Abstract:
بهبود بازدهی سرمایه انسانی از آنجا که میتواند نقش موثری در کارایی سازمان داشته باشد، همواره یکی از موضوعات پژوهش بوده است. میزان تمایل به ترک سازمان یکی از عوامل تاثیرگذار بر کارایی سرمایه انسانی است که آن را میتوان با استفاده از الگوهای درون دادهای، شرایط حاکم بر سازمان و بررسی عوامل موثر بر آن پیش بینی کرد. به همین منظور، از الگوریتمهای هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه برای پیشبینی تمایل کارکنان به ترک سازمان در این پژوهش بهره گرفته شده است. در این راستا، ابتدا با طراحی پرسشنامهای، نظرات کارکنان شرکت بهرهبرداری نفت و گاز کارون در مورد رضایتمندی و تمایل به ترک سازمان، جمعآوریشد و بر اساس آن، یک مجموعه داده تدوین گردید. سپس با استفاده از شبکه های عصبی مصنوعی بهعنوان طبقه بند و الگوریتم تکاملی ژنتیک چندهدفه برای انتخاب ویژگیهای موثر، یک سیستم خبره طراحی شد. به منظور تست و ارزیابی الگوریتم شبکه عصبی طراحی شده با مجموعه داده استاندارد ایجادشده، آموزشهای لازم ارائه شد. نتایج ارزیابی سیستم پیشنهادی بیانگر آن است که با بهکارگیری الگوریتم ژنتیک چندهدفه و شبکههای عصبی مصنوعی میتوان مدلی ارائه کرد تا علاوه بر پیشبینی میزان تمایل کارکنان به ترک سازمان با دقت بالای 88%، با انتخاب ویژگیهای موثر، عوامل کلیدی ترک سازمان را نیز مشخص کند
Since the improvement of human resource efficiency can play an effective role in the efficiency of organizations, it has always been one of the main research topics.The tendency to leave the organization is one of the factors affecting the efficiency of human capital, which can be predicted using in-data models, conditions governing the organization and the factors affecting it. For this purpose, intelligent algorithms based on neural network and multi-objective genetic algorithm have been used in this research to predict the tendency to leave an organization. In this regard, a standard dataset was created based on a questionnaire of employees satisfaction and the desire to leave the job in the Karoon Oil and Gas Production Company. Then, using an artificial neural network as a classifier and a multi-objective genetic algorithm, the important factors or features were selected. In the next step, an expert system was proposed to select effective features. In order to test and evaluate the neural network algorithm developed with the standard data set, the necessary training was provided. The results showed that by using the proposed model, not only the willingness of employees to leave the organization can be predicted with more than 88% accuracy, but also, the key factors of leaving the organization can be determined.
Machine summary:
به همین منظور، از الگوریتم های هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه برای پیش بینی تمایل کارکنان به ترک سازمان در این پژوهش بهره گرفته شده است .
نتایج ارزیابی سیستم پیشنهادی بیانگر آن است که با به کارگیری الگوریتم ژنتیک چندهدفه و شبکه های عصبی مصنوعی میتوان مدلی ارائه کرد تا علاوه بر پیش بینی میزان تمایل کارکنان به ترک سازمان با دقت بالای ٨٨%، با انتخاب ویژگیهای مؤثر، عوامل کلیدی ترک سازمان را نیز مشخص کند.
هدف این پژوهش ارائه و ارزیابی یک سیستم خبره با استفاده از ابزارهای یادگیری ماشین و مدل مبتنی بر شبکه عصبی مصنوعی و الگوریتم ژنتیک چندهدفه برای طبقه بندی میزان تمایل کارکنان به ترک سازمان است .
یکی از دلایل استفاده از الگوریتم ژنتیک ، بررسی مجموعه ای از جواب های ممکن و هم چنین حساسیت کمتر نسبت به شکل خاصی از نقاط بهینه است که باعث میشود برای به کارگیری در مسائل بهینه سازی چندهدفه مناسب گردد.
در این پژوهش از ترکیب شبکه عصبی و الگوریتم ژنتیک چندهدفه با مرتب سازی نامغلوب برای طبقه بندی عوامل مؤثر بر میزان تمایل به ترک سازمان توسط کارکنان سازمان هدف ١٩Samuel ٢٠Chypvnza ٢١Hao ٢٢Jung ٢٣Ynhvy استفاده شده است .
تابع برازندگی استفاده شده در روش پیشنهادی، طبق رابطه (٥) معادل تعداد ویژگی ها و دقت کلی یا مقدار خطای کل حاصل از طبقه بندی با الگوریتم شبکه عصبی چندلایه و از نوع تشخیص الگو روی نمونه های آزمایشی است که برای زیرمجموعه ویژگی بهینه انتخاب شده ، هر دو مقدار بایستی کمینه شود.