Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Silva, Gladston Luiz da | - |
Autor(es): dc.creator | Mendes Júnior, Amilton Lôbo | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:26:41Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:26:41Z | - |
Data de envio: dc.date.issued | 2024-02-21 | - |
Data de envio: dc.date.issued | 2024-02-21 | - |
Data de envio: dc.date.issued | 2024-02-21 | - |
Data de envio: dc.date.issued | 2023-07-04 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/47818 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/883227 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023. | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A 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. | - |
Palavras-chave: dc.subject | Aprendizagem de máquina | - |
Palavras-chave: dc.subject | Sistema Nacional de Emprego (SINE) | - |
Palavras-chave: dc.subject | Perfil profissional | - |
Título: dc.title | A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: