An Ensemble Machine Learning Approach for Classifying Job Positions

المؤلفون

  • Ayaz Khalid Mohammed Computer System Department, Ararat Private Technical Institute, Kurdistan Region - Iraq
  • Abdullahi Aliyu Danlami Department of Engineering, National Agency for Science and Engineering Infrastructure (NASENI), Abuja, Nigeria
  • Dindar I. Saeed Employee in Scientific Journal University of Zakho, University of Zakho, Kurdistan Region - Iraq
  • Abdulmalik Ahmad Lawan Department of Computer Science, Kano University of Science and Technology, 713281 Wudil, Nigeria
  • Adamu Hussaini Department of Computer Science, Kano University of Science and Technology, Nigeria
  • Ramadhan Kh. Mohammed Computer System Department, Ararat Private Technical Institute, Kurdistan Region - Iraq

DOI:

https://doi.org/10.25007/ajnu.v12n3a1547

الكلمات المفتاحية:

Machine learning، heterogeneous ensemble، job position، multi-class classification

الملخص

Machine learning is one of the promising research areas in computer science, with numerous applications in automated detection of meaningful data patterns. Several data-centric studies were conducted on evaluating competencies, detecting similar jobs and predicting salaries of various job positions. However, the hazy distinction between closely related job positions requires powerful predictive algorithms. The present study proposed an ensemble approach for accurate classification of various job positions. Accordingly, different machine learning algorithms were applied on 955 instances obtained from Glassdoor using web scraping. Furthermore, the present study classify various job positions based on average salary and other correlated explanatory variables that cover many aspects of job activities on the internet. The study result revealed the superior performance of heterogeneous ensembles in terms of precision and accuracy. The proposed data-centric approach produce strong models for researchers, recruiters, and candidates to assigned job positions and its competencies.

التنزيلات

بيانات التنزيل غير متوفرة بعد.

المراجع

J. Mainert, C. Niepel, K. R. Murphy, and S. Greiff, “The Incremental Contribution of Complex Problem-Solving Skills to the Prediction of Job Level, Job Complexity, and Salary,” J. Bus. Psychol., vol. 34, no. 6, pp. 825–845, Dec. 2019, doi: 10.1007/s10869-018-9561-x.

A. Petrakova, M. Affenzeller, and G. Merkurjeva, “Heterogeneous versus Homogeneous Machine Learning Ensembles,” Inf. Technol. Manag. Sci., vol. 18, no. 1, Jan. 2015, doi: 10.1515/itms-2015-0021.

I. Martín, A. Mariello, R. Battiti, and J. A. Hernández, “Salary Prediction in the IT Job Market with Few High-Dimensional Samples: A Spanish Case Study,” Int. J. Comput. Intell. Syst., vol. 11, no. 1, p. 1192, 2018, doi: 10.2991/ijcis.11.1.90.

S. Dutta and S. K. Bandyopadhyay, “Fake Job Recruitment Detection Using Machine Learning Approach,” Int. J. Eng. Trends Technol., vol. 68, no. 4, pp. 48–53, Apr. 2020, doi: 10.14445/22315381/IJETT-V68I4P209S.

G. F. Dreher, “Predicting the salary satisfaction of exempt employees,” Pers. Psychol., vol. 34, no. 3, pp. 579–589, Sep. 1981, doi: 10.1111/j.1744-6570.1981.tb00497.x.

S. G. Alexander, “Predicting long term job performance using a cognitive ability test,” 2007.

S. V. Europe, “What is the CRISP-DM methodology,” 2018. https://www.sv-europe.com/crisp-dm-methodology/ (accessed Feb. 16, 2022).

Omer Sakarya, “Selenium Tutorial: Scraping Glassdoor.com,” Medium, Oct. 14, 2019. https://mersakarya.medium.com/selenium-tutorial-scraping-glassdoor-com-in-10-minutes-3d0915c6d905 (accessed Feb. 27, 2022).

التنزيلات

منشور

2023-08-30

كيفية الاقتباس

Khalid Mohammed, A., Aliyu Danlami, A., I. Saeed, D., Ahmad Lawan, A., Hussaini, A., & Kh. Mohammed, R. (2023). An Ensemble Machine Learning Approach for Classifying Job Positions. المجلة الأكاديمية لجامعة نوروز, 12(3), 547–555. https://doi.org/10.25007/ajnu.v12n3a1547

إصدار

مجلد 12 عدد 3 (2023)

القسم

مقالات

الرخصة

الحقوق الفكرية (c) 2023 المجلة الأكاديمية لجامعة نوروز

Creative Commons License

هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

بيان الحقوق الفكرية
حقوق التأليف
يوافق المؤلفون الذين ينشرون في هذه المجلة على المصطلحات التالية:
١. يحتفظ المؤلفون بحقوق الطبع والنشر ومنح حق المجلة في النشر الأول مع العمل المرخص له في نفس الوقت بموجب ترخيص المشاع الإبداعي [سيسي بي-نك-ند 4.0] الذي يسمح للآخرين بمشاركة العمل مع الإقرار بحقوق التأليف والنشر الأولي في هذه المجلة.
٢. يمكن للمؤلفين الدخول في ترتيبات تعاقدية إضافية منفصلة للتوزيع غير الحصري للنسخة المنشورة من المجلة من العمل (على سبيل المثال، نشرها في مستودع مؤسسي أو نشرها في كتاب) مع الإقرار بنسخة أولية نشر في هذه المجلة.
٣. يسمح للمؤلفين وتشجيعهم على نشر عملهم عبر الإنترنت (على سبيل المثال، في المستودعات المؤسسية أو على موقعهم على الويب) قبل وأثناء عملية التقديم، حيث يمكن أن يؤدي إلى التبادلات الإنتاجية، فضلا عن الاستشهاد المبكر والأكبر للعمل المنشورة ( انظر تأثير النفاذ المفتوح).

نقل حقوق الطبع والنشر
بيان الخصوصية
المجلة الأكاديمية لجامعة نوروز ملتزمة بحماية خصوصية مستخدمي موقع المجلة هذا. سيتم استخدام الأسماء والتفاصيل الشخصية وعناوين البريد الإلكتروني التي تم إدخالها في هذا الموقع الإلكتروني فقط للأغراض المعلنة لهذه المجلة ولن يتم إتاحتها لأطراف ثالثة بدون إذن المستخدم أو الإجراءات القانونية الواجبة. موافقة المستخدمين مطلوبة لتلقي الاتصالات من المجلة الأكاديمية لجامعة نوروز للأغراض المعلنة للمجلة. ويمكن توجيه الاستفسارات المتعلقة بالخصوص إلى [email protected]

 

الأعمال الأكثر قراءة لنفس المؤلف/المؤلفين