بخشی از مقاله
چکیده
مساله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. این مساله در بسیاری از کاربردها - مانند طبقه بندی - اهمیت به سزائی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلااستفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. هدف این پژوهش ارزیابی و ارائه یک سیستم خبره مبتنی بر شبکه عصبی و الگوریتم ژنتیک برای طبقه بندی میزان گرایش کارکنان شرکت بهرهبرداری نفت و گاز کارون از شرکتهای تابعه شرکت ملی نفت ایران میباشد.
وجود یک سیستم با این قابلیت به اخذ تصمیمات مدیریتی سازمان هدف در جهت نگهداشت منابع انسانی و صرفهجویی در هزینهها بسیار مؤثر خواهد بود. در این پژوهش به این نتیجه رسیدهایم که کیفیت و نوع ویژگیهای مورد استفاده در جریان طبقهبندی بسیار مهمتر از تعداد آنهاست و انتخاب ویژگیهای مناسب با استفاده از الگوریتمهای ترکیبی نیز میتواند باعث بهبود دقت طبقهبندی شود. نتیجه این پژوهش ارائه یک سیستم مبتنی بر شبکه عصبی و الگوریتم ژنتیک است که علاوه بر کاهش ابعاد ویژگیها، میزان تمایل کارکنان به جایگزینی را نیز میتواند با دقت بیش از 90 درصد طبقهبندی کند.
-1 مقدمه
معمولاً سازمان ها در برخورد با ارزشمندترین سرمایه سازمانی که همان نیروی انسانی است دچار کمبودی به نام مدیریت منابع انسانی هستند که شاید در ظاهر و در ساختارها و نمودارهای سازمانی وجود داشته باشد ولی به دلیل عدم به کارگیری نگرشهای علمی در این مقوله، معمولا شاهد ایجاد مشکلاتی از قبیل، نارضایتی، عدم کارایی، جابجایی بالا و در بعضی موارد عدم تطابق کارکنان با مشخصات و ویژگی های شغلی هستیم . این همه در حالی است که معمولا در فایل های پرسنلی و رزومه کارکنان حجم زیادی از داده های بلا استفاده که می تواند در چنین شرایطی راهگشا باشند، نهفته است.
در حالیکه در این حجم داده ها، الگوها و روابط بسیار جالبی میان پارامترهای مختلف به صورت پنهان باقی می ماند. داده کاوی یکی از پیشرفت های اخیر در حوزه کامپیوتر برای اکتشاف عمیق داده هاست. داده کاوی از اطلاعات پنهانی که برای برنامه ریزی های استراتژیک و طولانی مدت می تواند حیاتی باشد پرده برداری میکند - خائف الهی و همکاران،. - 1386
لذا با نگرشی به این تکنیک موثر، مسأله اصلی پژوهش جاری، افزایش روزافزون نقل و انتقالات وتمایل به جابجائی کارکنان از واحدهای عملیاتی و فنی به ستاد و واحدهای غیرعملیاتی و ارایه راه حلی جهت بکارگیری از این داده های ارزشمند به منظور حفظ و نگهداشت نیروی انسانی و کاهش نرخ جابجایی آنان است. در این مطالعه، بر جایگزینی اختیاری تاکید شده است. مطالعه فعلی بر بالا بودن نرخ جایگزینی از سال 1390 در شرکت بهره برداری نفت و گاز کارون از شرکتهای تابعه شرکت ملی نفت ایران در اهواز تمرکز دارد.
گرایش به جایگزینی حاصل عدم رضایت از کار، نوع نگرش به جایگزینی، یافت مشاغل بهتر و دسترسی به سایر مشاغل است که خود حاکی از آن است که هدف مورد پیش بینی در رفتار جایگزینی را میتوان از طریق مطالعه روند جایگزینی تعیین کرد. با توجه به تحقیقات میدانی صورت گرفته عوامل خروج نیروها از واحدهای عملیاتی به واحدهای غیرعملیاتی مسائلی همچون تعدیل مدارک تحصیلی ماخوذه حین خدمت کارکنان در رشته های غیرمرتبط با عملیات، سن، پایه شخصی، ضعف زیرساخت های شهری و پرداخت ها معرفی شدند.
همواره باید به این نکته ظریف توجه داشت که مفهوم ترک شغل یا ترک سازمان با مفهوم تمایل به ترک شغل یا ترک سازمان تفاوت مهم وجود دارد و سازمان بایستی دغدغه اساسی اش این باشد که امکان تمایل و گرایش به ترک شغل یا سازمان و جابجائیهای نامناسب را در درون خود به حداقل برساند که بررسی دقیق این عوامل مهم در حیطه نگرشهای شغلی و اقدامات در جهت تعهد سازمانی می باشد و پیگیریهای پژوهشی و مطالعاتی را میطلبد.
-2 بیان مساله و تعاریف
محققان در گذشته فرآیند جایگزینی را به دو دسته تقسیم میکردند: »جایگزینی اختیاری« که میتواند فردی و جمعی باشد و »جایگزینی اجباری« که میتواند به دلایلی مثل بازنشستگی، مرگ، استخدام نامناسب و یا ادغام باشد. دالتون1، تودور2 و کرکهاردت - 1982 - 3 جایگزینی را بر حسب وظایف سازمان دسته بندی میکنند. بر این اساس جایگزینی اختیاری خود به دو دسته جایگزینی کارکردی و جایگزینی غیر کارکردی تقسیم میشود. اکثر مطالعات سازمانی بیشتر به جایگزینی غیر کارکردی توجه میکنند.
بالا بودن نرخ جایگزینی و تعداد درخواستهای استعفا تاثیر بسیاری بر عملکرد سازمان میگذارد. پورتر4 و استیرس - 1973 - 5 نشان دادند که گرایش به جایگزینی یک پدیده رفتاری بوده که به هنگام تجربه شرایط نارضایتبخش توسط کارمند به وجود میآید. موبلی - 1977 - 6 نشان داد که گرایشات فردی در جایگزینی یکی از عوامل تعیین کننده در این رفتار است. با وجود این، تحقیقات موبلی و همکاران او در سال 1978 نشان میدهد که گرایش به جایگزینی حاصل عدم رضایت از کار، نوع نگرش به جایگزینی، یافت مشاغل بهتر و دسترسی به سایر مشاغل است که خود حاکی از آن است که هدف مورد پیش بینی در رفتار جایگزینی را میتوان از طریق مطالعه روند جایگزینی تعیین کرد - . - Chin-Yuan et al, 2012
-3 پیشینه تحقیق
احمد علی خائف الهی و همکاران - - 1386، تاثیر بکارگیری مدل استخدام مبتنی بر داده کاوی را بر نرخ جابجایی کارکنان مورد بررسی قرار دادند. این مطالعه، با هدف طراحی یک مدل داده کاوی مبتنی بر درخت تصمیم و ایجاد الگویی مناسب به منظور استفاده کاربردی از فن داده کاوی، تلاش نموده است تا یک ساختار مبتنی بر الگوریتم CHAID برای داده کاوی منابع انسانی ارایه نماید تا امکان استخراج ارتباط بین پروفایل کارکنان و پیشگویی رفتار آنها را فراهم آورد.
چن و همکاران - 2008 - ، پژوهشی را با استفاده از تجزیه تحلیل درخت تصمیم و استخراج قوانین انجمنی بر روی داده های منابع انسانی به منظور استخراج روابط بین پروفایلهای پرسنل و رفتارهای سازمانی انجام دادند. در این پژوهش عمده دلایل جابجائی فشار، کشش عوامل خارجی، مسائل پرسنل و طرح های شرکت عنوان شد. عادل آذرو همکاران - 2010 - ، مدلی را با استفاده از دادهکاوی برای انتخاب نیروی انسانی ارائه دادند. تکنیک دادهکاوی مورد استفاده در این پژوهش، درخت تصمیم گیری است و استخراج قواعد نیز با استفاده از الگوریتم های CART، C5. 0 ، CHAID، QUEST انجام شده است.
در نهایت ضمن ارایه مدلی جهت انتخاب متغیرهای تاثیرگذار، متغیر هدف و الگوریتمهای مناسب، از بین قواعد بهدست آمده، قواعد غیربدیهی مشخص و علت وجود این قواعد با کمک خبرگان تبیین شد. چن یان- فان7 و همکاران - - 2012 روند جایگزینی متخصصان حوزه تکنولوژی در شرکتهای مطرح تایوانی را مورد بررسی قرار دادند. نتایج حاصل از این مطالعه نشان میدهد که جایگزینی کارکنان بیشتر به خاطر دلایلی چون عدم وجود وفاداری، رهبری و مدیریت مناسب صورت میگرفت. با استفاده از اعتبار سنجی متقابل مشخص شد که دقت خوشه بندی برابر با %92,7 است.
این مطالعه از تحلیل خوشهای برای داده کاوی و یادگیری ماشین به منظور پیش بینی روند جایگزینی متخصصان حوزه فناوری استفاده میکند که شامل شبکه عصبی مصنوعی هیبرید و تحلیل خوشهای میشود که تحت نقشه خود سازماندهی 8 - SOM - نیز شناخته میشوند. امیر محمد اسماعیلیسیکارودی9 و همکاران - - 2015، تحقیقی بر روی پیش بینی جابجایی شغلی کارکنان شرکت خودروسازی اراک با رویکرد داده کاوی انجام دادند. آنها ازنوع شبکه عصبی PNNو SVM، RF وNB و تکنیک CART استفاده کردند.
همچنین برای بدست آوردن بهترین همسایگی از روش KNN و برای استخراج قوانین از درخت تصمیم استفاده کردند. همچنین برای ارزیابی نتایج از روش K-fold cross استفاده شده است. روش K-fold cross داده ها را به K مجموعه به شکل تصادفی تقسیم میکند که 1 قسمت برای آموزش وK-1 قسمت برای تست دادهها استفاده میشود. در این تحقیق ارزیابی 10-fold cross مورد استفاده قرار گرفت.
