Mostrar el registro sencillo del ítem

dc.contributor.advisorSoto Forero, Wilson Eduardo
dc.contributor.authorArias Rojas, Josefina
dc.contributor.authorDeantonio Saenz, Yesenia
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2025-02-19T12:49:11Z
dc.date.available2025-02-19T12:49:11Z
dc.date.issued2023-12-05
dc.identifier.urihttp://hdl.handle.net/10823/7551
dc.description.abstractEn consecuencia de la creciente necesidad en las empresas de fortalecer el área de recursos humanos para el proceso de reclutamiento, en el presente trabajo se propone el diseño de un modelo basado en machine learning este enfoque implicó la integración de algoritmos de agrupamiento y clasificación, con base en el nivel de conocimiento de las habilidades técnicas de los posibles candidatos, de manera que se logró realizar un análisis de resultados del proceso de agrupamiento que luego se tuvo encuentra para el modelo de clasificación del candidato con el nivel de habilidad respectivamente, este proceso es crucial para que exista una categorización de los posibles candidatos, facilitando la selección de personal a perfiles específicos de la empresa; una vez realizada la clasificación del candidato pre seleccionado y garantizando la integridad y transparencia de los datos, se implementó un contrato inteligente con basado en la tecnología blockchain como etapa final del proceso.spa
dc.description.tableofcontents1. RESUMEN... 3 2. Palabras Clave... 3 3. ALCANCE... 6 4. PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN... 7 5. OBJETIVOS DE INVESTIGACIÓN... 9 Objetivo General... 9 Objetivos Específico... 9 6. REVISIÓN DE LITERATURA... 10 7. DISEÑO METODOLÓGICO... 22 8. RESULTADOS... 36 9. CONCLUSIONES Y RECOMENDACIONES... 44 10. REFERENCIAS BIBLIOGRÁFICAS... 46spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.titleModelo de selección de candidatos usando técnicas de Machine Learning y tecnología Blockchainspa
dc.typebachelorThesisspa
dc.type.localTesis/Trabajo de grado - Monografía - Pregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.title.translatedCandidate selection model using machine learning techniques and blockchain technologyspa
dc.subject.proposalAgrupamientospa
dc.subject.proposalAlgoritmospa
dc.subject.proposalBlockchainspa
dc.subject.proposalClasificaciónspa
dc.subject.proposalContrato Inteligentespa
dc.subject.proposalMachine learningspa
dc.subject.proposalReclutamientospa
dc.subject.lembCadenas de bloques - bases de datosspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembInteligencia artificialspa
dc.description.abstractenglishAs a result of the growing need in companies to strengthen the human resources department for the recruitment process, this paper proposes the design of a model based on machine learning. This approach involved the integration of clustering and classification algorithms, based on the technical skill knowledge level of potential candidates. This allowed for an analysis of the clustering process results, which were then considered for the candidate classification model according to their respective skill levels. This process is crucial for categorizing potential candidates, facilitating the selection of staff for specific company profiles. Once the pre-selected candidate was classified and the integrity and transparency of the data were ensured, a smart contract based on blockchain technology was implemented as the final stage of the process.spa
dc.subject.keywordsAlgorithmspa
dc.subject.keywordsBlockchainspa
dc.subject.keywordsClassificationspa
dc.subject.keywordsClusteringspa
dc.subject.keywordsMachine learningspa
dc.subject.keywordsRecruitmentspa
dc.subject.keywordsSmart Contractspa
dc.relation.referencesAydoğan, R., Marsa-Maestre, I., Klein, M., & M. Jonker , C. (2018). A Machine Learning Approach for Mechanism Selection in Complex Negotiations. Journal of Systems Science and Systems Engineering, 134-155. doi:https://doi.org/10.1007/s11518-018-5369-5spa
dc.relation.referencesBarrientos-Martinez, R., Cruz-Ramirez, N., Acosta-Mesa, H.-G., Rabatte-Suárez, I., Gogeascoechea-Trejo, M.-d.-C., Pavón-León, P., & Blázquez-Morales, S.-L. (2009). Árboles de decisión como herramienta en el diagnóstico médico. Revista médica de la Universidad Veracruzana, 19.24spa
dc.relation.referencesBartoletti, M., & Pompianu, L. (2017). An empirical analysis of smart contracts:. Universit`a degli Studi di Cagliari, Cagliari, Italy. doi:https://arxiv.org/abs/1703.06322spa
dc.relation.referencesBeltran-Pardo, M., & Sevillano-Jaén, F. (2013). Cloud Computing, tecnología y negocio. Ediciones Paraninfo, S.A.spa
dc.relation.referencesBojorque-Chasi, R.-X. (2020). Clustering de sistemas de recomendación mediante técnicas de fcatorización matricial. Universidad Politécnica de Madrid. Madrid: E.T.S.I. de Sistemas Informáticos (UPM). doi:https://oa.upm.es/58156spa
dc.relation.referencesCaballero, J., Martinez, C., & Ballesteros, F. (n.d.). INSPECCIONES POR ULTRASONIDOS ORIENTADAS POR LOS DATOS PARA MATERIALES COMPUESTOS. Madrid: REVISTA DE LA SOCIEDAD ESPAÑOLA DE MATERIALES.spa
dc.relation.referencesChiavenato, A. (2011). Administración de recursos humanos: El capital humano de las organizaciones. University of Los Angeles: McGRAW-HILL/INTERAMERICANA.spa
dc.relation.referencesChiavenato, I. (2009). Gestión de Recursos Humanos. (E. E. Ltda, Ed.) The McGraw-Hill .spa
dc.relation.referencesCorral, F. (2007). Reclutamiento y Selección por Competencias. EScuela de Negocios. Caracas-Venezuela: eoiamérica.spa
dc.relation.referencesDiaz-Romero, S., & Sanyer Mosquera, W. (2021). “Selección de candidatos para encuestas mediante técnicas de machine learning”. Guayaquil - Ecuador: https://www.dspace.espol.edu.ec/handle/123456789/54068. doi:https://www.dspace.espol.edu.ec/handle/123456789/54068spa
dc.relation.referencesEmilio. (2020, Julio 28). Introducción a Knime. Retrieved from TodoBI Business Intelligence, stratebi open business intelligence: https://todobi.com/introduccion-a-kine/spa
dc.relation.referencesGarcía-Bermejo, P. (2022). Data Science y KNIME, combinación perfecta para el éxito en la toma de desiciones. Universitat Oberta de Catalunya (UOC). doi:http://hdl.handle.net/10609/138786spa
dc.relation.referencesGarcía-Cambronero, C., & Gomez-Moreno, I. (2006). Algoritmos de aprendizaje: knn & kmeans. UniversidadCarlosIIIdeMadrid, Madrid.spa
dc.relation.referencesGolosova, J., & Romanovs, A. (2018, December 30). IEEE Xplore. doi:10.1109/AIEEE.2018.8592253spa
dc.relation.referencesGonzalez-Perez, M.-A. (2018, Noviembre 17). Blockchain: más que transparencia y descentralización. doi:http://hdl.handle.net/10784/24560spa
dc.relation.referencesGuerrero Barrera, E. (2017). "PRINCIPALES ESTRATEGIAS DE AFRONTAMIENTO DE ESTRÉS LABORAL EN LOS PROCESOS DE RECLUTAMIENTO MASIVO, SEGÚN LA PERCEPCIÓN DE UN GRUPO DE ENCARGADOS DE DOTACIÓN DE PERSONAL.". GUATEMALA DE LA ASUNCIÓN: UNIVERSIDAD RAFAEL LANDÍVAR.spa
dc.relation.referencesHernández-Martinez, L. (2020). El reclutamiento 4.0 en la era digital: La selección de talento y el marketing digital. Universidad Zaragoza, Departamento de Informática e Ingeniería de Sistemas, Área de Lenguajes y Sistemas Informáticos. ZAGUAN Repositorio Institucional de Documentos. doi:https://zaguan.unizar.es/record/101929spa
dc.relation.referencesHinestroza-Ramírez, D. (2018). El Machine Learning a través de los tiempos, y los aportes a la humanidad. Universidad Libre Seccional de Pereira, Pereira. doi:https://hdl.handle.net/10901/17289spa
dc.relation.referencesIEEE. (2016). IEEE Xplore. doi:10.1109/SP.2016.55.spa
dc.relation.referencesJacanamejoy-Jamioy, C.-A., Forero-Vargas, M.-G., & Tavera-Bucurú, W. (2019). NUEVO MÉTODO PARA EL SEGUIMIENTO DE LA EVOLUCIÓN DE LOS ESTUDIANTES BASADOS EN TÉCNICAS DE AGRUPAMIENTO. Universidad de Ibagué. Ibagué, Colombia: eiei Encuentro Interncacional de Educación en Ingeniería ACOFI. doi:https://doi.org/10.26507/ponencia.37spa
dc.relation.referencesJumbo-Quichimbo, G.-N. (2019). La inteligencia artificial y su impacto en los procesos de selección. Universidad Internacional de la Rioja Máster Universitario en Dirección y Gestión de Recursos Humanos. Loja-Ecuador: Reunir, Repositorio Digital. doi:https://reunir.unir.net/handle/123456789/8166spa
dc.relation.referencesKnirsch, F., & Unterweger, A. (2019, March 11). Implementing a blockchain from scratch: why, how, and what we learned. doi:https://link.springer.com/article/10.1186/s13635-019-0085-3spa
dc.relation.referencesLegalTech news. (2018). A Brief History of BlockcHAin. ALM, 1 - 2. doi:chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/https://pbwt2.gjassets.com/content/uploads/2018/05/010051804-Patterson2.pdfspa
dc.relation.referencesLopez Gumucio, J. (2010). LA SELECCIÓN DE PERSONAL BASADA EN COMPETENCIAS Y SU RELACIÓN CON LA EFICACIA ORGANIZACIONAL. Sistema de Información Científica Redalyc. Retrieved from https://www.redalyc.org/articulo.oa?id=425941230007spa
dc.relation.referencesLotito Catino, F. (2015). Test psicológicos y entrevistas: usos y aplicaciones claves en el proceso de selección e integración de personas a las empresas. RAN Revista Academia & Negocios. Retrieved from https://revistas.udec.cl/index.php/ran/article/view/3005/3101spa
dc.relation.referencesMaisueche-Cuadrado, A. (2019). Utilización del Machine Learning en la industria 4.0. Universidad de Valladolid. Escuela de Ingenierias Industriales. doi:http://uvadoc.uva.es/handle/10324/37908spa
dc.relation.referencesMonje López, R. (2021). Algoritmo Jerárquico Aglomerativo Paralelo para la. UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MORELOS. CUERNAVACA: UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MORELOS. Retrieved from http://riaa.uaem.mx/handle/20.500.12055/1672spa
dc.relation.referencesPascual, D., Pla, F., & Sánchez, S. (2007). Algoritmos de agrupamiento. Método Informáticos Avanzados. Universidad de Oriente, Santiago de Cuba.spa
dc.relation.referencesPastor-Martínez, M.-Á. (2020). RECLUTAMIENTO 4.0. Universidad de Jaén, Facultad de Ciencias Soaciales y Jurídicas. doi:https://hdl.handle.net/10953.1/12816spa
dc.relation.referencesPuyol-Moreno, J. (2014). UNA APROXIMACIÓN A BIG DATA - AN APPROACH TO BIG DATA. Revista de deRecho UNed.spa
dc.relation.referencesRebafka, T. (2023). Model-based clustering of multiple networks with a hierarchical algorithm. Sorbonne University. Research Square. doi:https://doi.org/10.21203/rs.3.rs-2494480/v1spa
dc.relation.referencesRojko, A. (2017). Industry 4.0 Concept: Background and Overview. International journal of interactive mobile technologies. Retrieved from https://web.s.ebscohost.com/abstract?direct=true&profile=ehost&scope=site&authtype=crawler&jrnl=18657923&AN=124305798&h=36NYn1k0amLuIFp6mHgUkdEUF8d26sm9DweV8gmEdfqGrVVzIcdwrQcobYNDvfGTvZYZ%2fcDvHCQeD%2fvsaZkw2w%3d%3d&crl=c&resultNs=AdminWebAuth&resultLocaspa
dc.relation.referencesRomero, M. (2023). PROCESO DE SELECCIÓN DE PERSONAL: IMPLICANCIAS DE LA INCORPORACIÓN DE TECNOLOGÍA EN EL PROCESO. Montevideo. doi:https://hdl.handle.net/20.500.12008/39061spa
dc.relation.referencesSalazar, J., & Silvestre, S. (2017). Internet de las cosas. České vysoké učení technické v Praze Fakulta elektrotechnická.spa
dc.relation.referencesSalgado, J., & Peiro, J. (2008). Psicología del trabajo, las organizaciones y los recursos humanos en España. Papeles del Psicólogo. Retrieved from http://www.redalyc.org/articulo.oa?id=77829101spa
dc.relation.referencesSandoval, L.-J. (2018). ALGORITMOS DE APRENDIZAJE AUTOMÁTICO PARA ANÁLISIS Y PREDICCIÓN DE DATOS. REVISTA TECNOLÓGICA N° 11. doi:http://redicces.org.sv/jspui/handle/10972/3626spa
dc.relation.referencesSapriani, G., Iwan, P., Windo, & Erlinawaty. (2021). Student Grouping Based on Final Exam Values of the Courses with the K-Means Classification Method Using KNIME. Internet of Things and Artificial Intelligence Journal,, 114-119. doi:https://doi.org/10.31763/iota.v1i2.378spa
dc.relation.referencesSu, J., & Zhang, H. (2006). AFastDecisionTreeLearningAlgorithm. University of New Brunswick, NB, Canada, E3B 5A3.spa
dc.relation.referencesTasende, I. (2020). Blockchain y arbitraje: un nuevo enfoque en la resolución de disputas. Revista de Derecho. Publicacion Arbitrada de la Universidad Catolica del Uruguay, 2-3. doi:https://doi.org/10.22235/rd.vi22.2127spa
dc.relation.referencesValencia-Ramirez, J.-P. (2019). Contratos inteligentes. Revista RITI Investigación en Tecnologías de la Información, 1-10. doi:https://doi.org/10.36825/RITI.07.14.001spa
dc.relation.referencesZahra, S., Munstansar-Ali, G., Asra, K., Muhammad-Awais, A., Usman, N., & Prugel-Bennett, A. (2015). Novel centroid selection approaches for KMeans-clustering based recommender systems. Information Sciences Volume 320, 156-189. doi:https://doi.org/10.1016/j.ins.2015.03.062spa
dc.publisher.programIngeniería de Sistemasspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.publisher.facultyFacultad de ingeniería y Diseño e Innovaciónspa
dc.identifier.instnameinstname:Politécnico Grancolombianospa
dc.identifier.reponamereponame:Alejandría Repositorio Comunidadspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.identifier.repourlrepourl:http://alejandria.poligran.edu.cospa
dc.type.redcolhttps://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombiaspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem