Applying Decision Tree and Neural Network to Raise the Performance of Human Training Quality

NCUTIR > College of Management > Development of Industrial Engineering and Management > 【工業工程與管理系所】期刊論文 > Item 987654321/5950

Please use this identifier to cite or link to this item: http://ir.lib.ncut.edu.tw/handle/987654321/5950

Title:	Applying Decision Tree and Neural Network to Raise the Performance of Human Training Quality
Authors:	周永燦、吳益銓、林文燦
Contributors:	圖書館
Keywords:	back-propagation neural network decision tree IIP K-Means TTQS
Date:	2015-10-31
Issue Date:	2016-10-20 11:43:07 (UTC+8)
Abstract:	人力資源是組織中最重要的資產。在全球化的競爭趨勢下，人力資源成為公司主要的核心部門，最根本的工作任務就是建立優秀的人力培訓系統以提高訓練品質。台灣訓練品質系統TTQS為協助國內事業單位、訓練機構針對內部人力教育訓練的執行，提供一套完善的教育訓練品質系統，藉由TTQS系統的導入及運作，並依照TTQS制度之PDDRO（Plan、Design、Do、Review、Outcomes）五環程序標準及19項評核指標，評估企業所有人力訓練方案過程及結果之優劣，使執行後的結果與企業績效成為一個系統性的整體規劃，讓人力教育訓練能更符合事業單位的需要。本研究應用資料探勘技術探討人力訓練品質與績效，以2012年TTQS新版評核資料庫為探勘基礎，尋找TTQS之關鍵評核指標項目。首先應用倒傳遞類神經網路評估TTQS資料庫分類之準確率與績效，其訓練樣本與測試樣本預估準確率都高達95%以上。接著比較決策樹演算法（C5.0,CART,CHAID），選擇準確率較高之演算法來探討TTQS關鍵指標，發現C5.0演算法無論在任何資料分割比例下，皆保有較佳之學習準確率，其測試準確率最高達89.41%。K-Means集群分析法用來驗證比較決策樹演算法的結果。經交叉比對K-Means集群分析與決策樹C5.0演算之結果，本研究找出TTQS之重要關鍵評核指標九項。研究結果可幫助台灣之公司企業導入台灣訓練品質系統，掌握TTQS評核關鍵指標內容,強化人力訓練品質與績效。
Relation:	品質學報； 22卷5期， P383 - 403
Appears in Collections:	[Development of Industrial Engineering and Management] 【工業工程與管理系所】期刊論文

Files in This Item:

File	Description	Size	Format
Applying Decision Tree and Neural Network to Raise the Performance of Human Training Quality.pdf		1100Kb	Adobe PDF	1337	View/Open

View Licence

Loading...