Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR

Detalhes bibliográficos
Autor(a) principal: Horst, Fábio
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/32131
Resumo: Orientadora: Profa. Dra. Luzia Vidal de Souza
id UFPR_5c4e98f968c4c68c7d8abd0b16a3b5a6
oai_identifier_str oai:acervodigital.ufpr.br:1884/32131
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSouza, Luzia Vidal de, 1967-Horst, Fábio2024-05-17T12:21:55Z2024-05-17T12:21:55Z2013https://hdl.handle.net/1884/32131Orientadora: Profa. Dra. Luzia Vidal de SouzaDissertação (mestrado) - Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Métodos Numéricos de Engenharia. Defesa: Curitiba, 23/05/2013Bibliografia: fls. 84-86Resumo: A presente pesquisa trata da utilização do processo KDD no reconhecimento de padrões de comportamento dos colaboradores de um hospital, na cidade de Guarapuava/PR. Para tanto, foram utilizadas técnicas de predição em Data Mining (Técnicas de Redes Neurais Artificiais, Rede de Base Radial, Regressão Logística e Análise de Discriminante de Fisher). A partir de um banco de dados composto por um questionário aplicado aos colaboradores do Hospital, envolvendo perguntas de caráter pessoal e de satisfação, procuramos classificá-los como satisfeitos ou insatisfeitos. Com as respostas de 245 funcionários foram elaboradas duas matrizes de ordem 245 X 45, uma com dados sobre satisfação e outra com as características pessoais. A primeira matriz foi utilizada para classificação dos Grupos Satisfeitos e Grupos Insatisfeitos (GS e GI) e a segunda para aplicação das técnicas de Data Mining. Os resultados encontrados em todas as técnicas foram considerados satisfatórios, tendo em vista que classificaram a maioria dos indivíduos corretamente. Com os pesos e "bias" da Rede Neural e Redes de Base Radial (RBF), e os coeficientes da Regressão Logística e Discriminante de Fisher foi criada, por meio da elaboração de um programa, uma ferramenta de auxílio para a tomada de decisão dos gestores do setor de Recursos Humanos do Hospital, no que diz respeito à predição de um novo funcionário, que pode auxiliar na diminuição da rotatividade (turnover).Abstract: The aim of this research is to apply the Behavioral Pattern Recognition (BPR) to the personnel at a hospital in Guarapuava-PR. Thus, prediction techniques were used in Data Mining (Artificial Neural Network Techniques, Radial Basis Network, Logistic Regression and Fisher Discriminant Analysis). It was used a database composed of a questionnaire employed to the collaborators of the hospital, involving personal and satisfaction questions to classify them as satisfied or unsatisfied. With the answers of 245 employees, 2 models of 245x45 were elaborated, one with data for satisfaction and another for personal characteristics. The first model was used for the classification of the satisfied groups and unsatisfied groups (SG and UG) and the second one for the Data Mining Technique. The results found in all techniques were considered satisfactory, seeing that they assessed most individuals correctly. With the bias of the Neural and Radial Basis Networks and the coefficient of the Logistic Regression and Fisher Discriminant, it was created through a program development, a tool to help the Human Resource managers' decision regarding the prediction of a new employee and turnover reduction.106f : il., grafs., tabs.application/pdfDisponível em formato digitalMineração de dados (Computação)HospitaisReconhecimento de padrõesAnálise NuméricaTécnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PRinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - FABIO HORST.pdfapplication/pdf1244610https://acervodigital.ufpr.br/bitstream/1884/32131/1/R%20-%20D%20-%20FABIO%20HORST.pdf552ba60a8572764afe179b0f2b512616MD51open accessTEXTR - D - FABIO HORST.pdf.txtExtracted Texttext/plain217098https://acervodigital.ufpr.br/bitstream/1884/32131/2/R%20-%20D%20-%20FABIO%20HORST.pdf.txt24efcdcf748cc65c642e4cf41d0179c0MD52open accessTHUMBNAILR - D - FABIO HORST.pdf.jpgGenerated Thumbnailimage/jpeg1138https://acervodigital.ufpr.br/bitstream/1884/32131/3/R%20-%20D%20-%20FABIO%20HORST.pdf.jpg421d8887aa7be7a5970662f500e5f058MD53open access1884/321312024-05-17 09:21:55.237open accessoai:acervodigital.ufpr.br:1884/32131Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-17T12:21:55Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
title Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
spellingShingle Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
Horst, Fábio
Mineração de dados (Computação)
Hospitais
Reconhecimento de padrões
Análise Numérica
title_short Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
title_full Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
title_fullStr Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
title_full_unstemmed Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
title_sort Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR
author Horst, Fábio
author_facet Horst, Fábio
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Souza, Luzia Vidal de, 1967-
dc.contributor.author.fl_str_mv Horst, Fábio
contributor_str_mv Souza, Luzia Vidal de, 1967-
dc.subject.por.fl_str_mv Mineração de dados (Computação)
Hospitais
Reconhecimento de padrões
Análise Numérica
topic Mineração de dados (Computação)
Hospitais
Reconhecimento de padrões
Análise Numérica
description Orientadora: Profa. Dra. Luzia Vidal de Souza
publishDate 2013
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2024-05-17T12:21:55Z
dc.date.available.fl_str_mv 2024-05-17T12:21:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/32131
url https://hdl.handle.net/1884/32131
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 106f : il., grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/32131/1/R%20-%20D%20-%20FABIO%20HORST.pdf
https://acervodigital.ufpr.br/bitstream/1884/32131/2/R%20-%20D%20-%20FABIO%20HORST.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/32131/3/R%20-%20D%20-%20FABIO%20HORST.pdf.jpg
bitstream.checksum.fl_str_mv 552ba60a8572764afe179b0f2b512616
24efcdcf748cc65c642e4cf41d0179c0
421d8887aa7be7a5970662f500e5f058
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898755453222912

Registros relacionados