JobHop v2: A Large-Scale Career Trajectory Dataset from Unstructured Resumes
यह शोध पत्र जॉबहॉप (JobHop) v2 का परिचय देता है, जो एक सुदृढ़ एलएलएम (LLM) निष्कर्षण पाइपलाइन का उपयोग करके छद्म नामकृत बहुभाषी रिज्यूमे से प्राप्त 3,55,000 से अधिक करियर प्रक्षेप पथों का एक सार्वजनिक रूप से जारी किया गया डेटासेट है, जो कार्यबल नियोजन और श्रम बाजार अनुसंधान को आगे बढ़ाने के लिए समृद्ध एनोटेशन और बेहतर विश्वसनीयता प्रदान करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
काम की दुनिया की कल्पना एक विशाल, अस्त-व्यस्त पुस्तकालय के रूप में करें जहाँ हर एक किताब एक व्यक्ति का बायोडाटा (रिज्यूमे) है। वर्षों तक, शोधकर्ता यह समझने की कोशिश में फंसे रहे कि लोग एक नौकरी से दूसरी नौकरी में कैसे जाते हैं, क्योंकि ये "किताबें" अलग-अलग भाषाओं में लिखी गई थीं, इनका फॉर्मेट अजीब था, और इनमें ऐसी बहुत सी चीजें लिखी थीं जिन्हें कंप्यूटर पढ़ नहीं पा रहा था। वे एक शहर का नक्शा बनाने की कोशिश कर रहे थे, लेकिन उनके पास केवल फटे हुए, हाथ से लिखे नोट्स थे।
पहले, जो नक्शे उपलब्ध थे वे या तो बहुत छोटे थे (जैसे कुछ हज़ार नोट्स), या नकली डेटा से बने थे, या फिर निजी तिजोरियों में बंद थे जिन्हें कोई और नहीं खोल सकता था। "JobHop v1" नाम का एक पिछला प्रयास था, लेकिन वह थोड़ा त्रुटिपूर्ण था; कभी-कभी कंप्यूटर उन अस्त-व्यस्त नोट्स से भ्रमित हो जाता था और ऐसी टूटी हुई फाइलें निकाल देता था जिनका उपयोग नहीं किया जा सकता था।
अब आया JobHop v2, एक बिल्कुल नया, सुपर-स्मार्ट लाइब्रेरियन जिसे एक विशाल आर्टिफिशियल इंटेलिजेंस (AI) मस्तिष्क का उपयोग करके बनाया गया है। शोधकर्ताओं ने इस AI को फ्लेमिश पब्लिक एम्प्लॉयमेंट सर्विस (VDAB) से प्राप्त लगभग 440,000 वास्तविक, गुमनाम रिज्यूमे का एक ढेर दिया। ये रिज्यूमे डच, फ्रेंच और अंग्रेजी का एक अराजक मिश्रण थे, जिनमें गोपनीयता बनाए रखने के लिए नामों और स्थानों को <MASK> टोकन के पीछे छिपा दिया गया था।
जादुई ट्रिक: रीजनिंग रोबोट (तर्क करने वाला रोबोट)
सिर्फ अनुमान लगाने के बजाय, यह नया AI एक "रीजनिंग-कंट्रोल्ड" (तर्क-नियंत्रित) दृष्टिकोण का उपयोग करता है। इसे एक ऐसे जासूस की तरह समझें जो केवल एक सुराग को पढ़ता ही नहीं है, बल्कि रुककर सोचता भी है, "रुको, क्या यह तारीख सही लग रही है? क्या यह एक नौकरी है या स्कूल की क्लास?" यदि AI कहीं अटक जाता है या एक अव्यवस्थित फ़ाइल बनाता है (जैसे कि एक JSON जो खुल नहीं रहा), तो इसके पास एक विशेष "रिट्राय" (पुनः प्रयास) बटन होता है। यह थोड़े अधिक ध्यान के साथ फिर से प्रयास करता है।
परिणाम क्या रहा? लगभग 400,000 रिज्यूमे में से, जो शुरुआती सफाई प्रक्रिया से गुजर पाए, AI ने सफलतापूर्वक उन सभी को व्यवस्थित डिजिटल फाइलों में बदल दिया। यह एक परफेक्ट स्कोर है! इसने 355,315 अद्वितीय करियर कहानियों को निकाला, जिसमें 1,993,291 नौकरी के अनुभव और 923,981 शिक्षा संबंधी प्रविष्टियाँ शामिल थीं।
बॉक्स में क्या है?
JobHop v2 करियर डेटा का एक खजाना है। यह केवल जॉब टाइटल ही नहीं बताता; बल्कि यह इसे ESCO नामक एक मानक वैश्विक शब्दकोश का उपयोग करके व्यवस्थित करता है। यह आपको सटीक रूप से बताता है कि किसी ने नौकरी कब शुरू की और कब छोड़ी (वर्ष की तिमाही तक, जैसे "Q1 2020"), उनके पास शिक्षा का कौन सा स्तर है (प्राइमरी स्कूल से लेकर पीएचडी तक), और यहाँ तक कि उन्होंने किन विशिष्ट उपकरणों का उपयोग किया (जैसे Python या Spark)।
क्या यह वास्तव में बेहतर काम कर रहा था?
शोधकर्ताओं ने केवल यह नहीं कहा कि "यह अच्छा है"; उन्होंने इसे परीक्षण के लिए रखा। उन्होंने AI के काम की तुलना तीन अलग-अलग मानव और AI-जनित "गोल्ड स्टैंडर्ड" उत्तरों के सेट के विरुद्ध की।
- स्कोर: उनके AI का सबसे अच्छा संस्करण (एक विशाल 120-बिलियन-पैरामीटर मॉडल का उपयोग करते हुए) एक ऐसे स्कोर पर पहुँचा जो उस सीमा (सीलिंग) के अविश्वसनीय रूप से करीब था जिस पर मनुष्य और अन्य AI सहमत होते हैं। यह पूर्ण सहमति सीमा से केवल 1.1 से 2.7 प्रतिशत अंक दूर था।
- मुकाबला: जब उन्होंने पुराने JobHop v1 के खिलाफ एक ब्लाइंड टेस्ट (जहाँ जज को पता नहीं था कि कौन सा कौन सा है) किया, तो नया JobHop v2 68.3% बार जीता, जबकि पुराने संस्करण ने केवल 29.9% बार जीत हासिल की। जज ने नोट किया कि v2, रिज्यूमे के अस्त-व्यस्त और छिपे हुए हिस्सों को संभालने और विभिन्न भाषाओं में तारीखों को समझने में बहुत बेहतर था।
यह क्या नहीं है
यह जानना महत्वपूर्ण है कि यह डेटासेट क्या नहीं करता है। शोधकर्ताओं ने स्पष्ट रूप से नकली, बनावटी रिज्यूमे या एआई द्वारा निष्कर्षण से पहले सिंथेसाइज किए गए पूर्व-मानकीकृत कोड का उपयोग करने से मना कर दिया। वे वास्तविक, कच्चे टेक्स्ट चाहते थे जो वास्तविक लोगों से संबंधित हो। साथ ही, वे बहुत सावधान रहे कि वे बहुत अधिक अनुमान न लगाएं: लगभग 6.9% जॉब प्रविष्टियों को "अज्ञात" (unknown) के रूप में लेबल किया गया क्योंकि AI ने गलत अनुमान लगाने के बजाय यह स्वीकार करना सुरक्षित समझा कि वह नहीं जानता। उन्होंने हर चीज़ पर कोई लेबल थोपने की कोशिश नहीं की।
निष्कर्ष
JobHop v2 यह सुझाव देता है कि हम अंततः लाखों रिज्यूमे के अराजक, असंरचित ढेर को एक साफ, विशाल डेटासेट में बदल सकते हैं जो हमें यह समझने में मदद करता है कि करियर वास्तव में कैसे विकसित होते हैं। यह भविष्य की भविष्यवाणी करने वाला कोई जादुई क्रिस्टल बॉल नहीं है, लेकिन यह वास्तविक, असंरचित टेक्स्ट से निर्मित अब तक का सबसे सटीक, बड़े पैमाने का करियर पथ मानचित्र है। शोधकर्ता इस मानचित्र और इसे बनाने के लिए उपयोग किए गए उपकरणों को सार्वजनिक रूप से जारी कर रहे हैं, इस उम्मीद में कि अन्य लोग शून्य से शुरुआत किए बिना श्रम बाजारों और नौकरी की सिफारिशों का अध्ययन करने के लिए इसका उपयोग करेंगे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।