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 | Cerqueira, Fabio Ribeiro | - |
Autor(es): dc.contributor | Torres, Bruno Guimarães | - |
Autor(es): dc.contributor | Martin, Mateus Pereira | - |
Autor(es): dc.creator | Silva, Vitória Duarte Bastos da | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:12:36Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:12:36Z | - |
Data de envio: dc.date.issued | 2025-06-18 | - |
Data de envio: dc.date.issued | 2025-06-18 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/38899 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1056698 | - |
Descrição: dc.description | Com as mudanças estruturais experienciadas pelo mercado de trabalho na última década, que foram impulsionadas pela pandemia de COVID-19, as companhias do setor de tecnologia da informação passaram a enfrentar novos desafios nos processos de Gestão do Talento Humano. Dentre eles, destacam-se a dificuldade de encontrar profissionais qualificados e a necessidade de promover ações que tragam estabilidade para a rotatividade de colaboradores. Nesse contexto, o trabalho atual teve como objetivo analisar os fatores envolvidos na retenção de colaboradores, e verificar a viabilidade da utilização de modelos de classificação, a partir de técnicas de aprendizado de máquina, como ferramentas de apoio à predição e à prevenção do turnover na empresa estudada. Para alcançar esse objetivo, o trabalho aborda os principais conceitos da gestão de recursos humanos e da inteligência artificial, que serviram como base técnica para a construção do modelo de simulação. Utilizando uma base de dados de código aberto, foram empregadas diversas técnicas de preparação, modelagem e avaliação, de acordo com as fases da metodologia CRISP-DM. Após aplicação e comparação de diversos algoritmos, o algoritmo de classificação Random Forest foi selecionado para integração com uma interface gráfica desenvolvida para a simulação, apresentando desempenho acima de 85% para as métricas de acurácia, precisão, recall e f1-score. Por fim, foram sugeridas melhorias a serem realizadas na coleta de dados para que o modelo desenvolvido no trabalho possa ser adaptado e utilizado na empresa estudada | - |
Descrição: dc.description | With the structural changes experienced by the labor market in the last decade, driven by the COVID-19 pandemic, companies in the information technology sector have been facing new challenges in Human Talent Management processes. Among them, the difficulty of finding qualified professionals and the need to promote actions that bring stability to employee turnover stand out. In this context, the current work aimed to analyze the factors involved in employee retention and assess the feasibility of using classification models based on machine learning techniques as tools to support turnover prediction and prevention. To achieve this goal, our work addresses the key concepts of human resources management and artificial intelligence, which served as the technical foundation for building the simulation model. Using an open-source database, various techniques for preparation, modeling, and evaluation were employed in accordance with the phases of the CRISP-DM methodology. After applying and comparing various algorithms, the Random Forest classification algorithm was selected for integration with a graphical interface developed for the simulation, demonstrating performance above 85% for accuracy, precision, recall, and f1-score metrics. Finally, suggestions were made to improve the data collection, so the model developed in this work can be adapted and used in the company | - |
Descrição: dc.description | 73 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Gestão do talento humano | - |
Palavras-chave: dc.subject | Turnover | - |
Palavras-chave: dc.subject | Tecnologia da informação | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Recursos humanos | - |
Palavras-chave: dc.subject | Administração de pessoal | - |
Palavras-chave: dc.subject | Turnover | - |
Palavras-chave: dc.subject | Talent management | - |
Palavras-chave: dc.subject | Turnover | - |
Palavras-chave: dc.subject | Information technology | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Machine leaning | - |
Título: dc.title | Utilização de algoritmos de classificação para predição de turnover em uma empresa de tecnologia | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: