Extraction précise des données des offres d'emploi pour les programmes éducatifs

Extraction précise des données des offres d'emploi pour les programmes éducatifs
Le client est une université en ligne américaine accréditée et agréée. Son objectif principal est de fournir une éducation abordable et de haute qualité aux personnes du monde entier. En tant qu'université de nouvelle génération, le client place l'innovation pédagogique en priorité. L'université souhaitait transformer l'éducation en proposant des solutions éducatives à distance à la fois abordables et efficaces. Elle voulait que ses solutions d'apprentissage à distance couvrent les compétences professionnelles les plus demandées sur le marché.
En tant que branche de l'IA, le TLN (traitement du langage naturel) est utilisé dans l'éducation pour le prétraitement, l'analyse, la compréhension et extraction de données à partir de diverses sources de données. Aujourd'hui, l'application du TLN dans l'éducation est variée. Il est activement utilisé dans analyse de sentiment dans l'éducation, où les retours des apprenants sont essentiels pour évaluer l'efficacité globale des méthodes et techniques d'apprentissage.
Le client cherchait un Fournisseur de solutions NLP fiable pour générer davantage de succès pour son activité. Il faisait face au problème d'alignement des compétences professionnelles dans les programmes qu'il crée par rapport à la demande actuelle du marché.
Le client avait besoin d'une solution robuste logiciel d'analyse de texte pour obtenir des insights précis à partir des offres d’emploi populaires. Notre équipe a convenu de créer un conseiller académique en ligne pour les apprenants visant à analyser diverses offres d’emploi afin d’identifier les tendances de carrière actuelles et futures ainsi que la demande du marché. Compte tenu des avantages du NLP pour l’éducation et l’apprentissage et des objectifs fixés par le client, nous avons décidé de nous en tenir à cette technologie.
L'application de conseiller académique en ligne extrait les métadonnées requises telles que la langue, les compétences techniques et non techniques, le niveau d'éducation ou l'expérience des offres grâce au NLP. Les données extraites aideront le client à façonner de meilleurs programmes et cours en ligne adaptés aux besoins et préférences des apprenants.
Notre équipe a développé une solution personnalisée Application du NLP à des fins pédagogiques à partir de zéro.
Les objectifs fixés par notre équipe :
Nous avons commencé par extraire des offres d’emploi de diverses sources et développer un modèle NLP extrayant des compétences de ces offres. Pour entraîner le modèle, nous avons utilisé des compétences extraites d’un fournisseur tiers.
En même temps, nous recueillions des données provenant de plusieurs moteurs de recherche d'emploi à travers le monde, afin de créer une représentation précise des tendances de carrière et de la demande du marché. Puis nous les avons liées aux programmes universitaires lorsque le modèle était prêt à être appliqué, comme un pont entre les deux. Ensuite, nous avons cartographié les compétences professionnelles aux compétences des cours.
L'équipe DataSqueeze a développé un algorithme robuste de correspondance pour relier les cours aux offres d'emploi et identifier les cours les plus populaires auprès des employeurs. Nous avons ainsi aidé le client à comprendre clairement ce qui manque à ses cours, afin que les apprenants comme les employeurs obtiennent ce dont ils ont besoin.
Une autre tâche consistait à créer un planificateur de parcours d'apprentissage. Sur la base des résultats de l'analyse des données, nous avons créé un conseiller académique virtuel en ligne qui permettait aux apprenants de créer des parcours d'apprentissage spécifiques au sein de l'université afin qu'ils sachent qu'ils étudiaient les compétences requises par les employeurs dans le secteur de leur choix.
Le résultat du travail est une solution efficace de conseiller de carrière pour étudiants, conçue pour extraire des données provenant de diverses sources en ligne afin de créer du contenu éducatif plus pertinent.
La coopération avec DataSqueeze a été fructueuse sur les aspects suivants :