Modelo de combinação de empregos em função empírica usando conhecimento humano especializado: uma abordagem de métodos mistos
O objetivo abrangente desta pesquisa foi, usando currículos e descrições de cargos, projetar um sistema que permita a classificação de candidatos e cargos no desenvolvimento de software e áreas relacionadas à ciência de dados como adequadas ou não adequadas. Isso foi conseguido identificando e modelando processos de recrutamento conduzidos pela contratação de pessoal, para aplicação no perfil automático do pessoal.
Contente
- 1_instruments_eval : Esta pasta contém as versões JSON e LATEX dos instrumentos para o experimento de avaliação.
- 2_fuzzyMyasuseredata : esta pasta contém as medidas que definiam a medida difusa regular $ mu $ usado na integração de Choquet. Além disso, contém os pesos de antiguidade do trabalho $ W_j $ , Assim, $ W_m $ , Assim, $ W_s $ .
- 3_DB_EVAL_AND_QUERY : Esta pasta contém os rankings e os pontos de corte do CVS feitos pelos participantes do experimento e os metadados gerais associados a cada participante em um formato de banco de dados. As funções especiais do Python são fornecidas para consultar este banco de dados.
- 4_train_test_set : Esta pasta contém o conjunto de dados CV e Descrição do trabalho usado durante o treinamento da rede siamesa. Cada conjunto de dados inclui seu esquema de tabela.
1_instruments_eval Descrição
Os instrumentos são agrupados usando os nomes do conjunto Grécia , árvores , constelações , frutas . Cada conjunto contém seis CVs associados. Por exemplo, dentro da pasta Grécia , existem os CVs Delta, Kappa, Lambda, Sigma, Omega e Tau. A versão LATEX dos conjuntos foi feita usando um modelo de currículo limpo de versão modificada por Vinayak Sharma no Overleaf. O '' presente '' no CVS refere -se a novembro de 2023.
2_fuzzyMyasuseredata Descrição
Ele contém dois arquivos do Excel. O arquivo fspace_powerset_measure.xlsx tem a definição da medida difusa regular $ mu $ e senorityLevelsweights.xlsx contém o trabalho que a antiguidade pesa júnior ( $ W_j $ ), de nível médio ( $ W_m $ ) e sênior ou superior ( $ W_s $ ).
3_DB_EVAL_AND_QUERY Descrição
Três arquivos estão incluídos na pasta 3_DB_Eval_and_Query. O primeiro é hlp_ranking_experiment.db, isso foi criado em Python usando SQLite3 e contém as informações do experimento, como pode ser visto no diagrama ER. O segundo arquivo SQLite-Exemplo é um notebook Jupyter com alguns exemplos do uso do banco de dados. O terceiro arquivo contém um dicionário de todas as tabelas, explicando o significado de cada coluna.
Exemplo de célula:
# 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:
| eu ia | experiment_id | dmp_id | classificação | acima_cutoff | case_id | sujeito_id |
|---|
| 1 | 1 | 14 | 5 | 1 | Grécia | Delta |
| 2 | 2 | 14 | 2 | 1 | Grécia | Kappa |
| 3 | 3 | 14 | 3 | 1 | Grécia | Lambda |
| 4 | 4 | 14 | 1 | 1 | Grécia | Sigma |
| 5 | 5 | 14 | 4 | 1 | Grécia | Ómega |
| 6 | 6 | 14 | 6 | 1 | Grécia | Tau |
Contato
Para qualquer dúvida, sugestão ou esclarecimentos sobre esses recursos, você pode entrar em contato com os autores pelos seguintes meios:
María Elena
Jordan Joel
Sobre os autores
- María Elena Martínez-Manzanares é bacharel em matemática obtida em 2018 pela Universidade de Sonora (México) e um diploma de bacharel em educação matemática obtida em 2023 da Universidad Abierta Ya Distancia de México. Em 2019, ela obteve um mestrado em matemática da Universidade de Sonora. Atualmente, ela está terminando um Ph.D. na Universidad de Sonora, concentrando seu trabalho na área de controle estocástico. Ela está perto de concluir seu segundo mestrado em ciência de dados na mesma universidade, com foco na área da PNL. Ela tem experiência em pesquisa sobre modelos teóricos de Markovian e semi-markoviano e problemas usando métodos mistos em diferentes áreas de educação em matemática e matemática aplicada. Ela trabalhou como cientista de dados no setor de telemática.
- Jordan Joel Urias Paramo é bacharel em ciência da computação, obtido em 2019 pela Universidade de Sonora (México). Atualmente, ele trabalha como engenheiro de dados e é estudante de mestrado em ciências de dados na Universidade de Sonora.
- Julio Waissman-Vilanova tem um Ph.D. Em sistemas automáticos do Institut National Polytechnique de Toulouse (França). Ele é professor integral na Universidad de Sonora, no México, e seus interesses atuais de pesquisa incluem processamento de imagens, reconhecimento de padrões e PNL.
- Gudelia Figueroa-Preciado tem um Ph.D. em matemática da Universidade de Sonora (México). Ela é professora completa da Universidad de Sonora, México, e seus interesses atuais de pesquisa incluem métodos de amostragem, desenhos experimentais, estatísticas inferenciais.
Agradecimentos
Queremos reconhecer as seguintes pessoas por suas valiosas contribuições para este trabalho:
- Ph.D. Cipriano Arturo Santos-Borbolla e MBA Francisco Enrique Andrade-López do Grupo de Inteligência Artificial de Operações (Oper.ai) no Instituto Tecnolórgico e Estudios Superiores De Monterrey (México);
- Evelyn Mercedes Medina-García, do Programa de Mestrado em Ciências Sociais da Universidade de Sonora (México);
- Ph.D. Ramón Soto de la Cruz e Francisco Alejandro Bernal-Cañez do Departamento de Matemática da Universidade de Sonora (México);
- M.Sc. Irenisolina Antelo-López do programa de doutorado em ciências com especialização em matemática educacional na Universidade de Sonora (México);
- Cientista da computação, Luis Fernando Sotomayor-Samaniego.
Obrigado pelo seu interesse nesta pesquisa.
