АЛГОРИТМ ТА ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ СИСТЕМИ ПІДБОРУ МЕДИЧНОГО ПЕРСОНАЛУ
DOI:
https://doi.org/10.20998/2079-0023.2023.02.07Ключові слова:
підбор персоналу, автоматизація, обробка даних, алгоритм, програмне забезпечення, системна архітектура, технології розробкиАнотація
В роботі будь-якої організації є багато рутинної роботи, в тому числі і в агентствах по найму персоналу. Ефективна організація управління та автоматизації діяльності співробітників рекрутингових агентств – непросте завдання. Система повинна автоматизувати рутинні дії робітників рекрутингових агентств та бути зручною для їх клієнтів. Ця робота пропонує підхід для автоматизації роботи по підбору необхідного медичного персоналу. Не всі інформаційні системи, що використовуються рекрутинговими агентствами можуть робити порівняння кандидатів та генерувати пропозиції, які включають декілька найкращих кандидатів. На підставі аналізу предметної області були визначені групи параметрів, які суттєво впливають на вибір медичного персоналу. Запропонований підхід полягає у тому, щоб проаналізувати запит від клієнта, а потім віднайти в системі схожі на нього за параметрами запити інших клієнтів, по яким вже було знайдено кандидата. Наступним кроком береться профілі медичних працівників, що були запропоновані для цих запитів (вони виступають як еталонні) для подальшого порівняння їх із існуючими кандидатами. Для кожного параметра профілю працівника є своя функція схожості. Наявні кандидати отримають оцінки, після чого відбувається їх ранжування. Також додатково проводимо корегування оцінки шляхом порівняння кандидатів із поточним запитом. Для автоматизації діяльності по підбору медичного персоналу було розроблене програмне забезпечення. Для його реалізації запропонована трьохрівнева клієнт серверна архітектура. Для серверної частини було обрано MVC (Model View Controller) архітектуру. Для клієнтської частини використаний архітектурний шаблон Single Page Application. Серверна частина розбита на три шари, які додатково розмежовують та структурують відповідальність компонентів системи. Для реалізації бізнес логіки використано технології .NET. Для сервера та провайдеру баз даних використано SQL Server. Використання програмної реалізації розробленої системи продемонструвало досить непогані результати. Середній час підбору 10 кращих кандидатів з 500 становить 0,4 секунди, а обробка тільки 1 резюме людиною займає декілька хвилин.
Посилання
Jones M. T. Recommender systems, Part 1. Introduction to approaches and algorithms. Available at: https://api.semanticscholar.org/CorpusID:13864749 (accessed 15.11.2023).
Codina V. A. Recommendation System for the Semantic WEB. Available at: http://www.lsi.upc.edu/~vcodina/papers/dcai10 (accessed 07.10.2023).
Chandrashekhar H., Bhasker B. Personalized recommender system using entropy-based collaborative filtering technique. Available at: https://www.proquest.com/docview/889977175 (accessed 05.10.2023).
Smith B., Linden G. Two Decades of Recommender Systems at Amazon.com. Available at: https://ieeexplore.ieee.org/document/7927889 (accessed 20.09.2023).
Singular Value Decomposition (SVD) & Its Application in Recommender System. Available at: https://analyticsindiamag.com/singular-value-decomposition-svd-application-recommender-system/ (accessed 10.10.2023).
Seeda P. A. Complete Guide to Recommender Systems – Tutorial with Sklearn, Surprise, Keras, Recommenders. Available at: https://towardsdatascience.com/a-complete-guide-to-recommender-system-tutorial-with-sklearn-surprise-keras-recommender-5e52e8ceace1 (accessed 25.09.2023).
Aditya S., Rajora M., Singh I. Hybrid Recommendation System for Item Cold Start Problem. Available at: https://doi.org/10.1109/SMARTGENCON51891.2021.9645839 (accessed 07.10.2023).
Narducci, F., Lops, P., Semeraro, G. Power to the patients: The HealthNet social network. Available at: https://doi.org/10.1016/j.is.2017.07.005 (accessed 12.10.2023).
Han Q., Martinez de Rituerto de Troya I., Ji M., Gaur M., Zejnilovic L. A Collaborative Filtering Recommender System in Primary Care: Towards a Trusting Patient-Doctor Relationship. Available at: https://doi.org/10.1109/ICHI.2018.00062 (accessed 13.10.2023).
Waqara M., Majeed M., Dawood H, Daud A. An adaptive doctor-recommender system. Available at: http://dx.doi.org/10.1080/0144929X.2019.1625441 (accessed 14.10.2023).
Implementing the Unit of Work Pattern in Clean Architecture with .NET Core. Available at: https://medium.com/@edin.sahbaz/implementing-the-unit-of-work-pattern-in-clean-architecture-with-net-core-53efb7f9d4d (accessed 03.11.2023).
Everything you need to know about MVC architecture. Available at: https://towardsdatascience.com/everything-you-need-to-know-about-mvc-architecture-3c827930b4c1 (accessed 29.10.2023).
Tutorial: Create a web API with ASP.NET Core. Available at: https://learn.microsoft.com/en-us/aspnet/core/tutorials/first-web-api (accessed 04.11.2023).
Do Recruiters Really Only Spend 6 Seconds Reading Your Resume? Available at: https://newsletter.jobsearch.guide/p/do-recruiters-really-spend-6-seconds (accessed 14.11.2023).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
