Attrition Rate Measuring In Human Resource Analytics Using Machine Learning

2023

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/icecco58239.2023.10146602
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

Nowadays, the majority of educational institutions try to improve the working conditions (job satisfaction, salary, workload, and work-life balance) of their employees so that they remain in their institutions for a long time. However, often in the same institutions, the number of resignations remains at about the same level. In such cases, it is important to identify the trends of such employees and prevent further resignations. This work aims to use Machine Learning (ML) algorithms for predicting the probable quitting of employees to help Human Resources (HR) henceforth retain valuable employees in advance, thereby benefiting both employees and the institution as a whole.