
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Zeviani, Walmes Marques, 1986- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
| Autor(es): dc.creator | Prestes, Laura Marcelino | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T12:34:39Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T12:34:39Z | - |
| Data de envio: dc.date.issued | 2024-10-21 | - |
| Data de envio: dc.date.issued | 2024-10-21 | - |
| Data de envio: dc.date.issued | 2023 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/90361 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/90361 | - |
| Descrição: dc.description | Orientador: Prof. Walmes Marques Zeviani | - |
| Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science e Big Data | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo: Este estudo teve como objetivo realizar a aplicação de técnicas de Processamento de Linguagem Natural (NLP) para aprimorar a análise das avaliações dos colaboradores de uma empresa do setor financeiro dentro da plataforma Glassdoor, visando melhorar a tomada de decisão. Por tratar-se de dados desestruturados, a análises manual dessas informações é trabalhosa e suscetível a erros, o que pode comprometer a qualidade das análises. Foram implementados e avaliados dois modelos de processamento: Google Gemini e VADER focando na identificação de padrões de sentimento e tendências nos comentários. A pesquisa compara os resultados obtidos através dos dois modelos destacando vantagens como custos, eficiência e precisão. Os dados foram coletados via web scraping de avaliações de funcionários e ex-funcionários na plataforma de avaliações Glassdoor, contribuindo para o avanço de soluções baseadas em ciência de dados para o setor de Recursos Humanos (RH) nas empresas. | - |
| Descrição: dc.description | Abstract: This study aimed to apply Natural Language Processing (NLP) techniques to enhance the analysis of employee reviews of a financial sector company on the Glassdoor platform, with the goal of improving decisionmaking. Given that these are unstructured data, manual analysis of this information is laborious and prone to errors, which can compromise the quality of analyses based on this information. Two processing models were implemented and evaluated: Google Gemini and VADER, focusing on identifying sentiment patterns and trends in the comments. The research compares the results obtained through both models, highlighting advantages such as cost, efficiency, and accuracy. The data were collected via web scraping from reviews of current and former employees on the Glassdoor platform, contributing to the advancement of data science-based solutions for the Human Resources (HR) sector in companies. | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Processamento da linguagem natural (Computação) | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Administração de pessoal | - |
| Palavras-chave: dc.subject | Funcionalismo (Linguistica) | - |
| Título: dc.title | Mineração de textos aplicada à People Analytics : classificação e análise de sentimento em comentários na plataforma Glassdoor | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: