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 | Lüders, Ricardo | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-6483-4694 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5158617067991861 | - |
Autor(es): dc.contributor | Delgado, Myriam Regattieri de Biase da Silva | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-2791-174X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4166922845507601 | - |
Autor(es): dc.contributor | Tacla, Cesar Augusto | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8244-8970 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/2860342167270413 | - |
Autor(es): dc.contributor | Santos, Cristiano Roberto dos | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8379053425317935 | - |
Autor(es): dc.contributor | Lüders, Ricardo | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-6483-4694 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5158617067991861 | - |
Autor(es): dc.creator | Oliveira, Markos Flavio Bock Gau de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:20:12Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:20:12Z | - |
Data de envio: dc.date.issued | 2022-12-01 | - |
Data de envio: dc.date.issued | 2022-12-01 | - |
Data de envio: dc.date.issued | 2022-10-05 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30238 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1111442 | - |
Descrição: dc.description | Collaborative Filtering (CF) can be summarized as the process of predicting users preferences and deriving useful patterns by studying their activities. In this work, CF is used to predict the level of favorability and the occurrence of comments in answers to questions of large organizational climate surveys of a company. We aim to compare the performance of four algorithms based on CF (item-item, matrix factorization, logistic matrix factorization and neural collaborative filtering) and a baseline approach represented by a simple average of scores. The algorithms are used to estimate responses of low favorability, i.e., those that a respondent does not agree with a positive statement about the company. In addition, the algorithms are also used to estimate the registration of optional comments of respondents. For both problems, data from different checkpoints are used, comprising altogether more than 1.25 million employees’ responses. The data was collected from 2019 to 2021 by a large Brazilian company of technology with more than 10,000 employees. The results show that collaborative filtering approaches provide relevant alternatives for discriminating low favorability answers in the Likert scale as well as the occurrence of comments, with good quality estimates in both cases. These results can be further explored to eventually reduce the size of the questionnaires, avoiding burden phenomena faced by respondents when dealing with large surveys. | - |
Descrição: dc.description | A Filtragem Colaborativa (FC) pode ser entendida como o processo de predizer preferências de usuários e derivar padrões úteis por meio do estudo de suas atividades. No contexto deste trabalho, FC é usada para predizer o nível de favorabilidade e a ocorrência de comentários em respostas a perguntas presentes em questionários extensos de clima organizacional de uma empresa. O objetivo deste trabalho é comparar o desempenho de quatro algoritmos baseados em FC (item-item, fatoração de matriz, fatoração de matriz logística e filtragem colaborativa neural) e uma abordagem de referência baseada em média simples. Os algoritmos são utilizados para estimar as respostas de baixa favorabilidade, ou seja, aquelas que um respondente não concorda com uma afirmação positiva sobre a empresa. Além disso, os algoritmos também são usados para estimar a emissão de comentários opcionais por respondentes. Para os dois problemas, foram utilizados dados de diferentes pontos de verificação (“checkpoints”) de pesquisas de clima organizacional, compostos ao todo por mais de 1,25 milhão de respostas de funcionários. Esses dados foram coletados entre 2019 e 2021 por uma grande empresa brasileira de tecnologia com mais de 10.000 funcionários. Os resultados mostram que as abordagens de filtragem colaborativa fornecem alternativas relevantes tanto para discriminar respostas de baixa favorabilidade na escala Likert quanto para discriminar a ocorrência de comentários, com estimativas de boa qualidade em ambos os casos. Esses resultados podem ser explorados para eventualmente reduzir o tamanho dos questionários, evitando fenômenos de sobrecarga enfrentados pelos respondentes em pesquisas extensas. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Cultura organizacional | - |
Palavras-chave: dc.subject | Comportamento organizacional | - |
Palavras-chave: dc.subject | Estimativa de parâmetros | - |
Palavras-chave: dc.subject | Questionários | - |
Palavras-chave: dc.subject | Pesquisa organizacional | - |
Palavras-chave: dc.subject | Pesquisa - Metodologia | - |
Palavras-chave: dc.subject | Corporate culture | - |
Palavras-chave: dc.subject | Organizational behavior | - |
Palavras-chave: dc.subject | Parameter estimation | - |
Palavras-chave: dc.subject | Questionnaires | - |
Palavras-chave: dc.subject | Organization - Research | - |
Palavras-chave: dc.subject | Research - Methodology | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Palavras-chave: dc.subject | Engenharia Elétrica | - |
Título: dc.title | Filtragem colaborativa em pesquisas de clima organizacional: predição de índice de favorabilidade e de ocorrência de comentários | - |
Título: dc.title | Collaborative filtering in surveys of organizational climate: prediction of favorability index and occurrence of comments | - |
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: