KR20220108648A

KR20220108648A - 비대면 온라인 면접 서비스 제공 시스템

Info

Publication number: KR20220108648A
Application number: KR1020210011876A
Authority: KR
Inventors: 박광훈
Original assignee: 박광훈
Priority date: 2021-01-27
Filing date: 2021-01-27
Publication date: 2022-08-03

Abstract

비대면 온라인 면접 서비스 제공 시스템이 제공되며, 학력 및 경력 정보를 포함한 구직 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접 스케줄을 설정하며, 비대면 면접 스케줄 시간에 활성화된 채팅창에서 면접을 진행한 후 상호평가를 수행하는 구직 단말, 업무, 연봉, 근무지, 기업수준 및 처우를 포함하는 구인 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접을 진행할지의 여부를 선택하며, 비대면 면접을 진행하는 경우 비대면 면접 스케줄 시간에 채팅창을 활성화시키고 면접을 진행한 후 상호평가를 수행하는 구인 단말 및 구직 단말 및 구인 단말로부터 구직 정보 및 구인 정보를 업로드받아 키워드를 추출하는 추출부, 키워드를 기준으로 키워드 매칭을 수행한 후, 키워드 매칭으로 매칭된 구직 단말 및 구인 단말로 비대면 면접 스케줄을 설정하도록 하는 스케줄관리부, 비대면 면접 스케줄이 설정된 경우 채팅창을 구직 단말 및 구인 단말에서 활성화되도록 하는 채팅관리부, 구직 단말 및 구인 단말로 상호평가를 진행하도록 하는 면접평가부를 포함하는 면접 서비스 제공 서버를 포함한다.

Description

비대면 온라인 면접 서비스 제공 시스템{SYSTEM FOR PROVIDING NON FACE-TO-FACE ONLINE INTERVIEW PLATFORM SERVICE}

본 발명은 비대면 온라인 면접 서비스 제공 시스템에 관한 것으로, 키워드 가중치 및 키워드 매칭을 통하여 적재적소에 구인구직자를 매칭해줄 수 있고 비대면으로 텍스트를 통하여 면접을 진행할 수 있는 플랫폼을 제공한다.

최근 정부 주도로 블라인드 채용으로 대변되는 직무능력 중심 채용 흐름이 확산되고 있지만, 여전히 이력서, 자기소개서 등 문서 기반의 채용 프로세스를 채택하고 있는 온라인 취업포털들이 인력채용 시장을 주도하고 있다. 기업의 채용 담당자에게 있어 우수한 인재 발굴을 위하여 과거에는 잠재력 있는 지원자의 관심을 유도하는 채용공고를 널리 마케팅(Marketing)하는 역할이 중요했다고 한다면, 현재는 채용공고 게재 후 접수된 수많은 지원자 중 조직문화에 부적합하거나 자격요건에 부합하지 않는 지원자를 걸러내는(Filtering) 역할이 중요해지고 있다. 구직자 및 채용 담당자를 대상으로 한 설문조사에서 있어서 블라인드 채용 적용 시 합리적인 채용 평가기준 및 프로세스로서 대부분 면접을 선택하였는데, 면접의 기능 및 인적자원관리와 관련된 연구결과물들을 분석해 볼 때, 직무능력 중심의 채용이 가속화될수록 면접의 중요성이 점차 확대됨을 시사하고 있다.

이때, 온라인으로 면접을 진행하는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2020-0145299호(2020년12월30일 공개) 및 한국등록특허 제10-0911748호(2009년08월13일 공고)에는, 서비스 서버로부터 질문정보를 수신한 후, 답변을 포함한 면접 영상을 촬영한 동영상 데이터를 송신하는 구직자 단말, 구인하고자 하는 인재의 조건 정보를 수집하고, 조건 정보를 만족하는 구직자의 과거 및 현재 공개된 정보를 추적하여 관련업무의 지속성 및 연관성을 판단하고 그 결과를 면접관에게 전달하는 구성과, 온라인으로 영상 면접을 볼 수 있도록 구인자 및 구직자 간 영상전화를 연결하고, 구직자의 이력 정보를 더욱 정확하게 획득하고 구직자는 간편하게 구인자에게 자신을 알릴 수 있도록 하는 구성이 각각 개시되어 있다.

다만, 현재 대부분의 구인기업에서 적용하고 있는 전통적 면접방식은 직무 관련 타당성보다는 일상적이고 단편적인 대화나 인상, 외모 등 다른 외부 요소의 영향 등 주관적인 판단에 의존한 평가로 인하여 면접관들의 관점에 따라 각기 다른 평가가 이루어지는 경향이 강해 채용의 공정성 및 신뢰성이 저하되는 경향이 있다. 또, 면접 이전에 진행되는 서류전형도 주민등록번호를 포함하여 개인정보보호법에서 규정한 1 등급 정보가 가득하지만 인사담당자가 검토한 후 폐기를 제대로 하지 못하여 과실로 유출시키거나 또는 고의로 다른 용도로 유용하는 경우가 발생하고 있다. 게다가, 포스트 코로나(Post Covid-19) 시대에 대면 면접은 더 이상 지향해야 할 방향이 아니다. 이에, 구인구직자 간의 매칭률을 높이면서도 개인정보는 보호하면서 채용에 투명성과 공정성 제고를 위한 비대면 면접을 진행할 수 있는 플랫폼의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 구직자의 직업기초능력과 직무수행능력 검증을 위한 비대면 면접 플랫폼을 구축하고, 채용의 투명성과 공정성 제고를 위해 면접관별 채점 및 평가의견 공유 가능한 평가기능을 채용 솔루션에 반영하며, 매칭의 정확도를 높이기 위하여 가중치 부여 키워드를 이용하고, 매칭이 된 후 개인정보보호를 위하여 승인 요청이 된 자에 한하여 제한된 시간만큼 엑세스가 가능하며 그 후에는 파일을 더 이상 열람할 수 없도록 서버 내에서도 삭제처리를 수행하고, 이력서를 열람할 때에는 열람자의 PC 또는 모바일을 가상화하여 개인정보의 고의적인 유용을 방지하며, 구인자가 구직자를 평가하는 것 뿐만 아니라 구직자도 구인자를 평가하도록 상호평가 시스템을 도입함으로써 소위 갑의 위치에 있는 구인자가 구직자에게 불법을 저지르는 일을 방지할 수 있는, 비대면 온라인 면접 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 학력 및 경력 정보를 포함한 구직 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접 스케줄을 설정하며, 비대면 면접 스케줄 시간에 활성화된 채팅창에서 면접을 진행한 후 상호평가를 수행하는 구직 단말, 업무, 연봉, 근무지, 기업수준 및 처우를 포함하는 구인 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접을 진행할지의 여부를 선택하며, 비대면 면접을 진행하는 경우 비대면 면접 스케줄 시간에 채팅창을 활성화시키고 면접을 진행한 후 상호평가를 수행하는 구인 단말 및 구직 단말 및 구인 단말로부터 구직 정보 및 구인 정보를 업로드받아 키워드를 추출하는 추출부, 키워드를 기준으로 키워드 매칭을 수행한 후, 키워드 매칭으로 매칭된 구직 단말 및 구인 단말로 비대면 면접 스케줄을 설정하도록 하는 스케줄관리부, 비대면 면접 스케줄이 설정된 경우 채팅창을 구직 단말 및 구인 단말에서 활성화되도록 하는 채팅관리부, 구직 단말 및 구인 단말로 상호평가를 진행하도록 하는 면접평가부를 포함하는 면접 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 구직자의 직업기초능력과 직무수행능력 검증을 위한 비대면 면접 플랫폼을 구축하고, 채용의 투명성과 공정성 제고를 위해 면접관별 채점 및 평가의견 공유 가능한 평가기능을 채용 솔루션에 반영하며, 매칭의 정확도를 높이기 위하여 가중치 부여 키워드를 이용하고, 매칭이 된 후 개인정보보호를 위하여 승인 요청이 된 자에 한하여 제한된 시간만큼 엑세스가 가능하며 그 후에는 파일을 더 이상 열람할 수 없도록 서버 내에서도 삭제처리를 수행하고, 이력서를 열람할 때에는 열람자의 PC 또는 모바일을 가상화하여 개인정보의 고의적인 유용을 방지하며, 구인자가 구직자를 평가하는 것 뿐만 아니라 구직자도 구인자를 평가하도록 상호평가 시스템을 도입함으로써 소위 갑의 위치에 있는 구인자가 구직자에게 불법을 저지르는 일을 방지할 수 있고, 궁극적으로, 채용에 효율성, 투명성 및 공정성을 제고할 수 있다.

도 1은 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 면접 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 비대면 온라인 면접 서비스 제공 시스템(1)은, 적어도 하나의 구직 단말(100), 면접 서비스 제공 서버(300), 적어도 하나의 구인 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 비대면 온라인 면접 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 구직 단말(100)은 네트워크(200)를 통하여 면접 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 면접 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 구직 단말(100), 적어도 하나의 구인 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 구인 단말(400)은, 네트워크(200)를 통하여 면접 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 구직 단말(100)은, 비대면 온라인 면접 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 회원에 가입한 후 구직 정보를 입력하고 구인 단말(400)의 구직 정보의 엑세스를 승인하거나 거부하고, 활동 또는 미활동 여부를 선택하여 구직 정보를 공개할 것인지의 옵션을 선택하는 구직자의 단말일 수 있다. 그리고, 구직 단말(100)은, 키워드 매칭이 이루어진 경우 연결을 할 것인지의 여부를 선택한 후 면접 서비스 제공 서버(300)로 의사표시를 전달하는 단말일 수 있고, 연결을 한 경우 면접 스케줄을 구직자로부터 선택받은 후 면접 채팅창을 통하여 텍스트를 입력받는 단말일 수 있다. 또, 구직 단말(100)은, 면접을 종료한 후에는 구인을 하는 담당자의 평가를 면접 서비스 제공 서버(300)로 입력하는 단말일 수 있고, 그 이후의 채용과정이나 절차에 대하여 면접 서비스 제공 서버(300)로부터 안내받는 단말일 수 있다.

여기서, 적어도 하나의 구직 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 구직 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 구직 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

면접 서비스 제공 서버(300)는, 비대면 온라인 면접 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 면접 서비스 제공 서버(300)는, 구직 단말(100) 및 구인 단말(400)에서 회원가입을 한 후 구직 정보 및 구인 정보를 업로드받고 키워드를 추출하는 서버일 수 있다. 또, 면접 서비스 제공 서버(300)는 추출된 키워드 중 가중치를 부여할 키워드를 구직 단말(100) 및 구인 단말(400)로부터 입력받고, 가중치가 부여된 키워드 간 매칭을 수행하고 매칭이 된 키워드가 추출된 구직 정보 및 구인 정보를 제출한 구직 단말(100) 및 구인 단말(400)을 매칭하는 서버일 수 있다. 그리고, 면접 서비스 제공 서버(300)는 구인 단말(400)로 연결을 할 것인지에 대한 응답을 요청하고, 연결 요청 이벤트가 발생된 경우 구직 단말(100)로 면접 스케줄을 선택하도록 하며, 선택된 후 면접 스케줄이 확정되면 구직 단말(100) 및 구인 단말(400)로 확정 스케줄을 전달하는 서버일 수 있다. 또, 면접 서비스 제공 서버(300)는 면접 채팅창을 활성화하고 면접이 종료되는 경우 구직 단말(100) 및 구인 단말(400)로 상호간 평가를 하도록 하는 서버일 수 있다. 면접 서비스 제공 서버(300)는 면접 결과를 구인 단말(400)로부터 수신하는 경우 이를 구직 단말(100)로 안내하는 서버일 수 있다.

여기서, 면접 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 구인 단말(400)은, 비대면 온라인 면접 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 구인 담당자의 단말일 수 있다. 이때, 구인 단말(400)은 채용 포지션, 직종, 상호, 주소, 연봉 등의 구인 정보를 업로드하고 구직 단말(100)을 면접 서비스 제공 서버(300)에서 매칭받는 단말일 수 있다. 그리고, 구인 단말(400)은, 매칭된 구직자를 선택하는 경우 면접 스케줄을 면접 서비스 제공 서버(300)에서 엑세스할 수 있도록 허용하고, 구직 단말(100)에서 면접 스케줄, 즉 면접 날짜와 시간을 선택하는 경우 확정된 면접 스케줄을 면접 서비스 제공 서버(300)로부터 전달받는 단말일 수 있다. 또, 구인 단말(400)은 면접 채팅창이 면접 스케줄에 따라 활성화되고, 면접이 종료된 경우 면접 서비스 제공 서버(300)로 구직자에 대한 평가를 입력하는 단말일 수 있다. 그리고, 구인 단말(400)은 면접 결과를 면접 서비스 제공 서버(300)로 전달하는 단말일 수 있다.

여기서, 적어도 하나의 구인 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 구인 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 구인 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 면접 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 면접 서비스 제공 서버(300)는, 추출부(310), 스케줄관리부(320), 채팅관리부(330), 면접평가부(340), 열람관리부(350) 및 공개관리부(360)를 포함할 수 있다.

본 발명의 일 실시예에 따른 면접 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 구직 단말(100) 및 적어도 하나의 구인 단말(400)로 비대면 온라인 면접 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 구직 단말(100) 및 적어도 하나의 구인 단말(400)은, 비대면 온라인 면접 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 구직 단말(100) 및 적어도 하나의 구인 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

현재 한국사회의 고용시장에서 구인기업과 구직자 간 차이는 단순하게 수요와 공급 간의 불균형 문제로 해석하기에는 너무나 다양한 복합적 요소들이 혼재해있다. 한국 정부의 고용지원 관련 정책은 채용자격 변화와 같은 질적인 핵심 특성보다 직장의 양적 팽창에만 주안점을 두어 공급되었기에 질적인 측면에서는 논란의 여지가 있다는 관점이 나타났다. 이에, 최근 들어 정부는 기업의 직무에 대한 적극적 참여 요청 및 다양한 동력의 계기를 제공하는 정책의 주요 요건들을 제시하였지만, 여전히 정부의 고용정책 로드맵에는 구직자와 구인기업 간 불균형 완화를 위한 정책 부분은 사실상 미흡하게 나타나 있다는 관점이 있다. 즉, 양적으로 직업의 수를 늘리는 방식을 여전히 고수하는데, 기존의 고용시장 영역에서 지속적으로 해소되지 않는 구직자와 구인기업 간의 인식불일치가 여전히 존재하고 있다는 점에서 바라보아야 하며, 고용정책이 장기 로드맵뿐만 아니라, 현 시점에서의 전반적인 채용자격 평가 경향을 분석할 필요를 제기한다.

본 발명의 일 실시예에서는 구직자를 구인하는 기업과 연결할 때, 키워드에 가중치를 부여하고 키워드를 매칭하는 방식으로 이루어진다. 이때, 구직자와 구인 기업 간의 인식 차가 발생하기 때문에 구직자가 예를 들어, A,B,C 키워드에 항목 가중치를 주었지만, 구인 담당자는 D,E,F 키워드에 항목 가중치를 준 경우에는 상호 간 매칭이 제대로 이루어질 수가 없다. 예를 들어, 구직자는 경력을 중요시하여 경력 항목에 가중치를 주었지만, 구인 담당자는 학력 항목에 가중치를 준 경우에는 양측의 인식 차로 인하여 매칭이 제대로 이루어질 수 없고, 이는 본 발명의 플랫폼의 신뢰도에도 문제가 발생할 수 있다. 이에, 본 발명의 일 실시예는, 구직자와 구인 기업 간의 인식차를 밝히고 매칭이 제대로 이루어질 수 있도록 각 직종이나 업종별로 어떠한 항목에 가중치가 부가되어야 하는지에 대한 데이터베이스를 구축할 수 있다.

이를 위하여, 본 발명의 일 실시예는 취업준비생 중심의 구직자 사례 및 구인기업 사례를 수집하여 자료분석에 활용할 수 있다. 분석과정에서 응답이 유효한 자료만을 추출하여 최종분석에 적용할 수 있다.

<키워드 시각화 분석>

세부 분석기법 과정에서, 워드클라우드는 텍스트 자체의 모든 자료를 있는 그대로 반영하여 빈도 경향성을 분석하며, 자료의 특성상 피할 수 없이 실시해야만 하는 오타수정이나 단어구분자 결정은 인간의 개입이 요구될 수 있다. 그리고 연관어 분석 역시, 텍스트 자체의 모든 자료를 있는 그대로 반영하여, 동일 반응 유닛(Case or Reference) 내의 단어 간 연결성의 빈도 경향성을 분석하며, 최종 마이닝된 Word Cloud 분석 자료를 그대로 이용할 수 있다.

<사회연결망 분석>

사회연결망분석(Social Network Analysis)에서는 텍스트를 2 차 코딩하여 동일 반응 유닛(Case or Reference) 내의 파생개념 간 연결성의 빈도 경향성을 분석하며, 2-mode 분석틀로 변형한 자료는 군집분석에 활용하고 1-mode 자료는 연관어분석을 실시할 수 있다. 특히, 연관어분석에서는 중심성의 개념을 도출할 수 있는데, 중심성은 연결망 내에서 누가 집단의 중심에 있고 누가 변두리에 있는지 집단 내 주요인물을 밝히는데 중점을 둘 수 있다. 따라서 중심성은 한 행위자가 전체 연결망에 미치는 영향력이라고 볼 수 있다. 중심성은 다양하게 개발되었는데, 가장 일반적인 개념의 연결정도의 특성을 그대로 반영하여 분석에 이용할 수 있다.

연결정도(Degree)는 다른 노드(Node)와의 연결된 정도를 말하며, 연결망 내 하나의 노드에 연결되어 있는 다른 노드들의 합을 말한다. 연결정도가 높은 행위자는 연결망에서 마당발역할을 하며 다른 행위자들과 관계를 맺고 있기 때문에 원하는 정보를 얻을 확률이 높고 권력이 커진다고 본다.

<변량 분석>

사회과학에서 분석의 모집단 설명 가능성에 대한 논쟁의 해소방안이며, 질적 빅데이터 유형의 자료를 변량분석의 단계까지 연결하는 것이 학계에서는 주요한 과학적 근거를 마련하게 된다. 하지만 최근까지 이러한 방법이 적용된 사례는 매우 드물기 때문에 모수통계를 통한 분석적용을 위해 ANOVA 설계에 초점을 맞추어 도수를 산출하고, 이 값을 근거로 모수통계에 적합한 분석 기법을 이용할 수 있다.

전반적인 분석은 텍스트 기반 변량 분석(Text Essential Variance Analysis, TEVA)을 단계별로 실시할 수 있고, 첫째, 키워드 시각화분석은 Word Cloud 기법, 텍스트 자체의 분석에 적합한 Nvivo 12 Pro를 이용할 수 있다. 둘째, 사회연결망분석은 양적자료로 마이닝된 2차 자료를 활용하여 세 가지 형태의 비교 대상 구분자별로 1-mode로 연관어분석을 실시하였으며, 2-mode로 군집분석을 실시할 수 있다. 셋째, Gap Analysis은 양적자료로 마이닝된 2차 자료를 활용하여 세 가지 유형의 비교 대상 구분자별로 군집화된 유형의 3차 자료를 도출하고, 변량분석(2-way ANOVA)을 실시할 수 있다.

먼저, 채용자격 영역으로 판단되어 최종적으로 추출한 키워드는 전공(Major), 자격증(Certificate), 학력(Academic Ability), 경력(Career), 영어(English), 외국어(Foreign Language), 성적(Grades), 컴퓨터(Computer), 우대사항(Preferential), 교육(Education), 대외활동(External Activities) 총 11개로 추출하나, 이에 한정되는 것은 아니다.

<대기업/중소기업 비교>

키워드 분석을 통하여 채용자격에 대한 기업 규모별 대기업과 중소기업의 차이를 비교분석한 결과는, 대기업과 중소기업 모두 학력과 경력을 가장 중요시하지만, 상대적으로 대기업은 학력을 중요시하고, 중소기업은 경력을 중요시 한다. 연관어 분석을 통하여 채용자격에 대한 대기업과 중소기업 간 연관어 분석을 실시한 결과, 대기업과 중소기업 모두 경력과 학력, 그리고 전문성을 중요하게 평가한다. 한편, 대기업은 경력이 상대적으로 중요하게 여겼지만, 중소기업은 전공을 중요시 한다. 채용자격에 대하여 대기업과 중소기업 간의 군집분석을 실시한 결과, 대기업은 교육, 학력, 외국어, 우대사항이 중요하고, 중소기업은 영어 대외활동, 자격증, 컴퓨터를 중요하게 평가한다.

<제조업 내 구인기업/구직자 비교>

채용자격에 대한 제조업의 구인기업과 구직자의 차이를 키워드 분석으로 비교분석한 결과, 구인기업은 학력과 경력을 중요시하지만, 구직자는 대외활동과 전공, 교육을 중요시한다. 채용자격에 대한 제조업의 구인기업과 구직자의 연관어 분석 결과, 두 집단이 중요하게 평가하는 요소는 많은 차이가 있는데, 특히, 구인기업은 경력이 매우 중요하고, 구직자는 학력을 중요시 한다. 채용자격에 대하여 제조업의 구인기업과 구직자 간 군집분석을 결과, 제조업 구인기업은 영어, 컴퓨터, 자격증, 대외활동을 중요시하고, 제조업 구직자는 교육, 외국어, 우대사항, 학력을 중요시 한다.

<서비스업 내 구인기업/구직자 비교>

채용자격에 대한 서비스업의 구인기업과 구직자의 차이를 키워드 분석한 결과, 구인기업은 학력과 경력을 중요시하지만, 구직자는 전공과 자격증, 교육을 중요시 한다. 채용자격에 대한 서비스업의 구인기업과 구직자의 연관어 분석을 결과 두 집단이 중요하게 평가하는 요소는 많은 차이가 발생하는데, 특히, 구인기업은 성적, 자격증을 중요시 하지만, 구직자는 성적, 전공, 경력을 중요시 한다. 채용자격에 대하여 서비스업의 구인기업과 구직자 간 군집 분석을 한 결과, 서비스업 구인기업은 영어, 자격증, 컴퓨터, 대외활동을 중요시 하지만, 서비스업 구직자는 학력, 외국어, 우대사항, 교육을 중요시 한다.

따라서, 구인을 담당하는 구인 단말(400)이 속한 기업이, 대기업인지 중소기업인지, 기업의 업종이 제조업인지 서비스업인지 등에 따라 상술한 중요도에 대응하는 항목에 가중치를 자동으로 설정해줄 수도 있다. 결국, 이러한 채용자격에서의 인식불일치는 구인기업이 채용과 관련한 구체적인 정보를 제한하거나 너무 일반적인 정보만 공개하고 있기 때문에 나타나는 것으로, 구인기업이 좀 더 구체적이고 직접적이면서 다양한 직무 관련 정보를 제공하는 것으로부터 해결될 수 있을 것이다. 다만, 사실상 기업에서 학력이나 경력 등 정보공개를 하고 있지 않기 때문에 구직자들은 합격한 사람들의 스펙을 보고 해당 기업의 인재상을 추측하는 수준에 그치고 있다. 이에, 각 채용에 합격한 사람들의 데이터를 수집하여 빅데이터를 구축하는 경우, 각 기업에서 원하는 정도의 학력, 경력, 외국어 수준, 자격증 등의 정보를 추출하는 것은 어려운 일이 아니다. 또, 어느 기업에 가기 위해서는 어느 정도의 스펙을 준비해야 하는지를 정확하게 알려줄 수 있기 때문에 마구잡이식 지원이나 소위 낙하산이 각 부서에 꽂히는 채용비리가 일어날 틈을 주지 않을 수 있다. 그리고, 각 항목에 가중치를 줌으로써 인사 담당자도 자신이 원하는 항목에 좋은 스펙을 유지하는 지원자를 자동추출하여 매칭받을 수 있기 때문에 헤드헌터의 고용비용이나 인사담당자의 시간을 아낄 수 있다.

물론, 후술하겠지만, 구직 단말(100)에서 키워드 가중치를 설정하는 것은 얼마나 정확한 직종을 매칭해주는지에 따라 키워드 가중치를 설정하는 것인데, 상술한 항목 가중치와는 별개의 개념이다. 상술한 항목 가중치는 구인 기업과 구직자 간의 중요하게 여기는 항목에 대한 가중치이고, 구직 단말(100)에서 가중치를 설정하는 것은, 구직자가 구하고자 하는 업무와 키워드가 얼마나 연관성이 있는지에 대한 가중치이다. 즉, 후자의 경우에는, 예를 들어, 구직 정보의 경력에 "회계"라고 기재되어 있다면, 재무회계, 관리회계, 결산 경리, 출납 등의 연관업무단어가 추출되고, 구직자가 자신이 하던 일과 가장 관련성 있는 순으로 가중치를 퍼센테이지를 부과하는 것이다. 만약, 결산업무를 가장 많이 해보았다면, 결산에 50%, 재무회계를 그 다음으로 많이 해봤다면 재무회계에 30%, 관리회계도 조금 해 보았다면 관리회계에 20%의 가중치를 주어 가장 연관있는 구인정보를 찾아주도록 하는 것이다.

상술한 항목 가중치를 전제로 이하의 도 2의 구성요소를 설명한다.

추출부(310)는, 구직 단말(100) 및 구인 단말(400)로부터 구직 정보 및 구인 정보를 업로드받아 키워드를 추출할 수 있다. 구직 단말(100)은, 학력 및 경력 정보를 포함한 구직 정보를 업로드할 수 있다. 구인 단말(400)은, 업무, 연봉, 근무지, 기업수준 및 처우를 포함하는 구인 정보를 업로드할 수 있다. 키워드 매칭은 적어도 하나의 인공지능 알고리즘에 기반할 수 있다. 키워드 매칭은, 구직 정보 내 포함된 경력 정보로부터 기 구축된 업무연관단어사전과 유사도가 높은 단어를 추출하여 키워드로 설정하고, 키워드를 기준으로 업무연관단어를 검색한 후 키워드 및 업무연관단어를 추출하여 구직 단말(100)로 전달하고, 구직 단말(100)에서 키워드 및 업무연관단어 중 업무 키워드를 선택하도록 하며, 업무 키워드에 가중치를 입력하도록 요청하여 키워드 매칭에 가중치를 부여하며 실행될 수 있다.

<키워드 추출>

이때, 키워드를 추출할 때, TF-IDF(Term Frequency-Inverse Document Frequency)를 이용할 수 있다. TF-IDF는 정보검색과 텍스트 마이닝 분야에서 이용되고 있으며 여러 문서에서 단어가 특정 문서 내에서 얼마나 중요한지를 나타내는 통계기반 기술이다. 키워드 추출과 검색 결과의 순위 결정, 문서 유사도 측정에 활용된다. TF는 단어 빈도수를 나타내며 단어가 문서 내에서 얼마나 등장했는지를 나타내는 값이고 IDF는 DF값의 역수를 취한 값으로 DF는 문서 집합에서 단어가 얼마나 등장했는지를 표현한 값이다.

TF는 기본적으로 문서 내의 단어 총 빈도수를 사용해 계산할 수 있지만 이 방식은 문서가 크거나 단어 수가 많아질 경우 값이 지속적으로 커지는 문제가 있다. 크기 문제 개선을 위한 방법으로 3 가지 방식을 정의 할 수 있으며 첫째로 불린 빈도는 단어의 출현 여부만으로 TF 값을 0과 1로 정의한다. 두 번째로 로그 스케일 빈도는 TF값에 로그를 취함으로써 크기 문제 해결과 실제 빈도수를 반영할 수 있다. 마지막으로 증가 빈도는 문서 길이에 따른 단어의 상대적 빈도를 나타내는 방식으로 최대 스케일이 1을 넘지 않는다. IDF는 전체 문서수를 해당 단어를 포함한 문서의 수로 나눈 뒤 로그를 취해 계산한다. TF-IDF는 단어가 특정 문서 내에서 빈도수가 높고 전체 문서 중 해당 단어가 포함된 문서가 적을수록 높아진다. 이를 통해 모든 문서에서 자주 나타나는 단어들을 걸러낼 수 있다.

벡터 공간 모델은 텍스트 마이닝 분야에서 단어 공간 모델로 불리며 주어진 텍스트 문서를 단어들의 벡터로 나타낸 대수적인 모델이다. 벡터 공간 모델은 정보 필터링과 정보 검색, 색인, 유사도 순위에 사용된다. 어떤 단어가 문서에 포함되면 해당 단어는 0이 아닌 벡터 값을 갖게 된다. 단어 가중치라 불리는 이 값을 산출하는 방법에는 여러 가지가 있으며 대표적으로 TF-IDF 방식이 있고 해당 문서에서 단어의 출현 빈도를 그대로 사용하여 벡터 공간에 적용할 수도 있다.

단어 임베딩은 텍스트를 구성하는 단어들을 수치화하는 방법을 말한다. 이 방법론을 통해 단어를 벡터 공간에 표현할 수 있다. 과거에는 원-핫 인코딩 방식을 이용해 단어를 벡터화 하였다. 원-핫 인코딩은 N개짜리 사전이 있을 때 특정 단어를 표현하기 위해서 크기 N인 벡터를 만들고 그 단어가 해당되는 자리에 1, 나머지는 0을 넣어서 특정 단어를 벡터로 표현한 것을 말하며 Naive Bayes를 적용한 스팸 분류기가 이 방법을 사용한다. 현재에 와서는 두 가지 형태의 방법론이 존재하며 카운트 기반 방법과 예측 기반 방법으로 나뉜다. 카운트 기반 방법은 카운트 벡터, TF-IDF 벡터 등 빈도수를 이용한 방법이며 예측 기반 방법은 신경망 모델을 적용하여 단어, 문장 등이 주어지면 다음에 올 수 있는 단어를 예측하는 방식으로 동작하며 현재의 Word2vec이 여기에 해당한다. Word2vec은 CBOW와 Skip-Gram 방식으로 단어 임베딩을 수행하며 CBOW(Continuous Bag of Words)는 여러 개의 단어를 나열한 뒤 이와 관련된 단어를 예측하고 Skip-Gram은 CBOW와는 반대로 특정 단어로부터 문맥이 될 수 있는 단어를 예측한다.

KoNLPy는 파이썬 기반의 한국어 정보처리 패키지로 오픈소스 소프트웨어이다. 이 패키지는 간단한 용어검색부터 형태소 분석, 품사 태깅 등의 기능을 제공한다. 또한, 단독으로 사용되기보다 파이썬의 시각화, 텍스트분석 패키지와 함께 사용 가능하다. Gensim은 벡터 공간 모델링을 위한 딥러닝 패키지로 TF-IDF, LDA, Word2vec 등의 기능을 제공한다. Word2vec의 경우 이 패키지를 적용하면 Numpy 로 구현한 것보다 70 배의 속도를 낸다고 한다. 빠른 속도를 통해 대규모 텍스트 데이터를 효율적으로 다룰 수 있도록 지원한다.

<키워드 유사도>

상술한 유사도를 추출할 때에는 코사인 유사도를 이용할 수 있다. 이는, 내적공간의 두 벡터간 각도의 코사인 값을 이용하여 측정된 벡터간의 유사도를 의미한다. 각도가 0일 때 코사인 값은 1, 다른 모든 각도는 1보다 작기 때문에 벡터의 크기가 아닌 방향의 유사도를 판단하는 목적으로 사용되며 방향이 같을 경우 1, 직각일 경우 0, 반대 방향인 경우 -1을 갖는다. 흔히, 정보 검색, 텍스트 마이닝 분야에서 단어, 문장, 문서 벡터 간에 유사도를 측정하는데 유용하게 사용된다. 코사인 유사도는 A, B 벡터 값이 주어졌을 때, 벡터의 스칼라 곱과 크기로 표현한다.

<업무연관단어>

연관 단어를 제공하기 위해서는, 먼저 사용자 또는 검색 엔진의 로그를 분석하여 연관 단어를 추천해주는 방법을 이용할 수 있는데, 사용자들이 검색 단어와 함께 입력하는 추가 검색 단어들을 연관 단어 후보군으로 추출한 후, 이 후보군에서 내용상 의미가 적합한 단어들을 추천하는 방법이다. 많은 사람들과 검색 엔진을 통해 실제로 연관된 단어들을 파악할 수 있어 비교적 높은 정확성을 보인다. 하지만 사용자에 대한 로그를 분석해야 하는 복잡성과 사용자 마다 생각 차이가 존재하여 선호하는 관심 분야가 다르고, 단어 의미의 다중성이 존재하기 때문에 사용자가 원하는 연관 단어를 획득하는데 한계점을 지닌다.

또 다른 방법으로 사용자의 프로파일을 작성하여 연관 단어를 추출하는 방법인데, 사용자가 특정 단어를 검색 할 때 사용자의 관심 분야에 관련된 키워드들로 작성된 프로파일을 참조하여 연관 단어를 추천하는 방법이다. 하지만 사용자의 관심 분야를 파악하려면 사용자의 검색 패턴을 관찰하여 관련된 정보를 프로파일에 작성을 해야 하기 때문에 사용자의 프로파일이 작성되기 전 초기에는 사용자의 관심 분야에 관한 연관 단어를 추출하는데 어려움이 존재한다.

따라서, 본 발명의 일 실시예에서는, 빅데이터 처리 기술을 활용하여 특정 사용자 검색에 치우치지 않고, 대량의 데이터에서 분석을 하여 검색 단어와 의미적 관련성이 높은 단어를 효율적으로 추출할 수 있도록 한다. 먼저 검색 단어를 포함하는 데이터를 수집하고, 수집된 데이터를 통하여 형태소 분석을 수행할 수 있다. 형태소가 분석된 데이터에 대해 맵리듀스(MapReduce) 작업을 통하여 빈도수를 계산하고, 데이터 저장 모듈에서 추출된 데이터에 대해 구성한 HBase 스키마에 맞게 데이터를 저장한다. 대량의 데이터를 자동으로 수집하기 위해 추출된 단어 중 이미 검색된 단어는 배제한 후, 추출 단어를 검색 단어로 보내어 재귀적으로 데이터를 수집한다. 데이터 추출에서 HBase의 필터(Filter) 기능을 사용하여 최종적으로 사용자가 검색한 단어에 대한 연관 단어와 관련 데이터를 획득한다.

처음에 관련 데이터를 수집한 후 형태소 분석을 수행하기 위하여 각 내용을 문장으로 분할한다. 형태소 분석을 할 때 일반명사와 고유명사만을 추출하기 위해 수행하는데, 각 품사를 판별한 후, 불용어(Stop Word)가 될 관사, 전치사, 조사, 접속사 등과 같은 품사를 제거하고, 연관 단어 후보군이 될 일반명사와 고유명사를 추출한다. 빈도수 추출 모듈에서는 형태소 분석서 넘겨받은 일반명사와 고유명사를 통해 각 단어에 대한 빈도수를 계산한다. 맵리듀스 작업을 수행하여 검색 단어를 입력했을 때 나온 추출 단어의 빈도수를 계산한 후, 하둡에서 제공하는 보조 정렬을 통하여 빈도수가 높은 순으로 정렬한다.

데이터 저장을 할 때에는 앞에서 추출된 데이터를 HBase안에 저장한다. HBase안에 데이터를 저장할 때 검색 단어를 로우키(Row Key)로 저장을 하고, 컬럼패밀리(Column Family)를 나누며, 각 컬럼패밀리에 맞게 정성자(Qualifier)에 데이터를 저장한다. 첫 번째 컬럼패밀리명에 extracted_word로 지정하여 검색 단어를 통해 추출된 단어를 저장한다. 두 번째 컬럼패밀리명에는 recent_url로 지정하여 관련된 단어가 나온 인터넷 주소를 저장하고, 세 번째 컬럼패밀리명을 day로 지정하여 인터넷 작성 날짜를 저장한다. 값(Value)에는 각 추출된 단어의 빈도수를 저장한다.

연관 단어에 대한 데이터를 자동으로 수집하기 위하여 검색 단어로 추출된 단어를 검색 단어로 보내어 재귀적 방식으로 데이터를 수집할 수 있다. 재귀적으로 데이터를 수집 할 때 검색 단어로 들어간 단어가 HBase안에 로우키로 저장되어 있으면 인터넷 데이터를 수집하지 않고 넘어가도록 설정하여 데이터의 중복을 방지한다. 재귀적으로 데이터를 수집할 경우 무한루프에 빠지지 않도록 검색 하는 단계의 최대치를 제한하여 데이터를 수집할 수 있다.

데이터 추출을 할 때 HBase에서 제공하는 로우(Raw), 정성자, 값에 대한 필터를 통하여 연관 단어와 관련 데이터를 추출할 수 있다. 사용자가 검색할 단어를 로우필터(RowFilter)로 검색한 후 값필터(ValueFilter)를 사용하여 연관성이 높은 상위 N 개 단어를 찾으며, TF(Term Frequency)을 수정하여 검색 단어와 연관 단어의 연관성을 측정한다.

수학식 1은 검색 단어(Ws)에 대해 사용자가 처음 시점(Ps)과 마지막 시점(Pe)을 설정하여 추출된 단어(We)의 연관성(Association)을 계산하는 방법을 나타낸다. Frequency는 특정 시점(P)에 추출된 단어의 빈도수이며, Pe-Ps는 사용자가 지정한 기간의 날짜 수이다. 사용자가 지정한 기간 동안 검색 단어를 통해 추출된 추출 단어의 빈도수를 이용하여 평균값을 계산한 후 검색 단어와 추출 단어의 연관성을 산출한다. 값필터로 연관성이 높은 상위 N 개의 데이터를 검색한 후, 정성자필터(QualifierFilter)를 사용하여 각각의 extracted_word, recent_url, day를 찾아 사용자에게 연관 단어와 함께 제공할 수 있다.

이렇게 연관 단어를 제공한 후 단어사전을 구축하기 이전에 연관 단어를 추출하는 기법의 정확도를 알아보기 위하여, 사용자(구직자, 구인 담당자)의 피드백이 요구된다. 물론, 실험도 수행될 수 있는데, NDCG(Normalized Discounted Cumulative Gain)을 사용하여 성능 평가를 실시할 수도 있다.

수학식 2는 NDCG를 계산하는 방법을 나타낸 식이며, p 번째의 검색 결과에서 관련정도 (ni = 1,2,3,4,5)를 나타낸다. ni는 실험에서 검색 단어와 연관 단어의 관련정도를 측정한 수치이며, 예를 들어, 최적합(5), 적합(4), 부분적합(3), 약적합(2), 부적합(1)과 같이 관련도를 나타낼 수 있다. Zn은 가장 적합한 검색 결과일 때 NDCG의 값이 1이 되도록 계산하는 표준화 상수(Normalized Constant)이다.

스케줄 관리부(320)는, 키워드를 기준으로 키워드 매칭을 수행한 후, 키워드 매칭으로 매칭된 구직 단말(100) 및 구인 단말(400)로 비대면 면접 스케줄을 설정하도록 할 수 있다. 구직 단말(100)은, 구인구직 매칭을 수신하는 경우 비대면 면접 스케줄을 설정할 수 있다. 구인 단말(400)은, 구인구직 매칭을 수신하는 경우 비대면 면접을 진행할지의 여부를 선택할 수 있다. 스케줄관리부(320)는, 구인 단말(400)에서 비대면 면접을 진행하고자 하는 경우, 구인 단말(400)의 면접 스케줄을 확인하고, 면접이 가능한 날짜 및 시간을 추출하여 구직 단말(100)로 전송하며, 구직 단말(100)에서 선택한 어느 하나의 날짜 및 시간으로 면접 스케줄을 확정하여 구인 단말(400) 및 구직 단말(100)로 전송할 수 있다.

채팅관리부(330)는, 비대면 면접 스케줄이 설정된 경우 채팅창을 구직 단말(100) 및 구인 단말(400)에서 활성화되도록 할 수 있다. 구인 단말(400)은, 비대면 면접을 진행하는 경우 비대면 면접 스케줄 시간에 채팅창을 활성화시킬 수 있다.

면접평가부(340)는, 구직 단말(100) 및 구인 단말(400)로 상호평가를 진행하도록 할 수 있다. 구직 단말(100)은, 비대면 면접 스케줄 시간에 활성화된 채팅창에서 면접을 진행한 후 상호평가를 수행할 수 있다. 구인 단말(400)은, 면접을 진행한 후 상호평가를 수행할 수 있다. 면접평가부(340)는, 구직 단말(100) 및 구인 단말(400)로부터 수신된 구인 및 구직자에 대한 평가를 구직 단말(100) 및 구인 단말(400)과 각각 매핑하여 누적저장되도록 할 수 있다.

열람관리부(350)는, 구인 단말(400)에서 구인구직 매칭을 수신하는 경우, 구직 단말(100)로 구직 정보의 열람 승인을 요청하고, 구직 단말(100)로부터 열람 승인을 얻은 경우 구인 단말(400)에서 구직 정보를 열람하도록 할 수 있다. 열람관리부(350)는, 구인 단말(400)에서 구직 정보를 수신하여 출력할 때, 서버기반컴퓨팅(Server Based Computing) 또는 데스크탑 가상화(Virtual Desktop Infrastructure)를 실행함으로써 개인정보가 유출되는 것을 막을 수 있도록 한다. 또, 열람관리부(350)는, 구인 단말(400)에서 구직 정보를 열람가능한 시간을 설정하여 제한시간 내에만 엑세스가 가능하도록 하도록 설정할 수 있다.

공개관리부(360)는, 구직 단말(100)로부터 구직 정보의 정보공개 옵션을 선택하도록 하고, 정보공개 옵션을 구직 단말(100)에서 선택하는 경우 구직 단말(100)과 매핑하여 저장할 수 있다. 정보공개 옵션은, 구직 단말(100)에서 승인한 경우에만 오픈하는 승인오픈 옵션, 구직 단말(100)에서 승인하지 않아도 오픈하는 완전오픈 옵션 및 구직 단말(100)의 승인 여부에 관계없이 오픈하지 않는 미오픈 옵션을 포함할 수 있다. 이때, 온라인 플랫폼이기 때문에 학력이나 경력을 속이는 경우가 발생할 수도 있기 때문에 블록체인을 이용하여 경력이나 학력을 검증하는 방법을 더 이용할 수도 있다.

블록체인은 체인코드의 의사코드에 기반할 수 있고, 블록체인 네트워크는 공개관리부(360), 구인 단말(400) 및 구직 단말(100)의 3 자 구조로 이루어진다. 공개관리부(360)는 풀 노드(Full Node)로서 네트워크의 모든 권한을 가지며 구인 단말(400)과 구직 단말(100)은 라이트 노드(Light Weighted Node)로 제한된 기능을 가진 상태로 네트워크에 참여한다.

<블록 생성 절차>

블록 생성은 구직 단말(100)에서 블록체인 네트워크에 참여하거나 구직자의 학력과 경력을 변경할 때 수행된다. ① 구직 단말(100)은, 공개관리부(360)로 블록체인 네트워크에 참여하여 자신의 정보를 블록체인에 등록할 때와 기존의 정보 변경을 할 때 블록 생성을 요청한다. ② 공개관리부(360)는, 등록 요청을 받으면 구직 단말(100)에서 제공해준 정보를 바탕으로 블록 생성 절차를 시작한다. 이때, 해당 구직 단말(100)의 구직자가 기존에 있었는지 여부를 확인하기 위해 블록체인에 해당 구직자가 등록되어 있는지 여부를 검색한다. ③ 공개관리부(360)에서 관리자 단말(미도시)의 요청에 따라 구직자가 블록체인에 등록되어있는지 여부를 확인하고 이를 관리자에게 전달한다. ④ 관리자는 구직자의 정보의 위조 여부를 확인하기 위해 구직자의 학력 및 경력을 정부에 정보를 요청한다. ⑤ 정부에서는 구직자에게 학력, 경력 정보를 제공해도 되는지 여부를 확인한다. ⑥ 구직 단말(100)은 개인정보 제공 동의 여부를 전달하여 자신의 정보가 블록체인에 저장될 수 있도록 한다. ⑦ 정부에서는 구직자 정보 검증여부를 전달한다. ⑧ 블록체인에 구직자에 대한 정보를 블록으로 생성하여 저장한다.

<개인 학력 및 경력 검증 절차>

학력 및 경력 제공 절차는 구직자가 구직을 할 때 이용되며, 기업 등 구인 단말(400)로 이력서 등을 제출하고, 해당 이력서의 내용이 위조되었는지 여부를 확인하기 위해 구인 단말(400)의 요청으로 사용될 수 있다. 우선, ① 구직자로 등록된 지원자가 기업의 단말, 즉 구인 단말(400)로 이력서를 제출할 때, 블록체인에 등록되어 있는 자신의 ID를 함께 제출한다. ② 기업은 지원자의 이력서를 수령하고 수령 여부를 통지한다. ③ 기업은 공개관리부(360)로 지원자의 이력서 내부의 학력과 경력의 위조 여부에 대한 검증을 요청한다. ④ 공개관리부(360)는 지원자에게 블록체인 내의 경력 확인 동의 여부를 확인한다. ⑤ 지원자는 공개관리부(360)에게 본인의 데이터를 조회할 수 있도록 권한을 부여하는 메시지를 발송한다. ⑥ 공개관리부(360)는 체인코드를 실행하여 블록체인의 내부 데이터를 확인하고 이때 구직자(지원자)의 고유 ID를 사용하여 구직자 데이터를 검색한다. ⑦ 공개관리부(360)는 블록체인에 등록한 데이터를 회사(구인 단말(400)의 구인회사)에 전달하여 위변조 여부를 확인할 수 있도록 한다.

<체인코드의 동작>

개인정보 제공 동의 여부, 블록 내부 데이터 검색, 블록 생성 및 수정, 경력 정보 검증을 위한 체인코드를 사용할 수 있다. 구직자의 경력 및 학력 정보는 개인정보에 포함되는 사항이기 때문에, 구직자의 정보 동의 여부를 확인하는 절차가 필요하다. 해당 체인코드를 사용하는 주체는 구직자 정보의 검증을 도울 수 있는 정부에서 사용한다. 이때, 구직자에게 정보 제공 동의를 받는 방법은 메시지나 전자 우편의 형태로 동의 여부를 확인받을 수 있도록 한다. 구직자가 정보 제공에 동의하는 경우에만 블록 생성 및 검증 작업을 수행할 수 있도록 한다.

구직자 검색에 사용되는 체인코드는 개인정보 제공 동의 확인 후 사용가능하다. 이는 실제로 블록체인 내부의 데이터를 얻는 작업을 수행하는 체인코드이기 때문이다. 데이터 검색 체인코드는 QueryString, txType의 두 가지 방식을 사용하여 검색을 수행 가능하다. QueryString 방식은 구직자 ID만을 사용하여 검색을 수행하는 방법이다. txType 방식은 구직자 ID와 추가적인 조건을 부여하여 검색을 수행하는 방식이다. 이때 해당 체인코드를 사용하지 않는 경우에는 블록체인에서 정보를 확인할 수 없도록 구성될 수 있다.

상술한 구성에 사용된 배경 기술은 블록체인, 체인코드 및 하이퍼레저 합의 알고리즘인데, 우선, 블록체인은 블록체인을 활용하여 복잡한 시스템을 단순화 하거나 혼동을 방지하기 위해 데이터를 동기화 하는데 사용된다. 기존의 보안 방식과 블록체인의 차이점은 네트워크와 관련된 모든 사람들에게 동일한 정보를 제공함으로써 특정인이 데이터를 위조해도 전체 구성원이 알고 있는 정보와 다르기 때문에 인정받지 못한다는 것이다. 즉, 기존의 데이터 은닉과 다르게 공개를 통한 위조 방지를 수행하는 기술이다.

블록체인의 트랜잭션은 해시함수를 사용하여 허가된 경우에만 블록에 등록될 수 있다. 해당 과정에서 전자서명을 사용하는데, 이를 사용하여 부인방지 기능을 제공하게 된다. 트랜잭션 처리를 위한 방식으로 주로 사용되는 방식은 체인코드를 사용하는 방식이다. 체인코드는 블록 생성뿐만 아니라 블록체인을 활용하여 다양한 서비스를 제공할 수 있는 기능을 제공하는데 사용된다. 체인코드는 시스템 체인코드와 사용자 체인코드로 분류될 수 있다.

하이퍼레저 패브릭은 다른 블록체인 플랫폼들과 다른 트랜잭션 처리 방식을 사용하고 있다. 다른 블록체인 플랫폼의 경우 거래내용을 검증하여 체인과 연동하는 방식을 사용한다. 이와 대조적으로 하이퍼레저 패브릭은 Execute, Order, Validate, and Update state의 절차로 동작한다. 기존의 하이퍼레저 패브릭의 경우는 PBFT(Practical Byzantine Fault Tolerance)방식을 합의 방식으로 사용하였지만 초당 트랜잭션(tps) 성능의 하락이 문제점으로 발생하게 되어 현재 Kafka 알고리즘을 사용하여 합의 절차를 진행하고 있다. 이때 SBFT(Simple BFT)를 사용하여 적용할 수도 있다. 물론, 상술한 방법 이외에도 다양한 방법으로 면허, 학력 또는 경력 등을 검증하거나 공유할 수도 있으므로 이에 한정되는 것은 아니다.

만약, 한 기업에서 본 발명의 플랫폼을 통하여 채용한 직종 및 인원이 다수인 경우 또는 동일 유사 기업에서 본 발명의 플랫폼을 통하여 채용한 직종 및 인원이 충분히 누적되어 인공지능 알고리즘을 모델링할 정도로 누적되어 데이터셋(DataSet)이 구축된다면, 입력된 [구직 정보-구인 기업의 판단 결과-판단 이유]와 같이 데이터셋을 만들 수 있고, 인공지능 알고리즘을 학습시킬 정도로 충분히 누적되어 모이게 되면, 협업 딥러닝 알고리즘을 이용하여 인간(인사 담당자)의 개입이 최소화되면서도 자동화되어 서류전형을 더욱 빠르고 정확하게 진행할 수 있게 된다.

우선, 기업에서 원하는 지원자에 대한 정보를 기 설정된 포맷에 기입을 하는 방식으로 입력을 받는다. 지원자 검증을 위한 사전 예측 알고리즘을 통해 지원자의 재능과 능력을 수치화하고 수치화된 정보를 바탕으로 협업 딥러닝 알고리즘을 통해 인사 담당자에게 최적의 지원자 후보 정보를 제공 및 추천할 수 있다. 마지막으로 정보 시각화를 위하여 지원자의 프로파일 정보를 기반으로 분석된 내용을 인포그래픽으로 시각화하여 인사 담당자에 제공할 수 있다.

<협업 딥러닝 기반 지원자 추천 알고리즘>

지원자 검증을 위해 지원자의 재능/능력을 직관적으로 평가하기 위해 수치화하고, 수치화된 데이터를 분석하여 최적의 지원자를 인사 담당자에게 추천할 수 있는 협업 딥러닝 기반의 지원자 추천 알고리즘에 대해 서술한다. 알고리즘은 크게 두 부분으로 동작하는데, 첫 번째로, 지원자 검증을 위한 사전 예측 알고리즘으로, 지원자의 프로파일 데이터를 정규화한 후 정규화된 프로파일 데이터를 기반으로 뿌리 노드(Root Node)와 잎 노드(Leaf Node)를 포함하는 의사결정트리와 지원자검증에 필요한 사전 예측을 위한 규칙을 생성한다. 생성된 규칙을 기반으로 지원자의 재능 및 능력에 대해 수치화된 데이터를 추출한다. 사전 예측 알고리즘은 우선 정규화된 프로파일에서 데이터의 각 변수에 대한 엔트로피 계수를 계산한다.

정규화된 프로파일 데이터의 각 변수에 대한 정보이득(Information Gain)은 특정 데이터 속성에 데이터를 구분할 수 있도록 하는 것으로 프로파일 데이터의 각 변수에 대한 엔트로피 계수에 파생되는 하위노드의 엔트로피 가중치의 평균값(기대정보)의 차를구하여 계산한다. 두 번째로, 추출된 수치화된 재능/능력 데이터를 기반으로 협업 딥러닝 알고리즘을 수행한다. 협업 딥러닝은 추천 기술에 가장 대표적으로 사용되는 협업 필터링(Collaborative Filtering)과 사용자 유사도 분석을 위한 K-NN 알고리즘, 그리고 행렬 형태의 데이터셋 분석에 적합하고 뉴런의 순환 구조를 통해 에러를 최소화 할 수 있는 딥러닝 알고리즘인 RNN(Recurrent Neural Network)를 혼합한 추천 알고리즘일 수 있다.

지원자의 수치화된 재능 및 능력 데이터셋 U를 입력 데이터로 설정하고 예측된 n번째 사용자 U의 최적화된 채용 정보 (hat)hn과 RNN_Rec_Listn가 출력 데이터가 된다. 우선 첫 번째로 활성함수인 시그모이드(Sigmoid)에대한 정의를 하고 RNN에 필요한 파라미터인 alpha, input_dim(input dimensions), hidden_dim(hidden dimensions), output_dim(output dimensions), train_cir(train circle, 학습 분기 횟수)를 정의할 수 있다. 다음으로 가중치를 초기화하고 학습 모델인 chra_model을 생성할 준비를 할 수 있다. RNN에서는 모델 생성에서 에러를 제거하기 위해 기본적으로 전파(Forward Propagation)와 역전파(Back Propagation)을 수행할 수 있다.

예측된 최적화 채용 정보는 학습된 chra_model을 통해 생성되며, 이때 KNN 클러스터링을 통해 유사 사용자에 대한 분석 데이터를 바탕으로 계산되며 KNN 클러스터링은 이하의 수학식 3과 같이 계산된다.

여기서 k는 군집의 개수이며 두 지원자 xi와 yi의 차를 구하여 거리를 기반으로 유사도를 계산하게 된다. 마지막으로 추천 리스트인 RNN_Rec_Listn가 예측된 최적화 지원자 선정 정보를 기반으로 생성되어 인사 담당자에게 제공된다.

이때 인포그래픽 이외에도, 다차원 데이터의 시각적 분석 방법으로 Cognostics 기반의 분석 방식을 이용할 수 있다. Cognostics 기반 분석 방식이란 다차원 데이터를 통해 만들 수 있는 수많은 시각화를 특정한 지표를 기준으로 계산하여 점수를 낸 뒤, 그 점수를 기반으로 시각화 탐색의 우선순위를 정하는 방식이다. 다차원 데이터의 특성상 다 살펴보기 힘들 정도로 수많은 차트를 그려볼 수 있다는 점에서 Cognostics 방식은 데이터 분석가에게 효율적인 분석을 가능케 한다는데에 의의가 있다.

Cognostics 분석 방식 가운데에서도 주로 산점도를 중점적으로 분석 대상으로 취급하는 방식을 Scagnostics(Scatterplot + Diagnostics)라고 한다. 산점도는 두 개의 변수를 각각 X축과 Y축에 연결시켜서 두 변수에 대한 분포를 볼 수 있게 해주는 대표적인 시각화이다. 만약 Scagnostics를 이용하여 20차원(데이터의 변수 혹은 열이 10개)의 데이터를 분석하고자 한다면 20개의 변수 중 2개를 고르는 경우의 수인 190개의 산점도가 대상이 된다. 그래서 190개의 산점도를 특정 지표들을 기준으로 계산하고, 그 결과에 해당하는 점수와 순위가 나오면 순위가 높은 순서대로, 혹은 조금 특이한 점수 분포를 보이는 산점도 부터 확인해 볼 수 있다.

이때, Scagnostics 분석 방식에 범주형 변수를 분석 대상으로 포함 시킴과 동시에, 이 때문에 급격하게 늘어나는 산점도의 수를 효과적으로 처리하기 위해 점진적인 시각적 분석을 분석에 접목시킬 수도 있는데, 그 결과 범주형 변수를 분석에 포함시킨 뒤, 특정한 범주로 산점도를 분할하였을 때, 눈에 띄는 흥미로운 패턴을 갖는 산점도들의 범주를 확인할 수 있다. 이에 제공되는 시각화 및 상호작용 방식을 이용할 수 있다.

이하, 상술한 도 2의 면접 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

<회원가입>

우선 본 발명의 일 실시예에 따른 플랫폼을 잡톡(JobTalk)방이라 가칭하면, 잡톡방 플랫폼의 회원 가입 단계에서는, 회원등록은 아이디와 비밀번호만 설정하거나 휴대폰 간편인증만으로 가능하도록 한다. 구직자는 이름, 성별, 생년월일, 거주지, 휴대폰번호(아이디) 및 인증번호를 입력해야 하고, 구인 담당자는, 상호, 주소지, 업종, 사업자번호(아이디), 비밀번호를 생성해야 한다. 개인정보활용에 동의를 하고, 회원가입 완성단계에서는 플랫폼 홍보(사용법), 채용성공 후기, 공채 정보 및 채용 멘토링 등의 메뉴가 보여질 수 있고, 회원가입, 잡톡방 개설, 매칭신호 발생현황 등 공개 등으로 회원가입과 잡톡방의 개설을 독려할 수 있도록 한다.

<회원상세정보 등록>

그 다음 단계에서는 회원 상세정보, 즉 매칭할 수 있는 근거가 되는 데이터를 등록해야 하는데, 구직자 및 구인 담당자의 회원 상세 정보 등록시, 잡톡방이 최초로 자동으로 개설된다. 현재 상세정보를 등록하는데, 가중치 부여 키워드 매칭(인공지능 알고리즘)에 이용될 수 있는 정보이다. 구직자는, 이력서, 경력기술서, 자기소개서, 자격증, 개인홍보자료(결과물 사진, 포트폴리오, 블로그 등)를 업로드하고, 구인 담당자는, 채용요강, 기업정보, 홍보자료 등을 업로드할 수 있다.

정보공개 옵션이 부여될 수 있는데, 상술한 바와 같이 승인오픈(활동개시), 완전오픈(활동개시) 및 미오픈(활동중지/정지/미활동) 옵션이 있다. 구인자 및 구직자 간 소통 외에도, 구직자와 구직자 간, 구인 담당자와 구인 담당자 간의 소통도 가능할 수 있다. 구인 및 구직자의 잡톡방 기본 구조는 도 3a 및 도 3b와 같다. 그리고, 상세정보 등록 목록은 이하 표 1과 같을 수 있다.

현재상세정보			희망(채용/취업)정보
구직자		구인 기업	구직자	구인 기업
기본정보(필수)	본인 이력서	기업정보	업무	채용요강
경력기술서	학력(졸업/성적) 증명서	홍보물	연봉	질문예약(비밀)
자기소개서	포트폴리오		근무지	비대면 면접결과 예정일
자격증	결과물 사진		기업수준/처우	비대면 면접 결과 개별공지
기타	블로그		기타

기본정보(필수)는, 공개원칙이며, 키워드 매칭 분석 자료가 된다. 실무 경력 키워드 업무연관 자동검색이 가능하며, 복수 선택이 가능하다. 예를 들어, 회계라는 단어를 입력했을 때, 업무연관 자동검색어는, 재무회계, 관리회계, 결산, 출납 등이고, 추출 후 선택한 업무 키워드를 본인 실제 경력업무에 대응하는 가중치를 부여할 수 있고, 예를 들어 3 순위까지만 설정할 수 있다. 예를 들어, 1 순위 결산 50% > 2 순위 재무회계 30% > 3 순위 관리회계 20% 등일 수 있다. 또, 연봉과 같은 경우, 고정 현재연봉(제수당 포함, 퇴직금, 성과급 별도), 고정연봉 협상가능범위 오차범위 5%, 10%, 15%, 20% 등일 수 있다. 이때, 현재 연봉까지 속이는 경우가 존재하므로, 이 또한 건강보험공단에 내는 건강보험료 자료를 요청하거나 상술한 블록체인으로 조회 또는 열람 신청을 한 후 연봉을 역산출하도록 할 수도 있다.

<구직/구인자 상호 상세정보 열람 요청/승인/거부>

도 4a를 참조하면, 열람 요청을 알려주고 이를 승인할 것인지 거부할 것인지를 자동안내 및 선택하도록 하는 화면이다.

<매칭신호 발생/비대면 면접 여부/스케줄 확정>

도 4b를 참조하면, 매칭신호가 각 당사자에게 전달되고, 도 4c와 같이 스케줄을 잡기 위하여 각 당사자의 스케줄을 확인하고 선택하도록 하며, 확정이 된 경우 당사자에게 확정된 면접 스케줄을 안내해줄 수 있다.

<비대면 면접 진행/예절지수 평가/결과 공유>

도 4d를 참조하면, 예를 들어 면접 10 분 전에 안내 메세지를 전달하고, 면접이 진행되는 경우 양 당사자의 참석을 확인한다. 이때, 어느 한 당사자로부터 텍스트가 늦게 입력되는 경우, 늦은 시간 만큼의 패널티를 제공할 수 있다. 예를 들어, 늦은 횟수 및 시간에 기반하여 "지각" 태그와 횟수 및 시간을 함께 태깅할 수도 있고, 예절지수를 깎는 방식으로 패널티를 줄 수도 있다. 면접이 끝난 후, 도 4e와 같이 상호 간에 서로를 평가할 수 있도록 안내 메세지를 전송하고, 이를 이용하여 각 당사자의 예절지수를 산출할 수 있다. 그리고, 구인 담당자로부터 면접 결과가 입력되는 경우 이를 구직자에게 전달하여 결과를 안내할 수 있다.

<비대면 면접 AI 결과분석>

구인 기업의 담당자가 비대면 면접을 실행할 질문을 예약하여 등록할 때, 예상 답안 키워드를 담당자가 미리 설정하는 경우, [담당자-구직자] 간 비대면 면접이 진행된 후, 구직자가 답변한 텍스트와, 예상 답안 키워드 간의 유사도가 기 설정된 기준값을 초과하는 경우, 유사도의 퍼센테이지를 추출하여 예상 면접 점수를 구직자에게 미리 알려줄 수도 있다. 이 경우 구직자가 면접 결과를 발표하기 이전까지 자신의 당락을 가늠해볼 수 있는 지표가 된다. 다만, 구직자마다 사용하는 단어 체계나 어휘력이 모두 다르기 때문에 담당자가 미리 설정한 키워드와 정확히 같은 단어가 나오지 않는 이상 같은 의미의 단어라도 유사도는 다소 떨어질 수 있다. 이에, 기 구축된 세종말뭉치(Corpus)를 이용하여 연관단어나 유사단어 또는 동의어에 대한 사전을 구축하는 경우, 담당자가 설정한 키워드와 정확히 동일한 단어는 아니지만 의미가 같거나 유사하거나 연관된 키워드를 말한 구직자에게 점수를 부여할 수 있는 근거가 마련될 수 있다.

다만, AI 면접 결과가 실제 구인 기업의 합격 결과와 다를 경우 구직자에게 혼선을 주어 채용시스템 및 구인 기업의 신뢰성에 문제와 민원을 일으킬 소지가 있을 수 있다. 이에, 우선적으로 구인 기업에게 통보하는 방식으로 구현될 수도 있다. 예를 들어 비대면접 구직자가 많을 경우 구인담당자가 면접결과를 일일이 확인하는 번거로움을 사전에 필터링 해주어 AI 면접결과 점수가 높은 구직자부터 검토할 수 있다.

<전문업무 영역 재능기부>

구직자 또는 구인 기업에서 구직자 정보 및 구인 기업의 정보를 각각 입력할 때, 전문업무 및 강점 영역에 대한 재능기부 가능여부를 체크할 수 있도록 한다. 전문업무 재능기부 카테고리 생성 및 필터를 활용하면 전문인력의 영입이 힘든 중소기업이나 스타트업에 도움을 줄 수 있다.

<채용/취업 주체별 정보소통>

구인 기업과 구인 기업 간, 구인 기업과 구직자 간, 그리고 구직자와 구직자 간 정보를 공유하거나 소통할 수 있는 채널이나 페이지를 더 마련할 수 있다. 특히, 일반적은 채용 사이트나 포털 사이트 및 플랫폼 등은 구인자와 구인자 간의 정보소통은 이루어지지 않지만, 본 발명의 일 실시예에 따른 플랫폼에서는 구인자 간에도 정보소통이 이루어질 수 있도록 함으로써 구인 기업은 채용할 구직자의 스펙, 인재에 대한 검증 방법이나 인재 소개(알선, 재배치 등)도 할 수 있도록 한다. 예를 들어, 중소기업 입장에서는 중견 기업 이상 업체로부터 우수경력 인재에 대한 소개도 받을 수 있고, 중견 기업 이상의 규모를 가진 기업 입장에서는 내부 인력에 대한 구조조정의 한 방법으로도 이용가능하다.

<일대다 비대면 면접>

비대면 면접을 진행할 때, 일대일, 일대다 및 다대다 등의 방식이 존재하는데, 한 명의 구인 담당자가 복수의 구직자와 면접을 진행하는 경우, 복수의 구직자 간 상호 간 답변은 공유되지 않고 구인 담당자에게만 전달될 수 있다.

이와 같은 도 2 내지 도 4의 비대면 온라인 면접 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 비대면 온라인 면접 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 비대면 온라인 면접 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 면접 서비스 제공 서버는, 구직 단말 및 구인 단말로부터 구직 정보 및 구인 정보를 업로드받아 키워드를 추출한다(S5100).

그리고, 면접 서비스 제공 서버는, 키워드를 기준으로 키워드 매칭을 수행한 후, 키워드 매칭으로 매칭된 구직 단말 및 구인 단말로 비대면 면접 스케줄을 설정하도록 하고(S5200), 비대면 면접 스케줄이 설정된 경우 채팅창을 구직 단말 및 구인 단말에서 활성화되도록 한다(S5300).

마지막으로, 면접 서비스 제공 서버는, 구직 단말 및 구인 단말로 상호평가를 진행하도록 한다(S5400).

상술한 단계들(S5100~S5400)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5400)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 비대면 온라인 면접 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 비대면 온라인 면접 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 비대면 온라인 면접 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 비대면 온라인 면접 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

학력 및 경력 정보를 포함한 구직 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접 스케줄을 설정하며, 비대면 면접 스케줄 시간에 활성화된 채팅창에서 면접을 진행한 후 상호평가를 수행하는 구직 단말;
업무, 연봉, 근무지, 기업수준 및 처우를 포함하는 구인 정보를 업로드하고, 구인구직 매칭을 수신하는 경우 비대면 면접을 진행할지의 여부를 선택하며, 상기 비대면 면접을 진행하는 경우 상기 비대면 면접 스케줄 시간에 상기 채팅창을 활성화시키고 면접을 진행한 후 상호평가를 수행하는 구인 단말; 및
상기 구직 단말 및 구인 단말로부터 상기 구직 정보 및 구인 정보를 업로드받아 키워드를 추출하는 추출부, 상기 키워드를 기준으로 키워드 매칭을 수행한 후, 상기 키워드 매칭으로 매칭된 구직 단말 및 구인 단말로 비대면 면접 스케줄을 설정하도록 하는 스케줄관리부, 상기 비대면 면접 스케줄이 설정된 경우 상기 채팅창을 상기 구직 단말 및 구인 단말에서 활성화되도록 하는 채팅관리부, 상기 구직 단말 및 구인 단말로 상호평가를 진행하도록 하는 면접평가부를 포함하는 면접 서비스 제공 서버;
를 포함하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 면접 서비스 제공 서버는,
상기 구인 단말에서 상기 구인구직 매칭을 수신하는 경우, 상기 구직 단말로 상기 구직 정보의 열람 승인을 요청하고, 상기 구직 단말로부터 열람 승인을 얻은 경우 상기 구인 단말에서 상기 구직 정보를 열람하도록 하는 열람관리부;
를 더 포함하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 2 항에 있어서,
상기 열람관리부는,
상기 구인 단말에서 상기 구직 정보를 수신하여 출력할 때, 서버기반컴퓨팅(Server Based Computing) 또는 데스크탑 가상화(Virtual Desktop Infrastructure)를 실행하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 2 항에 있어서,
상기 열람관리부는,
상기 구인 단말에서 상기 구직 정보를 열람가능한 시간을 설정하여 제한시간 내에만 엑세스가 가능하도록 하도록 설정하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 스케줄관리부는,
상기 구인 단말에서 비대면 면접을 진행하고자 하는 경우, 상기 구인 단말의 면접 스케줄을 확인하고, 면접이 가능한 날짜 및 시간을 추출하여 상기 구직 단말로 전송하며, 상기 구직 단말에서 선택한 어느 하나의 날짜 및 시간으로 면접 스케줄을 확정하여 상기 구인 단말 및 구직 단말로 전송하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 면접평가부는,
상기 구직 단말 및 구인 단말로부터 수신된 구인 및 구직자에 대한 평가를 상기 구직 단말 및 구인 단말과 각각 매핑하여 누적저장되도록 하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 키워드 매칭은,
상기 구직 정보 내 포함된 경력 정보로부터 기 구축된 업무연관단어사전과 유사도가 높은 단어를 추출하여 키워드로 설정하고, 상기 키워드를 기준으로 업무연관단어를 검색한 후 상기 키워드 및 업무연관단어를 추출하여 상기 구직 단말로 전달하고, 상기 구직 단말에서 상기 키워드 및 업무연관단어 중 업무 키워드를 선택하도록 하며, 상기 업무 키워드에 가중치를 입력하도록 요청하여 키워드 매칭에 가중치를 부여하며 실행되는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 면접 서비스 제공 서버는,
상기 구직 단말로부터 상기 구직 정보의 정보공개 옵션을 선택하도록 하고, 상기 정보공개 옵션을 상기 구직 단말에서 선택하는 경우 상기 구직 단말과 매핑하여 저장하는 공개관리부;
를 더 포함하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 8 항에 있어서,
상기 정보공개 옵션은,
상기 구직 단말에서 승인한 경우에만 오픈하는 승인오픈 옵션, 상기 구직 단말에서 승인하지 않아도 오픈하는 완전오픈 옵션 및 상기 구직 단말의 승인 여부에 관계없이 오픈하지 않는 미오픈 옵션을 포함하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 키워드 매칭은 적어도 하나의 인공지능 알고리즘에 기반한 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.
제 1 항에 있어서,
상기 면접 서비스 제공 서버는,
상기 구인 단말로부터 질문을 입력받을 때 예상 답안 키워드를 입력받고, 상기 구직 단말에서 입력한 텍스트와 상기 예상 답안 키워드 간의 유사도가 기 설정된 기준값을 초과하는 경우, 상기 유사도의 퍼센테이지를 추출하여 예상 면접 점수를 상기 구인 단말 또는 구직 단말로 전송하는 것을 특징으로 하는 비대면 온라인 면접 서비스 제공 시스템.