Examinando por Autor "Bryan Miranda"

Mostrando1 - 1 de 1
  • Miniatura
    Publicación
    Aplicación web para la evaluación de compatibilidad laboral a nivel psicológico en el reclutamiento en pequeñas y medianas empresas (PyMEs), basado en machine learning implementando Google Gemini
    (2024-04-08) Bryan Miranda
    Basado en tipo de investigación de proyecto especial, caracterizado por un alto grado de especialización, conocimiento y tecnología requeridos para abordar necesidades específicas y poco comunes. Fundamentado en la Teoría General de Sistemas de Ludwig von Bertalanffy y la Teoría de Evaluación Psicológica y Medición de autores como Raymond Cattell, aprovecha las técnicas avanzadas de machine learning a través de la API de Google Gemini para mejorar los procesos de reclutamiento. La evaluación de la compatibilidad laboral a nivel psicológico de los candidatos tiene como objetivo integrar esta tecnología en una plataforma que otorgue a los reclutadores la capacidad de examinar a los aspirantes con mayor precisión y eficacia. De este modo, la plataforma se posicionará como un activo esencial para las organizaciones, optimizando la selección de talento y fortaleciendo la efectividad de sus estrategias de contratación. La gestión del proyecto se llevará a cabo mediante la metodología ágil XP, garantizando un desarrollo sistemático y adaptable. Python, debido a su robustez y versatilidad en el ámbito de la programación y las APIs, será el lenguaje principal para la implementación de la plataforma. Aunque Python y bibliotecas como Scikitlearn son herramientas preferidas en el desarrollo de machine learning, en este caso, su uso se enfocará en integrar y gestionar las interacciones con la API de Google Gemini, sin necesidad de desarrollar modelos desde cero. En cuanto a la investigación, se empleará un enfoque cuantitativo, utilizando técnicas como la observación y encuestas para la recopilación de datos. La población objetivo abarcará tanto a reclutadores como a candidatos, junto con las herramientas tecnológicas relacionadas con el proceso de reclutamiento laboral, y la muestra estará compuesta por una selección representativa de estos grupos. Estas técnicas serán cruciales para recopilar retroalimentación esencial que permitirá la calibración y mejora continua de la plataforma.