Simplified Novel Approach for Accurate Employee Churn Categorization using MCDM, De-Pareto Principle Approach, and Machine Learning

Author:

Al Abid Faisal BinORCID,Bakri Aryati Binti,Alam Md. Golam RabiulORCID,Uddin JiaORCID,Chowdhury Shefayatuj JoharaORCID

Abstract

يعد طرد الموظفين من المنظمات مشكلة خطيرة. يجب حل مشكلة تدوير الموظفين أو اطردهم من داخل المنظمة نظرًا لأن لها تأثيرًا سلبيًا على المنظمة. يعد الاكتشاف اليدوي لتسرب الموظفين أمرًا صعبًا للغاية، لذلك تم استخدام خوارزميات التعلم الآلي ML  بشكل متكرر لاكتشاف تسرب الموظفين بالإضافة إلى تصنيف الموظفين وفقًا للاستبدالهم.  باستخدام التعلم الآلي،  بحثت دراسة واحدة فقط في تصنيف الموظفين حتى الآن. تم اقتراح نهج جديد لاتخاذ القرار متعدد المعايير   MCDM  إلى جانب مبدأ DE-PARETO لتصنيف الموظفين. يشار إلى هذا باسم مخطط SNEC . تم تصميم نموذج AHP-TOPSIS DE-PARETO PRINCIPLE (AHPTOPDE) الذي يستخدم نظام MCDM على مرحلتين لتصنيف الموظفين. في المرحلة الأولى، تم استخدام عملية التسلسل الهرمي التحليلي  AHP  لتعيين الأوزان النسبية لعوامل إنجاز الموظف. في المرحلة الثانية، تم استخدام TOPSIS للتعبير عن أهمية الموظفين في إجراء تصنيف الموظفين. تم تطبيق قاعدة 20-30-50 البسيطة في مبدأ DE PARETO لتصنيف الموظفين إلى ثلاث مجموعات رئيسية وهي الموظفون المتحمسون والسلوكيون والمضطربون. يتم بعد ذلك تطبيق خوارزمية الغابة العشوائية كخوارزمية أساسية لإطار عمل الموظفين المقترح للتنبؤ بخسارة الموظفين على أساس الفصل والذي يتم اختباره على مجموعة بيانات قياسية لنظام معلومات الموارد البشرية  HRIS، ويتم تقييم النتائج التي تم الحصول عليها باستخدام طرق تعلم الآلة الأخرى. تتمتع خوارزمية Random Forest ML في مخطط SNEC بدقة إجمالية مماثلة أو أفضل قليلاً وMCC مع تعقيد زمني أقل مقارنةً بمخطط ECPR باستخدام خوارزمية  CATBOOST

Publisher

College of Science for Women, University of Baghdad

Cited by 1 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

1. Editorial: Applied Computing 2023;BAGHDAD SCI J;2024

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3