Yapay zeka ve optimizasyon uygulamaları kullanılarak insan kaynakları süreçlerinin optimizasyonu ve modellenmesi
Yükleniyor...
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Dicle Üniversitesi, Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İnsan Kaynakları süreçleri, uygulamalar ve yöntemler anlamında tarihi çok eskilere gitmiş olsa da 19. Yüzyıl sonu itibari ile yeni bir sistem olarak ortaya çıkmıştır. İnsan Kaynakları Yönetimi Sanayi Devrimi ile sistemleşmiş ve endüstriyel ilerleme ile paralelde gelişim göstermiş, yasal değişiklikler ve bu değişikliklerim çizdiği çerçeve ile birlikte de farklı açılardan değişime uğramış ve bu yasal uygulamalara uyum sağlamıştır. Bu her alandaki değişim ve şartlara uyum için farklı disiplinler, farklı yöntem ve teknolojilerden faydalanmıştır. İnsan Kaynakları Yönetimi bu sebeple bilimsel yöntemlerin en fazla uygulandığı, birçok en uygun şekle sokma uygulamalarının denendiği, dijital süreçlerle bütünleşmiş edildiği ve otomasyon gelişimleri ile sürekli yenilik gerektiren alanlardan biri olmuştur. Bu çalışmada İnsan Kaynakları süreçleri incelenmiş, işe alım süreçlerinde yapay zekâ ve en uygun şekle sokma çalışmaları yaparak iyileştirmeler yapılmıştır. Öncelikle süreçlerin analizleri yapılmış olup bu analizler ve veriler ışığında çalışmalara başlanmıştır. Süreçlerin uçtan uca otomotive olması sağlanarak birçok süreçteki çalışan eforu azaltılmış, optimizasyon çalışmaları ile süreç yalınlaştırılmıştır. Ayrıca yapay zeka görüntü işleme modülü ile de arşivleme ve kataloglama fonksiyonları çok daha yönetilebilir ve verimli hale getirilmiştir. Ayrıca mülakat değerlendirme süreçlerinde Random Forrest Yöntemi (bir makine öğrenimi algoritması) kullanılmış olup görüşmecinin, belirlenen kriterlere dayalı 4 mülakat kararının ("Beklentileri karşılıyor", "Beklentileri karşılamıyor", "Uygun değil", "Beklentileri aşıyor") makine tarafından aday kriterlerinin değerlendirilmesi ile makinenin öğrenmesi ve görüşmeci yerine karar vermesi sağlanmıştır. %99'a yakın doğruluk kararı ile de makine aynı görüşmeci gibi karar vermiştir. Burada elde edilen verilerle görüşmecinin bile belirleyemediği kriterlerin öncelik sıralaması netleştirilmiş, böylece görüşmede hangi özelliklerin daha önemli olduğu belirlenebilmiştir. Son olarak detayları verilecek olan yapılan optimizasyon ve buna bağlı olarak yapılan sistemleştirme çalışmalarıyla 1.196 iş günü kazanç sağlanmıştır. İnsan Kaynaklarında yapay zeka ve optimizasyon uygulamalarının kullanımı gün geçtikçe daha da çok artacaktır. İnsan Kaynakları birimlerinin ve buna bağlı olarak tüm şirketlerin bu sürece daha hazırlıklı olması gerekmektedir. Bu çalışma bu hazırlığın ve gerçekliğin yaygınlaşması ve gerekliliğini amaçlamaktadır.
Although the history of Human Resources processes, practices and methods is very old, it has emerged as a new system as of the end of the 19th century. Human Resources Management was systematized with the Industrial Revolution and developed in parallel with industrial progress, and with the legal changes and the framework drawn by these changes, it changed from different aspects and adapted to these legal practices. It has benefited from different disciplines, different methods and technologies in order to adapt to the changes and conditions in every field. For this reason, Human Resources Management has become one of the fields where scientific methods are applied the most, many optimization applications are tried, integrated with digital processes, and automation developments and continuous innovation are required. In this study, Human Resources processes were examined and improvements were made by making artificial intelligence and optimization studies in the recruitment processes. First of all, the analyzes of the processes were made and studies were started in the light of these analyzes and data. By ensuring that processes are automated end-to-end, employee effort in many processes has been reduced, and the process has been simplified with optimization studies. In addition, archiving and cataloging functions have been made much more manageable and efficient with the artificial intelligence image processing module. In addition, Random Forrest Method (a machine learning algorithm) was used in the interview evaluation processes, and the interviewer's 4 interview decisions based on the determined criteria ("Meets expectations", "Does not meet expectations", "Not suitable", "Exceeds expectations") are evaluated by the machine on the candidate criteria. machine learning and decision making instead of the interviewer. With a close accuracy of 99%, the machine made the same decision as the interviewer. With the data obtained here, the priority order of the criteria that even the interviewer could not determine has been clarified, so that which features are more important in the interview can be determined. Finally, 1,196 working days were gained through the optimization and systematization studies, the details of which will be given. The use of artificial intelligence and optimization applications in Human Resources will increase day by day. Human Resources units and, accordingly, all companies need to be better prepared for this process. This study aims at the dissemination and necessity of this preparation and reality.
Although the history of Human Resources processes, practices and methods is very old, it has emerged as a new system as of the end of the 19th century. Human Resources Management was systematized with the Industrial Revolution and developed in parallel with industrial progress, and with the legal changes and the framework drawn by these changes, it changed from different aspects and adapted to these legal practices. It has benefited from different disciplines, different methods and technologies in order to adapt to the changes and conditions in every field. For this reason, Human Resources Management has become one of the fields where scientific methods are applied the most, many optimization applications are tried, integrated with digital processes, and automation developments and continuous innovation are required. In this study, Human Resources processes were examined and improvements were made by making artificial intelligence and optimization studies in the recruitment processes. First of all, the analyzes of the processes were made and studies were started in the light of these analyzes and data. By ensuring that processes are automated end-to-end, employee effort in many processes has been reduced, and the process has been simplified with optimization studies. In addition, archiving and cataloging functions have been made much more manageable and efficient with the artificial intelligence image processing module. In addition, Random Forrest Method (a machine learning algorithm) was used in the interview evaluation processes, and the interviewer's 4 interview decisions based on the determined criteria ("Meets expectations", "Does not meet expectations", "Not suitable", "Exceeds expectations") are evaluated by the machine on the candidate criteria. machine learning and decision making instead of the interviewer. With a close accuracy of 99%, the machine made the same decision as the interviewer. With the data obtained here, the priority order of the criteria that even the interviewer could not determine has been clarified, so that which features are more important in the interview can be determined. Finally, 1,196 working days were gained through the optimization and systematization studies, the details of which will be given. The use of artificial intelligence and optimization applications in Human Resources will increase day by day. Human Resources units and, accordingly, all companies need to be better prepared for this process. This study aims at the dissemination and necessity of this preparation and reality.
Açıklama
Anahtar Kelimeler
İnsan kaynakları, Optimizasyon, Yapay zeka, İşe alım, Human resources, Optimization, Artificial intelligence, Recruitment
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Aslan, A. (2023). Yapay zeka ve optimizasyon uygulamaları kullanılarak insan kaynakları süreçlerinin optimizasyonu ve modellenmesi. Yayımlanmamış yüksek lisans tezi, Dicle Üniversitesi, Diyarbakır.
