Dönüştürücü Tabanlı Anahtar Kelime Çıkarımıyla İş İlanlarında En Çok Talep Gören Becerilerin Analizi

Gündüz Cüre M., Öztürk Birim Ş.

24. Uluslararası İşletmecilik Kongresi, İzmir, Türkiye, 8 - 10 Mayıs 2025, ss.748-755, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: İzmir
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.748-755
  • Manisa Celal Bayar Üniversitesi Adresli: Evet

Özet

Transformatör tabanlı modeller, iş ilanı analizinde beceri çıkarımı ve metin analitiğini geliştirmiş olsa da, bağlamsal anlayış, örgütsel entegrasyon ve yöntem açısından önemli araştırma boşlukları bulunmaktadır. Metin sınıflandırmada yaygın olarak kullanılsa da, işe alım süreçlerinde kullanımı hâlen sınırlıdır. Bu çalışma, Yönetim Bilişim Sistemleri (YBS) ve İnsan Kaynakları (İK) iş ilanlarından teknik ve sosyal becerileri çıkarmak için KeyBERT tabanlı bir doğal dil işleme (NLP) yaklaşımı kullanmaktadır. Karşılaştırmalı ve kümeleme analizleri, ortak yetkinlikler ve ortaya çıkan desenleri ortaya koyarak, veri odaklı işe alımı desteklemek ve yapay zeka destekli işe alım süreçlerinin şeffaflığını ve etkinliğini artırmak için yapılandırılmış içgörüler sunmaktadır.

Transformer-based models have improved skill extraction and text analytics in job posting analysis, yet research gaps remain—particularly in contextual understanding, organizational integration, and methodology. Although widely applied in text classification, their use in recruitment is still limited. This study employs an NLP approach using KeyBERT to extract technical and soft skills from Management Information Systems (MIS) and Human Resources (HR) job postings. Comparative and clustering analyses reveal shared competencies and emerging patterns, offering structured insights to support data-driven recruitment and enhance the transparency and effectiveness of AI-powered hiring.