Interest in people analytics has been growing as people data sources expand, people data values increase, and more HR tech vendors offer analytics and reporting. This thesis aims to provide theoretical contributions and actionable implications by applying people analytics using big data and artificial intelligence to peer assessment, developmental feedback, and AI recruiting process. To do this, the first study examines how direct and transparent communications via the reply and the use of carbon copy (cc) measured by email big data analysis influences the perceptions in the context of peer assessment, respectively. The second study examines how specificity and quality of developmental feedback, measured by a range of state-of-the-art machine learning techniques, influence intended effort. The third study examines the difference in the predictive ability of two likeability scores on job interview performance: automated video interview likeability assessments developed based on labeled data by HR professionals and the current employees’ video interview likeability assessments based on asynchronous video interviews.
최근 사람에 대한 데이터 자료가 확장되고, 가치가 높아지며, 특히 HR 솔루션 공급업체로부터 많은 분석 기록들이 제공되면서 피플 애널리틱스에 대한 관심이 높아지고 있다. 본 학위논문은 동료 평가, 피드백, AI 채용 분야에서 빅데이터 분석과 인공지능 기반한 피플 애널리틱스를 통해 회사에서 효율적이고 스마트하게 일하는 방법에 대하여 실증 연구하였다. 이를 위해 첫 번째 연구에서는 동료평가에 있어 이메일 빅 데이터 분석을 통해 답장과 참조로 보내는 소통 방식이 동료들의 평가 행태에 각각 어떤 영향을 미쳤는지 살펴보았다. 두 번째 연구에서는 머신러닝 기법을 사용하여 측정한 피드백의 구체성 및 품질이 직원의 발전하고자 하는 노력에 어떠한 영향을 미쳤는지 살펴보았다. 세 번째 연구에서는 AI 채용 솔루션을 사용하는 기업에서 전문가 집단 평가 및 인공지능 기법을 통해 자동으로 측정된 호감도 지표와 면접 과정에서 다수의 재직자가 녹화된 면접 영상 통해 별도로 측정한 호감도 지표의 최종 합격자 예측력 차이 및 원인에 대해 살펴보았다.
