募集の仕事は企業(yè)にとって重要な意義があります。企業(yè)全體の人的資源管理の仕事が順調(diào)に発展することを保証する重要な前提と基礎(chǔ)です。

どのように効果的に応募者を評価し、その中から最適な企業(yè)の人員を選び出すかは人的資源部門の大きな問題である。

伝統(tǒng)的な採用面接の方法は、筆記試験、面接、評価センター法にかかわらず、人の主観的な判斷と選択が結(jié)果に大きな影響を與え、企業(yè)が採用過程で體現(xiàn)している主観的な要素が大きく、時には求人効果に影響を與えることもあります。

ここでは、いくつかの比較的客観的科學(xué)的な企業(yè)員の募集評価の定量的分析技術(shù)を紹介します。

階層分析法の基本思想は、応募者の総合能力をいくつかの指標(biāo)とレベルに分解し、最低レベルでは両方の対比で各要素の重みを?qū)С訾贰⒌亭婴楦撙婴蓼扦畏治訾怯?jì)算し、最後に各応募者の最終総合指數(shù)を計(jì)算し、指數(shù)が一番大きいのは最優(yōu)秀候補(bǔ)者である。

その基本的な方法は応募者評価指標(biāo)階層構(gòu)造モデルを作ることです。

評価指標(biāo)階層モデルを構(gòu)築するには、まず募集する職位に対して明確な認(rèn)識を持ち、目標(biāo)、目標(biāo)、部門、制約條件、可能な狀況など、どのような要素が含まれているかを明らかにすることと、各要素間の相互関係が必要である。

次に評価指標(biāo)の階層化をいくつかの階層に分けます。

評価指標(biāo)階層モデルを作成した後、応募者の各指標(biāo)を二つの比較で判斷マトリックスを作成することができます。

マトリクスは定性的に定量に移行する重要な一環(huán)であると判斷し、判定マトリックスの特徴ベクトルを解くことによって、判定マトリックスの整合性を検査し、企業(yè)招聘側(cè)が判定マトリックスを構(gòu)築する時に思考が一致するかどうかを判斷する。

一致性検査によって、正規(guī)化処理された特徴ベクトルは、ある段階で前の段階のある評価指標(biāo)に対して比較的重要な順序重み付け値として、その後、高いレベルから低いレベルまで逐次的に並べ替えられた重み値を計(jì)算して、応募者の総合的な並べ替えを得ることができる。

あいまいな政策決定法が現(xiàn)実生活の中で，多くの概念があいまいである。

背が高くても、身長がどれぐらいあるかは背が高いかという明確な定義がないので、人によっては理解が違います。

また、応募する能力、仕事の態(tài)度、性格などの概念も曖昧です。

これらの概念の內(nèi)包は明確であるが，エピタキシャルは曖昧である。

企業(yè)の募集の現(xiàn)実では、多くの指標(biāo)概念があいまいであるため、あいまいな決定方法は企業(yè)の採用決定のための実用的なツールとなっている。

_ぼんやり総合評価法はシステムや事物の多様な価値要素を総合的に考慮し、あいまいな集理論で優(yōu)劣を評価する方法である。

その特徴は定性的分析と定量的分析を結(jié)合し、主観的分析と客観的分析を結(jié)合することである。

あいまいな意思決定の基本的な方法は、まず評価指標(biāo)セットXと格付けドメインVを構(gòu)築することである。

例えばX={X 1(知識)、X 2(能力)、X 3(個性)、X 4(動機(jī))}、V={V 1(良い)、V 2(良い)、V 3(良くない)、V 4(良くない)}です。

応募者の甲の「知識」指標(biāo)について、企業(yè)の採用者の30%が「いいです」、60%が「いいです」、10%が「よくない」と思っていますが、「よくない」という人はいません。簡便さのために、応募者の甲に対する「知識」指標(biāo)の評価集は（0.3,0.6,0.1,0）に近いと考えられます。

類推のように、応募者の評価行列が出てきます。応募者の評価行列とそれに応じた數(shù)値を解いて、最終的に応募者一人の総合評価點(diǎn)數(shù)が得られます。

実踐の中で、はっきりしない方策の法は常に専門家と分析して法、段階の分析法などを評価して総合的に使います。

優(yōu)劣係數(shù)法は、応募者の各指標(biāo)を他の応募者に対する優(yōu)劣度と比較することにより、より優(yōu)秀な応募者を選び出す定量的な分析方法です。

実際の生活の中で、他の応募者より優(yōu)れている応募者はいません。どの応募者の各指標(biāo)も他の人より絶対に優(yōu)れています。

企業(yè)にとって、各素質(zhì)指標(biāo)の重要性は同じではなく、一部の素質(zhì)は比較的重要で、一部の素質(zhì)は相対的に副次的である。

そのため、企業(yè)は優(yōu)劣係數(shù)を計(jì)算する前に、まず異なる評価指標(biāo)に対して異なる権利を與える必要があります。その後、標(biāo)準(zhǔn)化された各評価指標(biāo)を通じて、各指標(biāo)の間に比較性を持たせて、優(yōu)劣係數(shù)を再計(jì)算します。

優(yōu)數(shù)とは、応募者が他の応募者よりも優(yōu)れている場合の合計(jì)の合計(jì)の比率です。

劣化係數(shù)とは，両スキームの優(yōu)れた極差と悪極差を比較して計(jì)算した。

優(yōu)れた係數(shù)は優(yōu)れた応募者だけを反映しているので、応募者の優(yōu)さの度合いは反映されません。劣悪な係數(shù)は応募者の劣悪さを反映していますが、劣悪な応募者を反映していません。したがって、採用決定時には優(yōu)、劣等係數(shù)を総合的に考慮しなければなりません。

優(yōu)劣係數(shù)法は優(yōu)劣係數(shù)によって徐々に理想的ではない応募者を淘汰し、採用過程において応用価値が広いです。

人工神経ネットワーク法（Artficial Neural Network）は、人體の神経構(gòu)造と知能を模擬する先端研究分野であり、獨(dú)特な構(gòu)造と情報(bào)処理方法を持っており、多くの実用的応用において顕著な効果をあげている。

近年、神経科學(xué)、數(shù)理科學(xué)、情報(bào)科學(xué)、コンピュータ科學(xué)の急速な発展により、ニューロンの働き方、非プログラムの情報(bào)処理を研究する人工神経ネットワークの実現(xiàn)が可能になりました。

人工神経ネットワークはいかなる數(shù)學(xué)モデルを構(gòu)築する必要はなく、過去の経験と専門家の知識だけで學(xué)習(xí)し、ネットワーク學(xué)習(xí)を通じて、その出力が期待される出力と一致する結(jié)果を達(dá)成する。

ネットワークが持っている自己學(xué)習(xí)能力は、伝統(tǒng)的な専門家システム技術(shù)の応用が最も困難な知識取得方法をネットワークの変構(gòu)造調(diào)整プロセスに変換し、それは自分が習(xí)得した知識と問題を処理する経験に基づいて複雑な問題に対して合理的な判斷を行い、満足できる解答を與えたり、將來の過程に対して有効な予見と推定を行うことができます。

科學(xué)的なデータに基づいてパラメータを選択してネットワークモデルを構(gòu)築すれば、データの中の専門家の経験データを取得できます。応募者の素質(zhì)評価指標(biāo)を判斷し、より客観的で合理的な結(jié)果を提供します。

現(xiàn)在、人工神経ネットワークの管理における応用はまだ研究開発段階にある。

管理學(xué)修士、湖南大學(xué)元副校長、湘潭大學(xué)元校長の李樹丞さんは、企業(yè)診斷、人力資源、プロジェクト計(jì)畫、管理訓(xùn)練、科學(xué)的方策、人工神経ネットワークなどの分野の研究と実踐に力を入れています。

多くの外資及び民営企業(yè)の人的資源専門案件のマネージャーを務(wù)め、大學(xué)管理學(xué)教育と理論研究の仕事、管理コンサルタント及び訓(xùn)練の仕事をしていました。複數(shù)のコンサルティング會社の高級HR顧問を擔(dān)當(dāng)しています。