Перспективы применения искусственного интеллекта в профориентационной деятельности

Колесова А.С.1, Сараева О.Н.1
1 Байкальский государственный университет, Россия, Иркутск

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 17, Номер 7 (Июль 2023)

Цитировать:
Колесова А.С., Сараева О.Н. Перспективы применения искусственного интеллекта в профориентационной деятельности // Креативная экономика. – 2023. – Том 17. – № 7. – С. 2475-2490. – doi: 10.18334/ce.17.7.118351.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=54310530
Цитирований: 2 по состоянию на 07.12.2023

Аннотация:
В данной научной статье рассматриваются перспективы применения искусственного интеллекта (ИИ) в области профориентации. С развитием ИИ и его возможностей в обработке и анализе больших объемов данных, профориен-тационные системы получают новые инструменты для предоставления точных и индивидуализированных рекомендаций. В статье определены требования к ин-формации для использования ИИ в профориентации, выделены преимущества такие, как расширение доступности, улучшение качества информации, адаптация к изменяющимся рыночным требованиям. Предлагаемые перспективы позволяют лучше понять потенциал ИИ в профориентации и управлять в дальнейшем разви-тием этой области

Ключевые слова: абитуриент; анализ данных, искусственный интеллект; карьерная траектория, машинное обучение, многокритериальный анализ; нейрон; нейросеть; набор данных, обучение нейросети, персонализированные рекомендации, профориентация; требования к DataSet

JEL-классификация: I23, O31, O33



Введение

Актуальность. В современном мире возрастает значимость профессиональной ориентации из-за высокой конкуренции на рынке труда и быстро меняющихся требований к профессиональным навыкам. Многие выпускники школ и вузов не имеют ясного понимания сферы деятельности, которая является наиболее интересной и перспективной для них. Вместе с тем, правильно выбранная профессиональная деятельность является залогом успешной самореализации отдельного человека и обеспечения достойного уровня качества жизни как важного элемента экономического благосостояния страны в целом. В связи с этим профориентационная деятельность становится все более востребованной и поддерживается государством и бизнесом, а научные исследования в этой сфере являются актуальными. Традиционные подходы к профориентации предполагают использование таких методов, как тесты, опросники, консультации специалистов. Вместе с тем, с развитием технологий, появилось множество инновационных или новых инструментов и возможностей для профориентации.

Современные технологии, такие как искусственный интеллект, машинное обучение, анализ данных и т.д., могут эффективно использоваться для определения склонностей, талантов и интересов человека. Такие технологии позволяют проводить профориентацию быстрее и более точно, снижая вероятность ошибок. Кроме того, использование современных технологий в профориентации может сделать этот процесс более доступным и удобным для молодежи.

Литературный обзор. Многие исследователи в России и за рубежом занимались проблемой профессионального самоопределения и разработкой систем поддержки принятия решений в различных областях. Последние научные публикации, посвященные инновационным подходам в профориентационной деятельности свидетельствуют о значимости использования современных технологий для достижения высокой эффективности в решении поставленных задач.

Изучением подходов к профориентации в условиях цифровой трансформации и разработкой актуальных методов профориентации с учетом трендов в смежных областях занимаются такие ученые, как И.С. Сергеев, Д.А. Махотин, В.Н. Пронькин, Н.Ф. Родичев [1, c. 97–115] и другие.

Петрова М. П. [2, c. 35–38] анализирует востребованность профессий в современном мире и профессиональные ожидания школьников. Особенностям профориентации подростков и взрослых посвящены научные труды В.С. Волегова [3, c. 53–61], М. П. Петровой [4, c. 53–61], С. К. Малахаевой [5, с. 8] Н. Г. Солодовой, А. Н. Васильевой [6, с. 14] и других авторов.

В исследовании, проведенном Пряжниковым Н.С., Гусевым А.Н. и Тюриным К.Г. [7, c. 480–483], описаны результаты разработки новой методики профориентации для старшеклассников на основе современной схемы анализа профессий Н.С. Пряжникова и "Формулы профессии", созданной Е.А. Климовым.

Коллеги Зубкова Т.М. и Тагирова Л.Ф. [8, c. 365–373] создали информационную систему, которая работает автоматически и на основе заполненной абитуриентом анкеты даёт рекомендации по выбору специальности для обучения.

Исследование возможностей применения искусственного интеллекта (ИИ) и других инноваций в профориентационной сфере, нашли отражение в работах Л.Д. Забокрицкой, Т.А. Орешкиной, И.Н. Обабкова, Е.Г. Чепурова [9, c. 217–225], А.П. Сергушичевой, Е.Н. Давыдовой [10, c. 33–42], И.П. Болодуриной, Н.В. Ханжиной [11, c. 15–22] и другие.

Вместе с тем, целесообразность применения технологий искусственного интеллекта в профориентационной деятельности неоднозначна с позиции ученых и практиков, остается малоизученной, что подтверждает актуальность выбранной темы исследования. Проблема многокритериальности выбора при принятии решения успешно решается нейросетью, но особого внимания заслуживает изучение влияния специфики профориентации при применении современных технологий, а также выявление тех задач, которые в этой области могут быть решены с помощью ИИ. Отсутствуют исследования на основе какой информации нейросеть способна дать персонализированную рекомендацию для выбора направления своей профессиональной деятельности.

Цель настоящей статьи - определить какие именно задачи и при каких условиях могут быть решены с помощью технологий ИИ в профориентации, что поможет в дальнейшем сфокусироваться на решении этих задач.

Научная новизна исследования заключается в обосновании особенностей и оценке эффекта от использования технологий ИИ в процессе профессионального определения человека., а также в подходе к сбору информации для нейросети.

Авторская гипотеза состоит в том, что нейросеть может дать индивидуально-ориентированную рекомендацию с учетом множества критериев, только при условии соблюдения требований к информации, которая должна учитывать особенности функционирования технологий ИИ и традиционной профоориентации.

Для достижения поставленной цели в настоящем исследовании использованы анализ, синтез, формализация, аналогия, абстрагирование в качестве общенаучных методов.

Изложение основного материала исследования. Отметим, что под профориентационной деятельностью мы понимаем процесс, направленный на помощь людям в определении своих интересов, навыков, способностей и задач, с целью принятия информированных решений относительно выбора профессии или карьерного пути.

Процессы профориентации (включая обучение, диагностику и консультирование) могут быть автоматизированы, что позволяет получать доступ к информации о современных профессиях и определять индивидуальные предпочтения, что может помочь в принятии решения о выборе профессии [12]. На основе формирования перечня понятий и расчета коэффициентов предрасположенности к конкретным видам профессиональной деятельности можно создавать программные системы для профориентации, учитывающие личные качества и склонности [13].

Эффективность трехуровневых оценок профориентации, включающих «хочу», «смогу сейчас» и «смог бы в будущем», заключается в том, что они предоставляют более точное представление о том, какие профессиональные навыки должен выполнить абитуриент, чтобы достичь своих карьерных целей. Это отличается от традиционного подхода, где выпускники школ оценивают свои текущие предпочтения в процессе выбора профессии. Вместо этого они могут использовать парные сравнения основных трудовых и учебных действий, чтобы определить, какие характеристики будущей работы им наиболее подходят в настоящее время и в будущем [7].

Принятие решения о профессиональной ориентации базируется на множестве критериев, таких как информированность о профессии, наличие спроса на специальность, уровень заработной платы, личные качества, склонности и предпочтения, а также доступность образовательных учреждений для получения соответствующего образования.

Аналогичные задачи решаются в разных сферах. Например, выбор поставщика автономного поезда в производственно-распределительной компании также предполагает наличие множества критериев, которым он должен удовлетворять. Для решения этой задачи успешно применяются [8]:

1. модель, используемая в многокритериальном анализе для принятия решений (WSA);

2. скоринг - процесс присвоения баллов или оценок объектам по критериям и метрикам;

3. метод многокритериальной оптимизации, который используется для выбора наилучшей альтернативы из заданного набора альтернатив. В этом методе каждая альтернатива оценивается на основе заданных критериев с учетом их весов, и наилучшая альтернатива выбирается на основе релевантности в соответствии с этими критериями (TOPSIS).

Для каждого метода отбора поставщиков оценка проводится с учетом их пригодности для исследуемой компании на основе заданных критериев и их весов, что позволяет определить наиболее релевантных поставщиков. Затем, результаты каждого метода сравниваются друг с другом и выбирается компромиссный поставщик для выбранной компании.

Использование нескольких методов одновременно - процесс достаточно трудоемкий. Учет многокритериальности выбора можно успешно решить с помощью использования нейросетей. По аналогии в процессе профориентации необходимо анализировать большой объем данных, сопоставлять множество критериев и давать рекомендации на основе статистических моделей.

Существуют профориентационные нейросети, которые могут использоваться для решения многокритериальных задач. Например, некоторые из них используются для формирования рекомендаций для выбора подходящей профессии на основе анализа личных характеристик и интересов пользователя. Другие же нейросети могут использоваться для определения перспективности выбранной профессии, а также для помощи в поиске работы.

Задачи управления профессиональным самоопределением выпускников высшего учебного заведения является важным вопросом и успешно решаются нейросетью с помощью дерева решений [11]. С использованием данных, полученных из анкет, включающих как количественную, так и качественную информацию, разработаны модели трудоустройства выпускников как для всего университета, так и для каждого отдельного факультета. Для построения этих моделей были применены методы решающих деревьев, которые позволяют анализировать и классифицировать данные на основе различных критериев и правил, выявляя закономерности и зависимости. Зубкова Т.М., и Тагирова Л.Ф. предлагают использовать данные о лучших студентах и выпускниках Оренбургского государственного университета и их специальностей для разработки системы продукционных правил. Это позволяет сформировать рекомендации по управлению траекторией профессионального самоопределения абитуриентов в рамках конкретного ВУЗа, что поможет прогнозировать уровень успеваемости по выбранной программе профессионального обучения [8].

Исследования указывают на то, что около 90% студентов используют интернет для выбора своей будущей профессии. Более 70% из них в целом положительно относятся к идее использования искусственного интеллекта для помощи в профориентации [14]. Ученые также отмечают, что правильная организация учебного процесса, цифровизация приемной кампании и готовность общаться с поступающими являются важными факторами для формирования репутации учебного заведения [15]. Именно поэтому создание цифровых ресурсов для профориентации становится не просто желательным, а необходимым для современных студентов.

Анализ опыта использования нейросетей в профориентации показал [11], что на текущий момент разработанные продукты решают поставленные задачи профессионального определения абитуриентов в рамках одного вуза [8] Применение алгоритма машинного обучения для профориентации абитуриентов высшего учебного заведения), что не позволяет в полном объеме использовать возможности профориентационной нейросети [16].

Стремительное развитие технологий ИИ [17] предполагает их широкое распространение и эффективное использование в различных отраслях и сферах жизнедеятельности человека, включая профориентационную деятельность в масштабе страны и мира.

Искусственный интеллект - область компьютерной науки, которая занимается разработкой и созданием компьютерных систем и программ [18], способных выполнять задачи, требующие интеллектуальных способностей, которые обычно связываются с человеческим разумом [19,20,21]. Искусственный интеллект является эффективным средством для массового использования и позволяет решать следующие задачи в профориентации:

1. Предоставление индивидуально-ориентированных рекомендаций по выбору профессии на основе анализа больших объемов данных, связанных с профессиональными направлениями и требованиями к квалификации.

2. Разработка профессиональных профилей и предоставление персонализированных рекомендаций: нейронные сети могут учитывать не только уровень знаний и навыков, но и личностные характеристики и предпочтения.

3. Оценка поведения: ИИ может использоваться для анализа поведения человека и его интересов. Например, ИИ может изучить, какие курсы обучения посещал студент, какие книги читал, какие видео смотрел. Это помогает составить профессиональный профиль и рекомендации.

4. Поддержка планирования карьеры и развития личной профессиональной миссии: ИИ может сопоставлять личные амбиции и предпочтения со списком наиболее подходящих профессий.

Важным условием для осуществления профориентации людей с применением ИИ является получение максимально полной, быстрой и объективной информации о самом абитуриенте, его интересах и ожиданиях [9].

Забокрицкая Л.Д., Орешкина Т.А., Обабков И.Н., Чепуров Е.Г. определяют социальные сети и мессенджеры как основные источники информации для профориентации [9]. Авторы пришли к выводу, что использование социальных сетей и мессенджеров, таких как «ВКонтакте», Telegram и др. может помочь школьникам, студентам сосредоточиться на своих профессиональных целях, находить новые карьерные возможности и делиться опытом с другими [22]. Авторы также выявили, что сервисы социальных сетей и мессенджеров активно используются в процессе поиска работы и подготовки к собеседованию. Например, одна из исследованных социальных сетей, LinkedIn, проявляется как новый и перспективный инструмент в профориентации, предоставляя множество возможностей для сотрудничества с коллегами и деловыми партнерами, поиска работы, просмотра вакансий, анализа требований работодателей [23,24].

В результате проведенного нами анализа установлено, что социальные сети не являются достоверным источником информации по следующим причинам.

1. Низкое качество данных. Большинство пользователей социальных сетей не являются экспертами в какой-либо области и не обеспечивают надежный и правильный ввод данных, что может привести к ошибкам и неточностям в нейросети.

2. Невозможность подтверждения достоверности данных. Большинство пользователей социальных сетей работает под псевдонимами и не предоставляет реальных и проверенных данных о себе, что также может привести к неточной информации.

3. Неполнота. Социальные сети часто не содержат полной информации об объекте или процессе, что может привести к неполноте данных и, как следствие, к неточным результатам нейросети.

4. Устаревшие данные. Данные, собранные из социальных сетей, могут быть устаревшими, что также может привести к неточным результатам нейросети.

6. Сложность стандартизации информации в профилях. Разный уровень заполненности аккаунтов не позволяет собрать все необходимые данные и структурировать их.

7. Закрытость API (Application Programming Interface — это программный интерфейс, позволяющий связывать между собой различные приложения): Доступ к данным социальных сетей может быть ограничен, что затрудняет сбор и анализ.

Набор данных, которые используются в различных видах машинного обучения (DataSet), должен исключать противоречивость, пропущенные значения, дублирование, аномальные значения, ошибки ввода информации. Эта задача решаема, если правильно организовать процесс сбора данных, определить содержание и технические параметры собираемой информации, необходимые для ее корректной интерпретации нейросетью.

Работа профориентационной нейросети предполагает наличие 2 видов данных (рис 1):

1. Dataset, построенный на ответах профориентированных людей, на основе которого нейросеть выдает рекомендацию (выходные данные);

2. Входные данные - ответы абитуриентов на профориентационные тесты.

Рис.1 Принцип работы профориентационной нейросети (составлено авторами)

DataSet и входные данные являются необходимыми условиями для работы профориентационной нейросети. Для получения эффективного результата необходимая база данных (DataSet) для профориентационной нейросети должна соответствовать требованиям, представленным в таблице 1.

Таблица 1

Требования к информации для DataSet профориентационной нейросети

Критерии
Описание критерия
Обучающая выборка
Это набор данных, который используется для обучения нейросети. Обычно выборка состоит из пар входных данных (например, изображения, текстовые фрагменты или числовые значения) и соответствующих этим данным целевых значений (например, метки классов или числовые значения). Обучающая выборка должна быть достаточно разнообразной и представительной для того, чтобы нейронная сеть могла обобщить полученные знания на новые данные.
Достаточный объем данных
Объем данных для обучения зависит от сложности задачи и архитектуры нейросети. В общем случае, чем больше данных используется для обучения, тем лучше качество обучения нейросети. Необходимо учитывать баланс между объемом данных и вычислительными ресурсами, так как обработка больших объемов данных может потребовать большой вычислительной мощности и времени.
Разделение данных на обучающую и проверочную выборки
Часто данные разделяют на обучающую выборку и проверочную выборку. Обучающая выборка используется для обучения нейросети, а проверочная выборка - для оценки ее производительности и настройки гиперпараметров модели.
Данные с согласованными метками:
Если есть данные с метками (например, классы или категории), то важно, чтобы эти метки были согласованы и достоверны.
*составлено авторами на основе научных трудов Раковой Ю.А. [16, c. 256–258], Похоруковой М.Ю. [12, c. 59–62].

Для обучения профориентационной нейросети определены требования к содержанию собираемой информации, которое должно включать:

1. данные о людях (опрашиваемых), которые уже определили свой профессиональный профиль и работают в различных сферах деятельности;

2. данные о биометке, определяющей физиологические и психологические особенности каждого опрашиваемого;

3. возрастные группы и сферы деятельности опрашиваемого. Важно равномерное распределение объема данных между возрастными группами и сферами деятельности.

К данным на входе предъявляются иные требования. Они должны быть идентичны с DataSet по структуре информации, количеству, типу вопросов и ответов на них (1 - положительный ответ; 0 - отрицательный ответ).

Так, тип ответов (положительные или отрицательные) необходимы для обучения нейросети и расчетов результатов по шкалам (тип мышления, тип темперамента, профессиональные склонности).

Этот объем информации позволяет качественно обучить нейросеть и дать максимально объективную рекомендацию на выходе. Информация для DataSet собирается непрерывно и без ограничения по времени. Таким образом, нейросеть располагает актуальной информацией в каждый момент времени.

Таким образом, использование профориентационной нейросети обеспечивает пользователям следующие преимущества:

1. Обновление и адаптация. Благодаря ИИ, профориентационные системы могут обновляться и адаптироваться к изменяющимся требованиям рынка труда. Новые данные и тенденции могут быть быстро включены в алгоритмы, чтобы обеспечить актуальность и релевантность рекомендаций.

2. Удобство и доступность. Тест можно пройти в удобное время и в удобном месте, используя свой компьютер или мобильное устройство. Подходит людям с ограниченными физическими возможностями и/или проживающими в удаленной местности от профориентационных центров. Тестирование осуществляется на условиях анонимности, что позволяет чувствовать себя свободно от влияния окружающих факторов.

3. Результаты и рекомендации. Комбинация основополагающих профориентационных тестов позволяет получить обоснованный результат, включающий представление о сильных и слабых сторонах профориентируемого, предпочтениях и возможностях для выбора подходящей карьеры. Тестирование нейросетью исключает ошибки, связанные с человеческим фактором, такие как неправильная интерпретация ответов или неправильный подсчет баллов. С ростом количества данных, собираемых о людях и их профессиональных навыках, ИИ может обрабатывать и анализировать большие объемы информации для выявления скрытых связей и паттернов. Это помогает в создании более точных и персонализированных рекомендаций по карьерному развитию.

4. Экономия времени и ресурсов: В отличие от традиционных офлайн-тестов, онлайн-тесты позволяют сэкономить время и ресурсы, так как нет необходимости ехать на место проведения теста или работать с бумажными материалами. Нейросеть быстро предоставляет результат, поскольку оценка и автоматическая обработка ответов происходят мгновенно.

Выводы. Исследуемый подход к профориентации предполагает процесс подбора профессии и карьерного планирования, позволяет снизить риск ошибок, повысить качество конечного результата, учитывает потребности людей, нуждающихся в профориентации. Профориентационная нейросеть позволяет выполнить задачи по предоставлению индивидуально-ориентированных рекомендаций с учетом требований к квалификации, знаний и навыков, личностных характеристик, интересов и предпочтений; а также спланировать карьерную траекторию и способствовать развитию личной профессиональной миссии. Авторами разработаны требования к структуре, содержанию и форме представления информации, необходимой для использования профоориентационной нейросетью для создания персональной рекомендации по выбору профессионального направления человека. Применение искусственного интеллекта в профориентации открывает новые перспективы и возможности для эффективного определения карьерной траектории и принятия важных решений. Результаты проведенного исследования доказали целесообразность использования технологий ИИ (нейросетей) для профессиональной ориентации людей.


Источники:

1. Сергеев И.С., Махотин Д.А., Пронькин В.Н., Родичев Н.Ф. Прогноз разви-тия системы профессиональной ориентации в условиях цифровой трансформации // Педагогика. – 2021. – № 7. 5- 19.
2. Петрова М.П. Профессиональное самоопределение старшеклассников // Экономика и социум. – 2018. – № 4(47). – p. 509-518 .
3. Волегов В. С. Подходы к определению пространства профессионального самоопределения. - Вестник Пермского национального ис-следовательского политехнического университета.: Социально-экономические науки, 2016. – 53-61 c.
4. Кормакова В. Н. Профессионально-личностное самоопределение старше-классников: содержание, технология, управление. / учебное пособие. - Б.: Деп. образования, культуры и молодежной политики Белгородской обл., 2011. – 301 c.
5. Малахаева С. К., Уварова М. Ю., Кедярова Е. А. Исследование ценностных ориентаций российских студентов, обучающихся в Китае // Baikal Research Journal. – 2017. – № 4. – doi: 10.17150/2411-6262.2017.8(4).8.
6. Солодова Н. Г., Васильева А.Н. Управление человеческими ресурсами: проблемы и перспективы // Baikal Research Journal. – 2015. – № 4. – c. 13. – doi: 10.17150/2411-6262.2015.6(4).14.
7. Пряжников Н.С., Гусев А.Н., Тюрин К.Г. Психология развития человека как субъекта труда // Развитие творческого наследия: Материалы Международной научно-практической конференции. Москва, 2016. – c. 480-483.
8. Зубкова Т. М., Тагирова Л.Ф. Применение модели нейронных сетей для поддержки принятия решения абитуриента по выбору специальности // Программные продукты и системы. – 2021. – № 2. – c. 365-373.
9. Забокрицкая Л.Д., Орешкина Т.А., Обабков И.Н., Чепуров Е.Г. Применение алгоритма машинного обучения для профориентации абитуриентов высшего учебного заведения // Вестник Томского государственного университета. – 2022. – № 485. – c. 217–225. – doi: 10.17223/15617793/485/24.
10. Сергушичева А.П., Давыдова Е.Н. Построение компьютерной системы профориентации выпускников средних образовательных заведений на базе гене-тического алгоритма // Открытое образование. – 2020. – № 3. – c. 33-43.
11. Болодурина И.П., Ханжина Н.В. Управление профессиональным самоопре-делением при трудоустройстве выпускника вуза на основе решающих деревьев // Интеллект. Инновации. Инвестиции. – 2015. – № 1. – c. 15–22.
12. Похорукова М.Ю. Информационная поддержка принятия решений в про-цессе выбора профессии // Инновации и инвестиции. – 2017. – № 11. – c. 59–62.
13. Путинцева Н.П., Зайцева Т.В., Пусная О.П., Игрунова С.В., Нестерова Е.В. О разработке автоматизированной системы выбор направ-ления будущей профессиональной деятельности // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. – 2016. – № 16(237). – c. 138-146.
14. Зинина С.М. Цифровые технологии как средство профессионального выбо-ра: будущее и настоящее // Актуальные проблемы педагогики и психологии. – 2020. – № 3. – c. 38–49.
15. Ануфриева Е.В., Ефимов Е.Г., Овчар Н.А., Небыков И.А. Модели поведения абитуриентов в условиях пандемии (на материале фокусгрупп) // Вестник педагогических наук. – 2021. – № 5. – c. 40–45.
16. Ракова Ю.А. 2019–2033: искусственный интеллект и автоматизация // Менеджмент сегодня. – 2019. – № 4. – c. 256–261.
17. Сараева О Н. Особенности применения методологии форсайта в стратеги-ческом планировании предприятия // Проблемы социально-экономического развития сибири: Братск: Изд-во Братского государственного университета. Братск, 2019. – c. 74-79.
18. Степаненко А. С., Степаненко Д. А. Перспективы развития искусственного интеллекта в научном освоении мира // Baikal Research Journal. – 2019. – № 4. – c. 1.
19. Hebb; D. O. (Donald Olding) The organization of behavior; a neuropsychological theory. – 1949. – 319с
20. Norbert Wiener. Cybernetics or Control and Communication in the Animal and the Machine. (Hermann & Cie Editeurs; Paris; The Technology Press; Cambridge; Mass.; John Wiley & Sons Inc.; New York; 1948)
21. What is Artificial Intelligence (AI)?. [Электронный ресурс]. URL: https://www.ibm.com/cloud/learn/what-is-artificial-intelligence (дата обращения: 30.04.2021).
22. Пестровская А.С. Социальные сети как способ продвижения интеллектуальных услуг // Журнал Маркетинговые стратегии. – 2022. – № 2. – c. 45-60.
23. Малахов В.В. Социальные и поисковые сети как средство развития практик профориентационной работы со школьниками // Вестник Московского университета. Серия 20. – 2023. – № 1. – p. 80-94.
24. Вихман В.В., Ромм М.В. «Цифровые двойники» в образовании: перспективы и реальность // Высшее образование в России. – 1992. – № 2. – c. 22–32. – doi: 10.31992/0869-3617-2021-30-2-22-32.

Страница обновлена: 20.12.2023 в 23:17:22