随着市场竞争的进一步加剧,现场管理能力成为企业制胜的核心竞争力,而现场管理能力的关键是胜任力素质。然而,胜任力在人力资源管理具体应用中却遭遇着很多困境,包括不能客观地评价人员管理胜任力、招聘不到合适的管理人才、对招聘的人才不能合理安置、不能设计合理的薪酬体系以及不能做到针对性地对员工进行培训等,影响了企业的稳定发展。因此,为推广胜任力的应用,迫切需要解决以上问题。本文运用贝叶斯网络强有力的不确定性知识表示与推理能力对此进行了较为深入的研究。 ⑴针对贝叶斯网络结构学习算法中,搜索与评分方法一般要求已知节点顺序的特点,在详细介绍K2算法的基础上,采用信息论确定各节点的可能父节点集,并以各节点的可能父节点集代替节点顺序作为输入,采用K2算法进行结构学习,确定各节点的父节点集,形成了一种改进的结构学习方法。 ⑵在明确贝叶斯网络与管理胜任力知识推理需要研究与解决的主要目标后,结合先验知识和改进的K2算法进行贝叶斯网络学习,建立胜任力优劣的预测、评价和诊断模型,利用贝叶斯网络强大的推理功能,可以由被试人员的最终答卷预测、评价人员胜任力优秀的可能性,并找出影响胜任力优劣的主要原因,以及导致胜任力一般的可能原因,在推广胜任力的同时,扩大了贝叶斯网络的应用范围。 ⑶考虑到人员、岗位特点,建立了基于贝叶斯网络与遗传算法的胜任力优化配置模型,以因子得分影响胜任力设计适值函数,以不同岗位不同人员胜任力设计问题解以及交叉、变异运算,搜索有限资源下的最优岗位结构,使得企业真正达到人-岗-组织的动态匹配。同时,将诊断推理知识应用到基于胜任力的人员开发、培训上。从而形成以胜任力为基础的一体化人力资源管理,为决策者提供决策参考依据。