.png){kind=icon}
返回
Knowledge-Based Design Methodology for Human Resources Information Management
.png){kind=icon}
PRE
AI
DOI：10.3390/info17030279.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人力资源管理是组织的战略轴心，尤其是在人工智能（AI）工具（如自然语言处理（NLP））发挥基础作用的背景下。从大型简历库中招募外部申请人需要一致的筛选。所提出的方法涉及利用现有的简历（CV）库，在基于向量的知识库中结构化和索引数据，并应用检索技术以识别满足角色特定标准的候选人。使用5029份CV作为基准，我们评估了3个查询、3个变量（学位、技能、经验）和7种情景。对查询1-2采样n=76份CV，对查询3采样n=350份CV。所提出的方法在所有情景和查询配置中均实现了持续的高特异性，而敏感性显示出最大的波动，尤其是在单一要求配置下。在所有查询和情景中，准确率范围为65.79%-98.00%，特异性为86.67%-100.00%，敏感性为0.00%-94.92%，而错误率随着约束严格性的增加从34.21%降至2.00%。敏感性在单一要求设置下波动最大，且仅经验筛选表现出最弱的选拔行为。此外，结果表明确认合适候选人的能力对查询表述敏感，因为非标准角色命名、经验表述和其他词汇变化会降低系统检测正面证据的能力。总体而言，这些发现表明，以知识库为中心的设计能够实现一致且可解释的需求驱动候选人筛选，并为未来面向招聘的检索系统改进提供了定量基准。
Keyword:
human resource management
artificial intelligence
knowledge base
candidate selection
