Machine learning methods in human resource management

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The application of machine learning methods in human resource management is considered. The main tasks of personnel management, which can be solved by the methods of artificial intelligence and machine learning, are highlighted. The analysis of various platforms of artificial intelligence in the procedures for working with personnel was carried out. A brief description of machine learning methods, primarily related to the category of supervised ones, which are able to find solutions to selected problems in the specified area, is given. Practical examples of the implementation of a number of such tasks that are performed in the MatLab software product with obtaining specific results in recruiting, staff selection and training are given. The ways of further research on the involvement of artificial intelligence methods in the personnel management tasks are indicated.

About the authors

Mikhail Leyzerovich Krichevskiy

Saint-Petersburg State University of Aerospace Instrumentation (SUAI)

Email: mkrichevsky@mail.ru
профессор кафедры бизнес-информатики и менеджмента, доктор технических наук, профессор

Svetlana Vladimirovna Dmitrieva

Saint-Petersburg State University of Aerospace Instrumentation (SUAI)

Email: dsv949@yandex.ru
доцент кафедры бизнес-информатики и менеджмента, кандидат экономических наук

Yuliya Anatolevna Martynova

Saint-Petersburg State University of Aerospace Instrumentation (SUAI)

Email: juli_ko@list.ru
доцент кафедры бизнес-информатики и менеджмента, кандидат экономических наук, доцент

References

  1. Mathis R. L., Jackson J. H. Human Resource Management. Cengage Learning. , 2010. – 664 p.
  2. Sakka F., Maknouzi M.E., Sadok H. Human resource management in the era of artificial intelligence: future HR work practices, anticipated skill set, financial and legal implications // Academy of Strategic Management Journal. – 2022. – № 21(S1). – p. 1-14.
  3. Блинникова А.В., Йинг Д.К. Использование искусственного интеллекта в процессах управления человеческими ресурсами // Вестник университета. – 2020. – № 7. – c. 14–21.
  4. Wisetsri W., Vijai С., Chueinwittaya К., Jirayus Р. Artificial Intelligence in Human Resources Management - An Overview // Journal of Positive School Psychology. – 2022. – № 6(2). – p. 2688 – 2693.
  5. Cappelli Р., Tambe P., Yakubovich V. Artificial Intelligence in Human Resources Management: Challenges and a Path Forward (April 8, 2019). [Электронный ресурс]. URL: https://ssrn.com/abstract=3263878 or http://dx.doi.org/10.2139/ssrn.3263878 https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3263878 (дата обращения: 10.01.2023).
  6. Votto A. M., Valecha R., Najafirad P., Rao H. R. Artificial Intelligence in Tactical Human Resource Management: A Systematic Literature Review // International Journal of Information Management Data Insights. – 2021. – № 1(2). – p. 100047. – doi: 10.1016/j.jjimei.2021.100047.
  7. Tuffaha M., M Rosario P.M. Adoption Factors of Artificial intelligence in Human Resources Management // Future of Business Administration. – № 1(1). – p. 1–12. – doi: 10.33422/fba.v1i1.140.
  8. Платформы искусственного интеллекта. [Электронный ресурс]. URL: https://soware.ru/categories/artificial-intelligence-platforms (дата обращения: 15.01.2023).
  9. Моя Команда. [Электронный ресурс]. URL: https://a2is.ru/catalog/upravlenie-chelovecheskimi-resursami/moyakomanda (дата обращения: 15.12.2022).
  10. Хантфлоу. [Электронный ресурс]. URL: https://a2is.ru/catalog/poisk-i-podbor/khantflou (дата обращения: 20.01.2023).
  11. Автоматизация подбора и адаптации персонала. [Электронный ресурс]. URL: https://vc.ru/u/977700-ann-bell/330083-avtomatizaciya-podbora-i-adaptacii-personala-obzor-sushchestvuyushchih-na-rynke-siste (дата обращения: 30.01.2023).
  12. Грэхем Х.Т., Беннетт Р. Управление человеческими ресурсами. - М.: ЮНИТИ-ДАНА, 2003. – 598 c.
  13. Wang W., Siau K. Artificial Intelligence, Machine Learning, Automation, Robotics, Future of Work and Future of Humanity: A Review and Research Agenda // Journal of Database Management. – 2019. – № 30(1). – p. 61-79. – doi: 10.4018/JDM.2019010104.
  14. Boisseau J., Wilson L. Enterprise AI: Data Analytics, Data Science and Machine Learning. 2019. CIO Middle Eas. [Электронный ресурс]. URL: https://www.cio.com/article/3342421/enterprise-ai-data-analytics-data-science-and-machinelearning.html (дата обращения: 18.03.2023).
  15. Гудфеллоу Я., Курвилль А., Бенджио И. Глубокое обучение. - М.: ДМК Пресс, 2017. – 652 c.
  16. Alpaydin E. Introduction to machine learning. - Massachusetts Institute of Technology, 2010. – 579 p.
  17. Рамсундар Б., Заде Р. TensorFlow для глубокого обучения. - СПб.: БХВ-Петербург, 2019. – 256 c.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2023 Krichevskiy M.L., Dmitrieva S.V., Martynova Y.A.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».