基于TabNet的远程办公员工绩效预测：可解释性建模与多维评估验证

《Scientific Reports》：An explainable and fair TabNet framework for remote employee performance prediction using multidimensional workplace data

　　

摘要

随着远程办公日益普及，对清晰准确的绩效预测工具来评估员工的需求比以往任何时候都更为迫切。利用包含多个维度的 10 万条劳动力记录，构建了一个可解释的 TabNet 框架。在此方面，进行了全面的数据泄漏检查、泛化性、特征与可解释性以及子群体公平性的评估。TabNet 达到了 0.9880 的 R2，0.1223 的 MAE，以及 0.1549 的 RMSE。五折验证得出的平均 R2 为 0.9723 ± 0.0201。通过重复随机分割、组感知分割、时间顺序分割和分布外评估，该稳健性分析实现的 R2 值分别为 0.9618 ± 0.0087、0.9483、0.9326 和 0.8874。序数建模获得了 94.18% 的准确率和 0.9257 的 Macro-F1。对于评估的人口统计组，子群体误差总体上差异很小。结果表明，X-TabNet 是预测表格型劳动力相关问题的有价值的方法论框架。不幸的是，由于数据集的来源和代表性问题，现在下关于其与真实组织环境关系的结论还为时过早。在投入运营使用前，需要额外的组织数据独立验证。