意大利福贾大学|适应性人才之旅: 通过深度 Q 学习优化企业内部人才成长路径

【标题】Adaptive talent journey: Optimization of talents’ growth path within a company via Deep Q-Learning

【作者团队】Alfonso Guarino, Delfina Malandrino, Francesco Marzullo

【发表日期】2022.7.30

【论文链接】https://www.sciencedirect.com/science/article/pii/S0957417422014348#!

【推荐理由】在企业环境中，企业不断优化人力资源，并获取新的人力资源。员工也被称为人才，他们需要掌握新的技能，以保持公司在业务中的竞争力。本文提出了适应性人才之旅，一种优化企业内部人才成长路径的新方法。适应性人才之旅的最终目标是将人才留在公司内部。它利用“数字孪生”的概念来定义一个人才的数字表示，即人才数字孪生，建立在技能水平和个人特征的基础上。根据目标公司的角色，“适应性人才之旅”提出了最合适的工作经历(旅程)路径，以提高人才的技能，从而达到目标角色的要求。这种机制与强化学习范式产生共鸣，特别是与深度 Q 学习。具体来说，所提出的方法利用: (i)两个双深度 Q 网络(DDQN)来选择要制作的工作经验; (ii)一个转换模块来支持 DDQN 的训练，并确保尽管有限的数据可用性良好的性能。实验结果表明，适应性人才旅程能够优化人才的成长路径。