Россия
Ханты-Мансийская (Югорская) региональная общественная организация Вольного экономического общества России (заместитель руководителя)
Сургут, Россия
В статье рассмотрена возможность применения инструментов, оценивающих эмоциональное состояние персонала и проводящих эмоциональный анализ персонала на собеседованиях при трудоустройстве. Рассмотрены результаты исследований последних лет данной технологии. Разработана процессная модель реализации технологии «эмоциональный анализ» при проведении собеседований. Разработан авторский механизм внедрения технологии «эмоциональный анализ» в процесс отбора персонала, который учитывает влияние внешних и внутренних факторов организации на интеграцию данной технологии. Представлены некоторые результаты авторского исследования актуальности технологии эмоционального анализа при найме персонала. В статье авторами проведен сравнительный анализ аналогов технологии «эмоциональный анализ» (акустический анализ речи и полиграф), представлены характеристики данных технологий, рассмотрены их преимущества и недостатки.
эмоциональный анализ при проведении собеседования, инструменты эмоционального анализа, преимущества эмоционального анализа, авторский механизм внедрения технологии «эмоциональный анализ», процессная модель реализации технологии «эмоциональный анализ» при проведении собеседований
1. Алейников, С. А. Метод эмоционального прогнозирования в онлайн собеседовании / С. А. Алейников, С. А. Сорокина, А. И. Офицеров; Экономика. Информатика. – Санкт-Петербург: Национальный исследовательский университет ИТМО, 2021. – Т48. – №1. – С. 178-187.
2. Лисенкова, О. А. Методы анализа эмоционального содержания текста / О. А. Лисенкова, Т. Н. Синеокова // Юрислингвистика. – 2008. – № 9. – С. 409-416. – EDN WCMFSF.
3. Рен, Р. Эмоциональный анализ текста для кросс-медийного написания текста в контексте больших данных = Emotion Analysis of Cross-Media Writing Text in the Context of Big Data / Р. Рен; Колледж педагогического образования, Восточно-Китайский педагогический университет. – Шанхай, 2022.
4. Chuang L., Yan E. B., Jing H. T., Zhi W. K. Z. Current methods of acoustic analysis of voice: a review, 2022, vol.36, no 12, p. 966-970;976. DOI:https://doi.org/10.13201/j.issn.2096-7993.2022.12.016.
5. Монахова, А. П. Коммуникативные барьеры / А. П. Монахова. – Текст: электронный // Медицинский журнал «Teledoctor24». – 2023. – URL: https://teledoctor24.ru/article/501-05-kommunikativnye-barery/ (дата обращения: 30.04.2024).
6. Сапанов, А. М. Факторы, влияющие на качество передачи речи в IP-телефонии / А. М. Сапанов, У. А. Ералы. – Текст: электронный // Молодой ученый. – 2021. - №13(355). – С. 38-42. – URL: https://moluch.ru/archive/355/79399/ (дата обращения: 28.04.2024). EDN: https://elibrary.ru/QBGUEI
7. Lustick H., Yang X., Hakouz A. The Role of Emotions in Qualitative Analysis: Researchers’ Perspectives. The Qualitative Report, 2024, vol 29, no 4, p. 1103-1124. DOIhttps://doi.org/10.46743/2160-3715/2024.6232. EDN: https://elibrary.ru/DRBOIZ
8. Sayar A., Bozkan T., Cakar T., Ertugrul S. Emotional Analysis of Candidates During Online Interviews. The Qualitative Report, 2023, vol 72, p.100-110. DOI:https://doi.org/10.54941/ahfe1003278.
9. Коваль, С. Все о серверах: виды, типы, характеристики, выбор и настройки / С. Коваль. – Текст: электронный // AND-Systems: [сайт]. – 2019. – 30 окт. – URL: https://andpro.ru/blog/server/all_about_servers/ (дата обращения: 01.05.2024).
10. Gruppetta, S. Обработка изображений с помощью библиотеки Python Pillow / S. Gruppetta. – Текст: электронный // Харбр. Сообщество IT-специалистов: [сайт]. – 2022. – 7 авг. – URL: https://habr.com/ru/articles/681248/ (дата обращения: 01.05.2024).
11. Севастьянова, Л. Биометрическая аутентификация / Л. Севастьянова. – Текст: электронный // «Солар»: [сайт]. – 2023. – 31 авг. – URL: https://rt-solar.ru/events/blog/3616/#:~:text=Распознавание%20лица%20–%20это%20метод,хранящейся%20в%20базе%20эталонной%20моделью (дата обращения: 01.05.2024).
12. DeepFace: A Popular Open Source Facial Recognition Library, 2024. URL:https://viso.ai/computer-vision/deepface/.
13. QlikView vs Qlik Sense vs FineReport: лучший BI-инструмент 2023 года / BI Consult: [сайт]. – 2023. – URL: https://datafinder.ru/products/qlikview-vs-qlik-sense-vs-finereport-luchshiy-bi-instrument-2023-goda (дата обращения: 01.05.2024).
