У статті обґрунтовано необхідність впровадження концепції «Індустрія 5.0». Ключовими аспектами цієї моделі є стійкість, сталий розвиток та людиноцентричність. Тобто важливим є прийняття рішень, які сприяють зростанню сталості та стійкості виробництва до змін у середовищі діяльності, зростанню рівня конкурентоспроможності у довгостроковій перспективі, враховуючи при цьому вплив цифрового робочого середовища на безпеку працівників, задоволеність умовами праці та роботою загалом, враховуючи інтереси інших зацікавлених сторін, зокрема споживачів.  Визначено її переваги та ефективність для вітчизняних суб’єктів господарювання, зокрема працівників. Основними перевагами впровадження зазначеної концепції для працівників є наступні: 1) зміна ролі працівника для галузі; 2) безпечність та інклюзивність робочого середовища; 3) навички, підвищення кваліфікації та перекваліфікація. Неможливо забезпечити підвищення кваліфікації кожного окремого працівника галузі. За умови підвищення автоматизації деякі навички застаріють, розвивати їх стане непотрібним. Важливо забезпечити певний базовий рівень знань і розуміння кожним працівником цифрових навичок, особливо це стосується розуміння штучного інтелекту, його потенційних переваг та обмежень. Щоб застосовувати технології, співробітники мають бути долучені до процесу, навчені та мотивовані. Загальна ефективність концепції, що розглядається, для промисловості загалом є довгостроковою – постійна конкурентоспроможність і актуальність завдяки успішній адаптації до мінливого світу та нових ринків, що може бути досягнуто завдяки: залученню та утриманню талантів, ефективність використання ресурсів для забезпечення відповідного рівня стійкості та конкурентоспроможності, підвищення рівня стійкості, тобто здатності гнучко справлятися зі змінами. Окреслено умови успішної реалізації концепції, зокрема тісна співпраця між підприємствами, освітніми та навчальними закладами. Освіта, підготовка кадрів, перекваліфікація та підвищення кваліфікації, є одними з найактуальніших питань, які необхідно вирішити при адаптації до цифрового переходу в галузях, оскільки кваліфікований людський капітал має надзвичайно важливе значення для втілення цього в реальність. Важливим є розуміння для суспільства того факту, що інновації створює не держава, уряд, а підприємці, молодь та інноваційно-підприємницькі університети. При цьому державні та фінансові установи мають сприяти та допомагати бізнесу, що реалізує та впроваджує інновації. Розроблено модель маркетинг-менеджменту підприємства відповідно до концепції «Індустрія 5.0)». Запропоновано в основу моделі покласти принципи людиноцентричності та цифровізації процесів менеджменту та маркетингу суб’єктів господарювання.

У статті узагальнено підходи до визначення поняття «організаційні зміни» та запропоновано власне бачення. Встановлено, що складовою частиною організаційних змін є стратегічні зміни, оскільки вони реалізуються в межах певної організації чи підприємства. Сформовано власний підхід до визначення дефініції «стратегічні зміни підприємства». Розроблено модель менеджменту підприємства на основі дослідження науково-методологічних засад управління стратегічними змінами. В представленій моделі відображено саме стратегічні аспекти менеджменту. Окреслено позитивні наслідки впровадження науково-методологічних засад управління змінами при формуванні моделі менеджменту підприємства в умовах євроінтеграції. Встановлено, що при використанні запропонованої моделі менеджменту, керівництво підприємства буде діяти відповідно до запитів споживачів та стейкхолдерів, утримуючись на відповідному рівні конкурентоспроможності.

No abstract

У статті здійснено постановку завдання аналізу тональності вхідної текстової інформації, яке відноситься до розділу прикладної лінгвістики та обробки природньої мови. Розроблено двонаправлену нейронну мережу з довгою короткотривалою пам’яттю для розв’язання завдання сентимент аналізу. Обґрунтовано доцільність застосування додаткового шару для нейронної мережі з умовно випадковими полями. Для проведення навчання нейронної мережі застосовано корпус текстових повідомлень з соціальної мережі. Описано результати навчання, валідації та тестування розробленої нейронної мережі. Для оцінювання якості розпізнавання сентиментів застосовано метрики повноти (precision), точності (recall) та збалансованої міри F1. Найкращі значення розпізнавання на тестовому наборі даних були отримані для позитивного сентименту і склали precision = 61,92 %, recall = 69,21 %, F1 = 65,36 %.