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 | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
Autor(es): dc.contributor | Tondato, Rogério | - |
Autor(es): dc.creator | Silva, Pedro Henrique Terra da | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:22:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:22:43Z | - |
Data de envio: dc.date.issued | 2023-09-22 | - |
Data de envio: dc.date.issued | 2023-09-22 | - |
Data de envio: dc.date.issued | 2023-06-12 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32479 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1094225 | - |
Descrição: dc.description | Data mining and machine learning are tools that are increasingly used nowadays for data analysis in the most diverse sectors of society. Corruption in the public service is the subject of several studies that seek to understand this phenomenon, however, there is still a lack of research that analyzes the impacts of this type of conduct at the organizational level from the application of machine learning. For this reason, machine learning techniques are presented as a tool to study this scenario. In this way, the goal of this research was to apply data mining algorithms to classify the level of confidence of Brazilian federal public servants in the leaders and other public agents of their organization. For that, a public database was used with answers to a questionnaire on ethics and corruption in the federal public service. The results indicated that the best accuracy obtained was 87% for predicting confidence in managers and 85% for coworkers. In addition, the study identified that the main factors considered by the algorithms for ranking trust were the observation of cases of corruption, unethical conduct, undue favoritism, and transparency inside the organization. In conclusion, the predictive model clarified relevant aspects in the perception of trust within public organizations. | - |
Descrição: dc.description | A mineração de dados e o aprendizado de máquina são ferramentas cada vez mais utilizadas na atualidade para a análise de dados nos mais diversos setores da sociedade. A corrupção no serviço público é tema de diversos estudos que buscam entender esse fenômeno, no entanto, ainda há uma carência de pesquisas que analisam os impactos desse tipo de conduta no âmbito organizacional a partir da aplicação de aprendizado de máquina. Por esse motivo técnicas de aprendizado de máquina se apresentam como uma ferramenta para estudar esse cenário. Nesse sentido, o objetivo desta pesquisa foi o de aplicar algoritmos de mineração de dados para a classificação do nível de confiança de servidores públicos federais brasileiros com relação aos dirigentes e demais agentes públicos de sua organização. Para tanto, foi utilizada uma base de dados pública com respostas de um questionário sobre ética e corrupção no serviço público federal. Os resultados indicaram que a melhor acurácia obtida foi de 87% para predição da confiança nos gestores e 85% para os colegas de trabalho. Além disso, o estudo apontou que os principais fatores considerados pelos algoritmos para classificação da confiança foram a observação de casos de corrupção, conduta antiética, favorecimento indevido e transparência dentro da organização. Dessa maneira, foi possível concluir que o modelo preditivo elucidou aspectos relevantes na percepção da confiança dentro das organizações públicas. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Mineração de dados (Computação) | - |
Palavras-chave: dc.subject | Administração pública | - |
Palavras-chave: dc.subject | Confiança | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Data mining | - |
Palavras-chave: dc.subject | Public administration | - |
Palavras-chave: dc.subject | Confidence | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Título: dc.title | Aplicação de machine learning para classificação do grau de confiança de servidores públicos federais em gestores e demais agentes públicos | - |
Título: dc.title | Application of machine learning for classifying the level of trust of federal public servants on managers and other public agents | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: