解锁未来：面向计算机科学与软件工程学生的自然语言驱动职业预测系统
人工智能
2024-05-29 v1
摘要
职业是任何人通过努力实现自我愿望的关键因素。在学习期间，学生若不获得针对其技能的有意义指导，就无法找到最佳职业建议。因此，我们开发了一个人工智能辅助模型，用于早期预测，以提供更好的职业建议。尽管这一任务困难，但通过适当的指导可以更轻松地实现。有效的职业指导需要理解学生的学术技能、兴趣以及与技能相关的活动。在本研究中，我们收集了来自计算机科学（CS）和软件工程（SWE）学生的关键信息，以训练机器学习（ML）模型，对学生的职业相关信息进行职业路径预测。为了充分训练模型，我们应用了自然语言处理（NLP）技术并完成了数据集预处理。对于比较分析，我们利用了多种分类机器学习算法和深度学习（DL）算法。本研究为教育咨询提供了有价值的见解，通过针对 CS 和 SWE 学生的独特特征提供具体的职业建议。此外，研究帮助 individual CS 和 SWE 学生找到与其技能、兴趣和技能相关活动相匹配的合适工作。
引用
@article{arxiv.2405.18139,
title = {Unlocking Futures: A Natural Language Driven Career Prediction System for Computer Science and Software Engineering Students},
author = {Sakir Hossain Faruque and Sharun Akter Khushbu and Sharmin Akter},
journal= {arXiv preprint arXiv:2405.18139},
year = {2024}
}