Σχεδιασμός και ανάπτυξη συστήματος για την αυτόματη αξιολόγηση των αιτήσεων προσωρινών διδασκόντων στο Πανεπιστήμιο Πατρών
Loading...
Date
2026-09-25
Authors
Κώστας, Ανδρέας
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Τα τελευταία χρόνια, σχεδόν σε ετήσια βάση, ανακοινώνονται προσκλήσεις εκδήλωσης ενδιαφέροντος για πρόσληψη νέων επιστημόνων, κατόχων διδακτορικού διπλώματος. Η πρόσληψη αυτή γίνεται σε προσωρινή βάση με σκοπό την απόκτηση ακαδημαϊκής διδακτικής εμπειρίας μέσω της διδασκαλίας μαθημάτων που εντάσσονται στα Προγράμματα Προπτυχιακών Σπουδών πανεπιστημιακών τμημάτων. Η σχετική διαδικασία περιλαμβάνει τη δημοσιοποίηση των προσκλήσεων, την υποβολή αιτήσεων εντός προβλεπόμενης προθεσμίας όπου οι υποψήφιοι προσκομίζουν συγκεκριμένες πληροφορίες και δικαιολογητικά, την αξιολόγηση των υποβληθεισών αιτήσεων και την ανακοίνωση αποτελεσμάτων για την κατάταξη των υποψηφίων με βάση τα μόρια που έλαβαν ως προς ένα προκαθορισμένο σύνολο κριτήριων αξιολόγησης. Στην πράξη, τα 3/4 της ροής ενεργειών για την επιλογή διδασκόντων γίνονται πλέον ηλεκτρονικά, αφού η ανακοίνωση τόσο των προσκλήσεων όσο και των αποτελεσμάτων αξιολόγησης αλλά και η υποβολή των αιτήσεων μαζί με τα απαιτούμενα δικαιολογητικά διεκπεραιώνονται μέσω ειδικά σχεδιασμένων ιστοτόπων. Ωστόσο, η αξιολόγηση των υποψηφιοτήτων - ποσοτικά και ποιοτικά - εκτελείται ακόμα με παραδοσιακές μεθόδους και αποτελεί εντατική και χρονοβόρα εργασία για το εμπλεκόμενο διοικητικό και επιστημονικό προσωπικό.
Με πρόθεση να υποστηρίξουμε τη διαδικασία αξιολόγησης αιτήσεων προσωρινών διδασκόντων στο Πανεπιστήμιο Πατρών μέσω της αυτοματοποιημένης παραγωγής προτεινόμενων κατατάξεων των υποψηφίων με βάση ποσοτικά αλλά και ποιοτικά χαρακτηριστικά των αιτήσεών τους σχεδιάσαμε και υλοποιήσαμε την web εφαρμογή ProfRanker που λειτουργεί τόσο ως ιστότοπος ανακοίνωσης προσκλήσεων, υποβολής αιτήσεων και ανάρτησης αποτελεσμάτων αλλά και ως μηχανισμός αξιολόγησης και παραγωγής συστάσεων για ποσοτική και ποιοτική κατάταξη των υποψηφίων ανά θέση. Συγκεκριμένα, χρησιμοποιούμε τεχνικές επεξεργασίας φυσικής γλώσσας (natural language processing) και μεγάλα γλωσσικά μοντέλα (large language models) για την αυτοματοποιημένη ανάλυση δεδομένων σε μορφή κειμένου με σκοπό την αξιολόγηση του βαθμού συνάφειας της αίτησης του υποψηφίου με το επιστημονικό πεδίο και το σύνολο των μαθημάτων που περιλαμβάνονται σε αυτό. Στο πλαίσιο της επεξεργασίας φυσικής γλώσσας αναλύονται ο τίτλος, η περίληψη και οι λέξεις-κλειδιά των διδακτορικών διατριβών, καθώς και τα προτεινόμενα σχεδιαγράμματα διδασκαλίας για τα μαθήματα κάθε θέσης. Παράλληλα ελέγχεται και βαθμολογείται αυτόματα το δημοσιευμένο έργο που υποβάλλεται ως μέρος των αιτήσεων των υποψηφίων, σύμφωνα με όσα ορίζονται στη σχετική πρόκληση. Ως αποτελέσματα, η εφαρμογή παράγει συνολική βαθμολογία ανά αίτηση καθώς και μια προτεινόμενη λίστα κατάταξης των αιτήσεων των υποψηφίων ανά θέση.
Η εφαρμογή απευθύνεται σε τρεις κατηγορίες εγγεγραμμένων χρηστών, δηλαδή επισκέπτες, υποψήφιους (αιτούντες) ή διαχειριστές. Οι επισκέπτες μπορούν να βλέπουν όλα τα αποτελέσματα που έχουν παραχθεί και αναβαθμίζονται σε αιτούντες μόλις υποβάλουν αίτηση για κάποια θέση. Οι υποψήφιοι μπορούν να επεξεργάζονται αιτήσεις που έχουν υποβάλει πριν την εκπνοή της προθεσμίας των σχετικών προσκλήσεων, έχουν πρόσβαση σε όλες τις αιτήσεις που έχουν υποβάλει και τις αξιολογήσεις που έχουν παραχθεί από την εφαρμογή και διαθέτουν προσωπικό προφίλ και φάκελο για διατήρηση και επεξεργασία δικαιολογητικών που απαιτούνται για υποβολή αιτήσεων. Οι διαχειριστές έχουν πρόσβαση σε όλα τα δεδομένα της εφαρμογής, έχουν τη δυνατότητα να καταχωρούν και να ανακοινώνουν προκλήσεις και, επιπλέον, έχουν πρόσβαση σε στατιστικά στοιχεία για τη γενική χρήση και λειτουργία της εφαρμογής.
Η εφαρμογή, την οποία ονομάσαμε ProfRanker και σχεδιάσαμε πρωτίστως για χρήση σε desktop υπολογιστές είναι διαθέσιμη στα ελληνικά και στα αγγλικά. Για την ανάπτυξη χρησιμοποιήσαμε React, Django και PostgreSQL για τον κύριο κορμό της εφαρμογής, Redis και Resend για υποστήριξη λειτουργίας email και OpenAI API για την επεξεργασία φυσικής γλώσσας. Για τη φιλοξενία της εφαρμογής ακολουθήσαμε κατανεμημένη προσέγγιση αξιοποιώντας τις πλατφόρμες Cloudflare, Render, Neon και Upstash.
Description
Keywords
Ακαδημαϊκή διδακτική εμπειρία, Νέοι επιστήμονες, Αξιολόγηση αιτήσεων, Κατάταξη υποψηφίων, Επεξεργασία φυσικής γλώσσας, Web εφαρμογές