Mostrar el registro sencillo del ítem
Machine learning en la mejora del proceso de selección del personal administrativo de la Corte Superior de Justicia de Lima, 2020
dc.contributor.advisor | Visurraga Agüero, Joel Martin | |
dc.contributor.author | Coronel Castillo, Eric Gustavo | |
dc.date.accessioned | 2021-05-31T14:49:00Z | |
dc.date.available | 2021-05-31T14:49:00Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/61903 | |
dc.description.abstract | En esta investigación se determinó que el Machine Learning mejora el proceso de selección del personal administrativo de la Corte Superior de Justicia de Lima, 2020. El estudio se realizó a raíz de que los procesos de selección tradicionales generan puestos cancelados o desiertos. Se desarrolló una investigación con enfoque cuantitativo en una muestra de 300 observaciones, bajo el supuesto de que machine learning mejora el proceso de selección del personal administrativo, se eligió un diseño cuasi experimental, donde el proceso de selección se cuantificó con tres indicadores, índice de personal postulante, índice de evaluación curricular, e índice de contratación, a través de un pretest y un postest, las observaciones se obtuvieron mediante fichas que fueron validadas mediante juicio de expertos y la confiabilidad se valoró mediante el test alfa de Cronbach, cuyas valoraciones superaron el 70%. Los resultados se determinaron mediante el test de Wilcoxon que permitió la comparación del pretest y postest, cuyo contraste fue significativo en cada indicador, y se determinó que los indicadores mejoran en 35% en el índice de personal postulante, 17% en el índice de evaluación curricular, y 2% en el índice de contratación. | en_US |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Selección de personal | es_PE |
dc.subject | Personal administrativo | es_PE |
dc.subject | Inteligencia artificial | es_PE |
dc.title | Machine learning en la mejora del proceso de selección del personal administrativo de la Corte Superior de Justicia de Lima, 2020 | es_PE |
dc.type | info:eu-repo/semantics/masterThesis | es_PE |
thesis.degree.discipline | Maestría en Ingeniería de Sistemas con Mención en Tecnologías de la Información | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Escuela de Posgrado | es_PE |
thesis.degree.name | Maestro en Ingeniería de Sistemas con mención en Tecnologías de la Información | es_PE |
dc.description.sede | Lima Norte | es_PE |
dc.description.escuela | Escuela de Posgrado | es_PE |
dc.description.lineadeinvestigacion | Sistema de Información y Comunicación | es_PE |
renati.advisor.dni | 10192315 | |
renati.advisor.orcid | https://orcid.org/0000-0002-0024-668X | es_PE |
renati.author.dni | 06914897 | |
renati.discipline | 612427 | es_PE |
renati.juror | Flores Zafra, David | |
renati.juror | Ramirez Rios, Alejandro | |
renati.juror | Visurraga Aguero, Joel Martin | |
renati.level | https://purl.org/pe-repo/renati/level#maestro | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Lima Norte [350]