Estudo da empregabilidade feminina utilizando técnicas de mineração de dados e algoritmos de machine learning
Autor(a)
Félix, Ludimila de Oliveira
Orientador(a) Coorientador(a)
Amvame-Nze, Georges Daniel
Data de aceite
2021-06-21
Data de disponibilizacao
2021-06-21
Data de publicacao
2021-06-21
Data de defesa submissao
2020-08-28
Citacao
FELIX, Ludimila de Oliveira. Estudo da empregabilidade feminina utilizando técnicas de mineração de dados e algoritmos de machine learning. 2021. x, 52 f., il. Dissertação (Mestrado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2021.
Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2021.
Resumo Portugues
O atual cenário da empregabilidade feminina no Brasil é preocupante, apesar de serem
a maioria da população, mulheres representam 41,2% da população economicamente ativa, enquanto
homens são 58,8%. Além disso, mulheres lideram as taxas de desemprego. No contexto mundial, a ONU
orienta os países membros em promover a igualdade de gênero e empoderamento. Nesse sentido, é
necessário ações governamentais que viabilizem a inclusão feminina no mercado de trabalho e a equidade
salarial. A utilização de tecnologias para análise do grande volume de dados é realidade e pode gerar
informações essenciais para criação de políticas públicas e sociais. A proposta da pesquisa é utilizar as
informações bases de dados do ano base 2018 compostas pela Relação Anual de Informações Sociais
(RAIS) e pelo Cadastro Geral de Empregados e Desempregados (CAGED) para estudar o perfil da
empregabilidade feminina no contexto do mercado de trabalho brasileiro utilizando técnicas de aprendizado
de máquina. E assim, gerar informações para futuras políticas governamentais e empresariais. Como
resultado, conseguimos observar de forma automatizada e rápida fatores que afetam a empregabilidade
feminina no país
Resumo Ingles
Currently Brazil’s female employability scenario concerns, despite being the majority of
population, women lead the unemployment rates and men still represent the major portion of the
economically active people, 55.08 %. UN (United Nations) advises the member countries to promote gender
equality and women empowerment. Therefore, government actions need to encourage women’s labour
market inclusion and wage equity. Technology usage for data mining provides essential information which
allows public and social policies conceiving. This study aims to use the data collected on 2018’s Annual List
of Social Information (RAIS) and General Register of Employed and Unemployed (CAGED) to study the
profile of female employability applied to Brazilian labour market using machine learning techniques. Thus,
generating material for future government and business policies conception. Results of this paper includes
exposure of variables presents impacts on women employability
Unidade academica
Faculdade de Tecnologia (FT)
Departamento
Departamento de Engenharia Elétrica (FT ENE)
Programa de Pos-Graduacao
Programa de Pós-Graduação em Engenharia Elétrica
Agencia financiadora
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Idioma
Português
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.bce.unb.br,www.ibict.br,http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, 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
Empregabilidade||Árvore de decisão||Aprendizagem de máquina||Classificação supervisionada
