90572229

Revista Cubana de Ciencias Informáticas (RCCI)

Vol. 6, No. 3, julio-septiembre, 2012

ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu

1 Grupo Editorial “Ediciones Futuro”

Universidad de las Ciencias Informáticas. La Habana, Cuba

[email protected]

Tipo de artículo: Artículo original

Temática: Ingeniería y gestión de software

Recibido: 27/03/2012 | Aceptado: 10/09/2012

El empleo de métodos de toma de decisión y técnicas de

soft computing en la selección de personal

The use of decision making methods and techniques of soft

computing in personnel selection

Lizandra Arza Pérez1, Edistio Yoel Verdecia Martínez

2, José Lavandero García

2

1 Calisoft. Subdirección de Investigación y Postgrado. Universidad de las Ciencias Informáticas,

Carretera a San Antonio de los Baños, km 2 ½, Torrens, Boyeros, La Habana, Cuba. CP.: 19370.

Correo-e: [email protected] 2Vicerrectoría de Programas Especiales. Universidad de las Ciencias Informáticas, Carretera a San

Antonio de los Baños, km 2 ½, Torrens, Boyeros, La Habana, Cuba. CP.: 19370. Correo-e:

{edistioyoel, lavandero}@uci.cu

* Autor para correspondencia

Resumen: La selección de personal puede ser tratado como un problema de toma de decisión, esto

está evidenciado en el análisis de sus definiciones que se hace en el presente trabajo. Además de la

naturaleza comparativa y de decisión que caracteriza este proceso, las actividades que como parte de

él se realizan tienen una elevada participación y dependencia del juicio humano, lo que de él un

proceso en cual existe una elevada subjetividad en la información que se maneja, información que

además que puede ser tanto cualitativa como cuantitativa, esto se puede redundar en un proceso con

un alto nivel de incertidumbre. Es por ello que existe una marcada tendencia a dar soluciones a los

problemas de selección de personal empleando métodos de toma de decisión que integran el uso de

técnicas de soft computing. En el presente trabajo se realiza un análisis de las tendencias y los

métodos más empleados en la solución de problemas de selección de personal. Se plantea una

recomendación de las condiciones en las que los métodos estudiados pueden tener un mejor resultado

en su aplicación.

Palabras clave: Selección de personal, soft computing, toma de decisión.

Abstract: The recruitment can be treated as a decision making problem, this is evidenced in the

analysis of its definitions is done in this paper. In addition to the comparative nature and decision-

making that characterizes this process, the activities as part of it is made have a high participation

and reliance on human judgment, which it a process in which there is a high subjectivity in the

mailto:%7bedistioyoel,%20lavandero%[email protected]



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

information handled, further information can be both qualitatively and quantitatively, this can result

in a process with a high level of uncertainty. That is why there is a marked tendency to give solutions

to the problems of personnel selection using decision-making methods that integrate the use of soft

computing techniques. In this paper an analysis of trends and methods used in solving recruitment

problems. We propose a recommendation to the conditions in which the methods studied may have a

better result in it application.

Keywords: Decision making, personnel selection, soft computing.

1. Introducción

La toma de decisión es una actividad que está presente en todas las áreas de la gestión empresarial, se

llama así a las primeras etapas en la resolución de un problema, buscar la solución a un problema, de

una manera y otra conlleva al análisis de información, búsqueda de posibles soluciones, selección de

una de estas, aplicarla y evaluar el resultado de su aplicación.

En la gestión de las empresas los sistemas de apoyo a la decisión han tomado mayor importancia y

relevancia, con ellos se logra mejorar y agilizar este proceso. Uno de los elementos claves en las

empresas es el recurso humano, la gestión de estos agrupa un grupo de procesos que van desde su

selección, formación, hasta la evaluación y remuneración (CHIAVENATO, 2002; PMI, 2008;

CURTIS et al., 2009). Ha sido una tendencia en los últimos tiempos la gestión de los recursos

humanos por competencias, ya que facilita el uso de un lenguaje común, permite conocer

comportamientos futuros de las personas, facilita la formación y evaluación, de manera general es un

paso superior en la gestión de los recursos humanos(CUESTA, 2001; HAYES et al., 2000).

Para poder procesar y analizar la información de los recursos humanos en los diferentes procesos de

su gestión, es necesario en muchas ocasiones el empleo de técnicas que permitan brindar criterios que

ayuden a la toma de decisiones, las técnicas de soft computing han sido ampliamente utilizadas, por

las facilidades que brindan para el tratamiento de información cualitativa, imprecisa, para la toma de

decisiones con incertidumbre y el procesamiento de información abundante y compleja.

En este artículo se parte de una caracterización del proceso de selección de personal, para luego

realizar un análisis de las técnicas de soft computing y métodos de toma de decisiones que más se

emplean en la solución de estos problemas, identificando finalmente los principales elementos de

estos, sus limitantes y consideraciones para su uso.

2. Desarrollo

Caracterización del proceso de selección de personal



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

La selección de personal es uno de los procesos que se plantea realizar dentro de la GRH

(CHIAVENATO, 2002; ARIAS, 1979; CHIAVENATO, 1998; JOFRE, 2010; MARTILLA et. al.,

1977; PINO et al, 2008; PUCHOL, 2007; RUL et al, 1996; WAYNE, 1997; WAYNE, 2005;

WILLIAMSON et al., 2008), que es el área que define todos los procesos y actividades relacionados

con la gestión del personal en una organización.

Sobre el término selección de personal se revisaron varias definiciones, el autor (CHIAVENATO,

2002) realiza un estudio de algunos de los conceptos que se han dado por diferentes autores y además

se revisaron otras definiciones para obtener una mejor regularidad de los criterios que más se tienen

en cuenta en la definición de selección de personal. Del análisis realizado se pueden señalar varios

aspectos relevantes o que de una manera u otra están presentes en la mayoría de estas definiciones. En

cuanto a la naturaleza del proceso de selección, muchos autores establecen que es un proceso de

decisión y un proceso de comparación:

Es un proceso de decisión (CHIAVENATO, 2002; PINO et al, 2008; RUL et al, 1996; ALLES,

2006; BILES et. al., 1986; GIL et al, 1993; MEE, 1958): Algunos autores empleando el término

selección, elección o decisión, establecen que este es un proceso en cual los responsables

deciden el candidato que ocupará el puesto de trabajo, siempre en los procesos de selección está

el elemento de decisión.

Es un proceso de comparación (CHIAVENATO, 2002; PINO et al, 2008; RUL et al, 1996;

ALLES, 2006; BILES et. al., 1986; GIL et al, 1993; MEE, 1958): Establecen este proceso como

un proceso de comparación de las exigencias del puesto, lo que se quiere obtener y las

características de los candidatos que optan por el puesto, estableciendo que de esta comparación

se obtienen criterios para la decisión final.

El autor (CHIAVENATO, 2002) plantea, aunque no lo deja explícito en su definición, que un aspecto

importante en la selección de personal es la estimación anticipada de dos variables, tiempo de

aprendizaje y nivel de ejecución de la actividad, proyectando cómo se situarán a largo plazo el

aprendizaje y la ejecución del candidato.

En el análisis realizado, los autores coinciden en partir de la información respecto a la necesidad de

las plazas o puestos a cubrir, en cantidad, definiendo además, para cada uno de ellos cuáles son las

responsabilidades, tareas asociadas, conocimientos y otros elementos que definen los criterios a

buscar en cada candidato para tomar la decisión final.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

(CHIAVENATO, 2002; PMI, 2008; PUCHOL, 2007; RUL et al, 1996; GIL et al, 1993) señalan como

un elemento clave en la obtención de información sobre los candidatos el empleo de diferentes

técnicas de selección, (la entrevista, pruebas de conocimiento, pruebas sicológicas y de habilidades,

entre otras).

Al estudiar los diferentes marcos de los procesos de selección de personal (CHIAVENATO, 2002;

ARIAS, 1979; PINO et al, 2008; PUCHOL, 2007; RUL et al, 1996; WAYNE, 2005; WILLIAMSON

et al., 2008; ALLES, 2006) se puede llegar a que las actividades más comunes son:

Descripción de las características del puesto de trabajo que se somete al proceso de selección de

personal (CHIAVENATO, 2002; PUCHOL, 2007; ALLES, 2006; GIL et al, 1993).

Reclutamiento de los candidatos (CHIAVENATO, 2002; PUCHOL, 2007; ALLES, 2006; GIL et

al, 1993).

Recopilación de información del candidato (CHIAVENATO, 2002; PUCHOL, 2007; RUL et al,

1996; WAYNE, 2005; ALLES, 2006; GIL et al, 1993).

Aplicación de técnicas de selección del personal (CHIAVENATO, 2002; PUCHOL, 2007; RUL

et al, 1996; WAYNE, 2005; ALLES, 2006; GIL et al, 1993).

Evaluar y clasificar a los candidatos (GIL et al, 1993).

Tomar la decisión (CHIAVENATO, 2002; PINO et al, 2008; PUCHOL, 2007; RUL et al, 1996;

WAYNE, 2005; ALLES, 2006)

Información a los candidatos el resultado del proceso (CHIAVENATO, 2002)

El autor Gil y colaboradores (1993) plantea un análisis de la evolución del tratamiento de los

problemas de decisión en la empresa, problemas que exigen la toma de decisiones donde los objetivos

a alcanzar, las limitaciones que se presentan y las consecuencias para cada alternativa aparecen de

manera imprecisa. Con el objetivo de cuantificar esta imprecisión se ha utilizado la teoría de la

probabilidad, la teoría de la decisión y, en los últimos años, se ha definido un nuevo marco decisional

en la empresa, que pasa de la aleatoriedad a la incertidumbre, haciendo uso de la teoría de conjuntos

borrosos y otras técnicas de inteligencia artificial para problemas en esta área.

Entonces las características de ser un proceso de comparación y decisión permiten su tratamiento con

métodos de toma de decisión y su representación matemática, la incertidumbre hace adecuado el uso

de técnicas de soft computing.

Métodos de toma de decisión y técnicas de soft computing



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

El problema de selección de personal es uno de los tantos ejemplos que demuestran que es muy

difícil, hasta donde han llegado las necesidades de la gestión, separar los métodos de toma de

decisiones y el empleo de las técnicas de soft computing en la solución de problemas. Cada vez se

busca más una representación real de los problemas de decisión y esto no puede hacerse sin tener en

cuenta la participación del juicio humano, sin buscar una representación del razonamiento humano en

la toma de decisiones.

La toma de decisión

En la búsqueda de soluciones a los problemas que se presentan está presente el proceso de toma de

decisión, en una definición general, la toma de decisiones es un proceso de selección entre cursos de

alternativos de acción, basado en un conjunto de criterios, para alcanzar uno o más objetivos

(SIMON, 1960). Con respecto al concepto "toma de decisiones", Schein, plantea: "la toma de

decisiones es el proceso de identificación de un problema u oportunidad y la selección de una

alternativa de acción entre varias existentes, es una actividad diligente clave en todo tipo de

organización."(SCHEIN, 1988).

Los problemas de decisión se pueden clasificar por varios criterios:

Según el nivel:

o Decisiones estratégicas

o Decisiones tácticas

o Decisiones operativas

Según el método:

o Decisiones programadas

o Decisiones no programadas

El nivel y características de la información que se maneja determina el ambiente sobre el cual se

desarrolla el proceso de toma de decisiones, este se clasifica según en:

o Certeza: El ambiente de certeza es aquél en el que el decisor conoce con absoluta seguridad

los estados de la naturaleza que van a presentarse.

o Riesgo: Es aquél en el que el decisor sabe qué estados de la naturaleza se pueden presentar y

la probabilidad que tiene cada uno de ellos de presentarse.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

o Incertidumbre estructurada: Es aquél en el que se conocen los estados de la naturaleza, pero

no la probabilidad de cada uno de ellos.

o Incertidumbre no estructurada: Aquél en el que ni siquiera se conocen los posibles estados de

la naturaleza.

Para apoyar el proceso de toma de decisiones existen métodos y técnicas que permiten el tratamiento

de diferentes problemas de decisión. Estos métodos van desde la solución de problemas multicriterios,

aquellos donde lo que prima es la existencia de diferentes criterios para tomar la decisión, problemas

multiobjetivos, aquellos donde es importante el logro de varios objetivos con la decisión tomada y

métodos que permiten el tratamiento de problemas híbridos.

Soft Computing

Se da una primera definición de soft computing cuando en la década del 90 Zadeh realiza varias

publicaciones en las que define este término y establece cuáles son las técnicas que dentro de él se

consideran (ZADEH, 1994, 1998). Hasta ese momento la referencia a estas técnicas se hacían de

manera independiente, indicando que además se utilizaba la teoría de conjuntos borrosos integrada a

ellas. L.A. Zadeh propuso la definición de soft computing, estableciéndola en los siguientes términos:

"Básicamente, soft computing no es un cuerpo homogéneo de conceptos y técnicas. Más bien es

una mezcla de distintos métodos que de una forma u otra cooperan desde sus fundamentos. En

este sentido, el principal objetivo de la soft computing es aprovechar la tolerancia que conllevan

la imprecisión y la incertidumbre, para conseguir manejabilidad, robustez y soluciones de bajo

costo. Los principales ingredientes de la soft computing son la Lógica Fuzzy, la Neuro-

computación y el Razonamiento Probabilístico, incluyendo este último a los Algoritmos Genéticos,

las Redes de Creencia, los Sistemas Caóticos y algunas partes de la Teoría de Aprendizaje. En esa

asociación de Lógica Fuzzy, Neurocomputación y Razonamiento Probabilístico, la Lógica Fuzzy

se ocupa principalmente de la imprecisión y el Razonamiento Aproximado; la Neurocumputación

del aprendizaje, y el Razonamiento Probabilístico de la incertidumbre y la propagación de las

creencias".

Es un enfoque multidisciplinario que mediante la integración de diferentes técnicas y la teoría de

conjuntos borrosos, facilita la representación de la mente humana, su capacidad de razonar y aprender

en un ambiente de incertidumbre e imprecisión. Los principales componentes de la soft computing son

la lógica borrosa, la computación neuronal, algoritmos genéticos entre otras.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

La definición de soft computing está dada por medio de distintos conceptos y técnicas que intentan

superar las dificultades que surgen en los problemas reales que se dan en un mundo que es impreciso,

incierto y difícil de categorizar.

Aplicaciones en la selección de personal

En la caracterización del proceso de selección de personal se destaca fundamentalmente, ser un

proceso de comparación y decisión, esto lo ubica en un problema de toma de decisiones. Por otro

lado, la participación de las personas y del juicio humano en el proceso, la presencia de información

imprecisa y subjetiva, ubicando entonces el problema, en un problema de toma de decisión en un

ambiente de incertidumbre.

Es por esto que la aplicación de métodos de toma de decisión integrados con algunas de las técnicas

de soft computing brinda una representación real del problema, y una solución más cercana teniendo

en cuenta el razonamiento humano y tratando la incertidumbre sus valoraciones incorporan al

problema.

Hay varias propuestas de utilización de estos métodos en el problema de selección de personal

algunos de los métodos más empleados se describen a continuación:

Lógica borrosa

La lógica borrosa se introduce por (ZADEH, 1965), siendo una propuesta de lógica multivaluada que

permite un tratamiento más real de la información, brindando la posibilidad de evaluar la pertenencia

de un elemento a un subconjunto mediante un grado de pertenencia que se encuentra en el intervalo

[0,1]. En esencia consiste en sustituir los conjuntos tradicionales, a los cuales un elemento dado puede

pertenecer o no, por las funciones de pertenencia, que son aplicaciones de un conjunto referencial

dado X en el intervalo [0,1] (ZADEH, 1965).

Uno de los elementos que se introduce con la existencia de esta teoría y que tiene un uso significativo

en el tratamiento de la incertidumbre y la información cualitativa, es el uso de variables lingüísticas.

Se define una variable lingüística como una variable cuyos valores son palabras o sentencias en un

lenguaje natural o artificial (ZADEH, 1975). Es una variable que permite expresar la división o

clasificación de determinadas propiedades.

Es precisamente la variable lingüística una de las que mayor uso tiene en las soluciones dadas a

problemas de selección de personal, se emplean mayormente para expresar las valuaciones de las

competencias de los candidatos y las requeridas por el puesto de trabajo, así como los pesos y otros



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

elementos que requieran ser expresados cualitativamente. Algunos de los trabajos que emplean

variables lingüísticas son (CHEN-TUNG et al., 2009; DEJIANG, 2009; HUANG et al., 2009; LÓPEZ

et. al., 1996).

Otros autores (AYUB, 2009; CANÓS et al, 2008; CANÓS et. al., 2007; CANÓS, 2007) proponen

modelos que emplean la teoría de conjuntos borrosos para representar la información de las

valoraciones de los candidatos, pero sin el empleo de variables lingüísticas, sino con números

borrosos de diferente representación y se emplean el procesamiento de la información para la

selección.

El empleo de la teoría de conjuntos borrosos en cualquiera de las variantes vistas es una decisión

acertada en un problema de selección de personal, pues, como se ha expresado, permite una

representación muy cercana a la realidad de las características presentes en él.

Proceso de Análisis Jerárquico (AHP)

El Proceso Analítico Jerárquico (Analytic Hierarchy Process, AHP), propuesto por Saaty en 1980, se

basa en la idea de que la complejidad inherente a un problema de toma de decisión con criterios

múltiples, se puede resolver mediante la jerarquización de los problemas planteados.

Según (SAATY, 1980), el método AHP es un modelo de decisión que interpreta los datos y la

información directamente mediante la realización de juicios y medidas en una escala de razón dentro

de una estructura jerárquica establecida. Es un método de selección de alternativas (estrategias,

inversiones, etc.) en función de una serie de criterios o variables, las cuales suelen estar en conflicto.

Es un método matemático creado para evaluar alternativas cuando se tienen en consideración varios

criterios y está basado en el principio que la experiencia y el conocimiento de los actores son tan

importantes como los datos utilizados en el proceso.

En los problemas de selección de personal este método ha sido empleado en varias propuestas de

solución, en muchos de los casos se emplea integrado a la teoría de conjuntos borroso se utiliza el

método AHP para la estructuración y secuencia de pasos de la solución del problema, y la teoría de

conjuntos borroso para representar la información que se maneja, mediante números borrosos o

variables lingüísticas. Otro de los usos que se le da a este método es para la determinación de los

pesos de expertos o competencias, así como para la integración de criterios de expertos. Algunas de

las propuestas se reflejan en (HUANG et al., 2009; BÜYÜKÖZKAN, 2011; CABALLERO et. al,

2003; MAURTUA, 2006; SARKIS y SEOL, 2006).



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

Técnica para ordenar las preferencias mediante la similitud a la solución ideal

(TOPSIS)

El método TOPSIS es un modelo de decisión que ordena preferencias por similitud, desarrollado por

(Hwang, 1981). Es un método de decisión multicriterio que identifica las soluciones dentro de un

conjunto finito de alternativas.

Se define la solución a partir de la existencia de una solución ideal positivo (SIP) y una solución ideal

negativa (SIN) para las soluciones. El principio básico del método es encontrar la alternativa que

tenga la menor distancia a la SIP y la mayor distancia de la SIN, para lo cual se define un índice de

similaridad que se construye combinando la proximidad a la SIP y la lejanía a la SIN.

Es uno de los métodos más empleados en la solución del problema de selección de personal, en la

propuesta de este método se es consecuente con las características del proceso. Se emplea en

combinación con la teoría de conjuntos borrosos, conociéndose el método como TOPSIS Difuso,

como en otros casos se utiliza esta teoría para el tratamiento y representación de la información. En

(Dejiang, 2009; Kelemenis, 2010; Kelemenis and Askounis, 2009) se pueden ver algunas aplicaciones

de este método.

PROMETHEE

Los métodos multicriterios PROMETHEE (del inglés, Preference Ranking Organisation Methods for

Enrichment Evaluations) es un método multicriterio de toma de decisiones, basa el análisis en la

comparación entre los diferentes pares de alternativas (Brans et. al., 1984).

El método busca establecer un orden jerarquizado de las alternativas, determinado por un flujo neto,

este se compone del flujo entrante y saliente de cada alternativa, estos flujos reflejan el nivel de

dominar o ser dominado de unas alternativas con otras. Existen 6 tipos de funciones de preferencia

mediante las cuales se puede establecer ese orden jerarquizado, cada una de ellas representa diferentes

soluciones de decisión (CHEN-TUNG et al., 2009).

Este método al igual que los otros presentados en este artículo, tiene sus definiciones empleando

lógica borrosa, de manera que permita su empleo en ambientes de incertidumbre. Un ejemplo de

aplicación en la selección de personal es la propuesta de (CHEN-TUNG et al., 2009).



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

Algoritmos genéticos borrosos

Los algoritmos genéticos son algoritmos diseñados con base en la teoría evolutiva de Darwin, los

principios de estos fueron establecidos por Holland (1975). Se definen por Goldberg, (1989) como

algoritmos de búsqueda basados en los mecanismos de selección y genética natural.

Los mecanismos fundamentales sobre los cuales funcionan los algoritmos genéticos son: operar sobre

una población de individuos que normalmente se genera de forma aleatoria, y cambiar en cada

iteración los individuos, realizando pasos que simulan los mecanismos de selección natural.

En la selección de personal un ejemplo de aplicación de esta técnica es la planteada por López y

colaboradores (1996), empleando un algoritmo genético para optimizar la solución, integra esta

técnica con la lógica borrosa, haciendo uso de variables lingüísticas y funciones de adecuación para

obtener un valor de bondad de cada una de las soluciones obtenidas.

Minería de datos borrosa

La minería de datos es el proceso mediante el cual se extrae información y conocimiento implícito

que puede ser potencialmente utilizado (WITTEN et al, 2011). Plantea algoritmos y técnicas que

permiten el análisis de grandes volúmenes de información que puede ser útil en la toma de decisiones.

La extracción de conocimiento a partir de bases de datos, es conocida, también, como minería de

datos, se considera una disciplina que combina técnicas de estadística, inteligencia artificial y bases de

datos para extraer información útil desde grandes volúmenes de datos. Las herramientas de Data

Mining predicen futuras tendencias y comportamientos, permitiendo en los negocios la toma de

decisiones (WITTEN et al, 2011).

Un ejemplo de la aplicación de esta técnica en el ámbito de los recursos humanos es (JING, 2009;

XIAOFAN, 2010). Esta técnica puede ser empleada en la selección de personal, siempre que se

cuente con una base de información que permita su análisis en función del problema definido.

Se resumen las técnicas estudiadas con sus limitantes y principales características en la siguiente

tabla:



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

Tabla 1. Resumen del análisis de los métodos y técnicas.

Método Condiciones de

aplicación

Condiciones de Información Situaciones recomendadas para

su uso

AHP Difuso Tratar el problema

como un problema de

decisión

multicriterio.

Se representa la

incertidumbre, imprecisión y

vaguedad de la información

mediante la lógica borrosa.

En la integración de criterios de

expertos en función de determinar

un consenso del candidato a

escoger.

Para la determinación de los pesos

de los criterios a tener en cuenta

para la selección del candidato

para el puesto

TOPSIS Difuso Problema de decisión

multicriterio donde

es posible determinar

ideales para los

puestos de trabajo.

Se debe poder definir un ideal

negativo y un ideal positivo

para los puestos de trabajo.

Se representa la



mediante la lógica borrosa

Cuando se desean encontrar

candidatos a partir de cumplir con

un mínimo de exigencia y tratando

de acercarse a un ideal.

PROMETHEE Problema de decisión

multicriterio que se

basa en la

comparación entre

los candidatos.

No es necesario definir los

niveles de exigencia para los

candidatos en los puestos de

trabajo.

Se basa en la información que

se tiene de los candidatos en

cada uno de los criterios.

Cuando no es posible determinar

los niveles de exigencia deseados

para los puestos de trabajo.

Se desea ordenar o seleccionar los

candidatos entre ellos y no

respecto a niveles deseados.

Algoritmos

Genéticos

borrosos

Búsqueda optimizada

de los candidatos

para un puesto de

trabajo.

Se representa la



mediante la lógica borrosa.

Se cuenta con información de

los candidatos y los puestos

de trabajo.

En situaciones donde es grande el

número de puestos de trabajo y de

candidatos a seleccionar para los

mismos.

Lógica borrosa Representación de la

incertidumbre,

información

cualitativa, subjetiva,

vaga e imprecisa.

Plantea la representación de la

información mediante

números borrosos o variables

lingüísticas.

Se recomienda su uso en todas las

situaciones, integrada a otras

técnicas.

Utilizarla para la representación y

tratamiento de la información que

se maneja en el problema.

Minería de

Datos borrosa

Empleo de técnicas

para el análisis de

información que

permita predecir el

comportamiento del

candidato en un

puesto de trabajo.

Es necesario contar con

información histórica que

permita realizar el análisis de

la misma.

Cuando se cuenta con información

histórica que permita ser analizada

en función de poder ordenar o

seleccionar los candidatos más

adecuados para el puesto.

Todas las técnicas y métodos estudiados son de un uso válido en el problema de selección de

personal, solo se necesita saber las condiciones de información con que se cuenta y el planteamiento

particular del problema para escoger la que permita una ejecución más acertada y por tanto los

mejores resultados en cada caso.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

3. Conclusiones

La selección de personal es un proceso de decisión y comparación, lo que permite clasificarlo como

un problema de toma de decisión. La información que en él se maneja suele ser vaga e imprecisa,

además de ser una información de naturaleza cualitativa, el juicio humano está presente en cada una

de las actividades que como parte del proceso se realizan, esto ubica el problema en la toma de

decisión en un ambiente de incertidumbre.

Los métodos de toma de decisión permiten la estructuración de un problema de decisión y proveen de

un grupo de pasos que permiten darle solución. Por otra parte, la soft computing brinda un grupo de

técnicas que permiten la representación del razonamiento humano y de problemas que se desarrollan

en un ambiente de incertidumbre.

Estas características hacen posible que la mejor manera de tratar la solución de un problema de

selección de personal, sea mediante la integración de métodos de toma de decisión y soft computing,

determinando en los casos estudiadas, que todas las propuestas encontradas son válidas y brindan un

marco de solución que debe ser escogido dependiendo de las características particulares del problema

de selección a tratar.

4. Referencias

ALLES, M.A. Selección por competencias. Mexico; 2006.

ARIAS, G. Administración de Recursos Humanos. ; 1979.

AYUB, M. et. al.. Personnel Selection Method Using Analytic Network Process (ANP) and Fuzzy

Concept. 12th International Conference on Computer and Information Technology (ICCIT 2009).

Dhaka, Bangladesh; 2009.

BILES et. al.,. Audit Handbook of Human Resources Management Practices. Arnerican Society for

Personnel Administration; 1986.

BRANS et al. PROMETHEE: a new family of outranking methods in multicriteria analysis.

Operational Research´84: J. P. Brans (ed.); 1984.

BÜYÜKÖZKAN, G.; ARSENYAN, JBID y RUAN, D. A Logistics tool selection with two-phase

fuzzy multi criteria decision making: A case study for personal digital assistant selection. Expert

Systems with Applications. 2011;39.

CABALLERO et. al. Toma de decisiones multicriterio, con incertidumbre, en el ámbito de los

recursos humanos. V Congreso de Ingeniería de Organización Valladolid. Valladolid; 2003.

CANÓS et. al. Modelos flexibles de selección de personal basados en la valoración de competencias.

2008.

CANÓS et. al.. Un algoritmo fuzzy para la selección de personal basado en agregación de

competencias. XV Jornadas de ASEPUMA y III Encuentro Internacional; 2007.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

CANÓS, L. y LIERN, V. . Soft computing-based aggregation methods for human resource

management. European Journal of Operational Research. 2007;78.

CHEN-TUNG, C.; YUAN-CHU, H y WEI-ZHAN, H. Applying multiple linguistic PROMETHEE

method for personnel evaluation and selection. Industrial Engineering and Engineering Management,

2009 IEEM 2009 IEEE International Conference on; 2009. p. 1312-1316.

CHIAVENATO, I. Administración de Recursos Humanos. 5ta Edición. Colombia: Editorial Mc Graw

Hill Interamericana S.A.; 1998.

CHIAVENATO, I. Gestión del Talento Humano. Bogotá. Colombia: Editorial Mc Graw Hill

Interamericana S.A.; 2002.

CUESTA, A. La gestión por competencias. La Habana; 2001.

CURTIS et al.. People CMM. A Framework for Human Capital Management: Adison Wesley; 2009.

DEJIANG, W. Extension of TOPSIS Method for R&D Personnel Selection Problem with Interval

Grey Number. Management and Service Science, 2009 MASS '09 International Conference on; 2009.

p. 1-4.

GIL et al, A., Kauffman, A. Introducción de la teoría de los subconjuntos borrosos a la gestión de las

empresas. 3ra ed; 1993.

GOLDBERG, D. Genetics Algorithms in Search, Optimization and Machine Learning; 1989.

HAYES et al. Senior managers' perception of the competencies they require for effective

performance: implications for training and developmen. Personnel review. 2000;29.

HOLLAND, J. Adaptation in Natural and Artificial System. University of Michigan Press; 1975.

HUANG, D. et al. A fuzzy multi-criteria decision making approach for solving a bi-objective

personnel assignment problem. Computers & Industrial Engineering. 2009;56(1):1-10.

HWANG, C. y YOON, K. Multiple attribute decision methods an applications. Berlin; 1981.

JING, H. Application of Fuzzy Data Mining Algorithm in Performance Evaluation of Human

Resouse. International Forum on Computer Science-Technology and Applications; 2009.

JOFRE, R. PYMES y Gestión de los Recursos Humanos. Ser Humano y Trabajo. 2010.

KELEMENIS, A. y ASKOUNIS, D. . A new TOPSIS-based multi-criteria approach to personnel

selection. Expert Systems with Applications. 2010;37(7):4999-5008.

KELEMENIS, A.; ASKOUNIS, D. An extension of fuzzy TOPSIS for personnel selection. Systems,

Man and Cybernetics, 2009 SMC 2009 IEEE International Conference on; 2009. p. 4704-4709.

LÓPEZ et. Al. La selección de personal con un algoritmo genético borroso. Investigaciones Europeas

de Dirección y Economía de la Empresa Vol 2, No 2. 1996:61-76.

MARTILLA et. al. lmportance - Performance Analysis. Journal of Marketing. 1977:77-79.

MAURTUA, O.. Criterios de Selección de Personal mediante el uso del proceso de análisis

jerárquico. Aplicación en la selección de personal para la Empresa Exotic Foods S.A.C. Lima, Perú:

Universidad Nacional Mayor de San Marcos; 2006.



ISSN: 1994-1536 | e-ISSN: 2227-1899

RNPS: 0547 | e-RNPS: 2301

http://rcci.uci.cu



[email protected]

MEE, J.. Personnel Handbook. Nueva York; 1958.

PINO et al. Recursos Humanos; 2008.

PMI. A Guide to the Project Management Body of Knowledge. Pennsylvania: PMI Publications;

2008.

PUCHOL, L. Dirección y gestión de recursos humanos. In: Santos, D., editor. 7ma Edición ed; 2007.

RUL et al. Administración de Recursos Humanos. 3ra Edición. Málaga: EDEA; 1996.

SAATY, T.. The Analytic Hierarchy Process. New York, NY.; 1980.

SARKIS y SEOL, J., Inshik An Analytic Network Process Model for Internal Auditor Selection. Vol.

12, Applications of Management Science: In Productivity, Finance, and Operations Emerald Group

Publishing; 2006.

SCHEIN, E. Process consultation.; 1988.

SIMON, H. The new science of management decision. New York; 1960.

WAYNE, R. y NOE, R. Administración de recursos humanos. 9na Edición ed. México; 2005.

WAYNE, R., MONDY, N. y ROBERT M. Administración de Recursos Humanos. México: Prentice-

Hal; 1997.

WILLIAMSON et al., C. Gestión de Recursos Humanos; 2008.

WITTEN et al. Data Mining. Practical Machine Learning Tools and Techniques: Morgan Kaufmann;

2011.

XIAOFAN, C. y FENGBIN, W.. Application of Data Mining on Enterprise Human Resource

Performance Management. 3rd International Conference on Information Management, Innovation

Management and Industrial Engineering; 2010.

ZADEH, L. Fuzzy Sets. Information and Control. 1965:338-353.

ZADEH, L. Soft computing and fuzzy logic. Software, IEEE. 1994;11(6):48-56.

ZADEH, L. Some reflections on soft computing, granular computing and their roles in the conception,

design and utilization of information/intelligent systems. Soft Computing - A Fusion of Foundations,

Methodologies and Applications. 1998;2(1):23-25.

ZADEH, L. The concept of a linguistic variable and its application to approximate reasoning.

Information Sciences. 1975;8.

Copyright of Revista Cubana de Ciencias Informáticas is the property of Universidad de lasCiencias Informaticas (UCI) and its content may not be copied or emailed to multiple sites orposted to a listserv without the copyright holder's express written permission. However, usersmay print, download, or email articles for individual use.

Documents

90572229