Näin kohtaanto toimii

Työelämän kohtaanto-ongelma on sitä, kun työpaikat ja työntekijät eivät kohtaa. Ongelmien taustalla voivat olla alueelliset erot, koulutusongelmat tai ammattirakenteen muutokset.  

Työmarkkinatorilla tätä ratkotaan rakentamalla hyvä verkkopalvelu ja sen taustalle hyvä kohtaantotoiminnallisuus. Kohtaanto on sitä, kun sopivia työpaikkoja ja työnhakijoita ehdotetaan toisilleen.  

ESCO-osaamiset kohtaannon pohjana 

Työmarkkinatorilla näkyvät ammatit ja osaamiset perustuvat ESCO-sanastoon. ESCO on Euroopan komission ylläpitämä koko EU:n laajuinen sanasto.  

Sen etuna on kansainvälinen yhteensopivuus, muta se ei välttämättä kuvaa täydellisesti suomalaisen työelämän maisemaa. Siksi keräämme käyttäjiltä ehdotuksia uusista ammateista ja osaamisista, jotta voimme lisätä Työmarkkinatorille puuttuvia sanoja. Voit lähettää meille ehdotuksia palautebotilla tai Lähetä palautetta - linkin kautta.  

ESCO-sanaston ja yleistä lisätietoa löydät Euroopan komission sivustolta. Siellä esitellään ammatit, osaamiset ja näiden selitteet vähintäänkin englanniksi.

ESCO- Euroopan komissio

Kohtaanto perustuu rakenteelliseen tietoon 

Kohtaanto perustuu ennen kaikkea siihen, miten työn ilmoittaja on kuvannut työpaikan ja siihen, miten työntekijä on kuvannut itsensä ja osaamisensa. Sillä on siis väliä, miten työpaikkailmoitus tai työnhakuprofiili on täytetty. Tällä hetkellä käyttäjille annetaan ehdotuksia rakenteellisen kohtaannon keinoin.  

Rakenteellinen kohtaanto huomioi työ- ja osaamishistorian, koulutuksen ja kielitaidon sekä työnhakualueen. Laskennassa hyödynnetään rikastettua eli käyttäjien ehdotuksilla täydennettyä ESCO-sanastoa, koulutustasoa sekä Tilastokeskuksen paikkatietoaineistoja. Työhistoriasta painotetaan tuoreimpia työkokemuksia. Osaamisten osalta huomioidaan myös minimivaatimustaso, jos sellainen on työpaikkailmoitukselle lisätty. 

Rakenteellisen tiedon kohtaannossa ammattihistoria ja osaamiset kerryttävät kohtaantopisteitä. Kielitaito, koulutus ja sijainti taas vaikuttavat kerrytettyihin kohtaantopisteisiin vähentävästi. 

Parhaiksi ehdotuksiksi muodostuvat siis toivomaltasi alueelta olevat, koulutusvaatimuksiltaan sopivat työpaikkailmoitukset tai työnhakuprofiilit, joissa on paljon yhteisiä ammatteja ja osaamisia.   

Kohtaantoa tehdään kahdesta suunnasta 

Rakenteellisen kohtaannon rinnalle ollaan syksyllä tuomassa myös luonnollisen kielen tunnistamiseen pohjautuva malli eli NLP-kohtaanto. Lyhenne "NLP" tulee sanoista natural language processing. 

NLP-kohtaannossa pohjana käytetään kirjoitettuja tekstejä ja sitä tehdään kolmella kielellä. Automaattikäännöksillä luodaan opetusdataa eri kielille. 

NLP-kohtaannossa hyödynnetää Työmarkkinatorin työpaikkojen ilmoitusdataa. Työpaikkalmoituksista poimitaan relevantit sanat sanavektoreita ja neuroverkkoja hyödyntäen.

Kohtaantopisteiden laskennassa käytetään sanavektoreita ymmärtämään, mitkä sanat liittyvät toisiinsa ja mitkä työilmoitukset ovat relevantteja millekin työnhakuprofiilille. Pistemäärä kertoo relevanttiuden. 

Käyttäjälle nämä molemmat kohtauttamisen tavat näkyvät saumattomassa yhteistyössä. 

Tekoäly kohtaannon apuna kielen tunnistamisessa 

Tekoäly auttaa kohtaannossa - esimerkiksi koneen ja ihmisen välissä pyörii osaamissuosittelija, joka auttaa lisäämään oikeanlaisia osaamisia työnhakuprofiilille tai työpaikkailmoitukselle. Näin oman osaamisen kuvaamisesta ja sanoittamisesta tulee sinulle helpompaa.   

Luonnollista kieltä hyödynnetään myös osaamissuosittelijassa. Osaamissuosittelija on toiminnallisuus, joka ehdottaa sinulle ammatteja ja osaamisia luonnolliseen kieleen eli kirjoitettuun tekstiin perustuen.  

Voit kopioida esimerkiksi Linkedin-esittelyn tai työpaikkailmoituksen tekstin Työmarkkinatorille ja saada sitä kautta ehdotuksia sopivista nimikkeistä.   

Osaamissuosittelijassa hyödynnetään tekstiaineistoja ESCO-ontologiasta ja Ammattinetistä. Automaattisella kielenkääntämisellä menetelmät saadaan opetettua kaikille kolmelle kielelle eli suomeksi, ruotsiksi ja englanniksi. Suositusten muodostamisessa hyödynnetään TF-IDF-dokumenttivektoreita. 

Jos olet kiinnostunut kohtaannon teknisestä puolesta, kehittäjä Heikki Niittylä kertoo blogissaan tarkemmin, miten esimerkiksi osaamissuosittelija on rakennettu.  Lisää perusteita tekoälyn käytölle löytyy esimerkiksi Minna Vänskän blogista.