Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/30551
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Silva, Maria Gabriela Matias da | - |
dc.contributor.author | Ferreira, Inês Isabel Santos | - |
dc.date.accessioned | 2024-01-23T15:45:30Z | - |
dc.date.issued | 2023-12-13 | - |
dc.date.submitted | 2023-10 | - |
dc.identifier.citation | Ferreira, I. I. S. (2023). Machine learning to predict turnover intention in social workers [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/30551 | por |
dc.identifier.uri | http://hdl.handle.net/10071/30551 | - |
dc.description.abstract | 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. | por |
dc.description.abstract | 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. | por |
dc.language.iso | eng | por |
dc.rights | restrictedAccess | por |
dc.subject | Fatigue | por |
dc.subject | Turnover intention | por |
dc.subject | Trabalhador social -- Social worker | por |
dc.subject | Victim support helpers | por |
dc.subject | Occupational hazards | por |
dc.subject | Predictive analytics | por |
dc.subject | Machine learning | por |
dc.subject | Cansaço | por |
dc.subject | Profissionais de apoio à vítima | por |
dc.subject | Perigos ocupacionais | por |
dc.subject | Análise preditiva | por |
dc.title | Machine learning to predict turnover intention in social workers | por |
dc.type | masterThesis | por |
dc.peerreviewed | yes | por |
dc.identifier.tid | 203459717 | por |
dc.subject.fos | Domínio/Área Científica::Ciências Sociais::Economia e Gestão | por |
thesis.degree.name | Mestrado em Métodos Analíticos para Gestão | por |
dc.date.embargo | 2024-12-12 | - |
iscte.subject.ods | Trabalho digno e crescimento económico | por |
iscte.subject.ods | Reduzir as desigualdades | por |
iscte.subject.ods | Paz, justiça e instituições eficazes | por |
dc.subject.jel | C38 | por |
dc.subject.jel | M12 | por |
dc.subject.jel | Y40 | por |
dc.subject.jel1 | C Mathematical and quantitative methods | por |
dc.subject.jel1 | M Business administration and business economics - Marketing - Accounting - Personnel economics | por |
dc.subject.jel1 | Y Miscellaneous categories | por |
thesis.degree.department | Departamento de Métodos Quantitativos para Gestão e Economia | por |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_ines_santos_ferreira.pdf Restricted Access | 1,2 MB | Adobe PDF | Ver/Abrir Request a copy |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.