Имитационная модель прохождения программы обучения граждан в центрах занятости

Актуальность исследования обусловлена необходимостью повышения эффективности программ профессионального обучения в условиях ограниченности данных и ресурсов. Современные центры занятости сталкиваются с задачей быстрого и точного выявления рисков досрочного выбытия участников, что требует применения адаптированных аналитических инструментов. В статье предложена марковская модель образовательного процесса, позволяющая на основе минимального набора входных данных прогнозировать траектории слушателей и выявлять ключевые точки для управленческого вмешательства. Эмпирическое тестирование модели проведено на данных центра занятости населения г. Липецка (2024 г.), что позволило оценить вероятности успешного завершения программ, риски дропаутов, среднюю продолжительность вовлеченности и чувствительность к различным типам интервенций. Проведенный чувствительный анализ показал, что инвестиции в удержание активных слушателей дают больший прирост эффективности по сравнению с попытками вовлечения пассивных участников. Полученные результаты представляют практическую ценность для систем профессионального переобучения и могут быть использованы для повышения ROI программ за счет оптимизации кураторских стратегий и правил посещаемости. Внедрение подобных моделей способствует более рациональному распределению ресурсов, снижению потерь и формированию персонализированных траекторий, что особенно важно в условиях динамично меняющегося рынка труда.

1. Durbin E.P. Manpower Programs as Markov Chains. Santa Monica: Rand Corporation; 1968. 28 p.

2. Rosenbaum D.I., Jayanetti K. Worklife and Unemployment: A New Consideration. Journal of Forensic Economics. 2021;29(2):177–190. https://doi.org/10.5085/JFE-473

3. Card D., Sullivan D. Measuring the Effect of Subsidized Training Programs on Movements in and out of Employment. Econometrica. 1988;56(3):497–530. https://doi.org/10.2307/1911698

4. Ziderman A., Driver C. A Markov Chain Model of the Benefits of Participating in Government Training Schemes. The Manchester School of Economic and Social Studies. 1973;41(4):401–417. https://doi.org/10.1111/j.1467-9957.1973.tb00091.x

5. Матецкий К.С., Харин Ю.С. О риске прогнозирования однородных конечных цепей Маркова с неизвестными параметрами. Вестник БГУ. Серия 1: Физика. Математика. Информатика. 2010;(3):66–71.

6. Чейз Г. Использование универсальной системы оценки сквоша и цепей Маркова для точного прогнозирования результатов матчей по сквошу. Вестник КРСУ. 2023;23(10):136–149. (На англ.). https://doi.org/10.36979/1694-500X-2023-23-10-136-149

7. Карпова А.В. Моделирование процесса целенаправленного информационного воздействия на принятие решений в экономике при помощи цепей Маркова. Экономика и предпринимательство. 2017;(9–1):835–837.

8. Панарина Д.В. Устройство разрывных цепей Маркова в экономике. Экономика и предпринимательство. 2015;(11–2):79–82.

9. Попов А.М., Ермаков Е.И., Пахомов С.А. Вложенные цепи Маркова в экономике. В сборнике: Актуальные проблемы экономики, управления, права: Материалы межвузовской конференции, 11 декабря 2010 года, Москва, Россия. Москва: Институт экономики и предпринимательства; 2010. С. 187–189.

10. Ngai S.S.-Yu., Cheung Ch.-K., Ng Yu.-H., et al. Unraveling the School‑to‑Work Transition of Non‑Engaged Youth: A Continuous‑Time Markov Chain Analysis. Children and Youth Services Review. 2025;172. https://doi.org/10.1016/j.childyouth.2025.108253