عوامل موثر بر تمايل به ترك سازمان با استفاده از الگوريتم هاي مبتني بر شبكه عصبي و ژنتيك چند هدفه

Factors affecting the tendency to leave the organization using an intelligent model based on multi-objective neural network and genetic algorithms

بهبود بازدهي سرمايه انساني از آنجا كه مي تواند نقش موثري در كارايي سازمان داشته باشد، همواره يكي از موضوعات پژوهش بوده است. ميزان تمايل به ترك سازمان يكي از عوامل تأثيرگذار بر كارايي سرمايه انساني است كه آن را مي‌توان با استفاده از الگوهاي درون داده­اي، شرايط حاكم بر سازمان و بررسي عوامل مؤثر بر آن پيش­ بيني كرد. به همين منظور، از الگوريتم‌هاي هوشمند مبتني بر شبكه عصبي و الگوريتم ژنتيك چندهدفه براي پيش‌بيني تمايل كاركنان به ترك سازمان در اين پژوهش بهره گرفته ‌شده است. در اين راستا، ابتدا با طراحي پرسشنامهاي، نظرات كاركنان شركت بهره ­برداري نفت و گاز كارون در مورد رضايت‌مندي و تمايل به ترك سازمان، جمع‌آوري‌شد و بر اساس آن،‌ يك مجموعه داده تدوين گرديد. سپس با استفاده از شبكه­ هاي­ عصبي مصنوعي به‌عنوان طبقه بند و الگوريتم تكاملي ژنتيك چندهدفه براي انتخاب ويژگي‌هاي مؤثر، يك سيستم خبره طراحي شد. به منظور تست و ارزيابي الگوريتم شبكه عصبي طراحي شده با مجموعه داده استاندارد ايجادشده، آموزش هاي لازم ارائه شد. نتايج ارزيابي سيستم پيشنهادي بيانگر آن است كه با به‌كارگيري الگوريتم ژنتيك چندهدفه و شبكه­ هاي عصبي مصنوعي مي­توان مدلي ارائه كرد تا علاوه بر پيش‌بيني ميزان تمايل كاركنان به ترك سازمان با دقت بالاي 88%، با انتخاب ويژگي‌هاي مؤثر، عوامل كليدي ترك سازمان را نيز مشخص كند

Since the improvement of human resource efficiency can play an effective role in the efficiency of organizations, it has always been one of the main research topics.The tendency to leave the organization is one of the factors affecting the efficiency of human capital, which can be predicted using in-data models, conditions governing the organization and the factors affecting it. For this purpose, intelligent algorithms based on neural network and multi-objective genetic algorithm have been used in this research to predict the tendency to leave an organization. In this regard, a standard dataset was created based on a questionnaire of employees satisfaction and the desire to leave the job in the Karoon Oil and Gas Production Company. Then, using an artificial neural network as a classifier and a multi-objective genetic algorithm, the important factors or features were selected. In the next step, an expert system was proposed to select effective features. In order to test and evaluate the neural network algorithm developed with the standard data set, the necessary training was provided. The results showed that by using the proposed model, not only the willingness of employees to leave the organization can be predicted with more than 88% accuracy, but also, the key factors of leaving the organization can be determined.