Тип публикации: статья из журнала
Год издания: 2026
Ключевые слова: web application, recommender system, optimization, automation, digital method, recruiting, resume, information technology, автоматизация, веб- приложение, информационные технологии, резюме, рекомендательная система, рекрутинг, оптимизация, цифровой метод
Аннотация: В статье актуализируется проблема автоматической классификации резюме для рекрутинга с помощью цифровых технологий. Особое внимание авторы статьи уделяют рассмотрению практического использования машинного обучения для решения узкоспециализированных, рутинных задач в управлении человеческими ресурсами.Целью исследования выступает изПоказать полностьюучение применения рекомендательной системы для автоматической классификации резюме студентов-бакалавров. Для достижения цели авторы решают следующий круг задач: сравнить существующие методы классификации резюме, разработать структуру системы автоматической классификации резюме, протестировать работу рекомендательной системы.В рамках гипотезы исследования авторы предположили, что автоматизированная система классификации резюме студентов-бакалавров позволит значительно ускорить и улучшить процесс подбора команды для проекта, позволяя магистрантам более точно и быстро оценивать соответствие кандидатов критериям проекта.Для проверки гипотезы исследования были использованы такие научные методы, как тестирование, наблюдение, замеры, анализ ключевых характеристик участников эксперимента, вы числение средних значений для результатов эксперимента.В результате исследования гипотеза была полностью подтверждена: рекомендательнаясистема показала конкурентоспособные результаты и успешно справилась с задачей автоматизированного отбора резюме. This article addresses the issue of automated resume classification for digital recruiting. The authors focus on the practical application of machine learning to solve highly specialized, routine tasks in human resources management. The aim of the study is to examine the application of a recommender system for the automatic classification of undergraduate student resumes. To achieve this goal, the authors address the following tasks: comparing existing resume classification methods, developing the structure of an automatic resume classification system, and testing the recommender system. The authors hypothesized that an automated system for classifying undergraduate student resumes would significantly accelerate and improve the project team selection process, allowing graduate students to more accurately and quickly assess candidates’ compliance with project criteria. To test the hypothesis, the authors used scientific methods such as testing, observation, measurements, analysis of key characteristics of the experiment participants, and calculation of average values for the experimental results. The study fully confirmed the hypothesis: the recommender system demonstrated competitive results and successfully completed the task of automated resume selection.
Журнал: Глобальный научный потенциал
Выпуск журнала: Т. 2, № 2
Номера страниц: 178-183
ISSN журнала: 19979355
Место издания: Санкт-Петербург
Издатель: МОО ФРНК