Tecnologia semântica, produtos consolidados e soluções SaaS poderosas.

A JANZZ.technology se destaca nas seguintes áreas, graças à sua especialização aprofundada, às soluções mais completas, aos produtos inteligentes JANZZsme!JANZZon!JANZZclassifier! e JANZZ.jobs, produtos para todos os tipos de participantes e segmentos do mercado (B2C, B2B e B2G):

  • As tecnologias de pesquisa semântica e correlação (principalmente na área de correlação entre competências e oportunidades)
  • Ontologias abrangentes, multilíngue e polidirecionais na área de dados ocupacionais (ocupações/profissões, competências profissionais, treinamento/qualificações, competências sociais e interdisciplinares, funções, áreas de especialização, etc.)
  • Integração e uso polimorfológico de diversos sistemas de classificação padrão, incluindo ISCO-08, KldB 2010, SSOC 2015, ASOC, AMS/BIS, BRC 2014, BO&C, O*NET, DISCO II, ROME V3, ESCO e SBN2000N.
  • Especialização e experiência abrangentes em questões complexas de recursos humanos e mercado de trabalho

Com seus produtos e soluções SaaS, o JANZZon!, o JANZZsme! e o JANZZ.jobs, bem como as opções adicionais oferecidas por intermédio do JANZZjobsAPI, a JANZZ.technology fornece ferramentas eficazes para uma ampla gama de possíveis aplicações potenciais nas seguintes áreas:

  • Pesquisa de oportunidades, recrutamento e seleção (interno e externo) de mão de obra
  • Gestão e definição de perfis de competências profissionais técnicas e interpessoais (gestão de competências, definição de perfis, análise de lacunas, etc.)
  • (Semântica) otimização de dados e informações relacionadas a oportunidades e competências
  • Modelagem, operação e manutenção de ontologias multilíngue polidirecionais, incluindo indexação
  • Correlação semântica de catálogos de critérios complexos (p. ex. CVs, anúncios de vagas, perfis de treinamento) e grandes volumes de dados (ocupacionais)

JANZZ.technology: Trechos de "Palavras-chave vs. correlação semântica baseada em ontologias”

1.    Introdução

O objetivo deste documento é explicar as limitações da atual tecnologia de pesquisa baseada em palavras-chave, no âmbito do escopo de recrutamento, busca de oportunidades de trabalho, recrutamento e aquisição de talentos, definição de perfis, correlação e gestão de competências. Este documento tem o intuito de realçar a forma como as demandas dos órgãos governamentais do trabalho, agências de estatísticas e outras partes interessadas nos próprios mercados de trabalho, compreendendo tanto os empregadores em busca de talento quanto os talentos em busca de oportunidades, ativos ou passivos, não estão sendo atendidas em nível satisfatório com a precisão esperada ou desejada que a tecnologia pode oferecer.

A tecnologia atual, como a pesquisa baseada em palavras-chave e análise sintagmática de CVs, não é capaz de comparar simultaneamente e bidirecionalmente os grandes volumes de dados especificamente ocupacionais. O resultado é que as demandas das iniciativas públicas de trabalho, por exemplo, a correlação de perfis e registros de trabalhadores desempregados, instituições educacionais do governo, bases de dados de portais de vagas, mecanismos de vagas e redes sociais e profissionais (doravante denominadas, em conjunto, “serviços online”), bibliotecas de CVs e bases de dados de descrições de cargos não estão sendo atendidas.

Além disto, vamos explicar como o crescimento da tecnologia semântica e, particularmente, o uso de ontologias de dados ocupacionais, têm proporcionado a solução para a comparação de grandes conjuntos de dados com mais eficiência e precisão.  Para esclarecer esse tema complexo, exemplos serão fornecidos em toda a seção, delineando quatro casos de uso, para aplicação no mundo real, de correlação semântica baseada em ontologias. O documento se encerra, então, com os comentários finais sobre os benefícios da correlação semântica baseada em ontologias nesta esfera.

1.1    Terminologia e referências utilizadas neste documento

Nesta seção, a terminologia, utilizada nesta esfera, se necessária, será explicada para referência futura. Para consultar outros termos, acesse nosso glossário detalhado no APÊNDICE.

JANZZ.technology:
A fonte de informações que envolve ontologias e desenvolvedores de tecnologia, produtos e soluções semânticas detalhadas posteriormente neste documento.

JANZZsme!:
Mecanismo de correlação inteligente projetado e desenvolvido pela JANZZ.technology, para pesquisar e correlacionar sequências-alvo de fontes de dados (estruturadas e não estruturadas), como registros trabalhistas e estatísticas de desemprego do governo, bases de dados de CVs ou oportunidades de trabalho, gerando resultados definidos conforme os parâmetros desejados do usuário.

JANZZon!:
Ontologia exclusiva projetada e desenvolvida pela JANZZ.technology para funcionar como uma base enciclopédica contendo dados ocupacionais interconectados em um sistema de semântica multirrelacional, para uso tipicamente via JANZZrestAPI e geração de contexto para um mecanismo de correlação, ou em ferramentas de análise estatística ou plataformas de terceiros para enriquecimento de dados, citando apenas algumas das finalidades possíveis.

JANZZclassifier!:
A ferramenta de classificação definitiva, projetada e construída pela JANZZ.technology para classificar e padronizar conjuntos de dados de grande porte e tornar os dados comparáveis, graças aos metadados gerados, incluindo classificações oficiais, competências relacionadas, oportunidades de trabalho, funções, e muito mais.

Dados ocupacionais:
é a terminologia específica para profissões e abrange todos os demais dados relevantes, conhecidos como “conceitos”. Os dados ocupacionais consistem, portanto, da própria ocupação ou profissão, da especialização (específica da profissão), das competências e funções necessárias, da experiência (adquirida na profissão), das qualificações e do nível de educação e, em última instância, das competências transversais ou interpessoais. É possível acrescentar mais critérios futuramente, conforme o desenvolvimento dos requisitos e as estatísticas de cada setor, p. ex. relacionadas ao ambiente de trabalho.

Classe de ocupação:
(CO): A CO define a importância da própria ocupação, considerada em relação a outros dados ocupacionais, na comparação e correlação entre dois ou mais conjuntos de dados complexos. A definição das ocupações varia entre muito específica e sem especificação. Ocupações altamente específicas são pesadamente ponderadas e o peso das menos específicas se reduz gradualmente.

Exemplo: Obstetra é uma ocupação altamente específica (CO1); Professor se enquadra no centro de uma escala de especificidade (CO3); Consultor não é um cargo específico e se enquadra em um CO baixo (5).

No caso das ocupações menos específicas, o critério com maior peso se alterna entre a ocupação e outros dados ocupacionais associados, p. ex. especialização, função, competências, experiência, etc.

Semântica:
No contexto da comparação de dados, ao contrário da linguística, a semântica descreve como os conceitos se relacionam lógica e contextualmente uns aos outros – com referência aos respectivos históricos e origens.

Exemplo: ERP↔SAP. O sistema SAP é um exemplo de ERP, entre outros. O SAP é um ERP
Ou, carpinteiro↔marceneiro.

Não existe conexão linguística entre ERP e SAP, ou entre carpinteiro e marceneiro, exceto pelo fato de ambos os termos serem utilizados no texto de uma mesma oportunidade de trabalho por coincidência ou elaboração específica. Um mecanismo de busca por palavra-chave localiza ambos os casos, não conforme o contexto, mas por acidente. Semanticamente há uma conexão. A relação é conhecida, mas somente porque as informações são fornecidas por uma ontologia que armazena essas relações e o contexto. Uma ontologia armazena sinônimos em primeira instância, mas uma ontologia multilíngue, como do JANZZon!, também contém as traduções dos conceitos E os respectivos sinônimos. Entretanto, a ontologia também inclui recursos como termos excluídos, ou seja, termos que devem ser ignorados nas pesquisas de uma sequência-alvo.

Exemplo:  Ao pesquisar o termo CEO, excluir Assistente, Assistente Pessoal, Assistente Executivo, que figurem nos nomes dos cargos como Assistente do CEO, bem como em outros campos, como arquitetura orientada a serviços, etc.

Além disto, a ontologia estabelece relações ‘parcialmente equivalentes’ e ‘iguais com ressalvas’ (para mais informações sobre esses termos, consulte o APÊNDICE). Quando a pesquisa ou correlação é semântica, ela leva em conta a relação e o significado das palavras e frases para fins de comparação, permitindo que sistemas como os de correlação ou mecanismos de busca ‘compreendam’ o contexto da frase almejada.

Exemplo:  Ao pesquisar por Instrutor de Inglês, as profissões semelhantes, Professor de Inglês e Professor Particular de Idiomas Especializado em Inglês e Francês, serão integral ou parcialmente incluídas nos resultados, visto que um professor particular bilíngue não é uma correlação exata a um professor que ensina somente inglês. Da perspectiva do instrutor, trata-se de uma correlação de apenas 50%.

Esses recursos são apenas alguns dos motivos pelos quais uma ontologia potencializa o mecanismo de correlação com recursos semânticos.

Homônimos e Polissemia:

Um uso específico de uma ontologia é esclarecer a distinção entre palavras e conceitos muito semelhantes ou idênticos, porém com significados diversos. Isto ocorre particularmente no cruzamento de idiomas e envolve diferenças culturais. Homônimos são palavras e pares de palavras com a mesma grafia e a mesma pronúncia, mas com significados diferentes.

Exemplo:  Representantes de Vendas, Gerentes de Contas, Consultores e Gerentes de Projetos são termos utilizados em inúmeros casos, mas com significados diferentes conforme o setor, a empresa ou a especialidade da organização, da função e das competências.

A polissemia é muito semelhante aos homônimos, no que tange à grafia idêntica, mas também envolvendo grafias diferentes, ainda assim com pronúncia idêntica ou não, mas com significados correlacionados conforme as origens em comum.

Exemplo:  O polissemia inclui Projetista (diversos significados diferentes conforme o contexto); Gerente pode ser a pessoa responsável por um processo ou uma equipe; Executivo pode ter um cargo de alta gerência em uma organização ou um ser um representante de vendas, como no caso de “Executivo de Vendas de Publicidade”; e Aplicativo pode ser uma ferramenta de software, um software para dispositivos móveis e muitas outras coisas.

Este é o motivo pelo qual em uma ontologia os conceitos são identificados com significados alternativos, em contrapartida às discrepâncias e confusões, para que os conceitos possam ser comparados com precisão.

Nossos produtos e soluções seguem os Princípios de Intelligência Artificial (IA) da OECD, são innovadores, confiáveis, respeitam os direitos humanos e os valores democráticos.

Para obter informações adicionais, propostas concretas ou provas de conceito em relação aos nossos produtos e soluções, ou se quiser uma demonstração de um produto específico ou uma cópia completa do documento «keyword vs. ontology based, semantic Matching» (correlação semântica baseada em palavras-chave vs. ontologias), entre em contato conosco diretamente por e-mail ou utilize nosso formulário para contato.