Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/14746 |
Resumo: | A avaliação de desempenho de pessoas é um processo essencial nas organizações, necessário para o desenvolvimento de carreira e gestão nas organizações. Aliado a isto o momento atual é de largo desenvolvimento tecnológico, com o uso da Inteligência Artifical sendo cada vez mais usado na gestão de negócios. Por isto este trabalho se propoe a desenvolver uma ferramenta para agir sobre estes dois pontos, com o objetivo de contruir um modelo preditivo para determinar se uma pessoa será promovida ou não, dada uma base de dados com informações sobre o histórico de realizações e perfil do funcionário. O modelo foi desenvolvido utilizando a técnica de aprendizado de máquina supervisionado denominada Support Vector Machine. A construção do modelo passou por uma etapa inicial utilizando um SVM de Margens Rígidas para avaliar a viabilidade do uso do método. A etapa seguinte, para a constução do modelo final constituiu a elaboração de um SVM de Margens Suaves, com validação do modelo utilizando diferentes amostras de dados para obter o modelo com a predição final. Após os resultados finais, ambos os modelos foram comparados para avaliação dos impactos da mudança na técnica utilizada, onde pode-se concluir que de fato o modelo perde um pouco precisão quando realiza uma flexibilização das margens, o que é esperado visto que há uma penalização às classificações erradas. Além disso foi realizada uma análise de sensibilidade nos parâmetros do modelo de Margens Suaves, avaliando os efeitos na acurácia geral e nas medidas de desempenho |
id |
UFF-2_addcd252794023fa485121ec4c2b5a4b |
---|---|
oai_identifier_str |
oai:app.uff.br:1/14746 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector MachineGestão de pessoasAvaliação de pessoasAprendizado de máquinaInteligência artificalAvaliação de pessoalAprendizado de máquinaInteligência artificialPeople managementPeople assessmentSupport Vector MachineMachine learningArtificial intelligenceData scienceA avaliação de desempenho de pessoas é um processo essencial nas organizações, necessário para o desenvolvimento de carreira e gestão nas organizações. Aliado a isto o momento atual é de largo desenvolvimento tecnológico, com o uso da Inteligência Artifical sendo cada vez mais usado na gestão de negócios. Por isto este trabalho se propoe a desenvolver uma ferramenta para agir sobre estes dois pontos, com o objetivo de contruir um modelo preditivo para determinar se uma pessoa será promovida ou não, dada uma base de dados com informações sobre o histórico de realizações e perfil do funcionário. O modelo foi desenvolvido utilizando a técnica de aprendizado de máquina supervisionado denominada Support Vector Machine. A construção do modelo passou por uma etapa inicial utilizando um SVM de Margens Rígidas para avaliar a viabilidade do uso do método. A etapa seguinte, para a constução do modelo final constituiu a elaboração de um SVM de Margens Suaves, com validação do modelo utilizando diferentes amostras de dados para obter o modelo com a predição final. Após os resultados finais, ambos os modelos foram comparados para avaliação dos impactos da mudança na técnica utilizada, onde pode-se concluir que de fato o modelo perde um pouco precisão quando realiza uma flexibilização das margens, o que é esperado visto que há uma penalização às classificações erradas. Além disso foi realizada uma análise de sensibilidade nos parâmetros do modelo de Margens Suaves, avaliando os efeitos na acurácia geral e nas medidas de desempenhoThe people assessment is an essential process in organizations, necessary for the career development and management of organizations. Allied to this, in this moment is happening a large technological development, with the use of Artificial Intelligence being increasing in business management. Therefore, this work proposed work in these two points, to create a predictive model to determine whether a person will be promoted or not, given a database with information on the history of achievements and the profile of the employee. The model was developed using the technique Support Vector Machine, Supervised Machine Learning method. The model development has a first stage using a Support Vector Machine with Hard Margin to assess the method feasibility. The next stage constitutes in developer a Support Vector Machine with Soft Margins, with model validation using different samples to get the final prediction model. After the final results, both models were compared for performance evaluation between the two in the techniques used, where can be concluded that in fact the model loses a little precision when it makes the margins more flexible, which is expected since there is a penalty for wrong classifications. In addition, a sensitivity analysis was performed on the parameters of the Smooth Margins model, evaluating the effects on general accuracy and performance measuresPereira, ValdecyAndrade, Emmanuel Paiva deRoboredo, Marcos CostaRibeiro, Thayná Abreu2020-08-25T16:25:58Z2020-08-25T16:25:58Z2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfRIBEIRO, Thayná Abreu. Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine. 2020. 60 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Universidade Federal Fluminense, Niterói, 2020.https://app.uff.br/riuff/handle/1/14746http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-10-04T18:41:59Zoai:app.uff.br:1/14746Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-10-04T18:41:59Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
title |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
spellingShingle |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine Ribeiro, Thayná Abreu Gestão de pessoas Avaliação de pessoas Aprendizado de máquina Inteligência artifical Avaliação de pessoal Aprendizado de máquina Inteligência artificial People management People assessment Support Vector Machine Machine learning Artificial intelligence Data science |
title_short |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
title_full |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
title_fullStr |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
title_full_unstemmed |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
title_sort |
Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine |
author |
Ribeiro, Thayná Abreu |
author_facet |
Ribeiro, Thayná Abreu |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pereira, Valdecy Andrade, Emmanuel Paiva de Roboredo, Marcos Costa |
dc.contributor.author.fl_str_mv |
Ribeiro, Thayná Abreu |
dc.subject.por.fl_str_mv |
Gestão de pessoas Avaliação de pessoas Aprendizado de máquina Inteligência artifical Avaliação de pessoal Aprendizado de máquina Inteligência artificial People management People assessment Support Vector Machine Machine learning Artificial intelligence Data science |
topic |
Gestão de pessoas Avaliação de pessoas Aprendizado de máquina Inteligência artifical Avaliação de pessoal Aprendizado de máquina Inteligência artificial People management People assessment Support Vector Machine Machine learning Artificial intelligence Data science |
description |
A avaliação de desempenho de pessoas é um processo essencial nas organizações, necessário para o desenvolvimento de carreira e gestão nas organizações. Aliado a isto o momento atual é de largo desenvolvimento tecnológico, com o uso da Inteligência Artifical sendo cada vez mais usado na gestão de negócios. Por isto este trabalho se propoe a desenvolver uma ferramenta para agir sobre estes dois pontos, com o objetivo de contruir um modelo preditivo para determinar se uma pessoa será promovida ou não, dada uma base de dados com informações sobre o histórico de realizações e perfil do funcionário. O modelo foi desenvolvido utilizando a técnica de aprendizado de máquina supervisionado denominada Support Vector Machine. A construção do modelo passou por uma etapa inicial utilizando um SVM de Margens Rígidas para avaliar a viabilidade do uso do método. A etapa seguinte, para a constução do modelo final constituiu a elaboração de um SVM de Margens Suaves, com validação do modelo utilizando diferentes amostras de dados para obter o modelo com a predição final. Após os resultados finais, ambos os modelos foram comparados para avaliação dos impactos da mudança na técnica utilizada, onde pode-se concluir que de fato o modelo perde um pouco precisão quando realiza uma flexibilização das margens, o que é esperado visto que há uma penalização às classificações erradas. Além disso foi realizada uma análise de sensibilidade nos parâmetros do modelo de Margens Suaves, avaliando os efeitos na acurácia geral e nas medidas de desempenho |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-08-25T16:25:58Z 2020-08-25T16:25:58Z 2020 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
RIBEIRO, Thayná Abreu. Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine. 2020. 60 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Universidade Federal Fluminense, Niterói, 2020. https://app.uff.br/riuff/handle/1/14746 |
identifier_str_mv |
RIBEIRO, Thayná Abreu. Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine. 2020. 60 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Universidade Federal Fluminense, Niterói, 2020. |
url |
https://app.uff.br/riuff/handle/1/14746 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1802135261269721088 |