مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل داده های شبکه های اجتماعی [Persian Thesis]

سعید اشرفی

شناسگر رکورد: ۱۵۵۳۴
رشته تحصیلی: مهندسی فناوری اطلاعات
عنوان: مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل داده های شبکه های اجتماعی
نويسنده: سعید اشرفی
استاد راهنما : دکتر بابک مجیدی
استاد مشاور: دکتر احسان اخترکاوان
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۳۹۶
چکیده: با پیشرفت فناوری، اهمیت کسب تخصص و مهارت در یک یا چند زمینه خاص بیشازپیش افزایش یافته است. در بسیاری از صنایع از جمله فناوری اطلاعات، به دلیل تغییر مستمر فناوری، مهارتها و تخصصهای مورد نیاز برای موقعیتهای شغلی دائما در حال تغییر هستند و این موضوع به یک چالش اساسی برای فارغالتحصیلان دانشگاهی و افرادی که قصد پیشرفت شغلی دارند، تبدیل شده است. ملاک اصلی افراد جویای کار یا کسانی که به دنبال بهبود جایگاه شغلی خود هستند، درآمد بیشتر برای افزایش رفاه در زندگی است. افراد معمولا در برخورد با فرصتهای شغلی، تطابق کاملی بین رزومه و مهارتهای موردنیاز فرصت شغلی، مشاهده نمیکنند و ممکن است با دیدن کمبودهای مهارتی، از رسیدن به شغل با درآمد بالاتر بازمانند. درصورتی که شاید با مشخص شدن مسیر یادگیری مهارتهایی که کمبود دارند، بهراحتی بتوانند جایگاه شغلی خود را بهبود بخشند. در این تحقیق به منظور مدلسازی مسیر یادگیری برای بهینهسازی وضعیت شغلی افراد جویای کار، سیستمی طراحی شده است که در آن ابتدا با توجه به متنکاوی با کمک یادگیری عمیق آگهیهای شغلی، مهارتهای موردنیاز برای هر یک از بازههای حقوقی تعیینشده استخراج میگردد. سپس رزومه فرد مدلسازی گردیده و مهارتهایی که برای ارتقا از یک بازه حقوقی با بازه بالاتر موردنیاز است برای فرد شناسایی میشود. در پایان برای جبران این کمبود مهارتی مسیر یادگیری متناسب به فرد جویای کار پیشنهاد میشود تا بتواند وضعیت شغلی خود را بهبود بخشد. . در ارزیابی شبکه عصبی عمیق ساخته شده، از دادههای فرصتهای شغلی استفاده شد و بیشترین دقت توسط مدل تصادفی و با مقدار ص‎۷۰.۷۰ درصد صحت در طبقهبندی سطح درآمد، به دست آمد. همچنین بخشهای دیگر سیستم نیز توسط ‎۳۰ کاربر مورد ارزیابی قرار گرفت. در بخش پیشنهادگر شغل، معیار Precision مقداری برابر با ‎۰.۶۷۲۴ به دست آورد. بخش پیشنهادگر مهارتهای موردنیاز شغل مقدار ‎۰.۸۴۶۳ برای معیار Recall به دست آمد و در نهایت برای بخش کمبودهای مهارتی نیز معیار Recall مقداری برابر با ‎۰.۷۹۲۱ را به دست آورد.
واژگان کلیدی: مهندسی کامپیوتر
واژگان کلیدی: مدیریت سیستمهای اطلاعاتی
واژگان کلیدی: داده کاوی
واژگان کلیدی: متن کاوی
واژگان کلیدی: مسیر یادگیری
واژگان کلیدی: شبکه عصبی عمیق
واژگان کلیدی: مهندسی فناوری اطلاعات
Register Number Part3 Version Volume Part Part2 Reference Call Number lended Date Back Description
225831 1
225832 2
Copyright 2025 by Payam Hannan co ltd. PayamLib.com