تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,113,686 |
تعداد دریافت فایل اصل مقاله | 97,217,423 |
Model Design for Personnel Selection with Data Mining Approach (Case Study: A Commerce Bank of Iran) | ||
Journal of Information Technology Management | ||
مقاله 1، دوره 2، شماره 4، دی 2010 اصل مقاله (297.38 K) | ||
نویسندگان | ||
Adel Azar؛ Parviz Ahmadi؛ Mohammad Vahid Sebt | ||
چکیده | ||
The success or failure of an organization has a direct relationship with how its human resources are employed and retained. It is the case that organizations keep large amounts of information and data on entrance evaluations and processes. This information, however, is often left unutilized. Data mining is considered a solution for analyzing these data. This paper is investigating educated and objective methods of data analysis. It follows statistical rules, data mining techniques, and the relationship between entrance evaluation scores and personal and professional variables. These factors are studied in order to determine the assignment and rank of potential employees. The database and personnel information of the a Commerce Bank of Iran (in years of 2005 and 2006) is studied and analyzed as a case study in order to identify the labor factors which are considered effective in job performance. The data mining technique that is used in this project serves as the decision-tree. Rules Derivation has been accomplished by the QUEST, CHAID, C5.0 and CART algorithms. The objective and the appropriate algorithms are determined based on seemingly “irrelevant” components, which the Commerce Bank Human Resources management experts described. Results indicated not taking into account the “performance assessment” variable as the objective. Also this project has identified the following from 26 variables have been investigated, five variables as the effective factors in employee promotion: examination score, interview score, degree, years of experience, and job location. The paper's results led in knowledge that can be practical. | ||
کلیدواژهها | ||
Clustering؛ Data Mining؛ Decision Tree؛ Human resource management؛ Knowledge Discovery؛ personnel selection | ||
عنوان مقاله [English] | ||
طراحی مدل انتخاب نیروی انسانی با رویکرد داده کاوی (مورد: استخدام داوطلبان آزمون های ورودی یک بانک تجاری در ایران) | ||
نویسندگان [English] | ||
عادل آذر؛ پرویز احمدی؛ محمد وحید سبط | ||
چکیده [English] | ||
موفقیت یا شکست سازمان، ارتباط مستقیمی با چگونگی جذب و نگهداری منابع انسانی آن دارد. اغلب در رابطه با برگزاری آزمونهای ورودی و فرآیند جذب کارکنان، دادهها و اطلاعات فراوانی در سازمانها وجود دارد که بدون استفاده قرار میگیرند. دادهکاوی،بهعنوان راه حل برای چنین مسایلی است. در این پژوهش که از حیث هدف، کاربردی و از جنبه ماهیت از نوع پژوهشهای همبستگی و همخوانی محسوب میشود، سعی شده است که با استفاده از تکنیکهای دادهکاوی، قواعد و روابط بین نمرات آزمونهای ورودی و سایر متغیرهای شخصی و شغلی (که قبل از ورود هر کس به سازمان مشخص میشود) و وضعیت کارکنان با عملکرد شغلی و وضعیت ارتقاء آنان شناسایی شود. درنتیجه با مطالعه و بررسی پایگاههای داده-ی آزمون و منابع انسانی یک بانک تجاری برای 2 سال متوالی (1383 و 1384)، شاخصهای نیروی انسانی که بر عملکرد یا ارتقاء موثر بودند، شناسایی شدند. تکنیک دادهکاوی مورد استفاده در این پژوهش، درخت تصمیمگیری است و استخراج قواعد نیز با استفاده از الگوریتمهای QUEST، CHAID، C5.0 و CART انجام شده است. در نهایت ضمن ارایه مدلی جهت انتخاب متغیرهای تاثیرگذار، متغیر هدف و الگوریتمهای مناسب؛ از بین قواعد بهدست آمده، قواعد غیربدیهی مشخص و علت وجود این قواعد با کمک خبرگان تبیین شده است. از جمله نتایج ، حذف متغیر ارزیابی عملکرد به عنوان متغیر هدف در روند این پژوهش است که ناشی از عدم دقت تکمیل فرمهای ارزیابی عملکرد در فرآیند ارزیابی بانک بوده است. همچنین در این پژوهش مشخص شده است از مجموع 26 متغیر بررسی شده، پنج متغیر: "نمرهی کل آزمون"، "امتیاز مصاحبه"، "مقطع تحصیلی"، "تجربه حرفهای" و "استان محل خدمت" بر ارتقای داوطلبان تاثیرگذار بودهاند. این نتایج منجر به دانشی شده است که امکان کاربردی نمودن آنها وجود خواهد داشت. | ||
کلیدواژهها [English] | ||
انتخاب نیروی انسانی, دادهکاوی, درخت تصمیم, دستهبندی, کشف دانش, مدیریت منابع انسانی | ||
آمار تعداد مشاهده مقاله: 5,682 تعداد دریافت فایل اصل مقاله: 4,257 |