طراحی گراف دانش با الگوریتمهای داده محور برای بهینهسازی تطبیق افراد و مشاغل و رتبهبندی مهارتها
نویسندگان
1 استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت صنعتی و فناوری، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران
doi
10.22034/jhrs.2024.189966چکیده
زمینه و هدف: بازار کار اخیرا به دلایلی نظیر دیجیتالیشدن، گرایش به دورکاری و تغییر سریع تقاضاهای بازار، تغییرات قابل توجهی داشته و با چالشهای زیادی نظیر کاهش ماندگاری در شغل، ازدیاد جمعیت شاغل و افزایش شکاف بین مهارتها و مشاغل رو برو شده است. فلذا نیاز است تا محققان زیادی با بهرهگیری از رویکردهای نوین، به بررسی چالشهای این حوزه بپردازند و راهکارهای جدیدی ارائه دهند. علیرغم اهمیت بسیار زیاد این موضوع، مطالعات کمی در ادبیات صورت گرفته و علیالخصوص رویکردهای داده محور هنوز به طور کامل مورد مطالعه و بحث قرار نگرفتهاند. از این رو، این تحقیق به منظور پاسخگویی به چالشهای مذکور، با هدف طراحی گراف دانش مبتنی بر الگوریتمهای داده محور انجام شده است تا مدلسازی دقیقی از تناسب مهارتها و مشاغل فراهم آورد. هدف اصلی، ایجاد یک چارچوب کاربردی مطابق با طبیعت پویای بازار کار است که برای بهبود ارتباط میان جویندگان کار و فرصتهای شغلی موجود و همچنین رتبهبندی مهارتها بر اساس اهمیت آنها در بازار کار مورد استفاده قرار میگیرد و به کمک آن بتوان کارآمدترین جابهجایی های شغلی را شناسایی کرد.روششناسی: به منظور طراحی گراف دانش پیشنهادی، با استفاده از روش پردازش زبان طبیعی، دادههای مشاغل و مهارتها از طبقهبندیهای بینالمللی، جمعآوری گشته و برای اطمینان از انطباق با وضعیت فعلی بازار کار، دادههای مربوط به آگهیهای شغلی نیز جمعآوری شد. برای تطبیق مهارتها از معیار ژاکارد، برای پیشبینی یالهای گراف دانش از الگوریتمهای اتصال ترجیحی و Node2Vec و برای یافتن کارآمدترین جابهجاییهای شغلی نیز الگوریتم دایجسترا به کار گرفته شد.یافتهها: در این تحقیق، روش جدیدی برای طراحی گراف دانش مهارتها و مشاغل ارائه شد و سه کاربرد مهم استفاده از آن تشریح گردید که عبارتند از: 1-کمّی کردن ارتباط بین مهارتها و مشاغل، 2- یافتن کارآمدترین جابهجاییهای شغلی با استفاده از الگوریتمهای کوتاهترین مسیر و محاسبه شباهتهای شغلی و 3- روشی برای رتبهبندی مهارتهای مورد نیاز هر گروه شغلی بر اساس گراف دانش ایجاد شده.نتیجهگیری: این گراف دانش، ابزاری قدرتمند برای تحلیل و درک بازار کار و بهکارگیری روشهای الگوریتمی برای تحلیل دادهها است که به کمک آن، تطبیق کاملی بین جویندگان شغل و فرصتهای شغلی انجام خواهد شد و ارتباط بین مهارتها و مشاغل قابل پیشبینی خواهد بود. علاوه بر آن، با گراف دانش ایجاد شده میتوان شباهتهای شغلی مبتنی بر مهارتها را برای یافتن مسیر شغلی بررسی نمود و مهارتهای منحصر به فرد هر گروه شغلی را برای یادگیری و توسعه بهینه افراد رتبهبندی کرد.