Retention Is All You Need

要約

タイトル： Retention Is All You Need

要約：
– 組織において最も重要な柱は、一般的に熟練した従業員である。しかし、多くの組織は高い離職率や人事異動率に直面している。
– これまでに、多数の機械学習モデルが離職とその原因を分析するために開発されてきたが、これらのモデルによる解釈は不透明である。
– 本論文では、従業員離職問題に対する説明可能なAIを用いたHuman Resource Decision Support System（HR-DSS）の提案を行う。
– このシステムは、機械学習モデルが提供する予測を解釈するために人事部を支援することを目的としている。
– 実験では8つの機械学習モデルが使用され、最も良いパフォーマンスを示したモデルの結果はSHAP解釈可能性プロセスによってさらに処理された。
– 結果の正確性と説明を最適化することを目的としている。
– さらに、「What-if-analysis」を用いて、個々の従業員の離職原因を観察することを目的としている。
– 結果は、各個人の支配的な特徴を調整することによって、従業員の離職を従業員の定着に変えることができる、情報化されたビジネス上の決定によって示されている。
– 離職を減少させることは、特定の組織にとってだけでなく、一部の国では両者の福祉に影響を与える重要な社会問題となる。

要約(オリジナル)

Skilled employees are usually seen as the most important pillar of an organization. Despite this, most organizations face high attrition and turnover rates. While several machine learning models have been developed for analyzing attrition and its causal factors, the interpretations of those models remain opaque. In this paper, we propose the HR-DSS approach, which stands for Human Resource Decision Support System, and uses explainable AI for employee attrition problems. The system is designed to assist human resource departments in interpreting the predictions provided by machine learning models. In our experiments, eight machine learning models are employed to provide predictions, and the results achieved by the best-performing model are further processed by the SHAP explainability process. We optimize both the correctness and explanation of the results. Furthermore, using ‘What-if-analysis’, we aim to observe plausible causes for attrition of an individual employee. The results show that by adjusting the specific dominant features of each individual, employee attrition can turn into employee retention through informative business decisions. Reducing attrition is not only a problem for any specific organization but also, in some countries, becomes a significant societal problem that impacts the well-being of both employers and employees.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI