Predicción de la felicidad de los empleados en el lugar de trabajo

thumbnail

Tutor / Supervisor

Astone, Gerardo

Student

Zhao Zheng, Paula

Document type

Bachelor thesis

Date

2020

rights

Open AccessOpen Access

Publisher

Universitat Politècnica de Catalunya



Abstract

El proyecto Kokoro de Slashmobility consiste en una plataforma dirigida a RRHH para poder predecir las acciones de los empleados, la cual una de las acciones es la fuga de talento. Para ello, Kokoro necesita el input de Felicidad del empleado, es decir, la autorrealización del empleado en la empresa. Este TFG analiza la predicción de esta felicidad en base a unos cuestionarios con preguntas definidas para determinar la felicidad, distribuidas por un chatbot. Debido a que durante el desarrollo del TFG aún no ha sido desarrollado tal chatbot, se han generado unos datos teóricos y realistas. Se analiza la predicción con diferentes métodos de Machine Learning: Decision Tree, Random Forest, Linear Regression y MLP (Red neuronal) y se ha llegado a la conclusión de que con estos datos teóricos, el mejor método es Random Forest, con una precisión alrededor del 94%, bastante alta precisión, aunque puede ser debido a que los datos son teóricos.
Slashmobility's Kokoro project consists of a platform aimed to HR to be able to predict the actions of employees, one of which is the flight of talent. For this, Kokoro needs the input of Employee Happiness, that is the employee's self-realization in the company. This TFG analyzes the prediction of this happiness based on questionnaires to determine the employee happiness, distributed by a chatbot. Due to the fact that such chatbot has not yet been developed (during the development of the TFG), theoretical and realistic data have been generated. The prediction is analyzed with different Machine Learning methods: Decision Tree, Random Forest, Linear Regression and MLP (Neural Network). It has been concluded that with these theoretical data, the best method is Random Forest, with a precision around 94%, a high precision, although it may be because the data is theoretical.
El projecte de Kokoro de Slashmobility consisteix en una plataforma dirigida a RRHH per poder predir les accions dels empleats, la qual una de les accions és la fuga de talent. Per això, Kokoro necessita el input de “Felicitat del emplea”, és a dir, la autorealització de l'empleat en la empresa. Aquest TFG analitza la predicció d'aquesta felicitat en base a uns qüestionaris per determinar la felicitat, distribuïdes per un chatbot. Degut a que durant el desenvolupament del TFG encara no ha estat desenvolupat aquest chatbot, s'han generat unes dades teòriques y realistes . S'analitza la predicció amb diferents mètodes de Machine Learning: Decision Tree, Random Forest, Linear Regression i MLP (Xarxa Neuronal). S'ha arribat a la conclusió de que amb aquestes dades teòriques, el millor mètode és Random Forest amb una precisió al voltant del 94%, una precisió bastant alta, encara que pot ser degut que les dades són teòriques.

Entitat col·laboradora

SlashMobility
user

Participating teacher

Files