انتخاب نیروی انسانی با استفاده از رویکرد داده کاوی مبتنی بر ماشین بردار پشتیبان

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 675

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMI01_164

تاریخ نمایه سازی: 20 دی 1394

Abstract:

انتخاب منابع انسانی مناسب و سرمایه انسانی، یکی از مزایای رقابتی برای شرکت ها به منظور حفظ مزایای رقابتی در اقتصاد دانشی است. در این تحقیق، عوامل مؤثر در ارزیابی منابع انسانی از طریق مرور ادبیات شناسایی شده و با استفاده از روش مدلسازی معادله ساختاری (SEM) به بررسی عوامل اثرگذار در انتخاب نیروی انسانی می پردازیم. عوامل اثرگذار واقعی در انتخاب نیروی انسانی به عنوان عوامل ورودی در داده کاوی می باشند. در مرحله بعد، با استفاده از ماشین بردار پشتیبان که یکی از روشهای جدید داده کاوی می باشد، به بررسی مسأله انتخاب نیروی انسانی می پردازیم. روش پیشنهادی، در بخش مدیریت پژوهش و فناوری، شرکت نفت ایران پیاده سازی شده است، به طوری که نتایج ماشین بردار پشتیبان (با استفاده از دو کرنل مختلف RBF و Puk) با روش درخت تصمیم به عنوان روش رقیب مقایسه شده است و حاکی از آن است که روش ماشین بردار پشتیبان، در هر دو نوع کرنل مورد سنجش، در انتخاب نیروی انسانی از دقت بیشتری (به ترتیب 88.5% و 89.5%) نسبت به روش درخت تصمیم (74%) برخوردار است.

Authors

مریم ابراهیمی ملکشاه

کارشناسی ارشد مدیریت تکنولوژی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی

مهسا ابراهیمی ملکشاه

کارشناس ارشد مدیریت سیستم و بهره وری، کارشناس منابع انسانی شرکت ایران خودرو

معصومه نادرعلی

کارشناس ارشد مدیریت اجرایی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Berry, Micheal J. A. , & Gordon S. Linoff. Data ...
  • Chang, S., Huang, M., Tseng, H., Jiang, Y. & You, ...
  • Chien, C. F., Chen, L. F. (20 08). Data mining ...
  • Cortes, C., Vapnik, V. Support vector networks, machine learning, Vol.2 ...
  • Gary, D. (20 _ "Human Resource Management (1 0th Edition), ...
  • Gungor, Z., Serhadliglu, G., Kesen, _ (2009). a fuzzy AHP ...
  • Guo, X., Yuan, ZH., Tian, B. (2009). Supplier selection based ...
  • Hooman, H. A., (20 06). Structural equation modeling using lisrel, ...
  • Hoyle, R. H. (1995). The structural equation modeling approach: basic ...
  • Jantan, H., Mat Yusoff, N., Rozuan Noh, _ (2014), Towards ...
  • Kantardzic, Mehmed. Data mining: concepts, models & algorithms. Wiley: IEEE ...
  • Kelemenis, A. Askounis, D., (2009). a new TOPSIS-based multi-criteria approach ...
  • Kline, R. B. (1998). Principles and practice of structural equation ...
  • Livense, F., Van Dam, K., & Anderson, N. (2002). Recent ...
  • Mac Callum, R. C. & Austin, J. T. (2000). Applications ...
  • Magnin, B., Mesrob, L., Kinkingnehun, S., Pelegrini-Issac, _ Colliot, O., ...
  • Nguyen, M. H., de la Torre, F. (2010), optimal feature ...
  • Porter, K., P. Smith, & R. Fagg. Leadership and management ...
  • Pugesek, B. H., Tomer, A., Von Eye, A.. structural equation ...
  • Qiangwei, W., Boyang, L., Jinglu, H. (2008), Hunan resource selection ...
  • Rigdon, E. E. (1998). Structural equation modeling. In modern methods ...
  • Robertson, I. T., & Smith, M. (2001). Personnel selection. Journal ...
  • Ruskova, N., (2002). Human resources appraisal and selection. First international ...
  • Shu-Xin, D., Sheng-Tan, C. weighted support vectot machine for classification, ...
  • Vapnik, V., the nature of statistical learning theory, springer-verlag, 1995. ...
  • Wang, Q., Li, B.. & Hu, J. (2008), human resource ...
  • نمایش کامل مراجع