Att välja en praktikplats är ett viktigt steg för många studenter, eftersom en praktikplats kan ha en betydande inverkan på deras professionella utveckling. Forskare vid Universitas Pendidikan Ganesha, i Indonesien, har nyligen utvecklat ett AI-baserat rekommendationssystem som kan tilldela studenter till praktikplatser som bäst matchar deras kompetens och ambitioner.

Efter att ha avslutat sin examen, elever kämpar ofta för att ta reda på sitt nästa steg, på grund av bristande förtroende för deras kompetens eller förtrogenhet med arbetsmarknaden. Universiteten vägleder ofta studenter i början av sin karriär genom att rekommendera praktikprogram som är anpassade till deras kompetens och intressen.

En framgångsrik praktikplats kan spela en avgörande roll i en students karriär, hjälpa henne att få förtroende och bli bekant med verkligheten i hennes valda arbetsmiljö. Å andra sidan, en dåligt vald placering kan resultera i att eleven tappar förtroendet för sig själv eller slösar tid på en arbetsplats som inte är i linje med hennes kompetens.

Med detta i åtanke, teamet av forskare vid Universitas Pendidikan Ganesha satte sig för att utveckla ett rekommendationssystem som skulle kunna hjälpa examensstudenter att välja en lämplig praktikplats. Deras system använder ett återkommande artificiellt neuralt nätverk (ANN) som de kallar Elmans neurala nätverk för att analysera testresultat av enskilda elever och bestämma den placering som bäst matchar deras kompetens.

I detta test, eleverna ger information om sina färdigheter, betyg, ambitioner och intressen. Samma elever fyller också i ett frågeformulär som heter Inventory Personal Survey, som bedömer deras attityd och beteende.

"Eleverna behöver bara fylla i frågeformuläret och göra testet, " förklarade forskarna i sin uppsats. "Data som erhålls från testet och frågeformuläret bearbetas sedan av en ANN."

Forskarna tränade och testade sitt system med hjälp av information som samlats in från ett urval av studenter som sökte praktik efter att ha avslutat sin kurs. Deras utvärderingar samlade mycket lovande resultat, med systemet som uppnår en noggrannhetsnivå på 95 procent när det gäller att identifiera de praktikplatser som i slutändan tilldelades studenterna.

"Baserat på resultaten av våra tester, systemet kan känna igen träningsdata och testdata väl, ", skrev forskarna. "Systemet kan ge rekommendationer för praktikplatser, som mjukvaruhus, multimedia, nätverkande eller ett administrativt jobb för nya studenter som söker praktikplatser som matchar deras kompetens."

Systemet som utvecklats av forskarna kan visa sig vara mycket användbart vid Universitas Pendidikan Ganesha, så att personalen kan dela ut praktikrekommendationer snabbare och mer effektivt. För att säkerställa att deras teknik generaliserar väl över en större studentpopulation, dock, forskarna kan behöva genomföra ytterligare studier med en större utbildningsdatauppsättning.

Tills nu, deras system har främst använts för att ge placeringsrekommendationer för informatikstudenter, men det skulle potentiellt kunna utvidgas till andra studieområden. I framtiden, andra forskargrupper kan också hämta inspiration från denna studie och utveckla liknande rekommendationssystem för andra institutioner.

© 2019 Science X Network