Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightElde edilen sonuçların bu alandaki araştırmacılara ve işe alım profesyonellerine, işgören seçimi problemlerine yeni bir yaklaşım ile bakabilmelerini sağlaması beklenmektedir.
📌 3 Maddede Bu Makale
Özet
İşgören seçimi, firmaların işe alım sürecindeki en önemli problemlerinden biridir. Çünkü tek bir pozisyon için çok sayıda başvuru içerisinden doğru adayın seçilebilmesi, uzun bir süreye ve yüksek bir maliyete sebep olmaktadır. Dolayısıyla özellikle işgücü devir oranı yüksek olan sektörlerde faaliyet gösteren ve çok sayıda çalışana sahip firmalar için bu durum, dikkatli yürütülmesi gereken bir süreçtir. Bu bağlamda, işgören seçimde kullanılan klasik yöntemlerde yanı sıra, bu amaçla çok kriterli karar verme (ÇKKV) yöntemleri yaygın olarak literatürde yer bulurken, makine öğrenmesi algoritmaları ile oluşturulan tahmin modellerinin kullanılması da son yıllarda dikkate değer bir şekilde artmaktadır. Bununla birlikte işgören seçiminde ÇKKV ile makine öğrenmesi yöntemlerinin birlikte ele alındığı ulusal bir yayın bulunmazken, uluslararası düzeydeki çalışmalarda ise genel olarak makine öğrenmesi yöntemlerinin ÇKKV yöntemlerinin girdisi şeklinde ele alınmış ancak sonuçlarının karşılaştırılarak kullanıldığı bir çalışmaya rastlanmamıştır. Dolayısıyla, bu çalışma kapsamında işgören seçimi literatürü incelenerek, kuramsal olarak bu iki yaklaşımın işgören seçiminde birlikte nasıl kullanılabileceği sorusu cevaplanmaya çalışılmıştır. Yapılan değerlendirmeler sonucunda, ÇKKV ve makine öğrenmesi yöntemlerinin işgören seçimi problemlerinde 4 farklı alternatif şeklinde kullanılabileceği sonucuna ulaşılmıştır. Dolayısıyla bu alternatif yaklaşımlarla işgören seçiminde hem veri odaklı hem de tahmine dayalı bir yaklaşım iç içe kullanılmış olacaktır. Elde edilen sonuçların bu alandaki araştırmacılara ve işe alım profesyonellerine, işgören seçimi problemlerine yeni bir yaklaşım ile bakabilmelerini sağlaması beklenmektedir.
Abstract
Employee selection is one of the most important problems in the recruitment process of companies. Because selecting the right candidate among many applications for a single position can cause a long time and a high cost. Therefore, this is a process that needs to be carried out carefully, especially for companies operating in sectors with a high turnover rate and having a large number of employees. In this context, in addition to the classical methods used in employee selection, multi-criteria decision making (MCDM) methods are widely used in the literatüre while the use of prediction models with machine learning algorithms has increased significantly in recent years. However, while there is no national publication in which MCDM and machine learning methods are discussed together in employee selection, in international literature, machine learning methods are generally considered as inputs of MCDM methods, but there is no study in which the results are compared. Therefore, within the scope of this study, the question of how these two approaches can be combined in employee selection theoretically has been tried to be answered by examining the employee selection literature. As a result of the evaluations, it was concluded that MCDM and machine learning methods can be used as 4 different alternatives in employee selection problems. Therefore, with these alternative approaches, both a data-driven and a predictive approach will be used in employee selection. The results are expected to enable researchers in this field and recruitment professionals practitioners to handle employee selection problems with a novel viewpoint.