Técnicas em data mining aplicadas na predição de satisfação de colaboradores de um hospital na Cidade de Guarapuava/PR

Orientadora : Profa. Dra. Luzia Vidal de SouzaDissertaçao (mestrado) - Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Métodos Numéricos de Engenharia - Programação Matemática. Defesa: Curitiba, 23/05/2013Bibliografia: fls. 84-86Resumo: A presente pesquisa trata da utilização do processo KDD no reconhecimento de padrões de comportamento dos colaboradores de um hospital, na cidade de Guarapuava/PR. Para tanto, foram utilizadas técnicas de predição em Data Mining (Técnicas de Redes Neurais Artificiais, Rede de Base Radial, Regressão Logística e Análise de Discriminante de Fisher). A partir de um banco de dados composto por um questionário aplicado aos colaboradores do Hospital, envolvendo perguntas de caráter pessoal e de satisfação, procuramos classificá-los como satisfeitos ou insatisfeitos. Com as respostas de 245 funcionários foram elaboradas duas matrizes de ordem 245 X 45, uma com dados sobre satisfação e outra com as características pessoais. A primeira matriz foi utilizada para classificação dos Grupos Satisfeitos e Grupos Insatisfeitos (GS e GI) e a segunda para aplicação das técnicas de Data Mining. Os resultados encontrados em todas as técnicas foram considerados satisfatórios, tendo em vista que classificaram a maioria dos indivíduos corretamente. Com os pesos e "bias" da Rede Neural e Redes de Base Radial (RBF), e os coeficientes da Regressão Logística e Discriminante de Fisher foi criada, por meio da elaboração de um programa, uma ferramenta de auxílio para a tomada de decisão dos gestores do setor de Recursos Humanos do Hospital, no que diz respeito à predição de um novo funcionário, que pode auxiliar na diminuição da rotatividade (turnover).Abstract: The aim of this research is to apply the Behavioral Pattern Recognition (BPR) to the personnel at a hospital in Guarapuava-PR. Thus, prediction techniques were used in Data Mining (Artificial Neural Network Techniques, Radial Basis Network, Logistic Regression and Fisher Discriminant Analysis). It was used a database composed of a questionnaire employed to the collaborators of the hospital, involving personal and satisfaction questions to classify them as satisfied or unsatisfied. With the answers of 245 employees, 2 models of 245x45 were elaborated, one with data for satisfaction and another for personal characteristics. The first model was used for the classification of the satisfied groups and unsatisfied groups (SG and UG) and the second one for the Data Mining Technique. The results found in all techniques were considered satisfactory, seeing that they assessed most individuals correctly. With the bias of the Neural and Radial Basis Networks and the coefficient of the Logistic Regression and Fisher Discriminant, it was created through a program development, a tool to help the Human Resource managers' decision regarding the prediction of a new employee and turnover reduction