Un nuevo marco para la asignación de TER utilizando perceptron de múltiples capas y números Z difusos intuitivos para...

Área de la Ciencia:

• Psicología organizacional y ciencia de datos.
• Gestión de recursos humanos y inteligencia artificial.

Sus antecedentes:

• Los métodos tradicionales de evaluación de los empleados y asignación de recursos luchan con datos de rendimiento inciertos y complejos.
• La asignación efectiva de recursos de formación y educación (TER) es crucial para la capacidad y el desarrollo de la fuerza laboral.

Objetivo del estudio:

• Proponer un nuevo modelo para la evaluación precisa del rendimiento de los empleados y la asignación de recursos.
• Abordar las limitaciones de los métodos convencionales en la gestión de la incertidumbre y la imprecisión de los datos.

Principales métodos:

• Aplicación integrada de los números Z difusos intuitivos para el manejo de la incertidumbre en los datos de rendimiento.
• Utilizó redes de perceptrones de múltiples capas para predecir las tendencias de rendimiento de los empleados.
• Logía difusa empleada para gestionar los grados de membresía, no membresía y vacilación en las evaluaciones.

Principales resultados:

• El modelo propuesto demostró una alta precisión predictiva con un valor de R al cuadrado de 0,9967.
• El análisis experimental confirmó mejoras significativas en la distribución de los recursos de los empleados.
• El modelo maneja efectivamente la incertidumbre y los datos incompletos de rendimiento de los empleados.

Conclusiones:

• El nuevo modelo ofrece un avance significativo con respecto a los marcos tradicionales de evaluación y asignación de empleados.
• Proporciona una solución flexible y escalable para la gestión del talento organizacional y la optimización del rendimiento.
• Se recomienda una mayor investigación para reducir la escasez de datos y permitir la integración en tiempo real.