In today's competitive business environment, it has become increasingly important for companies to retain their workforce for extended periods and ensure employee satisfaction. Long-term operating sustainability also provides competitive advantage by increasing internal efficiency. Various factors influence employees' long-term commitment to a company. Depending on the situation, physical and psychological conditions significantly impact employees' experience and job performance. Frequent job changes can lead to decreased productivity, loss of knowledge, and increased costs. Conversely, long-term employment offers job security, expertise, and employee leadership opportunities. This study analyzes the factors influencing the trend of long working hours using the linear regression method, a machine learning technique. The research examines how key factors such as monthly income, position, promotion, managerial support, employee age, and total work experience affect long-term employment. Data analysis has been conducted using the Python programming and the ANOVA (Analysis of Variance) method. The findings reveal that the key factors influencing long-term employment are current tenure, time spent with the current manager, total years of service, time since the last promotion, job level, monthly income, and age. It has been determined that employees who work with the same manager for extended periods tend to stay longer at the company. Among employees in the same position, there has been no significant difference in monthly income. In conclusion, organizations should focus on fostering long-term relationships between managers and employees and supporting employees' career development processes to increase long-term employment trends. These findings provide valuable guidance for companies in shaping their human resources strategies.
Employee Engagement Machine Learning Human Resources Management Firm Organization Firm Strategy
Günümüzün rekabetçi iş ortamında, şirketlerin çalışanlarını uzun süre elinde tutması ve çalışan memnuniyetini sağlaması giderek daha önemli hale gelmiştir. Uzun süre çalışma kriteri sürdürülebilirliği ve şirket içi verimliliği de artıran bir erken olarak rekabet avantajı da sağlamaktadır. Uzun vadeli çalışma sürdürülebilirliği iç verimliliği artırarak rekabet avantajı da sağlamaktadır. Çalışanların uzun süreli şirket içi bağlılığını etkileyen faktörler farklılıklar göstermektedir. Buna duruma bağlı olarak fiziksel ve psikolojik koşullar çalışanların deneyim ve iş performansını önemli boyutta etkilemektedir. Sık iş değişiklikleri üretkenlik, bilgi kaybı ve artan maliyetlere yol açabilmektedir. Buna karşı çalışan için uzun vadeli istihdam, iş güvenliği, uzmanlık ve liderlik fırsatları gibi faydalar sağlayabilmektedir. Bu çalışmada uzun çalışma saatleri eğilimini etkileyen faktörler makine öğrenmesi tekniklerinden biri olan doğrusal regresyon yöntemi kullanılarak analiz edilmektedir. Araştırmada aylık gelir, pozisyon, terfi, yönetici desteği, çalışanın yaşı ve toplam iş tecrübesi gibi temel faktörlerin uzun vadeli istihdamı nasıl etkilediği incelenmektedir. Araştırmada veri analizi Python programlama dili ve ANOVA (Varyans Analizi) yöntemi kullanılarak gerçekleştirilmiştir. Ulaşılan bulgular, uzun vadeli istihdamı etkileyen temel faktörlerin mevcut görev süresi, mevcut yöneticide geçirilen süre, toplam hizmet yılı, son terfiden bu yana geçen süre, iş seviyesi, aylık gelir ve yaş olduğunu göstermektedir. Uzun süre aynı yöneticiyle çalışan çalışanların şirkette daha uzun süre kaldıkları belirlenmiştir. Aynı pozisyondaki çalışanlar arasında aylık gelir açısından önemli bir fark olmadığı sonucuna ulaşılmıştır. Sonuç olarak, uzun vadeli istihdam eğilimlerini artırmak için kuruluşların, yöneticiler ve çalışanlar arasında uzun vadeli ilişkiler kurmaya ve çalışanların kariyer gelişim süreçlerini desteklemeye odaklanması gerektiği sonuçlar arasındadır. Bu bulgular şirketlerin insan kaynakları stratejilerini şekillendirirken önemli bir rehberlik de sağlamaktadır.
Çalışan Bağlılığı Makine Öğrenmesi İnsan Kaynakları Yönetimi Firma Organizasyonu Firma Stratejisi
Makalede kullanılan araştırma verileri 2020 yılı öncesi toplandığı için etik kurul iznine gerek yoktur.
Primary Language | Turkish |
---|---|
Subjects | Business Systems in Context (Other) |
Journal Section | Research Article |
Authors | |
Publication Date | July 22, 2025 |
Submission Date | June 8, 2024 |
Acceptance Date | February 19, 2025 |
Published in Issue | Year 2025 Volume: 26 Issue: 2 |