با افزایش تمایل شرکتها و سازمانها، برای بکارگیری کارآموزان در موقعیتهای مختلف، انتخاب فرد مناسب برای مشارکت در دورههای کارآموزی اهمیت بسیاری پیدا کرده است. کسی که برای کارآموزی انتخاب میشود اگرچه باید در زمینههای کاری موردنظر، دانش و مهارت نسبی داشته باشد؛ اما نباید متخصص و باتجربه باشد؛ زیرا اینگونه افراد معمولاً دستمزد بالایی طلب میکنند. وبسایتهای پرسوجوی انجمنی با کاربران فراوانی که دارند، میتوانند بهعنوان یکی از منابع شناخت کارآموز مورداستفاده قرار گیرند. در پژوهشهای پیشین برای شناخت کارآموزان بالقوه ویژگیهای آماری مانند تعداد پاسخ، تعداد حوزههای تخصصی ، طول پاسخها و موارد مشابه پیشنهاد شده است؛ اما محتوای پاسخهای کاربر تاکنون برای شناخت کارآموزان استفاده نشده است. این محتوای متنی منبعی غنی برای تشخیص گستردگی یا عمق دانش کاربر است و میتواند کمک شایانی به شناخت کارآموزان بالقوه کند. در این پژوهش یک مدل یادگیری عمیق با نام CNN-BiLSTM برای تشخیص افراد مناسب برای کارآموزی براساس متن پاسخهایی که در وبسایتهای پرسوجوی انجمنی ارسال میکنند، پیشنهاد شده است. علاوهبراین، از سه مدل یادگیری ماشین و چهار مدل پرکاربرد یادگیری عمیق نیز برای مقایسه استفاده شده است. بر اساس نتایج بهدستآمده مدلهای یادگیری عمیق در مقایسه با الگوریتمهای یادگیری ماشین براساس معیار صحت و F1 عملکرد بهتری داشتهاند. همچنین در بین مدلهای یادگیری عمیق، مدل پیشنهادی توانسته حداقل به صورت متوسط 7% صحت بالاتر و 2% معیار F1 بالاتری نسبت به سایر مدلهای مورداستفاده برای شناسایی کارآموزان بالقوه نشان دهد.