Tez No	İndirme	Tez Künye	Durumu
332339		Yetenek yönetimi ve kariyer planlama sistemi tasarımı / Talent management and career planning system design Yazar:SAJJAD WAHEED Danışman: PROF. DR. AHMET SERTBAŞ ; PROF. DR. ABDÜL HALİM ZAİM Yer Bilgisi: İstanbul Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2013 104 s.
Yetenek Yönetimi ve Kariyer Planlama yeni ortaya çıkan ve insan kaynakları yönetimi (İKY) alanında iddialı bir disiplindir. Bu yeni yaklaşım bir kuruluş ya da şirketin çalışanlarının performans ve yeterliklerini ölçmektedir. Performans ve yeterliliğe dayalı daha gelişmiş bir istatistiki sınıflandırma, ?Yıldız sınıfı? içeren çalışanlardan iyi bir yetenek havuzu oluşturulmasına yol açar. Yıldız sınıfı dışındaki çalışanlar arasında Gelecek Liderleri, Omurgalar ve Buzdağları şeklinde üç kategori daha vardır. Hangi kategoride bulunduklarını belirlemek için çalışanlar bu sistemde bir yetenek testine tabi tutulurlar. Bu çalışmaya göre, tüm çalışanların kendilerini geliştirme ve yetenek testi almalarından sonra kariyer planlama sürecinden geçirilerek oluşturulan yetenek havuzuna girme imkanları vardır. Çalışanların sınıflandırılması üç ayrı istatistiki sınıflandırma yöntemiyle yapılır. Bu sınıflandırmaların sonuçları çeşitli sinir ağı metodlarıyla ve karar ağacı algoritmaları ile test edilir. Böylece, sınıflandırma için en iyi sonuc elde edilebilmektedir. Bu çalışmadan önce, performans ve yeterlik ölçümleri kullanılarak yetenekleri belirlemek adına tam olarak hiçbir çalışma yapılmamıştır. Önceki çalışmaların çoğunda ya performans ve yeterlik birbirlerinin yerine kullanılmış ya da tek bir ölçüt halinde her ikisi de birlikte kullanılmıştır. Bu çalışmada, temel kriter aracılığıyla performans ve yeterlik ölçümlerinin birbirinden ayırt edilmesi hedeflenmiştir. Bu yaklaşım ekte gösterilmiştir. İkinci bölümde, yetenek yönetimine ilişkin daha önceki yapılan çalışmalar tarihi gelişim süreci içinde verilmiştir. Önceki çalışmalarda kullanılan metodlar yetenek havuzu aracılığıyla çalışanları kategorize etmekten ziyade, temel olarak yetenekleri sınıflandırmaya odaklanmışlardır. Üçüncü bölümde yetenek yönetim sisteminde kullanılan yapay sinir ağı yaklaşımı ve sınıflandırma yöntemleri üzerinde durulmuştur. Bu kapsamda perceptron, çok katmanlı algılayıcı, ileri besleme ve geri yayılım, radyal tabanlı fonksiyon, yapay sinir ağları sınıflandırma ve regresyon agacı, davranış ölçmekte kullanılan Likert ölçeği gibi yöntemler ayrıntılı olarak incelenmiştir. Dördüncü bölümde, geliştirilen yetenek yönetim ve kariyer planlama sistemi iki ayrı veri kümesi üzerinde uygulanarak sonuçlar elde edilmiştir. Bu sistem kullanılarak çalışanların yetenek havuzu oluşturulmuştur ve çalışanlar kategorize edilmişlerdir. Buna ilaveten sistemin hataları ve çalışanların yetenek eksiklikleri de analiz edilmiştir. Yetenek yönetimi ve kariyer planlama birbiriyle yakından ilişkilidir. Sinir ağlarının gelişmiş teknikleri uygulanarak yüksek doğruluklu sonuçlar elde edilmiştir. Bu nedenle güçlü bir yetenek yönetimi ve kariyer planlama modeli yüksek bir doğrulukta daha güçlü iş takımı kurmak için önerilmektedir.
Talent Management and Career Planning are emerging and a challenging field of discipline in the human resources management (HRM). This new approach measures the performance and competence of an organization or a company?s employees. Improved performance and competency-based statistical classification leads to the creation of a talent pool that contains the best employees as ?Star?. Rest of the employees are grouped three other categoreis: Rising Star, Backbones and Icebergs. This system is able to categorize the employees in different groups on the basis of their talents. . According to this study, the ability of all employees to improve themselves and the talent pool is created through a process of career planning after the receipt of test facilities are entering. Employees are being using classified in three different statistical classification method. These results are tested using various neural network classification methods and decision tree algorithms. Thus the best classification results can be found. Before this study, no study was done to measure talent using the performance and qualification. In most of the previous studies, performance and qualification were used interchangeably as a single criteria or both are used for similar meaning. In this study, the primary criterion to distinguish between measures aimed through the performance and qualification. This approach is shown in the appendix. In the second chapter, previous studies related to talent management were discussed. Those methods used in previous studies did not categorize employees through the talent pool, rather than primarily focused on classification capabilities. In the third chapter, artificial neural network approach to talent management and classification methods used in this system are discussed. In this context, neural networks such as perceptron, the multilayer perceptron, feed forward and back propagation, radial basis function; classification and regression tree, the Likert scale, and error measurement processes were discussed in details. In the fourth chapter, the system of talent management and career planning was applied on three separate data sets and the results were obtained. This system created the talent pool of employees and categorized the employees. In addition, the system also analyzed error of the system and the defficiencies of the employees. Talent management and career planning are closely related to each other. Advanced techniques of neural networks could be applied and very good results were found. It is therefore strongly proposed that the proposed talent management and career planning model should be used for workforce planning with higher accuracy.