关键字 |
| 聚类、分类、分类器的态度,态度读者,铁路 |
介绍 |
| 许多组织灾难是由男性比的机器通常不会失败,证明失败证明技术。大公司的高管经常承认事实,一个公司的成功与失败的态度很大程度上依赖于人们的价值甚至超过最大的投资在机器和材料。这是充分明确;当我们看这部小说以员工为中心的步骤,如灵活的工作时间,在家工作,赞助碰到一起,家庭旅行旅行世界各地的顶级公司采用。这些措施都是针对让员工觉得公司是一个伟大的工作场所。尽管很多创新思想共同用粉笔画出策略来确保员工的忠诚和建立积极的工作氛围,人类动力学的研究和管理在一个组织中躲避所有方法和继续保持一个强大的分支的研究,即使有大量的可用性分析方法。至于技术的应用,我们遇到无数的情况下,人工智能(AI)和数据挖掘(DM)技术被用于通过各种传感器输出故障模式分析,故障预测,解决方案建议等。挖掘医疗参数的病人,生存的预测和治疗建议并不少见。应用到市场分析、客户购买行为,银行贷款间隙等和图像处理的一系列领域研究人员频繁。所有这些领域的学者访问和重新审视计算机科学,每次试图添加一个值的算法,方法和分析。这分开,处理人力资源在一个组织中这是一个艰巨的任务,到目前为止,社会科学家的主题和人力资源经理。 They resort to various analysis techniques, mostly qualitative in nature, the efficacy of which is an ongoing debate. The supremacy of qualitative versus quantitative methods and vice versa is also being continuously disputed, although the quantitative measurement of any parameter brings out an objective perspective, much to the convictions of many. Not inclined to get entangled in to the debate, the authors earnestly wish to present a DM model and say that the analysis of human dynamics can be strengthened and validated by adopting the rich techniques available in data mining analytics. An in depth literature survey highlights the fact that DM techniques can make greater inroads, filling many gaps, especially in analysis and thereby mutually reinforcing the interdisciplinary element between computer and social sciences. Through this research work, the authors specifically tend to evolve a model for study and analysis of human attitudes. The model, in its first stage, measures the parameters quantitatively using a well designed questionnaire, transforms the model suitably to qualitative one but carefully using numeric indices / labels with an aim of harnessing the power of DM algorithms, and progresses to analysis stage using clustering based attitude reader (AR) and finally ends up with the construction of an attitude classifier (AC). |
背景 |
| a .态度:增长驱动程序: |
| 这是一个事实证明每一个成功的组织有效地投资最有价值的资产(人[1]。他们是必不可少地宝贵的资产,其价值比资本或设备。这种组织的领导人已经成功地创建一个组织文化,促进积极的态度在其整个层次结构。一个组织促进积极的态度 |
| Team 工作 |
| Reduction 废物 |
| Increased 生产力 |
| Securing 员工 的 忠诚 |
| 事实上,今天最大的问题是人的问题。的人,如果正确培养,是宝贵的资产,他们变得无法忍受负债,否则。五金配件大学的一项调查指出,80%的时候,组织招聘的基础上他们的态度的人。如果这样的重视态度,组织需要阅读或评估员工的态度第一次绑定的方式,以确保态度水平仍在其最优,甚至发现潜在问题出现之前。许多因素进入塑造员工的态度。下列因素大致确定在一个组织设置的态度水平。 |
| Participation 员工 的 决策 过程 |
| The 位置 或 指定 他们 持有 (the work) 的 性质 |
| Intra 组织 相互 作用 |
| Policy |
| Technology |
| Instruction 流 |
| Work 环境 |
| Employee 福利 |
| Grievance 赔偿 机制 |
| b .问题陈述: |
| 鉴于态度的重要性及其潜在的生产力,每个组织倾向于测量相同,在人力资源经理的帮助下和/或社会科学家,他大多数时候,采取定性评估地面真理的相对指标,也使研究更适合的输出模式分析。最高管理层会感觉引导和加强,如果输出提供定量的数据和新兴模式。地面真理时提出了定量分布的形式和模式的帮助DM算法将装备最高管理层基于证据的洞察力和更客观的角度问题正在研究。作者主要是想发展一个通用模型,更为量化和适合DM算法,进行模式下生成和分类的因素研究。第二作者的动机是研究特定的参数限制在一个组织参与培训操作。十二个十万的头组织是世界上最大的雇主,在现在的环境下,负责火车在华业务。这项工作需要高水平的协调,计划,执行和许多紧迫的约束。作者选择了一些工作的类别,处理敏感操作,试图调查他们的态度水平,使用该模型。工作的性质对研究广泛涉及的员工类别选择 |
| Running trains. |
| Inspection / Certification 车厢 和 wagons. |
| Given 艰苦 nature, 这个 要求 |
| 在 加班 工作 |
| 呆 在 车站 |
| 保持 精神 集中 |
| 身体 健康 |
| Inspecting 孤立 长 崎岖 stretches, 坑 线 等 |
| 这些员工被称为组织的安全类别。尽管一系列措施旨在改善他们的工作准备和满意度通过主题复习训练,瑜伽,压力管理,各种福利和津贴、等等,他们的态度似乎是低,要求合适的干预。这是一个被广泛接受的事实,管理员工运行列车的范围比其他的更严格的,涉及这些员工更明显和讨论问题在每一个管理水平和决策过程。这些员工的数量形式可观的整个组织的劳动力。尽管管理解决日常问题,快速修复解决方案,一个系统的方法来研究他们的态度,分析其模式,这样一个长期的基础上解决他们的问题,是需要一个小时。 |
| Can objectively? 我们 measure/ 读 他们 的 态度 |
| Can pattern? 我们 寻找 任何 态度 |
| Can 我们 分类 他们 的 态度 , 这样 可以 initiated? 积极 的 步骤 |
| Can 我们 有 一 个 基于 数据 挖掘 的 模型 更 适合 这种 application? |
| 这些都是本文作者解决相关的问题。在这种努力,他们试图获得一个模型用于读取和分类员工的态度。 |
相关工作 |
| 虽然已经有了许多研究工作针对学习和改善机械的性能,一个搜索找到相关文献对人力资源的理解一直是一项艰巨的和具有挑战性的任务,即使现在社会科学家,大量的分析工具,收益率最低的结果。更重要的是,大部分的研究总是倾向于使用方法如方差、相关和回归分析。诉诸DM算法附近的研究似乎是不存在的。以下简单介绍相关工作的人员与这种说法的证据。 |
| [2]提出的问题是否积极影响员工态度和行为与数据有关的业务成果,反之亦然区域连锁餐厅,使用cross-lagged回归分析。[3]表明,吸引员工对薪酬的态度是很重要的,好处是重要的保留他们,用四年的数据评估完成每年检查时间的变化关系。[4]使用机器学习技术和基于字典的方法来检测用户的评论表达消极的态度。使用的数据是用户生成在线评论你管。[5]试图回答问题对工作满意度和组织承诺,通过用户问卷调查的定量分析反应使用硬Cmeans算法模糊集的向量。[6]分析员工态度数据从35公司8年来使用滞后分析和建立了工作满意度之间的关系和组织金融和市场表现(资产回报率/每股收益)。人格特征之间的关系及其对工作态度的影响研究[7],使用相关和回归技术。[8]使用理性行动理论(交易)的社会科学理论,理解知识分享行为和外部奖励如何影响知识共享的态度。[9]进行相关分析和多元逐步回归分析SPSS软件和量化结果的调查探讨了三个因素之间的相互关系即组织承诺、员工满意度和工作性能,并建议管理,以建立良好的组织氛围,提高员工的工作态度,提高他们的工作绩效。[10]试图找到组织政治之间的关系,工作满意度和组织承诺,使用三种流行的工具,如组织政治知觉量表、工作满意度和组织承诺量表调查。 [11] recorded significant attitude changes by subjecting the participants to a class room simulation exercise that included answering a well constructed questionnaire. [12] in their study, used a path model to analyze the so called three dimensions namely person to policy fit, person to supervisor fit and person to coworker fit, and showed that overall person to organization fit was positively correlated to job satisfaction, and person to supervisor fit had a direct effect on turnover attitude. [13] has taken workforce diversity in an organization as a major objective and estimated employee attitudes toward diversity and compared the same with other organizations by using survey method and statistical analysis. [14] analyzed the relationship among some basic demographic characteristics of the employees such as their age, gender, level of education, work experience, EI levels, and their work attitudes using questionnaire survey data from eight different enterprises and statistical analysis. [15] worked on predictor variables of college students' attitudes toward seeking professional psychological help, using regression and variance analysis. [16] presented a simulation model, built on system dynamics methodology which is a mathematical modeling technique to understand the behaviour of complex systems over time. They focused on enabling disabled people to move from welfare to work by incorporating attitudes of disabled people and employers and bringing out key factors that enable and encourage disabled people to take up jobs. |
提出的模型 |
| 一个自我解释性的图示模型介绍如下。它显示的序列设计问卷,数据集,构建基于“增大化现实”技术的交流和积极的步骤一个组织可以发起改进组织的增长。 |
| 问卷调查: |
| 问卷包含20五个问题。客观的问题本质上是针对测量以下属性。 |
| Organizational 承诺 |
| Satisfaction 工作 |
| Satisfaction 带 薪 |
| Satisfaction 与 促销 活动 |
| Satisfaction 与 主管 |
| Satisfaction 与 一般 工作 |
| Intentions 戒烟 |
| 每个问题是基于2点响应规模直接用“是”或“不”。“是”的反应会参与者+ 4分,而“不”反应,- 4分。总分是100 +或- 100和称为态度得分。因此比分一直数字在自然界中,目的是使反应分数服从分析。 |
| b .数据集: |
| 田野被认为是表1中给出。字段被转换,DM可以应用工具。表2提供了转换后的字段。它可以指出的“态度”字段域表有四个范围代表态度强度水平。这四个范围是由设置切割点使用一个免费的数据预处理工具称为数据选矿机(DP)。 |
模型实现和讨论 |
| 答:实验工具: |
| Weka 3.6.7这被认为是一个开源的数据挖掘工具使用。用Java编写的,怀卡托大学开发的,新西兰,它是免费的GNU通用公共许可证。Weka代表怀卡托环境知识分析。Weka 3.6.7是一家集数据挖掘任务的机器学习算法[17]。它包含工具数据前处理、分类、回归、聚类、关联规则挖掘、特征选择和数据可视化。Weka接口的[18]了。 |
| b .态度读者: |
| 基于“增大化现实”技术实现了通过k - means算法是一个刚性clusterer运算。刚性聚类是指分区方法的方案称为独家集群分离之后即每个数据点属于完全的只有一个分区。K意味着算法采用这样的分区方案。它使用默认的欧几里得距离或曼哈顿距离的措施。如果使用曼哈顿距离,然后重心计算组件智慧值而不是的意思。k - means算法是适用的,当一组对象定义的意思,但不可能意味着名义变量定义为我们改变了数据字段范围。在这样的情况下,为每个集群,它输出的频率计数每个名义属性的值。这个特性可以用来分析标定数据,把它作为k方法类别变量k不同的值或状态和相应的创建数据总结通过使用一个编码方案对所有名义属性或否则[19]。了解地面实况中可用数据集的频率计数,因此k - means算法选择和配置。处理设置的值的参数配置数据挖掘软件在实验运行的重要参数。 The key parameter values are set as below. |
| displayStdDevs = True 。这个设置发送频率计数的名义变量输出所需的功能现在的环境下,否则输出数值属性的标准差 |
| distanceFunction = Euclidean 距离 或 Manhattan 距离 |
| 集群 的 数量 = 1.这是故意设置,我们感兴趣的生成整个数据集的输出作为一个实体(集群)。 |
| 其他值允许在他们的默认设置。表3中给出了获得的输出。图中提供的频率分布是2、3、4是自解释的,为了更好的对用户的理解。地面真理的形式提供的数据集,当频率计数为选定的变量可以更好地可视化和理解的用户。迭代是k - means算法可用在Weka发现高效生成输出的频率计数。 |
| 图2给出了频率分布数据集的头衔。有六个职位考虑本研究。 |
| 图3给出了频率分布的测量态度的员工。“态度”是整合成四个范围如< -100 _-50),< -50 _0),< 0 _50)和< 50 _100 >。 |
| 图4给出了频率分布的员工的态度下降范围< -50 _0)。类似这样的分布范围可以生成其他的态度。 |
| c .态度分类器: |
| 交流的帮助下实现了分类算法依赖于归纳学习[20]的模型使用足够数量的已知情况下的数据元组,通常,利用专家的知识。当类标签的元组是已知的,那么,它被称为是监督学习。元组的集合与已知的类标签用于培训的学习功能。模型训练在训练集能够预测未来看不见的情况下使用以前的知识。这里的目的是分配正确的类来前所未有的和无标号名义数据对象。原始数据集被作为分类器的输入算法“旋转森林”。字段“态度”设置为类变量。发现分类精度为86%。为了提高分类精度,数据集被复制,这样足够的元组是用于训练分类器模型。数据复制与DP的帮助后,准确性上升至99%。 The experiments were repeated using the other classifier algorithms. The results were found satisfactory. Rotation Forest algorithm with its proven efficiency and accuracy [21] was used to classifying the employees’ attitudes. The algorithm’s out put summary is provided below in Fig 5 and Fig 6. |
结论 |
| 本文的主要推力展示应用程序的适用性DM方法来处理人力资源相关问题。使用数据挖掘提出了一个通用的模型验证了其可行性和使用适当的数据集和算法。一部分模型显示如何阅读属性的值频率计数的形式,使用聚类的概念,导致读者的态度建立在K的建设意味着算法。态度分类器,另一部分模型的基于旋转森林的分类算法,说明了它可以被用来分类规划人力态度积极的步骤,组织宽。作者强烈感觉,数据挖掘方法可以超越只是机器和传感器输出和找到DM适合人类动力学处理,在一个组织设置。他们通过他们的模型,认为社会科学家能够得益于采用数据挖掘分析和模式,除了传统的方差等统计技术,相关和回归等。最后,提出模型容易被普通用户也可实现。 |
|
表乍一看 |
|
|
|
数据乍一看 |
|
|
引用 |
- Khera, S。,“You can win”, Published by Macmillan, 2000.
- koy一样,d J。,“The effects of employee satisfaction, organizational citizenship behavior, and turnover on organizational effectiveness: A unitlevel, longitudinal study”, Personnel psychology, Vol. 54(1), pp.101-114, 2001.
- Carraher, s M。,“Turnover prediction using attitudes towards benefits, pay, and pay satisfaction among employees and entrepreneurs in Estonia, Latvia, and Lithuania”. Baltic Journal of Management, Vol. 6(1), pp.25-52, 2011.
- Kandias, M。,Stavrou, V., Bozovic, N., Mitrou, L., and Gritzalis, D., “Can we trust this user? Predicting insider's attitude via YouTube usage profiling. In Ubiquitous Intelligence and Computing”, 10th IEEE International Conference on Autonomic and Trusted Computing (UIC/ATC), pp. 347-354, 2013.
- Auephanwiriyakul, S。凯勒,j . M。,and Adrian, A., “Management questionnaire analysis through a linguistic hard C-means”. 19th International Conference of the North American pp. 402-406, 2000.
- 施耐德,B。,Hanges, P. J., Smith, D. B., and Salvaggio, A. N., “Which comes first: employee attitudes or organizational financial and market performance?”, Journal of Applied Psychology, 88(5), pp.836, 2003.
- 法官,t。海勒,D。,and Mount, M. K., “Five-factor model of personality and job satisfaction: a meta-analysis”, Journal of applied psychology, Vol. 87(3), pp.530, 2002.
- 阿明,一个。,Hassan, M. F., Ariffin, M. B., and Rehman, M., “Theoretical Framework of the Effect of Extrinsic Rewards on Individual's Attitude Towards Knowledge Sharing and the Role of Intrinsic Attributes”, ICCTD'09 International Conference In Computer Technology and Development, Vol. 2, pp. 240-243, 2009.
- 京,C。,and Xiao-hua, S., “The relationship research among organizational commitment, employee satisfaction and work performance”, ICMSE 2009 International Conference in Management Science and Engineering, pp. 619-624, 2009.
- 辛格,K。,“Relationship between organizational politics, job satisfaction and organizational commitment in UiTM Sarawak”, Business Engineering and Industrial Applications Colloquium (BEIAC), 2012 IEEE, pp. 377-382, 2012.
- 舒马赫,t·R。,“Simulation and attitude change: Evolving the research model”, Proceedings of the Thirtieth Hawaii International Conference on System Sciences, Vol. 2, pp. 648-654, 1997.
- 春江,Y。Honglan, W。、你们,L。,“The effects of person-organization fit on job satisfaction and turnover intention—The case of service industries”, IEEE International Conference on Business Management and Electronic Information (BMEI), Vol. 2, pp. 320-323, 2011
- 皮尔斯。,Goodwin, S., and Baker, A., “Work force diversity: employee attitudes and perceptions in Innovation in Technology Management-The Key to Global Leadership”, PICMET'97: Portland International IEEE Conference on Management and Technology, pp. 312, 1997.
- 关,X。吴,W。,and Hu, W., “Study on the relationship among demographic statistics charactoristics, EI levels and job performance of the employee”, 2nd IEEE International Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC), pp. 6416-6419, 2011.
- 芝虹,H。,“Predictors of college students' attitudes toward seeking professional psychological help”, 4th IEEE International Conference on Bioinformatics and Biomedical Engineering (iCBBE), pp. 1-4, 2010.
- Abdelgawad, A。Snaprud, m . H。Krogstie, J。,and Brynn, R., “Disabled People from Welfare to Jobs: A Decision Support Tool”, Sixth IEEE Asia Modelling Symposium (AMS), pp. 132-137, 2012.
- 大厅,M。,Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., and Witten, I. H., “The WEKA data mining software: an update”, ACM SIGKDD explorations newsletter, Vol. 11(1), pp.10-18, 2009.
- 威滕,i . H。,and Frank, E., “Data Mining: Practical machine learning tools and techniques”, Morgan Kaufmann, 2005.
- Pedhazur, e . J。,and Schmelkin, L. P., “Measurement, design, and analysis: An integrated approach”, Psychology Press, 2013.
- 普尔,d . L。,and Mackworth, A. K., “Artificial Intelligence: foundations of computational agents”, Cambridge University Press, 2010.
- Kuncheva, l . I。,and Rodríguez, J. J., “An experimental study on rotation forest ensembles in Multiple Classifier Systems”, Published by Springer Berlin Heidelberg, pp. 459-468, 2007.
|
菜单
