Надёжный алгоритм принятия решений при неопределённости в планировании карьеры на основе круговой интуиционистской нечеткой SWARA–WASPAS

Почему так трудно выбирать пути обучения

Многие студенты заканчивают профессиональные программы, лишь чтобы обнаружить, что устроиться на хорошую работу всё ещё непросто. Им приходится выбирать между курсами, услугами консультирования и мастер-классами по поиску работы в то время как потребности работодателей постоянно меняются. В статье рассматривается, как проектировать и сравнивать такие программы с учётом запутанной реальности человеческого суждения, где эксперты сомневаются, меняют мнение и не всегда приходят к согласию.

Решения в мире сомнений

Решения по профессиональному обучению включают множество взаимосвязанных аспектов: соответствие навыков реальным вакансиям, помощь молодым людям в прояснении целей, обучение поиску работы и поддержка в удержании занятости со временем. Эти факторы могут тянуть в разных направлениях, а эксперты — тренеры, консультанты и представители отрасли — часто располагают лишь частичной или неопределённой информацией. Вместо того чтобы заставлять их выставлять единую «чистую» оценку, исследование даёт возможность отразить сомнение и колебание в их мнениях, фиксируя и силу предпочтения варианта, и степень неуверенности в этом мнении.

Круги, которые фиксируют неопределённость

Для этого автор использует свежую математическую идею, описывающую мнения не как точки, а как круги. Каждый круг показывает, насколько эксперт склоняется за или против варианта, а также содержит зону неопределённости вокруг этой оценки. Такое более богатое представление признаёт, что эксперт может сказать: «выглядит хорошо, но я не полностью уверен». На этом основании в работе адаптируются два популярных инструмента ранжирования: один для определения важности факторов, другой — для оценивания и упорядочения конкурирующих программ обучения. Оба инструмента переписываются так, чтобы непосредственно работать с этими круговыми представлениями мнений вместо жёстких чисел.

Взвешивание значимых факторов и начисление баллов

Первая часть метода направлена на оценку важности факторов, таких как соответствие навыков требованиям работы, ясность карьерных целей у учащихся, готовность к трудоустройству, частота трудоустройства и длительность сохранения работы. Эксперты выражают мнения привычными словами вроде «средне» или «очень высокая», которые затем переводятся в форму круговых мнений. Метод постепенно сравнивает факторы между собой, корректируя их веса при сохранении видимой степени сомнения экспертов. Вторая часть берёт несколько конкурирующих моделей обучения, объединяет все экспертные мнения по каждому фактору и формирует оценки с помощью двух различных способов суммирования доказательств. Затем эти оценки комбинируются для получения итогового ранжирования программ.

Тестирование на реалистичном примере программ обучения

Чтобы продемонстрировать практическую работу подхода, автор формирует кейс профессионального института, стремящегося улучшить результаты трудоустройства. Сравниваются пять типов программ — от простого обучения навыкам до полноинтегрированной модели с планированием, персональным сопровождением и связями с работодателями. Эксперты из преподавания, консультационной практики и индустрии оценивают каждый вариант, снова пользуясь обыденной лексикой, сопоставляемой с круговой системой мнений. Когда метод обрабатывает эти данные, один вариант вырывается вперёд: сочетание профессионального обучения с базовым карьерным консультированием стабильно занимает первое место, обгоняя более «голые» программы и даже более сложные интегрированные схемы.

Устойчивые результаты при тщательной проверке

Далее исследование проверяет, насколько хрупки полученные ранжирования. Авторы варьируют важность различных факторов и смещают баланс между двумя формулами начисления баллов. Также измеряется сходство ранжирований между методами с помощью стандартного статистического теста. Во всех этих проверках та же комбинация программ остаётся на вершине, а порядок других вариантов изменяется минимально. Это указывает на то, что метод не чрезмерно чувствителен к небольшим корректировкам или разногласиям между экспертами — важное требование для применения в реальном образовании и политике.

Что это значит для студентов и планировщиков

Проще говоря, статья показывает способ делать сложные решения о профессиональном обучении и карьерной поддержке более честными по отношению к неопределённости, не сводя всё к хаосу. Позволяя экспертным мнениям быть нечеткими и нерешительными, но при этом объединяя их в структурированном виде, метод выявляет варианты, которые одновременно эффективны и устойчивы во множестве проверок. Для неспециалиста вывод таков: даже умеренное добавление карьерного консультирования к профессиональному обучению может дать заметное и надёжное улучшение в результатах трудоустройства, а продуманные инструменты принятия решений с учётом неопределённости помогут школам и агентствам выбирать такие улучшения более уверенно.

Цитирование: Chen, J. A robust decision making algorithm for handling uncertainty in career planning via a circular intuitionistic fuzzy SWARA WASPAS method. Sci Rep 16, 15953 (2026). https://doi.org/10.1038/s41598-026-45506-0

Ключевые слова: планирование карьеры, профессиональное обучение, принятие решений, нечеткая логика, ориентация по трудоустройству