Моделирование системы профориентации с использованием анализа данных социальных сетей
Аннотация
В статье рассматривается проблема автоматизации профориентации на основе анали- за цифрового следа пользователей социальной сети «ВКонтакте». Цель исследования заключается в повышении доступности и точности диагностики профессиональных интересов посредством мини-приложения «AI профориентатор» на платформе VK Mini Apps. В основе методологии лежит задача классификации с несколькими мет- ками: для каждого из шести профессиональных типов модели RIASEC формируется отдельный бинарный выход с сигмоидальной активацией, а обучение осуществляет- ся с использованием функции потерь Binary Cross-Entropy. Модель обучена на данных пользователей, прошедших тест Голланда, и их подписках на сообщества, собранных через приложение «Психологические тесты». Техническая реализация построена по принципу клиент–серверного взаимодействия с архитектурой REST API, включающей обработку данных, взаимодействие с ML-сервером и формирование результатов. Разработанная система обеспечивает полный цикл работы: извлечение и валидация подписок, предсказание профессионального типа личности по шести категориям Гол- ланда и отображение результатов пользователю. Модель продемонстрировала Top-1 точность 47,1 % и Top-2 — 72,3 %, что подтверждает её применимость в профори- ентационной диагностике. Созданная система автоматизирует процесс первичной профориентации и может использоваться как индивидуальными пользователями, так и организациями для оптимизации подбора и развития персонала. Новизна работы заключается в комплексной интеграции нейросетевых методов и архитектуры клиент- серверного приложения в социальную сеть, обеспечивающей персонализированный и масштабируемый подход к профориентации.
Литература
S. Basnet, “Artificial intelligence and machine learning in human resource management: Prospect and future trends,” International Journal of Research Publication and Reviews, vol. 5, no. 1, pp. 281–287, 2024; doi:10.55248/gengpi.5.0124.0107
L. Song, “Application of Association Rule Analysis in Vocational Education Student Career Path Planning,” in 2023 Int. Conf. on Intelligent Computing, Communication & Convergence (ICI3C), Bhubaneswar, India, 2023, pp. 92–98; doi:10.1109/ICI3C60830.2023.00028
S. Al-Dhari and A. I. Al-Alawi, “The Application of Data Analytics to Career Choice Prediction: A Literature Review,” in 2023 Int. Conf. on Cyber Management and Engineering (CyMaEn), 2023, pp. 260–265; doi:10.1109/CyMaEn57228.2023.10051101
L. D. Zabokritskaya, T. A. Oreshkina, I. N. Obabkov, and E. G. Chepurov, “Application of a machine learning algorithm for career guidance of university applicants,” Vestnik Tomskogo gosudarstvennogo universiteta – Tomsk State University Journal, no. 485, pp. 217–225, 2022; doi:10.17223/15617793/485/24
A. Kamal, B. Naushad, H. Rafiq, and S. Tahzeeb, “Smart career guidance system,” in 2021 4th Int. Conf. on Computing & Information Sciences (ICCIS), 2021, pp. 1–7; doi:10.1109/ICCIS54243.2021.9676408
A. D. Bezrukikh, M. D. Cherepanov, V. A. Melnikov, and E. V. Melnikova, “Development of a software project for an information service for career guidance of applicants at Siberian Federal University,” Modern High Technologies, no. 4, pp. 19–27, 2023; doi:10.17513/snt.39575
V. Sorokin, E. Tovbis, and L. Kazakovtsev, “Browser Game as a New Way of Career Guidance,” in Proc. of Int. Workshop “Hybrid methods of modeling and optimization in complex systems” (in the framework of The Eleventh Int. Conf. on Mathematical Models and their Applications), November 22–24, 2022, Krasnoyarsk, the Russian
Federation, vol. 1, 2023, pp. 235–240; doi:10.15405/epct.23021.28
E. Padma, P. Soudharshini, P. Shanmugapriya, K. M. Reshmaa, and C. N. Srimathi, “Career guidance system for students using machine learning,” in Challenges in Information, Communication and Computing Technology. CRC Press, 2025, pp. 666–671; doi:10.1201/9781003559092-115
S. Panthee, S. Rajkarnikar, and R. Begum, “Career Guidance System Using Machine Learning,” Journal of Advanced College of Engineering and Management, vol. 8, no. 2, pp. 113–119, 2023; doi:10.3126/jacem.v8i2.55947
C. Cui, “Career interest assessment: College students career planning based on machine learning,” Journal of Electrical Systems, vol. 20, no. 6s, pp. 1633–1644, 2024; doi:10.52783/jes.3083
K. Reddy, M. A. Reddy, V. Kaur, and G. Kaur, “Career guidance system using ensemble learning,” in Proceedings of the Advancement in Electronics & Communication Engineering, 2022, pp. 33–39; doi:10.2139/ssrn.4157249
A. Wakde, R. Maywade, A. Pandey, J. Kumar, and A. K. Singh, “An Ensemble Learning Based Career Prediction Model,” in The Future of Artificial Intelligence and Robotics. Cham: Springer Nature Switzerland, 2023, pp. 503–512; doi:10.1007/978-3-031-60935-0_45
M. E. Dikhtov and S. N. Shirobokova, “On a variant of formalizing the task of determining the demand for training areas and possible spheres of employment of graduates based on the semantic analysis of vacancy descriptions,” Engineering Journal of Don, no. 5, pp. 214-222, 2022.
R. S. Wulandari, C. Setianingsih, and P. D. Kusuma, “Analysis of Big Five Personality Factors to Determine the Appropriate Type of Career Using the C4.5 Algorithm,” in Data Science and Emerging Technologies (DaSET 2022), vol. 165, 2022, pp. 18–36; doi:10.1007/978-981-99-0741-0_2
A. Jose-Garcia et al., “C3-IoC: A career guidance system for assessing student skills using machine learning and network visualisation,” International Journal of Artificial Intelligence in Education, vol. 33, no. 4, pp. 1092-1119, 2023; doi:10.1007/s40593-022-00317-y
S. Vignesh, C. S. Priyanka, H. S. Manju, and K. Mythili, “An intelligent career guidance system using machine learning,” in 2021 7th Int. Conf. on Advanced Computing and Communication Systems (ICACCS), vol. 1, 2021, pp. 987–990; doi:10.1109/ICACCS51430.2021.9441978
R. Goyal, N. Chaudhary, and M. Singh, “Machine Learning based Intelligent Career Counselling Chatbot (ICCC),” in 2023 Int. Conf. on Computer Communication and Informatics (ICCCI), 2023, pp. 1–8; doi:10.1109/ICCCI56745.2023.10128305
V. R. Kumbhar, M. M. Maddel, and Y. Raut, “Smart model for career guidance using hybrid deep learning technique,” in 2023 1st Int. Conf. on Innovations in High-Speed Communication and Signal Processing (IHCSP), 2023, pp. 327–331; doi:10.1109/IHCSP56702.2023.10127152
C. Yuan, Y. Hong, and J. Wu, “Who Are You Meant to Be? Predicting Psychological Indicators and Occupations based on Personality Traits,” Journal of Systems Science and Systems Engineering, vol. 32, no. 5, pp. 571–602, 2023; doi:10.1007/s11518-023-5576-6
E. Grunenberg, H. Peters, M. J. Francis, M. D. Back, and S. C. Matz, “Machine learning in recruiting: predicting personality from CVs and short text responses,” Frontiers in Social Psychology, vol. 1, p. 1290295, 2024; doi:10.3389/frsps.2023.1290295
M. Nirmala et al., “Personality Detection for Recruitment Using Machine Learning,” in Proc. of the 6th Int. Conf. on Communications and Cyber Physical Engineering, ICCCE 2024, Singapore: Springer, 2024, pp. 399–406; doi:10.1007/978-981-99-7137-4_38
T. Iwasaki, Y. Seki,W. Kashino, A. Keyaki, and N. Kando, “Estimating Citizen Personality Traits Using Social Media Posts,” in Int. Conf. on Asian Digital Libraries. Singapore: Springer, 2024, pp. 119–135; doi:10.1007/978-981-96-0868-3_10
V. D. Oliseenko, A. O. Khlobystova, A. A. Korepanova, and T. V. Tulupyeva, “Automating the temperament assessment of online social network users,” Doklady Mathematics, vol. 108, no. S2, pp. S368–S373, 2023; doi:10.1134/S1064562423701041
A. O. Khlobystova, M. V. Abramov, and V. F. Stolyarova, “Research of trends in the relationship between users’career guidance preferences and their digital footprints in a social network,” Scientific and Technical Journal of Information Technologies, Mechanics and Optics, vol. 23, no. 3, pp. 564–574, 2023; doi:10.17586/2226-1494-2023-23-3-564-574
P. Kiselev, B. Kiselev, V. Matsuta, A. Feshchenko, I. Bogdanovskaya, and A. Kosheleva, “Career guidance based on machine learning: social networks in professional identity construction,” Procedia Computer Science, vol. 169, pp. 158-163, 2020; doi:10.1016/j.procs.2020.02.128
Материал публикуется под лицензией:
