Machine Learning im betrieblichen Gesundheitsmanagement. ?Wie hilfreich sind (komplexe) Algorithmen??
dc.accessRights | Anonymous | * |
dc.contributor.author | Steiner, Markus Dominique Werner | |
dc.contributor.author | Krause, Andreas | |
dc.date.accessioned | 2022-05-24T12:52:09Z | |
dc.date.available | 2022-05-24T12:52:09Z | |
dc.date.issued | 2022-05-24 | |
dc.description.abstract | Arbeitsbezogener Stress verursacht bei Schweizer Unternehmen jährlich Kosten von rund 7,6 Milliarden Franken. In der Gesunderhaltung von Mitarbeitenden besteht also grosses Potenzial, um Kosten zu sparen. Ein Ziel im betrieblichen Gesundheitsmanagement (BGM) ist, sich anbahnende Fehlbeanspruchungen früh zu erkennen und durch Interventionen zu minimieren. Grosses Potenzial wird hierfür in HR-Analytics verortet, wo mithilfe von Daten evidenzbasierte Entscheidungen getroffen werden sollen. Die Referenten geben einen Überblick, wie im BGM solche Algorithmen eingesetzt werden können, zeigen auf, wie sie das Potenzial einschätzen und präsentieren erste Ergebnisse aus Forschungskooperationen mit Unternehmen. | en_US |
dc.description.uri | https://www.fhnw.ch/de/weiterbildung/psychologie/abendreihe-psychologie-kompakt/machine-learning-im-betrieblichen-gesundheitsmanagement | en_US |
dc.event | Abendreihe Psychologie kompakt | en_US |
dc.identifier.uri | https://irf.fhnw.ch/handle/11654/33499 | |
dc.language.iso | de_CH | en_US |
dc.subject.ddc | 150 - Psychologie | en_US |
dc.title | Machine Learning im betrieblichen Gesundheitsmanagement. ?Wie hilfreich sind (komplexe) Algorithmen?? | en_US |
dc.type | 06 - Präsentation | * |
dspace.entity.type | Publication | |
fhnw.InventedHere | Yes | en_US |
fhnw.IsStudentsWork | no | en_US |
fhnw.ReviewType | No peer review | en_US |
fhnw.affiliation.hochschule | Hochschule für Angewandte Psychologie FHNW | de_CH |
fhnw.affiliation.institut | Institut Mensch in komplexen Systemen | de_CH |
relation.isAuthorOfPublication | 7cc7aee0-75c9-453c-b95a-382a6014c8cb | |
relation.isAuthorOfPublication | f636ee88-61eb-45fa-98d9-48648e089fbe | |
relation.isAuthorOfPublication.latestForDiscovery | f636ee88-61eb-45fa-98d9-48648e089fbe |