การพัฒนาระบบอัจฉริยะวิเคราะห์ความเครียดและสุขภาวะพนักงานเชิงรุกด้วยเทคนิคการเรียนรู้ของเครื่องและการประมวลผลภาษาธรรมชาติ

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินประสิทธิภาพของระบบอัจฉริยะสำหรับวิเคราะห์ความเครียดและสุขภาวะพนักงานเชิงรุก โดยประยุกต์ใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) และการประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) บนพื้นฐานของทฤษฎีภาระงานและทรัพยากร (JD-R Model) ระบบที่พัฒนาขึ้นบูรณาการข้อมูลเชิงปริมาณ ได้แก่ ชั่วโมงการทำงานล่วงเวลา (OT) และสถิติการลา ร่วมกับข้อมูลเชิงคุณภาพจากการวิเคราะห์อารมณ์ในแบบประเมินรายสัปดาห์ ผ่านโมเดล Random Forest และเทคนิค Explainable AI เพื่อระบุปัจจัยต้นเหตุของความเครียดและแสดงผลผ่านแดชบอร์ดสนับสนุนการตัดสินใจสำหรับผู้บริหารในรูปแบบที่ไม่ระบุตัวตน

           ผลการประเมินประสิทธิภาพของแบบจำลองพบว่า มีค่า Accuracy เท่ากับ 0.87, Precision เท่ากับ 0.85, Recall เท่ากับ 0.89 และ F1-score เท่ากับ 0.87 ซึ่งสะท้อนถึงความสามารถของระบบในการจำแนกและตรวจจับพนักงานกลุ่มเสี่ยงได้อย่างแม่นยำ โดยเฉพาะค่า Recall ที่อยู่ในระดับสูง แสดงถึงประสิทธิภาพในการลดความเสี่ยงของการมองข้ามพนักงานที่มีภาวะเครียดจริง นอกจากนี้ผลการวิจัยพบว่า ระบบสามารถระบุปัจจัยสำคัญที่ส่งผลต่อความเครียดได้อย่างแม่นยำ โดยเฉพาะความสัมพันธ์เชิงบวกระหว่างชั่วโมง OT และระดับความเสี่ยงด้านสุขภาพจิต ซึ่งพบว่าในช่วงที่มีค่าเฉลี่ย OT สูงถึง 11.5 ชั่วโมง พนักงานจะมีความเสี่ยงอยู่ในระดับสูง (4.3 คะแนน) หลังจากการทดสอบใช้งานจริงกับกลุ่มตัวอย่างพนักงานออฟฟิศเป็นเวลา 2 เดือน พบว่าระดับความรู้สึกเชิงลบ ทั้งความเหนื่อยล้าและความกดดัน ลดลงจากระดับสูงมาอยู่ในระดับปานกลางที่จัดการได้ โดยเฉพาะความรู้สึกควบคุมงานยากที่ลดลงอย่างเห็นได้ชัด นอกจากนี้ ผลการประเมินความพึงพอใจจากผู้ใช้งานอยู่ในระดับค่อนข้างสูง 4.42 คะแนน โดยระบบได้รับการยอมรับในด้านความใกล้เคียงกับความเป็นจริงและการส่งเสริมสุขภาวะในองค์กร งานวิจัยนี้จึงเป็นนวัตกรรมสำคัญที่ช่วยให้องค์กรสามารถบริหารจัดการทรัพยากรมนุษย์เชิงรุก ลดภาวะหมดไฟ และสร้างเสริมสุขภาพจิตที่ดีให้กับพนักงานได้อย่างยั่งยืน