論文の概要: Employees Productivity Measurement and Control -- a Case of a National University

• arxiv url: http://arxiv.org/abs/2005.04666v1
• Date: Sun, 10 May 2020 13:36:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-20 16:06:59.284094
• Title: Employees Productivity Measurement and Control -- a Case of a National University
• Title（参考訳）: 従業員の生産性測定と管理--国立大学を事例として
• Authors: Khaled Waleed, Ali AlSoufi
• Abstract要約: 本研究の目的は、適切なインターネットアクセス制御によって従業員の生産性を高めることである。 主な目的は、スタッフが最もよく使うウェブカテゴリーを見つけ、生産性と仕事関連のインターネット利用との間に関係があるかどうかを確認し、インターネットアクセス制御の最高のレベルを選択することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An experimental study, that finds the impact of Internet access control on the employees productivity in the National University. The purpose of the study is to boost the employee productivity through proper Internet access control. The main objectives are to find the most used web categories by the staff, find if relation exists between productivity and none work related internet usage, and choose the best level of Internet access control. Before initiating the experiment, Employees Internet usage was monitored and accordingly classified them into the proper Internet access control groups. Then supervisors were asked for a pre-test productivity measures for their staff, after that the experiment was initiated for 45 days. Then, a post-test productivity measure was done. Productivity changes were analyzed with the department nature, its Internet usage portfolio and its current Internet access control group; then the best level of restriction was found. The result showed that the productivity of departments with low Internet usage was not affected by restricting and none restricting Internet access. However, for high Internet usage departments noticeable productivity improvement was there when the Internet restriction policy was not affecting work-related websites; but when it was affecting work-related websites the productivity decreased.
• Abstract（参考訳）: 国立大学におけるインターネットアクセス制御が従業員の生産性に与える影響を実験的に検討した。 この研究の目的は、適切なインターネットアクセス制御を通じて従業員の生産性を高めることである。 主な目的は、スタッフが最もよく使うウェブカテゴリーを見つけ、生産性と仕事関連のインターネット利用との間に関係があるかどうかを確認し、インターネットアクセス制御の最高のレベルを選択することである。 実験を開始する前に、従業員のインターネット利用をモニターし、適切なインターネットアクセス制御グループに分類した。 その後、スタッフにプレテストの生産性向上対策を依頼され、45日間実験が開始された。 その後、テスト後の生産性測定が実施された。 生産性の変化は、部門自然、インターネット利用ポートフォリオ、および現在のインターネットアクセス制御グループで分析され、最良のレベルの制限が見つかった。 その結果,インターネット利用率の低い部署の生産性は,インターネットアクセスの制限や制限の影響を受けなかった。 しかし、インターネット利用率の高い部門では、インターネット規制政策が作業関連Webサイトに影響を与えることはなかったが、作業関連Webサイトに影響を与えると生産性が低下した。

関連論文リスト

• Analyze Factors Influencing Drivers' Cell Phone Online Ride-hailing Software Using While driving: A Case Study in China [0.0]
  本稿では、中国におけるオンライン配車ドライバーの運転中の注文を受け付けるために、携帯電話の配車ソフトの利用状況に影響を及ぼす要因について検討する。 その結果、態度、主観的規範、知覚的行動制御は行動意図に有意かつ肯定的な影響を及ぼすことが示された。 これらの知見は、オンライン配車ドライバー間の安全な運転を促進する効果的な措置を開発するための、関係部署に理論的ガイダンスを与えることができる。
  論文  参考訳（メタデータ） (2023-11-06T03:17:02Z)
• ENOTO: Improving Offline-to-Online Reinforcement Learning with Q-Ensembles [52.34951901588738]
  我々はENsemble-based Offline-To-Online (ENOTO) RLという新しいフレームワークを提案する。 Q-networksの数を増やすことで、オフラインの事前トレーニングとオンラインの微調整を、パフォーマンスを低下させることなくシームレスに橋渡しします。 実験により,ENOTOは既存のオフラインRL手法のトレーニング安定性,学習効率,最終性能を大幅に向上できることが示された。
  論文  参考訳（メタデータ） (2023-06-12T05:10:10Z)
• Boosting Offline Reinforcement Learning with Action Preference Query [32.94932149345299]
  実践的エージェントの訓練は通常、政策のパフォーマンスと相互作用コストのバランスをとるために、オフラインおよびオンライン強化学習(RL)を含む。 オンラインファインチューニングは、オフライントレーニングフェーズで学習したアウト・オブ・ディストリビューションデータの誤った推定を補正するために一般的に用いられている方法となっている。 本研究では,Offline-with-Action-Preferences (OAP) と呼ばれるインタラクションフリーのトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-06-06T02:29:40Z)
• The Unintended Consequences of Censoring Digital Technology -- Evidence from Italy's ChatGPT Ban [0.0]
  私たちはまず、イタリアや他のヨーロッパ諸国で8000人以上のプロのGitHubユーザの毎時コーディングアウトプットに関するデータをコンパイルしました。 イタリア人開発者のアウトプットは,禁止後最初の2営業日で約50%減少し,その後回復した。 毎日のGoogle検索とTor利用データに合成制御アプローチを適用することは、この禁止が検閲ツールをバイパスする使用を大幅に増加させたことを示している。
  論文  参考訳（メタデータ） (2023-04-18T23:11:04Z)
• Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
  我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。 ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
  論文  参考訳（メタデータ） (2023-04-06T05:20:16Z)
• Personalized Rehabilitation Robotics based on Online Learning Control [62.6606062732021]
  本稿では,各ユーザに対して実行時の制御力をパーソナライズ可能な,新しいオンライン学習制御アーキテクチャを提案する。 提案手法を,学習コントローラがパーソナライズされた制御を提供するとともに,安全な相互作用力も得られる実験ユーザスタディで評価した。
  論文  参考訳（メタデータ） (2021-10-01T15:28:44Z)
• A Workflow for Offline Model-Free Robotic Reinforcement Learning [117.07743713715291]
  オフライン強化学習(RL)は、オンラインインタラクションを伴わずに、事前の経験のみを活用することによって、学習制御ポリシを可能にする。 本研究では,教師付き学習問題に対して,比較的よく理解されたオフラインRLと類似した実践的ワークフローを開発する。 オンラインチューニングを伴わない効果的なポリシー作成におけるこのワークフローの有効性を実証する。
  論文  参考訳（メタデータ） (2021-09-22T16:03:29Z)
• Web Routineness and Limits of Predictability: Investigating Demographic and Behavioral Differences Using Web Tracking Data [0.24499092754102877]
  これらの反復的なWeb訪問パターンは、閲覧行動の達成可能な予測可能性を高める。 ウェブ上での人体移動の予測可能性の不確実性と理論的限界を測定するための情報理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-30T11:19:10Z)
• OPAL: Offline Primitive Discovery for Accelerating Offline Reinforcement Learning [107.6943868812716]
  エージェントは大量のオフライン体験データにアクセスでき、オンライン環境へのアクセスは極めて限られている。 我々の主な洞察は、様々な行動からなるオフラインデータを提示すると、このデータを活用する効果的な方法は、反復的かつ時間的に拡張された原始的行動の連続的な空間を抽出することである。 オフラインポリシ最適化のメリットに加えて,このようなオフラインプリミティブ学習の実施も,数発の模倣学習の改善に有効であることを示す。
  論文  参考訳（メタデータ） (2020-10-26T14:31:08Z)
• Online Monitoring for Neural Network Based Monocular Pedestrian Pose Estimation [31.70516575859656]
  人為的・形復元ネットワークのためのモデルベース・学習型モニタを提案・評価する。 データからの損失を効果的に予測する方法を学習するAdversarially-Trained Online Monitorを導入する。
  論文  参考訳（メタデータ） (2020-05-11T21:40:41Z)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。