| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.87 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
In today’s world, organisations recognise the importance of human capital as their most
valuable resource and are rewarded for the correct management of their human resources. This
document showcases a system whose main goal is to better manage the development of
collaborator’s skills and optimise the allocation of human resources to projects within the
organisation.
The state of the art was researched in the fields of user modelling, knowledge engines,
classification algorithms, taxonomies of educational learning, and methods of measuring
similarity. Systems that tackled some similar aspects to the system to be showcased were also
presented. It was concluded that an overlay user model could be used to portray the knowledge
of the collaborators using the system. Collaborator knowledge evaluations based on an dynamic
questionnaires algorithm could be implemented using a knowledge engine. The system could
calculate the engineering profile the collaborator was closest to attaining by using the Euclidean
distance between vectorial representations of both.
The system was implemented as a component to be incorporated in a larger system. The larger
system could provide ours with functionalities such as user authentication and collaborators’
self-evaluation of their knowledge. The larger system in mind was the Capgemini Engineering’s
internal system, but it could be integrated with any other.
The user model is created based on the latest evaluation the collaborator made, including their
own self-evaluation, if available. The dynamic questionnaires algorithm was implemented using
Pyke, a Python knowledge engine library. The sci-kit learn library was used to implement the
Euclidean distance.
The testing of the system was done in a two-round experimentation process where Capgemini
collaborators attempted to complete a dynamic questionnaire evaluation. The system correctly
inferred the knowledge of the collaborators thirty-eight percent of the time. As such, it was
concluded that the evaluations are not trustworthy and must undergo some improvements and
more experimentation.
Suggestions for future work on the system were made, mainly having the option to import
questions from outside sources, possible experiments to help assess the system, and have the
system suggest study materials according to the knowledge the collaborator lacks
Nos dias de hoje organizações reconhecem a importância do capital humano como o seu recurso mais valioso e são compensadas pela gestão correta dos seus recursos humanos. Este documento visa apresentar um sistema cujo objetivo principal é melhorar a gestão do desenvolvimento do conhecimento dos colaboradores e a otimização da alocação de recursos humanos a projetos dentro da organização. Foi efetuada uma pesquisa sobre o estado da arte nas áreas de modelação do utilizador, motores baseados em conhecimento, algoritmos de classificação, taxonomias de objetivos educacionais e métodos de medir a semelhança entre representações de conceitos. Também foram apresentados alguns sistemas que abordavam aspetos semelhantes ao sistema a apresentar. Concluiu-se que um modelo de utilizador overlay poderia ser usado para representar o conhecimento dos colaboradores que usariam o ssitema. Avaliações do conhecimento de um colaborador baseadas num algoritmo de questionários dinâmicos poderiam ser implementadas usando um motor baseado em conhecimento. O sistema poderia calcular o perfil de engenharia cujo certo colaborador estaria mais perto de alcançar usando a distância Euclidiana entre representações vetoriais de ambos. O sistema foi implementado como um componente a ser integrado num sistema ainda maior. O sistema maior poderia contribuir para o nosso com funcionalidades como a autenticação do utilizador, e auto-avaliações do conhecimento dos colaboradores. O sistema maior em mente seria o sistema interno da Capgemini Engineering, embora possa ser integrado com outro qualquer. A criação do modelo do utilizador baseia-se na última avaliação reallizada pelo colaborador, incluindo uma auto-avaliação, se disponível. O algoritmo de questionários dinâmicos foi implementado usando uma biblioteca de motores baseados em conhecimento em Python, chamada Pyke. A biblioteca sci-kit learn foi usada para implementar a distância Euclidiana. O sistema foi testado através de duas rondas de experimentação, em que colaboradores da Capgemini tentaram completar uma avaliação do seu conhecimento baseada em questionários dinâmicos. O sistema inferiu corretamente o conhecimento dos colaboradores trinta e oito por cento das vezes. Como tal, foi concluído que as avaliações não são confiáveis, e será necessário um melhoramento do sistema, e mais experimentação. Foram feitas sugestões de trabalho futuro, principalmente a existência de uma opção para importar questões de fontes exteriores ao sistema, possíveis maneiras de testar o sistema, e uma funcionalidade que sugerisse material de estudo ao colaborador, conforme o conhecimento que lhe falta
Nos dias de hoje organizações reconhecem a importância do capital humano como o seu recurso mais valioso e são compensadas pela gestão correta dos seus recursos humanos. Este documento visa apresentar um sistema cujo objetivo principal é melhorar a gestão do desenvolvimento do conhecimento dos colaboradores e a otimização da alocação de recursos humanos a projetos dentro da organização. Foi efetuada uma pesquisa sobre o estado da arte nas áreas de modelação do utilizador, motores baseados em conhecimento, algoritmos de classificação, taxonomias de objetivos educacionais e métodos de medir a semelhança entre representações de conceitos. Também foram apresentados alguns sistemas que abordavam aspetos semelhantes ao sistema a apresentar. Concluiu-se que um modelo de utilizador overlay poderia ser usado para representar o conhecimento dos colaboradores que usariam o ssitema. Avaliações do conhecimento de um colaborador baseadas num algoritmo de questionários dinâmicos poderiam ser implementadas usando um motor baseado em conhecimento. O sistema poderia calcular o perfil de engenharia cujo certo colaborador estaria mais perto de alcançar usando a distância Euclidiana entre representações vetoriais de ambos. O sistema foi implementado como um componente a ser integrado num sistema ainda maior. O sistema maior poderia contribuir para o nosso com funcionalidades como a autenticação do utilizador, e auto-avaliações do conhecimento dos colaboradores. O sistema maior em mente seria o sistema interno da Capgemini Engineering, embora possa ser integrado com outro qualquer. A criação do modelo do utilizador baseia-se na última avaliação reallizada pelo colaborador, incluindo uma auto-avaliação, se disponível. O algoritmo de questionários dinâmicos foi implementado usando uma biblioteca de motores baseados em conhecimento em Python, chamada Pyke. A biblioteca sci-kit learn foi usada para implementar a distância Euclidiana. O sistema foi testado através de duas rondas de experimentação, em que colaboradores da Capgemini tentaram completar uma avaliação do seu conhecimento baseada em questionários dinâmicos. O sistema inferiu corretamente o conhecimento dos colaboradores trinta e oito por cento das vezes. Como tal, foi concluído que as avaliações não são confiáveis, e será necessário um melhoramento do sistema, e mais experimentação. Foram feitas sugestões de trabalho futuro, principalmente a existência de uma opção para importar questões de fontes exteriores ao sistema, possíveis maneiras de testar o sistema, e uma funcionalidade que sugerisse material de estudo ao colaborador, conforme o conhecimento que lhe falta
Description
Keywords
Collaborator User modelling Knowledge engine Colaborador Modelação do utilizador Motores baseados em conhecimento