Szerző dc.contributor.author | Pap Jozsef | |
Szerző dc.contributor.author | Mako Csaba | |
Szerző dc.contributor.author | Illessy Miklos | |
Szerző dc.contributor.author | Kis Norbert | |
Szerző dc.contributor.author | Mosavi Amir | |
Elérhetőség dátuma dc.date.accessioned | 2023-03-20T12:33:11Z | |
Rendelkezésre állás dátuma dc.date.available | 2023-03-20T12:33:11Z | |
Kiadás dc.date.issued | 2022 | |
Uri dc.identifier.uri | http://hdl.handle.net/20.500.12944/20144 | |
Kivonat dc.description.abstract | Identifying the performance factors of organizations is of utmost importance for labor studies for both empirical and theoretical research. The present study investigates the essential intra- and extra-organizational factors in determining the performance of firms using the European Company Survey (ECS) 2019 framework. The evolutionary computation method of genetic algorithm and the machine learning method of Bayesian additive regression trees (BART), are used to model the importance of each of the intra- and extra-organizational factors in identifying the firms’ performance as well as employee well-being. The standard metrics are further used to evaluate the accuracy of the proposed method. The mean value of the evaluation metrics for the accuracy of the impact of intra- and extra-organizational factors on firm performance are MAE = 0.225, MSE = 0.065, RMSE = 0.2525, and R2 = 0.9125, and the value of these metrics for the accuracy of the impact of intra- and extra-organizational factors on employee well-being are MAE = 0.18, MSE = 0.0525, RMSE = 0.2275, and R2 = 0.88. The low values of MAE, MSE and RMSE, and the high value of R2, indicate the high level of accuracy of the proposed method. The results revealed that the two variables of work organization and innovation are essential in improving firm performance well-being, and that the variables of collaboration and outsourcing, as well as job complexity and autonomy, have the greatest role in improving firm performance. | |
Nyelv dc.language | en | |
Kulcsszó dc.subject | organizational performance | |
Kulcsszó dc.subject | machine learning | |
Kulcsszó dc.subject | Bayesian additive regression trees | |
Kulcsszó dc.subject | social science | |
Kulcsszó dc.subject | management | |
Kulcsszó dc.subject | deep learning | |
Kulcsszó dc.subject | artificial intelligence | |
Kulcsszó dc.subject | open innovation | |
Kulcsszó dc.subject | firm performance | |
Kulcsszó dc.subject | big data | |
Cím dc.title | Modeling Organizational Performance with Machine Learning | |
Változtatás dátuma dc.date.updated | 2023-03-02T14:20:33Z | |
Változat dc.description.version | kiadói | |
Hozzáférés dc.rights.accessRights | nyílt hozzáférésű | |
dc.description.notes | „A publikáció a Nemzeti Közszolgálati Egyetem 2020. évi Tématerületi Kiválóság Program keretében, a Fenntartható biztonság és társadalmi környezet elnevezésű projekt támogatásával valósult meg, az Innovációs és Technológiai Minisztérium Nemzeti Kutatási, Fejlesztési és Innovációs Alapból nyújtott támogatásával, a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal által kibocsátott támogatói okirat alapján.” Pályázat sorszáma: NKFIH-1273-6/2020 Támogató: NKFIH | |
Tudományág dc.subject.discipline | Társadalomtudományok | |
Tudományterület dc.subject.sciencebranch | Társadalomtudományok/Gazdálkodás- és szervezéstudományok | |
Mtmt azonosító dc.identifier.mtmt | 33117080 | |
Évfolyam dc.identifier.journalVolume | 8 | |
Füzetszám dc.identifier.journalIssueNumber | 4 | |
Terjedelem dc.format.page | 1-19 | |
Scopus azonosító dc.identifier.scopus | 85144694318 | |
Folyóiratcím rövidítve dc.identifier.journalAbbreviatedTitle | J OPEN INNOV | |
Kiadás éve dc.description.issuedate | 2022 | |
Szerző intézménye dc.contributor.department | Regionális- és Gazdaságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szociológiai Intézet | |
Szerző intézménye dc.contributor.department | Kormányzástani és Közpolitikai Tanszék | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Menedzsment Tanszék | |
Szerző intézménye dc.contributor.department | Informatikai Tudományok Doktori Iskola | |
Szerző intézménye dc.contributor.department | Óbudai Egyetem | |
Szerző intézménye dc.contributor.department | Gazdaság- és Regionális Tudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Államtudományi és Nemzetközi Tanulmányok Kar | |
Szerző intézménye dc.contributor.department | Büntetőjogi Tanszék | |
Szerző intézménye dc.contributor.department | Kormányzástani és Közpolitikai Tanszék | |
Szerző intézménye dc.contributor.department | Biztonságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Közszervezési és Infotechnológiai Tanszék | |
Szerző intézménye dc.contributor.department | Információs Társadalom Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szociológiai Intézet | |
Szerző intézménye dc.contributor.department | Kiberbiztonsági Kutatóintézet | |
Szerző intézménye dc.contributor.department | Szoftvertervezés- és Fejlesztés Intézet | |
Szerző intézménye dc.contributor.department | Regionális- és Gazdaságtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Állam- és Jogtudományi Doktori Iskola | |
Szerző intézménye dc.contributor.department | Felsőbbfokú Tanulmányok Intézete |