Категоризация профессиональных предпочтений в IT-сфере
DOI:
https://doi.org/10.22394/1726-1139-2024-3-141-153Ключевые слова:
профориентация, социальные сети, IT-специальности, карьера в IT, категоризация, тест ГолландаАннотация
Цель исследования заключается в разработке опросника, интегрирующего традиционные методики профориентации и категоризацию IT-профессий за счет анализа существующих классификаций и интервьюирования IT-специалистов. Методы. Для достижения поставленной цели был произведен выбор традиционной методики профориентации путем анализа существующих и выбора из них той, которая наилучшим образом соответствует цели исследования. Разработана система категоризации ITспециальностей за счет анализа существующих классификаций и интервьюирования IT-специалистов. Результаты. Среди существующих традиционных методик профориентации был выбран тест Голланда, как имеющий потенциал для адаптации к IT-сфере. Анализ существующих классификаций IT-специальностей показал отсутствие единства, в связи с этим была разработана собственная категоризация, включающая пять основных категорий: разработка, QA-специалисты, работа с данными и исследования, менеджмент, дизайн. Выводы. По результатам исследования была выдвинута гипотеза о существовании различий по степени выраженности социально-профессиональных типов Голланда среди различных IT-специальностей. А также приведено предполагаемое соответствие различных категорий IT-направлений и преобладающего типа Голланда. Исследование закладывает основу для разработки программного продукта, направленного на помощь людям в определении наиболее подходящих для них ITспециальностей.Скачивания
Библиографические ссылки
Олисеенко В. Д., Абрамов М. В. Предсказание результатов 16-факторного теста Р. Кеттелла на основе анализа текстовых постов пользователей социальной сети // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 2. С. 279–288. DOI: 10.17586/2226-1494-2023-23-2-279-288
Bushmelev F. V., Stoliarova V., Abramov M. V. Bayesian belief network for association between clusters of social media users with similar personality traits profiles and color characteristics of their avatar images // Proceedings of the Seventh International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’23). Lecture Notes in Networks and Systems. Springer, Cham, 2023. Vol. 777. DOI: 10.1007/978-3-031-43792-2_1
Dağıstanlı Ö., Erbay H., Kör H., Yurttakal A. H. Reflection of people’s professions on social media platforms // Neural Computing and Applications. 2022. P. 1–12. DOI: 10.1007/s00521-022-07987-8
Dandannavar P. S., Mangalwede S. R., Kulkarni P. M. Predicting the primary dominant personality trait of perceived leaders by mapping linguistic cues from social media data onto the big five model // International Conference on Advanced Machine Learning Technologies and Applications. Springer, Singapore, 2021. P. 417–428. DOI: 10.1007/978-981-15-3383-9_37
Daniel C. Careers in IT. 2023.
Hillebrand P., Westner M. Success factors of long-term CIOs // Information Systems and e-Business Management. 2022. Vol. 20. N 1. P. 79–122. DOI: 10.1007/s10257-021-00546-z
John T., Clarke D., Coore D., Monrose F., McHugh J. Virtual Career Advisor System // International Conference on Mobile Web and Intelligent Information Systems. Cham: Springer Nature Switzerland, 2023. P. 264–277. DOI: 10.1007/978-3-031-39764-6_18
José-García A., Sneyd A., Melro A., Ollagnier A., Tarling G., Zhang H., Stevenson M., Everson R., Arthur R. C3-IoC: A career guidance system for assessing student skills using machine learning and network visualisation // International Journal of Artificial Intelligence in Education. 2022. P. 1–28. DOI: 10.1007/s40593-022-00317-y
Kern M. L., McCarthy P. X., Chakrabarty D., Rizoiu M. A Social media-predicted personality traits and values can help match people to their ideal jobs // Proceedings of the National Academy of Sciences, 2019. Vol. 116. №. 52. P. 26459–26464. DOI: 10.1073/pnas.1917942116
Korepanova A. A., Abramov M. V. Application of Random Forest in Choosing a Method of Recovering the Age of Social Network Users // Scientific and Technical Information Processing. 2022. Vol. 49. P. 317–324. DOI: 10.3103/S0147688222050057
McKenzie S., Bennett D. Understanding the career interests of Information Technology (IT) students: a focus on choice of major and career aspirations // Education and Information Technologies. 2022. Vol. 27. N 9. P. 12839–12853. DOI: 10.1007/s10639-022-11141-1
Saeidi S. Identifying personality traits of WhatsApp users based on frequently used emojis using deep learning // Multimedia Tools and Applications. 2023. P. 1–14. DOI: 10.1007/s11042-023-15209-z
Shminan A. S., Choi L. J., Barawi M. H., Hashim W. N. W., Andy H. InVesa 1.0: The Conceptual Framework of Interactive Virtual Academic Advisor System based on Psychological Profiles //2021 13th International Conference on Information & Communication Technology and System (ICTS). IEEE, 2021. P. 112–117. DOI: 10.1109/ICTS52701.2021.9608182
Sirasapalli J. J., Malla R. M. A deep learning approach to text-based personality prediction using multiple data sources mapping // Neural Computing and Applications. 2023. P. 1–12. DOI: 10.1007/s00521-023-08846-w
Su J. H., Liao Y. W., Xu J. Z., Zhao Y. W. A Personality-Driven Recommender System for Cross-Domain Learning Based on Holland Code Assessments // Sustainability. 2021. Vol. 13. N 7. P. 3936. DOI: 10.3390/su13073936
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Хлобыстова А.О., Абрамов М.В., Тулупьева Т.В.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Как цитировать
Коды статьи
- EDN HMBPDZ
- Тип статьи (РИНЦ) Научная статья (Научная статья)
