論文の概要: Unlocking Futures: A Natural Language Driven Career Prediction System for Computer Science and Software Engineering Students
- arxiv url: http://arxiv.org/abs/2405.18139v1
- Date: Tue, 28 May 2024 12:56:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-29 18:39:08.004024
- Title: Unlocking Futures: A Natural Language Driven Career Prediction System for Computer Science and Software Engineering Students
- Title（参考訳）: Unlocking Futures: コンピュータサイエンスとソフトウェア工学の学生のための自然言語駆動キャリア予測システム
- Authors: Sakir Hossain Faruque, Sharun Akter Khushbu, Sharmin Akter,
- Abstract要約: 本研究は,CS学生とSWE学生の独特な特徴に基づいて,特定のキャリア提案を提供することによって,教育指導に貴重な洞察を与えるものである。
この研究は、CSとSWEの学生がスキル、興味、スキル関連の活動に合った適切な仕事を見つけるのに役立つ。
- 参考スコア（独自算出の注目度）: 0.5735035463793009
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: A career is a crucial aspect for any person to fulfill their desires through hard work. During their studies, students cannot find the best career suggestions unless they receive meaningful guidance tailored to their skills. Therefore, we developed an AI-assisted model for early prediction to provide better career suggestions. Although the task is difficult, proper guidance can make it easier. Effective career guidance requires understanding a student's academic skills, interests, and skill-related activities. In this research, we collected essential information from Computer Science (CS) and Software Engineering (SWE) students to train a machine learning (ML) model that predicts career paths based on students' career-related information. To adequately train the models, we applied Natural Language Processing (NLP) techniques and completed dataset pre-processing. For comparative analysis, we utilized multiple classification ML algorithms and deep learning (DL) algorithms. This study contributes valuable insights to educational advising by providing specific career suggestions based on the unique features of CS and SWE students. Additionally, the research helps individual CS and SWE students find suitable jobs that match their skills, interests, and skill-related activities.
- Abstract（参考訳）: キャリアは、どんな人にとっても、一生懸命働くことで自分の欲求を満たすための重要な側面である。
研究期間中、生徒はスキルに合わせた有意義な指導を受けない限り、最高のキャリア提案を見つけることはできない。
そこで我々は,より優れたキャリア提案を提供するために,早期予測のためのAI支援モデルを開発した。
タスクは難しいが、適切なガイダンスが簡単にできる。
効果的なキャリアガイダンスには、学生の学術的スキル、興味、スキル関連の活動を理解する必要がある。
本研究では,コンピュータサイエンス(CS)とソフトウェア工学(SWE)の学生から必須情報を収集し,学生のキャリア関連情報に基づいてキャリアパスを予測する機械学習(ML)モデルを訓練した。
モデルを適切にトレーニングするために、自然言語処理(NLP)技術と完了データセット前処理を適用した。
比較分析では,複数の分類MLアルゴリズムとディープラーニング(DL)アルゴリズムを用いた。
本研究は,CS学生とSWE学生の独特な特徴に基づいて,特定のキャリア提案を提供することによって,教育指導に貴重な洞察を与えるものである。
さらに、この研究は、CSとSWEの学生がスキル、興味、スキル関連の活動に合う適切な仕事を見つけるのに役立つ。
関連論文リスト
- Understanding the Skills Gap between Higher Education and Industry in the UK in Artificial Intelligence Sector [1.5484595752241124]
本稿では、イギリスの大学がAIのコースを提供し、現実世界での学生の就職準備について検討する。
求人広告や大学カリキュラムから情報を収集するために、カスタムデータスクラップツールを使用することで、この研究は、どのスキル産業が求めているのかを正確に示す。
この研究は、AI領域の大学カリキュラムは、ほとんどの技術スキルではバランスがよく、データサイエンスと数学と統計学のスキルカテゴリーではギャップがあることを示した。
論文 参考訳（メタデータ） (2024-08-20T12:28:58Z) - Course-Skill Atlas: A national longitudinal dataset of skills taught in U.S. higher education curricula [0.7499722271664147]
コーススキル・アトラス(Course-Skill Atlas)は、300万人以上の高等教育機関で教えられた300万以上のコースシラビから推定されるスキルの時系列データセットである。
我々のデータセットは、学生の労働市場への準備における大学教育の役割を大規模に表している。
論文 参考訳（メタデータ） (2024-04-19T20:14:15Z) - Generative Software Engineering [23.584814591463406]
本稿では,事前学習モデルと大規模言語モデル(LLM)を用いたソフトウェア工学における生成タスクの文献レビューを行う。
LLMには強力な言語表現と文脈認識能力があり、多様なトレーニングデータを活用し、生成タスクに適応することができる。
我々は、既存のアプローチにおける重要な強み、弱点、ギャップを特定し、潜在的研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-03-05T01:37:37Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳（メタデータ） (2022-11-27T13:07:14Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Knowledge Tracing: A Survey [4.336461815419918]
教育を通じて知識を伝達する能力は、人間の知性にとって欠かせない側面の1つである。
オンライン教育プラットフォームの台頭に伴い、学習者の知識を追跡し、学習経験を調整するための機械も必要となる。
これは、文献における知識追跡(KT)問題として知られている。
KT問題を効果的に解決すれば、知的学習システム、カリキュラム学習、学習教材の推薦など、コンピュータ支援の教育応用の可能性が解ける。
論文 参考訳（メタデータ） (2022-01-08T13:59:48Z) - The Information Geometry of Unsupervised Reinforcement Learning [133.20816939521941]
教師なしスキル発見(英語: Unsupervised skill discovery)とは、報酬関数にアクセスせずに一連のポリシーを学ぶアルゴリズムのクラスである。
教師なしのスキル発見アルゴリズムは、あらゆる報酬関数に最適なスキルを学習しないことを示す。
論文 参考訳（メタデータ） (2021-10-06T13:08:36Z) - Skill Preferences: Learning to Extract and Execute Robotic Skills from
Human Feedback [82.96694147237113]
Skill Preferencesは、人間の好みよりもモデルを学習し、オフラインデータから人間に沿ったスキルを抽出するアルゴリズムである。
SkiPは複雑なマルチステップ操作タスクをシミュレートしたキッチンロボットで実現できることを示す。
論文 参考訳（メタデータ） (2021-08-11T18:04:08Z) - From Teaching to Coaching: A Case Study of a Technical Communication
Course [0.0]
自尊心や学生の生涯学習といった非技術スキルの開発は、キャリアを成功させる上で不可欠である。
この研究で採用されるアプローチは、学部全体の授業を教育からコーチングに転換することである。
論文 参考訳（メタデータ） (2021-07-20T14:44:38Z) - Actionable Models: Unsupervised Offline Reinforcement Learning of
Robotic Skills [93.12417203541948]
与えられたデータセットの任意の目標状態に到達するために学習することによって、環境の機能的な理解を学ぶ目的を提案する。
提案手法は,高次元カメラ画像上で動作し,これまで見つからなかったシーンやオブジェクトに一般化した実ロボットの様々なスキルを学習することができる。
論文 参考訳（メタデータ） (2021-04-15T20:10:11Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。