Розмір шрифта:
РОЗВІДУВАЛЬНИЙ АНАЛІЗ ДАНИХ РИЗИКУ ПРОФЕСІЙНОГО ВИГОРАННЯ ПРАЦІВНИКІВ
Остання редакція: 2026-05-18
Анотація
В роботі проведено розвідувальний аналіз даних ризику професійного вигорання працівників для виявлення
факторів, які найбільше впливають на рівень вигорання. Проведено аналіз структури датасету, перевірку
пропущених значень, дослідження розподілу цільової змінної Burn Rate, а також аналіз зв’язків між рівнем
вигорання та характеристиками працівників. Встановлено, що найбільший зв’язок із рівнем професійного
вигорання мають показники Mental Fatigue Score, Resource Allocation та Designation.
EXPLORATORY DATA ANALYSIS ON THE RISK
OF JOB BURNOUT AMONG EMPLOYEES
The paper presents an exploratory data analysis of employee professional burnout risk in order to identify the factors
that have the greatest influence on burnout level. The structure of the dataset, missing values, distribution of the target
variable Burn Rate, and relationships between burnout level and employee characteristics were analyzed. It was found
that Mental Fatigue Score, Resource Allocation, and Designation have the strongest relationship with the level of
professional burnout
факторів, які найбільше впливають на рівень вигорання. Проведено аналіз структури датасету, перевірку
пропущених значень, дослідження розподілу цільової змінної Burn Rate, а також аналіз зв’язків між рівнем
вигорання та характеристиками працівників. Встановлено, що найбільший зв’язок із рівнем професійного
вигорання мають показники Mental Fatigue Score, Resource Allocation та Designation.
EXPLORATORY DATA ANALYSIS ON THE RISK
OF JOB BURNOUT AMONG EMPLOYEES
The paper presents an exploratory data analysis of employee professional burnout risk in order to identify the factors
that have the greatest influence on burnout level. The structure of the dataset, missing values, distribution of the target
variable Burn Rate, and relationships between burnout level and employee characteristics were analyzed. It was found
that Mental Fatigue Score, Resource Allocation, and Designation have the strongest relationship with the level of
professional burnout
Ключові слова
розвідувальний аналіз даних, машинне навчання, професійне вигорання, працівники, exploratory data analysis, machine learning, professional burnout, employees
Посилання
1. World Health Organization. Burn-out an occupational phenomenon. 2019. [Електронний ресурс]. – Режим доступу:
https://www.who.int/standards/classifications/frequently-asked-questions/burn-out-an-occupational-phenomenon
2. Are Your Employees Burning Out? Kaggle Dataset. [Електронний ресурс]. – Режим доступу:
https://www.kaggle.com/datasets/blurredmachine/are-your-employees-burning-out
3. Maslach C., Leiter M. P. Understanding the burnout experience: recent research and its implications for psychiatry. World
Psychiatry. 2016. Vol. 15, No. 2. P. 103–111. doi: 10.1002/wps.20311
4. Мокін В. Б., Дратований М. В. Наука про дані: машинне навчання та інтелектуальний аналіз даних : електронний
навчальний посібник. Вінниця : ВНТУ, 2024. URL: https://docs.vntu.edu.ua/card.php?id=8163
5. Pandas Documentation. DataFrame.corr. [Електронний ресурс]. – Режим доступу:
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.corr.html
6. Scikit-learn Documentation. Imputation of missing values. [Електронний ресурс]. – Режим доступу: https://scikitlearn.org/stable/modules/impute.html
https://www.who.int/standards/classifications/frequently-asked-questions/burn-out-an-occupational-phenomenon
2. Are Your Employees Burning Out? Kaggle Dataset. [Електронний ресурс]. – Режим доступу:
https://www.kaggle.com/datasets/blurredmachine/are-your-employees-burning-out
3. Maslach C., Leiter M. P. Understanding the burnout experience: recent research and its implications for psychiatry. World
Psychiatry. 2016. Vol. 15, No. 2. P. 103–111. doi: 10.1002/wps.20311
4. Мокін В. Б., Дратований М. В. Наука про дані: машинне навчання та інтелектуальний аналіз даних : електронний
навчальний посібник. Вінниця : ВНТУ, 2024. URL: https://docs.vntu.edu.ua/card.php?id=8163
5. Pandas Documentation. DataFrame.corr. [Електронний ресурс]. – Режим доступу:
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.corr.html
6. Scikit-learn Documentation. Imputation of missing values. [Електронний ресурс]. – Режим доступу: https://scikitlearn.org/stable/modules/impute.html
Повний текст:
PDF