論文の概要: Detecting Informal Organization Through Data Mining Techniques
- arxiv url: http://arxiv.org/abs/2009.02895v1
- Date: Mon, 7 Sep 2020 05:42:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 03:24:15.066000
- Title: Detecting Informal Organization Through Data Mining Techniques
- Title（参考訳）: データマイニング技術によるインフォーマル組織の検出
- Authors: Maryam Abdirad, Jamal Shahrabi
- Abstract要約: 本研究は,人的資源の指標が非公式組織の形成に与える影響を分類する。
本研究の応用データマイニング技術は、因子分析、K平均によるクラスタリング、決定木による分類、GRIアルゴリズムによる相関ルールマイニングである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the main topics in human resources management is the subject of
informal organizations in the organization such that recognizing and managing
such informal organizations play an important role in the organizations. Some
managers are trying to recognize the relations between informal organizations
and being a member of them by which they could assist the formal organization
development. Methods of recognizing informal organizations are complicated and
occasionally even impossible. This study aims to provide a method for
recognizing such organizations using data mining techniques. This study
classifies indices of human resources influencing the creation of informal
organizations, including individual, social, and work characteristics of an
organizations employees. Then, a questionnaire was designed and distributed
among employees. A database was created from obtained data. Applied data mining
techniques in this study are factor analysis, clustering by K-means,
classification by decision trees, and finally association rule mining by GRI
algorithm. At the end, a model is presented that is applicable for recognizing
the similar characteristics between people for optimal recognition of informal
organizations and usage of this information.
- Abstract（参考訳）: 人的資源管理における主要な話題の1つは、そのような非公式組織を認識・管理することが組織において重要な役割を果たすような組織内の非公式組織である。
一部のマネージャは、非公式な組織とそれらのメンバーとの関係を認識して、正式な組織開発を支援しようとしている。
非公式な組織を認識する方法は複雑で、時には不可能です。
本研究では,データマイニング技術を用いた組織認識手法を提案する。
本研究では,人的資源の指標を分類し,組織職員の個人的,社会的,仕事的特性を含む非公式組織の形成に影響を与える。
その後、従業員にアンケートを設計、配布した。
得られたデータからデータベースが作成される。
本研究の応用データマイニング技術は、因子分析、K平均によるクラスタリング、決定木による分類、GRIアルゴリズムによる相関ルールマイニングである。
最後に、非公式な組織を最適に認識するための人との類似した特徴の認識と、この情報の利用に応用できるモデルを示す。
関連論文リスト
- StructRAG: Boosting Knowledge Intensive Reasoning of LLMs via Inference-time Hybrid Information Structurization [94.31508613367296]
Retrieval-augmented Generation(RAG)は、大規模言語モデル(LLM)を効果的に強化する鍵となる手段である。
本稿では,手前のタスクに対して最適な構造型を識別し,元の文書をこの構造化形式に再構成し,その結果に基づいて回答を推測するStructRAGを提案する。
実験の結果、StructRAGは最先端のパフォーマンスを実現し、特に挑戦的なシナリオに優れていた。
論文 参考訳（メタデータ） (2024-10-11T13:52:44Z) - Incremental hierarchical text clustering methods: a review [49.32130498861987]
本研究の目的は,階層的および漸進的クラスタリング技術の解析である。
本研究の主な貢献は、文書クラスタリングのテキスト化を目的とした、2010年から2018年にかけて出版された研究で使用されるテクニックの組織化と比較である。
論文 参考訳（メタデータ） (2023-12-12T22:27:29Z) - Classifying Organizations for Food System Ontologies using Natural
Language Processing [9.462188694526134]
環境問題に関連する組織を自動的に分類できるNLPモデルを開発した。
入力として、NLPモデルは、組織ごとにGoogle検索エンジンによって検索されるテキストスニペットが提供される。
我々はNLPモデルが知識グラフを蓄積するための情報収集に有望なアプローチであると信じている。
論文 参考訳（メタデータ） (2023-09-19T19:07:48Z) - Federated Learning: Organizational Opportunities, Challenges, and
Adoption Strategies [39.58317527488534]
フェデレートラーニングにより、分散クライアントは、各トレーニングデータを他の人と共有することなく、モデルを協調的にトレーニングできる。
我々は,情報システム研究者にとって,連合学習は学際的機会の豊富な組織的課題を提示すると主張する。
論文 参考訳（メタデータ） (2023-08-04T09:23:23Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - O-Dang! The Ontology of Dangerous Speech Messages [53.15616413153125]
O-Dang!:The Ontology of Dangerous Speech Messages, a systematic and interoperable Knowledge Graph (KG)
O-Dang!は、Lingguistic Linked Open Dataコミュニティで共有されている原則に従って、イタリアのデータセットを構造化されたKGにまとめ、整理するように設計されている。
ゴールド・スタンダードとシングル・アノテータのラベルをKGにエンコードするモデルを提供する。
論文 参考訳（メタデータ） (2022-07-13T11:50:05Z) - ROI: A method for identifying organizations receiving personal data [0.0]
本稿では、この個人データを受信した組織を特定するために、最先端技術の評価を行う。
本稿では,95.71%の精度を達成するために,異なる手法を組み合わせる完全自動化手法を提案する。
我々は,Androidアプリを1万個評価し,ユーザの個人情報を受信した組織を公開することによって,我々の手法を実証する。
論文 参考訳（メタデータ） (2022-04-19T15:51:04Z) - CateCom: a practical data-centric approach to categorization of
computational models [77.34726150561087]
本稿では,物理モデルとデータ駆動型計算モデルのランドスケープを整理する取り組みについて述べる。
オブジェクト指向設計の概念を適用し、オープンソース協調フレームワークの基礎を概説する。
論文 参考訳（メタデータ） (2021-09-28T02:59:40Z) - OrgMining 2.0: A Novel Framework for Organizational Model Mining from
Event Logs [6.558355743287404]
我々は、プロセス実行知識とリソースグループを結合する組織モデルのよりリッチな定義に基づいて構築された新しいフレームワークを開発する。
組織モデル発見のためのフレームワークによって根ざされたアプローチを提案することで、このフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2020-11-24T23:46:47Z) - Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。
我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
論文 参考訳（メタデータ） (2020-04-15T15:58:05Z) - Assisted Learning: A Framework for Multi-Organization Learning [16.6491720806269]
我々は、組織のアルゴリズム、データ、あるいはタスクを明らかにすることなく、教師付き学習タスクで互いに助け合うための支援学習フレームワークを紹介します。
組織は、タスク固有の統計を放送し、他の人のフィードバックを1つ以上のイテレーションに取り入れ、最終的に予測性能を改善することで支援を求める。
論文 参考訳（メタデータ） (2020-04-01T16:54:49Z)
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。