پیش بینی ترک خدمت کارمندان با روش یادگیری ماشین گروهی و الگوریتم ژنتیک

چکیده مقاله

ترک خدمت کارکنان یکی از چالش های اساسی در سازمان ها است که می تواند تاثیر چشمگیری بر بهره وری و پایداری آن ها داشته باشد در این پژوهش، با هدف پیش بینی ترک خدمت کارکنان، از الگوریتم یادگیری ماشین گروهی Catboost استفاده شده است تحلیل داده ها نشان داد که مجموعه داده دارای عدم تعادل در کلاس ها است؛ به طوری که تعداد افرادی که ترک خدمت نکرده اند بسیار بیشتر از کسانی است که سازمان را ترک کرده اند این عدم تعادل می تواند بر عملکرد مدل تاثیرگذار باشد و نیاز به تکنیک های متعادل سازی داده دارد مدل یادگیری ماشین مورد استفاده صحت ۹۳ ۲۱ % را در پیش بینی داشت که نشان دهنده توانایی بالای مدل در شناسایی الگوهای داده است تحلیل SHAP نیز نشان داد که متغیرهایی مانند اضافه کاری، سال های همکاری با مدیر فعلی، رضایت شغلی، تعادل کار و زندگی و فاصله از محل کار تا خانه از مهم ترین عوامل تاثیرگذار بر ترک شغل هستند در نتیجه، این مطالعه نشان داد که یادگیری ماشین می تواند ابزار قدرتمندی در پیش بینی ترک شغل باشد و با درک عوامل تاثیرگذار، امکان بهبود شرایط کاری و افزایش پایداری نیروی انسانی را فراهم کند

کلیدواژه‌ها

نویسندگان

شکوفه صادقی

کارشناسی ارشد مدیریت بازرگانی، دانشگاه آزاد اسلامی قشم، قشم، ایران

امیرحسین اسمعیل پور

گروه مهندسی صنایع، دانشکده فنی، دانشگاه خوارزمی، تهران، ایران

پریوش صادقی

کارشناسی مدیریت بازرگانی، دانشگاه آزاد اسلامی فیروزآباد، شیراز، ایران

احسان گلچین

گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه خوارزمی، تهران، ایران

�سمعیل پور، امیرحسین و گلچین، احسان،1403،پیش بینی ترک خدمت کارمندان با روش یادگیری ماشین گروهی و الگوریتم ژنتیک،دوازدهمین کنفرانس بین المللی مطالعات بین رشته ای در مدیریت و مهندسی،تهران

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی مطالعات بین رشته ای در مدیریت و مهندسی25 اسفند 1403 · تهران