應用模糊關聯法則於企業人才甄選之研究 余承翰、陳振東
E-mail: 9422521@mail.dyu.edu.tw
摘 要
身處現今競爭激烈的商業環境中，企業逐漸體認唯有掌握人 力資源，才能獲取持續性的競爭優勢。因此，有效的人力資源 管 理已成為企業維持市場競爭力的重要指標之一。 人才任用具有對人力「擇優汰劣」的作用，其中人才甄選是 從應徵者 中挑選有能力和適當人選，以增進企業的競爭力故對企 業組織極為重要。然而，企業組織一旦挑選到不適合的人才，將 造成人力的浪費與成本的增加。因此，有效選才實為企業組織之 一重要的研究課題。 為此，本研究主要針對人才甄選問 題，結合模糊理論與關聯 法則，運用模糊關聯法則的演算法，提出一個人才甄選決策的分 析模式，來尋找出在職期間穩 定度較高的員工。為了驗證本研究 所提出之人才甄選決策分析之可行性，本研究開發一個人才甄選 決策分析系統，同時 輔以某企業之實際資料進行驗證分析。經由 本研究所得之人才屬性能力的關聯法則，提供給企業作為人才甄 選時的參考 依據，將有利於協助企業就人力資源進行規劃及有效 管理，以求達成提昇人力資源與企業利潤之目標。 關鍵字：
關鍵詞 : 人才甄選、模糊理論、資料探勘、關聯法則
目錄
目錄 封面內頁 簽名頁 授權頁 iii 中文摘要 iv 英文摘要 v 誌謝 vi 目錄 vii 圖目錄 ix 表目錄 x 第一章緒論 1 第一節研究背景 1 第二節研究動機 2 第三節研究目的 3 第四節研究流程 5 第二章文獻探討 7 第一節人才甄選 7 第二節模糊理論 14 第三節資 料探勘 22 第三章研究方法 26 第一節關聯法則 26 第二節模糊關聯法則 29 第三節範例說明 31 第四節人才甄選決策分析流 程 37 第四章系統開發與實證分析 38 第一節系統建構環境 38 第二節系統畫面說明 39 第三節實證分析 41 第四節問題探討 58 第五章結論與建議 60 第一節結論 60 第二節後續研究與建議 61 參考文獻 63 附錄 69 圖目錄 圖1-1 研究流程 6 圖2-1 三角 模糊數 16 圖2-2 某ㄧ維度的三角模糊數之隸屬函數 17 圖2-3 Mamdani 推論法 21 圖3-1 年齡的隸屬函數 32 圖3-2 學歷的隸 屬函數 32 圖3-3 扶養人數的隸屬函數 32 圖3-4 在職期間的隸屬函數 33 圖3-5 人才甄選決策分析流程 37 圖4-1 新增應徵者基 本資料 39 圖4-2 基本資料修改及刪除 40 圖4-3 模糊推論 40 圖4-4 結果呈現 41 圖4-5 實驗流程 42 圖4-6 在職期間的隸屬函 數 45 圖4-7 各組推論準確率的比較 56 表目錄 表2-1 AND 與OR 運算子 19 表2-2 蘊含運算子 20 表3-1 個人基本資料 31 表3-2 各屬性的隸屬程度 33 表3-3 各屬性的模糊支持度 34 表3-4 二個屬性間組合的模糊支持度 35 表3-5 三個屬性間組合的 模糊支持度 35 表3-6 四個屬性間組合的模糊支持度 35 表3-7 模糊關聯法則 36 表4-1 資料欄位說明 43 表4-2 屬性對照表 44 表4-3 各個屬性的隸屬函數 46 表4-4 以76 筆當訓練資料的模糊關聯法則 47 表4-5 以76 筆中的10%當驗證資料所得的模糊關 聯法則 49 表4-6 以76 筆中的20%當驗證資料所得的模糊關聯法則 49 表4-7 以76 筆中的30%當驗證資料所得的模糊關聯法 則 50 表4-8 以76 筆中的40%當驗證資料所得的模糊關聯法則 51 表4-9 以76 筆中的50%當驗證資料所得的模糊關聯法則 51 表4-10 對照各個法則的隸屬程度 51 表4-11 個人基本資料表 52 表4-12 實際與推估資料誤差表 53 表4-13 抽取50%當驗證資 料的推論準確率 54 表4-14 抽取40%當驗證資料的推論準確率 54 表4-15 抽取30%當驗證資料的推論準確率 55 表4-16 抽 取20%當驗證資料的推論準確率 55 表4-17 抽取10%當驗證資料的推論準確率 56 表4-18 平均推論準確率 57 表4-19 推論準 確率最高的模糊關聯法則 57
參考文獻
[1] 方世榮編譯，現代人力資源管理，華泰書局，民國90 年。
[2] 吳秉恩，分享式人力資源管理，翰盧圖書出版有限公司，民國88 年。
[3] 張火燦，策略性人力資源管理，初版，揚智出版社，民國85 年。
[4] 黃英忠，現代人力資源管理，再版，華泰書局，民國84 年。
[5] 黃英忠，人力資源管理，三民書局，民國86 年。
[6] 黃英忠、曹國雄、黃同圳、張火燦、王秉鈞，人力資源管理，華泰書局，民國87 年。
[7] Agrawal, R., Imilienski. T. and Arun. S, ”Mining association rules between sets of items in large databases,” In Proceedings of ACM SIGMOD International Conference on Management of Data,Vol.22, pp. 207-216, 1993.
[8] Agrawal, R. and R. Srikant, ”Fast algorithm for mining association rules,” In Proceedings of the 20th International Conference on Very Large Databases, pp. 487-499, 1994.
[9] Ashforth, B. and F. Mael, ”Social identity theory and the organization,”Academy of Management Review, Vol.14, pp.20-39, 1989.
[10] Bugarin, A.J. and S. Barro, ”Reasoning with truth values on compacted fuzzy chained rules, ” IEEE Transaction on System, Vol. 28, pp.34-46, 1998.
[11] Chen, S.M., ”A fuzzy reasoning approach for rule-based systems based on fuzzy logics, ” IEEE Transaction on System, Vol. 26, pp.769-778, 1996.
[12] Cohen, Y. and J. Pfeffer, ”Organization hiring standards,”Administrative Science Quarterly, Vol.32, pp.1-24, 1986.
[13] Dubois, D. and H. Prade, Fuzzy sets and systems:theory and applications, Academy Press, 1980.
[14] Eder, R., and R. Buckley, The employment interview: An interactionist perspective, Resarch in Personnel and human resources management, Ferris, G. and k. Rowland(Eds), pp.75-107,1988.
[15] Fayyad, U., G. P. Shapiro and P. Smyth , ”From data mining to knowledge discovery in database,” AI magazine, Vol.17, pp.37-54, 1996.
[16] Ferris, G., M.Buckley and G. Allen ,”Promotion systems in organization,”Human Resource Planning, Vol.15, pp.47-68 , 1992.
[17] Han, J. and M. Kamber, Data Mining : Concepts and Techniques, John Wiley & Son, 2001.
[18] Heneman Ⅲ, H., D. Schwab, J. Fossum and L.Dyer, Person/human resource management, IL:Irwin, 1989.
[19] Herriot, P., Selection as a social process, Advances in selection and assessment, Smith, M. and Robertson(Eds), pp.171-188, 1989.
[20] Hong, T. P., K.Y. Lin and S. L. Wang , ”Fuzzy data mining for interesting generalized association rules,”Fuzzy Sets and Systems 138 , pp.
255–269 , 2003.
[21] Hu, Y.C., J.S. Hu, R.S. Chen and G.H. Tzeng, ”Assessing weights of product attributes from fuzzy knowledge in a dynamic environment,”
European Journal of Operational Research, Vol. 154, pp.125-143, 2004.
[22] Hu, Y.C., R.S. Chen and G.H. Tzeng, ”Mining fuzzy association rules for classification problems,” Computers and Industrial Engineering, Vol. 43, pp.735-750, 2002.
[23] Ishibuchi, H., K. Nozaki and H. Tanaka, ”Distributed representation of fuzzy rules and its application to pattern classification,” Journal of Fuzzy Sets and Systems, Vol.52, pp.21-32 , 1992.
[24] Ishibuchi, H., K. Nozaki, N. Yamamoto and H. Tanaka , ”Selecting fuzzy if-then rules for classification problems using genetic algorithms,
”IEEE Transcation on FuzzySystems , Vol.3, pp.260-270, 1995.
[25] Ishibuchi, H., T. Nakashima and T. Yamamoto, ”Fuzzy association rules for handling continuous attributes,” Proceedings of IEEE International Symposium on Industrial Electronics, Vol.1, pp.118-121, 2001.
[26] Ishibuchi, H., T. Yamamoto and T. Nakashima, ”Fuzzy data mining: effect of fuzzy discretization,” Proceedings of the 1st IEEE International Conference on Data Mining, pp.241-248, 2001.
[27] Kaufmann, A. and M.M. Gupta, Introduction to fuzzy arithmetic :theory and application, Van Nostrand Reinhold, New York, 1991 . [28] Kim,S.M., J.D. Kim, J.H. Hong, D.W. Nam, D.H. Lee and J.Y. Lee, A System for Association Rule Finding from an Internet Portal Site, 2000.
[29] Kleissner, C., ”Data mining for the enterprise,” Proc of the Thirty-First Hawaii International Conference, Vol. 7, pp.295-304, 1998.
[30] Lee, C. C., ”Fuzzy logic in control systems: fuzzy logic controller, Part II,” IEEE Transactions on Systems, Vol.20, pp. 419-435, 1990.
[31] Michael, J.A. and G. Linoff, Data Mining Technique: for Marketing, Sales and Customer Support, Wiley Computer Publishing, New York, 1997.
[32] Mills, D.,”Seniority versus ability in promotion decisions, ”Industrial and Labor Relation Review, Vol.38, pp.421-425, 1985.
[33] Mitra, S., S.K. Pal and P. Mitra , ”Data mining in soft computing framework: A survey,” IEEE Transactions on Neural Networks , Vol.13 , pp3-14 , 2002.
[34] Robertson, I. and M. M. Smith, Personnel selection methods, Advances in selection and assessment, pp.89-112, 1989.
[35] Rynes, S.L., R.D. Bretz and B. Gerhart, ”The importance of recruitment in job choice:A different way of looking, ” Personnel Psychology, Vol.44, pp.487-521, 1991.
[36] Schuler, R. S., Strategic Human Resource Management: Linking the People with the Strategic Needs of the Business, Organizational Dynamic, pp.18-32, 1992.
[37] Simoudis, E., ”Reality check for data mining,” IEEE Expert, Vol.11 , pp.26-33, 1996.
[38] Smither, J.W., R.R. Reiley, R.E. Millsap, K. Pearlman and R.W. Stoffey, ”Applicant reactions to selection procedures, ” Personnel Psychology, Vol.46, pp.49-76, 1993.
[39] Tichy, N. M., C.J. Fombrun and M.A. Devanna, ”Strategic human resource management,” Sloan Management Review, Winter,Vol.23, pp.47-61, 1982.
[40] Uehara, K. and M. Fujise, ”Fuzzy inference based on families of α-level sets,”IEEE Transaction on Fuzzy Systems, Vol. 1, pp.205-221, 1993.
[41] Ulrich, D., ”Measuring human resources: an overview of practice and a prescription for results,” Human Resource Management, Vol.36, pp.303-320, 1997.
[42] Vandenberg, R. and V. Scarpello, ”The matching model:An examination of the process underlying realistic job previews, ”Journal of Applied Psychology, Vol.75, pp.60-67, 1990.
[43] Wright, P.M. and G.C. McMahan, ”Theoretical perspectives for strategic human resource management,” Journal of Management, Vol.18, pp.295-320, 1992.
[44] Yuan, K., Fuzzy Sets and Fuzzy Logic – Theory and Applications, Prentice Hall, 1995.
[45] Zadeh, L.A., ”The concept of a linguistic variable and its application to approximate reasoning I, II, III,” Information Science, Vol.8,pp.199-251,pp.301-357, Vol.9,pp. 43-80, 1975.
[46] Zadeh, L.A., ”Fuzzy Sets, ”Information and Control, Vol.8, pp.338-353, 1965.
[47] Zhang, C. and S. Zhang ,Association rule mining: model and algorithms, Springer-Verlag Berlin Heidelberg, New York, 2002.
