Hoppa till innehåll

Fas 2 · Innan praktik · 2.1

Matchningsmotor

Linjär rankningsmotor som väger tio signaler om student, skola och företag mot varandra och föreslår praktikplatser i poängordning.

· Q1 2025

Matchningsmotorn är hjärtat i Prakto. När en student är redo att hitta praktik byggs en kandidatpool från företagens öppna annonser, hårda filter sållar bort det som inte kan matchas, och en versionerad linjär modell rankar resten i fallande poängordning.

Så fungerar pipelinen

Flödet är uppdelat i tre faser, varje med ett tydligt ansvar och en mätbar utgång.

  1. Recall. Hämtar samtliga öppna annonser som passar studentens period och ort.
  2. Filter. Tar bort kandidater som inte kan matchas, exempelvis fel program, fullbokad handledare eller utgånget annonsdatum.
  3. Rank. Väger tio signaler till en slutpoäng mellan 0 och 100 per kvarvarande annons.

Tio signaler i rankningen

Varje signal har en vikt mellan 0 och 1. Summan av vikterna ligger på 1.0, vilket gör att slutpoängen är direkt jämförbar mellan placeringar och perioder.

#SignalBeskrivning
1KompetensöverlappJaccard mellan studentens kompetenser och annonsens krav
2ProgrammatchStudentens program mot annonsens målprogram
3InriktningsmatchInriktning eller spår inom programmet
4RegionSamma län eller stad
5PendlingRestid dörr till dörr i minuter
6FöretagskapacitetLediga handledarplatser hos företaget
7SkolkapacitetHur många i kullen som redan placerats
8Kvalitetsprior företagHistorisk genomförandegrad och utvärderingar
9NärvarohistorikStudentens närvaro under utbildningen
10FärskhetHur länge annonsen varit publicerad

Vyer per användare

Samma underliggande poäng visas i tre olika gränssnitt, anpassade till vad respektive användare faktiskt behöver göra.

  • Studenten ser en personlig topplista, poäng 0 till 100 per annons och en tydlig förklaring av vilka faktorer som drog upp eller ner poängen.
  • Skolkoordinatorn ser hela kullens rankning, kan filtrera, jämföra och fördela manuellt om det behövs.
  • Företaget ser samma rankning åt motsatt håll, rankade kandidater per annons med samma förklaringsbild.

Versionering och utvärdering

Varje visning loggas som en match_impression. Klick, ansökningar och accepterade placeringar kopplas till samma rad, vilket gör det möjligt att utvärdera modellen offline mot en baslinje innan nya vikter publiceras. Promotion sker i två steg, först canary mot en mindre andel av trafiken, sedan full rollout om regressionen är inom tröskeln.

Dela avsnitt

LinkedInXMejl