چکیده
سرمایه انسانی از نگرانی‌ها برای مدیریت شرکت‌هایی است که علاقه بسیاری برای استخدام پرسنل واجد شرایط دارند که انتظار می‌رود به‌خوبی کار کنند. به‌تازگی، علاقه رو به رشدی در داده‌کاوی به‌وجود آمده است، که در آن هدف کشف دانش درست و نفع بالا برای کاربران است. در این مقاله، تکنیک‌های داده‌کاوی برای ساخت یک مدل طبقه‌بندی برای پیش‌بینی عملکرد کارکنان استفاده می‌شود. برای ساخت مدل طبقه‌بندی، روش‌های داده‌کاوی CRISP-DM به‌تصویب رسیدند. درخت تصمیم به‌عنوان مهمترین ابزار داده‌کاوی برای ایجاد مدل طبقه‌بندی مورد استفاده قرار گرفت، که در آن چندین قانون طبقه‌بندی تولید شد. برای اعتباربخشی به الگوی تولید شده، چندین آزمایش با استفاده از داده‌های واقعی جمع آوری شده از چندین شرکت انجام شده است. مدل برای پیش‌بینی عملکرد متقاضیان جدید در نظر گرفته شده است.
1. مقدمه
منابع انسانی تقریبا به یکی از نگرانی‌های اصلی مدیران در تمام کسب‌وکارها من جمله، شرکت‌های خصوصی، موسسات آموزشی و سازمان‌های دولتی تبدیل شده است. سازمان کسب‌وکار واقعا علاقه‌مند به حل‌وفصل برنامه‌ای برای انتخاب درست کارکنان مناسب است. بعد از استخدام کارکنان، مدیریت در مورد عملکرد این کارکنان که سیستم مدیریت ارزیابی در تلاش برای حفظ عملکرد خوب کارمندان است، نگران می‌شود (Chein و Chen، 2006).
داده‌کاوی یک میدان جوان و امیدوار از اطلاعات و کشف دانش است (Han و همکارانش، 2011). در آغاز به‌دلیل وجود داده‌های بزرگ حاوی مقادیر زیادی از دانش پنهان، به‌عنوان یک هدف مهم برای صنعت اطلاعات بود. با تکنیک‌های داده‌کاوی، مانند دانش می‌توان وظایف پایگاه داده را از ذخیره و بازیابی به یادگیری و استخراج دانش تبدیل کرد.
این مقاله در نشریه Thesai منتشر شده و ترجمه آن با عنوان ساخت مدل های طبقه بندی در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
Using Data Mining Techniques to Build a Classification Model for Predicting Employees Performance
