Dynamic learning of player's profiles and links between players - activity area - jobs
Apprentissage dynamique du profil des joueurs et des correspondances joueur - secteur d’activité, joueur - métiers
Résumé
The objective of the thesis is to create a recommender system, capable of predicting in real time a career orientation from jobs positionings from teenagers. A subsidiary objective will aim to analyze the relationships between psychological models, player typology and professional attractions in order to help with the said professional proposal. As there is currently no open data set or literature with all the necessary relationships, a Serious Game has been created to collect them. A set of elements has been put in place to limit all types of bias, such as social desirability tests or the use of appropriate captures methods. Collaborative filter techniques have proven their worth in the case of recommender systems, with a recent emergence of models based on multimodal neural network architectures. These architectures have the advantage of allowing the inclusion of exogenous data, information which is particularly useful in the case of career guidance. This research work could lead the way for new work, because, to date, no publication has focused so much on the use of recommender systems in the context of jobs orientation.
L'objectif de la thèse est de réaliser un système de recommandation, capable de prédire en temps réel une orientation métier à partir de positionnements métiers issus d'adolescents. Un objectif subsidiaire visera à analyser les relations entre modèles psychologiques, typologies de joueur et attraits métier en vue d'aider à ladite proposition métier. N'existant à ce jour aucun jeu de données ouvert ou de littérature avec toutes les relations nécessaires, un Serious Game a été créé pour la collecte de ces dernières. Un ensemble d'éléments a été mis en place pour limiter tous types de biais, tels que des tests de désirabilité sociale ou l'utilisation de méthodes de captation adéquates. Les techniques de filtres collaboratifs ont fait leurs preuves dans le cas des systèmes de recommandations, avec depuis quelque temps l'émergence de modèles basés sur des architectures de réseaux de neurones multimodaux. Ces architectures ont l'avantage de permettre l'inclusion de données exogènes, informations qui se trouvent être particulièrement utiles dans le cas d'orientation professionnelle. Ce travail de recherche pourra ouvrir la voie à de nouveaux travaux, car à ce jour aucune publication ne s'est autant concentrée sur l'utilisation des systèmes de recommandations dans le cadre de l'orientation.
Origine : Version validée par le jury (STAR)