dtЦифровая трансформацияDigital Transformation2522-96132524-2822Educational Establishment “Belarusian State University of Informatics and Radioelectronics”10.35596/1729-7648-2025-31-1-31-41dt-916Research ArticleЭКОНОМИЧЕСКИЕ НАУКИ, ОБРАЗОВАНИЕECONOMIC SCIENCES, EDUCATIONПрименение методов машинного обучения для прогнозирования текучести кадров на основе открытых данныхApplication of Machine Learning Methods for Employee Turnover Prediction Based on Open DataКозинецА. Н.KazinetsA. N.

Козинец Александр Николаевич, асп. каф. экономики

220013, Минск, ул. П. Бровки, 6

Kazinets Aliaksandr Nikolaevich, Postgraduate at the Department of Economics

220013, Republic of Belarus, Minsk, P. Brovki St., 6

ozinets.science@gmail.comБелорусский государственный университет информатики и радиоэлектроникиBelarusian State University of Informatics and Radioelectronics2025150420253113141Copyright © Козинец А.Н., 20252025Козинец А.Н.Kazinets A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://dt.bsuir.by/jour/article/view/916

Исследовано применение методов машинного обучения для прогнозирования текучести кадров в организациях с использованием открытых данных. Проведен анализ существующих подходов к прогнозированию текучести персонала, обоснована необходимость использования современных алгоритмов машинного обучения. На базе открытого набора данных разработана модель, позволяющая с высокой точностью определять вероятность увольнения сотрудников. Результаты исследования демонстрируют практическую значимость предлагаемого подхода и могут быть использованы для повышения эффективности управления человеческими ресурсами в организациях. Представлены формальные описания и архитектура применяемых моделей машинного обучения, что обеспечивает прозрачность и воспроизводимость рассматриваемого подхода.

The application of machine learning methods for predicting staff turnover in organizations using open data is studied. An analysis of existing approaches to predicting staff turnover is conducted, the need to use modern machine learning algorithms is substantiated. Based on an open data set, a model is developed that allows for a high-precision determination of the probability of employee dismissal. The results of the study demonstrate the practical significance of the proposed approach and can be used to improve the efficiency of human resource management in organizations. Formal descriptions and architecture of the applied machine learning models are presented, which ensures the transparency and reproducibility of the approach under consideration.

текучесть кадровмашинное обучениепрогнозированиеуправление человеческими ресурсамиоткрытые данныеHR-аналитикаemployee turnovermachine learningpredictionhuman resource managementopen dataHR analyticsReferencesBecker B. E., Huselid M. A. (1998) High Performance Work Systems and Firm Performance: A Synthesis of Research and Managerial Implications. Research in Personnel and Human Resources Management. 16, 53–101.Becker B. E., Huselid M. A. (1998) High Performance Work Systems and Firm Performance: A Synthesis of Research and Managerial Implications. Research in Personnel and Human Resources Management. 16, 53–101.Subhash P. (2017) IBM HR Analytics Employee Attrition & Performance. Kaggle. Available: https://www.kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset (Accessed 1 October 2024).Subhash P. (2017) IBM HR Analytics Employee Attrition & Performance. Kaggle. Available: https://www. kaggle.com/datasets/pavansubhasht/ibm-hr-analytics-attrition-dataset (Accessed 1 October 2024).Kotsiantis S. B., Zaharakis I., Pintelas P. (2007) Supervised Machine Learning: A Review of Classification Techniques. In Emerging Artificial Intelligence Applications in Computer Engineering. 160–175.Kotsiantis S. B., Zaharakis I., Pintelas P. (2007) Supervised Machine Learning: A Review of Classification Techniques. In Emerging Artificial Intelligence Applications in Computer Engineering. 160–175.Russell S. J., Norvig P. (2020) Artificial Intelligence: A Modern Approach. Pearson.Russell S. J., Norvig P. (2020) Artificial Intelligence: A Modern Approach. Pearson.Kazinets A. (2024) Application of Machine Learning Methods for Employee Turnover Prediction Based on Open Data. Available: https://colab.research.google.com/drive/1p6yQv8rZm8jIdtFc2DxYmwROXIGbDH-F?usp=sharing (Accessed 1 October 2024).Kazinets A. (2024) Application of Machine Learning Methods for Employee Turnover Prediction Based on Open Data. Available: https://colab.research.google.com/drive/1p6yQv8rZm8jIdtFc2DxYmwROXIGbDH-F?usp=sharing (Accessed 1 October 2024).

The authors declare that there are no conflicts of interest present.