Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários
Introdução e Objetivo: A rotatividade de pessoal impacta a dinâmica empresarial, exigindo equilíbrio entre novas contratações e o desligamento de perfis inadequados. O foco deste trabalho é o "desgaste" do funcionário — a deterioração de sua relação com a empresa. O objetivo é desenvolver...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Online |
| Language: | Portuguese |
| Published: |
Universidade Estadual de Campinas (UNICAMP)
2023
|
| Subjects: | |
| Online Access: | https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/7573 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1864359377623842816 |
|---|---|
| author | Almeida, Carlos Caetano de Contessoto, Bruno Bunheroto Iwashima, Fábio Seiji Sakai |
| author_facet | Almeida, Carlos Caetano de Contessoto, Bruno Bunheroto Iwashima, Fábio Seiji Sakai |
| author_sort | Almeida, Carlos Caetano de |
| collection | Portal de Eventos Científicos da UNICAMP |
| container_reference | Resumo dos trabalhos do SIMTEC Simpósio dos Profissionais da UNICAMP; v. 8 (2022): Temática: SimTec 25 anos: Histórias, Conquistas e Desafios Profissionais - Eixo 1; e02200963 |
| description | Introdução e Objetivo: A rotatividade de pessoal impacta a dinâmica empresarial, exigindo equilíbrio entre novas contratações e o desligamento de perfis inadequados. O foco deste trabalho é o "desgaste" do funcionário — a deterioração de sua relação com a empresa. O objetivo é desenvolver uma Inteligência Artificial capaz de detectar e prevenir o desligamento voluntário, reduzindo custos e preservando o capital intelectual. Metodologia: Pesquisa descritiva com abordagem quali-quantitativa. Os dados foram extraídos da plataforma Kaggle e analisados por meio de gráficos e tabelas de correlação para identificar padrões comportamentais. O processo envolveu limpeza de dados, pré-processamento, treinamento de algoritmos e predição. Resultados: Comparou-se o desempenho de três modelos, com destaque para a superioridade da Floresta Randômica. Floresta Randômica: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Gradient Boosting: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Regressão Ridge: $R^2$ de 8,60%; Erro Absoluto Médio de 24,24%. Conclusão: A Floresta Randômica apresentou a maior acurácia, identificando que funcionários solteiros, em cargos de baixo nível hierárquico e que realizam horas extras são os mais propensos à demissão. Observou-se que o tamanho reduzido do dataset e o número de atributos limitaram o potencial de treinamento, sugerindo a necessidade de bases de dados maiores para maior efetividade preditiva. |
| first_indexed | 2025-10-08T13:59:43Z |
| format | Online |
| id | ojs-article-7573 |
| institution | Universidade Estadual de Campinas |
| issn | 2525-5398 |
| language | por |
| last_indexed | 2026-04-08T21:01:55Z |
| publishDate | 2023 |
| publisher | Universidade Estadual de Campinas (UNICAMP) |
| record_format | ojs |
| spelling | ojs-article-75732026-04-08T17:28:21Z Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários Almeida, Carlos Caetano de Contessoto, Bruno Bunheroto Iwashima, Fábio Seiji Sakai Inteligência artificial Machine learning Ciência de dados Rh Desligamento de pessoal Introdução e Objetivo: A rotatividade de pessoal impacta a dinâmica empresarial, exigindo equilíbrio entre novas contratações e o desligamento de perfis inadequados. O foco deste trabalho é o "desgaste" do funcionário — a deterioração de sua relação com a empresa. O objetivo é desenvolver uma Inteligência Artificial capaz de detectar e prevenir o desligamento voluntário, reduzindo custos e preservando o capital intelectual. Metodologia: Pesquisa descritiva com abordagem quali-quantitativa. Os dados foram extraídos da plataforma Kaggle e analisados por meio de gráficos e tabelas de correlação para identificar padrões comportamentais. O processo envolveu limpeza de dados, pré-processamento, treinamento de algoritmos e predição. Resultados: Comparou-se o desempenho de três modelos, com destaque para a superioridade da Floresta Randômica. Floresta Randômica: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Gradient Boosting: $R^2$ de 86,05%; Erro Absoluto Médio de 13,94%; Regressão Ridge: $R^2$ de 8,60%; Erro Absoluto Médio de 24,24%. Conclusão: A Floresta Randômica apresentou a maior acurácia, identificando que funcionários solteiros, em cargos de baixo nível hierárquico e que realizam horas extras são os mais propensos à demissão. Observou-se que o tamanho reduzido do dataset e o número de atributos limitaram o potencial de treinamento, sugerindo a necessidade de bases de dados maiores para maior efetividade preditiva. Universidade Estadual de Campinas (UNICAMP) 2023-07-24 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Texto Text application/pdf https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/7573 10.20396/simtec.vi8.Eixo 1.7573 Resumo dos trabalhos do SIMTEC Simpósio dos Profissionais da UNICAMP; v. 8 (2022): Temática: SimTec 25 anos: Histórias, Conquistas e Desafios Profissionais - Eixo 1; e02200963 2525-5398 por https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/7573/7269 Brazil; Contemporary Brasil; Contemporâneo Copyright (c) 2022 Carlos Caetano de Almeida, Bruno Bunheroto Contessoto, Fábio Seiji Sakai Iwashima https://creativecommons.org/licenses/by/4.0 |
| spellingShingle | Almeida, Carlos Caetano de Contessoto, Bruno Bunheroto Iwashima, Fábio Seiji Sakai Inteligência artificial Machine learning Ciência de dados Rh Desligamento de pessoal Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title | Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title_full | Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title_fullStr | Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title_full_unstemmed | Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title_short | Desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| title_sort | desenvolvimento de algoritmo da inteligência artificial para predição de desligamento de funcionários |
| topic | Inteligência artificial Machine learning Ciência de dados Rh Desligamento de pessoal |
| url | https://econtents.sbu.unicamp.br/eventos/index.php/simtec/article/view/7573 |
| work_keys_str_mv | AT almeidacarloscaetanode desenvolvimentodealgoritmodainteligenciaartificialparapredicaodedesligamentodefuncionarios AT contessotobrunobunheroto desenvolvimentodealgoritmodainteligenciaartificialparapredicaodedesligamentodefuncionarios AT iwashimafabioseijisakai desenvolvimentodealgoritmodainteligenciaartificialparapredicaodedesligamentodefuncionarios |
