Умные граждане – умное государство

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.