MEJORA DEL PROCESO DE SELECCIÓN DE PERSONAL MEDIANTE LA APLICACIÓN DE REDES NEURONALES: UN CASO DE ESTUDIO EN EL SECTOR TEXTIL (IMPROVEMENT OF THE PROCESS OF SELECTION OF PERSONNEL THROUGH THE APPLICATION OF NEURAL NETWORKS: A CASE STUDY IN THE TEXTILE SECTOR)
Resumen
Resumen
En el escenario actual de competitividad entre empresas, el factor humano juega un papel importante como recurso activo para la organización, es por eso que la mala selección a menudo se toma en cuenta como un aspecto negativo con resultados adversos como altos costos, baja productividad, falta de compromiso y alta deserción. Este estudio se centra en la mejora del proceso de selección de personal de una empresa del sector textil utilizando Red Neuronal Artificial (RNA) de clasificación. Para la selección de variables se diseñó un proceso de selección con base en las necesidades de la organización y bajo criterios de los expertos en la selección de personal dentro de la organización, los datos de entrenamiento fueron extraídos de sus datos históricos, utilizando la experiencia previa en la contratación, con aquellos casos que por sus resultados evidenciaron una mala selección y así mismo con los que presentaron buen desempeño. El resultado del entrenamiento de la red es del 100% en la clasificación y su aplicación en la empresa se desarrolló con una plantilla en Excel para la gestión de la información.
Palabra(s) Clave: Redes neuronales artificiales, Selección de personal, Perceptrón multicapa.
Abstract
In the current scenario of competition between companies, the human factor plays an important role as an active resource for the organization, due this, the bad selection is often taken into account as a negative aspect that results in adverse outcomes such as high costs, low productivity, a lack of commitment and high desertion of employees. This study focuses on improving the recruitment process of a company in the textile sector using a classification Artificial Neural Network (ANN). For the selection of variables a selection process was designed based on the needs of the company and under the criteria of the expert in the selection of personnel within the organization, the training data was extracted from their historical data, using the previous experience in hiring, with those cases that by their results. The result of the training of the network is 100% in the classification and its application in the company is fulfilled with a template in Excel for the management of the information.
Keywords: Artificial neural networks, Multilayer perceptron, Personnel selection.
Texto completo:
2250-2265 PDFReferencias
Acevedo Orduña, G. L., Caicedo Bravo, E. F., & Loaiza Correa, H. (2006). Selección de personal mediante redes neuronales artificiales. Revista de Matemática: Teoría y Aplicaciones, 14(1), 7 a 20.
Akinyede, R. O. & Daramola, O. A. (2013). Neural Network Web-Based Human Resource Management System Model (NNWBHRMSM). International Journal of Computer Networks and Communications Security, 1(3), 75 - 87.
Cárdenes R. (2006). Inteligencia Artificial Practica 2 (material de clase). Barcelona, España.
Chiavenato, I. (2007). Administración de recursos humanos: el capital humano de las organizaciones (8a. ed.). México: McGraw-Hill Interamericana.
Cuevas, F. (2013, November). Selección de personal mediante redes neuronales artificiales. Rev Inv Tec (Online), 2, 59 a 72.
Del Brio, M. B. (2002). Redes neuronales y sistemas difusos (3rd ed.). Madrid, España: RA-MA Editorial.
Güngör, Z., Serhadlioglu, G., & Kesen, S. E. (2009). A fuzzy AHP approach to personnel selection problem. Applied Soft Computing Journal, 9(2), 641 a 646.
Haykin, S. (1999). Neural networks and learning machines (3rd ed.). Hamilton, Ontario, Canada: Pearson Prentice Hall.
Ispas, D., & Borman, W. C. (2015). Personnel Selection, Psychology of. International Encyclopedia of the Social & Behavioral Sciences: Second Edition (Second Edi, Vol. 17).
Marín Diazaraque, J. M. (2007). Introducción a las redes neuronales aplicadas (Material de clase). Manual Data Mining. Madrid, España.
Martin, T., Howard, B., & Mark, H. (1996). Neural network design. Boston, Massachusetts: PWS (2nd ed.). Stillwater, Oklahoma: Martin T. Hagan.
Mateo Jiménez, F. (2012). Redes neuronales y preprocesado de variables para modelos y sensores en bioingeniería. España: Universitat Politécnica de Valencia.
Özdemir, D. & Temur, G. T. (2009). DEA ANN Approach in Supplier Evaluation System. World Academy of Science, Engineering and Technology, 90(538), 282 a 287.
Sexton, R. S., McMurtrey, S., Michalopoulos, J. O. & Smith, A. M. (2005). Employee turnover: A neural network solution. Computers and Operations Research, 32(10), 2635 a 2651.
Weeramanthrie, T. T., Thilakumara, C. N., Wijesiri, K. N. A. C., Fernando, N. I., Thelijjagoda, S., Gamage, A., & Ieee. (2017). ARROW: A Web-Based Employee Turnover Analysis Tool for Effective Human Resource Management in Large-Scale Organizations. 2017 National Information Technology Conference, 136 a 140.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx