استغلال أساليب تعلم الآلة للتنبؤ بترك الموظفين في إطار تحليلات الموارد البشرية

يُعد ترك الموظفين تحديًا حرجًا أمام المنظمات، مما يؤدي إلى تكاليف disruptions كبيرة. تهدف هذه الدراسة إلى استغلال تقنيات تعلم الآلة (ML) ضمن إطار تحليلات الموارد البشرية (HRA) للتنبؤ بترك الموظفين بشكل فعال. تُقيم البحث وتُقارن أداء ستة نماذج شائعة الاستخدام: أشجار القرار، آلات الدعم الشعاعي (SVM)، الانحدار اللوجستي، الغابة العشوائية، XGBoost، والشبكات العصبية الاصطناعية. تم تنفيذ هذه النماذج باستخدام لغة برمجة R على مجموعة بيانات مفتوحة المصدر من IBM. شملت منهجية البحث تجهيز البيانات، والانقسام إلى مجموعات التدريب، والتحقق، والاختبار، وتدريب النماذج، وتقييم الأداء باستخدام مقاييس مثل الدقة، والحساسية، والنوعية، والدقة، ودرجة F1، وROC-AUC. تشير النتائج إلى أن نموذج الانحدار اللوجستي تفوق على النماذج الأخرى، محققًا دقة عالية ودرجة F1 جيدة. تختتم الدراسة بالتأكيد على أهمية HRA وتقنيات ML في التنبؤ وإدارة ترك الموظفين، كما تناقش القيود مثل عدم التوازن بين الفئات والحاجة إلى تقييم أكثر دقة للأداء. تشمل اتجاهات البحث المستقبلية استكشاف نماذج بديلة، وتقنيات اختيار الميزات، ومعالجة عدم التوازن بين الفئات.