机构名称：
¥ 1.0
摘要。目的：该研究旨在通过应用奖励和惩罚系统作为改善员工出勤率和福祉的创新解决方案来确定出勤管理的模式和趋势。方法：本研究利用了一种描述性分析方法，并应用了机器学习（ML）技术来增强出勤模式预测的准确性和新兴趋势和模式分类的ML模型。通过公司的出勤系统获得了研究数据，并分为两个部分（培训80％，测试20％），同时保持平衡的班级比例，然后使用SCIKIT-LEARN图书馆使用SPSS和Python软件进行处理。结果：研究结果表明，当将奖励和惩罚方法应用于员工出勤系统时，员工出勤率从86.52％增加到90.44％。适当的奖励分配可以增加员工遵守工作时间表并持续参加的动力，而惩罚往往会导致出勤率较低。新颖性：这项研究强调了通过数据分析方法和在出勤系统中实施出勤管理的优化，并应用了ML技术在全面分析出勤数据并检测重要模式。关键字：出勤管理，奖励和惩罚，数据分析，2024年4月的出勤系统中的技术实施 / 2024年4月修订 / 2024年5月接受这项工作，这项工作已在创意共享归因4.0国际许可下获得许可。
探索出勤系统中的数据分析
主要关键词
相关文件推荐
