La scelta di un tirocinio è un passaggio fondamentale per molti studenti, poiché uno stage può avere un impatto sostanziale sul loro sviluppo professionale. Ricercatori dell'Universitas Pendidikan Ganesha, in Indonesia, hanno recentemente sviluppato un sistema di raccomandazione basato sull'intelligenza artificiale in grado di assegnare gli studenti a tirocini che meglio si adattano alle loro capacità e aspirazioni.

Dopo aver conseguito la laurea, gli studenti spesso faticano a capire il loro prossimo passo, per mancanza di fiducia nelle proprie capacità o familiarità con il mercato del lavoro. Le università spesso guidano gli studenti all'inizio della loro carriera consigliando programmi di tirocinio in linea con le loro competenze e i loro interessi.

Un tirocinio di successo può svolgere un ruolo cruciale nella carriera di uno studente, aiutandola a prendere confidenza e familiarizzare con la realtà dell'ambiente di lavoro prescelto. D'altra parte, un collocamento mal scelto può far perdere allo studente la fiducia in se stesso o perdere tempo in un posto di lavoro non in linea con le sue capacità.

Con questo in testa, il team di ricercatori dell'Universitas Pendidikan Ganesha ha deciso di sviluppare un sistema di raccomandazione che potesse assistere gli studenti laureandi nella scelta di un tirocinio adeguato. Il loro sistema utilizza una rete neurale artificiale ricorrente (ANN) che chiamano la rete neurale di Elman per analizzare i risultati dei test dei singoli studenti e determinare il posizionamento che meglio corrisponde alle loro competenze.

In questa prova, gli studenti forniscono informazioni sulle loro competenze, gradi, aspirazioni e interessi. Gli stessi studenti completano anche un questionario chiamato Inventory Personal Survey, che valuta il loro atteggiamento e comportamento.

"Gli studenti devono solo compilare il questionario e sostenere il test, " hanno spiegato i ricercatori nel loro articolo. "I dati ottenuti dal test e dal questionario vengono quindi elaborati da una RNA".

I ricercatori hanno addestrato e testato il loro sistema utilizzando le informazioni raccolte da un campione di studenti che facevano domanda per uno stage dopo aver completato il corso. Le loro valutazioni hanno raccolto risultati molto promettenti, con il sistema che raggiunge un livello di precisione del 95% nell'identificazione dei tirocini che sono stati infine assegnati agli studenti.

"Sulla base dei risultati dei nostri test, il sistema può riconoscere bene i dati di allenamento e i dati di test, " hanno scritto i ricercatori. "Il sistema può fornire consigli per i tirocini, come software house, multimedia, networking o un lavoro amministrativo per i nuovi studenti che cercano stage che corrispondano alle loro competenze."

Il sistema sviluppato dai ricercatori potrebbe rivelarsi molto utile presso Universitas Pendidikan Ganesha, consentendo al personale di distribuire consigli di tirocinio in modo più rapido ed efficiente. Per garantire che la loro tecnica si generalizzi bene in una popolazione studentesca più ampia, però, i ricercatori potrebbero aver bisogno di condurre ulteriori studi con un set di dati di formazione più ampio.

Fino ad ora, il loro sistema è stato utilizzato principalmente per fornire raccomandazioni di collocamento per studenti di informatica, ma potrebbe essere potenzialmente esteso ad altri campi di studi. Nel futuro, anche altri gruppi di ricerca potrebbero trarre ispirazione da questo studio e sviluppare sistemi di raccomandazioni simili per altre istituzioni.

© 2019 Scienza X Rete