رویکردی مبتنی بر نظریه گراف برای ارزیابی عملکرد کارکنان

عملکرد کارمندان یک سازمان در مقاطع زمانی مختلف و توسط مراجع متعددی مورد ارزیابی قرار می‌گیرند. تهیه یک رتبه‌بندی واحد براساس این ارزیابی‌ها به‌گونه‌ای که بیشترین تطابق را با ارزیابی‌های ارائه شده داشته باشد، تجمیع رتبه‌بندی گفته می‌شود. علاوه‌بر این کاربرد، مساله‌ی تجمیع رتبه‌بندی دارای کاربردهای گسترده در علوم مختلف از جمله علوم اجتماعی و آمار و احتمال است و مورد مطالعه فراوان قرار گرفته است و برای آن در حوزه‌های کاربردی مختلف، راهکارهایی متفاوت ارایه شده است. از نظر تئوری و در علوم ریاضی و کامپیوتر نیزمساله‌ی تجمیع رتبه‌بندی بطور گسترده مطالعه شده است. در این مقاله برای اولین بار، به مطالعه کاربرد تجمیع رتبه‌بندی در حوزه ارزیابی عملکرد می‌پردازیم. در این کاربرد، عملکرد کارکنان یک سازمان توسط تعدادی ارزیاب (که در مدل ارزیابی 360 درجه تعدادی از همان کارکنان هستند) را در اختیار داریم و هدف، ارائه یک ارزیابی نهایی از کارکنان است که بیشترین میزان مشابهت را با همه‌ی ارزیابی‌های ارائه شده دارد. نشان می‌دهیم با استفاده از این روش ضمن بدست آوردن رتبه‌بندی با بیشترین مطابقت، می‌توان استنتاجات دیگری را از جمله کیفیت عملکرد ارزیاب‌ها و نیز روابط غیررسمی بین افراد بدست آورد.

A Graph Theoretic Approach for Employee Performance Appraisal

In an organization, employees are often evaluated (ranked) by multiple supervisors (or coworkers) in different time periods. Providing a single ranking based on these evaluations in such a way that it has the most compatibility and consistency with the provided evaluations is called rank aggregation. This rank aggregation problem, which has wide applications in various sciences, has been studied extensively theoretically in mathematics and computer science. In this paper, we study for the first time, the application of rank aggregation in the field of performance appraisal. In this application, the performance rankings of employees are given by a number of evaluators and the goal is to provide a final ranking for the employees that has the most similarity to the given evaluations. Other than obtaining the most consistent rankings, we show that more inference results like the quality of the evaluators and informal relationships between individuals can be obtained as byproduct of this process of rank aggregation.