Et AI-baseret anbefalingssystem til praktikophold

At vælge en praktikplads er et vigtigt skridt for mange studerende, som praktikplads kan have en betydelig indvirkning på deres faglige udvikling. Forskere ved Universitas Pendidikan Ganesha, i Indonesien, har for nylig udviklet et AI-baseret anbefalingssystem, der kan allokere elever til praktikophold, der bedst matcher deres færdigheder og ambitioner.

Efter endt uddannelse elever kæmper ofte med at finde ud af deres næste trin, på grund af manglende tillid til deres færdigheder eller fortrolighed med arbejdsmarkedet. Universiteter guider ofte studerende i begyndelsen af ​​deres karriere ved at anbefale praktikprogrammer, der er tilpasset deres færdigheder og interesser.

En vellykket praktikplads kan spille en afgørende rolle i en studerendes karriere, hjælpe hende med at få tillid og blive fortrolig med virkeligheden i hendes valgte arbejdsmiljø. På den anden side, en dårligt valgt placering kan resultere i, at eleven mister tilliden til sig selv eller spilder tid på en arbejdsplads, der ikke er i overensstemmelse med hendes færdigheder.

Med det i tankerne, forskergruppen ved Universitas Pendidikan Ganesha satte sig for at udvikle et anbefalingssystem, der kunne hjælpe kandidatstuderende med at vælge en passende praktikplads. Deres system bruger et tilbagevendende kunstigt neuralt netværk (ANN), de kalder Elman neurale netværk for at analysere testresultater fra individuelle elever og bestemme den placering, der bedst matcher deres kompetencer.

I denne test, eleverne giver information om deres færdigheder, karakterer, ambitioner og interesser. De samme elever udfylder også et spørgeskema kaldet Inventory Personal Survey, som vurderer deres holdning og adfærd.

"Eleverne behøver kun at udfylde spørgeskemaet og tage testen, "forklarede forskerne i deres papir." Dataene fra testen og spørgeskemaet behandles derefter af en ANN. "

Forskerne uddannede og testede deres system ved hjælp af oplysninger indsamlet fra en prøve af studerende, der ansøgte om praktik efter endt kursus. Deres evalueringer gav meget lovende resultater, med at systemet nåede et nøjagtighedsniveau på 95 procent til at identificere praktikpladserne, der i sidste ende blev tildelt eleverne.

"Baseret på resultaterne af vores test, systemet kan genkende træningsdata og testdata godt, "forskerne skrev." Systemet kan give anbefalinger til praktikophold, såsom softwarehus, multimedie, netværk eller et administrationsjob til nye studerende, der søger praktikpladser, der matcher deres kompetencer. "

Systemet udviklet af forskerne kan vise sig meget nyttigt på Universitas Pendidikan Ganesha, giver personalet mulighed for at udlevere praktikanbefalinger hurtigere og mere effektivt. For at sikre, at deres teknik generaliseres godt på tværs af en større studenterpopulation, imidlertid, forskerne skal muligvis udføre yderligere undersøgelser med et større træningsdatasæt.

Indtil nu, deres system er primært blevet brugt til at levere placeringsanbefalinger til informatikstuderende, men det kan potentielt udvides til at omfatte andre studieretninger. I fremtiden, andre forskergrupper kan også hente inspiration fra denne undersøgelse og udvikle lignende anbefalingssystemer til andre institutioner.

© 2019 Science X Network