ru2zi / interview_question_project

구직자들이 실제 면접과 유사한 환경에서 업종별 맞춤형 꼬리 질문을 연습하며 면접에 대한 자신감을 얻을 수 있도록 하는 서비스 개발

주제 선정

처음 주제를 정할 때 사람들의 요구, 필요가 무엇인지에 대해 팀원과 열띤 토론을 해봤습니다. 그리고 그 쟁점은 총 4가지였습니다.

1. 일상 속에서 필요한 소재가 무엇인가?
2. 비즈니스로 연결할 수 있는, 비용을 지불할 가치가 있는 서비스인가?
3. 시장성이 높은가?
4. 소비자의 수요가 지속적으로 발생할 수 있는가?

이런 아이디어는 상업성을 가져야 하며 동시에 사람들에게 화두가 되는 주제여야 하기에 위와 같은 쟁점을 가지고 토론한 결과, 취업 및 면접 키워드가 이에 맞는 키워드임을 찾았습니다.

차별점

1. 직무별 맞춤형 면접 질문 생성: 유사 직무 지원자들의 과거 면접 질문 데이터를 바탕으로 직무에 대한 구체적인 맞춤형 면접 질문을 생성합니다. 이를 통해 구직자들은 자신이 지원한 직무에 대한 준비를 보다 체계적으로 할 수 있습니다.

2. 지원자가 대답에 따른 적절한 꼬리질문 생성: 구직자의 대답을 분석하여, 해당 대답에 기반한 추가 질문이나 꼬리 질문을 제시합니다. 이를 바탕으로 구직자는 면접관의 예상 질문에 대해 더 깊이 고민하고 준비할 수 있습니다.

3. 최신 면접 트렌드 반영: 텍스트 마이닝과 데이터 분석을 통해 최신 면접 트렌드를 파악하고, 이를 면접 질문 생성에 반영합니다.

목표

이 제품의 주요 소비층은 구직 준비생 및 이직을 준비하는 사람들로, 두 계층 모두에게 스스로 면접을 준비할 수 있는 좋은 면접 시뮬레이션 환경을 제공하는 것입니다.

프로젝트 내용 및 기능

1. 7가지 직종과 직무/인성 카테고리를 선택하여 사용자가 필요로 하는 직종과 면접 형태에 맞춰 모델을 변경합니다.
2. 1분 자기소개 데이터를 받아 기존 학습 데이터와 해당 자기소개 데이터를 기반으로 대질문을 생성합니다.
3. 대질문에 대한 면접자 답변에 대해 기존에 쌓여있는 면접 데이터를 활용하여 적절한 꼬리 질문을 생성합니다.
   • 몇 번이고 심층적으로 꼬리 질문을 할 수 있는 변칙적인 상황에 대비하여 꼬리 질문에 대한 답변에 대해서도 꼬리 질문을 생성할 수 있게 구현합니다.
   • 이는 유저의 필요에 따라 몇 번이고 가능합니다. 다만 성능이 떨어지는 질문이 나오거나 더 이상 추가 질문이 나올 수 없는 경우 해당 요청에도 질문을 생성하지 않습니다.
4. 해당 데이터를 DB로 저장하여 이후 고객이 접속해도 기존 대질문셋이 남아 있어 그 당시 어떤 답변을 했는지 이후에도 스스로 피드백할 수 있도록 유도합니다.

기술 스택

시연 영상

https://www.youtube.com/watch?v=APx9j2d2uQY