مدل پیش بینی جذب افراد توانمند با استفاده از شبکه عصبی چندلایه مطالعه موردی کاریابی های استان مازندران

با توجه به اهمیت تصمیم گیری مبتنی بر داده در حوزه منابع انسانی در این پژوهش از یکی از تکنیک های هوش مصنوعی، یعنی شبکه عصبی چندلایه برای پیش بینی و ارزیابی موفقیت جذب کارجویان پرداخته است. هدف اصلی مطالعه، شناسایی عوامل موثر بر موفقیت جذب و ارائه مدلی دقیق برای پیش بینی احتمال جذب افراد توانمند در شرکت ها می باشد. پژوهش از نوع کمی و کاربردی است. داده های واقعی مربوط به ۱۴۴ کارجوی ثبت نام شده در کاریابی های استان مازندران شامل ویژگی های فردی، تحصیلی، مهارت های فنی و نرم، سابقه کاری، انطباق اهداف شغلی و تطابق فرهنگی با سازمان ها گردآوری شد. داده ها پس از پیش پردازش به دو بخش آموزش (۱۱۵ نمونه) و آزمون (۲۹ نمونه) تقسیم شدند. چهار الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، جنگل تصادفی، شبکه عصبی چندلایه (ML) و گرادیان بوستینگ با استفاده از روش Randomized Search CV بهینه سازی شدند. ارزیابی مدل ها بر اساس شاخص های دقت، دقت پیش بینی، یادآوری و F۱-score انجام گرفت. نتایج نشان داد مدل شبکه عصبی چندلایه (ML) با دقت ۰.۸۶۲ و F۱-score برابر ۰.۹۰۹ بهترین عملکرد را در میان مدل های مورد بررسی داشته است. تحلیل ها نشان داد که انطباق مهارت ها، اهداف شغلی و سابقه کاری با الزامات شغل نقش تعیین کننده ای در موفقیت جذب دارند. به طور کلی، نتایج این پژوهش اهمیت رویکرد داده محور در شایسته گزینی و نقش هوش مصنوعی در بهبود تصمیم گیری های استخدامی را تایید می کند.

کلیدواژه ها:

یادگیری ماشین ، هوش مصنوعی ، افراد توانمند ، جذب ، بکارگیری