Методы машинного обучения в управлении человеческими ресурсами

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рассмотрено применение методов машинного обучения в области управления человеческими ресурсами. Выделены главные задачи в сфере управления персоналом, которые могут быть решены методами искусственного интеллекта и машинного обучения. Проведен анализ использования различных платформ искусственного интеллекта в процедурах работы с персоналом. Дано краткое описание методов машинного обучения, относящихся, прежде всего, к разряду контролируемого, которые способны найти решения выделенных задач в указанной области. Приведены практические примеры реализации таких задач, которые выполнены в программном продукте MatLab с получением конкретных результатов по рекрутингу, отбору персонала и его обучению. Указаны пути дальнейших исследований по привлечению методов искусственного интеллекта в задачи кадрового менеджмента.

Об авторах

Михаил Лейзерович Кричевский

Санкт-Петербургский государственный университет аэрокосмического приборостроения

Email: mkrichevsky@mail.ru
профессор кафедры бизнес-информатики и менеджмента, доктор технических наук, профессор

Светлана Владимировна Дмитриева

Санкт-Петербургский государственный университет аэрокосмического приборостроения

Email: dsv949@yandex.ru
доцент кафедры бизнес-информатики и менеджмента, кандидат экономических наук

Юлия Анатольевна Мартынова

Санкт-Петербургский государственный университет аэрокосмического приборостроения

Email: juli_ko@list.ru
доцент кафедры бизнес-информатики и менеджмента, кандидат экономических наук, доцент

Список литературы

  1. 1. Mathis R. L., Jackson J. H. Human Resource Management. Cengage Learning. , 2010. – 664 p.
  2. 2. Sakka F., Maknouzi M.E., Sadok H. Human resource management in the era of artificial intelligence: future HR work practices, anticipated skill set, financial and legal implications // Academy of Strategic Management Journal. – 2022. – № 21(S1). – p. 1-14.
  3. 3. Блинникова А.В., Йинг Д.К. Использование искусственного интеллекта в процессах управления человеческими ресурсами // Вестник университета. – 2020. – № 7. – c. 14–21.
  4. 4. Wisetsri W., Vijai С., Chueinwittaya К., Jirayus Р. Artificial Intelligence in Human Resources Management - An Overview // Journal of Positive School Psychology. – 2022. – № 6(2). – p. 2688 – 2693.
  5. 5. Cappelli Р., Tambe P., Yakubovich V. Artificial Intelligence in Human Resources Management: Challenges and a Path Forward (April 8, 2019). [Электронный ресурс]. URL: https://ssrn.com/abstract=3263878 or http://dx.doi.org/10.2139/ssrn.3263878 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3263878 (дата обращения: 10.01.2023).
  6. 6. Votto A. M., Valecha R., Najafirad P., Rao H. R. Artificial Intelligence in Tactical Human Resource Management: A Systematic Literature Review // International Journal of Information Management Data Insights. – 2021. – № 1(2). – p. 100047. – doi: 10.1016/j.jjimei.2021.100047.
  7. 7. Tuffaha M., M Rosario P.M. Adoption Factors of Artificial intelligence in Human Resources Management // Future of Business Administration. – № 1(1). – p. 1–12. – doi: 10.33422/fba.v1i1.140.
  8. 8. Платформы искусственного интеллекта. [Электронный ресурс]. URL: https://soware.ru/categories/artificial-intelligence-platforms (дата обращения: 15.01.2023).
  9. 9. Моя Команда. [Электронный ресурс]. URL: https://a2is.ru/catalog/upravlenie-chelovecheskimi-resursami/moyakomanda (дата обращения: 15.12.2022).
  10. 10. Хантфлоу. [Электронный ресурс]. URL: https://a2is.ru/catalog/poisk-i-podbor/khantflou (дата обращения: 20.01.2023).
  11. 11. Автоматизация подбора и адаптации персонала. [Электронный ресурс]. URL: https://vc.ru/u/977700-ann-bell/330083-avtomatizaciya-podbora-i-adaptacii-personala-obzor-sushchestvuyushchih-na-rynke-siste (дата обращения: 30.01.2023).
  12. 12. Грэхем Х.Т., Беннетт Р. Управление человеческими ресурсами. - М.: ЮНИТИ-ДАНА, 2003. – 598 c.
  13. 13. Wang W., Siau K. Artificial Intelligence, Machine Learning, Automation, Robotics, Future of Work and Future of Humanity: A Review and Research Agenda // Journal of Database Management. – 2019. – № 30(1). – p. 61-79. – doi: 10.4018/JDM.2019010104.
  14. 14. Boisseau J., Wilson L. Enterprise AI: Data Analytics, Data Science and Machine Learning. 2019. CIO Middle Eas. [Электронный ресурс]. URL: https://www.cio.com/article/3342421/enterprise-ai-data-analytics-data-science-and-machinelearning.html (дата обращения: 18.03.2023).
  15. 15. Гудфеллоу Я., Курвилль А., Бенджио И. Глубокое обучение. - М.: ДМК Пресс, 2017. – 652 c.
  16. 16. Alpaydin E. Introduction to machine learning. - Massachusetts Institute of Technology, 2010. – 579 p.
  17. 17. Рамсундар Б., Заде Р. TensorFlow для глубокого обучения. - СПб.: БХВ-Петербург, 2019. – 256 c.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Кричевский М.Л., Дмитриева С.В., Мартынова Ю.А., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».