Жасанды Интеллект Негізіндегі Мансаптық Ұсыным Жүйелерінің Өнімділігі: Жүйелі Шолу

Counts differ because each database indexes a different set of publications. We treat OpenAlex as the canonical count; Google Scholar is not shown (no API, and crawling it violates its ToS).

Еңбек нарығының жылдам өзгеруі және білім беру деректерінің қолжетімділігінің артуы жағдайында жасанды интеллект (ЖИ) негізіндегі мансаптық ұсыным жүйелерін әзірлеу өзекті бағыттардың біріне айналды. Алайда деректер түрлері мен алгоритмдерді таңдау ерекшеліктерінің модельдердің болжамдық дәлдігі мен есептеу тиімділігіне әсері жеткілікті деңгейде жүйеленбеген. Осы зерттеудің мақсаты – ЖИ негізіндегі мансаптық ұсыным жүйелеріне арналған заманауи зерттеулерді жүйелеу және деректер түрлері, алгоритмдер мен бағалау көрсеткіштері арасындағы байланысты анықтау. Зерттеу PRISMA 2020 әдіснамасы негізінде жүргізілген жүйелі шолуға сүйенеді. Талдау «деректер түрі-алгоритм-бағалау көрсеткіші» байланысы тұрғысынан орындалды. Нәтижелер қарастырылған зерттеулерде жіктеу міндеттерінің басым екенін (56%) және құрылымдалған кестелік деректердің ең жиі қолданылатынын (76%) көрсетті. Ең жоғары болжамдық дәлдік негізінен ансамбльдік және нейрондық желі модельдерінде байқалды. Сонымен қатар зерттеулердің көпшілігінде есептеу тиімділігі жүйелі түрде бағаланбайтыны анықталды: жұмыстардың 76%-ында бұл көрсеткіштер қарастырылмаған. Бұдан басқа, алгоритмдерді таңдау көбіне пайдаланылатын деректер түрлерімен байланысты екені көрсетілді. Зерттеу нәтижелері мансаптық ұсыным жүйелеріндегі алгоритмдік тәсілдерді жүйелеуге мүмкіндік береді және болашақ зерттеулер үшін бағалау хаттамаларын стандарттау, есептеу тиімділігін жүйелі есепке алу және мультимодальды деректерді кеңінен пайдалану қажеттігін көрсетеді. Сонымен қатар ұлттық еңбек нарығы мен білім беру ерекшеліктеріне бейімделген ЖИ негізіндегі ұсыным жүйелерін дамыту өзекті бағыт болып табылады.