İşgören Seçiminde İnsan Kaynakları Analitiği (İKA) Yaklaşımının Kullanılması

Amaç – Bu çalışmanın temel amacı, ulusal literatürdeki boşluğu doldurmak için, çalışanların seçimine yönelik sınıflandırma tahmininde insan kaynakları analitiği yöntemlerinin nasıl uygulanabileceğini bir vaka üzerinde göstermektir. Yöntem – Sınıflandırma tahmin yöntemlerinden rassal orman, gradyan artırımlı karar ağacı (GBT), lojistik regresyon, KNN ve naif bayes yöntemleri kullanılmış, yeni aday sınıf etiketleri ise gradyan artırımlı karar ağacı yöntemi kullanılarak tahmin edilmiştir. Bulgular – Sözü edilen yöntemlerin vaka özelinde yakın sonuçlar verdiği görülmüştür. GBT yöntemi tercih edilerek işgören seçimi kriterlerinin göreceli ağırlıkları elde edilmiştir. Ar-Ge birimi için genel yetenek testi en belirleyici kriter olurken başvuru kanalı, sertifika sayısı, cinsiyet ve eğitim seviyesinin adayın uygunluğunun belirlenmesinde çok ciddi bir ayrım yapmadığı görülmüştür. Tartışma – İşgören seçiminde elde edilen sonuçların uluslararası literatürdeki benzer çalışmalarla uyumlu olduğu görülmüştür. Seçilen öznitelikler ile yapılan modellemede, işgören seçim kriterlerinin farklı ağırlıklarla sınıflandırma başarısına etki ettiği ve bu kriterlerin Ar-Ge biriminin doğasına uygun olarak konumlandığı şeklinde yorumlanmıştır. Bununla birlikte Türkiye’de faaliyet gösteren işletmelerin İK veri setleri kullanılarak Türkiye bağlamında işgören seçim sürecinin görünümüyle ilgili çalışmaların yapılabileceği değerlendirilmiştir.

The Use of Human Resources Analytics Approach in Employee Selection

Purpose – The main purpose of this study is to show how human resources analytics methods can be applied in classification prediction for the selection of employees on a case to fill the gap in the national literature. Design/methodology/approach – Random Forest, GBT, logistic regression, KNN and Naive Bayes methods were used among the classification prediction methods. The classification labels of employee candidates were estimated using the gradient incremental decision tree method. Findings – It has been observed that the afore mentioned methods gave close results on a case-bycase basis. The relative weights of the employee selection criteria were obtained by choosing the GBT method. For the R&D department appliciants' suitability, while general aptitude test has been the most significative criteria; reference channel, number of certificates, gender and the education level have not made a serious distinction. Discussion – It is seen that the results obtained in employee selection are similar to the ones in international literature. The modelling made with the attributes selected, the criteria of employee selection affects the classification success in various weight and the criteria are located in accordance with the nature of the R&D department. However, it is evaluated that by using the HR datasets of the companies in Turkey, further studies can be done on the appearance of the employee selection process in the context of Turkey

___

  • Akyurt, Ö. Ü. H. (2019). Analitik hiyerarşi seçim yöntemi ile otel personeli seçimi kriterlerinin değerlendirilmesi: Giresun ili örneği, IBAD Sosyal Bilimler Dergisi, 64-78.
  • Chien, C. F., & Chen, L. F. (2008). Data mining to improve personel selection and enhance human capital: A casestudy in high-technology industry, Expert Systems with Applications, 34(1), 280-290.
  • Çalık, E. & Demir, K. (2020). İnsan Kaynakları Analitiği, Modelleme ve Örnek Uygulamalarla. Nobel Bilimsel Eserler.
  • Demirci, A. E.& Kılıç, H. S. (2019). Personnel selection based on integrated multi-criteria decision-making techniques, International Journal of Advances in Engineering and Pure Sciences, 31(2), 163-178.
  • Fitz-enz, J. (2010). The New HR Analytics: Predicting The Economic Value of Your Company’s Human Capital Investments. American Management Association.
  • Fitz-enz, J., & Mattox, J. R. (2014). Predictive Analytics for Human Resources. John Wiley&Sons.
  • Güngör, Z., Serhadlıoğlu, G., & Kesen, S. E. (2009). A fuzzy AHP approach to personnel selection problem. Applied Soft Computing, 9(2), 641-646.
  • Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (Seventh). Pearson.
  • Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques (Third Edit). Elsevier.
  • Handa, D., & Garima. (2014). Human resource (HR) analytics: Emerging trend in HRM. Internatıonal Journal Of ResearchIn Commerce & Management, 5(6), 59–62.
  • Hastie, T., Tibshirani, R., Friedman, J., Hastie, T., Friedman, J., & Tibshirani, R., (2009). The Elements of Statistical Learning. Springer.
  • HR Analytics calssification, Veriseti, (2020). https://www.kaggle.com/bhrt97/hr-analytics-classification, Erişim Tarihi: 10.06.2020.
  • Isson, J. P., & Harriott, J. S. (2016). People Analytics in the Era of Big Data- Changing the Way You Attract, Acquire, Develop, and Retain Talent. John Wiley&Sons.
  • Jantan, H., Hamdan, A. R., & Othman, Z. A. (2009). Potential data mining classification techniques for academic talent forecasting, Ninth International Conference on Intelligent Systems Design and Applications, 1173-1178, IEEE.
  • Jantan, H., Hamdan, A. R., & Othman, Z. A. (2011). Towards applying data mining techniques for talent management, International Conference on Computer Engineering and Applications, IPCSIT, Vol 2.
  • Jantan, H., Hamdan, A. R., & Othman, Z. A. (2011). Talent knowledge acquisition using data mining classification techniques, 3rd Conference on Data Mining and Optimization (DMO), 32-37, IEEE.
  • Jasemi, M., Ahmadi, E. (2018). A new fuzzy ELECTRE based multiple criteria method for personnel selection, Scientia Iranica, 25(2), 943-953.
  • Korkmaz, O. (2019). Personnel selection method based on TOPSIS multi-criteria decision making method, Uluslararası İktisadi ve İdari İncelemeler Dergisi, (23), 1-16.
  • Krishankumar, R., Premaladha, J., Ravichandran, K. S., Sekar, K. R., Manikandan, R., & Gao, X. Z. (2020). A novel extension to VIKOR method under intuitionistic fuzzy context for solving personel selection problem, Soft Computing, 24(2), 1063-1081.
  • Kuşakcı, A. O., Ayvaz, B., Öztürk, F., & Feyza, S. O. F. U. (2019). Bulanık MULTIMOORA ile personel seçimi: Havacılık sektöründe bir uygulama, Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 8(1), 96-110.
  • Malisetty, S., Archana, R. V, & Kumari, K. V. (2017). Predictive analytics in HR management. Indian Journal of Public Health Research & Development, 8(3), 115.
  • Mishra, S. N., Lama, D. R., & Pal, Y. (2016). Human resource predictive analytics (HRPA) for HR management in organizations. International Journal of Scientific&Technology Research, 5(5), 33–35.
  • Özkan, Y. (2016). Veri Madenciliği Yöntemleri (3. Basım). Papatya Bilim Yayıncılık.
  • Pessach, D., Singer, G., Avrahami, D., Ben-Gal, H. C., Shmueli, E., & Ben-Gal, I. (2020). Employees recruitment: A prescriptive analytics approach via machine learning and mathematical programming." Decision Support Systems, Volume 134, 113290
  • Ployhart, R. E., Schmitt, N., & Tippins, N. T. (2017). Solving the supreme problem: 100 years of selection and recruitment at the journal of applied psychology. Journal of Applied Psychology, 102(3), 291.
  • Salehi, K. (2016). An integrated approach of fuzzy AHP and fuzzy VIKOR for personel selection problem, Global Journal of Management Studies and Researches, 3(3), 89-95.
  • Shehu, M. A., & Saeed, F. (2016). An adaptive personel selection model for recruitment using domain-driven data mining, Journal of Theoretical and Applied Information Technology, 91(1), 117.
  • Shehu, V. & Besimi, A. (2018). Improving employee recruitment through data mining, World Conference on Information Systems and Technologies, Springer, Cham, 194-202.
  • Silahtaroğlu, G. (2013). Veri Madenciliği Kavram ve Algoritmaları (3. Basım). Papatya Bilim Yayıncılık.
  • Vatansever, K., & Oncel, M. (2014). An implementation of integrated multi-criteria decision making techniques for academic staff recruitment, Journal of Management Marketing and Logistics, 1(2), 111-126.
  • Vinchur, A. J., & Bryan, L. L. K. (2012). A history of personnel selection and assessment. The Oxford handbook of personnel assessment and selection, 9-30.
İşletme Araştırmaları Dergisi-Cover
  • ISSN: 1309-0712
  • Yayın Aralığı: Yılda 4 Sayı
  • Başlangıç: 2009
  • Yayıncı: Melih Topaloğlu
Sayıdaki Diğer Makaleler

Influencer Pazarlaması Kullanımının Tüketicilerin Satın Alma Niyetine Etkisi: Instagram Influencerları Üzerine Bir Araştırma

Hamit ERDOĞAN, Burcu MUCAN ÖZCAN

Dindarlık, Tutum ve Davranışsal Niyetler Arasındaki İlişkinin İncelenmesi: Almanya’daki Müslüman Tüketicilerin Helal Gıda Etiketli Ürünlere Yönelik Algılarının VAB Modeli İle İncelenmesi

Bülent DEMİRAĞ, Sinan ÇAVUŞOĞLU, Kazım DAĞ

Yiyecek İçecek İşletmelerinde Hizmet Kalitesinin Müşteri Vatandaşlık Davranışına Etkisi: İstanbul Örneği

Nihan YARMACI, Edanur KEFELİ

Bilecik Organize Sanayi Bölgesinde Bulunan İşletmelerin Endüstri 4.0 Acısından Durum Değerlendirmesi

Cemalettin HATİPOĞLU, Tuğba TUNACAN

Prosedürel Adalet Algısı ve Örgütsel Özdeşleşme Arasındaki İlişki: Etik Liderliğin Aracılık Rolü

Seval AKSOY KÜRÜ

Tüketici Yakınlığının Ulus Merkezcilik ve Yabancı Ürün Satın Alma Niyeti İlişkisindeki Rolü

Dilara ATAK, Canan ERYİĞİT

Uluslararası Sermaye Hareketliliği İle Sağlanan Yabancı Yatırımcı Oranındaki Değişimin Borsa İstanbul Üzerine Etkisi

Murat ATİK

Etik Liderliğin İş Tatmini ve İşten Ayrılma Niyetine Etkisinde Algılanan Örgütsel Desteğin Aracı Rolü: Kamu Sektöründe Bir Araştırma

Alev SÖKMEN

İşletmelerde Stratejik Yönlülük Boyutları ile Hizmet Yenilik Yeteneği ve Pazar Performansı Arasındaki İlişki: Bir Araştırma

Nurhan PAPATYA, Gürcan PAPATYA, AHMET BUĞRA HAMŞIOĞLU

Sanal Kaytarma Davranışının İş Performansına Etkisinde İşe Bağlılığın Aracı Rolüne Yönelik Bilişim Sektöründe Bir Araştırma

Ahmet Tuncay ERDEM