A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Mendes Júnior, Amilton Lôbo
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/47818
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
id UNB_5ad98c0b57eed6810a32dd1ca79dbde3
oai_identifier_str oai:repositorio.unb.br:10482/47818
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquinaAprendizagem de máquinaSistema Nacional de Emprego (SINE)Perfil profissionalDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.O presente trabalho propõe a utilização de técnicas de aprendizado de máquina na atividade do perfilamento de trabalhadores do sistema público de emprego brasileiro, o Sistema Nacional de Emprego - Sine. A utilização de um mecanismo automatizado de perfilamento de trabalhadores permitirá que esforços sejam direcionados para o tratamento preventivo de trabalhadores mais propensos a permanecerem por mais tempo fora do mercado formal de trabalho. Esse tratamento antecipado poderá contribuir com a antecipação do retorno dos trabalhadores ao mercado de trabalho formal, com o potencial resultado de reduzir os gastos com o seguro-desemprego, os quais foram em 2022 em torno de 35 bilhões de reais. A área sob a curva (AUC) foi escolhida como métrica para a avaliação dos modelos Logistic Regression (LR), Gradient Boosting Machines (GBM), Extreme Gradient Boosting (XGBoost) e uma Rede Neural com a utilização de um embedding de códigos da Classificação Brasileira de Ocupações(CBO). No experimento, o modelo com os melhores resultados apresentados foi o XGBoost. Melhorias futuras podem incluir a adição de variáveis relacionadas ao mercado local de trabalho e a transições de setores da economia, de ocupações e de residência.The present work proposes the application of machine learning techniques in the profiling of workers of brazilian public employment system, the National Employment System - NES (Sine in portuguese). The use of an automated worker profiling mechanism will allow efforts to be directed towards the preventive treatment of workers who are more likely to remain longer outside the formal labor market. This early treatment could contribute to bringing workers back to the formal job market earlier, with the potential result of reducing unemployment insurance expenses, which in 2022 were around 35 billion reais. The area under the curve (AUC) was chosen as a metric for evaluating the models Logistic Regression (LR), Gradient Boosting Machines (GBM), Extreme Gradient Boosting (XGBoost) and a Neural Network using an embedding of codes from the Brazilian Classification of Occupations (CBO). In the experiment, the model with the best results was XGBoost. Future improvements may include the addition of variables related to the local labor market and transitions in sectors of the economy, occupations and residence.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalSilva, Gladston Luiz daMendes Júnior, Amilton Lôbo2024-02-21T21:36:20Z2024-02-21T21:36:20Z2024-02-212023-07-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMENDES JUNIOR, Amilton Lôbo. A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego: uma abordagem de aprendizado de máquina. 2023. xii, 59 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/47818porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-02-21T21:36:20Zoai:repositorio.unb.br:10482/47818Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-02-21T21:36:20Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
title A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
spellingShingle A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
Mendes Júnior, Amilton Lôbo
Aprendizagem de máquina
Sistema Nacional de Emprego (SINE)
Perfil profissional
title_short A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
title_full A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
title_fullStr A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
title_full_unstemmed A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
title_sort A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
author Mendes Júnior, Amilton Lôbo
author_facet Mendes Júnior, Amilton Lôbo
author_role author
dc.contributor.none.fl_str_mv Silva, Gladston Luiz da
dc.contributor.author.fl_str_mv Mendes Júnior, Amilton Lôbo
dc.subject.por.fl_str_mv Aprendizagem de máquina
Sistema Nacional de Emprego (SINE)
Perfil profissional
topic Aprendizagem de máquina
Sistema Nacional de Emprego (SINE)
Perfil profissional
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-07-04
2024-02-21T21:36:20Z
2024-02-21T21:36:20Z
2024-02-21
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 MENDES JUNIOR, Amilton Lôbo. A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego: uma abordagem de aprendizado de máquina. 2023. xii, 59 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.
http://repositorio2.unb.br/jspui/handle/10482/47818
identifier_str_mv MENDES JUNIOR, Amilton Lôbo. A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego: uma abordagem de aprendizado de máquina. 2023. xii, 59 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/47818
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580742125649920

Registros relacionados