Tổng quan nghiên cứu

Công tác xét nâng bậc lương trước thời hạn do lập thành tích xuất sắc là đòn bẩy quan trọng nhằm tạo động lực cống hiến cho đội ngũ cán bộ, viên chức tại các cơ sở giáo dục đại học công lập. Tại Trường Đại học Đà Lạt với quy mô khoảng 500 cán bộ, viên chức, việc quản lý và xét duyệt nâng lương theo phương thức thủ công truyền thống giai đoạn 2012 - 2014 đã bộc lộ nhiều bất cập đáng kể. Dù hành lang pháp lý tại Thông tư 08/2013/TT-BNV cho phép tỷ lệ nâng bậc lương trước thời hạn lên đến 10% tổng biên chế (tương đương khoảng 50 chỉ tiêu mỗi năm), thực tế nhà trường chỉ xét duyệt được từ 24 đến 26 trường hợp mỗi năm, đạt tỷ lệ dưới 5%.

Tình trạng này dẫn đến việc bỏ sót gần 50% số lượng ứng viên đủ tiêu chuẩn, đồng thời quá trình ra quyết định của Hội đồng lương còn mang nặng tính cảm tính, thiếu công cụ lượng hóa khoa học. Nghiên cứu của học viên Lê Bảo Hoàng thuộc chuyên ngành Hệ thống thông tin quản lý tại Trường Đại học Bách Khoa - ĐHQG TP.HCM đã giải quyết bài toán này bằng cách xây dựng hệ hỗ trợ ra quyết định (DSS) ứng dụng kỹ thuật khai phá dữ liệu bằng cây quyết định. Đề tài tập trung vào việc chuẩn hóa cơ sở dữ liệu thành tích trong giai đoạn 2012 - 2014 và đưa ra mô hình dự báo chính xác cho năm 2015. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp giảm 75% thời gian tổng hợp hồ sơ cho bộ phận nghiệp vụ, đảm bảo tính khách quan, minh bạch và nâng cao độ chuẩn xác trong quản trị nhân sự.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu kết hợp hai nền tảng lý thuyết chủ đạo: Lý thuyết hệ hỗ trợ quyết định trong quản lý tổ chức của Efraim Turban và Lý thuyết khai phá dữ liệu bằng cây quyết định dựa trên nền tảng độ đo Entropy của Claude Shannon (1948) cùng thuật toán C4.5 của Ross Quinlan. Hệ hỗ trợ quyết định được thiết lập bao gồm 4 phân hệ chính: phân hệ quản lý dữ liệu, phân hệ quản lý mô hình, phân hệ quản lý dựa trên tri thức và phân hệ giao diện người dùng.

Các khái niệm then chốt được chuẩn hóa bao gồm: Hệ hỗ trợ ra quyết định (DSS), Độ hỗn loạn thông tin (Entropy), Tỷ suất độ lợi thông tin (Gain Ratio), và Kỹ thuật cắt tỉa cây (Pruning). Không gian bài toán được mô hình hóa thông qua 5 biến số đầu vào độc lập:

  1. Loại cán bộ (LoaiCB) gồm 3 nhóm: Lãnh đạo, Giảng viên, Chuyên viên/Nhân viên.
  2. Đề tài nghiên cứu khoa học hoặc sáng kiến kinh nghiệm (NCKH) được lượng hóa thành 3 mức: 0 (không có), 1 (có 1 đề tài), 2+ (từ 2 đề tài trở lên).
  3. Thành tích cấp cao (TTCC) gồm 2 trạng thái: Có hoặc Không.
  4. Danh hiệu thi đua (DanhHieu) gồm 3 mức: 1, 2, 3+ danh hiệu Chiến sĩ thi đua cấp cơ sở.
  5. Thành tích bổ sung (BoSung) gồm 2 trạng thái: Có hoặc Không. Biến mục tiêu là Kết quả xét duyệt (KetQua) với hai nhãn phân loại: Yes (được nâng lương) và No (không được nâng lương).

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực tế từ hồ sơ quản lý cán bộ của Trường Đại học Đà Lạt, kết hợp hệ thống văn bản quy phạm pháp luật gồm Nghị định 204/2004/NĐ-CP và Thông tư 08/2013/TT-BNV của Bộ Nội vụ. Cỡ mẫu nghiên cứu gồm 75 hồ sơ tiêu biểu được chọn lọc qua phương pháp lấy mẫu phân tầng đại diện, phản ánh đầy đủ các tổ hợp ngạch viên chức và phổ thành tích công tác từ năm 2012 đến 2014. Tập dữ liệu được phân chia theo tỷ lệ chuẩn học máy: 2/3 (tương đương 50 mẫu) dùng để huấn luyện mô hình và 1/3 (tương đương 25 mẫu) dùng để kiểm thử độc lập.

Phương pháp phân tích cốt lõi là giải thuật quy nạp cây quyết định C4.5 được hiện thực hóa trên nền tảng .NET và thư viện máy học Accord.NET. Lý do lựa chọn C4.5 thay vì ID3 hay CART là do thuật toán này sử dụng chỉ số Gain Ratio giúp khắc phục triệt để hiện tượng thiên lệch đối với các thuộc tính có nhiều nhánh giá trị, hỗ trợ xử lý tốt dữ liệu lỗi và tự động chuyển đổi cây quyết định thành các tập luật IF-THEN tường minh. Toàn bộ quy trình khảo sát, thu thập dữ liệu, xây dựng thuật toán và kiểm thử thực nghiệm được thực hiện liên tục trong 11 tháng (từ tháng 1/2015 đến tháng 12/2015).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích định lượng dữ liệu thực tế giai đoạn 2012 - 2014 đã chỉ ra sự chênh lệch lớn giữa nguồn nhân lực đủ tiêu chuẩn và kết quả phê duyệt nâng lương thực tế:

  • Năm 2012: Có 91 cán bộ đủ điều kiện thời gian giữ bậc, nhưng chỉ có 44 người được các đơn vị đề xuất (đạt 48,35%) và Hội đồng lương phê duyệt 24 người (đạt 26,37% trên tổng số người đủ điều kiện).
  • Năm 2013: Có 122 cán bộ đủ điều kiện thời gian, nhưng các đơn vị chỉ đề xuất 34 người (đạt 27,87%) và có 26 người được nâng lương (đạt 21,31%).
  • Năm 2014: Có 116 cán bộ đủ điều kiện thời gian, số lượng đề xuất là 36 người (đạt 31,03%) và số lượng được phê duyệt là 24 người (đạt 20,69%).

Nghiên cứu phát hiện cơ chế phân bổ cứng nhắc hạn mức 10% về từng đơn vị trực thuộc đã gây ra bất bình đẳng sâu sắc. Các khoa chuyên môn có nhiều giảng viên đạt thành tích xuất sắc bị thiếu chỉ tiêu, trong khi một số phòng ban hành chính ít nhân sự lại đề xuất cả những cá nhân chỉ đạt 1 tiêu chí đơn lẻ. Mô hình cây quyết định C4.5 sau khi huấn luyện đã trích xuất thành công 12 quy tắc luật IF-THEN với độ chính xác phân loại đạt trên 96%. Khi kiểm định lại dữ liệu cũ, hệ thống phát hiện có từ 15% đến 20% trường hợp đạt chuẩn xuất sắc bị bỏ sót trong giai đoạn 2012 - 2014 do yếu tố đánh giá cảm tính của con người.

Thảo luận kết quả

Nguyên nhân cốt lõi của những sai lệch trên bắt nguồn từ việc các nhà quản lý thiếu công cụ trực quan hóa dữ liệu đa chiều. Khi dữ liệu thành tích được mô hình hóa qua cây phân nhánh và bảng ma trận đánh giá, các yếu tố quyết định như Danh hiệu thi đua (DanhHieu) và Thành tích cấp cao (TTCC) lập tức thể hiện vai trò chi phối ở các nút gốc, giúp loại bỏ hoàn toàn sự can thiệp chủ quan.

So sánh với các nghiên cứu tiền nhiệm trong lĩnh vực quản trị nhân lực của N.V. Tôn (2013) và nghiên cứu đánh giá thành tích của H. Nguyễn (2014), việc ứng dụng thuật toán C4.5 trong nghiên cứu này mang lại tốc độ thực thi nhanh vượt trội và tạo ra các quy tắc logic dễ hiểu hơn hẳn so với mô hình mạng nơ-ron hay mạng Bayes. Về mặt ứng dụng thực tiễn, hệ thống đã thực hiện dự báo tự động cho đợt nâng lương năm 2015, xác định chính xác 32 ứng viên tiềm năng đáp ứng đầy đủ tiêu chuẩn xuất sắc. Điều này cung cấp cơ sở dữ liệu tin cậy giúp Ban Giám hiệu linh hoạt điều tiết chỉ tiêu 10% trên quy mô toàn trường thay vì cào bằng cơ học.

Đề xuất và khuyến nghị

  1. Chuẩn hóa và số hóa toàn diện cơ sở dữ liệu nhân sự: Phòng Tổ chức - Hành chính cần thiết lập hệ thống cơ sở dữ liệu tập trung quản lý 100% hồ sơ cán bộ, thực hiện cập nhật định kỳ 6 tháng một lần các chỉ số về nghiên cứu khoa học, văn bằng bổ sung và danh hiệu thi đua nhằm giảm 80% thời gian tổng hợp hồ sơ thủ công.
  2. Tích hợp chính thức phần mềm cây quyết định C4.5 vào cổng quản trị nội bộ: Ban Giám hiệu phối hợp với Trung tâm Công nghệ thông tin triển khai ứng dụng trên nền tảng .NET trong vòng 6 tháng tới, đặt mục tiêu tự động hóa 100% quy trình sàng lọc hồ sơ sơ bộ và duy trì độ chính xác phân loại đạt trên 95%.
  3. Cải tiến quy chế thi đua và cơ chế phân bổ chỉ tiêu nâng lương: Hội đồng lương nhà trường cần sửa đổi quy chế nội bộ trong quý 1 năm tiếp theo, chuyển đổi cơ chế áp trần 10% theo từng phòng ban sang hình thức xét duyệt tập trung trên toàn trường (khoảng 50 chỉ tiêu mỗi năm), ưu tiên tối đa cho các cán bộ có công bố khoa học quốc tế hoặc đạt thành tích cấp Bộ.
  4. Tổ chức đào tạo kỹ năng ứng dụng hệ hỗ trợ quyết định cho cán bộ quản lý: Nhà trường cần tổ chức 2 khóa tập huấn chuyên sâu trong thời gian 3 tháng cho toàn bộ trưởng khoa, trưởng phòng ban về phương pháp vận hành hệ thống DSS và cách thức phân tích các luật IF-THEN, nhằm xóa bỏ triệt để định kiến cảm tính trong đánh giá nhân sự.

Đối tượng nên tham khảo luận văn

  1. Ban Giám hiệu và Nhà quản lý giáo dục đại học: Nắm bắt phương pháp khoa học để tối ưu hóa việc phân bổ chỉ tiêu nâng bậc lương cho quy mô từ 500 đến 1.000 cán bộ, giúp nâng cao 30% hiệu quả quản trị và tạo động lực cống hiến minh bạch.
  2. Chuyên viên Phòng Tổ chức - Cán bộ tại các đơn vị sự nghiệp: Khai thác quy trình lượng hóa các tiêu chuẩn khen thưởng phức tạp, giảm thiểu 70% áp lực thủ tục hành chính trong các đợt xét lương định kỳ.
  3. Học viên cao học và Nhà nghiên cứu chuyên ngành Hệ thống thông tin / Khoa học máy tính: Tiếp cận một ca nghiên cứu thực tế hoàn chỉnh về cách thức triển khai thuật toán C4.5, giải thuật Gain Ratio và thư viện Accord.NET trong giải quyết bài toán ra quyết định quản lý.
  4. Các cơ quan hành chính nhà nước và doanh nghiệp: Tham khảo mô hình chuẩn để áp dụng tin học hóa Thông tư 08/2013/TT-BNV và Nghị định 204/2004/NĐ-CP cho các tổ chức có quy mô nhân sự từ 200 đến hơn 2.000 người.

Câu hỏi thường gặp

Tại sao nghiên cứu lựa chọn thuật toán C4.5 thay vì ID3 hay CART?
Thuật toán C4.5 vượt trội hơn ID3 nhờ sử dụng chỉ số Gain Ratio giúp khắc phục hiện tượng thiên lệch đối với các thuộc tính nhiều giá trị. So với CART, C4.5 dễ dàng chuyển đổi cây quyết định thành 12 quy tắc luật IF-THEN dạng chữ tường minh, giúp các nhà quản lý không chuyên về kỹ thuật cũng có thể hiểu rõ lý do xét duyệt hồ sơ cho hơn 500 cán bộ.

Quy mô 75 mẫu huấn luyện có đủ độ tin cậy để đại diện cho toàn trường không?
Tập dữ liệu 75 mẫu được chọn lọc dựa trên các kịch bản thành tích thực tế tiêu biểu của 3 nhóm nhân sự gồm Lãnh đạo, Giảng viên và Chuyên viên trong 3 năm liên tiếp (2012 - 2014). Khi phân chia tập mẫu để kiểm thử độc lập, mô hình đạt độ chính xác trên 96%, khẳng định tính đại diện vững chắc cho toàn bộ dữ liệu nhà trường.

Hệ thống xử lý các tiêu chí định tính như thế nào để đảm bảo khách quan?
Nghiên cứu đã số hóa và lượng hóa các tiêu chuẩn định tính thành các biến số cụ thể với trọng số từ 1 đến 4 điểm. Điển hình như đề tài cấp Nhà nước nhận 4 điểm, đề tài cấp Trường nhận 1 điểm, và biến Thành tích cấp cao được xác thực trực tiếp qua các quyết định khen thưởng cấp Bộ hoặc bài báo quốc tế uy tín.

Hệ thống giải quyết bài toán giới hạn chỉ tiêu 10% như thế nào?
Hệ thống phân loại sơ bộ các ứng viên đủ điều kiện thành nhóm Yes, sau đó xếp hạng tự động dựa trên tổng điểm trọng số thành tích tích lũy. Hội đồng lương căn cứ vào danh sách xếp hạng này để phê duyệt chính xác tối đa 10% ứng viên xuất sắc nhất (khoảng 50 người) trên toàn trường, tránh tình trạng chia đều chỉ tiêu làm mất cơ hội của các đơn vị mũi nhọn.

Giải pháp của luận văn có thể nhân rộng sang các trường đại học khác không?
Hoàn toàn có thể nhân rộng. Vì hệ thống được xây dựng bám sát khung pháp lý Thông tư 08/2013/TT-BNV của Bộ Nội vụ và phát triển theo kiến trúc module hóa trên .NET, các đơn vị sự nghiệp công lập chỉ cần nhập tập dữ liệu cán bộ tương ứng với quy mô từ 200 đến 1.000 người là có thể vận hành hiệu quả.

Kết luận

  • Đã số hóa và chuẩn hóa toàn diện quy trình xét nâng lương trước thời hạn cho 500 cán bộ, viên chức tại Trường Đại học Đà Lạt theo đúng khung pháp lý hiện hành.
  • Ứng dụng thành công thuật toán C4.5 trên 75 mẫu huấn luyện, trích xuất hệ thống 12 quy tắc luật IF-THEN đạt độ chính xác phân loại trên 96%.
  • Phát hiện và giải thích rõ nguyên nhân khiến tỷ lệ nâng lương trước thời hạn giai đoạn 2012 - 2014 chỉ đạt dưới 5%, đồng thời chỉ ra khoảng 15% đến 20% trường hợp xứng đáng bị bỏ sót do đánh giá thủ công.
  • Xây dựng hoàn chỉnh phần mềm ứng dụng trên nền tảng .NET và Accord.NET, giúp cắt giảm 75% thời gian tổng hợp hồ sơ cho bộ phận nhân sự.
  • Dự báo chính xác danh sách 32 cán bộ tiềm năng cho đợt nâng lương năm 2015, mở ra hướng đi bền vững cho công tác quản trị nhân lực đại học.

Đóng góp lớn nhất của luận văn là đã chuyển hóa thành công các quy định hành chính phức tạp thành mô hình máy học trực quan, giải quyết triệt để bài toán đánh giá cảm tính trong quản trị nhân sự công. Kế hoạch trong 6 tháng tới là mở rộng thử nghiệm hệ thống trên các bộ dữ liệu lớn hơn từ 500 đến 1.000 bản ghi và tích hợp thuật toán C5.0 đa luồng. Quý độc giả, các nhà quản lý và nhà nghiên cứu quan tâm có thể khai thác toàn văn công trình nghiên cứu của tác giả Lê Bảo Hoàng để ứng dụng chuyển đổi số quy trình quản trị nhân sự tại đơn vị của mình ngay hôm nay.