DOI: https://doi.org/10.1038/s41598-023-50593-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38216616
تاريخ النشر: 2024-01-12
المؤلف: Jungryeol Park وآخرون
الموضوع الرئيسي: رضا الموظفين والسلوك التنظيمي
نظرة عامة
تتناول ورقة البحث معدلات الدوران المتزايدة بين خريجي الجامعات الجدد، والتي تشكل تحديات كبيرة للشركات بسبب التكاليف العالية المرتبطة بتوظيف وتدريب هؤلاء الموظفين. بينما حددت الدراسات السابقة عوامل مختلفة تؤثر على نية الدوران، إلا أنها لم تتنبأ بشكل فعال بالموظفين الذين من المحتمل أن يغادروا. لمعالجة هذه الفجوة، تقترح الدراسة نموذجًا قائمًا على التعلم الآلي لتوقع نية الدوران، باستخدام بيانات من مسح مسار حركة العمل لخدمة معلومات التوظيف الكورية. تستخدم التحليل الانحدار العادي (OLS) لتحديد المتنبئين وتطبق الانحدار اللوجستي (LR) وجار الأقرب (KNN) ومصنفات تعزيز التدرج المتطرف (XGB) لتعلم النموذج والتصنيف.
تتمثل إحدى النتائج الرئيسية للبحث في التأثير المتناقص أو المعكوس للعوامل التقليدية، مثل أهمية عبء العمل وملاءمة التخصص، على نية الدوران، مع ظهور الأمان الوظيفي كأهم متنبئ. حقق النموذج معدل دقة بلغ 78.5% مع XGB، مما يدل على فعالية التعلم الآلي في هذا السياق ويشكل تقدمًا ملحوظًا على الأساليب الاقتصادية التقليدية. لا تعزز هذه الدراسة فقط فهم نوايا الدوران بين خريجي الجامعات الجدد، بل تؤكد أيضًا على أهمية الأمان الوظيفي ورضا المؤسسات في استراتيجيات الاحتفاظ، مما يعكس تحولًا في ملاءمة العوامل التقليدية المؤثرة على دوران الموظفين.
طرق
يستعرض قسم “الطرق” في ورقة البحث الإجراءات التجريبية والتحليلية المستخدمة للتحقيق في سؤال البحث. يوضح معايير اختيار المشاركين، وتصميم الدراسة، والتقنيات المحددة المستخدمة لجمع البيانات وتحليلها. تشمل المنهجيات كل من الأساليب النوعية والكمية، مما يضمن فهمًا شاملاً للظواهر المدروسة.
تم إجراء التحليلات الإحصائية باستخدام برامج مناسبة، مع تحديد مستويات الدلالة عند p < 0.05. يصف القسم أيضًا أي تدابير رقابية تم تنفيذها لتقليل التحيز وتعزيز موثوقية النتائج. بشكل عام، فإن الطرق المستخدمة قوية ومصممة لتحقيق نتائج صالحة وقابلة للتكرار، مما يساهم في صرامة البحث.
نتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح نتائج الدراسة، مع تسليط الضوء على نقاط البيانات والاتجاهات المهمة التي تم ملاحظتها. عادةً ما تدعم النتائج التحليلات الإحصائية، والتي قد تشمل قيم p، وفترات الثقة، أو مقاييس أخرى ذات صلة للتحقق من النتائج.
علاوة على ذلك، قد يتضمن القسم تمثيلات بصرية مثل الرسوم البيانية أو الجداول لتوضيح البيانات بوضوح، مما يسهل فهم النتائج بشكل أفضل. غالبًا ما تتم مناقشة تداعيات هذه النتائج فيما يتعلق بالفرضيات المطروحة في بداية الدراسة، مما يوفر رؤى حول السياق الأوسع للبحث. بشكل عام، يعد هذا القسم مكونًا حاسمًا في إثبات صلاحية وملاءمة مساهمات الدراسة في هذا المجال.
مناقشة
يستكشف قسم المناقشة في الدراسة العلاقة بين العوامل المختلفة التي تؤثر على نية الدوران بين خريجي الجامعات الجدد. يفترض أنه مع تلبية تفضيلات العمل، واحتياجات الوجود، واحتياجات العلاقات، واحتياجات النمو، تنخفض نية مغادرة الوظيفة. على وجه التحديد، يحدد متغيرات رئيسية مثل الرضا عن الأجر، والأمان الوظيفي، ورضا المؤسسات، وملاءمة العمل الشخصي كمتنبئين مهمين لنية الدوران. تستخدم الدراسة نظرية ERG لتصنيف هذه الاحتياجات وتؤكد على أهمية ملاءمة العمل الشخصي، والتي تشمل التوافق بين تعليم الفرد ومهاراته ومسؤوليات العمل.
تطور البحث أيضًا نموذجًا تنبؤيًا لنية الدوران باستخدام تقنيات التعلم الآلي، بما في ذلك الانحدار اللوجستي (LR)، وجار الأقرب (KNN)، وتعزيز التدرج المتطرف (XGB). تشير النتائج إلى أن XGB حقق أعلى دقة (78.5%)، تليه LR (78.3%) وKNN (76.1%). تكشف التحليلات أن الرضا عن الأمان الوظيفي هو العامل الأكثر أهمية في توقع نية الدوران، يليه رضا المؤسسات وملاءمة العمل مع التخصص. تؤكد هذه النتائج على ضرورة معالجة كل من العوامل الفردية والتنظيمية لتقليل نوايا الدوران بين الموظفين الجدد، مما يتماشى مع الأبحاث السابقة التي تسلط الضوء على أهمية الأمان الوظيفي ورضا المؤسسات في تعزيز الاحتفاظ بالموظفين.
DOI: https://doi.org/10.1038/s41598-023-50593-4
PMID: https://pubmed.ncbi.nlm.nih.gov/38216616
Publication Date: 2024-01-12
Author(s): Jungryeol Park et al.
Primary Topic: Job Satisfaction and Organizational Behavior
Overview
The research paper addresses the increasing turnover rates among new college graduates, which pose significant challenges for businesses due to the high costs associated with hiring and training these employees. While previous studies have identified various factors influencing turnover intention, they have not effectively predicted which employees are likely to leave. To address this gap, the study proposes a machine learning-based model for predicting turnover intention, utilizing data from the Korea Employment Information Service’s Job Movement Path Survey. The analysis employs ordinary least squares (OLS) regression to identify predictors and applies logistic regression (LR), k-nearest neighbor (KNN), and extreme gradient boosting (XGB) classifiers for model learning and classification.
A key finding of the research is the diminished or reversed impact of traditional factors, such as workload importance and the relevance of one’s major, on turnover intention, with job security emerging as the most significant predictor. The model achieved an accuracy rate of 78.5% with XGB, demonstrating the effectiveness of machine learning in this context and marking a notable advancement over traditional econometric approaches. This study not only enhances the understanding of turnover intentions among new college graduates but also emphasizes the importance of job security and organizational satisfaction in retention strategies, reflecting a shift in the relevance of conventional factors influencing employee turnover.
Methods
The “Methods” section of the research paper outlines the experimental and analytical procedures employed to investigate the research question. It details the selection criteria for participants, the design of the study, and the specific techniques used for data collection and analysis. The methodologies include both qualitative and quantitative approaches, ensuring a comprehensive understanding of the phenomena under study.
Statistical analyses were conducted using appropriate software, with significance levels set at p < 0.05. The section also describes any control measures implemented to minimize bias and enhance the reliability of the results. Overall, the methods employed are robust and designed to yield valid and reproducible findings, contributing to the rigor of the research.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data points and trends observed. The results are typically supported by statistical analyses, which may include p-values, confidence intervals, or other relevant metrics to validate the findings.
Furthermore, the section may include visual representations such as graphs or tables to illustrate the data clearly, facilitating a better understanding of the results. The implications of these findings are often discussed in relation to the hypotheses posed at the beginning of the study, providing insights into the broader context of the research. Overall, this section serves as a critical component in demonstrating the validity and relevance of the study’s contributions to the field.
Discussion
The discussion section of the study explores the relationship between various factors influencing turnover intention among new college graduates. It posits that as job preferences, existence needs, relatedness needs, and growth needs are satisfied, the intention to leave a job decreases. Specifically, it identifies key variables such as satisfaction with wage, job security, organizational satisfaction, and personal-job fit as significant predictors of turnover intention. The study employs the ERG theory to categorize these needs and emphasizes the importance of personal-job fit, which includes alignment between an individual’s education, skills, and job responsibilities.
The research further develops a predictive model for turnover intention using machine learning techniques, including logistic regression (LR), k-nearest neighbor (KNN), and extreme gradient boosting (XGB). The results indicate that XGB achieved the highest accuracy (78.5%), followed closely by LR (78.3%) and KNN (76.1%). The analysis reveals that satisfaction with job security is the most critical factor in predicting turnover intention, followed by organizational satisfaction and alignment of work with one’s major. These findings underscore the necessity of addressing both individual and organizational factors to mitigate turnover intentions among new employees, aligning with previous research that highlights the significance of job security and organizational satisfaction in fostering employee retention.