Dira App: AI-Driven Decision Support for Career Path and Employment Opportunity Recommendations: A Case Study of Tanzania
Ester Philipo Lulale · Alfred Kajirunga
开发Dira App，用机器学习与AI助手为坦桑尼亚学生和毕业生提供职业与就业决策支持。
敏捷开发Vue.js/Flask/PostgreSQL，随机森林分类器，114人
60%毕业生失业，86%愿自雇；职业预测模型测试准确率94.76%。
可将该职业决策支持框架迁移至农业领域，为农户或农技人员提供就业与创业智能推荐。
该论文聚焦坦桑尼亚学生职业与就业决策支持系统，属教育信息化与就业服务领域，与三农、农业信息化、智慧农业、数字乡村等主题无直接关联，不建议进入每日精选。
坦桑尼亚中学生和毕业生的职业与就业决策在很大程度上仍由父母、亲戚和同伴的非正式建议所塑造，而非基于客观的数据驱动指导。坦桑尼亚的毕业生失业率仍然居高不下，而对自主创业的结构性支持依然有限。本文介绍了Dira应用，Dira在斯瓦希里语中意为“指南针”，体现了该系统帮助用户导航职业与就业决策的作用。它是一个基于网页和移动端的决策支持系统（Decision Support System, DSS），集成了机器学习职业预测器、利用每位用户的学业历史和预测结果提供个性化指导的AI助手（Dira AI），以及用于持续个性化支持的预约与视频咨询子系统。该系统采用敏捷方法论，基于Vue.js、Flask和PostgreSQL技术栈开发。一项基于问卷的需求评估调查了114名受访者（20名中学生和94名毕业生），证实了上述问题：60%的毕业生受访者处于失业状态，仅7%有正式工作，合计86%表示愿意从事自主创业，而学生受访者的职业决策被证明主要受父母和同伴影响。这些发现直接为系统的功能需求、架构和机器学习特征集提供了依据。最终形成的系统集成了五个核心子系统：基于角色的用户管理、机器学习职业预测、Dira AI、预约与视频咨询，以及报告与分析，均置于安全的基于角色的界面之后。所开发的系统成功实现了用户画像和职业/就业数据的集中管理，通过使用随机森林分类器（测试准确率94.76%，训练准确率95.66%）训练的职业预测器自动生成个性化推荐，并支持持续的AI驱动和人工咨询师指导，以促进明智的职业决策。本文所报告的评价仅限于单一机构的需求评估和功能/技术测试，而非面向最终用户的实地部署，且预测模型是在反映坦桑尼亚背景的数据上训练的，这可能限制其在其他地区的普适性。通过将扎根当地的预测建模与持续的AI驱动及人工咨询师支持相结合，Dira应用直接弥补了现有职业指导文献中发现的本地数据缺口和连续性缺口，提供了一种经过验证、可复制的决策支持