Contenido

SIRPROS permitirá emprender durante su ejecución diferentes líneas de investigación. La fusión y convergencia de estas líneas constituyen por si solo otro tema de investigación. La principal línea de I+D+I es la que se requiere para cubrir el objetivo científico-tecnológico de SIRPROS, esto es, conseguir una correcta adaptación del estado del arte de la Inteligencia Artificial, Minería de Datos e Inteligencia colectiva para lograr un Sistema Semántico Multiagente de Internet con funcionalidades de mediación, asistencia personal y recomendación tanto para los candidatos como para las PYMES.
Asimismo, podemos distinguir las siguientes líneas estratégicas:
¿Cómo optimizar el tiempo de búsqueda y mantenimiento de currículos de diferentes fuentes?
Desde el punto de vista de los candidatos, existe el problema de mantener su currículo actualizado a través de los diferentes portales de empleo o redes profesionales. En esta línea, se estudiarán los diferentes estándares o microformatos que han ido surgiendo para investigar la forma de poder ofrecer una plataforma totalmente interoperable que facilite la transmisión, sincronización y mantenimiento de su perfil en la red. Desde el punto de vista de la PYMES se investigará el diseño de algoritmos de parseado inteligentes.
¿Cómo pueden mejorar los candidatos su currículo?
El poder tener toda la información estructurada semánticamente nos proporcionará la capacidad de investigar a través de diferentes técnicas de Minería de Datos todos los currículos y poder extraer el conocimiento oculto. De esta manera se podrá ofrecer una guía automática e inteligente de orientación profesional al candidato y mostrar de una manera sencilla como puede mejorar su currículo para que sea más interesante para los puestos de trabajo que desea alcanzar. Por otra parte también se podrá investigar el “valor” que tiene un currículo en el mercado.
¿Cómo pueden aprovechar las PYMES las Social Media para el reclutamiento de talentos?
La tendencia en otros países más desarrollados tecnológicamente es que el modelo de búsqueda de candidatos se está cambiando por un planteamiento contrario al tradicional. En este nuevo paradigma el reclutador pasa a ser un actor activo y el candidato un actor pasivo. Es decir, a través de las redes sociales las empresas buscan activamente a nuevos talentos en lugar de esperar a que ellos vengan a una oferta publicada. En esta línea la investigación se centrará en analizar cómo pueden explotar este modelo de búsqueda las PYMES y facilitarles al máximo esta labor a través de agentes inteligentes que escaneen las principales redes sociales.
¿Cómo pueden mejorar las PYMES sus ofertas de empleo?
Así como ya existen estándares para la semántica de currículos, no hay ningún tipo de definición de una estructura común para las ofertas de empleo. Se investigará la creación de un estándar para dotar de semántica a las ofertas.
Cuando se necesita incorporar una nueva persona a la organización se elabora el perfil sobre la marcha, poniendo en exceso requisitos que a lo mejor no son necesarios, pero dejándose algunos importantes. Todo esto ocurre por una falta de planificación y coordinación de todas las partes involucradas en la selección de esa nueva necesidad. Disponiendo de una semántica para este tipo de datos se podrá realizar un estudio de cómo recomendar los requisitos deseados para un determinado puesto de trabajo.

Tecnologías utilizadas
Este proyecto abarcará diferentes tecnologías, que ya hemos citado en el estado del arte. La fusión e integración de todas estas constituyen también una tarea compleja. Entre otros, nos focalizaremos en:

  • Analizador sintáctico: Convierte el texto de entrada en otras estructuras, que son más útiles para el posterior análisis y capturan la jerarquía implícita de la entrada.
  • Analizador semántico y Ontologías: Utilización de estándares (HR-XML, europassCV) o microformatos (hResume) que estructuran la información tanto de currículos como de ofertas de empleo.
  • IR (Information Retrieval): Técnicas y algoritmos para buscar con más relevancia candidatos categorizados gracias a un entorno semántico.
  • Arquitectura multi-agentes: Entornos distribuidos aplicados a las social media, la indexación de currículos, la categorización de la información, la comunicación entre ellos para procesar negociación y colaboración entre agentes.
  • DCAA (Dynamic Context-Aware Application): Entornos que permiten actuar pro-activamente, interpretando el contexto donde interactúa el usuario, y activar procesos adecuados.
  • Minería de datos: Análisis estadísticos de la información para la extracción del conocimiento oculto de los datos.
  • Inteligencia colectiva: Aprovechar las redes sociales para ofrecer recomendaciones de formación o empleo.
  • Social Media: Difusión y recomendación entre los contactos de una red social

Comments are closed.