DSpace Repository

Candidate classification and career path categorization based on docvectors representation for social media job information

Show simple item record

dc.contributor.author Hernández Ramos, Victor Eugenio
dc.date.accessioned 2020-11-05T05:17:30Z
dc.date.available 2020-11-05T05:17:30Z
dc.date.created 2019-08
dc.date.issued 2020-11-03
dc.identifier.citation Hernández Ramos, Victor Eugenio. (2019). Candidate classification and career path categorization based on docvectors representation for social media job information (Maestría en Ciencias en Ingeniería de Cómputo). Instituto Politécnico Nacional, Centro de Investigación en Computación, México. es
dc.identifier.uri http://tesis.ipn.mx/handle/123456789/28554
dc.description Tesis (Maestría en Ciencias en Ingeniería de Cómputo), Instituto Politécnico Nacional, CIC, 2019, 1 archivo PDF, (66 páginas). tesis.ipn.mx es
dc.description.abstract RESUMEN: El uso emergente de internet ha proporcionado múltiples usos para la mayoría de las áreas de la industria, por lo que, el cumplimiento de las necesidades en cada rama de la industria ha sido variable y es más difícil tomar las decisiones adecuadas. Los servicios de contratación en línea han aceptado ampliamente el uso de estas tecnologías emergentes en el mercado laboral en la actualidad. Una de estas plataformas es LinkedIn, que es una red social orientada al manejo profesional y a la creación de "networking". En él, los usuarios escriben un perfil textual sobre su experiencia y definen habilidades en un formato libre. Los usuarios pueden solicitar diferentes trabajos, pero no se les proporciona retroalimentación específica sobre la idoneidad de su aplicación de acuerdo con sus habilidades. En este trabajo, nos centramos particularmente en los solicitantes de la rama de gestión de proyectos de las tecnologías de la información, aunque la metodología presentada podría extenderse a cualquier área que siga el mismo método. Utilizando la información que los usuarios proporcionan en su perfil, es posible establecer el nivel correspondiente en una trayectoria profesional predefinida de Project Manager (nivel PM). Más de 1500 experiencias y habilidades de 300 perfiles se etiquetaron manualmente para entrenar y probar un modelo para estimar automáticamente el nivel de PM. En esta propuesta pudimos realizar dicha predicción con una precisión del 98%. Además, el modelo propuesto puede proporcionar retroalimentación a los usuarios al ofrecer una guía de las habilidades necesarias que se deben aprender para cumplir con el nivel de PM actual, o aquellos necesarios para aplicar en el siguiente nivel de PM. Esto se logra mediante la agrupación de etiquetas y calificación de habilidades. Los resultados de los experimentos con varios algoritmos de agrupamiento se proporcionan como parte de este trabajo. ABSTRACT: The emerging use of internet has provided multiple uses for most of the areas of the industry, so that, achieving with the needs of the industry in every branch has been variable and making proper decisions is more difficult to be completed. Online recruitment services has broadly accepted the use of these emerging technologies in the job market in actuality. One of these platforms is LinkedIn, which is a social medium oriented to professional career handling and networking. In it, users write a textual profile on their experience, and add skill labels in a free format. Users are able to apply for different jobs, but specific feedback on the appropriateness of their application according to their skills is not provided to them. This work is particularly focused on applicants of the project management branch from information technologies although the presented methodology could be extended to any area following the same mechanism. Using the information users provide in their profile, it is possible to establish the corresponding level in a predefined Project Manager career path (PM level). 1500+ experiences and skills from 300 profiles were manually tagged to train and test a model to automatically estimate the PM level. In this proposal, it is possible to perform such prediction with a precision of 98%. Additionally, the proposed model is able to provide feedback to users by offering a guideline of necessary skills to be learned to fulfil the current PM level, or those needed in order to upgrade to the following PM level. This is achieved through the clustering of skill qualification labels. Results of experiments with several clustering algorithms are provided as part of this work. es
dc.language.iso en es
dc.subject Inteligencia artificial es
dc.subject Procesamiento de lenguaje natural es
dc.subject Análisis cluster es
dc.subject Procesamiento de datos es
dc.title Candidate classification and career path categorization based on docvectors representation for social media job information es
dc.contributor.advisor Duchanoy Martínez, Carlos Alberto
dc.contributor.advisor Moreno Armendáriz, Marco Antonio


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account