Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/41206
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2021_LudimiladeOliveiraFelix.pdf3,41 MBAdobe PDFVoir/Ouvrir
Titre: Estudo da empregabilidade feminina utilizando técnicas de mineração de dados e algoritmos de machine learning
Auteur(s): Félix, Ludimila de Oliveira
Orientador(es):: Amvame-Nze, Georges Daniel
Assunto:: Empregabilidade
Árvore de decisão
Aprendizagem de máquina
Classificação supervisionada
Date de publication: 21-jui-2021
Référence bibliographique: 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.
Résumé: 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
Abstract: 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
metadata.dc.description.unidade: Faculdade de Tecnologia (FT)
Departamento de Engenharia Elétrica (FT ENE)
Description: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2021.
metadata.dc.description.ppg: Programa de Pós-Graduação em Engenharia Elétrica
Licença:: 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.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/41206/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.