Аннотації

Оптимізації процесів відбору персоналу за алгоритмом пошуку ідеальних кандидатів

Автор(и):
Цюцюра С. В., Єрукаєв А. В., Андрусенко В. П.
Автор(и) (англ)
Tsiutsiura S., Yerukaiev A., Andrusenko V.
Дата публікації:

02.08.2024

Анотація (укр):

У статті розглянуто алгоритмічний підхід до відбору ідеальних кандидатів, використовуючи аналіз критеріїв та автоматизований процес відбору, для оптимізації процесів відбору персоналу та підвищення ефективності кадрового менеджменту. Досліджено ефективність цього методу, а також його практичні застосування в рекрутингу та внутрішньому переведенні працівників. У сучасному світі, де конкуренція на ринку праці надзвичайно висока, пошук ідеальних кандидатів стає ключовим завданням для багатьох компаній. Вибір правильного претендента на вакантне робоче місце може значно вплинути на успішність бізнесу, а автоматизація процесу підбору кандидатів допомагає роботодавцям значно економити час і ресурси на ручному відборі. Отже, постає необхідність дослідження різних методів та алгоритмів відбору персоналу для досягнення максимальної ефективності автоматизації процесу. Наукові дослідження і публікації, що стосуються відбору кандидатів та застосування алгоритмів у цій сфері, відображають багатоаспектність і складність процесу підбору персоналу. Попередні дослідження розглядали широкий спектр питань, включаючи розробку критеріїв відбору, психологічні тести, аналіз кар'єрних траєкторій, а також ефективність різних методів і підходів до підбору кандидатів. Деякі дослідження зосереджуються на розвитку алгоритмів машинного навчання і штучного інтелекту для автоматизації процесу відбору кандидатів, зокрема за допомогою аналізу резюме, професійних навичок та відгуків. Інші дослідження розглядають роль соціальних мереж у підборі персоналу та розробку алгоритмів для аналізу профілів кандидатів у соціальних мережах. Крім того, було проведено дослідження, що спрямовані на вивчення впливу різних факторів, таких як культурні та соціальні відмінності, на процес відбору кандидатів. Ці дослідження надають цінний внесок у розуміння найефективніших стратегій і методів підбору персоналу в різних умовах. Загальною тенденцією в попередніх дослідженнях є спроба забезпечити об'єктивність, ефективність та інноваційність процесу відбору кандидатів за допомогою розроблення нових алгоритмів і методів, які враховують широкий спектр факторів та потреб бізнесу.

Анотація (рус):

Анотація (англ):

The article discusses an algorithmic approach to the selection of ideal candidates, using criteria analysis and an automated selection process, to optimize personnel selection processes and increase the efficiency of personnel management. The effectiveness of this method, as well as its practical applications in recruiting and internal transfer of employees, were studied. In today's world, where the competition in the labor market is extremely high, finding the ideal candidates becomes a key task for many companies. Choosing the right candidate for a job vacancy can have a significant impact on the success of a business, and automating the candidate selection process allows employers to significantly save time and resources on manual selection. Therefore, there is a need to research various methods and algorithms of personnel selection to achieve the maximum efficiency of process automation. Scientific studies and publications related to the selection of candidates and the application of algorithms in this area reflect the multifaceted and complex nature of the recruitment process. Previous research has addressed a wide range of issues, including the development of selection criteria, psychological tests, career trajectory analysis, and the effectiveness of various methods and approaches to candidate selection. Some research focuses on the development of machine learning and artificial intelligence algorithms to automate the candidate selection process, in particular by analyzing CVs, professional skills and testimonials. Other research examines the role of social media in recruitment and the development of algorithms to analyze candidate social media profiles. In addition, research has been conducted to examine the impact of various factors, such as cultural and social differences, on the candidate selection process. These studies provide a valuable contribution to the understanding of the most effective recruitment strategies and methods in different settings. A general trend in previous research is an attempt to ensure the objectivity, efficiency and innovation of the candidate selection process by developing new algorithms and methods that take into account a wide range of factors and business needs.

Література:

  1. Eaton B. Why traditional recruitment processes no longer cut it. Vervoe. URL: https://vervoe.com/why-traditional-recruitment-processes-no-longer-cut-it/ (дата звернення: 25.03.2024).
  2. Effective Strategies For Talent Acquisition – Innovature BPO. Innovature BPO. URL: https://innovatureinc.com/effective-strategies-for-talent-acquisition/ (дата звернення: 02.04.2024).
  3. Koch-Bayram I. F., Kaibel C. Algorithms in personnel selection, applicants' attributions about organizations' intents and organizational attractiveness: An experimental study. Human Resource Management Journal. 2023. URL: https://onlinelibrary.wiley.com/doi/full/10.1111/1748-8583.12528 (дата звернення: 02.04.2024).
  4. Williams T. Learning from projects. Journal of operational research society 54, 2003. – P.443‑451. https://link.springer.com/article/10.1057/palgrave.jors.2601549 .  
  5. HR Automation: Best Practices & Trends. Teambuilding.com. URL: https://teambuilding.com/blog/hr-automation (дата звернення: 02.04.2024).
  6. Controlled by the algorithm, coached by the crowd – how HRM activities take shape on digital work platforms in the gig economy / M. Waldkirch et al. The International Journal of Human Resource Management. 2021. URL: https://www.tandfonline.com/doi/full/10.1080/09585192.2021.1914129 (дата звернення: 03.04.2024).
  7. Цюцюра М. І. Дослідження функціональних задач аналізу собівартості ІТ-продукту. Управління розвитком складних систем: зб. наук. праць. Київ : КНУБА, 2017. Вип. 29 № 29 С. 177 – 183. Видання індексовано в МНБД: Index Copernicus, BASE.
  8. Kryvoruchko Olena, Kostiuk Mykhailo, Tsiutsiura Mykola. Architectural solution of time management system in test driven development approach. International Journal of Science and Research (IJSR) ISSN (Online): 2319-7064 Impact Factor (2012): 3.358; Volume 7 Issue 07, 2017. Рр. 1098–1100. Видання індексовано в МНБД: Index Copernicus, BASE.
  9. James Gareth, Witten Daniela, Hastie Trevor, Tibshirani Robert. An introduction to statistical learning. – Springer Science+Business Media New York, 2013. 426 p.
  10. Kriesel D. A Brief Introduction to Neural Networks, 2007, http://www. dkriesel.com/en/science/neural_networks.

References:

  1. Eaton, B. (2024). Why traditional recruitment processes no longer cut it. Vervoe. URL: https://vervoe.com/why-traditional-recruitment-processes-no-longer-cut-it/ (дата звернення: 25.03.2024).
  2. Effective Strategies For Talent Acquisition – Innovature BPO. Innovature BPO. URL: https://innovatureinc.com/effective-strategies-for-talent-acquisition/ (date of application: 02.04.2024).
  3. Koch-Bayram, I. F., Kaibel, C. (2023). Algorithms in personnel selection, applicants' attributions about organizations' intents and organizational attractiveness: An experimental study. Human Resource Management Journal. URL: https://onlinelibrary.wiley.com/doi/full/10.1111/1748-8583.12528 (date of application: 02.04.2024).
  4. Williams, T. (2003). Learning from projects. Journal of operational research society, 54, 443–451. https://link.springer.com/article/10.1057/palgrave.jors.2601549.
  5. HR Automation: Best Practices & Trends. (2024). teambuilding.com. URL: https://teambuilding.com/blog/hr-automation (date of application: 02.04.2024).
  6. Waldkirch, M. et al. (2021). Controlled by the algorithm, coached by the crowd – how HRM activities take shape on digital work platforms in the gig economy. The International Journal of Human Resource Management. URL: https://www.tandfonline.com/doi/full/10.1080/09585192.2021.1914129 (date of application: 03.04.2024).
  7. Tsiutsiura, M. I., Tsiutsiura, S. V. and Kryvoruchko, O. V. (2019). Information technologies for the development of the content of education: monograph Kyiv: CP «Comprint», 118. ISBN-978-966-929-967-9.
  8. Kryvoruchko, Olena, Kostiuk, Mykhailo, Tsiutsiura, Mykola. (2012). Architectural solution of time management system in test driven development approach. International Journal of Science and Research, 7, 07, 1098–1100.
  9. James, Gareth, Witten, Daniela, Hastie, Trevor, Tibshirani, Robert. (2013). An introduction to statistical learning. Springer Science+Business Media New York, 426.
  10. Kriesel, D. (2007). A Brief Introduction to Neural Networks, http://www. dkriesel.com/en/science/neural_networks.