ВПРОВАДЖЕННЯ ІННОВАЦІЙНИХ МЕХАНІЗМІВ У СИСТЕМУ ОЦІНЮВАННЯ ПЕРСОНАЛУ ПУБЛІЧНОГО УПРАВЛІННЯ
DOI:
https://doi.org/10.31470/2786-6246-2025-13-85-92Ключові слова:
публічне управління, персонал, публічні службовців, оцінювання, інноваційні механізми, мультиратерні методи, HR-аналітика та машинне навчання, компетентнісні моделі, системи гейміфікації та індивідуалізованого навчанняАнотація
У статті обґрунтовано впровадження інноваційних механізмів у систему оцінювання персоналу публічного управління. Проаналізовані наступні механізми: мультиратерні методи (360°-оцінювання) – отримання багатовимірного зворотного зв’язку від керівників, колег, підлеглих і зовнішніх стейкхолдерів для комплексної оцінки компетенцій; ключові показники ефективності та системи результатно-орієнтованого оцінювання, що дозволяють прив’язати індивідуальні результати роботи до стратегічних цілей організації; HR-аналітика та машинне навчання – застосування статистичних і прогнозних моделей для виявлення факторів успішності, оцінки кадрових ризиків і підвищення точності управлінських рішень; цифрові платформи моніторингу (електронні системи оцінювання, онлайн-панелі показників), що забезпечують оперативність збору даних і відкритість процедур; компетентнісні моделі, які дозволяють оцінювати не лише виконані завдання, а й професійні та поведінкові характеристики працівників; системи гейміфікації та індивідуалізованого навчання, інтегровані з оцінюванням, які підвищують мотивацію та стимулюють професійний розвиток.
Впровадження інноваційних механізмів у систему оцінювання персоналу публічного управління формує якісно новий підхід до управління людськими ресурсами державного сектору, орієнтований на поєднання ефективності, прозорості та розвитку кадрового потенціалу. Використання компетентнісних моделей дозволяє оцінювати не лише результати виконаних завдань, а й професійні та поведінкові характеристики, що забезпечує комплексність діагностики та можливість формування індивідуальних траєкторій розвитку. Застосування мультиратерних методів (360°-оцінювання) підвищує репрезентативність та надійність вимірювань завдяки залученню різних груп стейкхолдерів, проте вимагає ретельного проєктування процедури та контролю за упередженнями.
Інтеграція ключових показників ефективності та результатно-орієнтованих механізмів із системою управління продуктивністю державних інституцій сприяє узгодженню індивідуальних досягнень із організаційними та секторальними цілями. Використання цифрових платформ моніторингу, онлайн-панелей показників і електронних систем оцінювання підвищує оперативність збору інформації, забезпечує відкритість процедур і створює умови для управління на основі даних. Застосування HR-аналітики й алгоритмів машинного навчання відкриває можливості для прогнозування кадрових потреб та оптимізації процесів, але водночас ставить питання етичної та алгоритмічної відповідальності. Додаткову цінність формують інноваційні освітні рішення, зокрема системи гейміфікації та індивідуалізованого навчання, які інтегруються з оцінюванням персоналу й сприяють підвищенню мотивації та професійного розвитку.
Посилання
OECD: Reviews Skills for a High Performing Civil Service. www.oecd.org. Retrieved from https://www.oecd.org/content/dam/oecd/en/publications/reports/2017/09/skills-for-a-high-performing-civil-service_g1g80382/9789264280724-en.pdf?utm.com [in English].
Lockyer, J., & Sargeant, J. (2022). Multisource feedback: an overview of its use and application as a formative assessment. Can Med Educ J, 13(4), 30-35. doi: 10.36834/cmej.73775 [in English].
Kenneth, M., & Nowack, S. (2012). Evidence-based answers to 15 questions about leveraging 360-degree feedback . Consulting Psychology Journal: Practice and Research, 64, 3, 157–182. Retrieved from https://www.apa.org/pubs/journals/features/cpb-64-3-157.pdf?utm.com [in English].
OECD: Good Practices for Performance Budgeting. www.oecd.org. Retrieved from https://www.oecd.org/content/dam/oecd/en/publications/reports/2019/05/oecd-good-practices-for-performance-budgeting_0a446f98/c90b0305-en.pdf?utm.com [in English].
Indicators of Inputs, Activities, Outputs, Outcomes and Impacts in Security and Justice Programming. assets.publishing.service.gov.uk. Retrieved from https://assets.publishing.service.gov.uk/media/5a7eb9fae5274a2e87db1828/Indicators.pdf?utm.com [in English].
Linardatos, P., Papastefanopoulos, V., & Kotsiantis, S. (2020). Explainable AI: A Review of Machine Learning Interpretability Methods. Entropy (Basel), 23(1), 18. doi: 10.3390/e23010018 [in English].
Cheng, Z., Wu, Y., Li Y., Cai, L., & Ihnaini, B. A. (2025). Comprehensive Review of Explainable Artificial Intelligence (XAI) in Computer Vision. Sensors, 25. 4166. https://doi.org/10.3390/s25134166 [in English].
Chen, Z. (2023). Ethics and discrimination in artificial intelligence-enabled recruitment practices. Humanit Soc Sci Commun, 10, 567. https://doi.org/10.1057/s41599-023-02079-x [in English].
OECD: The OECD Digital Government Policy Framework. www.oecd.org. Retrieved from https://www.oecd.org/en/publications/the-oecd-digital-government-policy-framework_f64fed2a-en.html?utm.com [in English].
Reports on Computer Systems Technology. nvlpubs.nist.gov. Retrieved from https://nvlpubs.nist.gov/nistpubs/legacy/sp/nistspecialpublication800-137.pdf?utm.com [in English].
