Modelo de coincidencia de empleo basado en empírico utilizando conocimiento humano experto: un enfoque de métodos mixtos
El objetivo general de esta investigación era, usar currículums y descripciones de trabajo, diseñar un sistema que permita la clasificación de candidatos y puestos de trabajo en el desarrollo de software y las áreas relacionadas con la ciencia de datos como adecuadas o no adecuadas. Esto se logró identificando y modelando procesos de reclutamiento realizados por el personal contratante, para su aplicación en el perfil automático del personal.
Contenido
- 1_instruments_eval : esta carpeta contiene las versiones JSON y látex de los instrumentos para el experimento de evaluación.
- 2_FuzzyMeageAdata : esta carpeta contiene las medidas que definieron la medida difusa regular $ mu $ utilizado en la integración de Choquet. Además, contiene los pesos de antigüedad del trabajo $ W_j $ , $ W_M $ , $ W_s $ .
- 3_db_eval_and_query : esta carpeta contiene las clasificaciones y los límites de clasificación de los CV realizados por los participantes del experimento y los metadatos generales asociados con cada participante en un formato de base de datos. Se proporcionan funciones especiales de Python para consultar esta base de datos.
- 4_train_test_set : esta carpeta contiene el conjunto de datos CV y descripción de trabajo utilizado durante la capacitación de la red siamese. Cada conjunto de datos incluye su esquema de tabla.
1_instruments_eval Descripción
Los instrumentos se agrupan utilizando los nombres del conjunto Grecia , árboles , constelaciones , frutas . Cada conjunto contiene seis CV asociados. Por ejemplo, dentro de la carpeta de Grecia están los CV Delta, Kappa, Lambda, Sigma, Omega y Tau. La versión de látex de los conjuntos se realizó utilizando una plantilla de currículum limpia de la versión modificada por Vinayak Sharma en Overleaf. El "presente" en el CVS se refiere a noviembre de 2023.
2_FuzzyMeasuredata Descripción
Contiene dos archivos de Excel. El archivo fspace_powerset_measure.xlsx tiene la definición de la medida difusa regular $ mu $ , y SenorityLevelsweights.xlsx contiene el trabajo de antigüedad Peso Junior ( $ W_j $ ), de nivel medio ( $ W_M $ ), y senior o superior ( $ W_s $ ).
3_db_eval_and_query Descripción
Se incluyen tres archivos en la carpeta 3_db_eval_and_query. El primero es hlp_ranking_experiment.db, esto se creó en Python usando SQLITE3, y contiene la información del experimento como se puede ver en el diagrama ER. El segundo archivo SQLite-Examplequeries es un cuaderno Jupyter con algunos ejemplos del uso de la base de datos. El tercer archivo contiene un diccionario de todas las tablas, explicando el significado de cada columna.
Célula de ejemplo:
# Assuming that a connection is established above
# The IDs you want to search for
decision_making_professional_id = 14
case_id = 'Greece'
# SQL query using placeholders for parameters
sql_query = """
SELECT er.*, cs.case_id, cs.subject_id
FROM exp_rank er
JOIN experiment e ON er.experiment_id = e.id
JOIN case_subject cs ON e.case_subject_id = cs.id
JOIN decision_making_professional dmp ON er.dmp_id = dmp.id
WHERE cs.case_id = ? AND dmp.id = ?;
"""
# Define your query with parameters
parameters = ( case_id , decision_making_professional_id )
# Execute the query and fetch the result into a DataFrame
df = pd . read_sql_query ( sql_query , conn , params = parameters )
Resultado:
| identificación | experimento_id | dmp_id | rango | arriba_cutoff | case_id | asunto_id |
|---|
| 1 | 1 | 14 | 5 | 1 | Grecia | Delta |
| 2 | 2 | 14 | 2 | 1 | Grecia | Kappa |
| 3 | 3 | 14 | 3 | 1 | Grecia | Lambda |
| 4 | 4 | 14 | 1 | 1 | Grecia | Sigma |
| 5 | 5 | 14 | 4 | 1 | Grecia | Omega |
| 6 | 6 | 14 | 6 | 1 | Grecia | Tau |
Contacto
Para cualquier consulta, sugerencia o aclaraciones con respecto a estos recursos, puede comunicarse con los autores a través de los siguientes medios:
María Elena
- ? Correo electrónico:
- ? LinkedIn
Jordan Joel
Sobre los autores
- María Elena Martínez-Manzanares tiene una licenciatura en matemáticas obtenida en 2018 de la Universidad de Sonora (México), y una licenciatura en educación matemática obtenida en 2023 de la Universidad Abuerta Ya Distancia de México. En 2019 obtuvo una maestría en matemáticas de la Universidad de Sonora. Actualmente, está terminando un Ph.D. En la Universidad de Sonora, centrando su trabajo en el área de control estocástica. Ella está cerca de concluir su segunda maestría en ciencia de datos en la misma universidad con un enfoque en el área de PNL. Tiene experiencia en investigación en modelos teóricos y problemas de Markovian y Semi-Markovian utilizando métodos mixtos en diferentes áreas de la educación matemática y matemática aplicada. Trabajó como científica de datos en el sector telemático.
- Jordan Joel Urias Paramo tiene una licenciatura en informática, obtenida en 2019 de la Universidad de Sonora (México). Actualmente trabaja como ingeniero de datos y es estudiante de maestría de ciencias de datos en la Universidad de Sonora.
- Julio Waissman-Vilanova tiene un Ph.D. en sistemas automáticos del Institut National Polytechnique de Toulouse (Francia). Es profesor completo en la Universidad de Sonora, México, y sus intereses de investigación actuales incluyen procesamiento de imágenes, reconocimiento de patrones y PNL.
- Gudelia Figueroa-Preciado tiene un Ph.D. en matemáticas de la Universidad de Sonora (México). Es profesora completa en la Universidad de Sonora, México, y sus intereses de investigación actuales incluyen métodos de muestreo, diseños experimentales, estadísticas inferenciales.
Expresiones de gratitud
Queremos reconocer a las siguientes personas por sus valiosas contribuciones a este trabajo:
- Doctor en Filosofía. Cipriano Arturo Santos-Borbolla y MBA Francisco Enrique Andrade-López del Grupo de Inteligencia Artificial de Operaciones (Oper.Ai) en el Instituto Tecnológico y de Estudios Superiores de Monterrey (México);
- Evelyn Mercedes Medina-García del Programa de Maestría en Ciencias Sociales en la Universidad de Sonora (México);
- Doctor en Filosofía. Ramón Soto de la Cruz y Francisco Alejandro Bernal-Cañez del Departamento de Matemáticas de la Universidad de Sonora (México);
- M.Sc. Irenisolina Antelo-López del Programa Doctoral en Ciencias con una especialización en Matemáticas Educativas en la Universidad de Sonora (México);
- Informática, Luis Fernando Sotomayor-Samaniego.
Gracias por su interés en esta investigación.
