Статья опубликована в журнале «Экономика труда»4 / 2018
DOI: 10.18334/et.5.4.39488

Нейросетевая оценка компетенций персонала

Кричевский Михаил Лейзерович, профессор кафедры менеджмента наукоемких производств, доктор технических наук, профессор, Санкт-Петербургский государственный университет аэрокосмического приборостроения, Россия

Дмитриева Светлана Владимировна, доцент кафедры менеджмента наукоемких производств, кандидат экономических наук, Санкт-Петербургский государственный университет аэрокосмического приборостроения, Россия

Мартынова Юлия Анатольевна, доцент кафедры менеджмента наукоемких производств, кандидат экономических наук, доцент, Санкт-Петербургский государственный университет аэрокосмического приборостроения, Россия

Neural network assessment of personnel competencies - View in English

 Скачать PDF | Загрузок: 11

Аннотация:
Приведены результаты оценки компетенций персонала, полученные на основе нейросетевого подхода. Термин «компетенции» используется во многих научных дисциплинах и практических приложениях. В управлении персоналом компетенция представляет собой формально описанные требования к профессиональным качествам работника. Важность компетенций подчеркивается в международных стандартах ИСО 9001 и моделях национальных и транснациональных премий в области качества продукции. Однако при оценивании компетенций окончательной точки зрения еще не сформировано. Существуют различные методы и приемы, позволяющие с тех или иных позиций получить оценку компетенций сотрудников, которая сводится, чаще всего, к субъективному подходу. В работе для оценки компетенций предложено использовать искусственные нейронные сети, с их помощью показана возможность классификации работников по уровню компетенций, приведены результаты моделирования работы нейронной сети с помощью инструмента Simulink.

JEL-классификация: J01, M53, M59

Цитировать публикацию:
Кричевский М.Л., Дмитриева С.В., Мартынова Ю.А. Нейросетевая оценка компетенций персонала // Экономика труда. – 2018. – Том 5. – № 4. – С. 1101-1118. – doi: 10.18334/et.5.4.39488

Приглашаем к сотрудничеству авторов научных статей

Публикация научных статей по экономике в журналах РИНЦ, ВАК (высокий импакт-фактор). Срок публикации - от 1 месяца.

creativeconomy.ru Москва + 7 495 648 6241



Источники:
1. Горбачевская Е.Н., Леонидов А.В. // Вестник Волжского университета имени В.Н. Татищева. – 2015. – С. 57-71. – url: https://cyberleninka.ru/article/v/model-neyronnoy-seti-dlya-reytingovoy-otsenki-kompetentnosti-sotrudnikov..
ГОСТ Р ИСО 9001:2015 Cистемы менеджмента качества. Требования. - Москва: Стандартинформ, 2015. – 29 с.
Кричевский М.Л. Прикладные задачи менеджмента. / Монография. - Москва: Креативная экономика, 2018. – 210 с.
Российский стандарт центра оценки. Федерация оценки персонала НК РЧК. Docviewer. [Электронный ресурс]. URL: https://docviewer.yandex.ru/view/0.
Рутковский Л. Методы и технологии искусственного интеллекта. Москва: Горячая линия-Телеком. [Электронный ресурс]. URL: http://www.techbook.ru/book.php?id_book=400.
Спенсер Л.М., Спенсер С.М. Компетенции на работе. Издательство ГИППО. [Электронный ресурс]. URL: http://hr-portal.ru/article/informaciya-o-knige-layl-m-spenser-ml-sayn-m-spenser-kompetencii-na-rabote-modeli.
Хайкин С. Нейронные сети: полный курс. / Монография. - Москва: Изд. дом Вильямс, 2006. – 1104 с.
8. Atkins P., Wood R. Self-versus others' ratings as predictors of assessment center ratings: Validation evidence for 360-degree feedback programs // Personnel Psychology. – 2002. – № 55(4). – С. 871-904.
Coppin B. Atificial intelligence illuminated. Sudbury. Jones & Bartlett Publishers. [Электронный ресурс]. URL: https://www.abebooks.com/9780763732301/Artificial-Intelligence-Illuminated-Jones-Bartlett-0763732303/plp..
Education and Culture DG (Education and Training). The European Qualifications Framework for Lifelong Learning (EQF). Luxembourg: Office for Official Publications of the European Communities. [Электронный ресурс]. URL: http://ec.europa.eu/dgs/education_culture.
Houé R., Grabot B., Tchuente G. Fuzzy logic in competence management // European Society for Fuzzy Logic and Technology (EUSFLAT-LFA): 7th conference. 2011. – С. 651-656.
Hr-tv.ru. [Электронный ресурс]. URL: https://hr-tv.ru/articles/author-opinion/kak-provesti-sobesedovanie-po-kompetentsijam-tehnika-star.html ( дата обращения: 06.08.2018 ).
Hrhelpline.ru. [Электронный ресурс]. URL: https://hrhelpline.ru/otsenka-i-attestatsiya-personala-po-delo-2 ( дата обращения: 06.08.2018 ).
14. Jevšček M. Competencies assessment using fuzzy logic // Journal of Universal Excellence. – 2016. – № 2. – С. 187-202.
Kim P. MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence. - Seoul, Soul-t'ukpyolsi, Korea (Republic of ), 2017. – 162 с.
16. Macwan N., Srinivas S. Performance Appraisal using Fuzzy Evaluation Methodology // International Journal of Engineering and Innovative Technology. – 2013. – № 3. – С. 324-329.
17. McClelland D.C. Testing for competence rather than for intelligence // American Psychologist. – 1973. – № 1(28). – С. 1-14.
Neural Network Toolbox™. MathWorks. [Электронный ресурс]. URL: http://www.mathworks.com.