پیش‌بینی ترک خدمت کارکنان: کاربرد رگرسیون لجستیک، تحلیل بقا و مدل‌های یادگیری ماشین

محدودیت اصلی برای هر مدل پیش‌بینی‌کننده منابع انسانی، در دسترس بودن داده‌های ساختاریافته و دارای برچسب زمانی است که رفتار کارمند را به خروج نهایی مرتبط می‌کند. بدون یک مبنای تاریخی از اینکه چه کسی، چه زمانی و در ماه‌های قبل از خروج چه می‌کرده، الگوریتم‌ها چیزی برای یادگیری نخواهند داشت.

امروزه، در حالی که سازمان‌ها با هزینه‌های فزاینده جایگزینی مواجه هستند، دانشمندان داده از مصاحبه‌های خروج واکنشی به سمت چارچوب‌های فعال یادگیری ماشین حرکت می‌کنند. بخش‌های منابع انسانی با به‌کارگیری رگرسیون لجستیک، جنگل‌های بقای تصادفی و شبکه‌های عصبی عمیق، در تلاشند تا ریزش عمدی کارکنان را پیش از نگارش نامه استعفا پیش‌بینی کنند.

اساس این معماری پیش‌بین معمولاً با طبقه‌بندی دوتایی آغاز می‌شود. در یک پروژه نهایی (capstone) در سال ۲۰۲۳ از دانشکده اطلاعات دانشگاه کالیفرنیا برکلی (UC Berkeley)، محققان یک اپلیکیشن وب برای متخصصان منابع انسانی طراحی کردند تا گزارش‌های سوابق کارکنان را بارگذاری کرده و بینش‌های پیش‌بینی‌کننده ریزش را تولید کنند.

این تیم پنج مدل از جمله جنگل‌های تصادفی و درختان تقویت‌شده گرادیان را ارزیابی کرد، اما از رگرسیون لجستیک به عنوان مدل پایه خود استفاده نمودند. مجموعه داده نمونه آن‌ها عدم تعادل قابل توجهی را نشان داد، به طوری که تنها ۱۶ درصد از کارکنان شرکت را ترک کرده بودند.[3]

رگرسیون لجستیک به یک سوال اساسی پاسخ می‌دهد: آیا یک کارمند ترک می‌کند یا می‌ماند؟ این مدل بر اساس متغیرهای ثابت مانند سابقه کار، حقوق و سطح شغلی، یک امتیاز احتمال محاسبه می‌کند.

کاربردهای اولیه تحلیل منابع انسانی، مانند چارچوب توسعه‌یافته توسط Business Science در سال ۲۰۱۷، نشان داد که چگونه یادگیری ماشین می‌تواند کارکنان با ریسک بالا را با استفاده از این متغیرهای ثابت جدا کند و زمینه را برای مدل‌های پیشرفته امروزی فراهم سازد. با این حال، این رویکرد دوتایی یک نقطه کور حیاتی دارد: خروج فردا را با خروج سه سال دیگر یکسان در نظر می‌گیرد.

برای حل مشکل زمان‌بندی، دانشمندان داده به تحلیل بقا روی آورده‌اند؛ شاخه‌ای از آمار که در ابتدا برای تحقیقات پزشکی به منظور پیش‌بینی نرخ مرگ و میر بیماران توسعه یافته بود. در زمینه منابع انسانی، «رویداد» دیگر مرگ بیولوژیکی نیست، بلکه استعفای داوطلبانه است. یک پایان‌نامه در سال ۲۰۲۱ که از طریق مخزن دسترسی آزاد آرنو (Arno) در دانشگاه تیلبرگ منتشر شد، این گذار را بررسی کرد و مدل‌های سنتی را با روش‌های نوین یادگیری ماشین بقا مقایسه نمود.

تحقیق آرنو به طور خاص مدل خطر متناسب کاکس (Cox Proportional Hazard - Cox PH) را در برابر معماری‌های پیشرفته مانند جنگل‌های بقای تصادفی و دیپ‌سرو (DeepSurv)، که یک مدل یادگیری عمیق است، ارزیابی کرد. این مطالعه از مجموعه داده پرکاربرد ریزش کارکنان منابع انسانی IBM استفاده کرد که شامل سوابق مصنوعی و داده‌های نظرسنجی ساختگی برای کارکنان شرکت‌ها است. نتایج نشان داد که DeepSurv در پیش‌بینی ریزش عمدی کارکنان، عملکرد بهتری نسبت به مدل سنتی Cox PH دارد.

مزیت تحلیل بقا در نحوه مدیریت داده‌های «سانسور شده» است. در هر مجموعه داده منابع انسانی، اکثریت کارکنان تا زمان استخراج داده‌ها هنوز کار را ترک نکرده‌اند. مدل‌های طبقه‌بندی سنتی با این کارکنان فعال مشکل دارند و اغلب آن‌ها را به اشتباه طبقه‌بندی می‌کنند یا از مجموعه آموزشی حذف می‌نمایند.

محققان که (Ke) و شو (Xu) در مقاله‌ای در سال ۲۰۲۶ که در مجله Behavioral Sciences منتشر شد، اشاره می‌کنند: «تحلیل بقا می‌تواند داده‌های کارکنانی را که تا پایان مطالعه ترک نکرده‌اند اما ممکن است در آینده این کار را انجام دهند، مدیریت کند؛ محدودیتی که مدل‌های طبقه‌بندی سنتی با آن دست و پنجه نرم می‌کنند و تحلیل بقا آن را از طریق روش‌شناسی دقیق کاهش می‌دهد.»[2]

شناسایی مدل ریاضی تنها نیمی از معادله است؛ نیمه دیگر انتخاب ویژگی‌ها است. چه چیزی واقعاً یک کارمند را به ریزش سوق می‌دهد؟ در مطالعات متعدد، مجموعه‌ای ثابت از پیش‌بینی‌کننده‌ها ظاهر می‌شود. مطالعه آرنو مشاهده کرد که طول سابقه شغلی یک کارمند، تعداد کل شرکت‌هایی که قبلاً در آن‌ها کار کرده و میزان ساعات اضافه کاری صرف شده در محل کار، مرتبط‌ترین ویژگی‌ها برای مدل DeepSurv بودند.

به طور مشابه، محققان دانشگاه کالیفرنیا برکلی دریافتند که سابقه کار، شکاف‌های حقوقی و سطح شغلی، پیش‌بینی‌کننده‌های بسیار تأثیرگذاری در سطح فردی هستند. این پیش‌بینی‌کننده‌ها در صنایع مختلف نیز صادق هستند. مطالعه‌ای که در مجله سیاست و اقتصاد سلامت روان منتشر شد، یادگیری ماشین را برای پیش‌بینی ریزش در میان کارکنان مراکز بهداشت روانی جامعه به کار برد و تطبیق‌پذیری و قابلیت اطمینان این معیارهای رفتاری خاص در بخش‌های مختلف را برجسته کرد.[1][3]

هنگامی که این معیارهای فردی با پیش‌بینی‌های سطح تیم ترکیب می‌شوند – مانند پویایی‌های ساختاری و الگوهای فصلی – دقت پیش‌بینی مدل‌ها به طور قابل توجهی افزایش می‌یابد. مدل‌های پیش‌بینی هیبریدی اخیر، یادگیری ترکیبی (ensemble learning) را با بینش‌های مبتنی بر ویژگی‌ها ادغام کرده‌اند و ثابت می‌کنند که ترکیب چندین الگوریتم، دقت بالاتری نسبت به هر رویکرد منفردی دارد. هدف، شناسایی سیگنال‌های ظریف رفتاری و الگوی اشتغال است که پیش از خروج کارکنان رخ می‌دهند و به سازمان‌ها اجازه می‌دهد تا اقدامات هدفمند حفظ کارکنان را اولویت‌بندی کنند.[4]

در حالی که داده‌های جمعیتی و ساختاری یک مبنای قوی ارائه می‌دهند، مرز پیش‌بینی ریزش اکنون شامل داده‌های متنی بدون ساختار است. کارکنان ردپای دیجیتالی را در پلتفرم‌های شبکه‌های حرفه‌ای، کانال‌های ارتباطی داخلی و نظرسنجی‌های لحظه‌ای (pulse surveys) بر جای می‌گذارند. از لحاظ تاریخی، این متن برای پردازش مؤثر توسط مدل‌های کمی، بیش از حد نامنظم بود.

این مانع با ادغام مدل‌های زبان بزرگ و معماری‌های مبتنی بر ترانسفورمر (Transformer) در حال برطرف شدن است. که (Ke) و شو (Xu) در مطالعه MDPI خود در سال ۲۰۲۶، یک روش‌شناسی نوین را ارائه کردند که تحلیل متنی از مایمای (Maimai) – یک پلتفرم پیشرو شبکه‌سازی حرفه‌ای در چین – را با متغیرهای جمعیتی سنتی ادغام می‌کرد. محققان مجموعه داده‌ای شامل ۴,۰۸۷ رویداد کاری را که از سال ۲۰۲۰ تا ۲۰۲۲ را در بر می‌گرفت، تحلیل کردند.[2]

با ترکیب تحلیل احساسات و نمایش‌های معنایی یادگیری عمیق، مدل هیبریدی دستاوردهای قابل اندازه‌گیری در دقت پیش‌بینی به دست آورد. ادغام ویژگی‌های متنی و جمعیتی، شاخص هماهنگی (C-index) را به میزان ۳.۳۸٪ و مساحت زیر منحنی تجمعی/پویا (AUC) را به میزان ۳.۴۳٪ افزایش داد. روش مبتنی بر ترانسفورمر در ثبت احساسات ظریف کارکنان، عملکرد بهتری نسبت به رویکردهای سنتی داشت و ثابت کرد که نحوه صحبت کارکنان درباره کارشان به اندازه حقوق دریافتی آن‌ها پیش‌بینی‌کننده است.[2]

پیاده‌سازی این مدل‌ها نیازمند خطوط لوله داده‌ای دقیق است. در پروژه دانشگاه کالیفرنیا برکلی، داده‌های ارسالی به اپلیکیشن از طریق دو مدل یادگیری ماشین متمایز پردازش شدند: یک مدل پیش‌بینی ریزش که پیش‌بینی‌های سطح فردی انجام می‌داد، و یک مدل سری زمانی که نرخ‌های ریزش ماهانه را برای کل شرکت پیش‌بینی می‌کرد. مجموعه داده به طور تصادفی به ۸۰٪ مجموعه آموزشی و ۲۰٪ مجموعه آزمایشی تقسیم شد تا اطمینان حاصل شود که مدل‌ها می‌توانند به داده‌های دیده نشده تعمیم یابند.[3]

برای خط لوله سطح فردی، مدل‌ها آموزش دیدند تا احتمال خروج داوطلبانه یک کارمند را ظرف ۳۰ روز پس از آخرین نظرسنجی لحظه‌ای او پیش‌بینی کنند. خروجی در یک جدول داشبورد نمایش داده می‌شد که کارکنان فعال را در کنار پیش‌بینی‌های ریزش فردی آن‌ها نشان می‌داد. این امر خروجی‌های الگوریتمی انتزاعی را به یک لیست اولویت‌بندی عینی برای مدیران منابع انسانی تبدیل می‌کند.

با وجود این پیشرفت‌ها، تحلیل پیش‌بین منابع انسانی با موانع اخلاقی و عملیاتی قابل توجهی روبرو است. اتکا به داده‌های تاریخی به این معنی است که مدل‌ها می‌توانند ناخواسته سوگیری‌های موجود را بیاموزند و تداوم بخشند. اگر یک شرکت به دلیل فرهنگ مسموم، به طور تاریخی شاهد ریزش بالایی در میان مدیران زن بوده باشد، یک مدل یادگیری ماشین ممکن است صرفاً بیاموزد که جنسیت یک عامل خطر برای خروج است، نه اینکه مشکل سیستماتیک را شناسایی کند.

علاوه بر این، استفاده از تحلیل متنی و ردیابی احساسات، نگرانی‌های قابل توجهی در مورد حریم خصوصی ایجاد می‌کند. نظارت بر ارتباطات کارکنان، حتی زمانی که ناشناس شده یا از پلتفرم‌های عمومی جمع‌آوری شده باشد، مرز بین حفظ فعال کارکنان و نظارت شرکتی را مخدوش می‌کند. سازمان‌ها باید تنش بین جمع‌آوری داده‌های کافی برای پیش‌بینی‌های دقیق و احترام به مرزهای نیروی کار خود را مدیریت کنند.

گذار از تحلیل توصیفی به یادگیری ماشین پیش‌بین، نشان‌دهنده بلوغ اساسی عملکرد منابع انسانی است. با ادغام تحلیل بقا و پردازش زبان طبیعی، شرکت‌ها دیگر فقط کارکنانی را که درب خروج را ترک کرده‌اند، نمی‌شمارند. نقطه عطف قابل تأیید بعدی برای این صنعت، استانداردسازی این مدل‌ها در نرم‌افزارهای تجاری منابع انسانی خواهد بود، که تعیین می‌کند آیا می‌توان قدرت پیش‌بینی یادگیری عمیق را بدون نقض حریم خصوصی نیروی کاری که قصد حفظ آن را دارد، به کار گرفت یا خیر.