Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular – Sözü edilen yöntemlerin vaka özelinde yakın sonuçlar verdiği görülmüştür.
📌 3 Maddede Bu Makale
Özet
Amaç – Bu çalışmanın temel amacı, ulusal literatürdeki boşluğu doldurmak için, çalışanların seçimine yönelik sınıflandırma tahmininde insan kaynakları analitiği yöntemlerinin nasıl uygulanabileceğini bir vaka üzerinde göstermektir. Yöntem – Sınıflandırma tahmin yöntemlerinden rassal orman, gradyan artırımlı karar ağacı (GBT), lojistik regresyon, KNN ve naif bayes yöntemleri kullanılmış, yeni aday sınıf etiketleri ise gradyan artırımlı karar ağacı yöntemi kullanılarak tahmin edilmiştir. Bulgular – Sözü edilen yöntemlerin vaka özelinde yakın sonuçlar verdiği görülmüştür. GBT yöntemi tercih edilerek işgören seçimi kriterlerinin göreceli ağırlıkları elde edilmiştir. Ar-Ge birimi için genel yetenek testi en belirleyici kriter olurken başvuru kanalı, sertifika sayısı, cinsiyet ve eğitim seviyesinin adayın uygunluğunun belirlenmesinde çok ciddi bir ayrım yapmadığı görülmüştür. Tartışma – İşgören seçiminde elde edilen sonuçların uluslararası literatürdeki benzer çalışmalarla uyumlu olduğu görülmüştür. Seçilen öznitelikler ile yapılan modellemede, işgören seçim kriterlerinin farklı ağırlıklarla sınıflandırma başarısına etki ettiği ve bu kriterlerin Ar-Ge biriminin doğasına uygun olarak konumlandığı şeklinde yorumlanmıştır. Bununla birlikte Türkiye’de faaliyet gösteren işletmelerin İK veri setleri kullanılarak Türkiye bağlamında işgören seçim sürecinin görünümüyle ilgili çalışmaların yapılabileceği değerlendirilmiştir.
Abstract
Purpose – The main purpose of this study is to show how human resources analytics methods can be applied in classification prediction for the selection of employees on a case to fill the gap in the national literature. Design/methodology/approach – Random Forest, GBT, logistic regression, KNN and Naive Bayes methods were used among the classification prediction methods. The classification labels of employee candidates were estimated using the gradient incremental decision tree method. Findings – It has been observed that the afore mentioned methods gave close results on a case-bycase basis. The relative weights of the employee selection criteria were obtained by choosing the GBT method. For the R&D department appliciants' suitability, while general aptitude test has been the most significative criteria; reference channel, number of certificates, gender and the education level have not made a serious distinction. Discussion – It is seen that the results obtained in employee selection are similar to the ones in international literature. The modelling made with the attributes selected, the criteria of employee selection affects the classification success in various weight and the criteria are located in accordance with the nature of the R&D department. However, it is evaluated that by using the HR datasets of the companies in Turkey, further studies can be done on the appearance of the employee selection process in the context of Turkey