التكنولوجيا الدلالية والمنتجات الناضجة والحلول الفعالة من نوع البرمجيات كخدمة.

تتميز JANZZ.technology في المجالات التالية بفضل خبرتها المتعمقة وحلولها الكاملة ومنتجاتها JANZZsme! و JANZZon! و JANZZclassifier! و JANZZ.jobs الذكية لجميع المشاركين في السوق والقطاعات السوقية ذات العلاقة (فيما بين المؤسسات التجارية والمستهلكين وفيما بين المؤسسات التجارية وفيما بين المؤسسات التجارية والحكومة):

  • تكنولوجيات البحث والمواءمة الدلالية (غالبًا في مجال مواءمة المهارات والوظائف)
  • الأنطولوجيات الشاملة ومتعددة اللغات ومتعددة الاتجاهات في مجال البيانات المهنية (الوظائف/المهن، المهارات المستندة إلى الوظائف، التدريب/المؤهلات، المهارات الاجتماعية ومتعددة التخصصات، المهام الوظيفية، مجالات التخصص، إلخ)
  • الإدماج والاستخدام متعدد الأشكال لمختلف أنظمة التصنيف المعيارية، بما في ذلك ISCO-08 و KldB 2020 و SSOC 2015 و ASOC و AMS/BIS و BRC 2014 و BO&C و O*NET و DISCO II و ROME V3 و ESCO و SBN2000N.
  • الخبرة والدراية الشاملتان في مجال قضايا الموارد البشرية وأسواق العمل المعقدة.

بمنتجاتها وحلولنا من نوع البرمجيات كخدمة JANZZon! و JANZZsme! و JANZZ.jobs، وكذلك الخيارات الإضافية المقدمة عن طريق JANZZjobsAPI، توفر JANZZ.technology أدوات مقنعة لباقة عريضة من التطبيقات المحتملة في المجالات التالية:

  • عمليات البحث عن الوظائف والاستقدام (الداخلي والخارجي) وتعيين العاملين
  • إدارة وإعداد لمحات المهارات الصلبة والناعمة المستندة إلى الوظائف (إدارة المهارات وإعداد لمحات المهارات وتحليلات الفجوات إلخ)
  • التحسين (الدلالي) للبيانات والمعلومات المتعلقة بالوظائف والمهارات
  • نمذجة وتشغيل وصيانة أنطولوجيات شاملة متعددة اللغات ومتعددة الاتجاهات بما في ذلك الفهرسة
  • المواءمة الدلالية لفهارس المعايير المعقدة (كالسير الذاتية وإعلانات الوظائف ولمحات التدريب) والبيانات (المهنية) الضخمة

JANZZ.technology: مقتطفات من "المواءمة الدلالية المستندة إلى الكلمات الأساسية مقابل المستندة إلى الأنطولوجيات"

  1. مقدمة

الغرض من هذا الكتاب الأبيض هو شرح قيود تكنولوجيا البحث المستند إلى الكلمات الأساسية في يومنا هذا في نطاق التوظيف والبحث عن الوظائف واستقطاب المواهب والتزود، وإعداد اللمحات المهارية والمواءمة والإدارة. يسعى هذا الكتاب إلى تسليط الضوء على أن التكنولوجيا لا تلبي احتياجات دوائر التوظيف الحكومية ودواوين الإحصاء وغيرها من أصحاب المصلحة في أسواق العمل ذاتها، التي تتألف من كل من الباحثين عن المواهب والباحثين عن الوظائف في القطاعات المعينة، الإيجابيون منهم والسلبيون، على مستوى مرضٍ من الدقة المتوقعة أو المنشودة.

التكنولوجيا الحالية كالبحث المستند إلى الكلمات الأساسية وتحليل السير الذاتية غير قادرة على المقارنة المتزامنة وثنائية الاتجاه للبيانات الضخمة الخاصة بمهنة معينة. نتيجة لذلك فإن حاجات مبادرات العمل الحكومية، كمواءمة اللمحات الشخصية وسجلات العمال العاطلين، ومكاتب التعليم الحكومية، وقواعد بيانات مواقع التوظيف، ومحركات الوظائف والشبكات المهنية والاجتماعية (يُشار إليها جماعيًا فيما بعد باسم “الخدمات على الإنترنت”)، ومكتبات السير الذاتية، وقواعد بيانات توصيفات الوظائف، لا تجد ما يلبيها.

علاوة على ذلك سيتم توضيح كيف وفّر ظهور التكنولوجيا الدلالية، وعلى وجه الخصوص استخدام أنطولوجيات البيانات المهنية، الحل لمقارنة مجموعات البيانات الكبيرة بمزيد من الكفاءة والدقة. لتوضيح هذا الموضوع المعقد، سنقدم أمثلة باستمرار، وسنورد قسمًا يوجز أربعة حالات استخدام فعلي للتطبيق للمواءمة الدلالية المستندة إلى الأنطولوجيا. وعندئذ سيختتم الكتاب الأبيض بتعليق ختامي حول فوائد المواءمة الدلالية المستندة إلى الأنطولوجيا في هذا المجال.

1.1 المصطلحات والمراجع المستخدمة في هذا الكتاب

سنشرح في هذا القسم المصطلحات، إذا دعت إليها الحاجة، المستخدمة في هذا المجال للرجوع إليها مستقبلاً. وللاطلاع على المصطلحات الإضافية، نرجو استخدام مسردنا المفصل في الملحق.

JANZZ.technology:
مصدر المعلومات بخصوص الأنطولوجيات ومطور التكنولوجيا والمنتجات والحلول الدلالية المذكورة في موضع لاحق في هذا الكتاب.

JANZZsme!:
محرك المواءمة الذكي الذي صممته وطورته JANZZ.technology للبحث ومواءمة الإدخالات المستهدفة من مصادر البيانات (المهيكلة وغير المهيكلة) كسجلات العمل الحكومية لإحصاءات البطالة، وقواعد بيانات السير الذاتية أو عروض الوظائف، والنتائج المتحصل عليها المحددة ضمن معْلمات المستخدم المنشودة.

JANZZon!:
الأنطولوجيا الفريدة التي صممتها وأنشأتها JANZZ.technology للعمل كقاعدة معارف موسوعية تحتوي على بيانات مهنية متشابكة في نظام دلالي متعدد الارتباطات للاستخدام نمطيًا عن طريق JANZZrestAPI في توفير السياق لمحرك مواءمة، أو في أدوات التحليل الدلالي أو منصات الأطراف الخارجية لإثراء البيانات، وهذا على سبيل المثال لا الحصر.

JANZZclassifier!:
أداة التصنيف النهائية التي صممتها وأنشأتها JANZZ.technology للتصنيف والتوحيد القياسي لمجموعات البيانات الضخمة وجعل البيانات قابلة للمقارنة بفضل بيانات التعريف المضافة إليها تعليقات توضيحية، بما في ذلك التصنيفات الرسمية والمهارات ذات العلاقة والوظائف والمهام الوظيفية وغير ذلك الكثير.

البيانات المهنية:
المصطلحات المعينة الخاصة بالمهن وتشمل كافة البيانات ذات العلاقة، وتسمى “المفاهيم”. وبالتالي تتألف البيانات المهنية من الوظيفة أو المهنة ذاتها، والتخصص (قاصر على تلك المهنة)، والمهارات والكفاءات المطلوبة، والمهام الوظيفية اللازمة، والخبرة (التي تتراكم بالعمل في المهنة)، والمؤهل والمستوى التعليمي، وأخيرًا المهارات الأساسية أو الناعمة. لكن يمكن أن يضاف المزيد في المستقبل وفقًا للتطورات في متطلبات إحصاءات القطاع المعين، ومثال ذلك بيئة العمل.

فئة المهنة:
(OC): تحدد فئة المهنة إلى أي مدى يُنظر إلى الوظيفة ذاتها بقوة قياسًا على البيانات المهنية عند المقارنة والمواءمة بين اثنتين أو أكثر من مجموعات البيانات. ويتم تعريف المهن من المحدد تمامًا إلى غير المحدد على الإطلاق. وتحصل المهن المحددة للغاية على وزن ترجيحي أعلى، وأما المهن الأقل تحديدًا فتعطَى وزنًا ترجيحيًا أدنى.

مثال: القابلة وظيفة محددة للغاية (OC1)؛ المعلم يندرج في منتصف سلم التحديد (OC3)؛ الاستشاري غير محدد ويعطى وزنًا ترجيحيًا أدنى (OC5).

مع المهن الأقل تحديدًا، تتحول قوة الحجة من المهنة إلى البيانات المهنية الأخرى ذات العلاقة، ومثال ذلك التخصص والمهام الوظيفية والمهارات والخبرة وما إلى ذلك.

علم الدلالة:
في سياق مقارنة البيانات، تمييزًا عن علم اللغويات، يصف علم الدلالة كيفية ارتباط المفاهيم ببعضها البعض منطقيًا وسياقيًا، مع الإشارة إلى خلفياتها المرجعية وأصولها.

مثال: ERP↔SAP. من الأمثلة على برمجيات تخطيط الموارد المؤسسية ERP برنامج SAP وغيره الكثير. SAP أحد برمجيات ERP
أو carpenter (نجار)↔joiner (نجار أبواب).

لا توجد صلة لغوية بين ERP و SAP أو carpenter و joiner فيما عدا عند استخدام كلا المصطلحين أو الإشارة إليهما في نص العرض الوظيفي ذاته بالمصادفة أو عن قصد معيّن. سيجد محرك البحث بالكلمات الأساسية كليهما، لكن ليس من خلال سياق بل بالمصادفة. من الناحية الدلالية، هناك صلة بينهما، والعلاقة معروفة، لكن فقط لأن تلك المعلومات يتم توفيرها بواسطة أنطولوجيا تقوم بتخزين تلك العلاقات وذلك السياق. ستقوم أنطولوجيا بتخزين المترادفات في الحالة الأولى، لكن أي أنطولوجيا متعددة اللغات كالأنطولوجيا JANZZon! ستحتوي أيضًا على ترجمة المفاهيم ومرادفاتها. لكن المشمول أيضًا ضمن الأنطولوجيا هو الخصائص من قبيل المفردات المستبعدة، بمعنى المفردات التي ينبغي تجاهلها عند البحث عن إدخال مستهدف.

مثال: عند البحث عن رئيس تنفيذي، استبعد مساعد، مساعد شخصي، كما يظهر في المسميات الوظيفية من قبيل مساعد الرئيس التنفيذي، وأيضًا في قطاعات مثل المعمارية الموجهة نحو الخدمات إلخ.

بالإضافة إلى ذلك، تثبت الأنطولوجيا العلاقات “نصف المكافئة” و”المماثلة لكن مختلفة” (لمعرفة المزيد عن هذه المفردات، انظر الملحق). عندما يكون البحث أو المواءمة دلاليين، فإنهما يأخذان في الاعتبار العلاقة ومعنى الكلمات والعبارات للمقارنة، مما يسمح بأنظمة كمحركات المواءمة أو البحث من أجل “فهم” سياق العبارة المستهدفة.

مثال: عند البحث عن مدرب إنجليزي، فإن المهن المماثلة كمدرس لغة إنجليزية ومعلم لغة متخصص في اللغة الإنجليزية والفرنسية ستكون مشمولة كليًا أو جزئيًا في النتيجة لأن المعلم ثنائي اللغة ليس نظيرًا دقيقًا لمدرس يقتصر تركيزه على اللغة الإنجليزية. من منظور المعلم نفسه، فإنه نظير بنسبة 50% فقط.

هذه الخصائص مجرد نماذج للأسباب التي تجعل الأنطولوجيا تضفي قوة وفعالية على محرك المواءمة بالقدرة الدلالية.

المشتركات اللفظية والمشتركات الدلالية:
أحد الاستخدامات المعينة للأنطولوجيا هو توضيح الفرق بين الكلمات والمفاهيم التي تبدو متشابهة جدًا أو متماثلة لكن مختلفة في المعنى. ويحدث هذا على وجه الخصوص فيما بين اللغات ويوجد في الفروق الثقافية. المشتركات اللفظية هي ألفاظ وأزواج لفظية يمكن أن تكون متماثلة في الحروف والنطق لكن مختلفة في المعنى.

مثال: يُستخدم ممثلو المبيعات، ومديرو الحسابات، والاستشاريون، ومديرو المشاريع في حالات لا حصر لها لكن لها معان مختلفة على حسب مجال العمل، والشركة أو المؤسسة، والتخصص، والمهام الوظيفية، والمهارات.

المشتركات الدلالية شبيهة جدًا بالمشتركات اللفظية من حيث إمكانية تطابق حروفها، لكن يمكن أيضًا أن تكون ذات هجاء مختلف، ومع ذلك تُنطق بطريقة متماثلة وأيضًا لها معان مختلفة لكن وثيقة الصلة بفضل أصولها المشتركة.

مثال: تشمل المشتركات الدلالية المصمم (معان مختلفة كثيرة على حسب السياق)؛ فكلمة Manager يمكن أن تدل على شخص مسؤول عن عملية أو أفراد؛ وكلمة Executive يمكن أن تشير إلى شاغل مركز رفيع بإحدى المؤسسات أو مندوب مبيعات كما في “تنفيذي مبيعات إعلانية”؛ وكلمة Application يمكن أن تكون أداة برمجية أو برنامجًا للأجهزة الجوالة أو أشياء أخرى كثيرة.

ولهذا في الأنطولوجيا، تُوسم المفاهيم بمعانٍ بديلة للتصدي للتناقضات واللبس بحيث يتسنى مقارنة المفاهيم بدقة.

تتبع منتجاتنا وحلولها مبادئ  OECD منظمة التعاون الاقتصادي والتنمية بشأن الذكاء الاصطناعي (AI)، فهي مبادئ مبتكرة وجديرة بالثقة وتحترم حقوق الإنسان.

للمزيد من المعلومات أو العروض الملموسة أو إثباتات المفاهيم فيما يخص منتجاتنا وحلولنا، أو إذا أردت عرضًا توضيحيًا لمنتج منفرد أو نسخة كاملة من كتابنا الأبيض “المواءمة الدلالية المستندة إلى الكلمات الأساسية مقابل المستندة إلى الأنطولوجيات”، نرجو الاتصال بنا مباشرة عن طريق البريد الإلكتروني أو عن طريق نموذج الاتصال.