Spdece08
Download
1 / 28

Modelo difuso para la selecci n automatizada de cursos apropiados para el perfil profesional del alumno Dea. D. Lu - PowerPoint PPT Presentation


  • 112 Views
  • Uploaded on

Modelo difuso para la selección automatizada de cursos apropiados para el perfil profesional del alumno Dea. D. Luis Enrique Corredera de Colsa Dr. D. Alfonso José López Rivero Dr. D. Marcelo Vallejo García. SPDECE08 . Facultad de Informática Universidad Pontifica de Salamanca.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Modelo difuso para la selecci n automatizada de cursos apropiados para el perfil profesional del alumno Dea. D. Lu' - rhoda


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Spdece08

Modelo difuso para la selección automatizada de

cursos apropiados para el perfil

profesional del alumno

Dea. D. Luis Enrique Corredera de Colsa

Dr. D. Alfonso José López Rivero

Dr. D. Marcelo Vallejo García

SPDECE08

Facultad de Informática

Universidad Pontifica de Salamanca


Presentaci n del art culo
Presentación del artículo

  • Justificación

    • El problema de la selección de personal

    • Ventajas y limitaciones de modelos existentes

  • Descripción de nuestro modelo difuso

    • Definición de condiciones iniciales y objetivos funcionales

    • Estimación de parámetros del sistema

  • Verificación del modelo:

    • Problemas sintéticos

    • Ejemplos reales de funcionamiento

  • Conclusiones

  • Líneas de investigación futuras

2



La selecci n de personal
La selección de personal

Objetivo:

Cubrir puestos de trabajo de forma óptima.

Su éxito determina el cumplimiento de objetivos en las empresas.

Es un problema estudiado por la comunidad científica.

Ámbitos de aplicación fácilmente extrapolables:

Ofrecer cursos adaptados a formación de base del alumno

Selección de personal docente adecuado.


Ventajas y limitaciones de los modelos existentes
Ventajas y limitaciones de los modelos existentes

Enfoques principalmente basados en lógica de modelos difusos y algoritmos genéticos.

Conjuntos difusos:

Clasificación de la pertenencia a conjuntos cuantitativamente, con números reales.

Algoritmos evolutivos:

Mejora continua a través de mezclado poblacional y extracción de mejores características.

Alta complejidad y elevado coste computacional.



Trabajo realizado

Definición de las condiciones iniciales y premisas de funcionamiento, y preprocesamiento de las variables de entrada y salida del modelo.

Estimación de parámetros del sistema, de modo que se comporte de acuerdo con las condiciones iniciales.

La verificación del modelo, y la cuantificación de su error.

La validación del modelo: asegurando que soluciona los problemas planteados, y se comporta de acuerdo con su especificación.

Trabajo realizado


Definici n de condiciones iniciales

Codificación de las variables cualitativas (titulaciones).

Establecimiento de distancias entre pares de elementos codificados (distancias no conmutativas).

La existencia de dos titulaciones cercanas debe reducir la distancia.

La existencia de una titulación exacta, y una cercana no debe incrementar la distancia (el resultado sería mejor que una exacta).

Las titulaciones que no tengan afinidad, tendrán una “distancia infinita”.

Cuando exista una titulación afín y una infinita, la infinita no debe influir negativamente en la valoración.

Definición de condiciones iniciales


Codificaci n de variables cualitativas

Determina el éxito del modelo

La distancia “infinita” se modela como ‘1’. El elemento neutro del producto.

Las titulaciones idénticas o equivalentes tienen de valor ‘-1’. Proyectamos sobre R- los exactos.

Afinidad distinta de ‘-1’ recibe valores del intervalo (0,1).

“Cuando necesito un titulado en A y obtengo un titulado en B, es válido en un X %”.

El valor asignable sería 1 – (X/100).

Codificación de variables cualitativas


Codificaci n de las variables cualitativas ii

La distancia negativa transgrede los conceptos convencionales de distancias de las distancias.

Las distancias son valores de entrada al sistema, y deberían recogerse de la experiencia de expertos en la materia.

Para la puesta en producción, se recogieron datos de a través de encuestas a profesores de universidad en España, para calcular distancias entre titulaciones.

Codificación de las variables cualitativas (II)


Adecuaci n de una persona al objetivo
Adecuación de una persona al objetivo convencionales de distancias de las distancias.

1.- Establecemos la adecuación inicial en “1”.

2.- Para cada titulación de la persona, multiplicamos la adecuación por la distancia.


Espacio de salida de la adecuaci n

Salida en [-1,1], siendo su interpretación la siguiente según el valor “a” de su función de adecuación.

Si a pertenece a [-1,0): el perfil del candidato cumple el objetivo, y tiene un exceso.

Este exceso se obtiene cuantitativamente como el valor absoluto de “a”, siendo éste mayor, indica un mayor exceso de requisitos.

Espacio de salida de la adecuación


Espacio de salida de la adecuaci n ii

Si a pertenece a [0,1]: el perfil candidato no cumple el objetivo, sin embargo cuanto más cercano a cero sea, mayor será su grado de adecuación al objetivo.

Espacio de salida de la adecuación (II)


Espacio de salida de la adecuaci n iii
Espacio de salida de la adecuación (III) objetivo, sin embargo cuanto más cercano a cero sea, mayor será su grado de adecuación al objetivo.


Procesado de la salida
Procesado de la salida objetivo, sin embargo cuanto más cercano a cero sea, mayor será su grado de adecuación al objetivo.

El orden de la salida no es “natural” y puede optimizarse para automatizar las consultas de adecuación.

Proyectamos la salida sobre [0,2)


Procesado de la salida ii

Interpretación difusa: la función de proyección produce 2 alpha-cortes en el conjunto de salida:

Procesado de la salida (II)


Procesado de la salida iii
Procesado de la salida (III) alpha-cortes en el conjunto de salida:

3 conjuntos:

2 difusos.

1 clásico.


Verificaci n del modelo con casos de uso sint ticos
Verificación del modelo con casos de uso sintéticos alpha-cortes en el conjunto de salida:

18


Establecimiento de distancias sint ticas
Establecimiento de distancias sintéticas alpha-cortes en el conjunto de salida:

Si busco un IST y obtengo un ITIS, me resulta válido en un 20% (1-coef)*100%


B squeda con resultados exactos
Búsqueda con resultados exactos alpha-cortes en el conjunto de salida:

Cuando el objetivo es un titulado en ISI, ¿cómo de válidos son nuestros potenciales?


Resultados excesivos exactos y complementarios
Resultados excesivos, exactos y complementarios alpha-cortes en el conjunto de salida:

Cuando necesito un titulado en IST, ¿cómo de válidos son nuestros potenciales?


B squeda excesiva con diferentes niveles de exceso

Cuando necesito un titulado en IST, ¿cómo de válidos son nuestros potenciales?

Búsqueda excesiva, con diferentes niveles de exceso


Ejemplos reales de funcionamiento

Tecnología aplicada a portales de empleo en Internet desarrollados por Flag Solutions.

Portal B2B desarrollad por Flag Solutions para contratación de maquinaria especializada en obra civil.

Ejemplos reales de funcionamiento

23


Conclusiones

La selección de recursos es un factor determinante para el éxito en proyectos y empresas, y nuestro modelo supone una ayuda para la toma de decisiones.

Responde con solvencia a entornos sintéticos y de producción, identificando excesos, defectos y permitiendo la ordenación de los resultados.

Conclusiones

24


L neas de investigaci n futuras
Líneas de investigación futuras éxito en proyectos y empresas, y nuestro modelo supone una ayuda para la toma de decisiones.

25


L nea de investigaci n futura i
Línea de investigación futura (I) éxito en proyectos y empresas, y nuestro modelo supone una ayuda para la toma de decisiones.

Modelado de pares de distancia para diferentes situaciones del mundo real (experiencia, ámbitos de conocimiento, motivación, etc.) y su forma de asignarles una valoración coherente con el modelo presentado.

Extensión del modelo para criterios multi-variable, facilitando en la definición de objetivos establecer la importancia que representa cada variable estudiada.

26


L neas de investigaci n futuras ii

Mejorar el modelo para incluir factores de corrección procedentes de realimentación por parte del usuario, de forma que puedan modificarse particularmente los resultados de clasificación, en contra de los datos de configuración inicial.

En otro ámbito, estudio del impacto de los excesos en factores psicológicos para recursos humanos (frustración en recursos humanos con un exceso considerable, incremento de motivación por asunción de responsabilidades ligeramente superiores a la capacitación presentada, etc.).

Líneas de investigación futuras (II)


Gracias por su atención procedentes de

Contacto:

Dea. D. Luis Enrique Corredera de Colsa: [email protected]

Dr. D. Alfonso J. López Rivero: [email protected]

Dr. D. Marcelo Vallejo García: [email protected]


ad