İşe alım sürecinde makine öğrenmesi ve çok kriterli karar verme teknikleri: Ampirik bir çalışma

Günümüzde pek çok alanda teknolojik gelişmeler yaşanmaktadır. Yaşanan bu teknolojik gelişmeler birçok verinin kaydedilip veri ambarlarının oluşmasına ve gerektiğinde bu verilerin analiz edilip, karar vermeyi destekleyen çalışmalar yapılmasına zemin hazırlamaktadır. Karar verme faaliyetinin en sık kullanıldığı alanlardan bir tanesi de işe alımdır. İnsan kaynakları işe alım sürecini yürüten organizasyonel yapıdır. Doğru çalışan ve doğru iş eşleşmesini yapılmaması organizasyonlarda birçok soruna neden olmaktadır. Günümüzde şirketler genel olarak nesnel niteliklerden uzak işe alım stratejisi izlemektedir. İzlenen bu subjektif yöntemler genellikle işe alımı kişisel deneyime maruz bırakmaktadır. Çok Kriterli Karar Verme Yöntemi genellikle işe alım sürecinde birçok sektör ve pozisyon için kullanılmaktadır. Çok Kriterli Karar Verme yöntemleri arasından en yaygın kullanılanlardan biri de AHP yöntemidir. Bu çalışmada bir tekstil firmasının mavi yaka makineci seçimi için kriter ağırlıklandırılması, çok kriterli karar verme yöntemlerinden biri olan AHP ve makine öğrenmesi yöntemlerinden GBT yöntemiyle yapılmıştır. 10 adet alternatif kriter arasında sıralama yapılmıştır. Firmanın insan kaynakları departmanından personellere ait veriler alınmıştır. Veriler temizlenerek kaliteli veri haline getirilmiştir. 269 adet veri sınıflandırma algoritmalarına tabi tutulmuş daha sonra uygun olan sınıflandırma yöntemi belirlenmiştir. Veriler RapidMiner paket programıyla analiz edilmiştir. GBT yöntemiyle 10 adet kriter ağırlıklandırılmıştır. Daha sonra GBT ile ağırlıklandırılan kriter ağırlıkları ile AHP' de bulunan kriter ağırlıkları karşılaştırılmıştır. Bu çalışma ile hem Çok Kriterli Karar Verme Yöntemlerinden AHP hem de makine öğrenmesi yöntemlerinden GBT kullanılarak yapılan ampirik bir çalışma olarak literatüre katkı sunulmaktadır.