马俊贤[1]2008年在《数据挖掘算法在人才测评中的研究与应用》文中进行了进一步梳理本文对数据挖掘算法在人才测评中的应用作了研究。随着人力资源管理日益成为企业生存关键的时候,人才测评作为人力资源管理的一项专门技术也越来越受到人们的重视。人才测评是以心理学、管理学、行为科学和计算机技术等学科为基础的一种综合选才的方法体系,为企业的人才招聘、选拔以及调用都起到了重要的作用,是企业有效科学地进行人力资源管理的保证。通过对目前国内外人才测评状况的了解得知,现在企业的人才测评大多处在单一的专家评估上面,主观性太大。而一些人才测评的方法也只是处在简单的线形加权法,这种方法不能将人才测评中的定性方面问题完全解决。为次,本文利用数据挖掘技术对人才测评中的一些问题如人才绩效考核、人才选拔以及分类进行研究,改进了以前算法中的一些不成熟的地方。数据挖掘技术是数据库技术和人工智能技术相结合的产物,解决了在信息技术发展中存在拥有大量数据但缺乏有用信息的问题,完成从业务数据到决策信息的转换。数据挖掘技术能从一些大型的人力资源数据库中找到隐藏在其中的信息,帮助决策人员找到数据间潜在的联系,从而发现企业内部人才的构成情况,有效地进行人才测评。本文首先介绍了国内外研究背景以及发展现状,接着分别介绍了人才测评和数据挖掘的基本理论。在此基础上引入了基于数据挖掘算法的人才测评,包括人才测评体系的构建,权重的确定与量化,人才的分类与选拔,绩效考核以及人才素质评测,最后对各个算法的优缺点进行分析。
李国雁[2]2008年在《基于矩阵的人力资源多值关联规则的挖掘》文中研究表明关联规则是数据挖掘中一个重要的研究方向,其主要研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。人们可以利用这些规律来预测事物发展趋势,提高决策支持的能力。关联规则可以分为布尔型关联规则和多值属性关联规则,前者可以看作是后者的基础和特例。由于实际应用中多值属性的数据居多,因此多值属性关联规则逐渐成为关联规则研究的热点。频繁项集挖掘是关联规则挖掘中的关键技术和步骤,借助于矩阵可以使这一步骤的执行效率明显提升。人力资源是指在一定范围内能够推动整个社会和经济发展的具有智力与体力劳动能力的人的总和,是在劳动力资源的基础上,能够发挥创造性劳动的群体。高校人力资源主要包括教学科研人员、党政管理人员、后勤服务人员以及校办产业人员。他们具有人力资源的基本特征,即主动性、时效性、可再生性,同时,高校担负着培养高层次创新人才的重任,这就要求高校的人力资源在政治道德、职业道德、科学文化素质等方面要远远高于社会平均水平。人力资源是高校发展中最有活力、效益最显着的资源,它的开发是实现高校可持续发展的关键,无论是学科建设的发展、人才的培养,还是高校资源的合理利用,都离不开对人力资源的有效开发和利用。通过数据挖掘技术对高校人力资源数据源中的数据进行分析,寻找其中有价值的关系和规律,对教师聘用、培养、选拔等实际工作能够在一定程度上起到辅助作用,从而为制定人才需求规划、人才招聘和培养提供比较客观的决策支持。本文的主要贡献包括:(1)提出有效的数据预处理方法将原始事务数据库转化为多值型挖掘数据库,摈弃原始数据中一些与挖掘目标不相关的属性,为算法提供干净、准确、更有针对性的数据,从而减少了数据处理量,提高了算法挖掘效率和知识发现的起点。(2)设计出基于矩阵的多值属性关联规则挖掘算法,其中利用FAFS算法在多值型数据库中挖掘频繁项集,利用GAR算法在频繁项集中提取关联规则。并通过实验证明了算法的高效性和正确性。(3)将基于矩阵的多值属性关联规则的挖掘算法应用于高校干部人事电子档案管理信息系统中进行人力资源的开发,为高校各级人事部门提供决策支持。该系统的成功运行验证了算法的实用性。
黄彦[3]2004年在《基于高校人力资源的数据挖掘技术研究》文中研究说明数据挖掘是目前信息领域和数据库技术的前沿研究课题,被公认为最具发展前景的关键技术之一。数据挖掘涉及到数理统计、模糊理论、神经网络和人工智能等多种技术,技术含量比较高,实现难度也较大。聚类分析是数据挖掘的主要功能之一,其技术主要包括k-means算法和人工神经网络算法等。在聚类算法中,k-means是公认的常用算法之一。人工神经网络是在现代神经科学研究成果的基础上提出的,是人脑的某种抽象、简化与模拟。近年来,基于神经网络的数据挖掘工具越来越流行,在市场数据库的分析和建模方面应用日益广泛。其中自组织特征映射算法在聚类分析中,显示出其明显的优势。本文系统地研究了数据挖掘的概念、功能、过程及实现技术。较深入地研究了数据预处理技术、k-means算法和自组织特征映射人工神经网络数据挖掘算法。人力资源管理作为一种先进企业管理模式的重要组成部分,日益受到各个领域的重视。人力资源管理面对着海量数据,迫切需要一种技术来发现有价值的知识,从而制定人才发展战略,并为其提供决策支持。本文以天津市两所高校的人力资源数据为背景,通过大量的数据预处理工作,应用SQL Server 2000 中的Analysis Services和自组织特征映射神经网络算法对上述数据进行了聚类分析,实现了可视化,最终挖掘到有一定价值的信息。
郭显龙[4]2010年在《聚类分析及其在高校人力资源管理中的应用研究》文中认为随着高校数字化校园建设的实施,高校的人力资源管理也逐渐走向管理信息化。在多年的计算机管理过程中,积累了大量的人力资源管理原始数据。如何更加充分利用这些资源,从中发掘数据内部隐含的关联和规律,为计划、决策提供辅助支持,就成为了在高校人力资源管理中的一个重要研究课题。聚类分析是数据挖掘中的重要研究方法之一,是一种数据划分或分组处理的重要手段,已经被广泛应用于许多领域中,包括模式识别、图像处理、数据分析和市场研究等领域,并且已经取得了很好的效果。通过聚类分析,可以将性质相近或相同的数据分到一个类(簇),可以将数据集分为几个类,类内部各数据之间差异较小,不同类之间的数据的差异较大,让用户可以更加清晰的分析数据集的特征和性质。本文首先对聚类分析的一个常用方法——k-均值算法进行了分析研究,通过分析发现k-均值算法容易受到噪音和孤立点数据的影响。为了解决这一问题,我们考虑通过修改初始簇中心的方法对算法进行改进。传统的k-均值算法是采用随机对象作为初始簇中心,我们为了降低极值对初始簇中心的影响,采用对象集的均值作为初始簇中心的确定依据。并通过实例进行聚类分析,对比了改进前后的两种k-均值算法的聚类结果及效率,发现改进后的k-均值算法在一定程度上降低了数据集极值的影响,计算效率也响应得到提高。然后以一个真实的高校人力资源管理数据库为研究对象,利用k-均值算法进行聚类分析,主要在岗位设置管理方面,通过探索性的聚类分析,发现数据之间存在的关联和规律,对现状进行客观性的描述,并为进一步的发展提出建议。研究分析的结果对高校人力资源管理,尤其是事业单位岗位设置改革工作具有一定的参考意义。
李翼[5]2007年在《数据挖掘技术在高校人力资源管理中的应用》文中研究说明随着知识经济的到来，人力资源管理被提到了前所未有的高度，现已成为高校管理的重要内容。同时，许多新兴技术在人力资源管理领域得到广泛应用。即便如此，人力资源管理仍存在一些现有技术不能解决的问题。寻找新的管理技术势在必行。擅长从数据中发现模式的数据挖掘技术，在许多领域被使用，并已取得良好的经济效应。为本文所述问题的解决，开辟了新的思路。本论文以现代人力资源管理理论为指导，运用数据挖掘技术“智能的”和“自动的”对高校人力资源管理状况进行系统的分析，使得大量的数据信息得以有效的利用。并在此基础上，发现有价值的知识，指导实际工作，提升高校的综合竞争实力。首先，阐述研究的背景、目的及意义、内容和研究方法与技术路线。高校的竞争是人才的竞争，如何全面掌握和合理运用人才资源是当今高校人力资源管理的首要问题。运用科学的定量分析方法，寻求解决问题的方案是本文的研究目的。本文从阐述数据挖掘技术相关理论入手，结合高校人力资源管理相关理论，利用数据挖掘技术解决高校人力资源管理中人才类型划分问题、预防人才流失问题和绩效考核体系的评价问题。其次，阐述数据挖掘技术理论。数据挖掘技术国内外研究现状、数据挖掘技术基础、数据挖掘的实际应用以及数据挖掘的基本过程和分析方法。再次论述数据挖掘技术在高校人力资源管理中的应用。本文重点研究数据挖掘解决叁个人力资源管理问题，即：应用数据挖掘技术划分高校人才类型、预防高校人才流失、绩效考核的体系评价。最后探讨数据挖掘技术在L大学人力资源管理中的应用，通过定量分析，解决高校人力资源管理中的实际问题，使得高校的发展战略与人力资源的管理战略有效结合，提高高校人才使用效率，进而增加高校的核心竞争力。
宋丽丽[6]2012年在《数据挖掘技术在高校人力资源规模的应用研究》文中研究说明21世纪初,随着高校规模的不断扩大,随之带来高校教师资源紧张、生均资源利用率低、高校教育经费问题等相关的问题。随着信息技术的发展,高校同时积累了大量的相关高校数据,通过采用高效的数据挖掘技术对大量的高校人力资源相关的历史数据进行分析,得到其中有关联价值的关系和规律。首先,对数据挖掘的相关概念进行了概述。扼要的介绍了数据挖掘常用的技术人工神经网络、遗传算法、决策树算法等。本文介绍了BP神经网络的结构、学习算法流程、及算法的局限性和改进措施等。将BP神经网络应用到高校生师比的模型的验证和预测。重点论述了优化算法中的遗传算法和粒子群算法的学习流程和结构设计。为优化BP神经网络奠定了基础。其次,本文从研究高校人力资源规模为出发点,介绍了高校人力资源中生师比的相关概念,收集了辽宁省近十余年的高校人力资源相关数据,采用MATLAB7.0软件对高校生师比建立模型,在建模前需要对数据预处理,包括数据的量纲化、归一化处理、主成分分析等相关工作。通过大量相关的实验验证,确定了BP网络模型中隐含层神经元的个数,最终确定训练网络的合理结构。本文分别研究了综合、师范、民族院校；工科、农、林院校；医学院校叁大类高校的生师比。并对叁大类的高校的生师比指标进行验证和分析。并将遗传算法优化BP神经网络和粒子群优化BP神经网络建立的模型应用在叁类高校生师比中。对比分析上述模型的预测精度和相对误差。最后,介绍了相关的预测模型方法,对高校生师比运用滚动预测方法来预测未来几年内高校生师比的变化趋势。最终根据高校生师比的预测来分析未来几年内高校人力资源的规模和利用率的情况。
苏子义[7]2007年在《高校人事管理办公自动化与决策支持系统的设计与实现》文中认为高校人事管理的目标是优化配置高校人力资源，提高办学效益。人事管理是高校管理的核心之一，在学科队伍和管理队伍建设中处于中心协调位置。利用先进的信息技术，提高人事管理的工作效率，建立高校人力资源分析系统，对学校各项管理工作有着促进作用。本文结合办公自动化与决策支持发展的成果，研究高校人事管理系统的实现方法和关键技术，探讨了应用数据挖掘技术进行高校人办资源分析的意义，构建了高校人事办公自动化与决策支持系统。在开发方法方面，基于对高校人事管理业务框架与流程的深入调研与了解，选择面向对象方法进行系统分析与设计，较好地把握高校人事管理的规律，确定了以岗位职能模块为业务建模单元的粒度标准，使得系统具有更好的健壮性，能够适应业务的调整和重组。在实现技术上，采用较先进的.NET框架编程技术，充分利用其面向对象编程的特性，提高代码的重用性，较好地保证了开发的进度和质量，提高了代码安全性和系统的执行效率。最后，通过研究聚类分析有关原理与技术手段，实现了基于高校人力资源数据的聚类挖掘，提取出有意义的聚类信息，为管理决策提供必要的参考支持。
涂庆华[8]2004年在《数据挖掘在高校人事管理系统中的应用研究》文中研究指明本文以数据挖掘理论和高校人事管理系统为题材，详细论述了数据挖掘的基本理论知识和基于Client／Server和Browser／Server结构相结合的高校人事信息管理系统的设计，分析了近年来国内高校利用先进的Web技术，依校园网为依托，紧密结合本校信息管理工作的需求，开发“基于C／S和B／S结构相结合的高校人事管理信息系统”的建设背景，提出高校人事管理系统的系统设计方案。在对该课题背景、国内现状进行研究的基础上，对开发本系统的基本技术与关键技术进行了研究与选择，并把这些研究运用到该系统的设计研制中。本文详细阐述了系统数据库设计方案、系统的功能特点以及系统实现的关键技术，以及对数据挖掘理论与高校人事信息库相结合进行了探讨，有利于高校人事管理的科学化、规范化和高效率
韩冬[9]2014年在《基于知识管理的高校学生工作能力形成机理及提升对策研究》文中研究表明作为人才培养的重要环节,国家高度重视高校学生工作。新时期高校学生工作内外部环境的不断变化,学生工作又面临着一系列新的情境。如何提高高校学生工作的时效性与针对性,增强工作的吸引力、感染力,这是高校学生工作的核心目标。因此,高校学生工作能力的形成与提升是当前学术界和高校学生工作一线普遍关注的研究课题。围绕着高校学生工作,学者开展了大量研究。但纵观国内外已有的研究成果,关于高校学生工作能力的研究还处于起步阶段。研究数量较少,研究内容停留在表层概念引入,缺少对其构成架构、形成机理的核心研究。虽然部分学者源于国家相关文件,就某些工作的要求与标准提出相应的学生工作能力；或源于某一学生工作的热点现象提出相应的学生工作能力,但均不够系统化,全面化。由于未深入开展高校学生工作能力的形成机理研究,无法形成有效的学生工作能力提升对策,更缺乏从知识管理的角度对高校学生工作能力提升的研究成果。因此,加强高校学生工作能力的研究势在必行,要重点加强能力的形成机理研究,并结合知识管理理论探索知识和能力的互动关系,及相应的学生工作能力提升对策。本研究从高校学生工作能力形成机理与知识管理对高校学生工作能力的提升视角探讨高校学生工作能力,主要研究以下叁方面内容：(1)提出了高校学生工作能力的概念及维度划分,构建了高校学生工作能力的多维结构模型；(2)研究了学生工作中的知识及知识的转化过程,以及学生工作中的知识与能力之间的关系,提出了学生工作知识与能力的互动模型；(3)研究了高校学生工作能力中的职业化能力、专业化能力、知识化能力的形成机理,并构建模型,分别探索了基于知识的高校学生工作的职业化能力、专业化能力及知识化能力的提升对策。具体而言,本研究的创新点主要有五方面：(1)揭示了高校学生工作能力的概念及其构成,建立了高校学生工作能力多维结构模型。解析高校学生工作能力的内涵,将高校学生工作能力聚合为职业化能力、专业化能力和知识化能力。划分了学生工作战略管理能力、组织架构能力、规范评价能力为职业化能力子维度,学生工作理论研究能力、组织学习能力、知识创新能力为专业化能力子维度。知识库构建能力、知识协同能力、智能决策能力为知识化能力子维度。在此基础上构建了高校学生工作能力多维结构模型。(2)论证了高校学生工作的知识体系及其与能力的互动关系,构建了高校学生工作知识和能力互动模型。本研究提出了高校学生工作知识的概念,并深入研究了学生工作中的显性知识和隐性知识,探索其通过社会化、外化、整合化、内化而不断转化的过程。构建了高校学生工作知识与能力的互动模型,经实证研究,学生工作知识的转化对学生工作能力的部分维度有提升作用。(3)揭示了高校学生工作的职业化能力的形成机理,从学生工作战略管理能力、组织架构能力、规范评价能力叁个维度提出了学生工作职业化能力的提升对策。论证了学生工作职业化能力的各个子能力的概念、作用及其形成机理,并整合论述了学生工作职业化能力的整体形成机理,在高端以战略管理为导向,在中端以组织架构为骨架,在低端以规范评价作支撑。并从多个角度探讨了基于知识的学生工作职业化能力的提升对策。(4)探讨了高校学生工作的专业化能力的形成机理,从学生工作理论研究能力、组织学习能力、知识创新能力叁个维度探讨了各自的概念及形成机理以及彼此之间的关系：其中学生工作理论研究能力是基础,学生工作组织学习能力是途径,学生工作知识创新能力是目标。论述了学生工作中知识对学生工作理论研究的重要性,构建学生工作学习型组织,以及通过知识学习与知识整合提升知识创新能力等提升对策。(5)揭示了高校学生工作的知识化能力的形成机理,就学生工作知识化能力的各个维度提出能力提升对策。分别论述了高校学生工作的知识库构建能力、知识协同能力、智能决策能力的各自概念、作用及形成机理,探索了高校学生工作的知识化能力的形成机理,并指出了叁个子能力的递进关系。在学生工作知识库的基础上,探索学生工作知识协同平台和智能决策系统的设计与实施。
王琳[10]2016年在《基于数据挖掘的Y汽车学院教科研人员管理对策研究》文中研究说明随着知识经济的到来,国家对高等职业院校的发展越来越重视,随着教育改革的推进,现代高职院校正逐步摆脱传统教学科研单位属性。高职院校与企业的发展越来越密切,校中厂、厂中校的合作模式越来越普遍。其发展也呈现出多元化、市场化趋势,人力资源管理也被提到了前所未有的高度,现已成为高职院校提高自身核心竞争力的重要内容。许多新兴技术在人力资源管理领域得到广泛应用,但人力资源管理中的一些内在的深层的问题仍不能很好的解决。例如:如何培养不同类型的人才,不同类型的人才对单位的作用有何不同,不同的人才与工作成效有何关联。为本文首先在查阅了大量的参考文献的基础上以现代人力资源管理理论为指导,运用统计分析和数据挖掘技术对Y汽车学院教科研人员状况进行系统的分析,使得大量的数据信息得以有效的利用,并在此基础上,发现有价值的信息,指导其实际的工作分配和人员管理,提升高职的综合竞争实力。首先,阐述研究的背景及意义、内容和研究方法与技术路线,高校的竞争是人才的竞争,如何全面掌握和合理运用人力资源是当今高校人力资源管理的首要问题。其次,结合人力资源管理理论,运用统计分析方法对Y汽车学院的教科研管理系统中教科研人员结构、授课量、培训进修、绩效工资及教科研成果等方面的数据进行统计分析。然后,利用数据挖掘技术中的关联分析法,对Y汽车学院教科研人员管理数据中的各项指标的关联性进行分析,找出各项指标之间的深层次的关联问题,发现教科研人员管理中存在的问题。最后,针对教科研人员数据挖掘中发现的问题,从人力资源管理的"人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬福利管理(主要围绕激励因素)、员工关系管理"等六个方面针对存在的问题提出相应的对策,从而使Y汽车学院的教科研人员能够得到合理的配置,提升Y汽车学院的人力资源管理效力,为Y学院战略发展提供有利支撑。
参考文献：
[1]. 数据挖掘算法在人才测评中的研究与应用[D]. 马俊贤. 中北大学. 2008
[2]. 基于矩阵的人力资源多值关联规则的挖掘[D]. 李国雁. 河南大学. 2008
[3]. 基于高校人力资源的数据挖掘技术研究[D]. 黄彦. 天津大学. 2004
[4]. 聚类分析及其在高校人力资源管理中的应用研究[D]. 郭显龙. 广西大学. 2010
[5]. 数据挖掘技术在高校人力资源管理中的应用[D]. 李翼. 兰州商学院. 2007
[6]. 数据挖掘技术在高校人力资源规模的应用研究[D]. 宋丽丽. 沈阳理工大学. 2012
[7]. 高校人事管理办公自动化与决策支持系统的设计与实现[D]. 苏子义. 东北师范大学. 2007
[8]. 数据挖掘在高校人事管理系统中的应用研究[D]. 涂庆华. 南京理工大学. 2004
[9]. 基于知识管理的高校学生工作能力形成机理及提升对策研究[D]. 韩冬. 吉林大学. 2014
[10]. 基于数据挖掘的Y汽车学院教科研人员管理对策研究[D]. 王琳. 大连海事大学. 2016
标签：计算机软件及计算机应用论文; 数据挖掘论文; 人才测评论文; 聚类论文; 关联规则论文; 学生工作论文; 数据挖掘算法论文; 人力资源管理论文; 大数据论文; 人力资源开发论文; 工作分析论文; 能力模型论文; 人力资源配置论文; 人力资源计划论文; 人力资源战略论文; 工作管理论文; 机理分析论文; 高校学生论文;