بررسی الگوریتمهای داده‌کاوی در پیش‌بینی سمت شغلی کارکنان و پیشنهاد الگوریتم مناسب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد دانشگاه امنیت ملّی

2 استادیار دانشگاه امنیت ملی

3 دانشجوی کارشناسی ارشد دانشگاه امنیت ملی

چکیده

انتخاب افراد شایسته  و برخوردار از توانمندی‌های لازم جهت پست‌های کلیدی و توجه به اصل شایسته‌سالاری در توزیع قدرت و تقسیم وظایف و مسئولیت‌ها میان نخبگان جامعه، افزون بر آنکه در رشد، پیشرفت و ثبات کشور مؤثر است، از رموز موفقیت و ماندگاری زمامداران به‌حساب می‌آید. انتخاب افراد شایسته در نظام اداری شیوه‌ای از مدیریت است که در آن کارکنان به جهت توانایی و شایستگی‌های فردی به‌کارگیری می‌شوند. هدف این پژوهش، بررسی سمت شغلی کارکنان شاغل در سپاه پاسداران انقلاب اسلامی بر اساس ویژگیهای فردی و نیز استفاده از داده‌کاوی  به‌منظور پیشبینی  سمت شغلی کارکنان جدید است. جهت پیش‌بینی سمت شغلی هر یک از کارکنان، پس از طی مراحل پیش‌پردازش، مشخصات کارکنان به‌صورت نظارت‌یافته مبتنی بر پنج الگوریتم یادگیری ماشین  فرا گرفته‌شده است و پس از تحلیل و بررسی، میزان دقت و صحت هر یک از این الگوریتم‌ها برای استفاده در یک سیستم توصیهگر ، مقایسه شده است. الگوریتم درخت تصمیم به میزان 97.90 درصد دقت طبقه‌بندی، بهترین الگوریتم داده‌کاوی در یک سیستم توصیهگر برای پیش‌بینی پست مناسب هر یک از کارکنان، معرفی شده و الگوریتم نیوبیزین نیز با همین مبنا نامناسب‌ترین الگوریتم برای این منظور است. ارزش پژوهش حاضر در این است که بر اساس اطلاعات، ویژگی‌ها و شایستگی‌های فردی، سمت شغلی کارکنان حاضر و یا جدیدالورود را تعیین می‌کند که در این رویکرد رابطه بر تخصص، تحصیلات و یا سایر ویژگی‌های مهم فردی ارجحیت ندارد. همچنین استفاده از الگوریتم های مطرح در این مقاله منجر به سازماندهی بهینه و کارآمد کارکنان می شود طوریکه هر فرد با کمترین خطا در مناسب ترین شغل ممکن سازماندهی میشود.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating data mining algorithms in predicting the Job position of personnel and proposing appropriate algorithm

نویسندگان [English]

  • Hamid Parsa 1
  • Mohammad Akkafan 2
  • Mehdi Tajoddin 3
1 M.A. student at National defense University
2 Assistant Professor at National defense University
3 M.A. in Political Science at National defense University
چکیده [English]

Selection of decent and capable individuals for key positions and attention to the principle of merit selection in the distribution of power and division of duties and responsibilities among the elites of society, in addition to contributing to the growth, progress and stability of the country, is a code of the success and survival of the rulers. Choosing the decent individuals in the administrative system is a form of management in which personnel are employed for their individual competence and merits. The purpose of this study is to investigate the job position of employed personnel of the Islamic revolutionary guard corps (IRGC) based on individual characteristics as well as the use of data mining to predict the job position of new employees. For predicting the job position of each employee, after preprocessing steps, personnel's characteristics are supervised based on five machine learning algorithms and after analyzing them, the accuracy of each one of these algorithms is compared to be used in a recommender system. The decision tree algorithm is introduced with 97/90% classification accuracy as the best data mining algorithm in a recommender system for predicting the appropriate post of each employee, and also, on that basis, the Naive Bayes algorithm is the most inappropriate algorithm for this purpose. The value of the present study is that based on personal information, characteristics and competencies, determines the job position of current or new personnel and in this approach, relation is not preferred over specialty, education or other important individual characteristics. Also, utilizing algorithms that are mentioned in this article leads to optimal organization of personnel in a way that each person would be organized in the most appropriate Job position with the least error.

کلیدواژه‌ها [English]

  • Prediction
  • Data Mining
  • Recommender System
  • Competency
  • Machine Learning