XÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TIN

XÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TINXÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN CÔNG NGHỆ THÔNG TIN

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG



ĐỖ HỒNG PHÚC

XÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI

HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN

CÔNG NGHỆ THÔNG TIN

Luận văn Thạc sĩ: Khoa học máy tính

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG



ĐỖ HỒNG PHÚC

XÂY DỰNG HỆ THỐNG HỖ TRỢ PHÂN LOẠI

HỒ SƠ ỨNG VIÊN CHUYÊN VIÊN

CÔNG NGHỆ THÔNG TIN

Chuyên Ngành: Khoa học máy tính

Mã ngành: 8480101

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS TS Đỗ Văn Nhơn

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu mà tôi đã thực hiện của riêng tôi, các số liệu và kết quả nghiên cứu nêu trong luận văn là trung thực Vì vậy tôi xin chịu trách nhiệm hoàn toàn về công trình nghiên cứu của mình

TP HCM, ngày … tháng … năm …

Học viên thực hiện

Đỗ Hồng Phúc

LỜI CẢM ƠN

Em xin chân thành gửi lời cảm ơn tới quý Thầy, Cô Trường Đại học Quốc Tế Hồng Bàng đã hết lòng tận tụy, truyền đạt những kiến thức quý báu trong suốt thời gian em học tại Trường, đặc biệt là PGS.TS Đỗ Văn Nhơn đã tận tình hướng dẫn, chỉ điểm trong suốt quá trình thực hiện đề tài

Em xin chân thành gửi lời cảm ơn đến các đồng nghiệp, cán bộ quản lý nhân sự đã tham vấn và cung cấp các tài liệu quý báo để em có thể thực nghiệm các nghiên cứu Cuối cùng xin chân thành cảm ơn gia đình và bạn bè đã ủng hộ, động viên tôi hoàn thành luận văn

Trong quá trình thực hiện, mặc dù đã hết sức cố gắng để hoàn thiện luận văn, trao đổi và tiếp thu những ý kiến đóng góp của Quý Thầy, Cô và bạn bè, tham khảo nhiều tài liệu, song không tránh khỏi có những sai sót rất mong nhận được những thông tin góp ý của Quý Thầy, Cô và bạn đọc

Xin chân thành cảm ơn!

TP HCM, ngày … tháng … năm …

Học viên thực hiện

Đỗ Hồng Phúc

NHẬN XÉT GIẢNG VIÊN

TP HCM, ngày … tháng … năm …

Giảng viên hướng dẫn

DANH MỤC HÌNH VẼ

Hình 1.1 Quy trình tuyển dụng tại Tập Đoàn Nguyễn Hoàng 4

Hình 2.1 Giao diện kết quả của hệ thống sau khi đọc file CV của ứng viên 24

Hình 2.2 Hình ảnh file CV của ứng viên (*.docx) 25

Hình 4.1 Kiến trúc hệ thống phân loại hồ sơ ứng viên 52

Hình 4.2 Mô hình cơ sở dữ liệu quan hệ lưu trữ thông tin ứng viên 54

Hình 4.3 Một phần mô hình cơ sở dữ liệu lưu trữ thông tin của yêu cầu vị trí việc làm 54

Hình 4.4 Kiến trúc các tệp tin đặc tả cấu trúc Ontology miền 55

Hình 4.5 Giao diện phân loại hồ ứng viên theo yêu cầu vị trí việc làm “Network Administrator” 57

DANH MỤC BẢNG BIỂU

Bảng 2.1 Bảng đặc tả yêu cầu vị trí việc làm chuyên viên CNTT 32Bảng 4.1 Thông tin kết quả rút trích các đặc trưng của 49 hồ sơ cùng độ chính xác (chi tiết xem tại phụ lục) 57Bảng 4.2 Chi tiết kết quả thử nghiệm khả năng rút trích cùng độ chính xác theo đặc trưng của hồ sơ 57Bảng 4.3 Thông tin các yêu cầu tuyển dụng được thử nghiệm 58Bảng 4.4 Bảng thông tin yêu cầu thử nghiệm được đặc tả theo cấu trúc được trình bày tại định nghĩa 2.5 59Bảng 4.5 Thông tin kết quả thử nghiệm bài toán phân loại trên 49 hồ sơ xử lý được theo yêu cầu 64

DANH MỤC TỪ VIẾT TẮT

1 BERT Bidirectional Encoder Representations from

Transformers

2 BiLSTM Bidirectional Long Short-Term Memory

3 CK-ONTO Classed Keyphrase based Ontology

MỤC LỤC

LỜI CAM KẾT i

LỜI CẢM ƠN ii

NHẬN XÉT GIẢNG VIÊN iii

DANH MỤC HÌNH VẼ iv

DANH MỤC BẢNG BIỂU v

DANH MỤC TỪ VIẾT TẮT vi

MỤC LỤC vii

MỞ ĐẦU 1

CHƯƠNG 1 TỔNG QUAN 2

1.1Giới thiệu về Tập đoàn Nguyễn Hoàng 2

1.1.1 Thông tin chung 2

1.1.2 Quy trình về tuyển dụng và các tiêu chí sàng lọc hồ sơ ứng viên thủ công 3

1.2Các nghiên cứu liên quan 8

1.2.1 Các công trình nghiên cứu liên quan 8

1.2.2 Các ứng dụng liên quan 10

1.3 Mục tiêu đề tài 11

CHƯƠNG 2 MÔ HÌNH HÓA ĐẶC TRƯNG HỒ SƠ ỨNG VIÊN – YÊU CẦU VỊ TRÍ TUYỂN DỤNG CÙNG MỘT SỐ VẤN ĐỀ VÀ KỸ THUẬT XỬ LÝ CƠ BẢN 2.1 Mô hình hóa các đặc trưng của một hồ sơ ứng viên chuyên viên công nghệ thông tin và vấn đề rút trích thông tin cùng thuật giải xử lý 13

2.1.1 Mô hình hóa các đặc trưng trong hồ sơ ứng viên 13

2.1.1Vấn đề rút trích hồ sơ ứng viên dựa trên Ontology miền cùng kỹ thuật xử lý 18

2.2.2 Cấu trúc hóa một yêu cầu vị trí việc làm trong tuyển dụng chuyên viên Công

nghệ Thông tin 27

CHƯƠNG 3 MỘT SỐ LỚP BÀI TOÁN TRONG VIỆC PHÂN LOẠI HỒ SƠ ỨNG VIÊN VÀ THUẬT GIẢI 3.1 Bài toán đánh giá sự đáp ứng của ứng viên u với yêu cầu vị trí việc làm r và thuật giải xử lý 34

3.1.1 Mô hình bài toán 34

3.1.2 Thuật giải đánh giá sự đáp ứng của ứng viên u so với yêu cầu vị trí r 38

3.2 Bài toán đánh giá sự đáp ứng của tập ứng viên U theo một yêu cầu vị trí việc làm r và thuật giải 41

3.1.1Phát biểu bài toán giá sự đáp ứng của tập ứng viên U theo một yêu cầu vị trí việc làm r 41

3.1.2 Thuật giải đánh giá sự đáp ứng của tập ứng viên U theo yêu cầu r 42

3.1.3Vấn đề trong việc xếp hạng kết quả đáp ứng của tập ứng viên U và thuật giải 42

3.3 Bài toán đánh giá sự đáp ứng của tập ứng viên U với tập yêu cầu R và thuật giải43 3.1.4Phát biểu bài toán 43

3.1.5 Thuật giải 44

3.2Các bài toán phân loại và thuật giải 44

3.2.1 Bài toán phân loại danh sách hồ sơ U đạt theo yêu cầu vị trí tuyển dụng r và thuật giải 44

3.2.2 Bài toán phân loại được danh sách hồ sơ đạt theo danh sách yêu cầu R và thuật giải 45

3.2.3 Bài toán phân loại được các yêu cầu phù hợp với hồ sơ ứng viên u và thuật giải46 CHƯƠNG 4 THIẾT KẾ HỆ THỐNG PHÂN LOẠI HỒ SƠ ỨNG VIÊN 48

4.1Phân tích và xác định các yêu cầu 48

4.1.1Phân tích 48

4.1.2 Xác định yêu cầu chức năng 50

4.2Kiến trúc hệ thống 51

4.3 Cấu trúc tổ chức các Database và Knowledge Base của hệ thống 53

4.4 Cài đặt thử nghiệm và đánh giá kết quả 56

CHƯƠNG 5 KẾT LUẬN 64

5.1Kết quả đạt được 65

5.2 Hạn chế và hướng phát triển 66

5.2.1 Hạn chế 66

5.2.2 Hướng phát triển 67

TÀI LIỆU THAM KHẢO 68

PHỤ LỤC 70

MỞ ĐẦU

Việc lựa chọn và tuyển dụng được các nhân sự đáp ứng các điều kiện về chuyên môn, phù hợp với văn hóa tại đơn vị là nhân tố quyết định trong sự phát triển và thành công của tổ chức, công ty, doanh nghiệp nói chung, Tập đoàn Giáo dục Nguyễn Hoàng nói riêng Hàng năm, Tập đoàn luôn có nhu cầu tuyển dụng và tiếp nhận hàng ngàn hồ

sơ cho nhiều vị trí việc làm, trong đó có vị trí chuyên viên Công nghệ Thông tin Bộ phận nhân sự tại các đơn có nhiệm vụ lựa chọn, đánh giá về sự đáp ứng của hồ sơ, với từng vị trí việc làm cụ thể Hiện nay, việc lựa chọn, đánh giá chủ yếu dựa vào phương pháp thủ công, việc xem xét hàng ngàn hồ sơ cho hàng trăm vị trí công việc tại Tập đoàn là rất mất nhiều thời gian, công sức con người và kinh tế của Tập đoàn

Mộ hệ thống có khả năng lựa chọn, đánh giá được các hồ sơ tiềm năng đáp ứng các điều kiện của từng vị trí việc làm một cách tự động là vô cùng cần thiết và ý nghĩa trong Tập đoàn nói chung, các đơn vị trực thuộc nói riêng Để có thể thiết kế được loại

hệ thống này, hệ thống phải cần được trang bị khả năng nhận diện được các thông tin

của hồ sơ ứng viên và yêu cầu từng vị trí việc làm, từ đó làm cơ sở để có thể thực hiện được việc so sánh sự đáp ứng của hồ sơ ứng với yêu cầu vị trí việc làm

Hiện nay, cũng đã có một số công trình, xem xét một số kỹ thuật nhỏ trong bài toán phân loại các hồ sơ ứng viên như các kỹ thuật, các công cụ trong việc rút trích các đặc trưng của hồ sơ ứng viên Tuy nhiên, các công trình, công cụ này chỉ mới giải quyết được một vấn đề đó là rút trích đặc trưng thông tin của một hồ sơ ứng viên ở mức cơ bản, mà chưa quan tâm đến các vấn đề trong việc thiết kế một hệ thống hoàn chỉnh gồm các khâu lựa chọn, đánh giá, kết luận về các hồ sơ ứng viên theo từng vị trí việc làm

Trong luận văn này sẽ trình bày một giải pháp cụ thể, trong việc giải quyết đầy

đủ các mục tiêu của hệ thống, gồm các khâu quan trọng trong một quy trình tuyển dụng như: rút trích đặc trưng của hồ sơ, đánh giá hồ sơ và đưa ra sự phân loại về khả năng đáp ứng của hồ sơ với các vị trí chuyên viên công nghệ thông tin

CHƯƠNG 1 TỔNG QUAN

1.1 Giới thiệu về Tập đoàn Nguyễn Hoàng

1.1.1 Thông tin chung

Từ năm 1999, trải qua chặng đường 25 năm phát triển, Nguyễn Hoàng trở thành Tập đoàn giáo dục tư thục chất lượng cao tại Việt Nam Bằng việc đặt con người vào trung tâm đời sống, Tập đoàn Nguyễn Hoàng đã đầu tư với tất cả tâm huyết của mình tạo nên một hệ sinh thái giáo dục hoàn chỉnh từ mầm non đến tiến sĩ, với đa dạng mô hình hội nhập quốc tế, quốc tế song ngữ và quốc tế hoàn toàn

Tập đoàn có sứ mệnh chọn triết lý giáo dục Nhân bản, tinh thần khai phóng, lấy con người làm trung tâm, Tập đoàn Nguyễn Hoàng mang sứ mệnh đào tạo thế hệ học sinh – sinh viên có trí tuệ, tâm hồn, thể lực và kỹ năng vượt trội để sống hạnh phúc, hội nhập quốc tế và trở thành công dân toàn cầu có trách nhiệm Khẳng định vị thế trong hệ thống giáo dục tư thục tại Việt Nam; Tạo dựng hệ sinh thái giáo dục sáng tạo, toàn diện và đẳng cấp; Trở thành thương hiệu giáo dục uy tín trong khu vực và thế giới

Hội đồng giáo dục NHG gồm 13 thành viên có nhiệm vụ xác định các chủ trương, chính sách, mục tiêu, kế hoạch hoạt động và nguồn lực phục vụ hoạt động giáo dục của Khối K-12 trong Hệ thống Giáo dục Nguyễn Hoàng Trong đó, Hội đồng chịu trách nhiệm phê duyệt chiến lược phát triển Khối K-12, chương trình đào tạo của các nhãn đồng thời giám sát việc thực hiện các quyết định của Hội đồng Bên cạnh đó, Hội đồng sẽ tham gia kết nối với các hệ thống giáo dục và các chuyên gia giáo dục trong nước và quốc tế để trợ lực và gia tăng giá trị cộng hưởng cho hệ thống Trực thuộc Hội đồng giáo dục: Ban chuyên môn K-12

Với chức năng tham mưu về chiến lược phát triển khối Đại học và công tác chuyên môn của các trường, Hội đồng Đại học NHG gồm 18 thành viên được thành lập gồm những chuyên gia đầu ngành, những nhà nghiên cứu, nhà giáo dục có kinh

định hướng phát triển khối Đại học của Tập đoàn, các chiến lược phát triển và kế hoạch hoạt động hàng năm của các Trường đại học Trực thuộc Hội đồng Đại học: Ban Đại học

Đặt vấn đề đảm bảo chất lượng giáo dục là ưu tiên hàng đầu, NHG thành lập Hội đồng Đảm bảo chất lượng giáo dục NHG gồm 17 thành viên - với chức năng tham mưu về chủ trương, chính sách về đảm bảo chất lượng; phê duyệt các kết quả kiểm định chất lượng và xếp hạng nội bộ; giám sát việc thực hiện công tác đảm bảo chất lượng của các trường; tham gia kết nối với các hệ thống kiểm định chất lượng trong nước và quốc tế Hội đồng cũng sẽ thực hiện giám sát, phản biện và góp ý hỗ trợ các hoạt động của Ban Đảm bảo chất lượng giáo dục NHG Trực thuộc Hội đồng Đảm bảo chất lượng giáo dục: Ban Đảm bảo chất lượng giáo dục

Vấn đề tuyển dụng, với hơn 60 cơ sở giáo dục trực thuộc, Nguyễn Hoàng đã có mặt trên 24 Tỉnh/Thành Phố khắp cả nước, hơn 90.000 học sinh – sinh viên và hơn 4.500 cán bộ Hàng năm, tập đoàn tuyển dụng hơn hàng trăm vị trí việc làm, riêng năm

2023 hồ sơ gởi vào tất cả vị trí lên đến hàng ngàn hồ sơ, trong đó có hàng trăm hồ sơ riêng cho vị trí chuyên viên công nghệ thông tin

Để quản lý chặt chẽ, hiệu quả, tại Tập đoàn Nguyễn Hoàng và các đơn vị trực thuộc phải đảm bảo được các tiêu chí minh bạch, công bằng đúng người đúng vị trí, tại Tập đoàn rất quan tâm, và đặc biệt chú trọng đến các quy trình và tiêu chí trong tuyển dụng nhân sự

1.1.2 Quy trình về tuyển dụng và các tiêu chí sàng lọc hồ sơ ứng viên thủ công

1.1.2.1 Quy trình tuyển dụng tại đơn vị

Hình 1.1 Quy trình tuyển dụng tại Tập Đoàn Nguyễn Hoàng

Giải thích quy trình:

Giai đoạn 1: Các đơn vị đề xuất tuyển dụng vị trí tại khoa/viện/phòng ban

Giai đoạn 2: Thực hiện tuyển dụng

Bước 1: đăng tin tuyển dụng trên các phương tiện thông tin đại chúng như cổng

thông tin của Tập đoàn, các đơn vị trực thuộc

Bước 2: các ứng viên đọc thông tin yêu cầu tuyển dụng và đăng ký hồ sơ tuyển

dụng

Bước 3: nhà tuyển dụng thực hiện phân loại, đánh giá, chọn lọc hồ sơ phù hợp Bước 4: liên hệ ứng viên có hồ sơ năng lực phù hợp và thực hiện bước phỏng

vấn ứng viên

Bước 5: thực hiện phỏng vấn và đánh giá sau khi phỏng vấn Nếu ứng viên đạt

yêu cầu thì chuyển sang giai đoạn 3

Giai đoạn 3: Nếu ứng viên đạt yêu cầu tuyển dụng thì thực hiện giai đoạn thông báo

trúng tuyển và mời nhận việc

1.1.2.2 Các tiêu chí sàng lọc

Việc đưa ra các tiêu chí chính thức trước khi tiến hành sàng lọc là bước đầu tiên trong các phương pháp sàng lọc ứng viên để quá trình diễn ra nhanh chóng, hiệu quả, đảm bảo không bỏ lỡ ứng viên phù hợp, tiềm năng Mội vị trí tuyển dụng sẽ được lên các tiêu chí đánh giá khác nhau Tuy nhiên, tiêu chí được đưa ra sẽ luôn phải đảm bảo bám sát vào yêu cầu công việc cho vị trí mà ứng viên được tuyển dụng Vì vậy, trước khi bắt dầu đánh giá hồ sơ nhân sự, bộ phận tuyển dụng cần lập danh sách và ghi lại

• Tiêu chí về kinh nghiệm làm việc

Một doanh nhiệp nhỏ có thể chấp nhận sinh viên mới ra trường hoặc người ít kinh nghiệm để được đào tạo về thực tế công việc Trong trường này doanh nghiệp sẽ không yêu cầu quá cao về kinh nghiệp làm việc Vì doanh nghiệp có thể sẽ đào tạo thêm sau khi tuyển dụng

Nhưng đối với doanh nghiệp vừa và lớn, yêu cầu kinh nghiệp làm việc tăng theo từng cấp bậc Tùy vào cấp bậc nhân viên, phó phòng, trưởng phòng, giám đốc, … mà yêu cầu về thành tích và kinh nghiệm làm việc cũng ngày càng cao hơn Tùy vào độ khó công việc cần tuyển dụng và ngân sách lương, phúc lợi dành cho ứng viên trúng tuyển, doanh nghiệp sẽ xác định cụ thể yêu cầu kinh nghiệm để phòng nhân sự thuận lợi sàng lọc hồ sơ

Có thể thấy, kinh nghiệm làm việc là yếu tố quan trọng cần chú ý trong hồ sơ ứng viên Tùy vào công việc và tiêu chí đề ra, có thể tìm những ứng viên ít kinh nghiệm

để đào tạo thêm, hay giàu kinh nghiệm để bộ máy vận hành trơn tru…

• Tiêu chí trình độ học vấn

Mỗi ngành nghề dù đặc thù cao hay không thì yêu cầu về nền tảng kiến thức chuyên môn vẫn luôn là cơ sở sàng lọc quan trọng Bởi lẻ, đây là nền tảng quan trọng giúp ứng viên trúng tuyển tiếp thu nhanh công việc thực tế và những khóa đào tạo ngắn hạn tại doanh nghiệp

Đối với những vị trí công việc đặc thù như bác sĩ, kỹ sư, … và tùy vào yêu cầu công việc, doanh nghiệp cần xác định rõ tiêu trí chuyên môn mà vị trí tuyển dụng hướng đến thông qua các bằng cấp (cử nhân, thạc sĩ, kỹ sư, …) chứng chỉ nghiệp vụ, của ứng viên

• Tiêu chí về bằng cấp, chứng chỉ

Dù không phải ứng viên nào tốt nghiệp các trường đại học danh giá cũng đều

có thể đáp ứng được yêu cầu công việc tại doanh nghiệp Nhưng rõ ràng những ứng viên được đào tạo ở ngôi trường tốt có nhiều khả năng thành công hơn ứng viên được đào tạo từ ngôi trường bình thường Do đó, đây cùng là tiêu chí sàng lọc ứng viên nên lưu ý thêm

• Tiêu chí về kỹ năng và kiến thức

Một trong những tiêu chí tuyển dụng quan trọng không kém là kỹ năng và kiến thức chuyên môn Mỗi vị trí công việc khác nhau sẽ cần người có kỹ năng, kiến thức chuyên sâu về lĩnh vực đó

Hiện nay ở nhiều doanh nghiệp, tiêu chí về kinh nghiệm và kiến thức chuyên môn vẫn có thể được đào tạo sâu hơn khi ứng viên nhận việc Tuy nhiên ở các vị trí đòi hỏi kinh nghiệm, kiến thức chuyên môn là yếu tố quan trọng để nhà tuyển dụng đánh giá ứng viên

• Tiêu chí về đặc điểm tính cách

Bên cạnh trình độ thì tính cách cũng là tiêu chí sàng lọc ứng viên quan trọng Mỗi vị trí công việc có yêu cầu kỹ năng khác nhau và nhà tuyển dụng cần biết được vị trí nào thì cần những tính cách ra sao Ví dụ: Nhân viên Marketing cần có khả năng sáng tạo, nghiên cứu thị trường, xây dựng chân dung khách hàng hay các kỹ năng khác phục vụ mảng truyền thông như quay/ dựng phim, photoshop, … Nhân viên lập trình thì cần có kỹ năng tính toán, tư duy lập trình, kỹ năng xử lý vấn đề Các vấn đề phát sinh,

Một số tiêu chí đơn giản khác nhưng được áp dụng khá phổ biến như: Ngoại hình, giới tính, nơi sinh sống,

1.1.2.3 Các phương pháp sàng lọc ứng viên

• Phương pháp sàng lọc bản mô tả công việc tối ưu

Khi ứng viên quan tâm đến một vị trí tuyển dụng nào đó, đầu tiên họ sẽ muốn xin JD (Job description) – bản mô tả công việc Vì vậy, một bản mô tả công việc ngắn gọn, rõ ràng và đủ thông tin sẽ giúp chính bản thân ứng viên đánh giá khả năng phù hợp của họ với vị trí đang được tuyển dụng Từ đó nhà tuyển dụng đã có thể sàng lọc được một lượng lớn ứng viên

Một bản mô tả công việc hoàn chỉnh phải nêu bật các nội dung sau:

+ Vai trò, nhiệm vụ tổng quan của vị trí tuyển dụng

+ Kỹ năng cần thiết cho vị trí

+ Ngoài ra, thời gian làm việc, chế độ cũng là một điểm thu hút ứng viên + Để hoàn thành bản mô tả công việc chuyên nghiệp nhất, nhà tuyển dụng cần phối hợp phòng ban chuyên môn

• Phương pháp sàng lọc dựa trên yêu cầu tuyển dụng

Thông thường, các yêu cầu tuyển dụng thường dựa trên các yếu tố, tiêu chí đã

trình bày ở trên như:

+ Bằng cấp, trình độ học vấn, các chứng chỉ chuyên môn, chứng chỉ liên quan + Kinh nghiệm làm việc của ứng viên

+ Kỹ năng, tố chất cần có cho vị trí

• Phương pháp sàng lọc thống nhất tiêu chuẩn

Để áp dụng phương pháp này cần thực hiện theo 4 bước như sau:

+ Bước 1: Lựa cọn hồ sơ ứng viên có khả năng đáp ứng các yêu cầu tuyển dụng

cơ bản như kinh nghiệm ở vị trí tương đương

+ Bước 2: Xét kỹ năng cùng kinh nghiệm thực tế của ứng viên như: kỹ năng giải quyết vấn đề, kỹ năng lãnh đạo, kỹ năng quản lý công việc,

+ Bước 3: Trình độ học vấn bao gồm bằng cấp chuyên môn, chứng chỉ nghiệp

vụ liên quan, chứng chỉ kỹ năng tin học, ngoại ngữ,

+ Bước 4: Tiếp đến, nhà tuyển dụng có thể áp dụng tiêu chí về tinh thần làm việc, sự nghiêm túc của ứng viên với doanh nghiệp hay hình thức CV, thái độ, …

• Phương pháp sàng lọc loại bỏ tư duy sàng lọc chủ quan

Thông thường nhà tuyển dụng sẽ hay bị thu hút bởi những cả xúc đầu tiên về màu sắc, cách trình bày CV, tuổi tác của ứng viên hay trường đạo tạo ứng viên, … Tuy duy này dễ khiến khả năng sàng lọc của nhà tuyển dụng bị tác động mà ảnh hưởng đến các yếu tố quan trọng khác Chính vì vậy, nhà tuyển dụng nên tập trung vào các tiêu chí chính và loại bỏ thông tin cá nhân của ứng viên ra trước để tránh tình trạng trên Nhằm tìm đúng nhân sự tiềm năng cho doanh nghiệp

Tóm lại, hiện nay công cụ sàng lọc phân loại hồ sơ ứng viên thông qua phần mềm quản lý nhân sự, phần mềm tuyển dụng tự động đang được đánh giá cao và được

nhiều doanh nghiệp lựa chọn Việc áp dụng phần mềm sẽ giúp sàng lọc hồ sơ ứng viên nhanh chóng, tiết kiệm và vô cùng hiệu quả

Có thể thấy rằng, thách thức lớn nhất của công việc sàng lọc phân loại hồ sơ ứng viên, đánh giá năng lực hồ sơ ứng viên chính là khối lượng ứng viên đồ sộ

Do đó, phần mềm tuyển dụng hay nền tảng đánh giá ứng viên sẽ giúp nhà tuyển dụng giải quyết những công việc này một cách dễ dàng hơn Một giải pháp cho những vấn đề chính này là sẽ xây dụng hệ thống hỗ trợ phân loại hồ sơ ứng viên Hệ thống giúp đánh giá năng lực dựa trên dữ liệu CV cụ thể, đánh giá ứng viên trên nhiều khía cạnh thông qua các tiêu chí đặc trưng trên CV và mô tả công việc kèm theo của nhà tuyển dụng theo từng vị trí tuyển dụng Đảm bảo tính công bằng, nhất quán trong quy trình đánh giá

Đặc biệt, hệ thống giúp giải quyết bài toán chi phí cho các doanh nghiệp, sẽ giúp tối ưu chi phí nhân sự, tiết kiệm thời gian đánh giá, sàng lọc ứng viên, nhân viên giúp quy trình tuyển dụng nhanh chóng và hiệu quả

1.2 Các nghiên cứu liên quan

1.2.1 Các công trình nghiên cứu liên quan

Công trình [14] tác giả đã giải quyết bài toán về rút trích thông tin từ các hồ sơ (resume) dựa trên mô hình BERT-BiLSTM-CRF BERT-BiLSTM-CRF là một sự kết hợp giữa mô hình BERT, BiLSTM và CRF BERT mô hình không chỉ cho phép việc hiểu ngữ cảnh và có khả năng mã hóa ngôn ngữ một cách hiệu quả bằng cách sử dụng kiến trúc Transformer Ngoài ra, BiLSTM hình RNN (Recurrent Neural Network) có khả năng xử lý thông tin từ cả hai hướng (trái và phải) Chúng có thể giúp nắm bắt các mối quan hệ phức tạp trong chuỗi dữ liệu và CRF Conditional Random Field là một

mô hình xác suất dựa trên đồ thị, thường được sử dụng để làm cho kết quả đầu ra của

mô hình phù hợp với các ràng buộc giữa các nhãn Đầu tiên, văn bản TXT trong các định dạng khác nhau của tệp sơ yếu lý lịch được trích xuất để làm sạch dữ liệu và tiền

xử lý khác Mô hình ngôn ngữ BERT dựa trên các kỹ thuật máy học và học sâu, được

ron BiLSTM được sử dụng để thu được đặc trưng trừu tượng ngữ cảnh của văn bản được chuỗi hóa Cuối cùng, sử dụng CRF để giải mã và chú thích chuỗi toàn cầu tối

ưu, thông tin thực thể của sơ yếu lý lịch tương ứng được trích xuất Kết quả thử nghiệm cho thấy rằng toàn bộ kịch bản có thể hiệu quả trích xuất thông tin sơ yếu lý lịch điện

tử, và hiệu suất của mô hình trích xuất thông tin sơ yếu lý lịch dựa trên BiLSTM-CRF tốt hơn so với các mô hình khác

BERT-Công trình [15] Nghiên cứu này đã áp dụng công nghệ trí tuệ nhân tạo dựa trên máy học và khai thác dữ liệu văn bản để phân tích xu hướng của các cuộc thảo luận trực tuyến Nó đã phát triển một hệ thống có thể áp dụng trong các ngày hội việc làm lớn, nơi mà nhiều người tìm việc đều muốn kết hợp với số lượng tối đa các vị trí việc làm được cung cấp bởi các công ty Hệ thống đã phát triển tiến hành phân tích cạnh tranh cá nhân, phân tích đặc điểm tính cách và đưa ra đề xuất vị trí công việc dựa trên

hồ sơ việc làm điện tử mà ứng viên đã nộp Ngoài ra, hệ thống tạo ra một danh sách

đề xuất tài năng cho các công ty Kết quả thử nghiệm đã xác nhận rằng các vị trí công việc được đề xuất bởi hệ thống đã đáp ứng một cách mong đợi từ phía ứng viên

Công trình [8] Một người tìm việc thường dành hàng giờ tìm kiếm thông tin tuyển dụng lớn trên Internet để xác định những thông tin hữu ích Lĩnh vực hệ thống

đề xuất việc làm cho tuyển dụng đã mới xuất hiện và trải qua sự phát triển nhanh chóng Các hệ thống đề xuất việc làm nhìn vào hồ sơ người dùng và thiết kế các công nghệ đề xuất đã thu hút sự quan tâm, được nghiên cứu trong giới học thuật và đã được triển khai trong một số trường hợp sử dụng trong các ngành công nghiệp Nghiên cứu này tạo và triển khai một hệ thống đề xuất việc làm trực tuyến để giảm bớt công việc nhàm chán này Trong nghiên cứu này, một kiến trúc đã được đề xuất để trích xuất những ngành nghề phù hợp nhất dựa trên hồ sơ của cá nhân Xử lý ngôn ngữ tự nhiên

và máy học được sử dụng để huấn luyện mô hình dự đoán ngành nghề Sau đó, sử dụng ngành nghề này như một khóa, thông tin về công việc được thu thập từ trang web Naukri.com Các kỹ năng cần thiết cho các công việc được so khớp với kỹ năng của

cá nhân bằng một thuật toán tương đồng cosin và được xếp hạng và hiển thị cho người dùng

Nhóm tác giả trong công trình [16] đã trình bày phương pháp trong việc phân loại dữ liệu (hay rút trích dữ liệu từ các text) theo các đặc trưng Dựa trên kỹ thuật máy học, các dữ liệu (cấu trúc dạng text) sẽ được phân loại theo các nhóm đặc trưng (selected feature) Kết quả phân loại được đánh giá với độ chính xác cao, hiệu quản trong việc rút trích dữ liệu và phân loại theo từng đặc trưng Tuy nhiên, giải pháp này chỉ xem xét đến bài toán phân loại dữ liệu, chưa đặt vấn đề việc dữ liệu đầu vào là các file mềm (*.docx|*doc hay *.pdf) và cũng chưa xét bài toán trong đánh giá, hay quy trình tuyển dụng

Nhóm tác giả trong công trình [9], cũng đã có những khảo sát bài toán gán nhãn trong xử lý ngôn ngữ tự nhiên (NLP – Natural Language Processing), dựa trên cách tiếp cận học máy hay học sâu Bài báo đã chỉ dẫn các kết quả nghiên cứu liên quan đến giải bài toán gãn nhãn cho dữ liệu Tuy nhiên, các kết quả này chỉ dừng lại ở việc gán nhãn dữ liệu, cũng giống như công trình [16], chưa quan tâm đến việc dữ liệu đầu vào

là các file mềm (*.docx|*doc hay *.pdf) và cũng chưa xét bài toán trong đánh giá, hay quy trình tuyển dụng trong một ứng dụng cụ thể

1.2.2 Các ứng dụng liên quan

Phần mềm [6], Shiring là phần mềm hỗ trợ trong công tác tuyển dụng nhân sự ngành Công nghệ thông tin Nền tảng hỗ trợ quy trình hóa được nghiệp vụ quản lý hay tuyển dụng trong nhân sự Bên cạnh đó, phần mềm cũng hỗ trợ tính năng Resum-Parser cho phép rút trích thông tin CV một cách tự động Cùng một số tính năng khác như cho phép tổ chức, quản lý, lưu lại thông tin các CV và xây dựng các yêu cầu trong việc tuyển dụng, và các thông tin trong báo cáo phân tích

Phần mềm [1], Base E-Hiring cũng là một trong những giải pháp thương mại cung cấp chức năng hỗ trợ quy trình trong tuyển dụng nhân sự Trong đó các chức năng nổi bậc như: đồng bộ được các CV từ các trang web tuyển dụng trên internet, cho phép hay cung cấp chức năng tìm kiếm thông tin CV theo từ khóa (họ tên, số điện thoại, vv…) Tuy nhiên, phần mềm chưa hỗ trợ được khả năng trích xuất thông tin của ứng viên từ CV (từ file *.doc|*.docx hoặc file *.pdf), cũng như không hỗ trợ được

Phần mềm [2], CoffeeHR cũng là một giải pháp thương mại trong quản lý nhân

sự Phần mềm cung cấp tính năng quản lý các hồ sơ ứng viên, cho phép kết nối các tài nguyên (gồm các hồ sơ việc làm) trên một số trang web tuyển dụng trên internet Bên cạnh đó, phần mềm cũng cung cấp các tính năng như lọc thông tin ứng viên CV theo một số đặc trưng tùy chỉnh, cho phép đánh giá và chấm điểm hồ sơ ứng viên trên hệ thống để sắp xếp các thứ tự ưu tiên Tuy nhiên phần mềm không hỗ trợ chức năng trích xuất các thông tin đặc trưng bên trong một hồ sơ ứng viên (file *.doc|*.docx hoặc file

*.pdf), nhà tuyển dụng buộc phải tạo hồ sơ ứng viên một cách thủ công, và chức năng lọc thông tin chỉ hỗ trợ lọc được các đặc trưng cơ bản như địa chỉ email, số điện thoại Phần mềm [5], FastWork HRM+ là một giải pháp trong việc quản trị nhân sự, tuyển dụng của doanh nghiệp Phần mềm này hỗ trợ các tính năng như: tạo và quản lý các hồ sơ ứng viên (nhập thông tin hay các đặc trưng thủ công qua giao diện), tính năng tra cứu thông tin ứng viên như bằng cấp, thông tin liên hệ Phần mềm chưa hỗ trợ được các tính năng như trích xuất thông tin CV (*.doc|*.docx hoặc file *.pdf), chưa

hỗ trợ tốt trong tính năng đánh giá thông tin của một CV

(1) Mục tiêu về đề xuất giải pháp thiết kế

Đề xuất mô hình hay cấu trúc hóa được các đặc trưng của một hồ sơ ứng viên

Đề tài cần đề xuất được các đặc trưng phổ biến của một ứng viên chuyên ngành về công nghệ thông tin Từ đó, đề xuất lớp bài toán trong việc toán rút trích tự động các thông tin của một hồ sơ ứng viên Làm cơ sở để thực hiện việc lựa chọn, đánh giá sự phù hợp theo yêu cầu vị trí việc làm

Cấu trúc hóa được các yêu cầu của từng vị trí việc trong phạm vi chuyên viên

công nghệ thông tin, và nghiên cứu lớp bài toán trong việc đánh giá sự đáp ứng của

một hồ sơ ứng viên theo yêu cầu vị trí việc làm

Xem xét một số lớp bài toán trong phân loại hồ sơ ứng viên và đề xuất các thuật giải để giải quyết bài toán

(2) Mục tiêu về yêu cầu của ứng dụng

Một hệ thống hệ thống phân loại hồ sơ ứng viên là chuyên viên công nghệ thông tin cần có những chức năng sau đây:

❖ Về nghiệp vụ quản lý

o Quản lý danh sách các hồ sơ ứng viên

o Quản lý danh sách thông tin về yêu cầu của vị trí việc làm liên quan đến vị trí chuyên viên Công nghệ thông tin

CHƯƠNG 2 MÔ HÌNH HÓA ĐẶC TRƯNG

HỒ SƠ ỨNG VIÊN – YÊU CẦU VỊ TRÍ TUYỂN DỤNG CÙNG MỘT SỐ VẤN ĐỀ VÀ KỸ THUẬT

xem xét lớp bài toán đánh giá sự đáp ứng của một ứng viên của một yêu cầu vị trí việc

làm cùng các thuật giải xử lý

2.1 Mô hình hóa các đặc trưng của một hồ sơ ứng viên chuyên viên công nghệ thông tin và vấn đề rút trích thông tin cùng thuật giải xử lý

2.1.1 Mô hình hóa các đặc trưng trong hồ sơ ứng viên

Để có thể tự động nhận diện các đặc trưng và xử lý được đặc trưng của một hồ

sơ ứng viên chuyên viên công nghệ thông tin, các đặc trưng này cần phải được mô hình hay cấu trúc hóa Qua quá trình thu thập (phụ lục A) hồ sơ là các tài liệu dạng

*.docx|doc, *.pdf cùng với sự quan sát, phân tích

Định nghĩa 2.1 Cấu trúc một hồ sơ u, gọi tắt là CV (Curriculum Vitae) của ứng

viên u gồm các thành phần sau đây

(I, ED, WE, HK, SK, P, C, AW, AC, H)

Trong đó:

1/ I (Information in curriculum vitae): là thành phần lưu trữ thông tin chung của

một ứng viên u trong CV, các thông tin chung gồm 6 thuộc tính cơ bản:

▪ HoTen: kiểu dữ liệu chuỗi, cho phép lưu họ và tên của ứng viên

▪ NgaySinh: kiểu dữ liệu date, cho phép lưu thông tin về ngày sinh của ứng

viên

▪ GioiTinh: là giá trị thuộc {0, 1, 2} lưu thông tin về giới tính của ứng viên

Trong đó 0 chỉ giới tính nữ, 1 giới tính nam, 2 là giới tính khác

▪ DiaChi: dữ liệu chuỗi, cho phép lưu thông tin về địa chỉ của ứng viên

▪ SDT: kiểu chuỗi cho phép lưu thông tin về số điện thoại của ứng viên

▪ Email: kiểu chuỗi, cho phép lưu thông tin về email của ứng viên

2/ ED (Education in curriculum vitae) là thành phần lưu trữ thông tin về các nơi/đơn

vị đào tạo của ứng viên u trong CV, mỗi nơi/đơn vị đào tạo sẽ gồm 5 thuộc tính sau

đây:

▪ TenNoiDaoTao: nơi đào tạo, có kiểu dữ liệu chuỗi Ví dụ, Trường Đại học

Quốc Tế Hồng Bàng, Trường đại học Hoa Sen

▪ LoaiHinhDaoTao: loại hình đào tạo, có kiểu dữ liệu chuỗi, Ví dụ: chính quy,

từ xa, liên thông, …

▪ LoaiBangCap: loại bằng cấp, có kiểu dữ liệu chuỗi Ví dụ, Cử nhân, Kỹ sư,

Thạc sĩ, …

▪ ChuyenNganh: chuyên ngành đào tạo, có kiểu dữ liệu chuỗi, Ví dụ: khoa học

máy tính, công nghệ thông tin, trí tuệ nhân tạo, khoa học dữ liệu

▪ ThoiGianDaoTao: thời gian đào tạo, có kiểu số nguyên Ví dụ: 3 năm, 4 năm,

…

▪ XepLoai: xếp loại đào tạo, có kiểu dữ liệu chuỗi Ví dụ: loại khá, loại giỏi,

loại xuất sắc

3/ WE (Work Experimence in curriculum vitae) là thành phần lưu trữ thông tin về

các nơi làm việc của ứng viên u trong CV, mỗi nơi làm việc của ứng viên có 5 thuộc

tính sau đây:

▪ TenNoiLamViec: là tên nơi làm việc, có kiểu dữ liệu chuỗi Ví dụ Tập đoàn

Nguyễn Hoàng, Đại học Quốc Tế Hồng Bàng, …

▪ ChucDanh: là tên chức danh của công việc, có kiểu dữ liệu chuỗi Ví dụ: giám

đốc điều hành, giám đốc tài chính, giám đốc công nghệ, …

▪ ViTri: là vị trí công việc, có kiểu dữ liệu chuỗi Ví dụ: quản lý (manager),

trưởng nhóm (leader), lập trình viên cao cấp, …

▪ ThoiGian: thời gian làm việc, có kiểu dữ liệu số nguyên Ví dụ: 3 năm, 4 năm,

…

▪ NoiLamViec: địa điểm làm việc, có kiểu dữ liệu chuỗi Ví dụ: HCM, Hà Nội,

Đà Nẵng, …

4/ HK (Hard-Skills) là thành phần lưu trữ thông tin về các kỹ năng chuyên môn của

ứng viên u trong CV, kỹ năng chuyên môn gồm 2 thành phần con sau đây:

▪ Thành phần K: thành phần lưu trữ thông tin về kiến thức chuyên môn trong lĩnh vực công nghệ thông tin của ứng viên Ví dụ như: kiến thức phân tích thiết kế hệ thống, kiến thức về lập trình trên máy tính, kiến thức về kiểm thử phần mềm, kiến thức

5/ SK (Soft-Skills) là thành phần lưu trữ thông tin về các kỹ năng mềm trong CV, kỹ

năng mềm trong hồ sơ gồm 2 thành phần con sau đây:

▪ L: là thành lưu trữ thông tin về các kỹ năng mềm về ngôn ngữ của ứng viên

trong CV Mỗi ngôn ngữ trong Languages gồm có 2 thuộc tính:

• LoaiNgonNgu: là thuộc tính để chỉ loại hay tên ngôn ngữ mà ứng viên ghi trong hồ sơ, ví dụ: ngôn ngữ Anh, ngôn ngữ Hàn, ngôn ngữ Pháp, …

• Level: là thuộc tính để chỉ mức độ sử dụng của loại ngôn ngữ tương ứng được ghi trong hồ sơ, Level có 6 cấp độ theo chuẩn quốc tế [10] sau đây: Beginner, Elementary, Pre-intermediate, Intermediate, Upper-Intermediate, Advanced, theo [3], [4]

▪ Others: là tập lưu các kỹ năng mềm khác, gồm 7 thuộc tính

• KNGiaoTiep: là kỹ năng giao tiếp của ứng viên, có kiểu dữ liệu bool

• KNGiaiQuyetVanDe: là kỹ năng giải quyết vấn đề, có kiểu dữ liệu bool

• KNLamViecNhom: là kỹ năng làm việc nhóm, có kiểu dữ liệu bool

• KNQuanLy: là kỹ năng quản lý, có kiểu dữ liệu bool

• KNThichUng: là kỹ năng/khả năng thích ứng, có kiểu dữ liệu bool

• KNQuanLyTG: là kỹ năng quản lý thời gian, có kiểu dữ liệu bool

• KNToChuc: là kỹ năng tổ chức, có kiểu dữ liệu bool

6/ P (Projects in curriculum vitae) là thành phần lưu trữ thông tin về các dự án mà

ứng viên tham gia thực hiện, mỗi dự án gồm 7 thuộc tính sau đây:

▪ TenDuAn: là tên dự án, có kiểu dữ liệu chuỗi Ví dụ: Thiết kế website bán

điện thoại di động, xây dựng website quản lý tin tức, …

▪ VaiTro: là vai trò của ứng viên trong dự án, có kiểu dữ liệu chuỗi Ví dụ:

quản lý (manager), trưởng nhóm (leader), thành viên chính

▪ QuyMo: là số lượng thành viên dự án, có kiểu dữ liệu số nguyên Ví dụ: 10

thành viên, 20 thành viên

▪ CongViec: là công việc thực hiện của ứng viên trong dự án, có kiểu dữ liệu

chuỗi Ví dụ: Phân tích, thiết kế, lập trình, kiểm thử, lập kế hoạch, …

▪ ThoiGian: là thời gian thực hiện hay tham gia dự án, có kiểu dữ liệu số Ví

dụ: 3 năm, 4 năm, …

▪ CN_CC_NN_SuDung: là công nghệ, công cụ, ngôn ngữ được sử dụng trong

dự án, có kiểu dữ liệu chuỗi Ví dụ: NET, SVN, Visual Studio 2022, C/C++, C#

▪ MinhChung: là minh chức sản phẩm, có kiểu dữ liệu chuỗi

7/ C (Certificates in curriculum vitae) là thành phần lưu trữ thông tin về các loại

chứng chỉ của ứng viên, mỗi chứng chỉ gồm 5 thuộc tính sau đây:

▪ TenChungChi: là tên chứng chỉ, có kiểu dữ liệu chuỗi

▪ MaSo: là số hiệu của chứng chỉ, có kiểu dữ liệu chuỗi

▪ NoiCap: là nơi cấp chứng chỉ, có kiểu dữ liệu chuỗi

▪ NamCap: là năm cấp chứng chỉ, có kiểu dữ liệu số

▪ ThoiGianDaoTao: là thời gian đào tạo chứng chỉ, có kiểu dữ liệu số

8/ AW (AWARD in curriculum vitae) là thành phần lưu trữ thông tin về các giải

thưởng của ứng viên, mỗi giải thưởng gồm 3 thuộc tính sau đây:

▪ TenGT: là tên giải thưởng/thành tích, có kiểu dữ liệu chuỗi

▪ NamCap: là năm nhận giải thưởng, có kiểu dữ liệu số

▪ NoiCap: là nơi cấp chứng nhận, có kiểu dữ liệu chuỗi

9/ AC (Activities in curriculum vitae) là thành phần lưu trữ thông tin về các hoạt

động cộng đồng của ứng viên, mỗi hoạt động gồm 3 thuộc tính sau đây:

▪ TenHD: là tên hoạt động, có kiểu dữ liệu chuỗi

▪ NgayHD: là ngày diễn ra hoạt động, có kiểu dữ liệu ngày tháng năm

▪ DiaDiem: là địa điểm diễn ra hoạt động, có kiểu dữ liệu chuỗi

▪ QuyMo: là quy mô (số lượng người tham gia, có kiểu dữ liệu số

10/ H (Hobby in curriculum vitae) là tập các từ khóa, mỗi từ khóa là một sở thích

chỉ một sở thích của ứng viên có viết trong hồ sơ, ví dụ: bóng đá, bóng chuyền, bơi lội, du lịch, …vv

Để thuận tiện cho việc gọi và hiểu đúng ý nghĩa, trong luận văn cũng có một vài quy ước theo định nghĩa 2.1 như sau:

Một số quy ước ký hiệu

▪ I(u) thành phần lưu trữ thông tin chung của một ứng viên u

▪ ED(u) thành phần lưu trữ thông tin về các nơi/đơn vị đào tạo của ứng viên u

▪ WE(u) thành phần lưu trữ thông tin về các nơi làm việc của ứng viên u

▪ HK(u) thành phần lưu trữ thông tin về các kỹ năng chuyên môn của ứng viên u

▪ K(u) thành phần lưu trữ thông tin về chuyên môn của ứng viên u

▪ S(u) thành phần lưu trữ thông tin về kỹ năng sử dụng công nghệ, công cụ, ngôn ngữ lập trình của ứng viên u

▪ S 1(u) thành phần lưu trữ thông tin về kỹ năng sử dụng công nghệ của ứng viên u

▪ S 2(u) thành phần lưu trữ thông tin về kỹ năng sử dụng công cụ của ứng viên u

▪ S 3(u) thành phần lưu trữ các kỹ năng sử dụng ngôn ngữ lập trình của ứng viên u

▪ L(u) thành phần lưu trữ thông tin về kỹ năng sử dụng ngôn ngữ của ứng viên u

▪ SK(u) thành phần lưu trữ thông tin về các kỹ năng mềm của ứng viên u

▪ P(u) thành phần lưu trữ thông tin về các dự án của ứng viên u

▪ C(u) thành phần lưu trữ thông tin về các chứng chỉ/chứng nhận của ứng viên u

▪ AW(u) thành phần lưu trữ thông tin về các giải thưởng của ứng viên u

▪ AC(u) thành phần lưu trữ thông tin về các hoạt động ngoại khóa của ứng viên u

▪ H(u) thành phần lưu trữ thông tin về sở thích/tích cách/trách nhiệm của ứng viên

u

2.1.1 Vấn đề rút trích hồ sơ ứng viên dựa trên Ontology miền cùng kỹ thuật xử

lý

2.1.1.1 Ontology miền tri thức về lĩnh vực tuyển dụng ứng viên là chuyên viên CNTT

Trong quá trình ứng tuyển vào vị trí làm việc, người ứng tuyển hay các ứng viên

sẽ thực hiện gửi các hồ sơ cho đơn vị tuyển dụng, gồm có hồ sơ bản mềm ghi tóm tắt thông tin về ứng viên (dạng file *.pdf|*.docx|*.doc) thường gọi là CV và các minh chứng đi kèm Nhà tuyển dụng thường sẽ xem nhanh và đánh giá đáp ứng sự phù hợp qua việc xem nhanh các bản mềm ghi thông tin tóm tắt CV của ứng viên, để nắm bắt được các thông tin quan trọng, hay các đặc trưng quan trọng (các đặc trưng này được trình bày ở phần định nghĩa 2.1) Từ đó có thể làm cơ sở để nhận định và đánh giá khả năng đáp ứng theo từng vị trí tuyển dụng

Vì vậy, vấn đề đầu tiên trong việc giúp nhà tuyển dụng có thể đánh giá được khả năng đáp ứng đó chính là phải lọc, hay ghi nhận lại được tự động các thông tin quan trọng hay đặc trưng trong một CV (dạng file phổ biến như *.docx|*.doc|*.pdf)

Có nhiều hướng tiếp cận trong việc rút trích tự động như trong đề cập [15], [8], [16] hay bộ phần mềm [1], [2], [5], [6] , Tuy nhiên, trong phần trình bày của luận văn này để tăng cường khả năng chủ động và độ chính xác trong việc rút trích, một Ontology miền trong phạm vi lĩnh vực tuyển dụng vị trí ứng viên chuyên viên công nghệ thông tin được đề xuất, để làm cơ sở để thực hiện các thao tác rút trích được một cách phù hợp, và chính xác các đặc trưng được mô tả hay trình bày trong các CV Hiện nay, cũng đã có nhiều công trình đề cập và đưa ra các giải pháp trong thiết kế Ontology [7], [10], [13] Một trong những giải pháp hiệu quả được tác giả trình bày trong [7] trong biểu diễn nội dung tài liệu văn bản Nhân tố chính để phát triển trong toàn bộ lý thuyết [7] đó là dựa trên định nghĩa các keyphrases, là gồm tập các từ, cụm từ, có nghĩa thể hiện mong muốn người dùng được diễn đạt qua chúng Từ đó phát triển các cơ sở

lý thuyết dựa trên thành phần keyphrases

Dựa trên ý tưởng đó và một số đặc thù cụ thể từ phạm vi và yêu cầu của ứng dụng, đề tài cũng sẽ vận dụng và cải biên một số thành phần, để phù hợp, tăng tính hiệu quả hơn trong phạm vi làm cơ sở để rút trích các đặc trưng được trình bày theo định nghĩa 2.1 Trong phạm vi đề tài, chỉ quan tâm đến các từ, cụm từ có độ phổ biến

và ý nghĩa cao hơn trong phạm vi lĩnh vực Khái niệm từ khóa (keyword) sẽ được sử

dụng làm ý tưởng chính và phát triển một số cơ sở lý thuyết liên quan đến nhân tố này trong toàn bộ mô hình Ontology miền để đáp ứng cho bài toán rút trích tự động các đặc trưng trong CV

Định nghĩa 2.2 Ta gọi một Ontology miền tri thức trong việc tuyển dụng các

ứng viên chuyên viên công nghệ thông tin, gọi tắt Ontology miền là một mô hình dựa

trên ý tưởng của CK-ONTO [7], gồm có 3 thành phần

(K, C, R)

Trong đó:

K là tập các từ khóa (keywords) có trong miền, theo [11] mỗi từ khóa là có thể

là từ hoặc cụm từ có nghĩa đầy đủ, thường được quan tâm, hay có mức độ sử dụng phổ biến cao trong một phạm vi lĩnh vực Ví dụ trong phạm vi tuyển dụng các ứng viên

công nghệ thông tin ta có các từ khóa như: computer, data structure, data type,

algorithm, computer science, computer vision, programming language, Programming Language C, Programming Language C++, C#, Python, …vv

Trong phạm vi đề tài và để đơn giản độ phức tạp của mô hình, khi đề cập đến từ khóa,

ta không xem xét đến cấu tạo tự khóa, mà được xem là từ khóa thì bản thân từ khóa

này phải có đầy đủ nghĩa của nó Ví dụ từ khóa Data structures and Algorithms, ta

sẽ không xem xét cấu trúc của từ khóa này khi chúng được cấu tạo từ 2 từ khóa là Data

structures và từ khóa Algorithms, mà khi đề cập thì Data structures and

Algorithms là một từ khóa

C là tập các lớp các từ khóa Mỗi lớp c  C sẽ là một nhóm các từ khóa có cùng

tính chất nào đó với nhau, ví dụ: programming language là một lớp thuộc tập C, với

programming language gồm nhiều ngôn ngữ lập trình như: Pascal, C/C++, C#, Java,

Php, Swift, R, Ruby, …; hay Job là một lớp thuộc tập C, với Job gồm nhiều dạng

công việc như: IT HelpDesk, Technician Support, Tester, Front-end Developer,

Bussiness Analyts, Game Developer, IOS developer, …

R là tập các quan hệ hai ngôi, trong đó R gồm hay thành phần: (RCC RKK) Trong đó:

RCC là tập các quan hệ hai ngôi giữa các c thuộc C Trong phạm vi đề tài, quan

hệ hai ngồi được cập và xem xét gồm hai loại quan hệ một lớp này là CON của một

Ta có: procedural programming languages có quan hệ là CON programming

languages và object Oriented Programming Languages có quan hệ là CON programming languages

RKK là tập các quan hệ hai ngôi giữa các keywords Trong phạm vi của đề tài, ta

có các quan hệ R KK ta chỉ xét quan hệ đồng nghĩa giữa các từ khóa Ta gọi k1 và k2

(k1, k2  K) là đồng nghĩa với nhau, viết tắt là k1  k2 Ta có thuật giải để kiểm tra hai

từ khóa k1 và k2 đồng nghĩa như sau:

Thuật giải 2.1 unifyofkeyword

base: K miền tri thức được biểu diễn theo Ontology miền

if r[1] = k 1 and r[2] = k 2 then return true;

if r[1] = k 2 and r[2] = k 1 then return true;

viên sẽ gửi một CV và hệ thống cần phải nhận diện hay rút trích được các đặc trưng

bên trong hồ sơ này Từ đó làm cơ sở cho việc phân loại, đánh giá tính đáp ứng theo từng vị trí việc làm

• Phát biểu bài toán

Định nghĩa 2.3 Cho trước một cơ sở tri thức K, được mô hình hóa Ontology

miền được trình bày ở định nghĩa 2.2 và một CV (Curriculum Vitae) có cấu trúc (dạng file mềm *.docx|*.doc|*.pdf) Hãy thực hiện rút trích ra các thông tin đặc trưng của

CV được trình bày theo định nghĩa 2.1, ta có thể mô hình hóa bài toán thành dạng sau đây:

file *.docx | *.doc | *.pdf → (I, E, WE, HK, SK, P, C, AW, AC, H)

Trong đó:

▪ File *.docx | *.doc | *.pdf là file CV có cấu trúc được ứng viên cung cấp

trước

▪ I: là thành phần lưu lại thông tin trong CV

▪ E: là thành phần lưu lại quá trình đào tạo có ghi trong CV

▪ WE: là thành phần lưu lại quá trình công tác/kinh nghiệm làm việc có ghi trong CV

▪ HK: là thành phần lưu lại các kỹ năng chuyên môn gồm kiến thức và kỹ năng của ứng viên có ghi trong CV

▪ SK: là thành phần lưu lại các kỹ năng mềm của ứng viên có ghi trong CV

▪ P: là thành phần lưu lại các dự án mà ứng viên ghi trong CV

▪ C: là thành phần lưu lại các thông tin về các chứng chỉ/giấy chứng nhận của

ứng viên có ghi trong CV

▪ AW: là thành phần lưu lại thông tin về các giải thưởng có ghi trong CV

▪ AC: là thành phần lưu lại các thông tin về các hoạt động ngoại khóa của ứng

viên có ghi trong CV

▪ H: là thành phần lưu lại các thông tin về các sở thích, tích cách của ứng viên Ghi chú: cấu trúc chi tiết của các thành phần I, E, WE, HK, SK, P, C, AW,

AC, H được trình bày tại định nghĩa 2.1

• Thuật giải xử lý

Ta có thể giải quyết bài toán ở định nghĩa 2.3 có dạng

file *.docx | *.doc | *.pdf → (I, E, WE, HK, SK, P, C, AW, AC, H)

bởi thuật giải sau,

Giai đoạn 1: đọc nội dung trong file *.pdf, *.docx|*.doc File *.pdf,

*.docx|*.doc là một trong những định dạng văn bản phổ biến được dùng hiện nay trong soạn thảo văn bản nói chung, các mẫu CV nói riêng Trong phần đề tài này, để giải quyết kỹ thuật đọc được thông tin, hay các đặc trưng của một ứng viên được mô tả trong CV, đề tài sẽ sử dụng một số thư viện đọc được các nội dung bên trong của file tài liệu dạng *.docx|*.doc|*.pdf như thư viện Microsoft Word Object Library [12] Thư viện này cung cấp một lớp giao diện Document và phương thức Open() cho phép đọc được nội dung tài liệu Thuộc tính Text trong Content của Lớp giao diện Document cho phép truy xuất đến nội dung vừa đọc được và có kiểu dữ liệu là một chuỗi

Giai đoạn 2: Từ cấu trúc chuỗi vừa đọc được, dựa vào Ontology miền và các

Thuật giải 2.2

Base: K, K được mô hình hóa theo Ontology miền

Input: CV (file *.pdf, *.docx|*.doc)

Output: đặc trưng trong CV, gồm bộ: (I, E, WE, HK, SK, P, C, AW, AC, H)

Giai đoạn 1: Đọc nội dung CV (file *.pdf, *.docx|*.doc) Sử dụng thư viện Microsoft

Word Object Library để đọc nội dung trong CV và ghi nhận lại nội dung

Giai đoạn 2: Từ cấu trúc nội dung của chuỗi vừa đọc được từ trong định dạng

*.docx|*.doc|*.pdf Ta thực hiện phân tích các cấu trúc đặc trưng bên trong chuỗi như sau:

Bước 1: Cắt đoạn chuỗi có chứa phần nội dung thông tin chung được ghi trong

CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần I

Bước 2: Cắt đoạn chuỗi có chứa phần nội dung về thông tin về quá trình đào

tạo ghi trong CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần E

Bước 3: Cắt đoạn chuỗi có chứa phần nội dung về kinh nghiệm làm việc ghi

trong CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần WE

Bước 4: Cắt đoạn chuỗi có chứa phần nội dung về kỹ năng chuyên môn ghi

trong CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần HK

Bước 5: Cắt đoạn chuỗi có chứa phần nội dung về kỹ năng mềm ghi trong CV

Thực hiện phân tích thông tin nội dung và lưu vào thành phần SK

Bước 6: Cắt đoạn chuỗi có chứa phần nội dung về các dự án ghi trong CV Thực

hiện phân tích thông tin nội dung và lưu vào thành phần P

Bước 7: Cắt đoạn chuỗi có chứa phần nội dung về các chứng chỉ ghi trong CV

Thực hiện phân tích thông tin nội dung và lưu vào thành phần C

Bước 8: Cắt đoạn chuỗi có chứa phần nội dung về các giải thưởng ghi trong

CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần AW

Bước 9: Cắt đoạn chuỗi có chứa phần nội dung về các hoạt động trải nghiệm

ghi trong CV Thực hiện phân tích thông tin nội dung và lưu vào thành phần A

Bước 10: Cắt đoạn chuỗi có chứa phần nội dung về các sở thích ghi trong CV

Thực hiện phân tích thông tin nội dung và lưu vào thành phần H

Đề tài cũng đã thử nghiệm và cài đặt thành một module trong việc xử lý đọc cấu trúc file CV và dưới đây là kết quả của cài đặt:

Hình 2.1 Giao diện kết quả của hệ thống sau khi đọc file CV của ứng viên

Hình 2.2 Hình ảnh file CV của ứng viên (*.docx)

2.2 Mô hình hóa các yêu cầu vị trí việc làm

2.2.1 Cấu trúc hóa của một tiêu chí trong yêu cầu công việc

Mỗi vị trí việc làm sẽ có những yêu cầu cụ thể, để có thể phân loại tự động hoặc đánh giá sự đáp ứng của hồ sơ ứng viên theo yêu cầu của từng vị trí việc làm, đòi hỏi các yêu cầu từng vị trí việc làm phải được mô hình hóa cụ thể Qua quá trình khảo sát các yêu cầu tuyển dụng việc làm chuyên viên công nghệ thông tin, ta có thể mô hình hóa các yêu cầu vị trí việc làm như sau:

Định nghĩa 2.4 Cho một miền tri thức K, được mô hình hóa theo mô hình

Ontology miền (định nghĩa 2.2), ta gọi tiêu chí c (criteria) trong tuyển dụng phạm vi

về lĩnh vực công nghệ thông tin là một một bộ gồm 3 thành phần sau đây:

(name, Rc, tc) Trong đó:

1/ name là tên của tiêu chí c trong yêu cầu của tuyển dụng, do nhà tuyển dụng

dùng đặt theo ngữ cảnh cụ thể, ví dụ: tiêu chí về: “kỹ năng chuyên môn”, “kỹ năng

ngôn ngữ”, “kỹ năng sử dụng công nghệ”, …

2/ Rc là thành phần về các năng lực cụ thể theo tiêu chí c Rc có cấu trúc gồm hai thành phần con: (Ra , Tmin), với:

+ R a có cấu trúc gồm tập các năng lực, Ra = {a1, a2, …, an}, mỗi thành phần năng lực ai có cấu trúc gồm:

++ Năng lực ai là một sự kiện thuộc 2 loại sự kiện sau đây:

sự kiện 1: tên của năng lực a i được thể hiện qua từ khóa k a (k a K);

sự kiện 2: sự phụ thuộc của một sự kiện loại 1 theo một giá trị hằng

++ Mức độ quan trọng ta của năng lực ai trong tiêu chí c Giá trị ta được

nhà tuyển dụng ước lượng và gán sẵn trong tiêu chí c (0< ta  100)

+ T min là một giá trị chỉ mức độ tối tiểu của tiêu chí c mà ứng viên phải đạt được tại tiêu chí này, giá trị Tmin được nhà tuyển dụng ước lượng và gán sẵn Ta gọi tsum là

giá trị mức độ đạt của một ứng viên tại tiêu chí c, ký hiệu tsum(Ra), được tính dựa trên

tổng giá trị ta trong ai (ai  Ra), theo công thức sau:

𝑡𝑠𝑢𝑚 = ∑ 𝑡𝑎(𝑎𝑖)

𝑎𝑖 ∈𝑅𝑎

, 𝑣ớ𝑖 𝑡𝑎(𝑎𝑖) 𝑙à 𝑔𝑖á 𝑡𝑟ị 𝑡𝑎 𝑡𝑟𝑜𝑛𝑔 𝑎𝑖

Ghi chú: Giả sử rằng một ứng viên U, có SumT được tính SumT  Tmin thì ta

có thể nói rằng ứng viên U đạt theo tiêu chí c Ngược lại ta kết luận U không đạt tiêu

chí c

3/ tc chỉ mức độ quan trọng (%) của tiêu chí c trong bộ tiêu chí/yêu cầu tuyển

dụng của tuyển dụng (được định nghĩa 2.5 bên dưới đây); giá trị t được nhà tuyển

Để thuận tiện hơn trong quá trình trình bày nội dung, dựa trên các ký hiệu được định nghĩa tại 2.4, luận văn sẽ quy định một vài quy ước trong cách dùng, kể từ phần này trở đi các quy ước này được sử dụng với ý nghĩa theo như dưới đây:

Một số quy ước ký hiệu:

▪ name(c) là tên gọi của tiêu chí c

▪ Rc(c) là thành phần năng lực tiêu chí c

▪ Ra(Rc) là tập năng lực cụ thể trong Rc của tiêu chí c

▪ Tmin(Rc) là giá trị đạt tối thiểu của thành phần năng lực Rc

▪ ta(ai) là giá trị chỉ mức độ quan trọng của năng lực ai

▪ tc(c) là giá trị chỉ mức độ quan trọng của tiêu chí c trong yêu cầu tuyển dụng

▪ tsum(Ra) là giá giá trị đo mức độ đạt được các năng lực Ra của ứng viên U, hoặc tsum(c) là giá trị đo mức độ đạt được tiêu chí c của ứng viên U, ở đây tsum(Ra) và tsum(c)

là như nhau về mặt ý nghĩa

2.2.2 Cấu trúc hóa một yêu cầu vị trí việc làm trong tuyển dụng chuyên viên Công nghệ Thông tin

Định nghĩa 2.5 Cho một miền tri thức K, được mô hình hóa theo Ontology miền

(định nghĩa 2.2), ta gọi một yêu cầu vị trí việc làm r (requirement) trong tuyển dụng

+ A thành phần mô tả điều kiện của độ tuổi gồm: thuộc tính From ý nghĩa lưu

trữ thông tin về độ tuổi tối thiểu của ứng viên; thuộc tính To ý nghĩa lưu trữ thông tin

về độ tuổi tối đa của ứng viên Ví dụ, ứng viên có độ tuổi từ 25 đến 35, vậy ta có yêu

cầu về độ tuổi được biểu diễn bằng From = 25 và To = 35

+ TA thành phần chỉ mức độ quan trọng (%) của RA trong yêu cầu tuyển dụng R

Giá trị TA được nhà tuyển dụng ước lượng và gán sẵn (0 < TA  100)

Một số quy ước ký hiệu:

▪ RA(R) đọc là yêu cầu về độ tuổi trong R

▪ A(RA)/A(R) đọc là điều kiện về độ tuổi trong RA / trong R

▪ From(A) đọc là độ tuổi tối thiểu của ứng viên trong RA

▪ To(A) đọc là độ tuổi tối đa của ứng viên trong RA

▪ TA(RA) đọc là mức độ quan trọng của RA trong yêu cầu R

2/ RE thành phần yêu cầu về thông tin đào tạo của ứng viên R E có cấu trúc gồm

ba thành phần con:

+ Level: là thành phần về trình độ được đào tạo của ứng viên Level có cấu trúc

như là một tiêu chí về trình độ đào tạo của ứng viên, cấu trúc của tiêu chí được định

nghĩa theo định nghĩa 2.4

+ Major là thành phần về chuyên ngành của ứng viên, Major có cấu trúc như là

một tiêu chí về chuyên ngành của ứng viên, cấu trúc của tiêu chí được định nghĩa theo

Một số quy ước ký hiệu:

▪ RE(R) đọc là yêu cầu đào tạo trong R

▪ Level(RE)/Level(R) đọc là tiêu chí về trình độ đào tạo trong RE/R

▪ Major(RE)/Major(R) đọc là tiêu chí về chuyên ngành trong RE/R

▪ TE(RE) đọc là mức độ quan trọng của RE trong yêu cầu R

3/ RK là thành phần về các yêu cầu về kỹ năng chuyên môn của ứng viên R K

có cấu trúc gồm hai thành phần:

+ K là một tiêu chí về yêu cầu kỹ năng chuyên môn, cấu trúc theo định nghĩa 2.4 + TK chỉ mức độ quan trọng (%) của RK trong yêu cầu tuyển dụng R, ta có TK =

tc(K) Ghi chú: tc của tiêu chí K sẽ được gán sẵn bởi nhà tuyển dụng

Một số quy ước ký hiệu

▪ RK(R) đọc là yêu cầu về kỹ năng chuyên môn trong R

▪ TK(RK) đọc là mức độ quan trọng của RK trong yêu cầu R

4/ RS là thành phần về các yêu cầu về kỹ năng sử dụng công nghệ, kỹ năng sử

dụng công cụ, kỹ năng sử dụng các ngôn ngữ lập trình của ứng viên Rs gồm 4 thành

phần con sau đây:

+ S 1 là một tiêu chí về yêu cầu về kỹ năng sử dụng công nghệ của ứng viên, cấu trúc theo định nghĩa 2.4

+ S 2 là một tiêu chí về yêu cầu về kỹ năng sử dụng công cụ của ứng viên, cấu trúc theo định nghĩa 2.4

+ S 3 là tiêu chí về yêu cầu về kỹ năng sử dụng các ngôn ngữ lập trình của ứng

viên, cấu trúc theo định nghĩa 2.4

+ T S chỉ mức độ quan trọng (%) của RS trong yêu cầu tuyển dụng R Giá trị TS được tính dựa trên S1 , S 2 , S 3, ta có: TS = tc(S1) + tc(S2) + tc(S3) Ghi chú: theo định nghĩa 2.4 thành phần chỉ mức độ quan trọng tc của tiêu chí S1, S2, S3 sẽ được gán sẵn bởi nhà tuyển dụng

Một số quy ước ký hiệu:

▪ RS(R) đọc là yêu cầu về về kỹ sử dụng công nghệ (công cụ, công cụ, ngôn ngữ lập trình) trong R;

▪ S1(RS) hoặc S1(R) đọc là tiêu chí về kỹ năng sử dụng công nghệ trong RS

▪ S2(RS) hoặc S2(R) là tiêu chí về kỹ năng sử dụng công cụ trong RS

▪ S3(RS) hoặc S3(R) đọc là tiêu chí về kỹ năng sử dụng ngôn ngữ lập trình trong RS

▪ TS(RS) đọc là mức độ quan trọng của RS trong yêu cầu R

5/ RL là thành phần yêu cầu về kỹ năng sử dụng các ngôn ngữ của ứng viên, R L

có cấu trúc gồm hai thành phần:

+ L là một tiêu chí về yêu cầu kỹ năng sử dụng ngôn ngữ của ứng viên, cấu trúc

theo định nghĩa 2.4

+ TL chỉ mức độ quan trọng (%) của RL trong yêu cầu tuyển dụng R, ta có TL =

tc(L) Ghi chú: tc của tiêu chí L sẽ được gán sẵn bởi nhà tuyển dụng

Một số quy ước ký hiệu:

▪ RL(R) đọc là yêu cầu kỹ năng sử dụng ngôn ngữ trong R;

▪ L(RL) hoặc L(R) đọc là tiêu chí về kỹ năng sử dụng ngôn ngữ trong RL