Strategic studies in the oil and energy industry

fa عوامل موثر بر تمایل به ترک سازمان با استفاده از الگوریتم های مبتنی بر شبکه عصبی و ژنتیک چند هدفه Factors affecting the tendency to leave the organization using an intelligent model based on multi-objective neural network and genetic algorithms مديريت Management پژوهشي Research بهبود بازدهی سرمایه انسانی از آنجا که می تواند نقش موثری در کارایی سازمان داشته باشد، همواره یکی از موضوعات پژوهش بوده است. میزان تمایل به ترک سازمان یکی از عوامل تأثیرگذار بر کارایی سرمایه انسانی است که آن را می‌توان با استفاده از الگوهای درون دادهای، شرایط حاکم بر سازمان و بررسی عوامل مؤثر بر آن پیش بینی کرد. به همین منظور، از الگوریتم‌های هوشمند مبتنی بر شبکه عصبی و الگوریتم ژنتیک چندهدفه برای پیش‌بینی تمایل کارکنان به ترک سازمان در این پژوهش بهره گرفته ‌شده است. در این راستا، ابتدا با طراحی پرسشنامه&rlm;ای، نظرات کارکنان شرکت بهرهبرداری نفت و گاز کارون در مورد رضایت‌مندی و تمایل به ترک سازمان، جمع‌آوری‌شد و بر اساس آن،‌ یک مجموعه داده تدوین گردید. سپس با استفاده از شبکه های عصبی مصنوعی به‌عنوان طبقه بند و الگوریتم تکاملی ژنتیک چندهدفه برای انتخاب ویژگی‌های مؤثر، یک سیستم خبره طراحی شد. به منظور تست و ارزیابی الگوریتم شبکه عصبی طراحی شده با مجموعه داده استاندارد ایجادشده، آموزش های لازم ارائه شد. نتایج ارزیابی سیستم پیشنهادی بیانگر آن است که با به‌کارگیری الگوریتم ژنتیک چندهدفه و شبکه های عصبی مصنوعی میتوان مدلی ارائه کرد تا علاوه بر پیش‌بینی میزان تمایل کارکنان به ترک سازمان با دقت بالای 88%، با انتخاب ویژگی‌های مؤثر، عوامل کلیدی ترک سازمان را نیز مشخص کند 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. جایگزینی, داده,کاوی,انتخاب کارکنان, شبکه های عصبی مصنوعی,الگوریتم ژنتیک چندهدفه Replacement, Data Mining, Selection, Artificial Neural Network, Multi-Objective Genetic Algorithm 75 104 http://iieshrm.ir/browse.php?a_code=A-10-243-2&slc_lang=fa&sid=1 Saham Khaziri Afravi سهام خضیری عفراوی khaziri.s@nisoc.ir 10031947532846004087 10031947532846004087 No دانشگاه آزاد اسلامی واحد یزد Mohsen Sardari Zarchi محسن سرداری زارچی sardari@meybod.ac.ir 10031947532846004088 10031947532846004088 Yes دانشگاه سراسری میبد،یزد Seyyed Mohammad mahdi Fatemi Booshehri سیدمحمدمهدی فاطمی بوشهری fatemi@yazd.ac.ir 10031947532846004089 10031947532846004089 No دانشگاه یزد