Personlighetsbedömning i samband med rekrytering : En studie om bemanningsbranschens personlighetsbedömning vid en rekrytering

Att medarbetare är av existentiell betydelse för en organisations överlevnad är sedan länge känt. Därmed är rekrytering en av de viktigaste funktionerna inom HR för att attrahera rätt kompetens till organisationen då en misslyckad rekrytering vanligen leder till bortkastad tid och dyra rekryteringsprocesser. Något som kommit att få allt större betydelse vid urvalet och bedömningen av nya medarbetare är kandidaters personlighet. Forskning visar att personlighetsdrag spelar en stor roll när det kommer till framtida arbetsprestationer och förmågan att göra rätt bedömningar av människor är därför central. Teorier om synen på personlighet, kompetens, kompetensbaserad rekrytering och urval samt bedömningsmetoder och personlighetsbedömning används för att analysera studiens resultat. Denna kvalitativa studies övergripande syfte var att öka förståelsen för hur rekryterare bedömer en kandidats personlighet vid en rekryteringsprocess inom bemanningsföretag. Bemanningsföretag är företag som ständigt arbetar med rekrytering och uthyrning av personal, varför ett proaktivt bemanningsarbete krävs för att skapa en konkurrensfördel på marknaden. Inför denna fallstudie kontaktades tre av den svenska bemanningsbranschens största aktörer varav två rekryterare på vardera företag deltog i semistrukturerade intervjuer. Personlighet ansågs generellt som något viktigt som samtliga rekryterare lade stor vikt vid under hela processens gång, från utformandet av kravprofilen till avslutande bedömning. Bedömningen skedde genom såväl test som intervju och referenstagning. Samtliga poängterade vikten av att alltid göra en helhetsbedömning av kandidaten och att det därmed var svårt att vikta exempelvis formella kompetenser mot personliga egenskaper. Resultatet visar att bemanningsbranschens arbete med personlighetsbedömning vid rekrytering utgår ifrån strukturerade bedömningsmetoder. Deras gedigna och proaktiva arbete med rekrytering lever upp till påståendet om att personalen är en organisations viktigaste resurs och vikten av att förstå innebörden av personlighetens betydelse i uttrycket ”rätt person på rätt plats”.

Predictive models for chronic renal disease using decision trees, naïve bayes and case-based methods

Data mining can be used in healthcare industry to “mine” clinical data to discover hidden information for intelligent and affective decision making. Discovery of hidden patterns and relationships often goes intact, yet advanced data mining techniques can be helpful as remedy to this scenario. This thesis mainly deals with Intelligent Prediction of Chronic Renal Disease (IPCRD). Data covers blood, urine test, and external symptoms applied to predict chronic renal disease. Data from the database is initially transformed to Weka (3.6) and Chi-Square method is used for features section. After normalizing data, three classifiers were applied and efficiency of output is evaluated. Mainly, three classifiers are analyzed: Decision Tree, Naïve Bayes, K-Nearest Neighbour algorithm. Results show that each technique has its unique strength in realizing the objectives of the defined mining goals. Efficiency of Decision Tree and KNN was almost same but Naïve Bayes proved a comparative edge over others. Further sensitivity and specificity tests are used as statistical measures to examine the performance of a binary classification. Sensitivity (also called recall rate in some fields) measures the proportion of actual positives which are correctly identified while Specificity measures the proportion of negatives which are correctly identified. CRISP-DM methodology is applied to build the mining models. It consists of six major phases: business understanding, data understanding, data preparation, modeling, evaluation, and deployment.