داده کاوی و نقش آن در توسعه منابع انسانی سازمان های دولت با رویکرد مدی

گسترش سامانه های اطلاعاتی جامع در بدنه دولت منجر به انباشت حجم عظیمی از داده های پرسنلی شده است. با این وجود مدیریت منابع انسانی در بخش عمومی همچنان به شدت در فرایندهای سنتی بوروکراسی مبتنی بر ارشدیت و ارزیابی های ذهنی است. این مقاله با رویکردی توسعه ای کاربردی به بررسی نقش تکنیک های داده کاوی (Data Mining) و علوم کامپیوتر در گذار از مدیریت سنتی به مدیریت منابع انسانی مبتنی بر شواهد می پردازد. در این پژوهش کاربرد الگوریتم های یادگیری ماشین شامل روش های نظارت شده مانند شبکه های عصبی و ماشین بردار پشتیبان و بدون نظارت مانند خوشه بندی k-Means و کاوش قوانین انجمنی در بهینه سازی زیست سیستم های جذب، ارزیابی عملکرد، آموزش و پیشینی ترک خدمت به تفصیل واکاوی شده است. نتایج نشان می دهد که برای بهره برداری از این قدرت محاسباتی سازمان ها نیازمند یک معماری یکپارچه داده و یک چارچوب مدی منسجم هستند تا چالش هایی نظیر سرورهای اطلاعاتی، داده های نو و سوگیری های الگوریتمی را مهار کنند. پیاده سازی این رویکرد ضمن کاهش چشمگیر هزینه های سربار، شفافیت، شایسته سالاری و بهره وری خدمات دولتی را ارتقا می بخشد.

کلیدواژه ها:

داده کاوی ، توسعه منابع انسانی ، الگوریتم های یادگیری ماشین ، مدیریت مبتنی بر شواهد ، معماری اطلاعات ، تحلیل بهینه