Model pencocokan pekerjaan berbasis empiris menggunakan pengetahuan manusia ahli: pendekatan metode campuran
Tujuan menyeluruh dari penelitian ini adalah untuk, menggunakan resume dan deskripsi pekerjaan, merancang sistem yang memungkinkan klasifikasi kandidat dan posisi pekerjaan dalam pengembangan perangkat lunak dan bidang yang terkait dengan ilmu data sebagai cocok atau tidak cocok. Ini dicapai dengan mengidentifikasi dan memodelkan proses perekrutan yang dilakukan oleh personel mempekerjakan, untuk aplikasi dalam profil otomatis personel.
Isi
- 1_instruments_eval : Folder ini berisi versi JSON dan lateks dari instrumen untuk percobaan evaluasi.
- 2_fuzzymeasuredata : Folder ini berisi langkah -langkah yang menentukan ukuran fuzzy biasa $ mu $ digunakan dalam integrasi choquet. Juga, berisi bobot senioritas pekerjaan $ W_j $ , $ W_m $ , $ W_s $ .
- 3_db_eval_and_query : Folder ini berisi peringkat dan peringkat cutoff CVS yang dibuat oleh peserta percobaan dan metadata umum yang terkait dengan masing -masing peserta dalam format basis data. Fungsi python khusus disediakan untuk menanyakan database ini.
- 4_train_test_set : Folder ini berisi CV dan dataset deskripsi pekerjaan yang digunakan selama pelatihan jaringan Siam. Setiap dataset menyertakan skema tabelnya.
1_instruments_eval Deskripsi
Instrumen dikelompokkan menggunakan nama set Yunani , pohon , rasi bintang , buah -buahan . Setiap set berisi enam CV terkait. Misalnya, di dalam folder Yunani ada delta, kappa, lambda, sigma, omega, dan tau cvs. Versi lateks dari set dibuat menggunakan template resume bersih versi yang dimodifikasi oleh Vinayak Sharma pada overleaf. '' Hadiah '' di CVS mengacu pada November 2023.
2_fuzzymeasuredata Deskripsi
Ini berisi dua file Excel. File FSPACE_POWERSET_MEASURE.XLSX memiliki definisi ukuran fuzzy biasa $ mu $ , dan senoritylevelsweights.xlsx berisi pekerjaan senioritas bobot junior ( $ W_j $ ), tingkat menengah ( $ W_m $ ), dan senior atau lebih tinggi ( $ W_s $ ).
3_db_eval_and_query Deskripsi
Tiga file termasuk dalam folder 3_db_eval_and_query. Yang pertama adalah hlp_ranking_experiment.db, ini dibuat dalam python menggunakan sqlite3, dan berisi informasi percobaan seperti yang dapat dilihat dalam diagram ER. File kedua SQLite-Examplequeries adalah buku catatan Jupyter dengan beberapa contoh penggunaan database. File ketiga berisi kamus dari semua tabel, penjelasan makna setiap kolom.
Contoh sel:
# 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 )
Hasil:
| pengenal | Experiment_id | DMP_ID | pangkat | di atas_cutoff | case_id | subjek_id |
|---|
| 1 | 1 | 14 | 5 | 1 | Yunani | Delta |
| 2 | 2 | 14 | 2 | 1 | Yunani | Kappa |
| 3 | 3 | 14 | 3 | 1 | Yunani | Lambda |
| 4 | 4 | 14 | 1 | 1 | Yunani | Sigma |
| 5 | 5 | 14 | 4 | 1 | Yunani | Akhir |
| 6 | 6 | 14 | 6 | 1 | Yunani | Tau |
Kontak
Untuk pertanyaan, saran, atau klarifikasi tentang sumber daya ini, Anda dapat menghubungi penulis melalui cara berikut:
María Elena
Jordan Joel
Tentang penulis
- María Elena Martínez-Manzanares memiliki gelar sarjana dalam bidang matematika yang diperoleh pada tahun 2018 dari Universidad de Sonora (Meksiko), dan gelar sarjana dalam pendidikan matematika yang diperoleh pada tahun 2023 dari Universidad Abierta Ya Distancia de México. Pada 2019 ia memperoleh gelar MSC dalam matematika dari Universidad de Sonora. Saat ini, dia menyelesaikan Ph.D. di Universidad de Sonora, memfokuskan karyanya pada area kontrol stokastik. Dia hampir menyimpulkan gelar MSC keduanya dalam ilmu data di universitas yang sama dengan fokus pada area NLP. Dia memiliki pengalaman penelitian tentang model dan masalah teoretis Markovian dan semi-Markovian dan masalah menggunakan metode campuran di berbagai bidang matematika terapan dan pendidikan matematika. Dia bekerja sebagai ilmuwan data di sektor telematika.
- Jordan Joel Urias Paramo memiliki gelar sarjana dalam bidang ilmu komputer, diperoleh pada 2019 dari Universidad de Sonora (Meksiko). Dia saat ini bekerja sebagai insinyur data dan merupakan siswa gelar master sains data di Universidad de Sonora.
- Julio Waissman-Vilanova memiliki gelar Ph.D. dalam sistem otomatis dari Institut National Polytechnique de Toulouse (Prancis). Dia adalah profesor penuh di Universidad de Sonora, Meksiko, dan minat penelitiannya saat ini termasuk pemrosesan gambar, pengenalan pola dan NLP.
- Gudelia Figueroa-Preciado memiliki gelar Ph.D. dalam matematika dari Universidad de Sonora (Meksiko). Dia adalah profesor penuh di Universidad de Sonora, Meksiko, dan minat penelitiannya saat ini termasuk metode pengambilan sampel, desain eksperimental, statistik inferensial.
Ucapan Terima Kasih
Kami ingin mengakui orang -orang berikut atas kontribusi mereka yang berharga untuk pekerjaan ini:
- PH.D. Cipriano Arturo Santos-Borbolla dan MBA Francisco Enrique Andrade-López dari Operations Artificial Intelligence Group (oper.ai) di Instituto Tecnológico y de Estudios Superiores De Monterrey (Meksiko);
- Evelyn Mercedes Medina-García dari Program Master dalam Ilmu Sosial di Universidad de Sonora (Meksiko);
- PH.D. Ramón Soto de la Cruz dan Francisco Alejandro Bernal-Cañez dari Departemen Matematika di Universidad de Sonora (Meksiko);
- M.Sc. Irenisolina Antelo-López dari Program Doktor dalam Ilmu Pengetahuan dengan Spesialisasi Matematika Pendidikan di Universidad de Sonora (Meksiko);
- Ilmuwan Komputer, Luis Fernando Sotomayor-Samaniego.
Terima kasih atas minat Anda dalam penelitian ini.
