Banca de DEFESA: LAILA DE ARAUJO COSTA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LAILA DE ARAUJO COSTA
DATA : 27/02/2026
HORA: 16:30
LOCAL: Online
TÍTULO:

Uma abordagem preditiva de rotatividade de profissionais de tecnologia informação, usando modelos de aprendizado de máquina supervisionado: Conciliando acurácia e interpretabilidade

PALAVRAS-CHAVES:

Predição de rotatividade com aprendizado de máquina, modelagem preditiva, gerenciamento de recursos humanos

PÁGINAS: 30
RESUMO:

A alta rotatividade de profissionais em ambientes de desenvolvimento de software e hardware impacta negativamente organizações ou empresas, gerando custos e atrasos em projetos. Este estudo propõe um sistema de informação preditivo, baseado em aprendizado de máquina, para auxiliar na prevenção dessa rotatividade. Especificamente, objetiva-se obter uma solução que concilie acurácia na previsão com a interpretabilidade dos modelos, fornecendo informações úteis para apoiar a tomada de decisões em gestão de recursos humanos. Para isso, analisou-se variáveis técnicas, demográficas e comportamentais, daí então construiu-se uma base de dados para treinar e avaliar modelos preditivos. Resultados preliminares indicam taxas favoráveis da abordagem no alcance de boa acurácia, com desempenhos satisfatórios dos algoritmos Random Forest, XGBoost, Árvore de Decisão e Regressão Logística, com respectivamente com taxas de 85%, 82%, 80% e 80%. Quanto à solução de compromisso entre acurácia e interpretabilidade, em uma análise inicial, os modelos preditivos baseados em árvore de decisão e regressão logística se colocam em vantagem por suas características de, em geral, exibirem boa compreensibilidade

MEMBROS DA BANCA:
Presidente - 1645130 - LEANDRO DIAS DA SILVA
Interno(a) - 2351211 - AYDANO PAMPONET MACHADO
Interno(a) - 1121007 - EVANDRO DE BARROS COSTA
Externo(a) à Instituição - JOSÉ ANTÃO BELTRÃO MOURA - UFCG