Please use this identifier to cite or link to this item: http://hdl.handle.net/10071/34534
Author(s): Bernardino, Paulo Manuel Martins
Advisor: Pereira, Ruben
Date: 8-Jan-2025
Title: Integração de Inteligência Artificial e Machine Learning em programas de formação nas organizações
Reference: Bernardino, P. M. M. (2024). Integração de Inteligência Artificial e Machine Learning em programas de formação nas organizações [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/34534
Keywords: Aprendizagem automática
Competências -- Skills
Sistema de recomendação
Previsão
Machine learning -- Machine learning
Recommendation
Prediction
Abstract: As empresas enfrentam desafios relacionados com a competitividade, eficácia e retenção de talento, bem como com a dificuldade em obter informações detalhadas sobre o impacto do investimento realizado na formação dos colaboradores e a sua contribuição para a criação de valor na entidade e assim compreender melhor se os programas formativos fornecidos pelas mesmas estão adequados às funções a desempenhar. Este trabalho apresenta o desenvolvimento de um sistema de recomendação para apoiar a gestão de formação e o desenvolvimento de competências nas organizações. O sistema foca-se em três funcionalidades principais: antecipação de saídas profissionais, previsão de profissões futuras e recomendação de formações com base nas competências. Utilizando dados de colaboradores e de um catálogo de competências, o sistema combina métodos de machine learning e análise de dados para oferecer recomendações personalizadas. O sistema também integra uma interface amigável, que facilita a navegação e a escolhas pelos gestores. Apesar do sucesso em diversas áreas, foram identificadas limitações, como a precisão moderada na previsão de profissões futuras e a ausência de dados detalhados sobre funções, que abrem caminho para melhorias futuras. Com este projeto, espera-se contribuir para a eficiência e eficácia dos programas de formação, promovendo a retenção de talentos, o desenvolvimento contínuo dos colaboradores e o fortalecimento da cultura organizacional.
Companies face challenges related to competitiveness, effectiveness and talent retention, as well as the difficulty of obtaining detailed information on the impact of the investment made in employee training and its contribution to the creation of value in the entity, and thus better understand whether the training programs provided by them are appropriate to the functions to be performed. This paper presents the development of a recommendation system to support training management and skills development in organizations. The system focuses on three main functionalities: anticipating career paths, predicting future jobs and recommending training based on skills. Using data from employees and a skills catalog, the system combines machine learning methods and data analysis to offer personalized recommendations. The system also integrates a user-friendly interface that makes it easy for managers to navigate and make choices. Despite its success in several areas, limitations have been identified, such as moderate accuracy in predicting future professions and the lack of detailed data on functions, which open the way for future improvements. With this project, it is hoped to contribute to the efficiency and effectiveness of training programs, promoting talent retention, continuous employee development and strengthening the organizational culture.
Department: Departamento de Ciências e Tecnologias da Informação
Degree: Mestrado em Tecnologias Digitais para o Negócio
Peerreviewed: yes
Access type: Open Access
Appears in Collections:T&D-DM - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
Master_paulo_martins_bernardino.pdf2,23 MBAdobe PDFView/Open


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis Logotipo do Orcid 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.