Розширена анотація українською мовою

Ця стаття узагальнює аргументи та контраргументи в межах наукової дискусії з питання відстеження ефективності в Інтернеті, яка є концепцією та розробкою оцінки ефективності на основі онлайн-збору та оцінки показників ефективності роботи. Продуктивність ‒ це поняття, яке визначає ступінь, в якій особа може використовувати свій потенціал чи реальні знання, навички та здібності для досягнення цілей або очікувань, які часто визначаються кількісно як відсоток людських можливостей для успішного завершення запланованої роботи. Оцінка ефективності визначається як періодична та систематична оцінка здатності працівника до досягнення успіху та розвитку. Оцінка працездатності працівників по відношенню до певної позиції є ключовим завданням управління людськими ресурсами організації. Оцінка ефективності стосується методів та процесів, що використовуються організаціями для оцінки рівня ефективності своїх співробітників. Основною метою оцінки результативності роботи в організаціях є підвищення ефективності роботи працівників. У цьому дослідженні ми зосереджуємось на прийнятті рішень на багатокритерії, що забезпечує правильну кількісну обчислювальну модель для оцінки ефективності роботи співробітників у секторі інформаційних технологій. Визначення результативності персоналу, що здійснює роботу в Інтернеті, на основі об’єктивних та кількісних методів, дає регулярні, постійні та періодичні результати оцінки для управління людськими ресурсами. Той факт, що дані про людські ресурси на підприємствах є сучасними, надійними та електронними, дуже важливі для користувачів та осіб, що приймають рішення. Ця стаття описує концептуальну основу, процес розробки та теоретичну структуру онлайн-системи відстеження ефективності. Основні фактори, що впливають на відстеження ефективності в Інтернеті, описані за допомогою використання моделі зваженої суми як обчислювального методу показників ефективності. Вхідні дані для обчислювальної моделі були отримані безпосередньо в реальному часі, в реальній організації, яка безпосередньо вимірювала продуктивність персоналу. Для прийняття рішень у цьому багатокритеріальному підході критерії ваг обчислюються за допомогою методу інформаційної ентропії, а рейтинг 15 альтернатив (працівників) обчислюється за допомогою моделі зваженої суми. Обчислювальні результати, отримані за допомогою онлайн-системи оцінювання якості, оцінюються та обговорюються по відношенню до моделі зваженої суми.

Ключові слова: оцінка ефективності, оцінка продуктивності, модель зваженої суми, метод інформаційної ентропії, відстеження ефективності в Інтернеті, прийняття багатокритеріальних рішень, багатокритеріальний аналіз, теорія еталонної об’єктивності.

Класифікація JEL: C53.

Цитувати як: Ardil, C., Bilgen, S. (2017). Online Performance Tracking. SocioEconomic Challenges, 1(3), 58-72. DOI: 10.21272/sec.1(3).58-72.2017

Список використаних джерел

1. DeNisi, A. S., Pritchard, R. D. (2006). Performance appraisal, performance management and improving individual performance: a motivational framework. Management and Organization Review, 2(2), 253-277.
2. Murphy, K. R., Cleveland, J. N. (1991). Performance Appraisal: An Organizational Perspective. Allyn and Bacon, Boston.
3. Yu, P.L. (1985). Multiple-criteria Decision Making: Concepts, Techniques, and Extensions. Plenum Publishing Corporation, New York.
4. Hwang, C. L., Yoon, K. (1981). Multiple Attribute Decision Making Methods and Applications. Springer, Berlin Heidelberg.
5. Triantaphyllou, E. (2000). Multi-criteria Decision Making Methods: A Comparative Study. Kluwer Academic Publishers, Dordrecht.
6. Zadeh, L. A. (1965) Fuzzy sets. Information and Control, 8 (3) 338–353.
7. Wang, H. F. (2000). Fuzzy Multicriteria Decision Making – an Overview, J. Intel. Fuzzy Syst., 9, 61-83.
8. Chen, S. J., Hwang, C. L. (1991). Fuzzy Multiple Attribute Decision Making. Springer Verlag, Berlin.
9. Ribeiro, R. A. (1996). Fuzzy multiple attribute decision making: a review and new preference elicitation techniques, Fuzzy Sets Syst. 78, 155-181.
10. Kall, P., Wallace, S.W. (1994). Stochastic Programming. Wiley, Chichester.
11. Sengupta, J. K. (1981). Optimal Decision under Uncertainty. Springer, New York.
12. Vajda, S. (1972). Probabilistic Programming. Academic Press, New York.
13. Liu, X. (2004). On the methods of decision making under uncertainty with probability information. Int. J. Intel. Syst., 19, 1217-1238.
14. Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill, New York.
15. Saaty, T. L. (1983). Priority Setting in Complex Problems. IEEE Transactions on Engineering Management, 30(3), 140-155.
16. Zanakis, S. H., Solomon, A., Wisharta, N., Dublish, S. (1998) Multi-attribute decision making: A simulation comparison of select methods. European Journal of Operational Research, 107(3), 507-529.
17. Oraee, K., Bakhtavar, E. (2010). Selection of Tunnel Support System by Using Multi Criteria Decision-Making Tools, 29th International Conference on Ground Control in Mining.
18. Abo-Sinna, M. A., Amer, A. H. (2005). Extensions of TOPSIS for multi-objective large-scale nonlinear programming problems. Applied Mathematics and Computation, 162, 243-256.
19. Jahanshahloo, G. R., Lotfi, F. H., Izadikhah, M. (2005). An algorithmic method to extend TOPSIS for decision-making problems with interval data. Applied Mathematics and Computation, 175(2), 1375-1384.
20. Zitzler, E. and Thiele, L. (1999). Multiobjective Evolutionary Algorithms. In IEEE Transactions on Evolutionary Computation, 3(4), November.
21. Zadeh, L. (1963). Optimality and non-scalar-valued performance criteria. In IEEE transactions on Automatic Control.
22. Helff, F., Gruenwald, L., d’Orazio, L. (2016). Weighted Sum Model for Multi-Objective Query Optimization for Mobile-Cloud Database Environments, in the Workshop Proceedings of the EDBT/ICDT 2016 Joint Conference (March 15, 2016, Bordeaux, France) on CEUR-WS.org (ISSN 1613-0073).
23. Triantaphyllou, E., Mann, S. H. (1989). An Examination of the Effectiveness of Multi-Dimensional Decision-Making Methods: A Decision-Making Paradox. International Journal of Decision Support Systems, 5, 303-312.
24. Mendoza, G. A., Martins, H. (2006). Multi-criteria decision analysis in natural resource management: A critical review of methods and new modelling paradigms. Forest Ecology and Management, 230, 1-22.
25. Malczewski, J. (1999). GIS and Multi-Criteria Decision Analysis. John Wiley & Sons, Inc., New York.
26. Shannon, C. (1948). A Mathematical Theory of Communication. Bell System Technical Journal, 27, 379-423.
27. Xiaoxing, L., Krishnan, A., Mondry, A. (2005). An Entropy-based gene selection method for cancer classification using microarray data. BMC Bioinformatics, 6(76), 1-14.
28. Fishburn, P. C. (1967). Additive Utilities with Incomplete Product Set: Applications to Priorities and Assignments. Operations Research Society of America (ORSA), Baltimore, MD, U.S.A.
29. Karlin, S., Studden, W. J. (1966). Tchebycheff Systems: with Applications in Analysis and Statistics. New York, Interscience Publishers.
30. Ignizio, J. P. (1978). A review of goal programming: a tool for multiobjective analysis. J. Opl. Res. Soc., 29(11), 1109-1119.
31. Zeleny, M. (1974). Linear multiobjective programming. Springer-Verlag, Heidelberg, Berlin, New York.