ATENÇÃO: Esta página foi traduzida automaticamente pelo Google Translate. Isto pode ter consequências inesperadas no conteúdo apresentado e, portanto, não nos responsabilizamos pelo resultado dessa tradução automática.


ATTENTION: this page has been automatically translated by Google Translate. This can have unexpected consequences and, therefore, we do not take responsibility for the result of that automatic translation.

menu
EN
menu
close
MestradoMestrado em Métodos Analíticos para Gestão

Machine learning to predict turnover intention in social workers

Autor
Ferreira, Inês Isabel Santos
Acesso
Acesso livre
Palavras-chave
Turnover intention
Machine learning
Predictive analytics
Fatigue
Análise preditiva
Trabalhador social -- Social worker
Victim support helpers
Occupational hazards
Cansaço
Profissionais de apoio à vítima
Perigos ocupacionais
Resumo
PT
Este projeto dedicou-se a determinar os elementos que influenciam a decisão dos funcionários de organizações sociais a abandonarem o seu emprego. Para atingir esse objetivo, foi desenvolvido um questionário incorporando todos os antecedentes que, segundo a literatura, apresentavam capacidade para influenciar este fator. De forma a responder à pergunta de investigação, recorreu-se à metodologia CRISP-DM para organizar o desenvolvimento de uma solução analítica que se comprometesse a prever quais os funcionários com propensão para ter intenção de abandonar o emprego. Utilizando uma técnica C&R foi identificado um modelo com métricas satisfatórias (precisão=81%; sensibilidade=79%; especificidade=83%, precisão=85%; FScore= 0,81; e AUC=0,885). Através deste modelo, foram identificados dois perfis representativos dos grupos com maior probabilidade de equacionarem sair da organização em que trabalham.
EN
The primary objective of this study was to ascertain the factors that exert an impact on the propensity of employees within social organizations to experience turnover intention. To do this, a questionnaire was developed considering all the antecedents that the literature indicated could have an impact on this factor. To answer the research question, the CRISP-DM methodology was used to organize the development of an analytical solution to predict which employees are prone to have intention of leaving their job. Using a C&R technique, a model with satisfactory metrics was identified (accuracy=81%; sensitivity=79%; specificity=83%, accuracy=85%; F-Score=0.81; and AUC=0.885). Through this model, two representative profiles of the groups most likely to demonstrate turnover intention were identified.

Relacionadas