Apoyo a los subsistemas de talento humano, selección y reclutamiento a partir de un sistema experto. Caso de estudio
Barra lateral del artículo
Contenido principal del artículo
Resumen
La gestión de talento humano es un factor fundamental en el éxito de las organizaciones. La inclusión en el entorno laboral de las personas con discapacidad ha ayudado a potenciar sus cualidades y a aprovechar su talento. Muchos de los sistemas de gestión de talento humano carecen de directrices para el reclutamiento y selección de una persona con discapacidad, es por eso por lo que el presente trabajo muestra el estudio realizado a estos dos procesos indicando los factores que influyen en la asignación o no de un cargo, donde de cada candidato es considerando el nivel y tipo de discapacidad, nivel de estudios, experiencia, capacitación entre otros aspectos, enfocándose en la tarea de aplicar técnicas de aprendizaje supervisado que permitan clasificar a un candidato con discapacidad para un puesto de trabajo como apto o no y técnicas de aprendizaje no supervisado como el clustering que ayuda a definir patrones ocultos en los datos si los hubiera. El resultado obtenido del estudio presenta varias técnicas de clasificación y la selección de la más adecuada para el conjunto de datos en cuestión, igualmente mediante técnicas de aprendizaje no supervisado se determina cuántos clústeres representativos se identifican en los datos. No se busca que se integren las personas a través de las discapacidades, sino todo lo contrario, que se integren las personas por medio de la potencialidad de todas sus capacidades.
Detalles del artículo
La Universidad Politécnica Salesiana de Ecuador conserva los derechos patrimoniales (copyright) de las obras publicadas y favorecerá la reutilización de las mismas. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento / No Comercial-Sin Obra Derivada 4.0 Ecuador: se pueden copiar, usar, difundir, transmitir y exponer públicamente.
El autor/es abajo firmante transfiere parcialmente los derechos de propiedad (copyright) del presente trabajo a la Universidad Politécnica Salesiana del Ecuador, para las ediciones impresas.
Se declara además haber respetado los principios éticos de investigación y estar libre de cualquier conflicto de intereses.
El autor/es certifican que este trabajo no ha sido publicado, ni está en vías de consideración para su publicación en ninguna otra revista u obra editorial.
El autor/es se responsabilizan de su contenido y de haber contribuido a la concepción, diseño y realización del trabajo, análisis e interpretación de datos, y de haber participado en la redacción del texto y sus revisiones, así como en la aprobación de la versión que finalmente se remite en adjunto.
Referencias
[2] Asamblea Nacional, Ley Orgánica de Discapacidades. Registro Oficial N. 796. República del Ecuador, 2012. [Online]. Available: https://bit.ly/3cXWwch
[3] H. Jantan, A. Hamdan, and Z. Othman, “Human talent prediction in HRM using C4.5 classification algorithm,” International Journal on Computer Science and Engineering, vol. 2, pp. 2526–2534, 2010. [Online]. Available: https://bit.ly/3aIbF1x
[4] L. Morton, “Talent management value imperatives: Strategies for execution,” in Conference Board, 2005. [Online]. Available: https://bit.ly/2S4TyN0
[5] Ministerio de Relaciones Laborales, Manual de Buenas Prácticas para la inclusión laboral de personas con discapacidad. Dirección de Atención a Grupos Prioritarios. Consejo Nacional de Discapacidades. Ecuador, 2013. [Online]. Available: https://bit.ly/32S8PD4
[6] Consejo Nacional para la Igualdad de Discapacidades. (2020) Estadísticas de discapacidad. [Online]. Available: https://bit.ly/3vn30JT
[7] E. Kalugina and S. Shvydun, “An effective personnel selection model,” Procedia Computer Science, vol. 31, pp. 1102–1106, 2014, 2nd International Conference on Information Technology and Quantitative Management, ITQM 2014. [Online]. Available: https://doi.org/10.1016/j.procs.2014.05.365
[8] C.-F. Chien and L.-F. Chen, “Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry,” Expert Systems with Applications, vol. 34, no. 1, pp. 280–290, 2008. [Online]. Available: https://doi.org/10.1016/j.eswa.2006.09.003
[9] G. Harih and N. Vujica-Herzog, “Towards an expert system for assigning optimal workplaces to workers with disabilities,” in Advances in Social and Occupational Ergonomics, R. H. Goossens and A. Murata, Eds. Cham: Springer International Publishing, 2020, pp. 57–66. [Online]. Available: https://doi.org/10.1007/978-3-030-20145-6_6
[10] P. van Esch, J. S. Black, and J. Ferolie, “Marketing AI recruitment: The next phase in job application and selection,” Computers in Human Behavior, vol. 90, pp. 215–222, 2019. [Online]. Available: https://doi.org/10.1016/j.chb.2018.09.009
[11] R. Storey Hooper, T. P. Galvin, R. A. Kilmer, and J. Liebowitz, “Use of an expert system in a personnel selection process,” Expert Systems with Applications, vol. 14, no. 4, pp. 425–432, 1998. [Online]. Available: https://doi.org/10.1016/S0957-4174(98)00002-5
[12] M. Nussbaum, M. Singer, R. Rosas, M. Castillo, E. Flies, R. Lara, and R. Sommers, “Decision support system for conflict diagnosis in personnel selection,” Information & Management, vol. 36, no. 1, pp. 55–62, 1999. [Online]. Available: https://doi.org/10.1016/S0378-7206(99)00007-5
[13] S. M. C. Loureiro, J. Guerreiro, and I. Tussyadiah, “Artificial intelligence in business: State of the art and future research agenda,” Journal of Business Research, vol. 129, pp. 911–926, 2021. [Online]. Available: https://doi.org/10.1016/j.jbusres.2020.11.001
[14] H. J. Wilson and P. R. Daugherty, “Collaborative intelligence: Humans and AI are joining forces,” Harvard Business Review, 2018. [Online]. Available: https://bit.ly/3npoJOx
[15] S. T. Hunter, N. D. Shortland, M. P. Crayne, and G. S. Ligon, “Recruitment and selection in violent extremist organizations: Exploring what industrial and organizational psychology might contribute.” The American psychologist, vol. 72, pp. 242–254, Apr 2017. [Online]. Available: https://doi.org/10.1037/amp0000089
[16] A. Eckhardt, S. Laumer, C. Maier, and T. Weitzel, “The transformation of people, processes, and it in e-recruiting,” Employee Relations, vol. 36, no. 4, pp. 415–431, Apr. 2021. [Online]. Available: https://doi.org/10.1108/ER-07-2013-0079
[17] N. Herbst, S. Becker, S. Kounev, H. Koziolek, M. Maggio, A. Milenkoski, and E. Smirni, Metrics and Benchmarks for Self-aware Computing Systems. Cham: Springer International Publishing, 2017, pp. 437–464. [Online]. Available: https://doi.org/10.1007/978-3-319-47474-8_14
[18] M. J. A. Berry and G. S. Linoff, Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. John Wiley & Sons, 2004. [Online]. Available: https://bit.ly/3tXJh37
[19] P.-N. Tan, M. Steinbach, and V. Kumar, Introduction to data mining. Pearson Education, 2013. [Online]. Available: https://bit.ly/3voKVeG
[20] J. Hill, W. Randolph Ford, and I. G. Farreras, “Real conversations with artificial intelligence: A comparison between human-human online conversations and human-chatbot conversations,” Computers in Human Behavior, vol. 49, pp. 245–250, 2015. [Online]. Available: https://doi.org/10.1016/j.chb.2015.02.026
[21] A. M. Rahman, A. A. Mamun, and A. Islam, “Programming challenges of chatbot: Current and future prospective,” in 2017 IEEE Region 10 Humanitarian Technology Conference (R10-HTC), 2017, pp. 75–78. [Online]. Available: https://doi.org/10.1109/R10-HTC.2017.8288910
[22] M. Rodas-Tobar, C. Bernal-Bravo, M. Andrés-Romero, A. Pinos-Figueroa, P. Vidal-Mogrovejo, A. León-Pesántez, V. Robles-Bykbaev, and F. Pesántez-Avilés, “An expert system to support the provisioning of staff with disabilities in industry,” in 2018 IEEE Biennial Congress of Argentina (ARGENCON), 2018, pp. 1–6. [Online]. Available: https://doi.org/10.1109/ARGENCON.2018.8646043
[23] R. X. Bojorque Chasi, “Clustering de sistemas de recomendación mediante técnicas de factorization matricial,” Ph.D. dissertation, 2020. [Online]. Available: https://doi.org/10.20868/UPM.thesis.58156
[24] J. MacQueen, “Some methods for classification and analysis of multivariate observations,” in Proceedings of the fifth Berkeley symposium on mathematical statistics and probability, 1967. [Online]. Available: https://bit.ly/3xrH16A
[25] S. Zahra, M. A. Ghazanfar, A. Khalid, M. A. Azam, U. Naeem, and A. Prugel-Bennett, “Novel centroid selection approaches for kmeans-clustering based recommender systems,” Information Sciences, vol. 320, pp. 156–189, 2015. [Online]. Available: https://doi.org/10.1016/j.ins.2015.03.062
[26] M. A. Syakur, B. K. Khotimah, E. M. S. Rochman, and B. D. Satoto, “Integration k-means clustering method and elbow method for identification of the best customer profile cluster,” in IOP Conference Series: Materials Science and Engineering, vol. 336, 2017. [Online]. Available: https://doi.org/10.1088/1757-899x/336/1/012017
[27] T. Boman, A. Kjellberg, B. Danermark, and E. Boman, “Employment opportunities for persons with different types of disability,” Alter, vol. 9, no. 2, pp. 116–129, 2015. [Online]. Available: https://doi.org/10.1016/j.alter.2014.11.003
[28] M. A. Espinoza Mina and D. Gallegos Barzola, “Inserción laboral de las personas con discapacidad en Ecuador,” Espacios, vol. 39, no. 51, 2018. [Online]. Available: https://bit.ly/3sXKMwS
[29] M. Reynolds, “Ai coach helps chatbots seem more human,” New Scientist, vol. 235, no. 3135, p. 14, 2017. [Online]. Available: https://doi.org/10.1016/S0262-4079(17)31407-0