство и право, 10(4), 1263–1280. [Nikulina, Yu. (2020). Professional orientation of youth in the system of personnel support of the regional economy. Economics, Entrepreneurship and Law, 10(4), 1263–1280 (in Russian)].
  • Перова Ю.П., Григорьев В.Р., Жуков Д.О. (2023). Модели и методы анализа сложных сетей и социальных сетевых структур. Russian Technological Journal, 11(2), 33–49. [Perova, Yu., Grigoriev, V., Zhukov, D. (2023). Models and methods for analyzing complex networks and social network structures. Russian Technological Journal, 11(2), 33–49 (in Russian)].
  • Плотников Д.В., Богатов А.В. (2020). Обзор алгоритмов машинного обучения. Информационные технологии: межвузовский сборник научных трудов. Рязань: ИП Коняхин А.В. (Book Jet), с. 112–114. [Plotnikov, D., Bogatov, A. (2020). Review of machine learning algorithms. Information Technologies. Сollection of papers. Ryazan: Konyakhin A.V. Publ. (Book Jet), pp. 112–114 (in Russian)].
  • Радаев В.В. (2002). Еще раз о предмете экономической социологии. Экономическая социология, 3(3), 21–34. [Radaev, V. (2002). Once again about the subject of economic sociology. Economic Sociology, 3(3), 21–34 (in Russian)].
  • Симонова М.В., Санкова Л.В., Мирзабалаева Ф.И. (2023). Стратегическое планирование кадрового обеспечения социально значимых отраслей экономики регионов. Креативная экономика, 17(8), 2815–2838. [Simonova, M., Sankova, L., Mirzabalaeva, F. (2023). Strategic planning of personnel support for socially significant sectors of the regional economy. Creative Economics, 17(8), 2815–2838 (in Russian)].
  • Соболева И.В. (2022). Профессионально-квалификационный дисбаланс как вызов экономической и социальной безопасности. Экономическая безопасность, 5(3), 989–1008. [Soboleva, I. (2022). Professional and qualification imbalance as a challenge to economic and social security. Economic Security, 5(3), 989–1008 (in Russian)].
  • Степаненко А.А., Шиляев К.С., Резанова З.И. (2018). Атрибуция профессиональных интересов пользователей социальной сети «ВКонтакте» на основе текстов тематических групп и персональных страниц. Вестник Томского государственного университета. Филология, (52), 130–144. [Stepanenko, A., Shilyaev, K., Rezanova, Z. (2018). Attribution of professional interests of users of the VKontakte social network based on texts of thematic groups and personal pages. Bulletin of Tomsk State University. Philology, (52), 130–144 (in Russian)].
  • Тарасьев А.А. (2020). Оценка и прогнозирование развития российского рынка труда в условиях динамики трудовой миграции. Диссертация на соискание ученой степени кандидата экономических наук. Екатеринбург. [Tarasyev, A. (2020). Assessment and Forecasting of the Development of the Russian Labor Market in the Context of Labor Migration Dynamics. A Dissertation Presented in Partial Fulfillment of the Requirements for the Degree of Candidate of Economic Sciences. Yekaterinburg (in Russian)].
  • Фещенко А.В., Гойко В.Л., Степаненко А.А., Суханова Е.А., Мацута В.В., Киселев П.Б. (2017). Методы и инструменты выявления перспективных абитуриентов в социальных сетях. Открытое и дистанционное образование, (4), 45–52. [Feshchenko, A., Goiko, V., Stepanenko, A., Sukhanova, E., Matsuta, V., Kiselev, P. (2017). Methods and tools for identifying promising applicants in social networks. Open and Distance Education, (4), 45–52 (in Russian)].
  • Шабанова М.А. (2005). Социоэкономика и экономическая социология: точки размежевания и интеграции. Экономическая социология, 6(5), 12–27. [Shabanova, M. (2005). Socio-economics and economic sociology: Points of separation and integration. Economic Sociology, 6(5), 12–27 (in Russian)].
  • Этциони А. (2002). Социоэкономика: дальнейшие шаги. Экономическая социология, 3(1), 65–71. [Etzioni, A. (2002). Socio-economics: Further steps. Economic Sociology, 3(1), 65–71 (in Russian)].
  • Børing, P., Grøgaard, J. (2023). Do older employees have a lower individual productivity potential than younger employees? Journal of Population Ageing, 16, 369–397. DOI: https://doi.org/10.1007/s12062-020-09323-1
  • Borsch-Supan, A., Weiss, M. (2016). Productivity and age: Evidence from work teams at the assembly line. Journal of the Economics of Ageing, (7), 30–42.
  • Calvó-Armengol, A., Matthew, O. (2004). The effects of social networks on employment and inequality. American Economic Review, 94(3), 426–454.
  • Feshchenko, A., Goiko, V., Matsuta, V. et al. (2018). Modelling of an educational profile of a student by analyzing public user data from social networks. INTED 2018: Proceedings of the 12th International Technology, Education and Development Conference, Valencia. Ed. by Gómez Chova, L., López Martínez, A., Candel Torres, I. Valencia: IATED Academy.
  • Feurer, M., Hutter, F. (2019). Hyperparameter optimization. In: Hutter, F., Kotthoff, L., Vanschoren, J. (eds.) Automated Machine Learning. The Springer Series on Challenges in Machine Learning. Cham: Springer, pp. 3–33. DOI: https://doi.org/10.1007/978-3-030-05318-5_1
  • Fossen, F., Sorgner, A. (2019). Mapping the future of occupations: Transformative and destructive effects of new digital technologies on jobs. Foresight and STI Governance, 13(2), 10–18.
  • Frey, C., Osborne, M. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, (114), 254–280.
  • Graetz, G., Restrepo, P., Skans, O. (2022). Technology and the labor market. Labour Economics, (76), 102177.
  • He, H., Ma, Y. (2013). Imbalanced Learning: Foundations, Algorithms, and Applications. Wiley-IEEE Press.
  • Iranzad, R., Liu, X. (2024). A review of random forest-based feature selection methods for data science education and applications. International Journal of Data Science and Analytics. DOI: https://doi.org/10.1007/s41060-024-00509-w
  • Jin, K., Zhong, Z., Zhao, E. (2024). Sustainable digital marketing under big data: An AI random forest model approach. IEEE Transactions on Engineering Management, (71), 3566–3579.
  • Mezzanzanica, M., Mercorio, F. (2018). Big data enables labor market intelligence. In: Sakr, S., Zomaya, A. (a cura di). Encyclopedia of Big Data Technologies. Springer, pp. 1–11.
  • Schmutte, I. (2016). How do social networks affect labor markets? IZA World of Labor, 2016, 304.
  • Shchekotin, E., Goiko, V., Myagkov, M., Dunaeva, D. (2021). Assessment of quality of life in regions of Russia based on social media data. Journal of Eurasian Studies, 12(2), 182–198.
  • Zhou, Z. (2012). Ensemble Methods: Foundations and Algorithms. London: Chapman and Hall.
  • Zudina, A. (2017). What makes youth become NEET? The evidence from Russian LFS. NRU Higher School of Economics Series Working Paper BRP Economics/EC. № WP BRP 177/EC/2017.

Издатель: Южный Федеральный Университет
ISSN: 2073-6606