Çalışan yıpranmasını tahmin etmede analitik bir yaklaşım: Topluluk öğrenme yöntemi

Abstract

Şirketler, profesyonel çalışanlarının ayrılmasını engelleyerek işe alım ve eğitim maliyetlerini azaltmak için çeşitli önlemler ararlar. Belirli bir çalışanın ayrılıp ayrılmayacağını önceden tahmin etmek, şirketin bu tür kayıpları minimize etmek için gereken adımları atmasını sağlar. Bu nedenle, çalışanların ayrılma olasılığını önceden tahmin etmek, işverenlere stratejik kararlar almalarında yardımcı olabilir. Çalışan yıpranması bu noktada çalışanların işten ayrılma niyetlerini anlama konusunda belirleyici olabilmektedir. Topluluk öğrenme modelleri, birden fazla algoritmanın çeşitli görüşlerini birleştirerek daha doğru ve güvenilir sonuçlar elde etme potansiyeline sahiptir. Bu çalışmada, 1.470 kayıttan oluşan IBM şirketi Watson Analytics tarafından hazırlanan çalışanların yıpranma durumunu gösteren veri seti kullanılmıştır. Bu amaçla, Rastgele Orman, Destek Vektör Makineleri, Çok Katmanlı Algılayıcı modeli ve iki farklı topluluk öğrenme modeli kullanılarak performansları değerlendirilmiştir. Sınıf dengesizliğini aşmak için adaptif sentetik veri üretimi (ADASYN) yaklaşımı kullanılmıştır. Sonuç olarak, ADASYN kullanılarak oluşturulan dengeli bir veri kümesi ile eğitilen yığın topluluk öğrenme modeli ile 0.96 doğruluk oranı elde etmiştir.

Keywords

• çalışan yıpranması
• tahminleme
• topluluk öğrenmesi yöntemleri
• employee attrition
• prediction
• ensemble learning methods