Глава 4 Технологии поиска экспертных знаний

Где знания, которые мы потеряли в потоке информации?

Т. С. Элиот, «Скала», 1934 год[436]

Люди, управляющие экономическими и общественными процессами, должны иметь точное представление о реальной ситуации, которое дают фактические данные. Удовлетворить потребность в актуальной информации помогает технология больших данных – метод сбора и обработки больших объемов разноформатных данных, в том числе собранных и с помощью электронных датчиков. За два последних десятилетия мы научились создавать и хранить новые виды контента в огромных объемах. В конце 2012 года было подсчитано, что общий объем цифровой информации, генерированной человечеством, оценивается почти в 2,8 зеттабайт (2,8 триллиона гигабайт); к 2020 году[437] прогнозируется его увеличение до 40 ЗБ.

Согласно отчету Глобального института McKinsey 2011 года, годовой прирост данных составляет около 50 % – или почти 40-кратное увеличение по сравнению с 2001 годом. Хотя большинство устройств сбора информации, например датчики качества воздуха и воды, полицейские радары и камеры видеонаблюдения, являются частью инженерной городской инфраструктуры, основной прирост данных обеспечивают датчики, которыми оснащается современная потребительская техника. Наши автомобили, фитнес-браслеты и мобильные телефоны (и это лишь незначительная часть мобильных устройств с доступом в интернет, которые формируют так называемый «интернет вещей»[438]) часто оснащены датчиками расстояния, акселерометрами, барометрами, датчиками освещенности и прочими системами регистрации. Тем самым умные вещи собирают и передают массивы данных по воле человека или без его ведома.

Кроме того, люди сами производят контент, публикуя сообщения в блогах и в Twitter, – ежедневный объем информации, генерируемый населением земного шара, сопоставим с объемом Библиотеки Конгресса США[439].

Бездонная сокровищница больших данных открывает широкие перспективы совершенствования управления за счет более точного понимания ситуации на местах. Именно поэтому, планируя строительство умных институтов власти, мы прежде всего думаем о возможностях, создаваемых технологией больших данных, тем более что уже сейчас их сбор и анализ ведутся по различным направлениям – окружающая среда, биометрия, эпидемиология, различные физические параметры[440].

Однако, несмотря на то что огромные базы исходных данных могли быть полезны для динамического моделирования систем, лица, принимающие решения, не могут напрямую использовать эту информацию. Те же самые технологии, которые обеспечили человечеству возможность творческого самовыражения (что, собственно, и привело к скачкообразному росту данных), одновременно снижают эффективность институтов, управляющих информационными потоками между государственными структурами и обществом.

Как бы это ни казалось странным, но чем больший объем разноплановой информации о сложных проблемах оказывается в нашем распоряжении, тем труднее нам действовать[441]. В действительности нам требуется не больше информации, а экспертное мнение, опыт и знания отдельных специалистов и профессиональных групп для отбора и систематизации данных, необходимых для принятия решений.

Только компетентные специалисты способны трансформировать бурный поток исходных данных в «полезный, уместный, содержательный, независимый, авторитетный и своевременный совет»[442]. Вместе с революцией больших данных – появлением новых инструментов для визуализации и управления большими объемами информации – в нашу жизнь также начали входить специализированные площадки, называемые «экспертные сети» (expert networks), «сети знаний» (knowledge networks) или «платформы талантов» (talentplatforms). Особенность новых технологических инструментов состоит в том, что с их помощью процесс нахождения и подбора экспертов можно полностью автоматизировать.

Хотя такие инструменты и подходы еще только развиваются, вскоре станет возможным легко и с точностью определить, в каких областях люди являются специалистами и в каких случаях эти специалисты могут быть полезны. Технологии выявления компетенций являются одной из форм краудсорсинга, при которой открытый запрос заменяется на целенаправленный поиск специальных компетенций, позволяющий государственным институтам справляться с постоянно растущим потоком информации и принимать на ее основе более эффективные решения.

Почему мы нуждаемся в экспертах

Знания и опыт являются непременным условием преобразования информации в корпус знаний, дающих основание для действий. Задолго до наступления эры больших данных люди, принимающие решения, в поисках подтверждения своей позиции тщательно отбирали информацию на основе ее достоверности, точности и релевантности.

Достоверность информации тщательно проверялась. Сегодня многие полагаются на информацию, в изобилии доступную в интернете. Однако ее легко фальсифицировать. Новые технологии работы с контентом позволяют людям снова и снова редактировать собственные тексты, визуальный и звуковой ряд и даже создавать совместные с другими пользователями творения[443]. По словам Дэвида Вайнбергера[444], информация в сети интернет символизирует для многих «расцвет плагиата, гибель культуры, начало темных веков, населенных онанистами-хрониками с застывшим взглядом, которые оценивают правду по количеству „лайков“, мудрость – по числу просмотров, а знание – по тому, во что верить веселее всего»[445].

Между тем оценка достоверности сведений зависит от доступа к людям, способным принимать информированные решения.

Именно эксперты подтверждают и точность информации, которая ложится в основу управленческих действий. Только при использовании локальных знаний – знаний об особенностях рельефа местности, плана городской застройки, динамики развития эпидемии – информация становится полезной для принятия решений. Например, после стихийного бедствия чрезвычайно важно получить информацию от людей, хорошо знакомых с местностью, а после того как диагноз поставлен, для организации лечения очень важен личный опыт выздоровления, понимание симптомов и течения болезни.

Национальная служба здравоохранения Великобритании продолжает реализацию успешной программы, известной как Expert Patients Program (Программа «пациент-эксперт»), которая инициирует общение между онкологическими больными и теми, кому удалось справиться с этим недугом. Люди поддерживают друг друга, и это помогает больным не только контролировать заболевание, но даже приводит к улучшению их общего состояния[446].

Эксперты – это люди с особым взглядом и способностью отбирать информацию на основе своих узкоспециализированных знаний. Они помогают нам увидеть то, что скрыто от глаз непрофессионала[447].

Доскональное понимание культурного контекста, знание физических и естественных условий местности, понимание болевых точек и приоритетов заинтересованных лиц представляют собой важный вид компетенции, которая формируется только на основе практики и часто отсутствует у чиновников разных уровней. Недаром Джон Дьюи отмечал:

Человек, который носит туфли, лучше всех знает, в каком месте они трут, даже если опытный сапожник лучше знает, как это исправить[448].

Одна из основных функций лоббистов и групп влияния – это предоставление подобного рода специализированной информации (хотя и с акцентом в пользу определенного клиента). Однако часто понятие «специализированная информация» в разных контекстах имеет разное значение:

• получение недостающих фактов и данных, позволяющих найти правильный ответ на вопрос;

• получение из разных источников значимой информации, позволяющей найти альтернативные варианты оценки ситуации и выхода из нее;

• изучение возможных перспектив, например на основе знаний людей, получивших опыт в сходной ситуации.

Процесс принятия решений также становится более эффективным, если в его основе лежит релевантная информация, то есть информация, соответствующая задаче. Если изложенные факты достоверны и точны, но не имеют отношения к решению, которое нужно принять, или если эти факты отсутствуют в нужное время и в удобной для анализа форме, то они бесполезны. Как следствие, в правительстве появляется потребность в мета-опыте, то есть способности отфильтровывать и выбирать ту информацию, которая соответствует конкретной ситуации. Ежегодно в научных журналах публикуется около 1,4 млн статей, а значит, в обществе нет недостатка в разумных и новаторских идеях, – но, к сожалению, научная публикация – это не тот формат, в котором об этих идеях узнают государственные деятели[449].

Существует реальный разрыв между знанием и делом: между большим объемом материалов, выходящих из-под пера ученых-те-оретиков, и тем, что делают на практике представители власти[450]. Сетевые сообщества, например Footnote (штат Род-Айленд, США), The Conversation (Австралия), или вашингтонские аналитические центры трансформируют результаты работы научного сообщества в специальный формат, удобный для людей, принимающих политические решения. Но, к сожалению, возможности этих групп ограничены[451]. Хотя результаты исследований неизменно подтверждают, что предоставление новой полезной информации благоприятно влияет на эффективность институтов власти, все мы, и особенно правительственные чиновники, тонем в потоке информации, которая не имеет особой практической пользы[452].

Переизбыток информации делает все более сложным ее использование в процессе принятия решений. Именно поэтому при отборе, систематизации и передаче информации мы по-прежнему склонны полагаться на инсайдеров и профессионалов, а также на относительно закрытый, элитарный круг групп влияния и их профессиональные исследования. Как правило, под «профессионализмом» понимается не практический опыт, приобретенный на рабочем месте, а теоретические знания, полученные в вузах и лабораториях, с упором на научные принципы изучаемых дисциплин. Университетский диплом о высшем образовании сегодня является признанием профессионализма, уважаемым символом социального статуса среднего класса и атрибутом достижений. Профессионалы, однако, всего лишь «проводники» того, что нужно знать лицам, принимающим решения.

Ценность членства в профессиональных организациях и университетского диплома заключается в сокращении издержек на поиск достоверной информации о профессиональной компетенции человека. Как заметил один из комментаторов в журнале Harvard Business Review, американцы воспылали к дипломам такой любовью, с которой обычно относятся к хот-догам или болонской колбасе. Все хотят их получить! И чем больше, тем лучше![453]

По выработавшейся традиции, диплом о высшем образовании превратился в наглядный показатель уровня профессиональных знаний человека, однако зачастую он не свидетельствует о практических навыках и опыте работы его обладателя.

Еще раз подчеркнем: процесс управления требует способности быстро отбирать достоверную, точную и релевантную информацию. Это необходимо для принятия сложных политических решений. Например, представим, что в момент чрезвычайной ситуации существовал бы способ найти тех людей в составе управленческих структур и вне их, которые жили в пострадавшем регионе, когда-то руководили ликвидацией последствий бедствия, умеют работать с открытыми данными либо имеют опыт краудсорсинга. Возможность оперативно связаться с ними и получить их совет – например, при возникновении пандемии – была бы бесценна, как и наличие базы данных экспертов по информационной безопасности в случае кибератаки.

Представьте, что появилась возможность адресовать вопросы по самым острым общественным проблемам сетевым сообществам новаторов и экспертов – представителей различных институтов и организаций. Предоставив людям возможность проявить себя в областях, в которых они разбираются лучше всего, мы смогли бы сэкономить время, финансовые ресурсы и, может быть, даже спасти жизни.

Выявить обладающего знаниями человека внутри органов управления – не говоря уже о людях вне их – занятие не из простых. По сложившейся бюрократической традиции, названия должностей, например «директор» или «управляющий», не отражают практический опыт, которым обладает этот человек. Поскольку государственные проекты обычно считаются достижениями организаций, сложно выявить личный вклад каждого из участников. А ведь люди, принимающие решения, сильно зависят от суждений экспертов[454]!

Профессионалы внутри организации не имеют полноценного доступа к разнообразным источникам инновационных и практических знаний, особенно когда для достижения результата важно понимание ситуации, местные ноу-хау, прикладные способности, дисциплинарное многообразие и солидный практический опыт[455]. В некоторых случаях хакер-вундеркинд без диплома, но с большим опытом создания программ окажется полезнее программиста с ученой степенью, а местный житель будет обладать более достоверной информацией, чем специалист аналитического центра[456].

Конечно, профессиональная компетенция подтверждается не только документами об образовании[457]. Отдельные психологи причисляют к экспертам и тех, кто потратил на развитие навыка не менее 10 000 часов[458]. Другие важным условием профессионализма считают не время, затраченное на обучение, а природные дарования – такие как, например, способность Джона фон Неймана[459] моментально совершать в уме сложные математические вычисления.

Социолог Гарри Коллинз и философ Чарлз Эванс в книге «Пересматривая природу профессионализма»[460] предложили «периодическую таблицу» различных типов знания[461]. По их мнению, общие практические знания – это то, что человек по умолчанию усваивает из внешней среды, в которой живет, – например, язык. На таком же принципе построены лингвистические сервисы, например iTalki, помогающие пользователям, желающим выучить иностранный язык, найти партнера по обучению – носителя этого языка. Наоборот, профессиональные знания находятся в диапазоне от популярного знания, которым обладает каждый, до знания тонкостей, которое можно получить только с опытом работы – например, в сфере науки или спорта.

Не менее важной составляющей профессиональной компетенции является навык коммуникации – умение передать накопленный опыт другим людям. Например, писатель – популяризатор науки или спортивный журналист, не будучи сам ученым или спортсменом, но тесно общаясь с ними, умеет точно описать их рабочую «кухню». Это различие часто наиболее заметно при сравнении академического и практического типов знаний.

Попытка системно описать профессиональную компетенцию и принять существование различных типов знаний в чем-то созвучна теории множественного интеллекта[462], предложенной Говардом Гарднером. Он утверждал, что люди обладают рядом когнитивных способностей – музыкальных, кинестетических, логико-математических, лингвистических, пространственных, личностных и межличностных, – но у всех они проявляются в разной комбинации и выражены в разной степени. Кто-то склонен к медицинской профессии, а кто-то – прирожденный музыкант или поэт. Один талантливо рисует картины, а другой – талантливо красит заборы. Для кого-то естественно одиночество, а кто-то – душа компании. Один проявляет способности к игре в баскетбол, а другой не в состоянии удержать мяч, но зато может мастерски сделать прямой репортаж с игры. Разнообразные способности, будь то к теоретической или практической деятельности, присущи людям независимо от того, имеют ли они университетский диплом и работают ли в органах государственного управления. Неразличимый ранее источник экспертных знаний сегодня становится легче обнаружить благодаря современным технологиям.

Четыре особенности новых технологий поиска экспертных знаний

Задача поиска экспертов стояла всегда. Однако в XXI веке с развитием информационно-поисковых технологий, включая компьютерную лингвистику и широкую доступность цифровых методов отслеживания активности, связанной со знаниями, процесс соотнесения спроса и предложения на рынке знаний становится все более автоматизированным[463]. Уже появились экспертные сетевые платформы – основанные на специальных программах и алгоритмах системы поиска экспертов, передачи знаний, хранения базы экспертов и электронные инструменты экспертной оценки.

HeyPress – сайт для поиска и подбора журналистов. Gradberry делает то же самое для программистов. CyberCompEx – экспертная сеть для тех, кто работает в сфере информационной безопасности. Такие инструменты поиска и подбора специалистов активно используются во всех профессиональных областях[464]. Множество недавно появившихся технологий, которые разными способами оценивают профессиональные компетенции, упрощают «каталогизацию» людей по тому, что они делают. Эксперименты, предполагающие формирование тестовых сообществ и использование наборов тестов, позволяют выработать подход к выявлению различных компетенций внутри организации[465]. Кроме того, существуют широкодоступные, открытые и разнообразные источники данных, не ограниченные стенами одной организации. Мы переживаем пик не только информационной революции, но и революции в технологиях поиска экспертов.

Упрощенно, в основе новых технологических инструментов лежит процесс агрегирования информации из различных источников и формирования на ее основе профилей экспертов, по которым можно сделать вывод об их компетенциях. Информация собирается из социальных сетей (например, Twitter и LinkedIn), открытых источников (профили на сайтах, информация о грантах, публикации в интернете) и добавляется самими пользователями, тем самым формируются доступные для поиска базы данных.

Кроме того, некоторые технологии позволяют проанализировать «информационный след», например привычки пользователя при поиске и просмотре информации в интернете или ключевые слова, используемые им в документах. Затем происходит сортировка профилей пользователей на основании таких критериев, как репутация, дипломы и сертификаты, навыки и практический опыт. Из разрозненных данных строятся каталоги, по которым легко осуществлять поиск.

Автоматизированные инструменты сбора информации решают стандартную проблему – потребность сегментировать аудиторию. Ученым, например, полезно понимать, кто работает в одной с ними научной области: это помогло бы составлять планы исследований так, чтобы, с одной стороны, темы не пересекались, а с другой – закрывали имеющиеся в науке пробелы. По существу, научные сотрудники являются одними из основных пользователей инструментов экспертного общения. Так, VIVO, открытая платформа для академического обмена, не только содержит профили около 100 000 ученых из 100 университетов, тем самым облегчая задачу поиска рецензентов и потенциальных соавторов, но и размещает другую важную информацию, например о грантах и темах исследований[466].

Поскольку о профессиональной компетенции эксперта зачастую судят по результатам сканирования информационного поля и сбору таких данных, как количество публикаций, индекс цитирования или число поданных и одобренных заявок на гранты, то вполне логично, что научное сообщество с его обширным корпусом статей и грантовых предложений стало пионером в использовании технологий для экспертного общения. Кроме того, корпоративные системы являются собственностью компаний, а академические системы – открыты, поэтому оказалось проще разработать технологии поиска компетенций для научной среды.

С помощью базы данных Indiana Data base of University Research, созданной в Университете Пердью (штат Индиана), осуществляется поиск экспертов по четырем самым крупным университетам штата: Государственный университет Болл, Индианский университет, Университет Пердью, Университет Нотр-Дам. В базе содержатся личные страницы членов профессорско-преподавательского состава, информация Национального фонда содействия развитию науки (финансируемые проекты, статьи преподавателей, диссертации). Все это находится в открытом доступе. В базе также хранятся специализированные профили, которые основаны на заранее составленной классификации профессиональных областей и включают возможность добавления новых ключевых слов[467].

В Лос-Аламосской национальной лаборатории (штат Нью-Мексико, США) была разработана система EgoSystem, которая раздвинула границы поиска экспертов, вынеся их за пределы академической среды. Эта система отслеживает информацию о бывших сотрудниках лаборатории, перешедших в частный сектор, и позволяет при необходимости (создание государственно-частного партнерства или совместный проект) устанавливать контакт с ними. В EgoSystem содержатся биографические данные специалистов, включая сведения о местах обучения и областях специализации, информация об их активности в социальных сетях и на других академических ресурсах, например сайте Mendeley, которым пользуются миллионы людей для чтения и хранения исследовательских статей в формате PDF[468].

Еще одной функцией подобных инструментов является контроль над внедрением результатов исследований. В Сан-Паулу, самом населенном и экономически развитом штате Бразилии – на него приходится 35 % ВВП страны, – по конституции штата 1 % бюджета выделяется на финансирование исследований. При подаче заявки на финансирование соискатели должны заполнить профиль в бесплатной поисковой системе «Академия Google»[469]; это позволяет не только расширять взаимодействие между научными сотрудниками страны, но и в дальнейшем отслеживать эффективность инвестиций[470].

Потребность в инструменте, позволяющем выявлять людей со специальной профессиональной компетенцией, существует в самых разных областях. Чрезвычайно важно понимать, кто какими знаниями обладает.

Сервис HealthTap помогает пациентам находить врачей, способных отвечать на их вопросы. База данных сервиса хранит информацию более чем о 64 000 специалистах-медиках. Потенциальные пациенты могут либо разместить вопрос на медицинскую тему и попросить специалистов ответить на него тут же на сайте, либо поискать ответ среди ранее поднимавшихся тем. Разработчики сервиса надеются, что в перспективе пользователи станут платными подписчиками и будут использовать систему для направления своих вопросов уже конкретным специалистам. Врачи, зарегистрированные в базе, создают профили, в которых указывается область их специализации, документы об образовании и публикации. Кроме того, в профиле каждого врача отображаются ранее заданные вопросы, данные им ответы и оценка этих ответов пользователями. В системе формируется рейтинг специалистов на основе оценок пользователей и других врачей. Сайт также предусматривает возможность тематического поиска – например, детская ревматология или аллергия. По заявлению разработчиков, сервис, который содержит ответы на несколько миллионов вопросов, уже помог спасти тысячи жизней и ответить на миллионы вопросов.

Давно известно, что сегментирование[471] и таргетирование[472] являются ключевыми инструментами современного маркетинга, особенно в электронной коммерции, так как увеличивают динамику продаж по сравнению с агрегированным маркетингом[473][474]. Сегментирование аудитории в контексте бизнеса означает продажу одной и той же услуги разным потребителям по различной цене[475]. Информация о предпочтениях потребителя, его поведении и намерениях, доступная в режиме реального времени, может повлиять на содержание рекламного сообщения и форму его подачи[476]. Согласно результатам исследований, таргетированная реклама позволяет увеличить выручку в 2,7 раза по сравнению с эффектом от нетаргетированной рекламы[477]. Кроме того, таргетированная реклама способствует росту занятости, повышает уровень инноваций и экономической продуктивности[478].

Чтобы сделать заключение о возрасте, семейном положении, социальном статусе, уровне дохода и месте нахождения потенциального потребителя, а также в целом спрогнозировать его поведение, прежде использовались инструменты статистики. В одном из ранних экспериментов под названием «Белый кролик» была предпринята попытка создать профили потребителей на основании их речевых обращений[479]. Появление технологии больших данных, построенной на базе ранних моделей статистического анализа, облегчило компаниям процесс обработки огромного объема профессиональной и личной информации о конкретном пользователе, агрегированной из большого числа источников, и позволило разработать более эффективные модели прогнозирования потребностей для обеспечения еще более детального микротаргетирования.

Большинство посещаемых пользователями веб-сайтов – будь то для поиска информации об автомобилях или чтения обзоров – используют файлы cookie для сбора статистических данных о действиях пользователя на сайте и для отображения рекламных сообщений, наиболее соответствующих его интересам[480]. Объем и глубина таргетирования зависят от тематики сайта, ограничений на доступ к личной информации, доступности данных и целесообразности микротаргетирования[481]. Иногда эти техники оказываются на удивление «прозорливы», например в случае, когда отдел прогнозной аналитики компании Target[482] предположил (и оказался прав), что девочка-подросток беременна, и предложил ей рекламу продуктов для будущих мам еще до того, как она успела сообщить новость родителям[483].

Такие компании, как Facebook и Google, уже аккумулировали огромный объем персональных данных о своих пользователях и их поведении онлайн и в реальном мире (чек-ины Facebook и использование карт Google), – и сегодня им все лучше удается микротар-гетировать рекламные сообщения на точечную целевую аудиторию при помощи собственных инструментов моделирования и сегментирования. Множество научных диссертаций посвящено алгоритмам улучшения таргетирования онлайн-рекламы, включая более точное прогнозирование того, какой товар купит потребитель, при каких обстоятельствах и как наиболее эффективно использовать имеющиеся о покупателе данные, чтобы предложить ему определенный товар[484].

Используя историю поисковых запросов пользователя или его поведения на многочисленных ресурсах – так называемый информационный (или цифровой) след, – компании-гиганты могут гарантировать рекламодателю охват желаемой целевой аудитории и повышение вероятности конверсии пользователя в потенциального покупателя. А с объединением имеющихся в их распоряжении данных с информацией агрегаторов, например компании Acxiom[485], эта вероятность многократно возрастает.

Хотя сбор данных о посетителях сайтов (профайлинг) и стал неотъемлемой частью современной электронной коммерции, использование коммерческими компаниями детализированной информации о пользователях и особенностях их поведении вызывает вопрос, не нарушается ли при этом принцип неприкосновенности частной жизни[486]. Социальные медиа, браузеры и другие привычные сетевые инструменты по умолчанию настроены на определение пола, возраста и других личностных характеристик пользователя; именно эта информация используется впоследствии для демонстрации релевантных рекламных объявлений.

Например, Google автоматически определяет демографические характеристики и интересы пользователя на основании поисковых запросов и сайтов, на которые он переходит. И хотя Google позволяет проверить, какая информация о человеке доступна рекламодателю, и при необходимости скорректировать ее, но найти нужные пункты в настройках веб-браузера – задача не из простых.

Однако, если удалось создать алгоритмы и платформы для выборки вероятных потребителей товаров или услуг, разве нельзя точно так же организовать поиск определенных категорий граждан для гораздо более благородной цели служения обществу?

LinkedIn совместно с ресурсом VolunteerMatch[487] помогает желающим найти подходящие для них волонтерские программы[488]. Почему бы не помочь гражданам включиться в государственное управление в той степени, которая соответствует их возможностям и желанию?

Почему бы не рассмотреть стратегии, которые помогут гражданам и представителям государственных структур наладить взаимодействие?

Неужели мы не в состоянии хотя бы попытаться обеспечить гражданам возможность участия в демократических процессах таким образом, чтобы они смогли проявить свои способности, интересы и таланты?

Разумеется, это может быть сделано только с соблюдением ограничений, касающихся неприкосновенности частной жизни. Однако точно так же, как рекламодатель стремится предложить целевой аудитории рекламу, соответствующую ее интересам, политические деятели должны иметь возможность обратиться к тем экспертам, компетенции которых отвечают текущим задачам. Подобный целевой краудсорсинг, при этом не вводящий ограничения для участия всех желающих, станет новой формой партисипаторной демократии.

В прошлом появление профессиональных сообществ стало альтернативой традициям наследной аристократии и патроната и дало представителям среднего класса шанс обрести статус, влияние и средства на безбедное существование. Современные технологии выявления компетенций предвещают похожую социальную трансформацию, но уже в отношении сложившегося представления о профессионализме и формах подтверждения квалификации. Технологии работы с экспертными знаниями широкой общественности, а не только дипломированной элиты могут быть использованы для реорганизации институтов управления.

Людей, обладающих специальными компетенциями, становится проще найти и привлечь к решению общественных проблем. Благодаря интернету знания и навыки граждан превращаются в инструмент демократии. Теперь перед каждым открывается возможность участвовать в жизни общества так, чтобы максимально задействовать свои способности. Раньше компетенции традиционно ассоциировались с наличием соответствующего диплома и профессиональной принадлежностью: чем больше у человека дипломов и сертификатов, тем он, несомненно, более образован. При этом наличие диплома – лишь малая часть того, что действительно необходимо для эффективного решения общественных проблем.

Интернет меняет наше отношение к тому, как мы определяем профессиональную компетенцию и как выявляем ее. Новые технологии имеют четыре принципиальные особенности.

1. Они помещают широкий спектр компетенций – практических знаний, опыта, навыков, интересов – и документы об образовании в зону видимости, лишая аккредитованные образовательные учреждения их монопольного права подтверждать квалификации.

2. Они позволяют выявлять носителей экспертных знаний посредством анализа данных, собранных ручным и автоматизированным способами. Таким образом, обеспечивается бесконечное многообразие вариантов выдачи, зависящих от заданных параметров поиска.

3. Увеличивается количество и разнообразие способов подтверждения (маркеров) профессиональной компетенции: к традиционным дипломам добавляются, например, электронные бейджи.

4. С появлением цифровых технологий родилась возможность измерять практические знания иначе и по более разнообразным основаниям, чем раньше. Новые технологии помогают избавить понятие «эксперт» от элитарной коннотации, придав ему характер нейтральной и практической оценки таланта и способностей человека.

Профессиональная компетенция в зоне видимости

Современные сетевые инструменты экспертного общения дают самым разным людям возможность продемонстрировать свои способности и таланты и облегчают их поиск. Сегодня любой может привлечь внимание к своему опыту, навыкам и интересам при помощи множества новых маркеров профессиональной компетенции.

В отличие от традиционных университетских приложений к диплому, записи о результатах прохождения онлайн-курсов на таких образовательных платформах, как Udacity, Coursera или Lynda, доступны в сети и видимы другим пользователям, и этот процесс не курируется дополнительно никакими институтами. Будь то размещение резюме в профессиональной сети LinkedIn или получение бейджа за честную торговлю в интернет-магазинах eBay и Amazon, новые технологии поиска компетенций (или платформы талантов) облегчают возможность человеку продемонстрировать, какими знаниями он владеет, а остальным – выделить его на этом основании.

Сертификаты и дипломы являются далеко не единственным показателем профессиональной компетенции. На многих сайтах существуют рейтинги, отражающие достижения участников[489]. На тех платформах, где наглядно демонстрируется вклад каждого участника, как правило наблюдается увеличение активности пользователей. Оценка личных достижений в виде позиции в рейтинге, статуса или баллов усиливает стремление людей принимать участие в работе ресурса[490].

Джоан Моррис ДиМикко (ранее являлась сотрудником медиалаборатории Массачусетского технологического института MIT Media Lab, а в настоящее время работает в IBM Research) изучала реакцию групп на отражение ее действий[491]. Она назвала это явление «социальной прозрачностью» или «социальным отражением»: чем выше степень взаимной осведомленности о действиях членов группы, тем выше эффективность координации в группе в целом. Возможность увидеть на экране электронного устройства индикаторы собственных навыков и способностей в формате новых визуальных маркеров и сравнить их с показателями других людей оказывает стимулирующее воздействие как на одного человека, так и на всю группу.

Кроме того, в эпоху интернета происходит трансформация самого понятия «профессиональная компетенция»: привычное его определение расширяется и включает различные формы практических знаний, в том числе навыков, опыта и интересов. Например, пользователю LinkedIn при заполнении профиля предлагается помимо формальных данных об образовании и опыте работы указать свои навыки, а контакты пользователя приглашаются подтвердить их или оставить рекомендацию. Рекомендация – это отзыв, написанный одним участником сети LinkedIn о навыках, способностях и качествах другого[492]. На основе рекомендаций и подтвержденных навыков формируется – благодаря платформе, но независимая от нее – деловая репутация участника сети[493].

На многих сайтах регистрируется конкретный опыт пользователей, а не только названия полученных им формальных квалификаций (дипломов, степеней, сертификатов). Например, обучающиеся дистанционно в Khan Academy получают баллы за каждое просмотренное видео и выполненное упражнение, а также дополнительные баллы за демонстрацию отличного владения пройденным материалом.

Еще на одной платформе массового онлайн-образования Coursera, где лекции студентам читают профессора ведущих университетов, студент может указать, сколько курсов он прослушал – например, по программированию на Python или C +. Само по себе прослушивание курса на Coursera не подтверждает приобретенное умение; таким подтверждением может стать видео, размещенное на wikiHow, YouTube или Lynda, с демонстрацией навыков прикладного программирования, и с каждым новым просмотром страницы пользователя и увеличением числа загрузок видео весомость этого доказательства будет увеличиваться.

Самые разные платформы, а не только образовательные онлайн-площадки, предоставляют пользователям возможность подтвердить свои профессиональные компетенции – правда, многие из этих платформ не имеют физического присутствия. Профессиональный уровень отражается в документах об образовании, перечне приобретенных навыков, завершенных работ, выполненных задач и проектов, в списке достижений и даже в количестве времени, затраченного на какую-либо деятельность.

Сегодня пользователь может не только заявить о том, что он прочитал десять книг по программированию, но и получить тому подтверждение от Amazon (дополненное метаданными о том, сколько времени было затрачено на чтение). Пользователь может, применяя приобретенные знания на практике, создать собственный программный продукт и сохранить его на хостинге проектов с открытым исходным кодом, например на платформе GitHub, отвечать на вопросы других программистов на таких справочных ресурсах, как Quora или Stack Exchange[494], или, решив задачи на платформах Data Driven или Kaggle, получить статус «kaggler» или «master».

В новых реалиях зарождающейся распределенной экономики при оценке уровня профессиональной компетенции личный опыт все больше вытесняет сертификаты и дипломы. Одновременно с возможностью прямого обмена товарами и услугами без крупных централизованных посредников, выполняющих функцию гаранта, возникает потребность удостоверить надежность сторон транзакции.

Компания eBay задала этот вектор, предоставив любому человеку возможность предложить рынку содержимое своей кладовки. Пользователь eBay, набравший в рейтинге отзывов от 10 до 49 очков, получает желтую звездочку. По мере увеличения рейтинга отзывов звездочка меняет цвет вплоть до серебряного метеора, который присуждается при получении свыше одного миллиона очков.

Онлайн-площадка Airbnb создана для поиска и краткосрочной аренды частного жилья по всему миру. При выборе предложения на Airbnb пользователи могут руководствоваться рейтингом оценок других участников сообщества. Компания Uber разработала мобильное приложение для поиска, вызова и оплаты такси или частных водителей, доступное сегодня более чем в 100 городах мира. Используя приложение, любой житель этих городов может заказать такси из числа зарегистрированных на Uber частных водителей с выплатой Uber фиксированной доли прибыли (если это позволяет местное законодательство).

Компания Side Tour предлагает туристам уникальный опыт: понаблюдать за работой стеклодувов, пивоваров и мастеров местной кухни.

Etsy – это торговая площадка для людей творческих профессий, которые стремятся расширить рынок сбыта свих изделий.

Созданный в Мельбурне ресурс Peer Academy представляет собой онлайн-площадку для сообщества профессионалов, работающих в корпорациях, государственных и некоммерческих организациях, кто не только обладает уникальным знанием, но и готов поделиться им (технология peer-to-peer).

Не пытаясь оценить, насколько целесообразно вести торговлю в условиях распределенной экономики или каково ее влияние на производителя и потребителя, приходится констатировать, что такой вид предпринимательства зависит от онлайн-платформ, благодаря которым обе стороны экономических отношений имеют возможность: одна – получать рекомендации и оценки качества (сколько довольных покупателей у них было), другая – делиться своим опытом (например, сколько раз они арендовали жилье или заказывали тур).

В некоторых случаях экспертное мнение ярче проявляется через интересы, а не навыки, опыт или диплом. Спортивный фанат, как правило, досконально знает все аспекты любимого вида спорта и способен гораздо лучше прокомментировать, скажем, ход бейсбольного матча, чем действующий игрок. Аналогично, пациент, страдающий хроническим заболеванием, может разбираться в нюансах лечения лучше самого профессионального врача, так как он потратил гораздо больше усилий на поиск способов улучшить свое состояние. Конечно, чтобы овладеть некоторыми видами профессиональной компетенции, требуется практика. Тем не менее проницательные наблюдатели, которых мотивирует интерес к делу, зачастую могут лучше передать другим свои знания.

Профессор бизнес-школы Нью-Йоркского университета Панос Ипейротис провел ряд экспериментов с целью выяснить, можно ли считать интерес разновидностью профессиональной компетенции. В течение года исследований, проведенных в компании Google, Ипейротис разрабатывал подходы к «краудсорсингу всех знаний в мире». Для того чтобы выяснить, возможно ли сформировать коллективную базу знаний на основе участия пользователей, обладающих знаниями в конкретных областях, был создан сайт Quizz.us.

Используя планировщик ключевых слов Google, Ипейротис сформулировал таргетированные рекламные обращения, приглашающие потенциальных участников ресурса пройти тест на знание соответствующей предметной области. Например, посетителям медицинского сайта WebMD показывалось обращение с предложением пройти тест на знание симптомов заболеваний. Ипейротис хотел понять, удастся ли ему добиться не только просмотров приглашения, но и инициировать прохождение специалистами теста[495].

Благодаря рекламе на WebMD и сайте одного из крупнейших медицинских центров мира Mayo Clinic, проекту Quizz.us удалось повысить уровень участия в тестировании в 10 раз. Более того, специалисты, откликнувшиеся на рекламное обращение, отвечали правильно на вопросы тестов в среднем на 20 % чаще, чем участники, узнавшие о проекте из других источников, и быстрее респондентов, отобранных через сайты Mechanical Turk или oDesk (коммерческие сайты по поиску людей для выполнения определенных задач на коммерческой основе). Результаты исследования подтвердили тезис, что интерес является мощным основанием для выявления компетентности[496].

Автоматизированный и ручной сбор данных

Новые технологии выявления компетенций позволяют собирать и сортировать информацию о профессиональных компетенциях человека в автоматизированном и ручном режимах и на этой основе формировать его профиль. Информация вручную, как правило, вводится при заполнении онлайн-форм – обычно это демографические данные и сведения об образовании, практическом опыте, навыках и сфере интересов.

Например, некоммерческая организация Npower предлагает ИТ-услуги и обеспечивает техническую поддержку других некоммерческих организаций, деятельность которых направлена на общественное благо. Программа Community Corps, которую реализует Npower, помогает таким организациям найти волонтеров, обладающих определенными знаниями и навыками. При регистрации волонтеры заполняют анкету, где указывают свои умения и способности; на основании этих данных сотрудник Npower проводит отбор волонтеров под конкретные задачи. Ключевым моментом в деятельности ресурса является предоставление пользователями информации о себе.

Процесс заполнения опросных форм не нов. Он так же стар, как бумага и бюрократический аппарат. Тем не менее ввод данных в режиме онлайн имеет ряд специфических особенностей.

1. Умные формы, предлагающие следующий вопрос в зависимости от предыдущих ответов, упрощают процесс, сокращают опросную форму и создают стимул выполнить задачу.

2. Благодаря новым семантическим инструментам регистрации информации – например, выпадающим меню – данные представляется в структурированном или полуструктурированном виде, облегчающем дальнейший анализ и использование. Структура опросной формы повторяет логику организации областей знаний, в которой выделены признаки профессиональной компетенции.

3. Онлайн-формы обеспечивают больший охват информации о профессиональных компетенциях. Предлагая перспективу профессионального роста, такие онлайн-платформы, как LinkedIn, создают для пользователей серьезный стимул правильно и тщательно заполнять формы и регулярно обновлять информацию своего профиля. Структурированные и взаимосвязанные массивы данных открывают новые возможности поиска людей с определенной профессиональной компетенцией[497].

4. Ввод данных имеет вполне осязаемый результат в виде профиля пользователя, отражающего профессиональную компетенцию человека, а найти его гораздо проще, чем собирать разрозненные данные по многочисленным источникам в сети.

Нужно отметить, что не всегда удается стимулировать людей отвечать на вопросы об их навыках, практическом опыте и сфере интересов. Заполнение анкеты требует времени и усилий, которые люди часто не готовы тратить, а сделав однажды, не хотят обновлять информацию. Деканы факультетов университетов жалуются на то, какие неимоверные усилия приходится прилагать, чтобы добиться от профессорско-преподавательского состава ежегодного обновления списка тем их научных исследований.

Зачастую секрет заключается в том, как сформулировать вопрос, чтобы получить ответ. На одном из семинаров в Оксфордском университете я попросила участников проинтервьюировать своего соседа за столом и записать на листе бумаги один навык, которым он, по их мнению, обладает. Среди записей оказались: «легкость» академического письма, знание литературы по предмету, искусство смешивания коктейлей, приготовление хумуса. Абсолютно все участники поняли задание по-своему.

Вызывает вопросы и степень доверия, с которой следует относиться к предоставляемой людьми информации о себе. Вполне возможно, что человек, овладевший «легким академическим стилем», преувеличивает свой повествовательный талант, а человек, научившийся смешивать коктейли, переоценивает свой мартини. Люди могут предоставлять неточную информацию о себе из-за неспособности порой объективно себя оценивать. Онлайн-формы, по крайней мере, сопровождаются пояснениями, вариантами ответов и позволяют усреднить результат.

В некоторых случаях желание заявить о себе: своих навыках, практическом опыте и сфере интересов – может стать действенным стимулом для регистрации на сайте. На онлайн-платформе Patients Like Me («Пациенты как я») пользователи размещают информацию о своем здоровье, о том, какие лекарственные препараты они принимают и какие побочные эффекты вызывают эти лекарства. Результаты исследования показали, что в этом интернет-сообществе, где принят активный обмен информацией, такую работу продолжают вести супруги некоторых бывших пользователей сервиса даже после их кончины[498]. Люди хотят, чтобы им задавали вопросы, и хотят делиться информацией, если им предоставляют соответствующий интерфейс.

Сегодня информацию о компетенциях экспертов можно собирать автоматически из сторонних источников. Достаточно ввести фамилию любого профессора в поисковую строку Google, и на первой же странице поисковой выдачи появится список публикаций, сформированный специализированным поисковым сервисом «Академия Google». Анураг Ачарья, один из создателей сервиса, разработал его идею в рамках программы «20 percent time» – внутрикорпоративной инициативы Google, позволяющей своим сотрудникам тратить один день в неделю на разработку сторонних проектов. По словам Анурага Ачарьи, задача «Академии Google» заключается в том, чтобы определять, «кто что написал»[499]. Google обновляет списки публикаций авторов, регулярно извлекая и объединяя информацию из различных баз научных публикаций.

В некоторых частных компаниях анализируется корпоративная почта: знание о том, кто с кем и о чем переписывается, является способом сформировать каталог по областям профессиональной компетенции. В частности, с этой целью в 2006 году компания IBM запустила систему анализа содержания и метаданных электронных сообщений Small Blue[500].

Целый ряд компаний специализируются на извлечении информации о профессиональных компетенциях из широкого многообразия баз данных, находящихся в открытом доступе. Итогом их работы обычно становятся закрытые, являющиеся частной собственностью (и приносящие высокий доход) каталоги по областям специальных знаний.

Так, поисковый ресурс Web of Science, принадлежащий медиакорпорации Thomson Reuters, объединяет реферативные базы данных публикаций в научных журналах, базы книг и патентов, а также с помощью связанных метрик цитирования позволяет составить и визуализировать научную сеть авторов, работающих в сходных тематических нишах. Доступ к базе данных платный. Ею могут воспользоваться ученые не только для поиска необходимых научных материалов, но и для того, чтобы выявить исследователей со сходными интересами, определить основные тенденции и сформировать историю публикаций. Как и LinkedIn, эта платформа использует технологии распределенной обработки данных на нескольких параллельно работающих серверах, которые собирают огромные объемы информации из разнородных источников[501]. Symplectic – один из инструментов управления знаниями в университетах – объединяет профессиональную информацию о сотнях тысяч научных сотрудников, что позволяет автоматически получать анкетные данные исследователей из любого вуза.

Подобные сетевые инструменты особенно популярны среди ученых, работающих в области биологии и медицины, благодаря широкой доступности открытой информации по этим направлениям науки. Однако платформы автоматизированного сбора данных существуют и вне академического сообщества.

Нью-йоркская компания Relationship Science, занимающаяся сбором, обработкой и анализом деловой информации, формирует базу данных как автоматизированным, так и ручным способом. Ресурс содержит информацию о трех миллионах влиятельных людей из сферы бизнеса и их организациях, включая профессиональную биографию и деловые контакты, проведенные сделки, образование, участие в благотворительной деятельности, политические пожертвования, личные интересы, творческие работы и награды и существенные семейные связи[502].

Такие платформы все шире используют новые источники данных. Например, степень влияния в социальных медиа оценивается показателем Kloutscore[503]. Этот виртуальный «индекс тщеславия» присваивается пользователю на основании того, сколько раз его процитировали или сделали ретвит его сообщений. Сервис Klout с гордостью заявляет более чем о 500 млн зарегистрированных в системе учетных записей[504]. Политик, стремящийся к тому, чтобы новая законодательная инициатива была благоприятно воспринята обществом, может, используя Kloutscore, найти наиболее влиятельных персон и предложить им продвинуть эту инициативу среди своих подписчиков.

Индекс Klout напоминает вымышленный коэффициент «величина Макландресса», придуманный Джоном Кеннетом Гэлбрейтом[505] в 1963 году как «среднее арифметическое интервалов времени, на протяжении которых мысль человека сохраняет концентрацию на каком-то значимом явлении, помимо собственной персоны»[506]. Если величина Макландресса для Элизабет Тейлор равнялась трем минутам, то у Ричарда Никсона она составляла не более трех секунд: в мире, созданном Гэлбрейтом, политиков отличали очень низкие показатели. То, что считалось «отклонением» и было мишенью сатирических насмешек Гэлбрейта, стало «фишкой» сервиса Klout. Показатель измеряет степень социального влияния пользователя, а это, в свою очередь, помогает ускорить процесс идентификации и таргетирования людей, способных воздействовать на важные для общества процессы.

Сегодня, когда специалисты по обработке и анализу данных Имперского колледжа Лондона нашли возможность определять направление информационных потоков – то есть выявлять, кто и на кого способен оказывать влияние через социальные медиа в отдельных областях знаний на определенной географической территории, – инструменты выявления компетенцией можно использовать и для поиска агентов влияния внутри конкретных групп населения[507]. Так, в 2014 году администрация президента Барака Обамы привлекла более сотни звезд Голливуда, мира музыки и спорта, чтобы донести до молодежной аудитории призыв поддержать реформу здравоохранения – Закон о доступном здравоохранении[508].

На реферативной платформе – VIVO – профили создаются автоматически, но у пользователя есть возможность скорректировать информацию вручную. В частности, регулярно обновлять, приводя в соответствие с действительностью, сведения об образовании необходимо[509].

Research Gate[510] – бесплатная социальная сеть и средство сотрудничества ученых разных научных дисциплин. Профили участников сети формируются автоматически, но они имеют возможность загружать на свою страницу недавно опубликованные статьи (с соблюдением авторских прав) и вести блоги, представляя данные последних исследований и даже результаты неудавшихся экспериментов, чтобы предотвратить повторение таких же ошибок другими.

Сегодня пользователям все чаще предлагают исправлять информацию, а не вносить ее с нуля, и этот сдвиг сетевым сообществом воспринимается положительно – ведь исправить анкету менее трудозатратно, чем заполнять ее[511]. Механизм запроса рекомендаций, используемый на LinkedIn и ряде других платформ, позволяет пользователям обратиться к своим контактам с просьбой указать и оценить их компетенции. Теперь представление о компетенциях человека складывается не только исходя из формальных данных профиля, частично внесенных туда самим пользователем, но и путем анализа отзывов людей, с которыми пользователя связывают деловые отношения. Благодаря возможностям современных технологий собирать и сортировать данные, введенные вручную и собранные автоматически, мы получили инструмент быстрого формирования различных экспертных сетей.

От университетских дипломов к цифровым бейджам

В эпоху онлайн-технологий появилась возможность не только выявлять новые виды профессиональной компетенции, но и подтверждать их иначе, чем в традиционных университетах. Подобное подтверждение часто имеет формат цифрового значка – «бейджа»: это графический знак, размещаемый на веб-странице и содержащий метаданные с поясняющей записью. Бейдж является виртуальным свидетельством проделанного объема работы и подтверждением достижений человека со стороны выдавшего цифровой значок сообщества. При целенаправленном поиске конкретных компетенций бейдж легко обнаруживается в сети.

Цифровой формат бейджа, в отличие от традиционных дипломов, позволяет ему хранить подробную и достоверную информацию о достижениях человека. Более десяти лет назад некоммерческая организация Creative Commons, обеспечившая при помощи открытых и бесплатных онлайн-инструментов обмен знаниями и творческими идеями, занялась популяризацией цифровых бейджей, содержащих метаданные, и создала серию пиктограмм для обозначения разного вида лицензий на авторские права. Пиктограмма является графическим представлением объемного юридического документа. Широкое распространение лицензий Creative Commons, а также популярность онлайн-видеоигр, в которых пользователи скрываются за аватарами (графический образ человека), и стали предпосылками для создания цифровых знаков отличия (бейджей)[512], свидетельствующих о профессиональной квалификации человека.

В реальном мире человек сам охотно рассказывает о себе (что порой очень раздражает на коктейльных вечеринках). Подтвердить его успехи могут только дипломы, выданные университетами или другими аккредитованными учреждениями, но их мало кому показывают. Наличие диплома ничего не говорит о качестве работы, проделанной для его получения. И хотя в приложении к диплому перечислены все пройденные дисциплины, это не отражает реального уровня знаний и навыков его владельца.

Но в мире цифровых технологий мы получаем видимое подтверждение приобретенных навыков: школа программирования Code Academy свидетельствует, что пользователь Х прошел курс программирования на Python. Компания Audible подтверждает, что пользователь Х прослушал первую половину аудиокниги. Amazon Kindle удостоверяет время, которое ушло у пользователя Х на прочтение второй половины учебника.

Благодаря интернету идея бойскаутов с награждением значками за выполнение определенных заданий получила новое масштабное воплощение, позволяя практически любому онлайн– или офлайн-сообществу присваивать собственные знаки отличия. Университетские преподаватели теперь могут обучать не только студентов своего образовательного заведения, но и проводить онлайн-курсы для всех желающих, а последние при выполнении обязательных требований учебной программы могут получить постоянный цифровой бейдж. Такой бейдж – не просто электронный эквивалент бумажного диплома. Каждый бейдж имеет индивидуальный идентификационный номер и условно депонируется третьей стороной, которая подтверждает его подлинность и делает возможным его поиск в сети[513].

Диплом Гарвардского университета и сертификат специалиста по работе с оборудованием компании Cisco ценятся одинаково высоко из-за авторитета выдавших их организаций, существующих уже не одно десятилетие. В сознании людей сформировано представление о незыблемости Гарварда: он будет всегда. И это делает гарвардский диплом более ценным приобретением, чем диплом «Школы юриспруденции и косметологии Фрэнка и Морти на нижнем этаже торгового центра Seven Hills»[514] (прославившейся благодаря сатирической статье в журнале Yale Law Journal)[515].

Шансы на достижение успеха в любой профессии зависят от престижности учебного заведения, в котором человек получил образование[516]. Конечно, вес бейджа или электронного сертификата, присвоенного веб-сервисом, несравним с дипломом Гарвардского университета, однако благодаря цифровому кодированию они обладают такой же долговечностью при значительно более низких затратах на их изготовление и более высокой вероятностью найти их на интернет-ресурсах.

Фактически эти «нано-степени» могут рассказать о навыках человека больше, чем приложение к диплому, что особенно актуально для менеджера по подбору персонала или чиновника, который ищет людей с багажом практических знаний. Конечно, многое зависит от человека, осуществляющего поиск, но в отдельных случаях бейдж, присвоенный пользователю за практическое программирование или ремонт автомобилей, может оказаться полезнее традиционного диплома.

Даже классические университеты, например Нью-Йоркский университет, наряду с бумажными дипломами стали «выдавать» и цифровые бейджи. В современных условиях выпускникам университетов требуется более мобильное, очевидное и долговечное свидетельство о профессиональной квалификации, которое можно прикрепить к резюме, продемонстрировать работодателю, легко найти онлайн и которое может «прочитать» даже робот (иногда в крупных организациях резюме потенциальных кандидатов фильтруются с помощью автоматизированной системы рекрутинга).

Онлайн-обучение создало уникальную возможность: не тратить время и деньги на полную программу высшего образования, а выбрать и изучить отдельные курсы или модули, оплатить процедуру сертификации и получить надежное и верифицируемое свидетельство. Современные технологии стимулируют инновации, расширяется потребность в развитии человеческих ресурсов, и как следствие наблюдается устойчивый рост спроса на стабильное и доступное обучение. Все больше компаний, от крупных издательских групп McGraw-Hill и Pearson до сравнительно небольших компаний, таких как Amplify и Cengage, предлагают либо образовательные услуги, либо инструменты для создания альтернативной обучающей среды. В попытке сохранить конкурентоспособность, университеты, хотя и медленно, также стали двигаться в этом направлении, начав предлагать изучение учебных дисциплин по отдельности.

DuoLingo, бесплатная платформа для изучения иностранных языков, разработанная специалистом по теории вычислительных машин и систем Университета Карнеги – Меллон Луисом фон Ан-ном, сегодня угрожает монополии организации Educational Testing Service, проводящей международный экзамен по английскому языку TOEFL, благодаря тому, что предлагает приложение для подтверждения уровня знаний английского по цене в 10 раз ниже[517]. Воспользовавшись сервисом DuoLingo, пользователь может самостоятельно предоставить сертификат, подтверждающий уровень владения английским языком, в учебное заведение или потенциальному работодателю, а не ждать, пока TOEFL распространит результаты тестирования. Следующий очевидный шаг – пользователь, проходя тест, одновременно разрешает открыть информацию о себе для доступа администраторам учебных программ американских вузов.

Некоммерческая организация Mozilla, разработчик интернетбраузера Firefox, решила создать открытый стандарт сертификатов (бейджей), которые присваиваются слушателям по окончании различных учебных программ и курсов, доступных в интернете. С помощью сервиса Open Badges («Открытые бейджи») любая организация или группа получает возможность выпустить собственный бейдж стандартного образца, а пользователи – объединить все полученные ими бейджи и прикрепить к резюме или разместить в профилях соцсетей и профессиональных сообществ. Компания Mozilla описала эту программу следующим образом:

Цифровые бейджи, присвоенные пользователю одним или несколькими сервисами, накапливаются и хранятся, формируя полную историю его достижений и навыков[518].

Сервис, инфраструктурой напоминающий конструктор Lego, был запущен в 2013 году, но пока он используется крайне ограниченно. Проект финансируется благотворительным Фондом Макартуров, в котором уверены, что открытая система цифровых сертификатов будет способствовать развитию системы «доступного независимого образования и подтверждения знаний»[519]. При поддержке мэров ряда городов Фонд спонсирует создание онлайн-платформ, способных обеспечить любой образовательной инициативе – от внеклассных кружков до некоммерческих организаций – возможность выдать бейджи, информация о которых будет доступна в сети. Это поможет учащимся, в особенности школьникам старших классов, наглядно демонстрировать свои результаты в учебе.

Система цифровых бейджей применяется и в профессиональной среде. TaskRabbit – платформа, объединяющая 20 тыс. фрилансеров, которые оказывают самые различные услуги, от выполнения мелких поручений и распаковки коробок до создания веб-сайтов. Наиболее эффективным фрилансерам присваиваются цифровые бейджи. Точно так же, как и статус Power Seller в интернет-магазине eBay, бейджи на TaskRabbit формируются на основании оценок пользователей услуг, а не администрации ресурса.

Kaggle является крупнейшим в мире онлайн-сообществом, объединяющим специалистов по обработке и анализу данных, где пользователи соревнуются друг с другом в решении сложных профессиональных задач. Kaggle формирует профили исследователей, чьи навыки по результатам соревнований оцениваются как попадающие в «топ 0,5 %». В дальнейшем Kaggle использует эти профили, чтобы напрямую связывать исследователей с клиентами Kaggle, ищущими специалистов с конкретными умениями[520].

С развитием практики электронной сертификации и цифровых бейджей людям не придется больше зависеть от ограниченного числа университетов, которым, в свою очередь, присваивают рейтинги еще меньшее число рейтинговых агентств, например U. S. Newsand World Report. Оценка профессиональной квалификации децентрализуется и выполняется неограниченным числом различных платформ, подобных TaskRabbit и Coursera. Цифровые бейджи служат индикаторами специальных компетенций, помогая таргетировать людей и использовать механизм краудсорсинга наиболее эффективно. Руководители и менеджеры получают инструмент поиска и подбора людей под конкретные задачи, позволяющие в полной мере раскрыть их потенциал и задействовать их уникальные навыки.

Различные способы измерения профессиональных компетенций

Способствуя демократизации процедур сертификации профессиональных компетенций, интернет-технологии позволяют количественно оценивать их. Это облегчает поиск специалистов, обладающих узкоспециальными практическими знаниями и навыками. Новые алгоритмы комбинирования данных из разных источников – базы публикаций, твиты и цифровые бейджи – позволяют создавать неограниченное количество каталогов с информацией об экспертах.

Поисковые системы для академических сообществ с инструментами для подсчета числа цитирований, такие как «Академия Google» или CiteSeer, позволяют отследить тенденции в научном сообществе через анализ наиболее цитируемых публикаций[521]. Если исследователи-биологи ссылаются на статьи по физике, в то время как специалисты в области компьютерных наук начинают цитировать работы на темы здравоохранения, очевидно, что речь идет о возникновении новых научных дисциплин, например биофизики или медицинской информатики.

Сервисы, подобные «Академии Google», помогают людям – в данном случае авторам научных публикаций – приобрести профессиональный авторитет в научных кругах. Специальный алгоритм сети измеряет наукометрические показатели, такие как общее число цитируемых публикаций автора, а не, например, частоту его упоминаний в социальных медиа.

Развитие технологий также меняет и то, каким образом измеряются различные виды профессиональных компетенций, что является частью более масштабного процесса по количественной оценке и измерению персональных характеристик. До недавнего времени эта тенденция проявлялась в заботе о личном здоровье – например, контроле давления или частоты пульса. Однако сходные технологии могут обеспечить более точное измерение знаний, которыми владеют люди. Одним из ранних примеров оценки когнитивных способностей человека на основании анализа данных[522] является сервис Lumosity – популярная коммерческая платформа для повышения нейропластичности головного мозга посредством игр, развивающих память, загадок и головоломок. Новые технологии обеспечивают измерение показателей практической деятельности, а не теоретических знаний[523], через алгоритмы выявления и подсчета взаимосвязей с другими людьми, сертификатов, проявлений практического опыта и достижений.

Подсчет связей

Количественно оценить профессионализм помогает и подсчет связей между людьми. В частности, определить область компетенций человека можно, очертив круг людей, которых знает он и которые знают его, включая тех, которые его рекомендуют. Число участников социальной сети, с которыми связан пользователь, можно представить графически в виде карты, отражающей его ранг в сетевой иерархии[524].

В Facebook, например, об экспертном опыте члена сообщества часто судят по тому, кто числится в списке его контактов. «Дружба» с конкретными людьми и участие в определенных тематических группах заставляет по умолчанию полагать, что человек относится к этой профессиональной среде. Такой вывод подтвердился в ходе эксперимента, в котором пользователи Facebook обратились с вопросом к своим контактам и параллельно самостоятельно искали ответ в интернете. Более половины участников получили ответы через Facebook прежде, чем смогли сами найти ответ[525].

Точно так же подписка на чью-то ленту в Twitter считается выражением интереса к этому человеку, даже если этот шаг мотивирован стремлением «держать врагов в поле зрения». Тот факт, что другие пользователи отслеживают сообщения человека, можно расценивать в качестве рекомендации, непосредственно говорящей о его статусе и компетенциях.

В подобных системах, где в основе рекомендаций лежат связи между участниками сообщества, статус каждого оценивается по статусу его контактов. Именно такой механизм применяется и в LinkedIn, где репутация пользователя строится на связях с другими профессионалами, отличающимися высокой репутацией и заметными достижениями.

Поскольку коммуникация в Twitter строится вокруг обсуждения конкретных тем, подписка друг на друга может отражать не только связи между людьми, но и выводить на некоторую профессиональную область, в которой они компетентны. С большой долей уверенности можно предположить, что в таких системах готовность открыто демонстрировать личный контакт свидетельствует о положительном прошлом опыте общения и в некотором смысле служит гарантией соответствующей профессиональной компетенции. Из-за относительной технической простоты измерения количества твитов, ретвитов и лайков, числа подписчиков и комментариев, рейтингов, баллов и других показателей одобрения в социальных сетях, зачастую эти платформы становятся идеальной, гибкой тестовой площадкой новых инструментов для поиска людей, обладающих знаниями в определенных областях[526].

Интенсивность цитирования и рекомендации

Измерить взаимоотношения можно также через механизм цитирования – отдельный вид связи между узлами в сети – подобный тому, который мы упоминали, описывая сервисы «Академии Google». Уровень влияния пользователя может определяться количеством ретвитов его сообщения и ссылок на его пост, числом упоминаний в социальных медиа и интенсивностью репостов. Такой способ оценки влияния привел к появлению метода анализа тональности текста[527], который начали активно использовать специалисты по работе с социальными медиа, выводя с его помощью закономерности во взаимоотношениях между участниками сети. Анализ тональности текстов, социальные фильтры и другие подобные стратегии применяются к таким данным, как цитаты, твиты и биографическая информация, помогая обеспечить более эффективный поиск специалистов.

Профессиональная компетенция может измеряться и тем, сколько людей увидели, прочитали и не только процитировали, а скачали научную статью конкретного пользователя, что, как правило, происходит гораздо реже.

Профессиональная социальная сеть для ученых academia.edu в качестве основного библиометрического показателя[528] использует число просмотров страниц пользователей. В другой, сходной по задачам, сети SSRN, объединяющей специалистов по социальным наукам, таким показателем является число скачиваний: исследователи самостоятельно загружают работы в сеть и открывают к ним доступ. Приглашая на работу ученых, работодатели ориентируются на информацию об индексе цитирования, числе просмотров страниц и количестве скачиваний научных работ и формируют представление об уровне профессиональной компетенции и статусе каждого из кандидатов.

Все эти техники обработки и анализа данных являются вариантами решения одной-единственной задачи: определить и измерить профессиональные компетенции человека, исходя из уровня его сетевой социализации. Источником рекомендаций могут стать люди, хорошо знакомые пользователю, или те, с которыми он сталкивался по работе.

Мы оцениваем звездочками или баллами книги на сайте Amazon и фильмы на сайте Netflix; точно такой же принцип оценки применим и в отношении людей[529]. Системы, опирающиеся на лояльность пользователей, запрашивающие мнение пользователя о работе врача или любого другого специалиста или сервиса, зачастую предлагают самый влиятельный метод оценки профессиональной компетенции и эффективности[530].

В основе некоторых рекомендательных сервисов лежат личные отношения, и рекомендация становится следствием глубокого знания навыков человека, его способностей и опыта взаимодействия – так коллеги могут рекомендовать друг друга в LinkedIn. Прочные межличностные связи считаются основным инструментом влияния на социальное поведение людей – как онлайн, так и в реальном мире[531].

Конечно, системы рекомендаций появились задолго до эпохи интернета. Работодатели и администрации университетов всегда запрашивали рекомендации для того, чтобы подтвердить профессиональную компетенцию потенциального кандидата. Любые формы «старых связей» основываются на знакомстве и взаимной поддержке. Подобные рекомендательные системы не обязательно подразумевают кумовство. Скорее, те, кто владеет знаниями в определенной области, вероятнее всего знают других людей, занятых в той же области. Иными словами, высококлассный хирург-кардиолог, скорее всего, будет знаком с другими профессионалами в области сердечнососудистой хирургии, в то время как поклонник джаза будет знаком с теми, кто разделяет его любовь к этому музыкальному направлению.

Американский экономист и специалист в области инновационной деятельность Эрик фон Хиппель вместе с группой коллег смогли эмпирически проверить гипотезу о том, что люди, обладающие определенным уровнем знаний в какой-то области, могут назвать людей с более обширным опытом в этой области, чем у них самих. Этот принцип получил условное название «принцип пирамиды» или «эффект снежного кома»[532]. В ходе эксперимента одного из известных экспертов просили назвать тех людей, которые знакомы с темой лучше него, затем этот вопрос задавали всем, кого назвал эксперт, и так далее. Оказалось, что построение таких пирамид является отличным способом найти людей, обладающих редкими узкоспециализированными знаниями в обширной, но плохо структурированной области знаний[533]. Современные технологии связанных данных ускоряют процесс получения рекомендаций, а сами рекомендации трансформируются в объективную метрику, построенную на основе количественных показателей[534].

Более того, рекомендовать можно даже малознакомых людей, с которыми жизнь свела, может быть, единожды, – это так называемые «слабые связи»[535]. На сайте службы такси Uber пассажиры и водители оценивают степень взаимной вежливости, проявленной в течение единственной поездки. Совокупный рейтинг, составленный пассажирами, отражает уровень профессионализма конкретного водителя такси. Компания Uber может отказаться от сотрудничества с водителем, если его рейтинг стабильно низкий.

Также взаимно оценивают друг друга покупатели и продавцы интернет-магазина eBay. Потенциальные покупатели обращают пристальное внимание на репутацию продавца, когда принимают решение, стоит ли иметь дело с незнакомым человеком. Очки за хорошие отзывы на eBay на вес золота, без хорошей репутации уровень продаж бывает совсем низким[536]. В таких сервисах для онлайн-занятий, как WyzAnt и Ohours, широко используются персональные рейтинги знаний и навыков потенциальных преподавателей. Делиа Эфрон[537] комментирует это так:

Сегодня нас всех оценивают – врачей, учителей и уборщиков, рестораны и даже мастерскую, где можно починить сумку и которую я сегодня утром искала на Yelp[538]… Кому понравится выслушать про себя всю правду? Потому-то и придумали говорить у человека за спиной… Я уже давно окончила школу, но, кажется, мне предстоит получать оценки до конца своих дней. Помните, как вам говорили: «Это будет занесено в твое личное дело»? Сейчас таким «личным делом» стал интернет. И все заносится туда[539].

Системы, созданные на основе слабых связей и регистрирующие степень удовлетворенности клиентов, быстро становятся способом измерения профессиональной компетентности и эффективности деятельности.

Измерение силы связей между узлами социальной сети через индекс цитирования или число рекомендаций – это не единственный способ найти людей с нужной квалификацией для выполнения специфических работ. Не меньшее значение имеют документы об образовании. Большинство организаций, компаний и институтов, в том числе и государственные структуры, оценивают уровень знаний человека исходя из документов, подтверждающих его квалификацию, выданных образовательным учреждением, работодателем или ассоциацией.

Перечень таких документов является стандартным способом подтвердить квалификацию при составлении резюме. Законодательство о товарных знаках закрепляет за третьими сторонами право использовать коллективный товарный знак, например «дипломированный аудитор», при условии соблюдения ими установленных стандартов. Например, «шампанским» может называться только игристое вино, произведенное во французской провинции Шампань.

Дипломы и сертификаты столь важны при приеме на работу и для карьерного роста, что более 300 млн человек из 200 стран мира уже разместили в LinkedIn резюме, содержащие эти данные, – и каждую секунду в сети регистрируются два новых пользователя[540].

Анализ документов об образовании обычно проводится в два этапа. Прежде всего оценивается репутация организации, выдавшей документ (диплом или сертификат). Затем оценивается «весомость» присвоенной квалификации на основании репутации организации, его выдавшей. Чем большим авторитетом пользуется в профессиональных кругах организация, выдавшая диплом, тем выше его ценность. Например, диплом врача в любом случае свидетельствует о существенном времени и средствах, инвестированных в обучение, однако диплом Медицинской школы Гарвардского университета ценится иначе, чем диплом Института функциональной медицины. Гарвардский университет занимает высшие позиции в рейтинге U. S. News and World Report, а диплом, полученный в Медицинской школе Гарвардского университета, в традиционной «табели о рангах» является своего рода гарантией качества подготовки (и потенциально высоких заработков) его обладателя.

Однако поклонники нетрадиционной, например холистической, медицины могут, напротив, негативно оценить профессиональную компетенцию врача с таким дипломом. Точно так же степень Йельской школы права ценится не ниже, чем степень, полученная в других юридических вузах, но может не произвести впечатления на корпоративных юристов с Уолл-стрит или на людей, которые в принципе не доверяют юристам.

Хотя процедура аттестации выпускников учебных заведений во многом осталась прежней, интернет-технологии позволяют по-новому анализировать информацию, подтверждающую профессиональную компетенцию, и структурировать ее способами, почти недоступными прежде.

Вернемся к примеру с веб-сервисом HealthTap. Этот сервис существенно облегчает поиск врачей с определенным образованием, в то же время позволяя оценить совокупность таких факторов, как репутация организации, выдавшей диплом, данные о научных публикациях, и такие практические аспекты, как ответы этого врача на вопросы пациентов, заданные через веб-сайт. Информацию о научных степенях и академических наградах можно получить из профиля специалиста на сайте организации или в Facebook, в социальных сетях для профессионалов и из других источников и комбинировать ее по разным основаниям. Документ о квалификации становится одним из многих критериев профессиональной компетенции, и в зависимости от алгоритма оценивания ему присваивается тот или иной вес. В то время как на одном веб-сайте особое значение придается рейтингу образовательных учреждений, на другом – теме дипломной работы. Благодаря интернет-технологиям значительно упростился не только процесс получения документов о квалификации, но и процедура оценки этих документов по таким основаниям, как место размещения, удельный вес в интегральной оценке и доступность для поиска.

Измерение практического опыта

Третий способ выразить профессиональную компетенцию в количественных показателях – это измерение практического опыта, особенно достижений, включая объем проделанной работы, достигнутые рубежи, выполненные задачи, а также время, затраченное на определенный вид деятельности. В то время как техники «построения пирамиды» и оценки документов, подтверждающих квалификацию, полезны при поиске узких специалистов, успешность работы потенциального эксперта помогает спрогнозировать новые инструменты измерения профессиональной компетенции через практический опыт. Случается так, что высокопрофессиональный врач, компетенция которого подтверждается рекомендациями коллег или дипломом престижного медицинского университета, не отличается умением найти подход к пациенту или не горит желанием участвовать в работе сервиса HealthTap. Возможность оценить профессиональную компетенцию человека, исходя из его практического опыта, создает широкое поле выбора.

Чтобы овладеть навыками, будь то проведение исследований или игра на музыкальных инструментах, необходима практика. По словам изобретателя Дина Кеймена[541], «чтобы научить ребенка играть в футбол, нужно дать ему мяч, а не тратить 12 лет на изучение правил игры». Появление новых технических платформ позволяет оценить профессиональную компетенцию человека, количественно измерив его действия, например гражданские действия в онлайн-сообществе, количество откликов на вопросы или частоту денежных пожертвований. Сегодня наши действия в сети оцениваются количественно и группируются в таблицы, отражающие наш совокупный опыт.

Упоминавшийся ранее GitHub – одновременно социальная сеть для разработчиков и веб-сервис для хостинга ИТ-проектов. Платформа бесплатна для проектов с открытым исходным кодом и имеет функционал для групповой работы, позволяя программистам демонстрировать свой опыт, достижения и продуктивность. Чем большую активность проявляет пользователь на GitHub, тем лучше его навыки и заинтересованность в работе. Вклад каждого отображается в виде дерева в хранилище (репозитории) GitHub[542]. В профиле каждого участника автоматически формируется список его профессиональных навыков и архив созданных им проектов. Профессиональные навыки выводятся из активности пользователя: вклад в проекты, хронология операций, число подписчиков (фолловеров) и интенсивность взаимодействия с другими разработчиками. Профили участников GitHub позволяют оценить технические навыки программистов, а также способность к эффективной групповой работе при решении сложных задач[543].

Платформы, измеряющие социальные действия пользователей (например, сайты поиска коучей и репетиторов), определяют и количество предоставленных, и количество полученных консультаций. Результаты исследований онлайн-сообществ свидетельствуют о том, что характерный для человека уровень активности является надежным индикатором его активности и в будущем[544].

Иными словами, чем большую заинтересованность и вовлеченность в какую-либо деятельность демонстрировали люди в прошлом, тем выше вероятность, что подобное отношение сохранится и впредь. Таким образом, количественные показатели социальных действий в сети становятся полезным индикатором при отборе специалистов для решения конкретных проблем. Тони Шей, генеральный директор онлайн-магазина одежды, обуви и аксессуаров Zappos.com с оборотом в миллиард долларов, косвенно подтверждает этот вывод:

Уже несколько лет я не просматриваю резюме. Я нанимаю людей в компанию на основании их навыков и того, впишутся ли они в нашу корпоративную культуру[545].

При оценке компетенции профессионала через практический опыт можно опираться и на такие основания, как масштаб решаемых задач и объем заработанных денег. Несомненным признаком профессионала является способность доступно рассказать о своей предметной области: через блог и Twitter, отвечая на вопросы на сайтах HealthTap или Stack Exchange либо участвуя в работе других платформ обмена знаниями.

Сеть Stack Exchange объединяет 153 тематических веб-сайта (сообщества)[546] вопросов и ответов в различных областях. Участники сообщества получают баллы, которые могут обменивать на полезные инструменты, функции и бейджи. Самым крупным сообществом в сети Stack Exchange является объединение программистов Stack Overflow[547]. Карьерная страница сайта Stack Overflow Careers адресована компаниям, которые ищут высокопрофессиональных программистов. Девиз на загрузочной странице гласит: «Нужный специалист прямо здесь и прямо сейчас» (Reach the right talent, right now). Участники Stack Overflow имеют возможность привязать свой профиль на сайте к онлайн-резюме (созданному здесь же или импортированному через LinkedIn), а работодатели – просматривать историю активности пользователя[548]. Платформа Stack Overflow измеряет профессиональную компетенцию участников, используя простой алгоритм подсчета вопросов, на которые ответил пользователь, и обобщенной оценки его ответов со стороны других пользователей.

Существует множество способов, которыми на онлайн-платформах (то есть в соответствующих социальных системах) измеряется и отображается профессионализм ее участников. В литературе, посвященной онлайн-сообществам, онлайн-репутации или анализу социальных сетей, они называются «маркерами статуса»[549]. Наталия Левина, исследователь, изучающая тему краудсорсинга, пишет:

Любая онлайн-платформа обладает бесчисленными возможностями настройки работы систем продвижения контента и его производителей. Какие маркеры должны отображаться на платформе: связанные с контентом (количество лайков), с производителем контента (число подписчиков) или и те и другие? Насколько явно эти маркеры должны демонстрировать качество контента? Например, на видеосервисе YouTube явно видно число просмотров каждого видео, в то время как на сайте Wikipedia скромно указывается, какие статьи получили статус «избранных». Интернет-магазин Amazon внедрил сложную систему бейджей, а социальная сеть Twitter использует лишь пару значков – число подписчиков и ретвитов (показатель цитирования)[550].

В академической литературе уже систематизированы маркеры статуса и описаны соответствующие им действия, но только практика поможет получить более точный ответ, какой из этих инструментов оценки профессиональной компетенции окажется полезным в сфере гражданского общества. Участники онлайн-сообществ могут дать оценку, кто из авторов Wikipedia составляет самые качественные статьи и кто из участников тематических сайтов наиболее точно отвечает на вопросы. Однако предстоит еще серьезная работа для того, чтобы установить взаимосвязь между онлайн-маркером статуса и деятельностью реальных институтов власти.

Каталогизация профессиональных компетенций в сфере государственного управления

Развитие современных технологий подошло вплотную к решению проблемы максимально точного выявления необходимых компетенций в любой точке земного шара. Тем не менее пока еще отсутствует возможность реализовать применительно к гражданским компетенциям подход, который Google воплотила в отношении поиска документов: создать для государственных учреждений инструменты простого и эффективного поиска профессиональных компетенций. То, что включается в понятие «профессиональные компетенции», не было ясно и до трансформации, вызванной развитием технологий, не ясно это и сейчас. Несмотря на очевидный прогресс, технологические препятствия еще сохраняются.

Нам все еще не удается качественно, комплексно и последовательно осуществлять поиск и таргетирование узкоспециализированных экспертов даже внутри одной организации – государственного учреждения. До настоящего времени большая часть практической работы по поиску экспертов с требуемой профессиональной компетенцией проводилась в компаниях и организациях в рамках программы по управлению знаниями. Отвечали за это направление преимущественно отделы по работе с персоналом, а вся деятельность ограничивалась масштабами одной организации.

С развитием интернет-технологий нового поколения и формированием масштабной взаимозависимости между документами и данными возник потенциал для поиска профессиональных компетенций в глобальном масштабе. Первопроходцами в этом отношении стали профессиональные академические сети, подобные VIVO и Profiles, однако гораздо сложнее оказалось выявить подход, который открывал бы перед гражданами с соответствующей профессиональной компетенцией возможности участвовать в государственном управлении.

Мы уже упоминали исследования, направленные на выявление профессиональных компетенций на основании поведения человека в сетевой среде, например на веб-сервисах «вопросов и ответов». Однако пока еще ни в литературе по компьютерным технологиям, ни в статьях по анализу данных не появились проработанные концепции комплексных, кроссплатформенных подходов к поиску экспертов с необходимыми знаниями и опытом. Те, кто предлагает двигаться через классификацию и систематизацию экспертных знаний, работают преимущественно с академическим онлайн-сообществом. Они мало осведомлены о потребностях специалистов-практиков, занимающихся управлением корпоративными знаниями, или компаний, осуществляющих поиск экспертизы в финансовом и инвестиционном секторах; они редко взаимодействуют с сетевыми сообществами потребителей товаров массового спроса или со специалистами-практиками в области краудсорсинга.

Запуск механизма умного управления необходимо предварить глубокими междисциплинарными исследованиями профессиональных компетенций. Например, в государственном секторе человек, чаще всего упоминающийся в различных документах, является, скорее всего, пресс-атташе, а не экспертом по определенной теме. Это означает, что стандартные корреляционные методы анализа документов для выявления профессиональных компетенций малопригодны для сферы государственного управления. Решению конкретно этой проблемы помогло бы внедрение стандарта, обязывающего дополнять любой директивный документ списком экспертов его готовивших. Полезно было бы также наладить диалог между высшими должностными лицами, юристами, экспертами в области интернет-технологий и специалистами по обработке и анализу данных – такой диалог помог бы нащупать пути преодоления все еще многочисленных барьеров.

Наряду с перечисленными трудностями существует и еще один очень щекотливый момент. Сегодня поиск экспертных знаний сводится преимущественно к поиску имен людей, являющихся авторами документов или упоминающихся в них. Но насколько можно полагаться на эти имена?

Принадлежит ли бейдж, выданный Кену Смиту на платформе Khan Academy, тому самому Кену Смиту, который написал научную работу, находящуюся в базе данных SSRN?

Принадлежит ли аккаунт Ли Чэня в Twitter тому самому Ли Чэню, который ведет блог на Medium?

Является ли автор статей Марта Бойер той самой Мартой Бойер, которая ответила на десять вопросов на Stack Exchange и обучает других пользователей на WyzAnt и Google Helpouts?

Конечно, аутентификация бейджей в какой-то мере помогает преодолеть проблему идентификации авторов с одинаковыми именами и фамилиями (отличить одного Смита от другого), но при этом вопрос о связи бейджей с научными статьями, книгами, твитами и постами в блогах становится все более острым.

Исследовательское и издательское сообщества некоторое время назад уже столкнулись с проблемой идентификации авторов с одинаковыми именами и фамилиями (как и с проблемой идентификации массивов данных или статей с одинаковыми названиями). Некоммерческая инициатива ORCID – это реестр уникальных идентификаторов ученых, подтверждающих их личность при решении грантовых вопросов и публикации научных статей. Точно так же, как в финансовом секторе существует способ идентификации компаний с одинаковыми названиями, что позволяет проводить финансовые операции, подобный же способ должен быть разработан коммерческими онлайн-платформами, такими как LinkedIn, HealthTap, Kaggle, Live Ninja и Ideoba.

Кроме того, необходимо создать классификацию профессиональных компетенций в различных областях знаний на основе недублирующейся терминологии. Автоматизация процесса присвоения тегов для идентификации пользователей и их персональных характеристик поможет выиграть в скорости, но может отрицательно сказаться на точности, в особенности если целью классификации является описание навыков и практических знаний, а не составление перечня квалификационных документов.

Эффективность созданной модели будет определяться не только детальностью информации, подробнейшим образом введенной экспертами в определенных предметных областях, но и качеством программ-каталогизаторов, а также логикой метауровней организации информации, – задача, которую предстоит решать специалистам в области интернет-технологий, обработки и анализа данных. Пока еще не существует устоявшихся определений для многих навыков: например, может ли таковым являться «хороший водопроводчик», «эффективный специалист по информационной безопасности» или «„черный пояс“ по обработке и анализу данных». Однако увеличение числа «нано-степеней», «микросертификатов» и новых возможностей получать знания в нетрадиционных учебных заведениях вполне может поставить вопрос о расширении «лексического фонда языка» для описания подобных навыков, позволяя рационализировать новую систему аккредитации.

На сайте Американской федеральной базы видов занятости O*NET приводятся описания навыков и задач, связанных с конкретными профессиями. Однако ее необходимо совершенствовать, обновлять и сделать доступной в машиночитаемой форме, чтобы появляющиеся цифровые сертификаты могли соотноситься с теми навыками, которые в ней описаны[551]. Создание подобной классификации, в свою очередь, поможет демократизировать спектр предложений от потенциальных кандидатов: предложения будет проще представить в виде описания навыков, понятных работодателю.

Очень непросто разработать удобный интерфейс, легкий в использовании и отражающий необходимый объем информации. Особенно сложно решить, какую именно информацию о пользователе нужно отразить. Представим, что государственный чиновник ищет специалиста в области обработки и анализа данных, чтобы получить консультацию по использованию больших данных в системе государственного управления. Ему нужен не просто список имен. Система должна предоставить пояснения, на каком основании были отобраны те или иные имена, при этом информации не должно быть слишком много или слишком мало.

У всех этих проблем нет готовых решений. Необходимо тщательное, целенаправленное тестирование того, насколько удачным получилось соответствие, с обратной связью от всех задействованных сторон, возможно в формате ранжирования уровней удовлетворенности. Постоянное и активное участие в работе системы могло бы стать наилучшим критерием. Однако для развития таких систем требуется улучшение взаимодействия между ее потенциальными пользователями.

Еще одним ключевым вопросом является понимание того, как эффективнее настраивать функцию поиска. Человек, принимающий решения, должен точно знать, что он ищет: например, гарантии созидательного участия, объективные критерии профессиональной компетенции, подтверждение навыков и/или официальный диплом. Разработка правильного процесса не менее важна, чем создание базы данных.

Современные интернет-технологии трансформируют нашу способность выявлять, кто какими знаниями владеет, и при необходимости вовлекать их в управление. Новые технологии также позволяют по-новому организовывать людей для совместной онлайн-деятельности. Ученые из Российской академии наук предложили термин «мультисеть» (multinetwork) для обозначения более разнообразного онлайн-сообщества, стимулирующего коллективную деятельность для создания практически применимых и полезных знаний.

Благодаря использованию мультисети мы можем начать задумываться о том, чтобы привлекать больше граждан к процессу решения сложных проблем. На фоне растущего недовольства моделями обучения по принципу «сверху вниз», оторванного от реальной жизни, и управлением «за закрытыми дверями» было бы большой глупостью не воспользоваться в полной мере новой возможностью, ставшей результатом развития технологий, не демократизировать определение, выражение и измерение профессионализма. Только от нас зависит создание более эффективной системы обучения, более гибкого рынка труда и, самое главное, более эффективной и умной системы управления.