Publicado:

2021-06-26 — Actualizado el 2021-07-27

Versiones

Número:

Vol. 8 Núm. 1 (2020): Enero-Agosto 2020

Sección:

Artículo corto

Modelos Predictivos para la Rotación del Talento Humano

Autores/as

  • José Luis Barbosa Fontecha Estudiante

Palabras clave:

Analítica, Modelo Predictivo, Rotación, Talento Humano. (es).

Descargas

Resumen (es)

En este artículo se presenta una investigación de los diferentes modelos predictivos que se utilizan en la rotación de personal en las empresas. Se consultaron artículos científicos que explican los diferentes métodos que se pueden implementar en este fenómeno que tiene gran impacto en las organizaciones, de la misma manera, se investigaron las aplicaciones de estos algoritmos predictivos en las empresas, con la información recopilada se presentaron resultados generales de lo que esperan las organizaciones en sus procesos, costos e imagen, al implementar estos modelos predictivos. Se tomarán los datos del proceso de rotación de personal de la empresa “Colsubsidio” (Caja de compensación social de Bogotá) a manera de ejemplo.

Resumen (en)

In this article we will present an investigation of the different predictive models that are used in the rotation of personnel in companies. We consulted scientific articles that explained the different methods that can be implemented in this phenomenon that has great impact in organizations, in the same way, we investigated the applications of these predictive algorithms in companies, with the collected information we presented general results of what organizations expect in their processes, costs and image, when implementing these predictive models.  The data of the personnel rotation process of the company "Colsubsidio" will be used as an example.

Referencias

Colsubsidio, «Informe de Gestión y Sostenibilidad,» Bogotá, 2018.

Zhang, «Big data research on driving behavior model and auto insurance pricing factors based on UBI,» in Proc. ICSINC, pp. 1-8, 2017.

Colsubsidio, «Hoja de vida indicadores,» Bogotá, 2015.

Zhang, «Analysis and Prediction of Employee Turnover Characteristics based on Machine Learning.,» The 18th International Symposium on Communications and Information Technologies, 2018.

L. Qu, «A decision tree applied to the grass-roots staffs' turnover problem —take C-R Group as an example,» IEEE International Conference on Grey Systems and Intelligent Services (GSIS), pp. 378-382, 2015.

D. ,. &. O. D. Carey, «The human side of M & A: how CEOs leverage the most important asset in deal making.,» Oxford University Press, 2004.

T. Eichenberg, Supervised Weight of Evidence Binning of Numeric Variables and Factors, R documentation, 2018.

S. d. l. Fuente, Tablas de contingencia, Madrid: Universidad Automoma, 2011.

C. Chien y L. Chen, «Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry.,» Expert Systems with applications, vol. 34, pp. 280-290, 2008.

J. I. Bagnato, «Qué es overfitting y underfitting y cómo solucionarlo,» 12 12 2017. [En línea]. Available: http://www.aprendemachinelearning.com/que-es-overfitting-y-underfitting-y-como-solucionarlo/.

F. S. Caparrini, «Clasificación Supervisada y No Supervisada,» 26 12 2018. [En línea]. Available: http://www.cs.us.es/~fsancho/?e=77.

K. Nevala, The machine learning, Cary: SAS, 2017.

S. Pita Fernández, «Análisis de supervivencia,» Cad Aten Primaria, pp. 130-135, 2001.

A. M. E. Sikaroudi, «A data mining approach to employee turnover prediction n (case study: Arak automotive parts manufacturing),» Journal of Industrial and Systems , pp. 106-121, 2015.

A. Moujahid, «Tema 5,» de Clasificadores K-NN, Universidad del Pa´ıs Vasco–Euskal Herriko Unibertsitatea, 2011, pp. 1-8.

J. Holand, Adaptation in natural and artificial systems",, USA: university of, 1975.

E. Veslin, Aplicación de algoritmos genéticos en problemas de Ingeniería, Rio de janeiro: Federal University of Rio de Janeiro, 2014.

M. C. &. M. J. A. Vélez, «Metaheurísticos: una alternativa para la solución de problemas,» Revista EIA, pp. 99-115, 2007.

T. F. S. B. N. F. W. &. B. Dang, «A Near Optimal Sensor Selection in The Columbia RIvEr (CORIE) Observation Network for Data Assimilation Using Genetic Algorithms,» Distributed Computing in Sensor Systems Lecture Notes in Computer Science, pp. 253-266, 2007.

C. G. G. Carlos Catania, «Reconocimiento de Patrones en el Tr´afico de Red Basado en Algoritmos Gen´eticos,» Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificia, pp. 65-75, 2008.

J. L. Alba Castro, «Maquinas de vercotes de soporte,» 1 08 2014. [En línea]. Available: https://web.archive.org/web/20140801145654/http://www.gts.tsc.uvigo.es/~jalba/doctorado/SVM.pdf.

J. K. Y. Yoon, «A practical approach to bankruptcy prediction For small businesses: substituting the unavailable financial data for credit card sales information,» Expert systems with Applications, pp. 3624-3629, 2010.

E. W. Steyerberga, «Medidas del rendimiento de modelos de predicción y marcadores pronósticos: evaluación de las predicciones y clasificaciones,» Revista española de cardiologia, p. 788–794, 2011.

S. Schroedl, «AUROC - Area under Receiver Operating Characteristic,» 07 04 2008. [En línea]. Available: https://www.mathworks.com/matlabcentral/fileexchange/19468-auroc-area-under-receiver-operating-characteristic.

P. F. S. López de Ullibarri Galparsoro I, «Curvas ROC,» Cad Aten Primaria, pp. 229-235, 2001.

H. y. McNeil, «Curvas ROC,» 1 08 2016. [En línea]. Available: http://www.hrc.es/bioest/roc_1.html#Mcneil.

W. Dwinnell, «Data Mining in MATLAB,» 20 06 2007. [En línea]. Available: http://matlabdatamining.blogspot.com/2007/06/roc-curves-and-auc.html.

Cómo citar

APA

Barbosa Fontecha, J. L. (2021). Modelos Predictivos para la Rotación del Talento Humano. Tecnología Investigación y Academia, 8(1), 54–71. Recuperado a partir de https://revistas.udistrital.edu.co/index.php/tia/article/view/14728 (Original work published 26 de junio de 2021)

ACM

[1]
Barbosa Fontecha, J.L. 2021. Modelos Predictivos para la Rotación del Talento Humano. Tecnología Investigación y Academia. 8, 1 (jul. 2021), 54–71.

ACS

(1)
Barbosa Fontecha, J. L. Modelos Predictivos para la Rotación del Talento Humano. Tecnol. Investig. Academia TIA 2021, 8, 54-71.

ABNT

BARBOSA FONTECHA, J. L. Modelos Predictivos para la Rotación del Talento Humano. Tecnología Investigación y Academia, [S. l.], v. 8, n. 1, p. 54–71, 2021. Disponível em: https://revistas.udistrital.edu.co/index.php/tia/article/view/14728. Acesso em: 24 sep. 2021.

Chicago

Barbosa Fontecha, José Luis. (2021) 2021. «Modelos Predictivos para la Rotación del Talento Humano». Tecnología Investigación y Academia 8 (1):54-71. https://revistas.udistrital.edu.co/index.php/tia/article/view/14728.

Harvard

Barbosa Fontecha, J. L. (2021) «Modelos Predictivos para la Rotación del Talento Humano», Tecnología Investigación y Academia, 8(1), pp. 54–71. Disponible en: https://revistas.udistrital.edu.co/index.php/tia/article/view/14728 (Accedido: 24septiembre2021).

IEEE

[1]
J. L. Barbosa Fontecha, «Modelos Predictivos para la Rotación del Talento Humano», Tecnol. Investig. Academia TIA, vol. 8, n.º 1, pp. 54–71, jul. 2021.

MLA

Barbosa Fontecha, J. L. «Modelos Predictivos para la Rotación del Talento Humano». 2021. Tecnología Investigación y Academia, vol. 8, n.º 1, julio de 2021, pp. 54-71, https://revistas.udistrital.edu.co/index.php/tia/article/view/14728.

Turabian

Barbosa Fontecha, José Luis. «Modelos Predictivos para la Rotación del Talento Humano». Tecnología Investigación y Academia 8, no. 1 (julio 27, 2021): 54–71. Accedido septiembre 24, 2021. https://revistas.udistrital.edu.co/index.php/tia/article/view/14728.

Vancouver

1.
Barbosa Fontecha JL. Modelos Predictivos para la Rotación del Talento Humano. Tecnol. Investig. Academia TIA [Internet]. 27 de julio de 2021 [citado 24 de septiembre de 2021];8(1):54-71. Disponible en: https://revistas.udistrital.edu.co/index.php/tia/article/view/14728

Descargar cita

Visitas

61

Descargas

Los datos de descargas todavía no están disponibles.