طراحی سامانه تطبیق هوشمند شغل و نامزد مبتنی بر یادگیری ماشین: بررسی تاثیر بر کاهش زمان جذب و افزایش تناسب شغلی

در عصر تحول دیجیتال، فرآیند جذب و استخدام با چالشی دوگانه مواجه است: از یک سو، کارفرمایان با حجم انبوهی از رزومه های نامرتبط مواجه می شوند که غربالگری دستی آن ها زمان بر و پرهزینه است؛ از سوی دیگر، داوطلبان شغل اغلب بازخوردی از وضعیت درخواست خود دریافت نمی کنند و فرآیند جذب را مبهم و ناعادلانه ارزیابی می کنند. گزارش ها نشان می دهد ۸۸٪ از جویندگان کار خواهان اطلاعات دقیق تر درباره مشاغل هستند و نزدیک به ۷۵٪ هرگز پس از ارسال درخواست پاسخی دریافت نمی کنند. این شکاف دوطرفه نه تنها هزینه های سازمانی را افزایش می دهد، بلکه منجر به از دست رفتن استعدادهای باکیفیت در بازار رقابتی کار می شود.این مقاله با هدف طراحی معماری یک سامانه تطبیق هوشمند شغل و نامزد مبتنی بر یادگیری ماشین و بررسی تاثیر آن بر دو شاخص کلیدی زمان جذب و تناسب شغلی تدوین شده است. رویکرد پژوهش توسعه ای-کاربردی با روش طراحی سیستم ها و شبیه سازی معماری است. ابتدا با مرور نظام مند ادبیات و تحلیل نمونه های موفق جهانی مولفه های کلیدی یک سامانه تطبیق هوشمند استخراج شد. معماری پیشنهادی این مقاله با عنوان سامانه SAM دارای سه نوآوری اصلی است: (۱) رویکرد تطبیق دوطرفه پویا بر اساس نظریه خودتنظیمی که ترجیحات کارفرما و داوطلب را به صورت پویا به روزرسانی می کند، (۲) مدل سازی سوابق شغلی به صورت دنباله زمانی با استفاده از شبکه های عصبی بازگشتی (RNN) برای پیش بینی مسیر شغلی آینده نامزد، و (۳) قابلیت توضیح پذیری که به استخدام کنندگان نشان می دهد چرا یک نامزد نمره تطابق مشخصی دریافت کرده است. چارچوب پیاده سازی گام به گام برای سازمان های ایرانی با در نظر گرفتن محدودیت های زیرساختی و داده ای ارائه می شود.

کلیدواژه ها:

تطبیق هوشمند شغل و نامزد ، یادگیری ماشین ، کاهش زمان جذب ، تناسب شغلی ، سامانه توصیه گر استخدام ، هوش مصنوعی در منابع انسانی