Pular para conteúdo

Profile Score Engine

O Profile Score Engine avalia a presença profissional do usuário além do currículo.

Ele junta sinais de:

  • currículo ATS;
  • Currículo Lattes;
  • LinkedIn;
  • GitHub;
  • portfólio;
  • artigos;
  • projetos;
  • pacotes publicados;
  • histórico de candidatura.

Scores principais

ATS Score        -> qualidade do currículo para sistemas de triagem.
Match Score      -> compatibilidade com uma vaga específica.
Risk Score       -> risco de incompatibilidade, golpe, senioridade errada ou fonte ruim.
LinkedIn Score   -> força do perfil para recrutadores.
Portfolio Score  -> força dos projetos e presença técnica.
Lattes Score     -> relevância acadêmica quando fizer sentido.
Readiness Score  -> prontidão geral para aplicar agora.

LinkedIn Score

Inspirado em projetos que analisam exportações oficiais do LinkedIn por CSV, o SotuHire deve preferir entrada segura:

  • usuário exporta os dados oficialmente;
  • usuário envia os CSVs localmente;
  • SotuHire calcula score;
  • SotuHire gera recomendações.

Referência de inspiração: linkedin-profile-score.

Critérios

  • headline contém cargo-alvo e keywords;
  • about explica objetivo e stack;
  • experiências têm impacto e tecnologias;
  • skills combinam com vagas alvo;
  • formação está coerente;
  • certificados relevantes aparecem;
  • perfil está consistente com currículo;
  • URL, foto, banner e destaque são avaliados via checklist manual.

Portfolio Score

Avalia se os projetos públicos ajudam a candidatura.

Critérios:

  • README claro;
  • instalação local documentada;
  • screenshots ou demo;
  • testes;
  • CI;
  • licença;
  • estrutura de pastas;
  • tecnologias relevantes;
  • commits reais;
  • issues/roadmap;
  • deploy;
  • documentação técnica;
  • alinhamento com vaga.

Lattes Score

Currículo Lattes não é currículo ATS. Ele deve ser tratado como fonte acadêmica.

O SotuHire deve extrair:

  • formação;
  • iniciação científica;
  • publicações;
  • eventos;
  • projetos;
  • orientações;
  • cursos;
  • áreas de pesquisa;
  • produção técnica.

Depois deve converter esses sinais para versões úteis:

  • currículo ATS;
  • resumo profissional;
  • perfil acadêmico;
  • evidências para vagas de pesquisa, dados, IA, educação, laboratório ou estágio.

Readiness Score

O Readiness Score responde:

Vale aplicar agora ou ajustar antes?

Exemplo:

{
  "readiness_score": 76,
  "apply_now": true,
  "needs_adjustment": [
    "melhorar headline do LinkedIn",
    "adicionar SQL no resumo do currículo",
    "destacar projeto GitHub relacionado"
  ]
}

Regras de negócio

  • Score não pode ser usado como verdade absoluta.
  • Score deve explicar evidências.
  • Score deve separar ausência de dados de desempenho ruim.
  • Score não deve incentivar mentira.
  • Score deve proteger dados pessoais.
  • Score deve permitir modo local-first.

Relação com outros docs