КОЛИЧЕСТВЕННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ПОДБОРА ПЕРСОНАЛА // QUANTITATIVE MODELING OF THE RECRUITMENT PROCESS

A. Zinchenko and АЛЕКСЕЙ Зинченко Алексеевич
Additional contact information
A. Zinchenko: Finance University
АЛЕКСЕЙ Зинченко Алексеевич: Финансовый университет

Управленческие науки // Management Science, 2015, vol. 5, issue 3, 70-75

Abstract:

The article presents a quantitative approach to modeling the process of recruitment. In circumstances where it is necessary to collect a large staff in a short time, the use of mathematical apparatus can significantly accelerate this process. The most complex and labor-intensive, but also ambiguous on the result, is a step in which the direct decision on hiring is made. Interviewing and resume viewing are always associated with human subjectivity. In addition, it is not so easy to find the recruiter with sufficient professional experience, hold him, motivate, etc.Modern works dedicated to recruiting, describe the process of making a decision on hiring from the point of view of a manager, who assesses professional and personal qualities of the future employee. The author proposed a method for estimating the probability of passing the probation, based on the information provided in the CV. To solve this problem, author used a binary choice model and artificial neural network and made a comparative analysis of these models. Advantages of each approach may occur depending on the situation. For example, coefficients in binary regression let you know exactly how certain factors affect the probability of passing the probation period. Such information can be usefulin a situation where the decision on hiring employees in managerial positions is made and deep analysis is needed. On the other hand, binary regression has some drawbacks: in some cases the binary choice model can produce uncertain evaluation of candidates.This problem does not occur when using the ANN to the task of evaluating candidates for the position: ANN provides an unambiguous classification. However, synaptic weights in the artificial neural network cannot be interpreted, making it impossible to determine the effect of individual factors on the results provided by the model.

В статье представлен количественный подход к моделированию процесса подбора и оценки персонала. В условиях, когда необходимо собрать большой штат сотрудников в сжатые сроки, применение математического аппарата способно существенно ускорить процесс подбора. Самым сложным и трудозатратным, а также неоднозначным по результату является этап, на котором непосредственно принимается решение о найме сотрудника. Проведение собеседований и просмотр резюме сотрудниками кадровых служб всегда связаны с человеческой субъективностью. Кроме того, не так-то просто найти кадровика, обладающего достаточным профессиональным опытом, удержать его, замотивировать и т.д. Современные труды, посвященные подбору персонала, описывают процесс принятия решения о найме с позиции оценки менеджером профессиональных и личностных качеств будущего работника. Автором данной статьи предложен метод оценки вероятности прохождения испытательного срока на основе информации, предоставленной в резюме. Для решения данной задачи использовались модели бинарного выбора и искусственная нейронная сеть, был проведен сравнительный анализ данных моделей. Преимущества каждого из подходов могут проявляться в зависимости от ситуации. Так, например, коэффициенты бинарной регрессии позволяют узнать, как именно отдельные факторы влияют на конечную вероятность прохождения испытательного срока. Такая информация может быть полезна в ситуации, когда принимается решение о найме сотрудника на управленческую должность и необходим глубокий анализ. С другой стороны, бинарная регрессия не лишена недостатков: в некоторых случаях модель бинарного выбора может давать неуверенную оценку кандидатам.Данная проблема отсутствует при применении искусственной нейронной сети (ИНС) к задаче оценки кандидата на должность: ИНС осуществляет однозначную классификацию. Однако коэффициенты синаптических связей в искусственной нейронной сети не поддаются интерпретации, что делает невозможным определение влияния отдельных факторов на результат, предоставляемый моделью.

Keywords: recruitment; binary regression; artificial neural network; personnel management; подбор персонала; бинарная регрессия; искусственная нейронная сеть; управление персоналом (search for similar items in EconPapers)
Date: 2015-09-20
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://managementscience.fa.ru/jour/article/viewFile/34/35.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:mngsci:y:2015:i:3:p:70-75

Access Statistics for this article

More articles in Управленческие науки // Management Science from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().