تتناول هذه الدراسة التنبؤ بالغياب عن العمل بوصفه ظاهرة ترتبط بعوامل نفسية واجتماعية واقتصادية متنوعة وقد تؤدي إلى فقدان الإنتاجية في الأعمال، ونظرًا إلى أن التنبؤ بالغياب ينطوي على ارتباطات معقدة بين هذه العوامل، فإن توظيف خوارزميات التعلم الآلي توظيفًا مناسبًا يصبح ضروريًا في التحليل، وقد أسهم تطور المعالجة الإحصائية المسبقة وتطبيقات أساليب التعلم الآلي في تطوير التحليل الشامل للبيانات الاجتماعية الضخمة المتعلقة بالغياب، وانطلقت الدراسة من هذه الحاجة لتطوير مقاربة كمية تحدد ارتباطات العوامل وتصنف الغياب مع إدخال أثر العوامل في البيانات عالية الأبعاد في الحسبان، بما يجاوز الوصف البسيط للمعدلات إلى فهم شبكة العلاقات المتبادلة بين العوامل، وتقديم أدوات تحليلية قابلة للتحقق والتعميم تساعد المنظمات على فهم ظاهرة الغياب فهمًا أعمق ومعالجة الصعوبات الإدارية المرتبطة بها معالجة مستنيرة بالأدلة
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير مقاربة كمية لتحديد ارتباطات العوامل وتصنيف الغياب عن العمل، عبر تنفيذ تحليل للارتباط يشمل اختبار نسبة الأرجحية وتحليل الشبكات، والتعلم الخاضع للإشراف مع معالجة التصنيف غير المتوازن باستخدام الغابة العشوائية، وتطبيق تحليل المكونات الرئيسة وأساليب الانحدار المعاقب، وشملت مجموعة البيانات في الدراسة سجلات لأنواع متنوعة من الغياب في مكان العمل خلال الفترة من تموز في عام ألفين وسبعة إلى تموز في عام ألفين وعشرة في البرازيل، كما تحققت الدراسة من صحة الأسلوب المقترح على مجموعات بيانات متاحة علنًا باستخدام الغابة العشوائية والانحدار المعاقب مع التحقق المتقاطع متعدد الطيات، بهدف تعزيز قابلية التعميم وضمان ألا تكون النتائج خاصة بمجموعة بيانات واحدة، بل تعبر عن مقاربة قابلة للنقل إلى بيانات اجتماعية مهيكلة بصورة مماثلة في سياقات تنظيمية أخرى
ثانيًا: أبرز النتائج
أظهرت الدراسة وجود عوامل متفاعلة بقوة فيما بينها، وأن عوامل محددة ترتبط ارتباطًا قويًا بالغياب عن العمل، وهو ما يعد من أبرز ما توصلت إليه في توضيح ارتباطات العوامل المؤثرة في الغياب، فقد بين تحليل الارتباط وتحليل الشبكات أن الغياب لا ينتج عن عامل منفرد معزول، بل عن شبكة من العوامل المتداخلة التي يعزز بعضها أثر بعض، كما أثبتت إجراءات التحقق على مجموعات البيانات العامة باستخدام الغابة العشوائية والانحدار المعاقب مع التحقق المتقاطع أن المقاربة المقترحة صالحة وقابلة لتعزيز التعميم، بما يدعم الثقة في استخدامها لتحليل بيانات عالية الأبعاد وتصنيف حالات الغياب تصنيفًا يراعي عدم توازن الفئات، وتقدم هذه النتائج صورة أكثر واقعية لظاهرة الغياب بوصفها محصلة لتفاعلات معقدة لا لمسببات خطية بسيطة يمكن التعامل معها بمعزل عن سياقها التنظيمي والاجتماعي والاقتصادي الأوسع
ثالثًا: دلالات الدراسة وتطبيقاتها
يحسن تطبيق هذه المقاربة على البيانات الاجتماعية مهيكلة البنية فهم التفاعل المعقد بين العوامل الاجتماعية والغياب عن العمل، وهو فهم مهم لتحليلات الأفراد التي تساعد المنظمات على تجاوز الصعوبات الإدارية، فحين تدرك الإدارة أن عوامل محددة ترتبط بقوة بالغياب وأن هذه العوامل تتفاعل فيما بينها، تستطيع تصميم سياسات حضور ورفاه ودعم أكثر استهدافًا ودقة، بدل الحلول العامة التي تعالج الأعراض دون الأسباب الشبكية، كما توفر المقاربة نموذجًا منهجيًا يمكن لمحللي الموارد البشرية والباحثين تكييفه مع بيانات منظماتهم، جامعين بين تحليل الارتباط وتحليل الشبكات والتعلم الآلي والتحقق الصارم، بما يرفع جودة القرارات المتعلقة بإدارة القوى العاملة، ويحول بيانات الغياب المتراكمة من سجلات إدارية صامتة إلى مصدر معرفي يوجه التدخلات الوقائية والتنظيمية في الوقت المناسب
وخلاصة القول إن التنبؤ بالغياب عن العمل يتطلب مقاربات كمية قادرة على التقاط تفاعلات العوامل النفسية والاجتماعية والاقتصادية في البيانات عالية الأبعاد، وقد طورت هذه الدراسة مقاربة تجمع تحليل الارتباط وتحليل الشبكات والتعلم الخاضع للإشراف مع الغابة العشوائية وتحليل المكونات الرئيسة والانحدار المعاقب، وتحقق من صلاحيتها عبر بيانات عامة والتحقق المتقاطع، وأظهرت وجود عوامل متفاعلة بقوة وعوامل محددة شديدة الارتباط بالغياب، ومن هنا تبرز قيمة هذه المقاربة للباحثين والممارسين في تحليلات الأفراد وإدارة الموارد البشرية، إذ تمنحهم فهمًا أعمق لشبكة أسباب الغياب وأدوات أرصن للتنبؤ به ومعالجته إداريًا بفاعلية واستدامة أكبر، كما تبرز الدراسة أن جودة التنبؤ لا تنفصل عن جودة فهم الظاهرة ذاتها، فكلما اتضحت خريطة تفاعلات العوامل وارتباطاتها أمكن بناء نماذج تصنيف أكثر صدقًا في تمثيل الواقع التنظيمي، وأمكن في المقابل تجنب القرارات المتسرعة المبنية على انطباعات جزئية أو على عامل واحد يختزل ظاهرة متعددة الأبعاد في سبب وحيد مبسط ومضلل أحيانًا كثيرة
