Метод определения состава экспертной группы. Разработка и реализация цифрового паспорта эксперта

Лапидус Азарий Абрамович; Михальченко Олег Юрьевич; Свинарчук Алексей Леонидович; Чернова Светлана Георгиевна; Белкин Александр Анатольевич

doi:doi:10.29039/2658-5340-2026-2-CP0036

Главная / Журналы / Строительное производство / Номер 1 / Метод определения состава экспертной группы. Разработка и реализация цифрового паспорта эксперта

Метод определения состава экспертной группы. Разработка и реализация цифрового паспорта эксперта

Отправить рукопись

Цитировать

Цитирований:

МЕТОД ОПРЕДЕЛЕНИЯ СОСТАВА ЭКСПЕРТНОЙ ГРУППЫ. РАЗРАБОТКА И РЕАЛИЗАЦИЯ ЦИФРОВОГО ПАСПОРТА ЭКСПЕРТА

Журнал: СТРОИТЕЛЬНОЕ ПРОИЗВОДСТВО № 1 , 2026

Рубрики: ОРИГИНАЛЬНЫЕ СТАТЬИ

Лапидус Азарий Абрамович ¹

Михальченко Олег Юрьевич ²

Свинарчук Алексей Леонидович ³

Чернова Светлана Георгиевна ⁴

Белкин Александр Анатольевич ⁵

Информация об авторах и публикации

Авторы:

1. Московский государственный строительный университет (кафедра технологий и организации строительного производства, заведующий кафедрой)

Россия

2. Новосибирский государственный архитектурно-строительный университет (Сибстрин) (кафедра технологии и организации строительства, доцент)

Россия

3. Новосибирский государственный архитектурно-строительный университет (Сибстрин) (кафедра железобетонных конструкций, доцент)

Россия

4. Новосибирский государственный архитектурно-строительный университет (Сибстрин) (кафедра технологии и организации строительства, профессор)

Россия

5. Новосибирский государственный архитектурно-строительный университет (Сибстрин) (кафедра теоретической механики, заведующий кафедрой)

Россия

Тип:

Статья

DOI:

https://doi.org/10.29039/2658-5340-2026-2-CP0036

Номер статьи :

CP0036

Статус:

Опубликован

Получено:

07.12.2025

Одобрено:

30.01.2026

Опубликовано:

31.03.2026

Классификаторы:

ВАК 2.1.7 Технология и организация строительства
ВАК 2.1.14 Управление жизненным циклом объектов строительства
УДК 69.05 Строительная площадка. Оборудование, организация и технология строительства. Индустриальное строительство. Монтаж. Испытания на строительной площадке. Строительные повреждения. Срок службы сооружений. Уход за сооружениями
ГРНТИ 67.01 Общие вопросы строительства
ОКСО 08.00.00 Техника и технологии строительства
ББК 38 Строительство
ТБК 54 Строительство
BISAC ARC000000 General

Язык материала:

русский

Ключевые слова:

цифровой паспорт эксперта (ЦПЭ), инвариантная матрица компетенций, подбор экспертной группы, трёхэтапная модель оценки компетенций, метод интегрального цифрового профиля эксперта, секущие плоскости, экспертная верификация, метод анализа иерархий

Аннотация и ключевые слова

Аннотация:
Статья посвящена разработке и научному обоснованию Цифрового паспорта эксперта (ЦПЭ) — нового инструмента системной оценки, развития и верификации профессиональных компетенций специалистов, участвующих в экспертизе проектной документации и результатов инженерных изысканий. Цель исследования заключается в формировании инвариантной матрицы компетенций эксперта и создании методологической основы для последующего подбора экспертных групп на основе объективных цифровых профилей. Методология включает многоэтапный анализ 416 исходных критериев, предложенных рабочей группой из 38 специалистов. Для их агрегирования применен метод Дельфи. Итогом стала оптимизация исходного набора до 40 критериев, распределённых по трем этапам: общие критерии, hard skills и soft skills. Полученная инвариантная матрица компетенций обеспечивает 100% покрытие исходного смыслового поля при снижении структурной энтропии на 77%, что подтверждает высокую степень систематизации. На ее основе формируется Метод интегрального цифрового профиля эксперта (МИЦПЭ), позволяющий на основе метода анализа иерархий (МАИ), как наиболее подходящего, подбирать экспертные команды с учетом необходимых характеристик объектов экспертизы.

Ключевые слова:
цифровой паспорт эксперта (ЦПЭ), инвариантная матрица компетенций, подбор экспертной группы, трёхэтапная модель оценки компетенций, метод интегрального цифрового профиля эксперта, секущие плоскости, экспертная верификация, метод анализа иерархий

Текст

Введение

Современная экспертиза проектной документации и результатов инженерных изысканий предъявляет высокие требования к обоснованности решений и уровням подтверждённых профессиональных компетенций. В этих условиях возрастает потребность в цифровых инструментах, позволяющих фиксировать квалификацию экспертов в структурированном и измеримом виде.

Цифровой паспорт эксперта (ЦПЭ) рассматривается как модель, объединяющая ключевые характеристики профессиональной деятельности в единую систему, основанную на формализованных критериях с возможностью их количественного анализа.

Цель исследования — разработать методологию формирования цифрового профиля эксперта на базе инвариантной матрицы компетенций и создать механизм подбора экспертных команд. Гипотеза заключается в том, что использование многокритериального подхода обеспечивает построение компактной и содержательно полной модели, пригодной для автоматизированной верификации компетенций и определения состава экспертных команд. Анализ отечественных и зарубежных источников подтверждает ограниченную представленность подобных моделей, в том числе в области строительной экспертизы, что подчёркивает актуальность проведённой работы.

Материалы и методы

Исходными материалами исследования являются 416 критериев, предложенных членами рабочей группы по разработке ЦПЭ. Для их анализа использовались методы систематизации, тематического кодирования, экспертной ревизии, индукции, дедукции, статистического анализа и синтеза [1, 2, 3].

Основные методы исследования:
•   тематическое группирование исходных 416 критериев по 11 профессиональным доменам;
•   метод Дельфи (три цикла: идентификация избыточности, концептуальная унификация, консенсусная фильтрация);
•   моделирование — построение инвариантной матрицы компетенций;
•   определение энтропии Шеннона — оценка степени структурной компрессии;
•   метод анализа иерархий (МАИ) — определение состава экспертной группы;
•   методы оптимизации — построение алгоритмов подбора экспертных команд.

Исследование не применяло физическое оборудование, но опиралось на цифровые инструменты обработки данных и экспертную информационную базу.

Результаты

Разработка ЦПЭ опирается на принципы системного подхода и научно обоснованной оценки компетенций. Цель методики — сформировать комплексную модель профессионального профиля эксперта, отражающую знания, опыт и способность эффективно применять их в практической деятельности.

Для этого используется трёхэтапная структура критериев: Этап I — общие критерии, Этап II — hard skills, Этап III — soft skills, что позволяет одновременно учитывать профессиональные и личностные характеристики. Общие критерии описывают базовые параметры квалификации и опыта эксперта. Hard skills представляют собой измеряемые, документально подтверждаемые профессиональные компетенции. Soft skills характеризуют поведенческие и коммуникативные качества, определяющие эффективность взаимодействия, принятия решений и адаптации в профессиональной среде [4]. Трёхэтапная модель позволяет одновременно оценивать интеллектуальный, личностный и поведенческий потенциал эксперта, формируя основу для цифрового паспорта как инструмента анализа и развития компетенций [5].

Отбор критериев осуществлялся рабочей группой из 38 представителей 22 организаций – членов Ассоциации экспертиз России и приглашённых специалистов. В основе лежали принципы научной валидации экспертных суждений и доказательной верификации, реализованные через метод Дельфи (ручной экспертной ревизии) [6], при котором исходные данные проходят многоуровневый коллективный анализ и согласование аргументированных позиций. Базой послужили 416 критериев, полученных из 25 опросных листов членов рабочей группы, каждый из которых содержал обоснования, аргументы и комментарии по необходимости включения конкретного критерия. На рисунке 1 приведен фрагмент сводной таблицы с 2 из 416 предложенных критериев.

Рис. 1. Фрагмент сводной таблицы с 2 критериями из 416

Таким образом, исходный перечень представлял собой экспертно-семантическое поле (совокупность терминов и смыслов, охватывающих профессиональные, организационные и поведенческие характеристики), охватывающее весь спектр профессиональных, организационных и поведенческих характеристик экспертов. Все критерии были распределены по 11 тематическим таблицам, отражающим ключевые профессиональные домены – фактически на данном этапе было проведено тематическое кодирование (см. таблицу 1).

Таблица 1

Архитектура матрицы компетенций

Этап	Содержание этапа	Таблицы и специализация	Количество исходных критериев
I. Общие критерии	Универсальные профессиональные параметры, отражающие опыт, образование, квалификацию, устойчивость к рискам, вовлечённость	Таблица 1 — «Общие критерии»	27
II. Hard skills	Профессиональные знания, нормативная компетентность, владение технологиями и инструментами	Таблица 2 — Универсальные Hard skills (37) Таблица 3 — Hard skills (АР) — 38 Таблица 4 — Hard skills (КР) — 31 Таблица 5 — Hard skills (ЭО) — 38 Таблица 6 — Hard skills (ВК) — 37 Таблица 7 — Hard skills (ПБ) — 35 Таблица 8 — Hard skills (ООС) — 36 Таблица 9 — Hard skills (ИГИ) — 48 Таблица 10 — Hard skills (СД) — 50	350
III. Soft skills	Коммуникативные, когнитивные и организационные компетенции	Таблица 11 — Универсальные Soft skills	39

Данный этап обеспечил семантическую структуризацию поля компетенций и позволил выявить сферы смыслового пересечения и дублирования.

Затем был применён метод ручной экспертной ревизии, включавший три цикла коллективного анализа: устранение дублей, концептуальная унификация, консенсусная фильтрация. На этом этапе каждый критерий проходил три проверки:

Наличие документируемого подтверждения (объективизируемость);
Практическая значимость для оценки деятельности эксперта;
Отсутствие терминологического или смыслового дублирования.

В результате ревизии 416 исходных критериев были агрегированы и оптимизированы до 40 итоговых, чётко вписанных в трёхэтапную модель оценки компетенций (см. таблицу 2).

Таблица 2

Распределение итоговых критериев

Этап	Исходных критериев	Итоговых критериев	Среднее число исходных на 1 итоговый	Доля исходных от общего числа, %
I. Общие критерии	27	14	1.93	6.49%
II. Hard skills (всего 9 направлений)	350	10	35.0	84.13%
III. Soft skills	39	16	2.44	9.38%
Итого	416	40	10.4 (в среднем)	100%

Наибольшая степень агрегирования наблюдается во втором этапе — Hard skills, где каждый итоговый критерий обобщает в среднем 35 исходных позиций. Это закономерно, поскольку этап II охватывал восемь специализированных направлений экспертизы. В общих и soft-компетенциях укрупнение было минимальным, чтобы сохранить нюансы личностных и управленческих характеристик.

Следует отметить, что метод Дельфи соответствует современным принципам экспертологического анализа и построения компетентностных моделей, однако имеет принципиальную особенность — каждое решение принималось на основе реального коллективного суждения, а не математического усреднения [5]. Таким образом, сохранена семантическая целостность и полнота смыслов, исключена избыточность, но не утрачена многогранность исходной модели.

Оптимизированный перечень из 40 критериев стал инвариантной матрицей компетенций эксперта, пригодной для количественной и качественной оценки, самооценивания и цифрового ранжирования, при этом полностью отражающей все ключевые аспекты исходных 416 предложений, сохранив все смысловые ядра. Именно такой подход призван обеспечить высокую достоверность, прозрачность и научную воспроизводимость модели компетенций Цифрового паспорта эксперта.

Для количественной оценки изменения структурной сложности критериального набора был использован показатель энтропии Шеннона (1):

$H = -\sum^{k}_{i}{p_i}log_2{p_i}$ (1)

где $p_i$ — относительная доля критериев в i-й категории (таблице или этапе), k — число категорий.

Энтропия Шеннона — мера неопределённости, применяемая в теории информации [7]. Этот показатель позволил объективно сравнить исходную 11-табличную структуру и итоговую трёхэтапную модель. Снижение энтропии отражает уменьшение вариативности и «концентрацию» элементов в укрупнённых блоках, что естественно при переходе к более общей системной модели (см. таблицы 3 и 4).

Таблица 3

Определение исходной энтропии

№	count	$p_i = \frac{cunt_i}{416}$	$-{p_i}log_2{p_i}$
1	27	0.06490385	0.25608151
2	37	0.08894231	0.31049638
3	38	0.09134615	0.31537371
4	31	0.07451923	0.27916718
5	38	0.09134615	0.31537371
6	37	0.08894231	0.31049638
7	35	0.08413462	0.30045790
8	36	0.08653846	0.30552531
9	48	0.11538462	0.35947814
10	50	0.12019231	0.36737783
11	39	0.09375000	0.32015977
$H_{before} = -\sum^{11}_{i=1} - {p_i}log_2{p_i} \approx$			3.44

Таблица 4

Определение итоговой энтропии 3-х этапов: counts = [27, 350, 39]

№	count	$p_i =\frac{count_i}{416}$	$- {p_i}log_2{p_i}$
1	27	0.06490385	0.25608151
2	350	0.84134615	0.20968753
3	39	0.09375000	0.32015977
$H_{after} = -\sum^{11}_{i=1} - {p_i}log_2{p_i} \approx$

Сжимающий коэффициент (2):

$LC = 1 - \frac{H_{after}}{H_{before}} = 1 - \frac{0,79}{3,44}\approx 0,77$ (2)

Энтропийный анализ подтверждает, что уменьшение структурного разнообразия связано не с потерей смыслов, а с повышением степени систематизации. Сжимающий коэффициент LC фиксирует снижение вариативности распределения, а сохранность содержания обеспечивается ручным агрегированием по смысловым кластерам. Именно поэтому вклад доминирующей группы (p=0.84) даёт сильное падение H, но не приводит к утрате информации. Общая энтропия распределения сократилась на ≈77%, что указывает на высокую степень структурной компрессии при полном сохранении уникальных смысловых полей [8].

Каждая из 416 исходных позиций вошла в состав одного из 40 критериев: дубли и терминологические пересечения были устранены, а семантическая целостность сохранена. Применение метода Дельфи обеспечило корректное агрегирование данных и позволило сформировать системную, компактную и полностью покрывающую исходное поле модель компетенций.

Для упрощения работы с данными разработан программный комплекс для ЦПЭ с использованием современных технологий веб- и мобильной разработки и реализован в виде распределённой системы, включающей веб-портал.

Обсуждение

Полученные результаты подтверждают, что полученная модель компетенций эквивалентна исходному массиву данных: инвариантная матрица из 40 критериев обеспечивает полное смысловое покрытие при высокой структурной компрессии. Энтропийный анализ показал, что уменьшение вариативности не привело к потере информации и повысило системность модели. Применение методов анализа иерархий и оптимизации к цифровым профилям делает возможным автоматизированный подбор экспертных команд в соответствии с уровнем сложности объекта. Метод интегрального цифрового профиля эксперта (МИЦПЭ) демонстрирует высокую прикладную ценность и опирается на принципы МАИ, позволяющие сопоставлять цифровые профили с многокритериальными условиями применимости [9]. Ограничения связаны с необходимостью актуализации критериев, зависимостью части данных от самооценки и тем, что модель апробирована пока лишь на восьми из 43 направлениях аттестации. Требуется дальнейшее расширение областей применения и статистическая проверка устойчивости результатов на более широких выборках.

Заключение

Создание ЦПЭ открывает возможность формировать из базы участников оптимальные экспертные команды на основе заранее определённых цифровых профилей компетенций. Эти профили строятся методом интегрального цифрового профиля эксперта (МИЦПЭ), который формирует индивидуальную модель компетенций на базе инвариантной матрицы из 40 критериев. Виды, уровни, категории и классы рассматриваемых объектов используются на втором этапе — как секущие плоскости, позволяющие сопоставить требования конкретного объекта с готовыми профилями экспертов, а затем применить метод анализа иерархий для выбора состава команды. Такой подход обеспечит высокий уровень точности и объективности экспертных заключений.

Список литературы

1. Saaty T. L., Vargas L. G. Models, Methods, Concepts & Applications of the Analytic Hierarchy Process. — Springer, 2012. — 345 p. DOI: https://doi.org/10.1007/978-1-4614-3597-6

2. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок: 2-е изд., перераб. и доп. – М.: Статистика, 1980. – 263 с.

3. Марычева П.Г. Методика оценки компетентности экспертов // Вестник СГТУ. Серия технические науки. - 2018. - № 4. – С. 29-40. EDN: https://elibrary.ru/TIOYDN

4. Гуцыкова С.В. Метод экспертных оценок. Теория и практика. М.: Институт психологии Российской академии наук, 2011. 144 c. EDN: https://elibrary.ru/RAXSYR

5. Сидельников Ю.В. Системный анализ экспертного прогнозирования. М.: Московский авиационный институт, 2007. 453 c.

6. Кукушкина С.Н., Метод Дельфи в форсайт-проектах // Форсайт. 2007. № 1 (1). С.68–72. DOI: https://doi.org/10.17323/1995-459X.2007.1.68.73; EDN: https://elibrary.ru/NQTVUZ

7. C. E. Shannon. A Mathematical Theory of Communication//The Bell System Technical Journal, Vol. 27, pp. 379–423, 623–656, July, October, 1948. DOI: https://doi.org/10.1002/j.1538-7305.1948.tb00917.x

8. Cover T. M., Thomas J. A. Elements of Information Theory. Wiley, 2006. DOI: https://doi.org/10.1002/047174882X EDN: https://elibrary.ru/SSWPAV

9. Лапидус А.А., Михальченко О.Ю., Ткач А.А. Использование метода анализа иерархий для ранжирования рисков при строительстве объектов капитального строительства // Труды НГАСУ = Proceedings of the Novosibirsk State University of Architecture and Civil Engineering. - 2025. - Т. 28. - №1 (95). - С. 66–84.

Отправить рукопись JATS XML