Publicação
Explicabilidade em modelos de IA aplicados à seleção de recursos humanos
| Resumo: | Este trabalho tem como objetivo propor um sistema de apoio à decisão para o processo de recrutamento e seleção de candidatos ao cargo de consultor de vendas, por meio da predição automatizada de notas atribuídas a currículos. Foram empregados algoritmos de aprendizado de máquina supervisionado, incluindo KNN, Random Forest, SVM e redes neurais MLP, para prever a avaliação de um recrutador humano a partir de 14 atributos técnicos extraídos de currículos reais. Como diferencial, este estudo incorporou técnicas de explicabilidade como SHAP, LIME e TreeInterpreter, promovendo a explicabilidade na análise preditiva, possibilitando identificar a importância de cada variável tanto local quanto globalmente. A base de dados foi padronizada, normalizada e complementada com dados sintéticos a fim de mitigar desequilíbrios. A avaliação dos modelos foi conduzida com base em métricas como MAE, MSE, RMSE e R2, além da análise de resíduos e da matriz de confusão. O melhor desempenho entre as redes neurais foi obtido com a MLP (23-12-6-1), treinada com 50% de dados sintéticos, que alcançou MAE de 0,23, MSE de 0,28, RMSE de 0,53 e R2 = 0,97. No entanto, o modelo com maior desempenho geral foi a Random Forest com 1000 árvores, que atingiu MAE de 0,14, MSE de 0,16, RMSE de 0,40 e R2 = 0,98. |
|---|---|
| Autores principais: | Neto, Reginaldo Gregório de Souza |
| Assunto: | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico de Bragança |
| Idioma: | português |
| Origem: | Biblioteca Digital do IPB |
| _version_ | 1867173246945722368 |
|---|---|
| author | Neto, Reginaldo Gregório de Souza |
| author_facet | Neto, Reginaldo Gregório de Souza |
| author_role | author |
| contributor_name_str_mv | Teixeira, João Paulo Foleis, Juliano Henrique Biblioteca Digital do IPB |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Neto, Reginaldo Gregório de Souza\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Teixeira, João Paulo Foleis, Juliano Henrique Biblioteca Digital do IPB |
| datacite.creators.creator.creatorName.fl_str_mv | Neto, Reginaldo Gregório de Souza |
| datacite.date.Accepted.fl_str_mv | 2025-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2025-11-20T16:55:26Z |
| datacite.date.embargoed.fl_str_mv | 2025-11-20T16:55:26Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| datacite.titles.title.fl_str_mv | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| dc.contributor.none.fl_str_mv | Teixeira, João Paulo Foleis, Juliano Henrique Biblioteca Digital do IPB |
| dc.creator.none.fl_str_mv | Neto, Reginaldo Gregório de Souza |
| dc.date.Accepted.fl_str_mv | 2025-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2025-11-20T16:55:26Z |
| dc.date.embargoed.fl_str_mv | 2025-11-20T16:55:26Z |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://hdl.handle.net/10198/35120 |
| dc.language.none.fl_str_mv | por |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.subject.none.fl_str_mv | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| dc.title.fl_str_mv | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | Este trabalho tem como objetivo propor um sistema de apoio à decisão para o processo de recrutamento e seleção de candidatos ao cargo de consultor de vendas, por meio da predição automatizada de notas atribuídas a currículos. Foram empregados algoritmos de aprendizado de máquina supervisionado, incluindo KNN, Random Forest, SVM e redes neurais MLP, para prever a avaliação de um recrutador humano a partir de 14 atributos técnicos extraídos de currículos reais. Como diferencial, este estudo incorporou técnicas de explicabilidade como SHAP, LIME e TreeInterpreter, promovendo a explicabilidade na análise preditiva, possibilitando identificar a importância de cada variável tanto local quanto globalmente. A base de dados foi padronizada, normalizada e complementada com dados sintéticos a fim de mitigar desequilíbrios. A avaliação dos modelos foi conduzida com base em métricas como MAE, MSE, RMSE e R2, além da análise de resíduos e da matriz de confusão. O melhor desempenho entre as redes neurais foi obtido com a MLP (23-12-6-1), treinada com 50% de dados sintéticos, que alcançou MAE de 0,23, MSE de 0,28, RMSE de 0,53 e R2 = 0,97. No entanto, o modelo com maior desempenho geral foi a Random Forest com 1000 árvores, que atingiu MAE de 0,14, MSE de 0,16, RMSE de 0,40 e R2 = 0,98. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://bibliotecadigital.ipb.pt/bitstreams/23874a7e-3664-477c-bbf9-faac0d105ff5/download |
| id | ipb_65fabc6124ec413d05b6cf99bc641f76 |
| identifier.url.fl_str_mv | http://hdl.handle.net/10198/35120 |
| instacron_str | ipb |
| institution | Instituto Politécnico de Bragança |
| instname_str | Instituto Politécnico de Bragança |
| language | por |
| network_acronym_str | ipb |
| network_name_str | Biblioteca Digital do IPB |
| oai_identifier_str | oai:bibliotecadigital.ipb.pt:10198/35120 |
| organization_str_mv | urn:organizationAcronym:ipb |
| person_str_mv | Neto, Reginaldo Gregório de Souza |
| publishDate | 2025 |
| reponame_str | Biblioteca Digital do IPB |
| repository_id_str | urn:repositoryAcronym:ipb |
| service_str_mv | urn:repositoryAcronym:ipb |
| spelling | porporEste trabalho tem como objetivo propor um sistema de apoio à decisão para o processo de recrutamento e seleção de candidatos ao cargo de consultor de vendas, por meio da predição automatizada de notas atribuídas a currículos. Foram empregados algoritmos de aprendizado de máquina supervisionado, incluindo KNN, Random Forest, SVM e redes neurais MLP, para prever a avaliação de um recrutador humano a partir de 14 atributos técnicos extraídos de currículos reais. Como diferencial, este estudo incorporou técnicas de explicabilidade como SHAP, LIME e TreeInterpreter, promovendo a explicabilidade na análise preditiva, possibilitando identificar a importância de cada variável tanto local quanto globalmente. A base de dados foi padronizada, normalizada e complementada com dados sintéticos a fim de mitigar desequilíbrios. A avaliação dos modelos foi conduzida com base em métricas como MAE, MSE, RMSE e R2, além da análise de resíduos e da matriz de confusão. O melhor desempenho entre as redes neurais foi obtido com a MLP (23-12-6-1), treinada com 50% de dados sintéticos, que alcançou MAE de 0,23, MSE de 0,28, RMSE de 0,53 e R2 = 0,97. No entanto, o modelo com maior desempenho geral foi a Random Forest com 1000 árvores, que atingiu MAE de 0,14, MSE de 0,16, RMSE de 0,40 e R2 = 0,98.application/pdfExplicabilidade em modelos de IA aplicados à seleção de recursos humanosNeto, Reginaldo Gregório de SouzaTeixeira, João PauloFoleis, Juliano HenriqueHostingInstitutionOrganizationalBiblioteca Digital do IPBe-mailmailto:dspace@ipb.ptdspace@ipb.ptURNurn:tid:2040537492025-11-20T16:55:26Z202520252025-01-01T00:00:00ZHandlehttp://hdl.handle.net/10198/35120http://purl.org/coar/access_right/c_abf2open accessInteligência artificialRecrutamento e seleçãoExplicabilidadeAprendizado supervisionadoRegressão2858067 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesis2025http://creativecommons.org/licenses/by/4.0/http://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://bibliotecadigital.ipb.pt/bitstreams/23874a7e-3664-477c-bbf9-faac0d105ff5/download |
| spellingShingle | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos Neto, Reginaldo Gregório de Souza Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| status | SINGLETON |
| subject.fl_str_mv | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| title | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| title_full | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| title_fullStr | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| title_full_unstemmed | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| title_short | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| title_sort | Explicabilidade em modelos de IA aplicados à seleção de recursos humanos |
| topic | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| topic_facet | Inteligência artificial Recrutamento e seleção Explicabilidade Aprendizado supervisionado Regressão |
| url | http://hdl.handle.net/10198/35120 |
| visible | 1 |