دانلود ترجمه مقاله انتخاب پرسنل با استفاده از داده کاوی برای افزایش سرمایه انسانی – مجله الزویر

• بخشی از ترجمه:

چکیده
کیفیت سرمایه‌ی انسانی برای شرکت‌های مدرن برای دستیابی به عرصه‌ی اقتصادی دانش بسیار حیاتی است. با این حال، شرکت‌های مدرن که درگیر هزینه‌های بالا هستند اغلب از استخدام افراد با استعداد سرباز می‌زنند. به علاوه طبق روش‌های مدیریتی منابع انسانی، نیاز ضروری به توسعه‌ی مؤثر مکانیزم کارمند گزینی برای یافتن استعدادهایی که مناسب‌ترین برای سازمان هستند وجود دارد. این تحقیق این خلأ را با ارائه چارچوب داده‌کاوی بر اساس درخت تصمیم و قانون‌های وابستگی پر می‌کند تا قانون‌های مفیدی برای کارمند گزینی تولید کند. نتایج می‌توانند قوانین تصمیم‌گیری را بر اساس اطلاعات پرسنلی با استفاده از کار روی عملکرد و نگه‌داری تولید کنند. مطالعه‌ی تجربی در یک شرکت نیمه رسانا انجام شد تا اطلاعات استخدام کارگران باواسطه شامل مهندسین و مدیران با کارهای عملیاتی مختلف را جمع‌آوری کند. نتایج، اهمیت تجربی این پژوهش را اثبات کرد. به علاوه، بر اساس بحث‌های داده‌کاوان و متخصصان، روش‌های خاص استخدام و کارگزینی نیز از این نتایج گرفته شده است.
مقدمه:
سرمایه‌ی انسانی، یکی از صلاحیت‌های شرکت‌های مدرن است تا بتوانند به شایستگی‌های خود در زمینه‌ی اقتصادی دانش برسند. استخدام پرسنل و انتخاب باواسطه روی کیفیت کارمندان تأثیرگذار است. بنابراین، مطالعات مختلف روی رزومه، مصاحبه‌ها، سنجش عملکرد، تست‌های دانش شغلی، تست‌های کاری نمونه، تست‌های ادراکی و تست‌های شخصیتی در مدیریت منابع انسانی صورت گرفته است که به سازمان‌ها کمک می‌کند تا بهتر بتوانند در مورد انتخاب پرسنل تصمیم بگیرند. در واقع، روش‌های انتخاب موجود روی کار و شغلی تمرکز می‌کنند که از طریق وظایف و کارهایی مطابق با خصوصیات ثابت آن‌ها تعریف می‌شوند. با این حال، به علت ذات در حال تغییر دانش در صنعت تکنولوژی، شغل‌ها را نمی‌توان به راحتی توصیف کرد مخصوصاً شغل‌های سطوح مدیریتی. با پیشرفت تکنولوژی و جهانی شدن آن، کارهای میان کارکردی نیز افزایش یافته‌اند در حالی که شغل‌های جدیدی نیز در حال ایجاد است.

• بخشی از مقاله انگلیسی:

Abstract

The quality of human capital is crucial for high-tech companies to maintain competitive advantages in knowledge economy era. However, high-technology companies suffering from high turnover rates often find it hard to recruit the right talents. In addition to conventional human resource management approaches, there is an urgent need to develop effective personnel selection mechanism to find the talents who are the most suitable to their own organizations. This study aims to fill the gap by developing a data mining framework based on decision tree and association rules to generate useful rules for personnel selection. The results can provide decision rules relating personnel information with work performance and retention. An empirical study was conducted in a semiconductor company to support their hiring decision for indirect labors including engineers and managers with different job functions. The results demonstrated the practical viability of this approach. Moreover, based on discussions among domain experts and data miner, specific recruitment and human resource management strategies were created from the results. 2006 Elsevier Ltd. All rights reserved.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله