A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina
Autor(a)
Mendes Júnior, Amilton Lôbo
Orientador(a) Coorientador(a)
Silva, Gladston Luiz da
Data de aceite
2024-02-21
Data de disponibilizacao
2024-02-21
Data de publicacao
2024-02-21
Data de defesa submissao
2023-07-04
Citacao
MENDES JUNIOR, Amilton Lôbo. A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego: uma abordagem de aprendizado de máquina. 2023. xii, 59 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.
Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
Resumo Portugues
O presente trabalho propõe a utilização de técnicas de aprendizado de máquina na atividade do perfilamento de trabalhadores do sistema público de emprego brasileiro, o Sistema
Nacional de Emprego - Sine. A utilização de um mecanismo automatizado de perfilamento
de trabalhadores permitirá que esforços sejam direcionados para o tratamento preventivo
de trabalhadores mais propensos a permanecerem por mais tempo fora do mercado formal
de trabalho. Esse tratamento antecipado poderá contribuir com a antecipação do retorno
dos trabalhadores ao mercado de trabalho formal, com o potencial resultado de reduzir
os gastos com o seguro-desemprego, os quais foram em 2022 em torno de 35 bilhões de
reais. A área sob a curva (AUC) foi escolhida como métrica para a avaliação dos modelos Logistic Regression (LR), Gradient Boosting Machines (GBM), Extreme Gradient
Boosting (XGBoost) e uma Rede Neural com a utilização de um embedding de códigos da
Classificação Brasileira de Ocupações(CBO). No experimento, o modelo com os melhores
resultados apresentados foi o XGBoost. Melhorias futuras podem incluir a adição de variáveis relacionadas ao mercado local de trabalho e a transições de setores da economia,
de ocupações e de residência.
Resumo Ingles
The present work proposes the application of machine learning techniques in the profiling
of workers of brazilian public employment system, the National Employment System -
NES (Sine in portuguese). The use of an automated worker profiling mechanism will allow efforts to be directed towards the preventive treatment of workers who are more likely
to remain longer outside the formal labor market. This early treatment could contribute
to bringing workers back to the formal job market earlier, with the potential result of
reducing unemployment insurance expenses, which in 2022 were around 35 billion reais.
The area under the curve (AUC) was chosen as a metric for evaluating the models Logistic Regression (LR), Gradient Boosting Machines (GBM), Extreme Gradient Boosting
(XGBoost) and a Neural Network using an embedding of codes from the Brazilian Classification of Occupations (CBO). In the experiment, the model with the best results was
XGBoost. Future improvements may include the addition of variables related to the local
labor market and transitions in sectors of the economy, occupations and residence.
Unidade academica
Instituto de Ciências Exatas (IE)
Departamento
Departamento de Ciência da Computação (IE CIC)
Programa de Pos-Graduacao
Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Idioma
por
Tipo de documento
Dissertação
Formato
application/pdf
Direitos de acesso
Acesso Aberto
Termo de licenca
A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br,www.ibict.br,www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Palavras-chave
Aprendizagem de máquina||Sistema Nacional de Emprego (SINE)||Perfil profissional
