پیش بینی عملکرد شغلی با استفاده از بهینه سازی چندهدفه و شبکه های عصبی از نوع GMDH به منظور بهبود فرایند گزینش کارکنان
Publish place: Industrial Engineering & Managment، Vol: 32، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 466
This Paper With 11 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:
شناسه ملی سند علمی:
JR_SJIE-32-1_005
تاریخ نمایه سازی: 1 مرداد 1397
Abstract:
در پژوهش حاضر با استفاده از الگوریتم ژنتیک برای بهینه سازی چندهدفه ی شبکه های عصبی از نوع GMDH، مدل حاکم بر عملکرد شغلی کارکنان فعلی سازمان استخراج می شود که قادر است با وجود پیچیدگی رفتار در حوزه ی منابع انسانی، عملکرد کارکنان را با حداقل خطای پیش بینی و آموزش، براساس موثرترین ورودی های پیش بینی کند. بنابراین می توان به منظور گزینش کارکنان، براساس مدل استخراج شده، ورودی های مرتبط را از متقاضی دریافت و عملکرد آتی وی را تخمین زد. به دلیل ماهیت مشاغل مورد بررسی، از ابعاد هوش هیجانی و متغیرهای فردی به عنوان ورودی استفاده شده است. با وجود عدم قطعیت در ماهیت منابع انسانی، ضریب همبستگی 0/995 و RMSE برابر 0/06 در مقایسه ی مقادیر پیش بینی شده با مقادیر واقعی، بیان گر دقت بسیار بالای مدل و حداکثر انطباق پذیری عملکرد شغلی پیش بینی شده با عملکرد واقعی است.
Keywords:
Authors
محمود مرادی
دانشیار، گروه مدیریت صنعتی، دانشگاه گیلان
بهناز زنجانی
کارشناس ارشد، گروه مدیریت صنعتی، دانشگاه گیلان
علی جمالی
دانشیار، گروه مهندسی مکانیک، دانشگاه گیلان