مقاله انگلیسی مدیریت ترجمه شده داده کاوی حوزه محور در مدیریت منابع انسانی: مروری بر تحقیقات اخیر

دسته بندی:

قیمت: 120,000 ریال

تعداد نمایش: 450 نمایش

ارسال توسط:

خرید این محصول:

پس از پرداخت لینک دانلود برای شما نمایش داده می شود.

سال نشر: ۲۰۱۳

تعداد صفحه انگلیسی:۱۱

تعداد صفحه ترجمه فارسی: ۲۹  صفحه word

(دانلود رایگان مقاله انگلیسی)

کد محصول:M457

عنوان فارسی:

مقاله انگلیسی مدیریت ترجمه شده داده کاوی حوزه محور در مدیریت منابع انسانی: مروری بر تحقیقات اخیر

عنوان انگلیسی:

Domain driven data mining in human resource management: A review of current research

چکیده فارسی:

تعداد رو به افزایش مقالات مرتبط با داده کاوی در زمینه مدیریت منابع انسانی (HRM) روشن می کند که حضور یک زمینه تحقیقاتی جدید در حال جریان یافتن است. مقاله حاضر این تحقیقات را در زمینه داده کاوی منابع انسانی برای روشن کردن سیستماتیک پیشرفت های اخیر و پیشنهاد زمینه هایی برای کار بیشتر مرور می کند. بر مبنای رویکرد داده کاوی حوزه محور (دامنه محور)، یک چارچوب اولیه با نیازهای خاص حوزه، تشریح شده است. تحقیقات مرتبط شناسایی شده و در پیش زمینه این چارچوب مورد بررسی قرار گرفته اند. این مرور آشکار می کند که HRM یک حوزه قابل توجه از تحقیقات داده کاوی را که بوسیله کار روش­مند و تکنولوژی محور کنترل می شود، تشکیل می دهد. با اینحال، نیازهای حوزه محور، از قبیل ارزیابی موفقیت حوزه یا مطابقت با استانداردهای قانونی، در تحقیق حاضر مدنظر     نبوده­اند. بنابراین، توجه منظم به نیازهای حوزه محور در اینجا روشن شده تا کاربردهای معنی داری برای تحقیقات آینده در زمینه داده کاوی در HRM ایجاد کند.

واژگان کلیدی: داده کاوی، مدیریت منابع انسانی، مرور ادبیات، داده کاوی حوزه محور (دامنه محور)، داده کاوی منابع انسانی، مدیریت منابع انسانی الکترونیکی (e-HRM)

۱٫مقدمه

داده کاوی به فرایند مهمی از شناسایی الگوهای جدید، بالقوه مفید و معتبر در داده بر می گردد (فیاد، پیاتتسکای- شاپیرو، و اسمیت، ۱۹۹۶). مجموعه گسترده ای از حوزه های کاربردی در داده کاوی و حوزه های تحقیقاتی مشابه وجود دارد، که شامل حوزه مدیریت با زمینه های فرعی تازه، مانند مدیریت مشتری (مثل انگای، زیو، و چائو، ۲۰۰۹)، مدیرت تولید (مانند چادهاری، هاردینگ، و تیواری، ۲۰۰۸) یا مدیریت مالی (مانندانگای، هو، وونگ، چن، و سان، ۲۰۱۱) می باشد. اخیرا، این زمینه های فرعی بوسیله مدیریت منابع انسانی کامل شده اند (HRM). در سالهای اخیر، یک رشد سریع در تعداد تحقیقاتی که قصد دارند از داده کاوی کاربردی در مدیریت منابع انسانی حمایت کنند بوجود آمده است. کارهای تحقیقاتی به فعالیت های مختلف HRM و فرایندهایی از قبیل انتخاب کارمندان (آیولی، د فیلیپو، و اسپردوتی، ۲۰۰۹) و پیش بینی چرخش کارمندان (اواید و روی، ۲۰۱۱) در عملکرد گزینش، اثبات رقابت های کارکنان (ژو، گونکالوز، اورن، موتا، و پاچکو، ۲۰۰۵) و برنامه ریزی شغلی (لوکامی و سرویس، ۲۰۱۱) در عملکرد توسعه، برنامه ریزی هزینه های منابع انسانی (جوان، ۲۰۰۹) و پیش بینی پذیرش پاداش مجزا (رامش، ۲۰۰۱) در عملکرد حقوق و دستمزد، و پیش بینی (تیسن- رو، ۲۰۰۵) و ارزیابی (ژائو، ۲۰۰۸a,b) عملکرد کارکنان در عملکرد مدیریت کارکرد بر می گردد. برای پشتیبانی از این عملکردها، گستره کامل روش های داده کاوی- درخت تصمیم (سیوارام و رامار، ۲۰۱۰)، تحلیل خوشه (کاراهوکا، کاراهوکا، و کایا، ۲۰۰۸)، تحلیل وابستگی (ژانگ و دنگ، ۲۰۱۱)، ماشین های بردار پشتیبانی (لی، زو، و منگ، ۲۰۰۹) و شبکه های عصبی (نینگ، ۲۰۱۰)- بکارگرفته شده اند، در حالیکه پیشرفت های روش شناختی و نوآوری هایی هم ارائه شده اند (گوناواردن، ساباشینی، بورالسا، و پرماران، ۲۰۱۰). به طور خلاصه، مرور ادبیات روشن می کند که یک زمینه موفقیت آمیز جدید از تحقیقات داده کاوی هست که دیدگاه های وسیعی را در چگونگی ایجاد اطلاعات پیشرفته و پشتیبانی تصمیم در حوزه منابع انسانی فراهم می آورد.

این مقاله اولین مرور ادراکی از این زمینه تحقیقاتی جدید است و پیشنهاد می کند که پیشرفت های جدیدی صورت گرفته و امور دیگری را برای تحقیقات آینده پیشنهاد داده است. با توجه به وجود شبهه در زمینه توانایی تحقیقات داده کاوی معمولی برای جوابگویی به نیازهای عملی و نیاز به تحقیقات داده کاوی مرتبط (آدجووون و موسوی، ۲۰۱۰؛ کائو، ۲۰۱۰؛ کائو و ژانگ، ۲۰۰۷؛ پورونن و پچنیزکی، ۲۰۱۰؛ ویس، ۲۰۰۹)، مفهوم داده کاوی حوزه محور (آدجووون و موسوی، ۲۰۱۰؛ کائو، ۲۰۱۰؛ کائو و ژانگ، ۲۰۰۷؛ وانگ و وانگ، ۲۰۰۹) بعنوان یک چارچوب مرجع برای مرور در نظر گرفته شده است.

برای انجام یک مرور منظم، روش شناسایی تحقیقات مرتبط تشریح شده و یک چارچوب اولیه از تحقیقات داده کاوی حوزه محور در منابع انسانی مستند شده است. در ادامه، این چارچوب برای مرور منظم تحقیقات انجام شده و ایجاد کاربردهایی برای تحقیقات آینده بکار گرفته شده است.

پاسخ دهید