dc.creator |
DIAS, André Luiz Alves |
|
dc.date.issued |
2024-12-15 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3959 |
|
dc.description.abstract |
This work highlights a comprehensive investigation into the application of Artificial Intelligence
(A.I.) in human resources management, with a specific focus on identifying employee
dissatisfaction through machine learning approaches. The research included a review of
scientific articles discussing both the implementation of A.I. in the context of human resources
and the use of machine learning techniques to detect cases of turnover/attrition,
along with the relationship between dissatisfaction and turnover/attrition cases. To assess
these approaches, four validated public databases were selected. Three of them contained
fictional employee data, and one contained real employee turnover data. Each database
underwent a process of textual field factorization, followed by analyses to highlight the
data distributions in each set. In conducting the research, different machine learning
approaches were applied to each of the databases, aiming to verify the feasibility of identifying
dissatisfaction through A.I. The techniques used included anomaly or novelty detection,
classifiers, and optimized sets of classifiers. The results were quantified, revealing
promising scores, with performances exceeding 90%. These results emphasize the overall
effectiveness of machine learning in identifying employee dissatisfaction, demonstrating
its potential for practical applications in the human resources environment. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Inteligência artificial |
pt_BR |
dc.subject |
Turnover |
pt_BR |
dc.subject |
Attrition |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Insatisfação de funcionário |
pt_BR |
dc.title |
Detecção de insatisfação de servidores públicos com inteligência artificial |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2024-01-22 |
|
dc.date.available |
2024-01-22T16:54:28Z |
|
dc.date.accessioned |
2024-01-22T16:54:28Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/3063837050703595 |
pt_BR |
dc.contributor.advisor1 |
MORAES, Carlos Henrique Valério de |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/3460761031788198 |
pt_BR |
dc.description.resumo |
Este trabalho destaca uma pesquisa abrangente sobre a aplicação da Inteligência Artificial
(I.A.) na gestão de recursos humanos, com um foco específico na identificação da insatisfação
dos funcionários por meio de abordagens de aprendizado de máquina. A investigação
incluiu uma revisão de artigos científicos que discutiam tanto a implementação da I.A. no
contexto de recursos humanos quanto o uso de técnicas de aprendizado de máquina para
detectar casos de turnover/attrition, além da relação de insatisfação e os casos de turnover/
attrition. Para avaliar essas abordagens, foram selecionadas quatro bases de dados
públicas validadas. Três delas continham dados fictícios de funcionários e uma continha
dados reais de turnover de funcionários. Cada base de dados passou por um processo de
fatorização de campos textuais, seguido por análises para destacar as distribuições dos dados
em cada conjunto. Na condução da pesquisa, diferentes abordagens de aprendizado de
máquina foram aplicadas a cada uma das bases, com o objetivo de verificar a viabilidade
de identificar a insatisfação por meio da I.A. As técnicas utilizadas incluíram detecção
de anomalias ou novidades, classificadores e conjuntos de classificadores otimizados. Os
resultados foram quantificados, revelando pontuações promissoras, com desempenhos superiores
a 90%. Esses resultados destacam a eficácia geral do aprendizado de máquina na
identificação da insatisfação dos funcionários, demonstrando seu potencial para aplicações
práticas no ambiente de recursos humanos. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO |
pt_BR |
dc.relation.references |
DIAS, André Luiz Alves. Detecção de insatisfação de servidores públicos com inteligência artificial. 2023. 108 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação.) – Universidade Federal de Itajubá, Itajubá, 2023. |
pt_BR |