W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Artykuł

Pobierz plik Pobierz BibTeX

Tytuł

The use of machine learning techniques for assessing the potential of organizational resilience

Autorzy

[ 1 ] Instytut Inżynierii Bezpieczeństwa i Jakości, Wydział Inżynierii Zarządzania, Politechnika Poznańska | [ P ] pracownik | [ D ] doktorant

Dyscyplina naukowa (Ustawa 2.0)

[6.6] Nauki o zarządzaniu i jakości

Rok publikacji

2023

Opublikowano w

Central European Journal of Operations Research

Rocznik: 2023 | Tom: 2023

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe
EN
  • Organizational resilience
  • Decision-making process
  • Regression
  • Machine learning
  • Artificial intelligence
Streszczenie

EN Organizational resilience (OR) increases when the company has the ability to anticipate, plan, make decisions, and react quickly to changes and disruptions. Thus the company should focus on the creation and implementation of proactive and innovative solutions. Proactive processing of information requires modern technological solutions and new techniques. The main focus of this study is to propose the best technique of Machine Learning (ML) in the context of accuracy for predicting the attributes of the organizational resilience potential. Based on the calculations, the research includes estimating them through the applications of regression and machine learning methods. The dataset is obtained from the results of our survey based on the questionnaire consisting of 48 items mainly established on OR attributes formed on ISO 22316:2017 standard. Based on the outcomes of the study, it can be stated that the optimal technique in the context of accuracy for predicting the attributes of the organizational resilience potential is ensemble methods. The k-nearest neighbor (KNN) filtering-based data pre-processing technique for a stacked ensemble classifier is used. The stacking is achieved with three base classifiers namely Random Forest (RF), Naive Bayes (NB), and Support Vector Machine (SVM). The chosen ensemble method should be implemented in an organization systemically according to the circle of innovation and should support the quality of the managerial decision-making process by increasing the accuracy of organizational resilience potential prediction and indicating the importance of attributes and factors affecting the potential for organizational resilience.

Data udostępnienia online

07.08.2023

Strony (od-do)

1 - 26

DOI

10.1007/s10100-023-00875-z

URL

https://link.springer.com/article/10.1007/s10100-023-00875-z

Typ licencji

inne

Tryb otwartego dostępu

czasopismo hybrydowe

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Data udostępnienia

07.08.2023

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Pełny tekst artykułu

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Punktacja Ministerstwa / czasopismo

70

Impact Factor

1,4

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.