İşgören Seçiminde Makine Öğrenmesi ve Çok Kriterli Karar Verme Yöntemlerinin Birlikte Kullanımının Değerlendirilmesi

İşgören seçimi, firmaların işe alım sürecindeki en önemli problemlerinden biridir. Çünkü tek bir pozisyon için çok sayıda başvuru içerisinden doğru adayın seçilebilmesi, uzun bir süreye ve yüksek bir maliyete sebep olmaktadır. Dolayısıyla özellikle işgücü devir oranı yüksek olan sektörlerde faaliyet gösteren ve çok sayıda çalışana sahip firmalar için bu durum, dikkatli yürütülmesi gereken bir süreçtir. Bu bağlamda, işgören seçimde kullanılan klasik yöntemlerde yanı sıra, bu amaçla çok kriterli karar verme (ÇKKV) yöntemleri yaygın olarak literatürde yer bulurken, makine öğrenmesi algoritmaları ile oluşturulan tahmin modellerinin kullanılması da son yıllarda dikkate değer bir şekilde artmaktadır. Bununla birlikte işgören seçiminde ÇKKV ile makine öğrenmesi yöntemlerinin birlikte ele alındığı ulusal bir yayın bulunmazken, uluslararası düzeydeki çalışmalarda ise genel olarak makine öğrenmesi yöntemlerinin ÇKKV yöntemlerinin girdisi şeklinde ele alınmış ancak sonuçlarının karşılaştırılarak kullanıldığı bir çalışmaya rastlanmamıştır. Dolayısıyla, bu çalışma kapsamında işgören seçimi literatürü incelenerek, kuramsal olarak bu iki yaklaşımın işgören seçiminde birlikte nasıl kullanılabileceği sorusu cevaplanmaya çalışılmıştır. Yapılan değerlendirmeler sonucunda, ÇKKV ve makine öğrenmesi yöntemlerinin işgören seçimi problemlerinde 4 farklı alternatif şeklinde kullanılabileceği sonucuna ulaşılmıştır. Dolayısıyla bu alternatif yaklaşımlarla işgören seçiminde hem veri odaklı hem de tahmine dayalı bir yaklaşım iç içe kullanılmış olacaktır. Elde edilen sonuçların bu alandaki araştırmacılara ve işe alım profesyonellerine, işgören seçimi problemlerine yeni bir yaklaşım ile bakabilmelerini sağlaması beklenmektedir.

Evaluating the Combination of Machine Learning and Multi-Criteria Decision Making Methods inEmployee Selection

Employee selection is one of the most important problems in the recruitment process of companies. Because selecting the right candidate among many applications for a single position can cause a long time and a high cost. Therefore, this is a process that needs to be carried out carefully, especially for companies operating in sectors with a high turnover rate and having a large number of employees. In this context, in addition to the classical methods used in employee selection, multi-criteria decision making (MCDM) methods are widely used in the literatüre while the use of prediction models with machine learning algorithms has increased significantly in recent years. However, while there is no national publication in which MCDM and machine learning methods are discussed together in employee selection, in international literature, machine learning methods are generally considered as inputs of MCDM methods, but there is no study in which the results are compared. Therefore, within the scope of this study, the question of how these two approaches can be combined in employee selection theoretically has been tried to be answered by examining the employee selection literature. As a result of the evaluations, it was concluded that MCDM and machine learning methods can be used as 4 different alternatives in employee selection problems. Therefore, with these alternative approaches, both a data-driven and a predictive approach will be used in employee selection. The results are expected to enable researchers in this field and recruitment professionals practitioners to handle employee selection problems with a novel viewpoint.

PDF

___

Afshari, A., Mojahed, M., & Yusuff, R. M. (2010). Simple Additive Weighting approach to Personnel Selection problem. International Journal of Innovation, Management and Technology, 1(5), 511–515.
Akın, N. G. (2016). Personel Seçiminde Çok Kriterli Karar Verme: Bulanık Topsis Uygulaması. In Journal of Business Research - Turk (Vol. 8, Issue 2, pp. 224–224). https://doi.org/10.20491/isarder.2016.177
Aksakal, E., & Daǧdeviren, M. (2010). ANP ve DEMATEL yöntemlerı̇ ı̇le personel seçı̇ mı̇ problemı̇ne bütünleşı̇k bı̇r yaklaşim. In Journal of the Faculty of Engineering and Architecture of Gazi University (Vol. 25, Issue 4, pp. 905–913).
Akyurt, H. (2019). Analitik Hiyerarşi Seçim Yöntemi ile Otel Personeli Seçimi Kriterlerinin Değerlendirilmesi: Giresun İli Örneği. IBAD Sosyal Bilimler Dergisi, 2(4), 64–78. https://doi.org/10.21733/ibad.603290
Chen, C. T., Pai, P. F., & Hung, W. Z. (2011). Applying linguistic VIKOR and knowledge map in personnel selection. In Asia Pacific Management Review (Vol. 16, Issue 4, pp. 491–502). https://doi.org/10.6126/APMR.2011.16.4.02
Chien, C.-F., & Chen, L.-F. (2008). Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry. Expert Systems with Applications, 34(1), 280–290. https://doi.org/10.1016/j.eswa.2006.09.003
Chuang, Y.-C., Hu, S.-K., Liou, J. J. H., & Tzeng, G.-H. (2020). A Data-Driven MADM Model For Personnel Selectıon And Improvement. Technological and Economic Development of Economy, 26(4), 751–784. https://doi.org/10.3846/tede.2020.12366
Daǧdeviren, M. (2010). A hybrid multi-criteria decision-making model for personnel selection in manufacturing systems. In Journal of Intelligent Manufacturing (Vol. 21, Issue 4, pp. 451– 460). https://doi.org/10.1007/s10845-008-0200-7
Demir, K., & Çalık, E. (2020). İşgören Seçiminde İnsan Kaynakları Analitiği (İKA) Yaklaşımının Kullanılması (The Use of Human Resources Analytics Approach in Employee Selection). Journal of Business Research - Turk, 12(4), 3747–3758. https://doi.org/10.20491/isarder.2020.1070
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, 2, 163–178. https://doi.org/10.7240/jeps.505970
Heidary Dahooie, J., Beheshti Jazan Abadi, E., Vanaki, A. S., & Firoozfar, H. R. (2018). Competency-based IT personnel selection using a hybrid SWARA and ARAS-G methodology. In Human Factors and Ergonomics In Manufacturing (Vol. 28, Issue 1, pp. 5– 16). https://doi.org/10.1002/hfm.20713
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. Jain, N., Tomar, A., & Jana, P. K. (2021). A novel scheme for employee churn problem using multi-attribute decision making approach and machine learning. Journal of Intelligent Information Systems, 56(2), 279–302. https://doi.org/10.1007/s10844-020-00614-9
Jantan, H., Hamdan, A. R., & Othman, Z. A. (2009). Potential data mining classification techniques for academic talent forecasting. In ISDA 2009 - 9th International Conference on Intelligent Systems Design and Applications (pp. 1173–1178). https://doi.org/10.1109/ISDA.2009.64
Jantan, H., Hamdan, A. R., & Othman, Z. A. (2011). Talent knowledge acquisition using data mining classification techniques. In Conference on Data Mining and Optimization (pp. 32– 37). https://doi.org/10.1109/DMO.2011.5976501
Jasemi, M., & Ahmadi, E. (2018). A new fuzzy ELECTRE-based multiple criteria method for personnel selection. In Scientia Iranica (Vol. 25, Issue 2E, pp. 943–953). https://doi.org/10.24200/sci.2017.4435
Kenger, M. D., & Organ, A. (2017). Banka Personel Seçiminin Çok Kriterli Karar Verme Yöntemlerinden Entropi Temelli ARAS Yöntemi İle Değerlendirilmesi. In Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (Vol. 4, Issue 4, pp. 152–170). https://doi.org/10.30803/adusobed.336215
Koyuncu, O., & Özcan, M. (2014). Personel Seçim Sürecinde Analitik Hiyerarşi Süreci ve TOPSIS Yöntemlerinin Karşılaştırılması: Otomotiv Sektöründe Bir Uygulama. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 32(2). https://doi.org/10.17065/huiibf.14332
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.pdf. Soft Computing 2020, 24(2), 1063–1081.
Kuşakçı, A. O., Ayvaz, B., Öztürk, F., & Sofu, F. (2019). Bulanik Multimoora ile Personel Seçı̇mı̇: Havacılık Sektöründe Bı̇r Uygulama. Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi. https://doi.org/10.28948/ngumuh.516835
Li, Y.-M., Lai, C.-Y., & Kao, C.-P. (2011). Building a qualitative recruitment system via SVM with MCDM approach. Applied Intelligence, 35(1), 75–88. https://doi.org/10.1007/s10489- 009-0204-9
Maghsoodi, A. I., Riahi, D., Herrera-Viedma, E., & Zavadskas, E. K. (2020). An integrated parallel big data decision support tool using the W-CLUS-MCDA: A multi-scenario personnel assessment. Knowledge-Based Systems, 195, 105749. https://doi.org/10.1016/j.knosys.2020.105749
Momin, W. Y. M., & Mishra, K. (2015). HR Analytics as a Strategic Workforce Planning Weena. International Journal of Applied Research, 1(4), 258–260.
Özdemir, Y., & Nalbant, K. G. (2018). A Real Personnel Selection Problem Using the Generalized Choquet Integral Methodology. In Business & Management Studies: An International Journal (Vol. 6, Issue 2). https://doi.org/10.15295/bmij.v6i2.270
PERYÖN. (2018). Çalışan Devir Oranı Araştırması Sonuç Raporu.
Pessach, D., Singer, G., Avrahami, D., Chalutz Ben-Gal, H., Shmueli, E., & Ben-Gal, I. (2020). Employees recruitment: A prescriptive analytics approach via machine learning and mathematical programming. Decision Support Systems, 134, 113290. https://doi.org/10.1016/j.dss.2020.113290
Putra, M. G. L., Ariyanti, W., & Cholissodin, I. (2016). Selection and Recommendation Scholarships Using AHP-SVM-TOPSIS. Journal of Information Technology and Computer Science, 1(1), 1–13.
Salehi, K. (2016). An Integrated Approach of Fuzzy AHP and Fuzzy VIKOR for Personnel Selection Problem. Global Journal of Management Studies and Researches, 3(3), 89–95.
Shehu, M. A., & Saeed, F. (2016). An Adaptive Personnel Selection Model For Recruitment Using Domain-Driven Data Mining. Journal of Theoretical and Applied Information Technology, 91(1), 117–130.
Shehu, V., & Besimi, A. (2018). Improving employee recruitment through data mining. In Á. Rocha, H. Adeli, L. P. Reis, & S. Costanzo (Eds.), Advances in Intelligent Systems and Computing (Vol. 745, pp. 194–202). Springer International Publishing. https://doi.org/10.1007/978-3-319-77703-0_19
Wang, G., Liu, L., Peng, Y., Nie, G., Kou, G., & Shi, Y. (2010). Predicting credit card holder churn in banks of China using data mining and MCDM. In Proceedings - 2010 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology - Workshops, WI-IAT 2010 (pp. 215–218). https://doi.org/10.1109/WI-IAT.2010.237
Yıldırım, B. I., Uysal, F., & Ilgaz, A. (2019). Havayolu işletmelerinde personel seçimi: ARAS yöntemi ile bir uygulama. In Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (Vol. 2, Issue 33, pp. 219–231).
Zhang, S., & Liu, S. (2011). A GRA-based intuitionistic fuzzy multi-criteria group decision making method for personnel selection. Expert Systems with Applications, 38(9), 11401–11405. https://doi.org/10.1016/j.eswa.2011.03.012