Er du en fullstack ninja, der er begejstret for vildt hurtigt voksende startups med sjove kontorer? Eller er du en tankevækkende udvikler, der leder efter en støttende arbejdsplads med potentiale for fremme?
Enten sprogstil kan bruges til at beskrive den samme position, og valg som dette kan være kritisk for at tiltrække slags kandidater, som et firma har brug for. At vælge en stemme der matcher en arbejdsplads intuitivt virker som en naturlig strategi. Men når du vil kaste et bredt net, hvad er den bedste vej frem?
Vi er interesseret i, hvordan ting som tekstindhold korrelerer med andre beregninger - som "gælder for job" -klik. En metode til måling og sammenligning af tekstdokumenters egenskaber (blandt mange) er følelsesanalyse. Bredt måles metoderne til følelsesanalyse ofte, hvor "positivt" eller "negativt" et tekstdokument er ved at tælle nøgleord og udtryk, der er knyttet til disse to modsætninger.
For at få en hurtig fornemmelse af, hvordan følelser kunne påvirke klik på jobbet, brugte vi en foruddannet følelsesanalysator i et værktøj, der hedder tekstblod. Vi brugte dette til at analysere teksten på alle job, der nogensinde gik live på The Muse. Dette plot nedenfor viser, at i henhold til dette off-the-shelf-værktøj, bruger de fleste job stillinger mildt sagt positivt sprog.
Med hvert job, der blev tildelt en stemningsscore, satte vi alle stillingsopgaver i 6 lige store grupper, fra mest-negativ til mest-positiv stemning. Sentimentfordelingerne for hver gruppe kan sammenlignes i nedenstående plot:
Dette er en slags datavisualisering kaldes et feltdiagram og hjælper med at opsummere, hvordan vores 6 grupper adskiller sig. F.eks. Markerer linjen i midten af hvert rektangel median-følelsespoint for hver gruppe; typiske stemningsresultater for job i en gruppe er nær denne linje. Det fulde rektangel omslutter 50% af de data, der er tættest på denne linje (dvs. den mest typiske). Denne type resume (som indeholder nogle rå data, der er lagt på) hjælper os med at forstå, at job, der indeholder mere positive ord, når man ser på tværs af alle jobkategorier, historisk set har fået flere anvendelige klik.
Der er meget mere sofistikerede måder at se på disse kvaliteter, og plottene ovenfor skraber kun overfladen af, hvilke data der kan hjælpe os med at forstå. Også forskellige virksomheder har forskellige mål for deres stillingsopslag - kvalitet eller specificitet af jobansøgere kan for eksempel være vigtigere mængder.
Hos The Muse bruger vi data til at forstå disse og andre problemer for at hjælpe jobsøgende med at finde deres drømmejob og hjælpe virksomheder med at ansætte drømmemedarbejdere. Hvis du er en udvikler, der er interesseret i at arbejde med problemer som dette og hjælpe folk med at finde deres drømmejob, skal du kontakte.
