Modelagem preditiva para avaliação de desempenho de pessoas utilizando o método Support Vector Machine

• Autor(a) principal: Ribeiro, Thayná Abreu
• 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
• 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

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