doi:10.4102/http://www.sajhrm.co.za

doi:10.4102/http://www.sajhrm.co.za sajhrm.v11i1.449
Page 8 of 10
Also, the number of variables that have a strong correlation with the target variable (promotion score) were decreased to five variables as follows:
• education level or degree (repeated in 11 rules)
• examination score (repeated in 8 rules)
• interview score (repeated in 8 rules)
• province of employment or job location (repeated in 6 rules)
• years of experience (repeated in two rules).
Final research model
The summary of the foregone steps is depicted in Figure 2. It is worthwhile to note that in the final of the eleven-step approach presented earlier, stresses on the repeatability of the data mining process and the benefit of the discovered knowledge are in redoing of the steps. This way, improvements can be made in data mining results and rules creation in each iteration of the exam. Furthermore, data mining will be performed in a more guided manner.
FIGURE 2: Knowledge discovery model from database of entrance examinations with data mining.
Define the problem and targets
Database recognition
Define the target variables and independent variables
Delete incomplete records
Repair missing data
Delete extra variables
Change variables
Combine variables
Conversion variables
Classification the independent variables
Possible models design
Run models with Training data
Select trees with upper accuracy
Test models with examination data
Final selection trees
Do you accept
chosen trees?
No
Yes
Rules extracting from chosen trees
Interpretation rules by HRM experts
Usage knowledge perquisite for personnel selection in future
Rules
evaluation
Knowledge discovery
Continuous improvement and data mining repetition for future

ผลลัพธ์ (ไทย) 1:

doi:10.4102 / http://www.sajhrm.co.za sajhrm.v11i1.449
Page 8 10
ยัง จำนวนตัวแปรที่มีความสัมพันธ์กับตัวแปรเป้าหมายแข็งแกร่ง (โปรโมชั่นคะแนน) ได้ลดลงไป 5 ตัวแปรดังนี้:
•ระดับการศึกษาหรือปริญญา (ซ้ำในกฎ 11)
•ตรวจสอบคะแนน (ซ้ำ 8 กฎ)
•สัมภาษณ์คะแนน (ซ้ำ 8 กฎ)
•จังหวัดของตำแหน่งงานหรืองาน (การทำซ้ำกฎ 6)
•ปีประสบการณ์ (ซ้ำสองกฎ) .
วิจัยขั้นสุดท้ายรุ่น
สรุปขั้นตอน foregone จะแสดงในรูปที่ 2 จึงคุ้มค่าที่จะสังเกตว่า ในสุดท้ายของวิธีเอ็ดขั้นตอนที่นำเสนอก่อนหน้านี้ ความเครียดในการทำซ้ำในการทำเหมืองข้อมูลและประโยชน์ของความรู้ที่พบอยู่ใน redoing ของขั้นตอน ด้วยวิธีนี้ สามารถจัดทำปรับปรุงในเหมืองผลลัพธ์และกฎการสร้างข้อมูลในแต่ละการเกิดซ้ำของการสอบนั้น นอกจากนี้ จะดำเนินการทำเหมืองข้อมูลในการแนะนำเพิ่มเติมอย่าง
รูปที่ 2: แบบจำลองการค้นพบความรู้จากฐานข้อมูลของการสอบเข้ากับการทำเหมืองข้อมูล
กำหนดปัญหาและเป้าหมาย
ฐานข้อมูลรู้
กำหนดตัวแปรอิสระและตัวแปรเป้าหมาย
ลบเรกคอร์ดที่ไม่สมบูรณ์
ซ่อมข้อมูลที่ขาดหายไป
ลบตัวแปรเสริม
เปลี่ยนแปร
รวมตัวแปร
แปลงตัวแปร
จัดประเภทตัวแปรอิสระ
รุ่นได้ออกแบบ
รันแบบจำลองกับข้อมูลการฝึกอบรม
เลือกต้นไม้ที่ มีความถูกต้องด้านบน
ทดสอบแบบจำลอง ด้วยโปรแกรมตรวจสอบข้อมูล
สุดท้ายเลือกต้นไม้
รับ
เลือกต้นไม้?
ไม่มี
ใช่
กฎการแยกจากต้นไม้ท่าน
กฎการตีความ โดยผู้เชี่ยวชาญด้าน HRM
perquisite ความรู้การใช้งานสำหรับการเลือกบุคลากรในอนาคต
กฎ
ประเมิน
ค้นพบความรู้
พัฒนาอย่างต่อเนื่องและทำซ้ำการทำเหมืองข้อมูลในอนาคต

ผลลัพธ์ (ไทย) 2:

ดอย: 10.4102/http :/ / www.sajhrm.co.za sajhrm.v11i1.449
หน้า 8 จาก 10
นอกจากนี้จำนวนของตัวแปรที่มีความสัมพันธ์ที่ดีกับตัวแปรเป้าหมาย (คะแนนโปรโมชั่น) ลดลงตัวแปรห้าดังต่อไปนี้ :
•ระดับการศึกษาหรือปริญญา (ซ้ำในกฎ 11)
•คะแนนการตรวจสอบ (8 ซ้ำในกฎระเบียบ)
•คะแนนการสัมภาษณ์ (8 ซ้ำในกฎระเบียบ)
•จังหวัดของการจ้างงานหรือสถานที่ทำงาน (ทำซ้ำใน 6 กฎระเบียบ)
•ประสบการณ์ (ทำซ้ำใน สองกฎ)
รูปแบบการวิจัยฉบับสมบูรณ์
สรุปของขั้นตอนที่มาก่อนเป็นที่ปรากฎในรูปที่ 2 มันคุ้มค่าที่จะทราบว่าในขั้นสุดท้ายของสิบเอ็ดวิธีการขั้นตอนที่นำเสนอก่อนหน้านี้เน้นในการทำซ้ำของขั้นตอนการทำเหมืองข้อมูลและประโยชน์ของการค้นพบความรู้ที่อยู่ในขั้นตอนของ redoing วิธีนี้การปรับปรุงสามารถทำได้ในผลการทำเหมืองข้อมูลและการสร้างกฎระเบียบในการทำซ้ำของการสอบแต่ละ นอกจากนี้การทำเหมืองข้อมูลจะดำเนินการในลักษณะที่ชี้นำมากขึ้น
รูปที่ 2: รูปแบบการค้นพบความรู้จากฐานข้อมูลของการสอบเข้าที่มีการทำเหมืองข้อมูล
กำหนดปัญหาและเป้าหมาย
รับรู้ฐานข้อมูล
กำหนดตัวแปรเป้าหมายและตัวแปรอิสระ
ลบบันทึกที่ไม่สมบูรณ์
ซ่อมข้อมูลที่หายไป
ลบพิเศษ ตัวแปร
เปลี่ยนตัวแปรที่
รวมตัวแปร
ตัวแปรการแปลง
ประเภทตัวแปรอิสระ
ที่เป็นไปได้รูปแบบการออกแบบ
รูปแบบการทำงานกับข้อมูลการฝึกอบรม
เลือกต้นไม้ที่มีความถูกต้องบน
รูปแบบการทดสอบกับข้อมูลการตรวจสอบ
ต้นไม้ที่เลือกสุดท้าย
คุณรับ
ต้นที่เลือกไว้?
ไม่
ใช่
กฎสกัดจากต้นที่เลือก
กฎการตีความโดยผู้เชี่ยวชาญด้านการบริหารทรัพยากรมนุษย์
ปิ๋วความรู้การใช้งานสำหรับการคัดเลือกบุคลากรในอนาคต
กฎ
การประเมินผล
การค้นพบความรู้
การปรับปรุงอย่างต่อเนื่องและทำซ้ำการทำเหมืองข้อมูลสำหรับอนาคต

ผลลัพธ์ (ไทย) 3:

ดอย : 10.4102/http://www.sajhrm.co.za sajhrm . v11i1.449
หน้า 8 จาก 10
นอกจากนี้ ตัวเลขของตัวแปรที่มีความสัมพันธ์กับตัวแปรเป้าหมาย ( คะแนนโปรโมชั่น ) ลดลงถึงห้าตัวแปรดังนี้
- ระดับการศึกษาหรือปริญญา ( ย้ำใน 11 กฎ )
- ( คะแนนสอบซ้ำ ใน 8 ข้อ )
- คะแนน สัมภาษณ์ ( ย้ำในกฎ
8 )แต่ละจังหวัดของการจ้างงานหรืองานอื่นๆ ( ย้ำในกฎ 6 )
- ปีของประสบการณ์ ( ย้ำในกฎสอง )

สุดท้ายรูปแบบการวิจัยสรุปขั้นตอนการสูญเสียจะแสดงในรูปที่ 2 มันคุ้มค่าที่จะทราบว่าในขั้นตอนสุดท้ายของสิบเอ็ดวิธีการนำเสนอก่อนหน้านี้ความเครียดในการกระบวนการของการทำเหมืองข้อมูลและประโยชน์ของการค้นพบความรู้ใน redoing ของขั้นตอน วิธีนี้จะทำให้การปรับปรุงในการทำเหมืองข้อมูลและการสร้างกฎในแต่ละการทำซ้ำของการสอบ นอกจากนี้ การทำเหมืองข้อมูลจะดำเนินการในอีกแนวทางลักษณะ .
รูปที่ 2 รูปแบบการค้นพบความรู้จากฐานข้อมูลของการสอบคัดเลือกเข้าด้วยการทำเหมืองข้อมูล
นิยามปัญหาและเป้าหมาย

รู้ฐานข้อมูลกำหนดเป้าหมายของตัวแปรอิสระและตัวแปรตาม ลบไม่สมบูรณ์บันทึก

ซ่อมข้อมูลขาดหายไป

เปลี่ยนลบเพิ่มตัวแปรตัวแปรตัวแปร


รวมการแปลงตัวแปรจำแนกตัวแปรอิสระ

วิ่งรุ่นที่มีรูปแบบการออกแบบที่เป็นไปได้การเลือกข้อมูลด้วยแบบทดสอบความถูกต้องของต้นไม้

บนกับสอบ
ข้อมูล
ต้นไม้เลือกสุดท้ายเธอยอมรับ
เลือกต้นไม้ ?


ไม่ใช่กฎแยกจากกฎการตีความโดยเลือกต้นไม้

หรือผู้เชี่ยวชาญความรู้ไปใช้เงินเพิ่มสำหรับการคัดเลือกบุคลากรในอนาคต



ความรู้การค้นพบกฎการประเมินการปรับปรุงอย่างต่อเนื่องและการทำเหมืองข้อมูลการทำซ้ำในอนาคต