Recommender Systems as Career Coaches - A Literature Review on the Feasibility of Conversational Recommender Systems for Job Recommendation

My Bachelor's Thesis for the Data Science major in Aalto Bachelor's Programme in Science and Technology.

In the modern, rapidly evolving, highly complex and specialized global job market, recommendation systems have a growing amount of potential in connecting different types of job seekers at various stages of their careers to the vacancies most suitable for them. However, regular one-way recommender systems may struggle to retain the trust of the user in the high-stakes, high-impact endeavor of job seeking in the absence of agency, intentionality, and a sense of being understood, whereas knowing what and where to search can be an entire research effort in itself.

There is an emerging branch of research on conversational recommender systems that can intelligently gather a higher quantity of higher quality data and, through richer interaction capabilities and multi-turn dialogue, fuse both explicit and implicit user feedback for more accurate preference drift tracking. This can lead to better performance not only in terms of relevance and ranking, but also in various subjective dimensions related to trustworthiness, agency, explainability, and enjoyment.

To investigate the feasibility of conversational recommender systems in the context of job recommendation, this thesis first reviews current approaches to job recommendation and outlines the requirements for an ideal job recommender system on both the user experience and system levels while also discussing the metrics for tracking their fulfillment. Finally, it reviews the nature and domain-specific advantages and disadvantages, as well as some case studies of conversational recommender systems in the domain of job recommendation, to formulate an argument in favor of the application of conversational recommender systems to the domain, along with recommending future research directions.

Nykyaikaisilla, nopeasti kehittyvillä, erittäin monimutkaisilla ja erikoistuneilla maailmanlaajuisilla työmarkkinoilla suosittelujärjestelmillä on yhä enemmän mahdollisuuksia yhdistää erityyppisiä työnhakijoita uransa eri vaiheissa heille parhaiten sopiviin avoimiin työpaikkoihin. Tavanomaisilla yksisuuntaisilla suosittelujärjestelmillä voi kuitenkin olla vaikeuksia säilyttää käyttäjän luottamus niinkin merkittävässä ja laajavaikutteisessa tehtävässä kuin työnhaku, käyttäjän toimijuuden, tarkoituksellisuuden ja ymmärretyksi tulemisen tunteiden puutteen vuoksi, kun tiedon etsiminen siitä, mitä ja mistä hakea voi olla kokonainen tutkimustyö itsessään.

Uudempi suosittelujärjestelmien tutkimushaara tutkii keskustelullisia suosittelujärjestelmiä, jotka pystyvät älykkäästi keräämään suuremman määrän laadukkaampaa tietoa ja yhdistämään sekä eksplisiittistä että implisiittistä käyttäjädataa rikkaampien vuorovaikutusmahdollisuuksien ja monikierroksisen vuoropuhelun avulla tarkempaa preferenssien seurantaa varten. Tämä voi johtaa parempiin tuloksiin paitsi relevanssin ja paremmuusjärjestyksen osalta mutta myös useissa muun muassa luotettavuuteen, toimijuuteen, selitettävyyteen ja miellyttävyyteen liittyvissä subjektiivisissa ulottuvuuksissa.

Keskustelullisien suosittelujärjestelmien toteutettavuuden tutkimiseksi työpaikkasuositusten yhteydessä tässä kandidaatintyössä tarkastellaan ensin nykyisiä lähestymistapoja kyseiseen tehtävään ja hahmotellaan ihanteellisen työpaikkasuosittelujärjestelmän vaatimukset sekä käyttäjäkokemus- että järjestelmätasolla näiden seuraamiseen soveltuvien mittareiden lisäksi. Viimein tarkastellaan keskustelullisien suosittelujärjestelmien luonnetta konseptuaalisella tasolla niiden toimialakohtaisien etujen ja haasteiden ohella, sekä arvioidaan joitakin tapaustutkimuksia argumentin rakentamiseksi keskustelullisten suosittelujärjestelmien soveltamisen puolesta kyseisellä alalla tulevien tutkimussuuntien esittelyn lisäksi.