Information system for assessing the level of human capital management

Abstract

W artykule przedstawiono koncepcyjne podstawy sformalizowania procesu oceny poziomu zarządzania kapitałem ludzkim (HC) w przedsiębiorstwie z wykorzystaniem modelowania matematycznego i komputerowego opartego na technologiach sieci neuronowych. Udoskonalono podejście metodyczne do oceny poziomu zarządzania kapitałem ludzkim. Pozwala to na wykorzystanie narzędzi sieci neuronowych do dokładnej i rozsądnej identyfikacji poziomu zarządzania HC za pomocą samouczącego się perceptronu wielowarstwowego. Obliczono współczynniki wagowe takiej sieci. W programie matematycznym MatLab zbudowano odpowiednią sztuczną sieć neuronową – perceptron wielowarstwowy, która została pomyślnie zdiagnozowana. Udoskonalony model matematyczny oceny poziomu zarządzania HC w przedsiębiorstwie pozwala w przejrzysty sposób przedstawić zbiór parametrów wejściowych na zbiorze rozwiązań wyjściowych, rozłożyć taki proces i uprościć procedurę jego formalizacji. Zaprojektowana sieć neuronowa pozwala szybko i trafnie określić poziom zarządzania HC w przedsiębiorstwie. Podejście koncepcyjne zaproponowane przez autorów ma kilka istotnych zalet w porównaniu z istniejącymi metodami alternatywnymi: dokładność oceny; uwzględnienie szerokiego zakresu różnych parametrów oceny wpływu; duża szybkość podejmowania decyzji i umiejętność samokształcenia. Zaproponowane podejście zostało z sukcesem wdrożone do oceny poziomu zarządzania HC w 24 przedsiębiorstwach krajowych. Opracowany przez autorów system informatyczny „HC” pozwala na obliczenie szacunkowych parametrów procesu oceny; określenie poziomu zarządzania HC w oparciu o aparat matematyczny perceptronu wielowarstwowego. Szacunki te korelują z szacunkami uzyskanymi przez ekspertów tych przedsiębiorstw, co wskazuje na adekwatność podejścia zaproponowanego przez autorów. Dlatego też zaproponowany system informatyczny oceny poziomu zarządzania HC pozwala na dokładną realizację takiego procesu przy minimalnych kosztach czasowych i finansowych

The article offers conceptual foundations for formalizing the process of assessing a level of human capital (HC) management at the enterprise using mathematical and computer modeling based on neural network technologies. The methodological approach for assessing the level of human capital management has been improved. This allows the use of neural network tools to identify accurately and reasonably the level of HC management with the help of self-learning multilayer perceptron. The weight coefficients of such a network were calculated. An appropriate artificial neural network – a multilayer perceptron – was built using the mathematical software MatLab and it was successfully diagnosed. The improved mathematical model for assessing the level of HC management at the enterprise makes it possible to display transparently a set of input parameters on a set of output solutions, to decompose such a process, and to simplify the procedure of its formalization. The designed neural network allows us to determine quickly and accurately the level of HC management at the enterprise. The conceptual approach proposed by the authors has several significant advantages over existing alternative methods: accuracy of assessment; taking into account a wide range of various evaluation parameters of impact; high speed of making decisions and self-learning ability. The proposed approach was successfully implemented to assess the level of HC management at 24 domestic enterprises. The information system "HC" developed by the authors allows to calculate the estimated parameters of the evaluation process; to determine the level of HC management based on the mathematical apparatus of the multilayer perceptron. Such estimates correlate with the estimates obtained by the experts of these enterprises which indicates the adequacy of the approach proposed by the authors. Therefore, the proposed information system for assessing the level of management of the HC allows accurate implementation of such a process with minimal time and money cost