Geri Dön

Büyük dil modelleri ile işe alım süreçlerinin otomatikleştirilmesi ve iyileştirilmesi

Automation and enhancement of recruitment processes with large language models (LLM)

PDF İndir

  1. Tez No: 947428
  2. Yazar: EMRE TÜFEKÇİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET YAVUZ YAĞCI, PROF. DR. MUHAMMED ALİ AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Bu çalışma, iş başvuru süreçlerinde büyük dil modellerinin (LLM – Large Language Model) kullanımını kapsamlı bir şekilde ele alarak hem iş ilanlarının otomatik keşfini hem de özgeçmiş uyarlamasını geliştirmeyi hedeflemektedir. Farklı sektörlerden (bilişim, finans, mühendislik vb.) toplanan 2.490 özgeçmiş üzerinde yürütülen analiz; OpenAI GPT ve Google Gemini API'leri temel alınarak tasarlanan puanlama ve uyarlama mekanizmasıyla özellikle anahtar kelime eşleşmesi (KMS – Keyword Match Score) performansında önemli iyileşmeler sağlandığını göstermektedir. Ham verilerin incelenmesi, adayların bağlam (CRS – Contextual Relevant Score) ve deneyim (EFS – Experience Fit Score) açısından çoğunlukla yeterli olduğunu, ancak anahtar kelime uyumunda eksiklikler bulunduğunu ortaya koymuştur. LLM kullanıldığında KMS oranının belirgin biçimde artmasıyla birlikte özgeçmişlerin toplam puanlarının ortalama %6–7 oranında yükseldiği gözlemlenmiştir. Bununla birlikte, CRS ve EFS gibi metriklerdeki artış görece sınırlı kalmış ve insan katkısının bu noktalarda hâlâ kritik olduğu anlaşılmıştır. Önerilen sistem, başvuru takip sistemlerini (ATS – Applicant Tracking System) optimize etmek için makine öğrenimi algoritmalarına ve geri bildirim kanallarına dayanmakta; işveren geri bildirimleri ve ATS sıralamalarından elde edilen verilerle başvuru materyalleri sürekli olarak geliştirilmektedir. Veri mahremiyeti ve yasal kısıtlar nedeniyle geçici olarak devre dışı bırakılan Makine Öğrenimi Tahmin Skoru (MLPS - Machine Learning Prediction Score) bileşeni, gelecekte daha kapsamlı modellerle birlikte yeniden entegre edilebilecek potansiyele sahip görünmektedir. ATS uyumluluğunun yükselmesi, aday–iş ilanı eşleşmelerinin isabet oranının artması ve başvuru sürecinin hızlanması, işverenler ve adaylar açısından zaman ve emek tasarrufu sağlamaktadır. Buna rağmen araştırmanın ortaya koyduğu sonuçlar, otomasyonun etik kaygıları ve önyargı yönetimini de gündeme getirdiğini göstermektedir. LLM tabanlı algoritmalar, anahtar kelime eşleşmesi gibi teknik alanlarda üstün performans gösterse de deneyim uygunluğunun ölçümü ve bağlamsal analiz gibi karmaşık insan yargısını gerektiren noktalarda hâlâ insan denetimi ve katkısına ihtiyaç duyulduğu saptanmıştır. Özellikle adil ve tarafsız işe alım süreçleri oluşturmak adına, otomasyon ile insan uzmanlığının dengeli ve bütünleşik biçimde kullanılması büyük önem taşımaktadır. Bu kapsamda, gelecekte önyargı azaltmaya yönelik ek yaklaşımlar ve otomatik iş başvuru sistemlerinin daha geniş ölçekte adaptasyonu üzerine çalışmalar devam edecektir.

Özet (Çeviri)

This study provides a comprehensive examination of using Large Language Models (LLMs) in job application processes, aiming to improve both automated job listing discovery and résumé tailoring. An analysis conducted on 2,490 resume collected from various sectors—including IT, finance, and engineering—demonstrates that the scoring and adaptation mechanism designed based on OpenAI GPT and Google Gemini APIs yields significant improvements particularly in keyword matching score (KMS) performance. An initial review of the data shows that while candidates generally meet contextual releveant score (CRS) and experience fit score (EFS) criteria, there are gaps in keyword alignment. When LLMs are employed, the marked increase in KMS rates leads to an overall rise of approximately 6–7% in resume scores. However, gains in metrics such as CRS and EFS remain relatively limited, indicating that human input is still pivotal in these areas. The proposed system relies on machine learning algorithms and feedback channels to optimize Applicant Tracking Systems (ATS), continuously refining application materials using feedback from employers and ATS rankings. Due to concerns around data privacy and legal restrictions, the Machine Learning Prediction Score (MLPS) component is temporarily deactivated but appears to have potential for reintegration with more comprehensive models in the future. Enhancing ATS compliance, increasing the precision of candidate–job matches, and speeding up the application process result in notable time and effort savings for both employers and applicants. Nonetheless, the findings highlight ethical concerns and bias management within automation. While LLM-based algorithms excel in technical tasks such as keyword matching, they still require human oversight and contribution for aspects like experience suitability and contextual analysis—complex judgments best handled by human expertise. Especially in forming fair and impartial hiring processes, the balanced and integrated use of automation and human expertise remains paramount. In this regard, ongoing research will continue to focus on bias reduction and broader adoption of automatic job application systems.

Benzer Tezler

  1. Tez No

    948111

    Sentiment-driven forecasting of short-term asset price directions using large language models

    Büyük dil modelleri kullanarak varlık fiyatlarının kısa vadeli yönlerinin duygu odaklı tahmini

    AHMET BERKAY GÜLTEKİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Veri Mühendisliği ve İş Analitiği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. Tez No

    752939

    Avrupa Birliği kamu alımı ihaleleri ilan metinlerinin ekonomik etkilerinin doğal dil işleme ile incelenmesi

    Investigation of the economic impact of the European Union public procurement notice descriptions by using natural language processing

    MUSTAFA KAAN GÖRGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MÜCAHİD KUTLU

    PROF. DR. BEDRİ KAMİL ONUR TAŞ

  3. Tez No

    609452

    Deep learning aided data detectionfor future wireless communication systems

    Gelecek nesil telsiz haberleşme sistemleri içinderin öğrenme yardımıyla data tespiti

    MERVE TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  4. Tez No

    961362

    Büyük dil modelleri ile bildirim metni üretimi

    Notification text generation with large language models

    HAKAN TAŞKÖPRÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BANU DİRİ

  5. Tez No

    898903

    Optimizing large language models: A comparative study of retrieval-augmented generation, fine-tuning, and hybrid approaches

    Büyük dil modellerinin optimize edilmesi: RAG, fine-tuning ve bunlarin birleşiminin (hibrit) modellerin karşilaştirilmasi

    GÜLSÜM BUDAKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED Üniversitesi

    Uygulamalı Veri Bilimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN EMEKCİ

Geri Dön