دانلود ترجمه مقاله روش داده کاوی برای نظارت بر نیازهای بازار کار: مطالعه موردی

1. مقدمه 2. جمع آوری داده و پردازش اولیه 3. روش تحقیق پیشنهادی 4. نتایج و بحث و بررسی 5. نتیجه گیری و کارهای آتی

چکیده – در زمان چالش های اقتصادی، توانایی نظارت بر گرایش و حرکت های بازار کاری برای کسانی که دنبال کارند، کارمندان، سیاست گذاران و توسعه دهندگان اهمیت دارد. محققان برای تحلیل بازار کار به سمت تنظیم علوم داده ها و تکنیک های مرتبط می روند که امکان استخراج الگوهای زیربنایی را از حجم عظیمی از داده ها فراهم می کند. پایگاه داده ای که ارتباط خاصی با حوزه حاضر دارد، O*NET است که یکی از جامع ترین پایگاه داده های عمومی در دسترس درمورد نیازهای شغلی برای مهارت ها، توانایی ها و دانش است. با این حال، به خودی خود اطلاعات O*NET برای بررسی توزیع مشاغل مورد نیاز در بازار یا منطقه خاصی کافی نیست. ما در این مقاله یک روش مبتنی بر داده کاوی برای تشخیص پرتقاضاترین شغل ها در بازار کار مدرن ارائه می کنیم. به همین منظور، مدل نمایه سازی معنایی پنهان (LSI) ارائه شده است که قادر به تطابق دادن تبلیغات کاری استخراج شده از وب با داده های توضیح شغل ودر پایگاه داده O*NET است. یافته های این مقاله نشان دهنده مفید بودن و قابلیت استفاده متد پیشنهادی برای پررنگ کردن گرایشات شغلی در صنایع مختلف و حوزه های جغرافیایی، تشخیص خوشه های شغلی، مطالعه تغییرات حوزه کاری در گذر زمان و سایر تحقیقات مختلف است.

In challenging economic times, the ability to monitor trends and shifts in the job market would be hugely valuable to job-seekers, employers, policy makers and investors. To analyze the job market, researchers are increasingly turning to data science and related techniques which are able to extract underlying patterns from large collections of data. One database which is of particular relevance in the presence context is O*NET, which is one of the most comprehensive publicly accessible databases of occupational requirements for skills, abilities and knowledge. However, by itself the information in O*NET is not enough to characterize the distribution of occupations required in a given market or region. In this paper, we suggest a data mining based approach for identifying the most in-demand occupations in the modern job market. To achieve this, a Latent Semantic Indexing (LSI) model was developed that is capable of matching job advertisement extracted from the Web with occupation description data in the O*NET database. The findings of this study demonstrate the general usefulness and applicability of the proposed method for highlighting job trends in different industries and geographical areas, identifying occupational clusters, studying the changes in jobs context over time and for various other research embodiments.