Employee turnover prediction using machine learning based methods
Makine öğrenimi tabanlı yöntemlerle çalışanların işten ayrılma tahmini
- Tez No: 368843
- Danışmanlar: DOÇ. DR. PINAR KARAGÖZ, DR. BERKANT BARLA CAMBAZOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Personellerin işten ayrılması birçok şirket için önemli bir problemdir. Çünkü bu durum işe alım maliyetleri, fazla mesai ücretleri, düşük verimlilik gibi yeni sorunları da beraberinde getirir. Bu nedenle işten ayrılmaları önlemek ya da en aza indirmek insan kaynakları yönetimi alanında büyük önem taşıyan bir meseledir. Bu noktada iş bırakmaların önceden tahmini yakın gelecekteki olası personel kayıplariyla ilgili erkenden bilgi vermesi açısından önemli bir role sahiptir, bu sayede şirketler bu durum karşısında önlemlerini alabilirler. Yaptığımız tez çalışmasında bu problem üzerinde yoğunlaşılarak çalışanların mevcut işlerini belli bir zaman diliminde bırakıp bırakmayacağı tahmin edilmeye çalışılmıştır. İkili sınıflandırma problemi olan bu problem gözetimli makine öğrenimi problemi olarak ifade edilip formülleştirilmiştir. Bu çalışmada Web üzerinden erişilebilir mevcut çalışan profillerinden ve bu profillerden oluşturulan iş geçiş/değiştirme ağlarından faydalanılmıştir. Çalışmamızın bahsi geçen probleme olan en büyük katkısı Web üzerinden erişilebilir çalışan ve kurum temel bilgileriyle beraber çalışanların iş geçişlerinin oluşturulup problemin çözümü için kullanılıyor olmasıdır. Şimdiye kadarki işten ayrılma tahmini yapan modellerin çoğu istatistiksel yöntemlerle ya da veri analizi teknikleriyle oluşturulmuşlardır. Aynı zamanda bu modeller çalışanların yaşı, etnik kökeni, çalıştığı şirkette işindeki performansı ya da çalışan memnuniyeti anketindeki sonuçları gibi daha detaylı, Web üzerinden doğrudan erişilemeyen özellikleri kullanarak oluşturulmuşlardır. Bu anlamda iş geçişlerini ve makine öğrenimi yöntemlerini kullanarak çalışanların işten ayrılma tahminlerini yapan başka bir çalışma bulunamamıştır. İş geçişleri ağı analizi ve bu ağlardan çıkarılan ilgili özellikler yardımıyla yıl ve zaman dilimi parametreleri değiştirilerek birçok makine öğrenimi modeli oluşturulmuştur. Oluşturulan birçok model ile değişik yıllardaki çalışan profilleri üzerinde yapılan deneyler bu tez çalışmasında önerilen modellerin referans olarak kabul ettiğimiz, baz aldığımız degişik temellere göre önemli ölçüde tahmin etme yeteneği olduğunu göstermektedir.
Özet (Çeviri)
Employee turnover is a major problem for many companies because it brings with new issues including hiring costs, overtime costs, low productivity. Hence, preventing or reducing turnovers is a challenging task in human resource management field. At this point, employee turnover prediction plays an important role in providing early information for highly probable turnovers in near future that enables companies to take precautions against this situation. In this thesis, we work on this problem to predict whether an employee will leave his/her company within a certain time period. We formulate this binary classification problem as a supervised machine learning problem. Our study exploits publicly available employee profiles taken from the Web and job transition graphs extracted from these profiles. Main contribution of our study on predicting turnovers is the forming and use of job transitions of employees as well as the publicly available information about employees and institutions. So far, most of the turnover prediction models are built with the statistical methods or data analysis techniques and they make use of detailed employee information like age, race, job performance in company or job satisfaction survey results. To the best of our knowledge, this is the first study on predicting turnovers using job transitions and machine learning methods. With the help of job transition graph analysis and relevant features extracted from the graphs, many machine learning models under the change of year and time period parameters are composed. Several experiments with several models on different years' employee profiles indicate that our proposed models have considerably predictive capabilities compared to different baselines.
Benzer Tezler
- Çalışan kaybının makine öğrenmesi yöntemleri ile tahminlemesi
Predicting employee attrition with machine learning methods
ÇETİN KAYA
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiOSTİM TEKNİK ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ŞİMŞEK
- Veri madenciliği ile çalışanların yıpranma durumu tahmini ve kapsamlı performans analizi
Employee attrition prediction and comprehensive performance analysis with data mining
ÖZLEM YÜREKLİ
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriSelçuk ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. İLKNUR ÇEVİK TEKİN
- Makina öğrenmesi algoritmaları ile işgören çalışma sürelerinin tahmin edilmesi
Predicting employee work durations using machine learning algorithms
RABİA BÜŞRA ARIKAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiPamukkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZCAN MUTLU
- Yapay sinir ağları ve destek vektör makineleri ile kemik erimesinin teşhisi
Diagnosis of osteoporosis using artificial neural networks and support vector machines
MUSTAFA İSTANBULLU
Yüksek Lisans
Türkçe
2013
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT
- Psikolojik tacizin çalışanların tutumlarını belirlemedeki rolü
The role of mobbing on determine the attitudes of employees
KIYMET SARIAL
Yüksek Lisans
Türkçe
2015
İşletmeBahçeşehir Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. DORUK UYSAL IRAK