Revista Cubana de Ciencias Informáticas

ISSN: 1994-1536
rcci@uci.cu
Universidad de las Ciencias Informáticas
Cuba

Arza Pérez, Lizandra; Verdecia Martínez, Edistio Yoel; Lavandero García, José
El empleo de métodos de toma de decisión y técnicas de soft computing en la selección
de personal
Revista Cubana de Ciencias Informáticas, vol. 6, núm. 3, 2012, pp. 1-14
Universidad de las Ciencias Informáticas
Ciudad de la Habana, Cuba

Disponible en: http://www.redalyc.org/articulo.oa?id=378343678005

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
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

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 Martínez2, José Lavandero García2
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: lizandra@uci.cu
2
Vicerrectoría 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

1
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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
2
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.

3
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

(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

4
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.

5
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.

6
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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
7
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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).

8
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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).

9
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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:

10
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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

Método Condiciones de Condiciones de Información Situaciones recomendadas para
aplicación su uso
AHP Difuso Tratar el problema Se representa la En la integración de criterios de
como un problema de incertidumbre, imprecisión y expertos en función de determinar
decisión vaguedad de la información un consenso del candidato a
multicriterio. mediante la lógica borrosa. 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 Se debe poder definir un ideal Cuando se desean encontrar
multicriterio donde negativo y un ideal positivo candidatos a partir de cumplir con
es posible determinar para los puestos de trabajo. un mínimo de exigencia y tratando
ideales para los Se representa la de acercarse a un ideal.
puestos de trabajo. incertidumbre, imprecisión y
vaguedad de la información
mediante la lógica borrosa
PROMETHEE Problema de decisión No es necesario definir los Cuando no es posible determinar
multicriterio que se niveles de exigencia para los los niveles de exigencia deseados
basa en la candidatos en los puestos de para los puestos de trabajo.
comparación entre trabajo. Se desea ordenar o seleccionar los
los candidatos. Se basa en la información que candidatos entre ellos y no
se tiene de los candidatos en respecto a niveles deseados.
cada uno de los criterios.
Algoritmos Búsqueda optimizada Se representa la En situaciones donde es grande el
Genéticos de los candidatos incertidumbre, imprecisión y número de puestos de trabajo y de
borrosos para un puesto de vaguedad de la información candidatos a seleccionar para los
trabajo. mediante la lógica borrosa. mismos.
Se cuenta con información de
los candidatos y los puestos
de trabajo.
Lógica borrosa Representación de la Plantea la representación de la Se recomienda su uso en todas las
incertidumbre, información mediante situaciones, integrada a otras
información números borrosos o variables técnicas.
cualitativa, subjetiva, lingüísticas. Utilizarla para la representación y
vaga e imprecisa. tratamiento de la información que
se maneja en el problema.
Minería de Empleo de técnicas Es necesario contar con Cuando se cuenta con información
Datos borrosa para el análisis de información histórica que histórica que permita ser analizada
información que permita realizar el análisis de en función de poder ordenar o
permita predecir el la misma. seleccionar los candidatos más
comportamiento del adecuados para el puesto.
candidato en un
puesto de trabajo.

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.

11
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.
12
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.
13
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu
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

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.

14
Grupo Editorial “Ediciones Futuro”
Universidad de las Ciencias Informáticas. La Habana, Cuba
rcci@uci.cu