Selección de candidatos usando lógica borrosa, PLN y aprendizaje profundo

Autores/as

DOI:

https://doi.org/10.17979/ja-cea.2025.46.12139

Palabras clave:

Lógica borrosa, Redes neuronales, Toma de decisiones, Aprendizaje automático, Técnicas de inteligencia artificial, Procesamiento de lenguaje natural

Resumen

La evaluación y selección de currículums es un proceso complejo en el que intervienen múltiples factores. Este trabajo presenta un modelo que integra dos componentes claramente diferenciados. En primer lugar, un sistema de evaluación multicriterio y selección difusa, basado en pesos que se autocalculan en función de diversas características. En segundo lugar, un sistema de procesamiento del lenguaje natural (PLN) junto con una red neuronal convolucional (CNN), que toma como entrada los resultados del primer sistema y clasifica los currículums en función de cinco criterios. La combinación de ambos enfoques permite reducir la subjetividad en el proceso de toma de decisiones durante la contratación, mejorando así la selección del candidato más adecuado para el puesto. Los resultados obtenidos se compararon con los derivados del proceso de análisis jerárquico (AHP) y con las decisiones de un grupo de expertos en recursos humanos. Para este estudio se utilizó una muestra de más de 1000 currículums.

Referencias

Bharadwaj, R., Mahajan, D., Bharsakle, M., Meshram, K., Pujari, H., 2023. Resume analysis using NLP. In: Suma, V., Lorenz, P., Baig, Z. (eds), Inventive Systems and Control, Lecture Notes in Networks and Systems, vol. 672, pp. 551-561, Springer, Singapore. DOI: 10.1007/978-981-99-1624-5_40

Bondielli, A., Marcelloni, F., 2021. On the use of summarization and transformer architectures for profiling résumés. Expert Systems with Applications 184, 115521. DOI: 10.1016/j.eswa.2021.115521

Capiluppi, A., Serebrenik, A., Singer, L., 2013. Assessing technical candidates on the social web. IEEE Software 30, 45-51. DOI: 10.1109/MS.2012.169

Chen, S. -W., Lin, S. C., Chang, K., 2001. Attributed concept maps: fuzzy integration and fuzzy matching. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics) 31, 842-852. DOI: 10.1109/3477.956047

Fen-Juan, L., Hai-Feng, Y., 2015. Construction research on quality evaluation system of professional training of e-commerce talents. In: Sixth International Conference on Intelligent Systems Design and Engineering Applications (ISDEA), Guiyang, China, pp. 235-238. DOI: 10.1109/ISDEA.2015.67

Fernández, R., 2024. Número de usuarios de LinkedIn a nivel mundial de 2017 a 2025. https://es.statista.com/estadisticas/562054/evolucion-trimestral-del-numero-de-usuarios-de-linkedin-a-nivel-mundial/ (Accedido: 15 de mayo de 2025).

Giri, A., Ravikumar, A., Mote, S., Bharadwaj, R., 2016. Vritthi - a theoretical framework for IT recruitment based on machine learning techniques applied over Twitter, LinkedIn, SPOJ and GitHub profiles. In: International Conference on Data Mining and Advanced Computing (SAPIENCE), Ernakulam, India, pp. 1-7. DOI: 10.1109/SAPIENCE.2016.7684163

Gluga, R., Kay, J., Lever, T., 2013. Foundations for modeling university curricula in terms of multiple learning goal sets. IEEE Transactions on Learning Technologies 6, 25-37. DOI: 10.1109/TLT.2012.17

González-González, C., 2019. Valoración de currículum mediante técnicas de toma de decisiones multicriterio difusas, Trabajo de Fin de Máster en Investigación en Ingeniería de Software y Sistemas Informáticos, Universidad Nacional de Educación a Distancia, Madrid.

Hameed, I. A., 2016. A simplified implementation of interval type-2 fuzzy system and its application in students’ academic evaluation. In: IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Vancouver, BC, Canada, pp. 650-656. DOI: 10.1109/FUZZ-IEEE.2016.7737748

Harsha, T. M., Moukthika, G. S., Sai, D. S., Pravallika, M. N. R., Anamalamudi, S., Enduri, M., 2022. Automated resume screener using natural language processing (NLP). 6th International Conference on Trends in Electronics and Informatics (ICOEI), Tirunelveli, India, pp. 1772-1777. DOI: 10.1109/ICOEI53556.2022.9777194

Khalid, M. N. A., Yusof, U., Xiang, L., 2016. Model student selection using fuzzy logic reasoning approach. In: International Conference on Advanced Informatics: Concepts, Theory and Application (ICAICTA), Penang, Malaysia, pp. 1-6. DOI: 10.1109/ICAICTA.2016.7803116

Kilgarriff, A., 2003. Thesauruses for natural language processing. In: International Conference on Natural Language Processing and Knowledge Engineering, Beijing, China, pp. 5-13. DOI: 10.1109/NLPKE.2003.1275859

Levano, M., Herrera, O. 2012. Validation strategies of competences in a computer science curriculum. In: 31st International Conference of the Chilean Computer Science Society, Valparaiso, Chile, pp. 9-11. DOI: 10.1109/SCCC.2012.8

Madan, M., Madan, P., 2015. Fuzzy viva assessment process through perceptual computing. In: Annual IEEE India Conference (INDICON), New Delhi, India, pp. 1-6. DOI: 10.1109/INDICON.2015.7443831

Pajares, G., Herrera, P. J., Besada, E., 2021. Aprendizaje profundo. RC Libros Editorial, Madrid.

Saaty, R. W., 1987. The analytic hierarchy process—what it is and how it is used. Mathematical Modelling 9, 161-176. DOI: 10.1016/0270-0255(87)90473-8

Tayal, S., Sharma, T., Singhal, S., Thakur, A., 2024. Resume screening using machine learning. International Journal of Scientific Research in Computer Science, Engineering and Information Technology 10, 602-606. DOI: 10.32628/CSEIT2410275

Thomas, A., Sangeetha, S., 2020. Intelligent sense-enabled lexical search on text documents. In: Bi, Y., Bhatia, R., Kapoor, S. (eds.), Intelligent Systems and Applications, Advances in Intelligent Systems and Computing, vol. 1038, pp. 405-415, Springer, Cham. DOI: 10.1007/978-3-030-29513-4_29

Wosiak, A., 2021. Automated extraction of information from Polish resume documents in the IT recruitment process. Procedia Computer Science 192, 2432-2439. DOI: 10.1016/j.procs.2021.09.012

Yüksel, M., Geban, Ö, 2018. Student performance task assessment using multiple criteria decision making (MCDM) techniques: an application for 9th grade chemistry course. Bartın University Journal of Faculty of Education, 7(3), 874-901. DOI: 10.14686/buefad.400787

Descargas

Publicado

01-09-2025

Número

Sección

Visión por Computador