跳到主要內容

臺灣博碩士論文加值系統

(3.236.110.106) 您好!臺灣時間:2021/07/25 08:52
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:廖建貴
研究生(外文):Chien-Kuey Liao
論文名稱:公務人員晉陞歷程之探勘分析
論文名稱(外文):Analyze the Performance Appraisal Histories of Government Employees by Data Mining Techniques
指導教授:劉育津劉育津引用關係
指導教授(外文):Yu-Chin Liu
學位類別:碩士
校院名稱:世新大學
系所名稱:資訊管理學研究所(含碩專班)
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:84
中文關鍵詞:資料探勘關聯分析時間序列分析公務人員陞遷
外文關鍵詞:Data MiningAssociation ruleTime SequencePromotion
相關次數:
  • 被引用被引用:4
  • 點閱點閱:287
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
陞遷制度乃是人力資源管理之重要制度,除了可拔擢優秀人才外,對於組織績效及個人職涯發展皆具正面的意義。公部門組織為激勵公務人員的工作效率及提振士氣,讓適合的人才留任,使之有好的發展機會,故對組織成員施以個別的績效考核,並據考核的結果作為陞遷、降級、轉調的客觀條件。公務人員的陞遷係依公務人員陞遷法、公務人員考績法及公務人員陞遷施行細則的規定,再輔以評分標準表、遷調規定及陞遷序列表辦理遷調。
隨著資料庫應用的普及,資料探勘(Data Mining)技術被廣泛運用在各領域,以便從大量的資料中探勘出富有價值的知識或訊息;但檢視公務人員陞遷的相關研究文獻,發現大部分的研究均使用文獻探討、深入訪談或是設計問卷等方式,來探討陞遷制度面的改善,鮮少以實際的陞遷歷程資料來進行陞遷議題的研究分析,但隨著資訊科技和系統發展的日益成熟,真實資料的收集與累積比以往更為正確與便利,因此本研究擬以資料探勘的時間序列工具來分析及探討公務員的陞遷歷程及公職陞遷的最佳時點,並運用統計學常態分配及檢定等理論,探討陞遷的異常狀況。希望藉由分析資料提出合適的觀點,供公務人員及早規劃生涯,進而提昇機關與個人的競爭力。
研究結果顯示,以職等角度而論,職等2、3和6的公務員陞遷特別快的比率較高,6到9職等在陞遷上最具規則性,在6到8職等中有56%的人員在沒有其它特殊原因下可在2~3年向上晉陞一個職等;若就官等角度而論,簡任官職等的陞遷通常較慢且沒有特定規則可循,而薦任官等的人員也並非想像中的順利晉陞;同時研究也發現每一個職等都有部分人員在特定情形下陞遷不通暢。
The performance appraisal system is one of the most important things in Human Resource Management. To promote right people can motivate them to work harder and also leverage the overall organization performance. Hence, for public department, to design appropriate promotion system can retain qualified cival servants and enhance national core competence.
As the database techniques prevailed worldwide, Data Mining methods have been massively applied in many applications recently. They are used to discover valuable knowledge which is unknown previously. But however, there are very few studies on analyzing personnel data of public employees by data mining technology. In this study, we strive to research on the promotion histories of public officers in R.O.C. Taiwan by time-sequence association rules mining. In addition to recognize the right promotion timings for each job grade, the outlier data are also explored by statistic method. These kinds of information could provide not only the public officers to make their career plans earlier, but also contribute to the design of the civil service system.
There are four main experimental results in our research:
1.Public officers in Grade 2, 3, 6 get promoted sooner than those in other Grades.
2.The promotion progresses from Grade 6 to 9 present many regularities. In general, from grade 6 to 8, 56% of civil officers can get promoted in two or three years.
3.The superior civil officers (Grade 10 and up) present no significant promotion regularities.
4.However, in all Grades there are some officers who couldn’t get promoted for some reasons.
摘要 I
Abstract II
目錄 III
圖目錄 V
表目錄 VI
第一章 緒 論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 研究範圍與限制 3
1.4 研究架構與流程 5
1.5 論文架構 6
第二章 文獻探討 7
2.1 陞遷簡介 7
2.2 公務人員陞遷法規簡介 8
2.2.1 陞遷制度 10
2.2.2 陞遷文獻探討 12
2.3資料探勘(Data Mining) 14
2.3.1 資料探勘的定義及模式 15
2.3.2 關聯規則(Association Rule) 17
2.3.3 時間序列分析(Time Sequence analysis) 21
2.3.4 極端資料的篩選 24
2.4 資料探勘的相關應用 26
第三章 研究方法 28
3.1 資料前置處理 28
3.1.1 資料處理 28
3.1.2 資料標準化 30
3.1.3 資料轉換及分群 31
3.2 資料探勘方法 31
3.2.1 陞遷歷程分析 34
3.2.2 陞遷時程分析 36
3.2.3 異常狀況分析 38
3.3 資料分析 39
第四章 研究發現 41
4.1 陞遷歷程探勘分析 41
4.1.1 所有職等歷程探勘 41
4.1.2 細分職等歷程探勘 43
4.2 陞遷時程探勘分析 46
4.2.1 所有職等時程探勘 46
4.2.2 細分職等時程探勘 48
4.3 異常狀況分析 51
4.4 陞遷規則與陞遷制度之討論與分析 57
第五章 結論與建議 59
5.1 結論 59
5.2 未來研究方向與建議 60
參考文獻 62
附錄一 公務人員陞遷法 67
附錄二 公務人員陞遷法施行細則 71
附錄三 公務人員考績法 74
一、中文文獻
[1]尹相志著;<Microsoft SQL Server 2005 資料採礦聖經>;學貫行銷股份有限公司;台北市;2006。
[2]任書鳴;<應用資料探勘技術於排課系統之研究>;台灣,台中縣:靜宜大學資訊管理學系研究所;2007。
[3]考試院;全國人事法規釋例資料庫檢索系統;http://intro.exam.gov.tw/weblaw/index.asp;Retrieved:2008/12/05。
[4]行政院人事行政局;人事統計服務:97年第2季; htttp://www.cpa.gov.tw/cpa2004/fixpage/download2001/pviwpsn9702.xls; Retrieved:2008/11/20。
[5]行政院及所屬機關學校推動公務人員終身學習實施要點;http://lifelonglearn.cpa.gov.tw/pages.php?page=2¶m=sno|4460; Retrieved:2009/01/16。
[6]李政憲;<我國地方公務人員陞遷激勵之研究>;台灣,彰化縣:大葉大學事業經營研究所碩士論文;2001。
[7]沈昭宏;<一個有效率的探勘時間間隔序列型樣方法>;台北:銘傳大學資訊工程學系碩士論文;2007。
[8]阮淑婷;<運用資料探勘與社會網路分析支援問題管理>;台灣,新竹市:國立交通大學管理學院碩士班碩士論文;2008。
[9]林志忠;<我國公務人員任用制度之研究─政府再造之觀點>;台北:國立台灣大學國家發展研究所碩士論文;2003。
[10]林俊杰;<公務人員資績與陞遷關係之研究:以彰化縣政府為例>;台灣,台中市:東海大學公共事務碩士專班碩士論文;2003。
[11]林起潛;<行政機關公務人員陞遷認知與行為之關聯性研究>;台灣,嘉義縣:南華大學管理科學研究所碩士論文;2005。
[12]林惠玲、陳正倉;<應用統計學>;台北市;雙葉書廊有限公司;2007。
[13]林金火;<資料探勘技術應用於中學生成績之研究>;台灣,台南市:立德管理學院應用資訊研究所碩士論文;2007。
[14]邱建輝;<我國公務人員升遷制度之研究>;台北:世新大學行政管理學系碩士論文;2003。
[15]洪菁憶;<循序探勘在軟體版本控制上的應用>;台灣,桃園縣,中壢市:國立中央大學資訊管理研究所碩士論文;2008。
[16]孫倩玉;<升遷與離職傾向關係之研究>;台北:中國文化大學國際企業管理研究所碩士論文;2004。
[17]孫惠民;<資料採掘理論與實務規劃手冊>;台北市;松崗出版社;2007。
[18]張云濤、龔玲著;<資料探勘原理與技術>;台北市;五南圖書出版股份有限公司;2007。
[19]張和逸;<高效率探勘連續路徑序列型樣之研究>;台灣,台南縣,永康市:南台科技大學資訊管理系;2008。
[20]陳振弘;<女性公務人員陞遷之研究:以交通部薦任女性人員陞科長為例>;台北:國立台北大學公共行政暨政策學系碩士論文;2007。
[21]陳慈徽;<以資料探勘技術預測技術員離職傾向-以南科某公司為例>;台灣,台南市:國立成功大學國際管理碩士論文;2006。
[22]傅肅良;<考銓制度>;台北市;三民書局股份有限公司;第6章;1993。
[23]曾柔鶯;<現代管理學>;台北縣;高立圖書有限公司;第15章;2006。
[24]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯著;<資料探勘:Data Mining>;台北市;旗標出版股份有限公司;2005。
[25]黃秀梅;<我國公務人員訓練制度之研究-晉升官等訓練之評估>;台北:國立台灣大學國家發展研究所碩士論文;2002。
[26]黃英忠;<人力資源管理概論>;台灣,高雄市;麗文文化事業;2007。
[27]黃英忠;<現代人力資源管理>;台北;華泰書局;1989。
[28]黃國書;<運用模糊類神經網路於人力資源遴選之研究>;台灣,高雄縣:義守大學工業工程與管理學系碩士論文;2003。
[29]黃淑霞;<資料探勘的技術於圖書館借閱歷程分析及推薦系統>;台灣,花蓮縣:國立東華大學資訊工程系碩士論文;2008。
[30]楊朝富;<使用 SQL 查詢挖掘多維度序列型樣之研究>;台灣,桃園縣,中壢市:元智大學資訊理所碩士論文;2002。
[31]潘泰成;<資料探勘技術在老舊校舍分析的應用>;台灣,台中縣:靜宜大學資訊管理學系碩士論文;2008。
[32]蔡志雄;<資料挖掘技術在國防人力資源管理之研究>;台北市:國防管理學院國防資訊研究所碩士論文;2002。
[33]蔡秀涓;<我國政府部門升遷現象之研究:從組織政治觀點分析>;台北:國立政治大學公共行政學系博士論文;1998。
[34]蔡馥璟;<時間序列法於警力資源規劃之研究>;台灣,台南市:國立成功大學資訊管理研究所;2005。
[35]蔡馥璟;<時間序列法於警力資源規劃之研究>;台灣,台南市:國立成功大學資訊管理研究所碩士論文;2005。
[36]黎文明;<我國警察人員陞遷制度之研究>;台灣,桃園縣:中央警察大學行政警察研究所碩士論文;2002。
[37]蕭乃綺;<應用資料採礦技術於我國壽險業顧客價值分析之研究>;台灣,台中市:東海大學工業工程與經營資訊研究所碩士論文;2006。
[38]賴富源;<我國公務人員陞遷制度之研究>;台北:中國文化大學政治學研究所碩士論文;2002。
[39]賴鵬屹;<時間序列資料處理與相似性擷取>;台北:國立交通大學資訊科學與工程研究碩士論文;2008。
[40]謝玉玲;<序列型態應用於疾病分類碼之分析研究>;台灣,花蓮縣:國立東華大學資訊工程系碩士論文;2004。
[41]謝守清;<資料探勘於民意調查的應用-以財經福利政策為例>;台北:世新大學行政管理學系碩士論文;2003。
[42]謝安田;<人力資源管理>;台北;著者發行;1999。
[43]謝智聿;<以序列探勘理論實作之網路異常型樣驗證>;台灣,台中市:逢甲大學資訊工程研究所碩士論文;2002。
[44]譚克平;<極端值判斷方法簡介>;台東大學教育學報;第19卷第1期: 131-150頁; Retrieved: 2008/08/08。

二、英文文獻
[45]Agrawal, R. and Srikant, R., “Mining Sequential Patterns”, IEEE International Conference on Data Engineering, pp.3-14, 1995.
[46]Agrawal, R., Imielinski, T. and Swami, A., “Mining Association Rule between Sets of Items in Large Databases”, In Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data, pp.207-216, 1993.
[47]Chien, C.F. and Chen, L.F., “Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry”, Expert Systems with Applications,Vol.34,Issue 1: pp.280-290, 2008.
[48]Fayyad, U., Piatetsky-Shapiro, G. and Smyth, P., “The KDD Process for Extracting Useful Knowledge from Volumes of Data”, http://www.ischool.utexas.edu/~i385df04/readings/fayyad(1996)-kdd.pdf, Retrieved: 2008/11/28.
[49]Fayyad, U.,Piatetsky-Shapiro, G. and Smyth, P., “From Data Mining to Knowledge Discovery In Databases”, AI Magazine, Vol.17, pp.37-54, 1996.
[50]Frawley, W.J., Piatetsky-Shapiro, G. and Matheus, C.J., “Knowledge Discovery in Databases: An Overview”, California, AAAI/MIT Press, pp.1-30, 1991.
[51]Fukuda, T.,Morimoto, Y., Morishita, S. and Tokuyama,T., “Mining Optimized Association Rules for Numeric Attributes”, http://fukudat.com/w/ja/images/1/1c/Fukudat-jcss99.pdf , Retrieved: 2008/12/25.
[52]Ghoting, A., Parthasarathy, S. and Otey, M. E., “Fast mining of distance-based outliers in high-dimensional datasets”, Data Mining and Knowledge Discovery, Vol.16, Issue.3, pp.349-364,2008.
[53]Liao, C.W. and Perng, Y.H., “Data mining for occupational injuries in the Taiwan construction industry”, Safety Science, Vol.46, Issue 7, pp.1091-1102, 2008.
[54]Lin, C.T. and Hung, Y.L., “Mining tourist imagery to construct destination image position model”, Expert Systems with Applications, Vol.36, Issue 2, Part 1: pp.2513-2524, 2009.
[55]Lin, M.Y. and Lee, S.Y., “Incremental update on sequential patterns in large databases by implicit merging and efficient counting”, http://dblab.mgt.ncu.edu.tw/%E6%95%99%E6%9D%90/2004%20Data%20Mining/2004-20.pdf , Retrieved: 2009/01/10.
[56]Morchen, F. and Ultsh, A., “Efficient mining of understandable patterns from multivarite interval time series”, Data Mining and Knowledge Discovery,Vol.15, Issue 2,pp.181-215, 2007.
[57]Srikant, R. and Agrawal, R., “Mining Generalized Association Rules”, http://www.cs.sfu.ca/CC/459/han/papers/srikant95.pdf , Retrieved: 2008/12/01.
電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊