تقييم أكثر ذكاءً، وتوظيف أكثر دقة: تحديث كبير لواجهة برمجة تطبيقات درجة مطابقة السيرة الذاتية

لقد أطلقنا للتو أحد أكثر التحسينات طلبًا على نقطة النهاية تقييم توافق السيرة الذاتية/السيرة المهنية ووصف الوظيفة. إذا كنت تبني تكاملات ATS، أو أدوات فرز المرشحين، أو لوحات معلومات تحليلات الموارد البشرية فوق SharpAPI، فإن هذا التحديث يفتح مستوى جديدًا بالكامل من التحكم في كيفية احتساب درجات التطابق.

إليك كل ما هو جديد، ولماذا يهم، وكيف تبدأ باستخدامه اليوم.

الخلاصة السريعة

• أصبحت المعلمة context الآن عقد توجيهات رسميًا، وليست ملاحظة حرة الصياغة.
• لديك ثلاثة أشكال توجيه بسيطة: EMPHASIZE و**DEEMPHASIZE** و**CREDIT**.
• تؤثر التوجيهات الآن في درجة overall_match — وليس فقط في المقاييس الفردية.
• يتم الآن احتساب المؤهلات القياسية الشائعة لعائلات الأدوار (مثل Excel / SQL / Power BI لأدوار التمويل) تلقائيًا حتى عندما ينسى الوصف الوظيفي ذكرها.
• تم تحديد الحد الأقصى لطول context رسميًا عند 5000 حرف.

👉 انتقل مباشرة إلى صفحة المنتج: sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

المشكلة التي كنا نحلها

عندما أطلقنا لأول مرة نقطة نهاية CV Match Score، كانت تُقيّم كل سيرة ذاتية مقابل كل وصف وظيفي باستخدام جدول أوزان ثابت: المهارات، والخبرة، والحزمة التقنية في الأعلى؛ والتعليم، والشهادات، والمهارات الشخصية كإشارات داعمة. وهذا يعمل بشكل رائع في سيناريو التوظيف المتوسط — لكن التوظيف ليس متوسطًا أبدًا.

شركة ناشئة توظف خريجًا جديدًا تُقدّر التعليم والمؤهلات أكثر بكثير من عشر سنوات من الخبرة. وفريق توظيف المتعاقدين يهتم بـ المهارات لا بمدة الخدمة. أما الشركة التي تعتمد العمل عن بُعد أولًا فلا تريد أن يؤثر الموقع سلبًا على الدرجة على الإطلاق. وأحيانًا، ينسى الوصف الوظيفي ببساطة إدراج المؤهلات الواضحة — مثل Excel لمحلل مالي — مما يدفع محرك التقييم إلى افتراض أنها غير مهمة.

ظل العملاء يطرحون السؤال نفسه:

"كيف نخبر المحرك أنه لهذا الدور، التعليم أهم من الخبرة؟"

الآن يمكنك ذلك.

✨ ما الجديد

1. عقد توجيهات رسمي للمعلمة context

كان الحقل context موجودًا بالفعل، لكن سلوكه كان ضبابيًا — فالتعليمات الطويلة المكتوبة بأسلوب نثري كانت غالبًا تُحدث تأثيرات غير متوقعة. لقد استبدلنا ذلك بـ عقد واضح وقابل للتنبؤ مبني حول ثلاثة أشكال توجيه.

يمكن مزج التوجيهات بحرية في سلسلة context واحدة:

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

ولست بحاجة إلى حفظ المخطط الكامل المكوّن من 20 مقياسًا أيضًا. إذ تقبل الموضوعات فئات باللغة الإنجليزية البسيطة مثل skills وexperience وeducation وcertificates وlocation وmanagement أو tenure، ويقوم المحرك بربطها داخليًا بالمقاييس ذات الصلة.

2. أصبح context يؤثر الآن في درجة overall_match

قبل هذا التحديث، كانت قيمة overall_match تُحتسب من متوسط مرجّح ثابت مضمّن لـ 20 مقياسًا فرديًا — ما يعني أنه حتى لو غيّر context الدرجات الفردية، فإن الرقم النهائي الإجمالي كان غالبًا يبقى ثابتًا بشكل مزعج.

لم يعد الأمر كذلك. تقوم التوجيهات الآن بتعديل جدول الأوزان الداخلي قبل احتساب المتوسط المرجّح. إن توجيهًا واحدًا مثل EMPHASIZE: skills ينتقل تأثيره الآن حتى الدرجة النهائية.

إليك كيف يبدو ذلك من حيث المفهوم:

Baseline weights:       skills=3, experience=3, education=1, certifications=1 ...
After EMPHASIZE: skills + DEEMPHASIZE: experience + EMPHASIZE: education:
Adjusted weights:       skills=4, experience=2, education=2, certifications=1 ...
overall_match = Σ(score × adjusted_weight) / Σ(adjusted_weights)

السيرة الذاتية نفسها. الوصف الوظيفي نفسه. منظور تقييم مختلف. هنا يكمن السحر.

3. يتم الآن احتساب المؤهلات القياسية لعائلات الأدوار

إليك مثالًا حقيقيًا من ملاحظات العملاء:

ذكر وصف وظيفي مالي "مطلوب: Excel وPython ومهارات التحليلات" لكنه لم يذكر أي شهادات محددة. وكان المرشح الذي لديه شهادات Advanced Excel وSQL وPower BI يحصل على certifications_match: 0 — لأن الوصف الوظيفي لم يذكر الشهادات.

من الواضح أن هذا غير صحيح. فهذه الشهادات معيارية في القطاع للأدوار المالية، وكان ينبغي للمحرك أن يحتسبها.

مع هذا التحديث، عندما لا يعدد الوصف الوظيفي الشهادات المطلوبة لكن السيرة الذاتية تسرد مؤهلات يُتوقع وجودها عادةً لهذه العائلة من الأدوار، فإن المحرك يحتسبها الآن بشكل نسبي ضمن نطاق 40–70، مع توضيح المنطق في حقل explanations.

ينطبق هذا على مختلف عائلات الأدوار:

• 💼 أدوار التمويل / المحللين → Advanced Excel وSQL وPower BI وTableau
• 👨‍💻 هندسة البرمجيات → Git وCI/CD وشهادات المنصات السحابية
• 📊 إدارة المشاريع → PMP وPRINCE2 وScrum وAgile
• 🏥 الرعاية الصحية → CPR وBLS والشهادات التخصصية

لا مزيد من الدرجات الصفرية للمؤهلات الواضحة لمجرد أن الوصف الوظيفي كان كسولًا.

4. إضفاء الطابع الرسمي على حد 5000 حرف في context

لقد وضعنا حدًا أعلى واضحًا وسخيًا يبلغ 5000 حرف لحقل context. وهذا أعلى بكثير من أي حمولة توجيهات واقعية — مساحة كافية لعشرات التوجيهات بالإضافة إلى ملاحظات تفسيرية — مع إبقاء الموجّه الكامل ضمن حدود آمنة للرموز.

الطلبات التي تتجاوز هذا الحد تُرجع خطأ تحقق HTTP 422.

الأنماط الموصى بها

هذه هي وصفات context التي حققت أفضل أداء في التحقق الداخلي لدينا. استخدمها كنقاط بداية ثم اضبطها من هناك.

النمط 1 — التوظيف للمستوى المبتدئ / الخريجين الجدد

أعطِ الأولوية للمؤهلات والإمكانات بدلًا من سنوات الخبرة.

EMPHASIZE: skills. EMPHASIZE: education. DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates.

النمط 2 — التوظيف التقني لكبار المتخصصين

تطابق الحزمة التقنية أمر حاسم؛ أما التعليم الرسمي فثانوي.

EMPHASIZE: skills. EMPHASIZE: technical_stack_match. DEEMPHASIZE: education.

النمط 3 — التوظيف القيادي / الإداري

تتفوق الخبرة الإدارية على المهارات التقنية العملية.

EMPHASIZE: management. EMPHASIZE: experience. DEEMPHASIZE: technical_stack_match.

النمط 4 — التوظيف بنهج العمل عن بُعد أولًا

يجب ألا يعاقَب المرشحون بسبب الموقع على الإطلاق.

DEEMPHASIZE: location. EMPHASIZE: skills.

أفضل الممارسات

• كن محددًا. CREDIT: Excel, SQL, Power BI يُحدث فرقًا. أما الصياغات المجردة مثل "الكفاءة العملية تتفوق على المؤهلات الرسمية" فلا تفعل ذلك.
• استخدم أزواج التباين. اجمع بين EMPHASIZE وDEEMPHASIZE في الطلب نفسه — فالتباين إشارة قوية.
• اذكر الأدوات والمؤهلات صراحةً. تجنب الصفات الغامضة مثل "الموهبة" أو "الإمكانات".
• تجنب تعليمات النِّسب المئوية. التوجيهات مثل "قلّل الوزن بنسبة 50%" تُفسَّر بتحفظ على أنها خطوة DEEMPHASIZE واحدة. استخدم توجيهات منفصلة — فهي أكثر موثوقية.
• أبقِ context مركّزًا. حفنة من التوجيهات المستهدفة تتفوق على الفقرات النثرية الطويلة.

⚠️ ما الذي يمكن لـ context فعله وما الذي لا يمكنه فعله

ملاحظة حول المقاييس الحسابية: ما يزال context يضبط وزنها في overall_match — لكنه لا يعيد كتابة الدرجة الفردية نفسها. فإذا كان متوسط مدة بقاء المرشح سنة واحدة، فإن stability_score يعكس هذه الحقيقة بغض النظر عن التوجيهات، لكن يمكنك جعله يحتسب أكثر أو أقل في النتيجة الإجمالية.

مثال كامل على طلب

POST /api/v1/hr/resume_job_match_score
Content-Type: multipart/form-data
Authorization: Bearer <YOUR_API_KEY>

file:     <resume.pdf>
content:  "Junior Finance Associate — entry-level role.
           Required: Excel, Python, financial modelling, analytics."
language: English
context:  "EMPHASIZE: skills. EMPHASIZE: education.
           DEEMPHASIZE: experience. CREDIT: Excel and Analytics certificates."

بنية الاستجابة لم تتغير — ما زلت تحصل على المقاييس العشرين المسجّلة بالإضافة إلى explanations لأهمها — لكن الأرقام ستعكس الآن الأوزان المعدّلة وفقًا للتوجيهات.

كلمة حول عدم الحتمية

تُعد المعلمة context أداتنا الأساسية لتوجيه المحرك، ونحن نضبطها باستمرار بناءً على الحالات الواقعية التي يطرحها علينا عملاؤنا. إذا واجهت سيناريو لا تتطابق فيه المخرجات مع توقعاتك، فأرسل لنا الطلب/الاستجابة كما هي تمامًا — فهذه هي أكثر ملاحظات يمكن أن نحصل عليها قيمة.

ابدأ الآن

هل أنت مستعد للتجربة؟ إليك قائمتك المختصرة:

1. اقرأ تفاصيل المنتج: Resume/CV & Job Description Compatibility Scoring
2. شاهده مباشرة: CVMatchScore.com — منتج يعمل بالكامل ومبني على نقطة النهاية نفسها تمامًا
3. احصل على مفتاح API من لوحة تحكم SharpAPI الخاصة بك وأرسل أول طلب لك
4. أخبرنا بما ينقص — كل نمط توجيه قمنا بإطلاقه بدأ كملاحظات من العملاء

تطابقًا موفقًا. 🎯

👉 جرّب واجهة Resume/CV & Job Description Compatibility Scoring API اليوم: sharpapi.com/en/catalog/ai/hr-tech/resume-cv-job-match-score

صور مخزون للسير الذاتية من Vecteezy