La cultura Millennials: mapeo conductual en la estimación de generaciones utilizando un modelo matemático e inteligencia artificial
DOI:
https://doi.org/10.33448/rsd-v9i9.7772Palabras clave:
Generaciones; Modelos matemáticos; Organización.Resumen
En la actualidad, las organizaciones enfrentan cambios intensos en todo momento, haciendo que la gestión de personas sea cada vez más estratégica y propensa a buscar herramientas para analizar a los individuos de la organización, para descifrar continuamente las expectativas de los empleados. Estos impactos se unieron al escenario dinámico de mercado y globalización, que llevó a las empresas a estudiar las anticipaciones de los movimientos empresariales, desde la economía hasta el capital humano. El choque de generaciones es uno de los elementos relacionados con la transición de la nueva era digital, en esta dinámica podemos observar los valores antiguos y actuales de la población, lo que hace que sea cada vez más desafiante mantener a un empleado joven en la empresa. Considerado uno de los mayores desafíos para la gestión de personas, la retención de talento presenta necesidades particulares. En este contexto, el objetivo de este trabajo fue desarrollar un modelo matemático para la estructuración de un software de mapeo de características generacionales, con el objetivo de mejorar las técnicas de gestión de personas en una empresa de insumos oftálmicos de la ciudad de Tupã / Brasil. Para la recolección de datos, se aplicó un cuestionario y se aplicó a 65 empleados. Los datos se tabularon y normalizaron en una hoja de cálculo de Microsoft Excel para realizar el análisis de los datos de forma comparativa, con la fecha de nacimiento y las respuestas obtenidas. Los resultados de la investigación realizada demostraron que la conducta puede ser cambiante en el tiempo, de acuerdo con el entorno insertado del individuo, no coincidiendo con las características conductuales de su época.
Citas
Baldrati, B. (2012). Valorizar o funcionário é o segredo da Volvo, diz chefe de RH . Recuperado de https://www.gazetadopovo.com.br/economia/valorizar-o-funcionario-eo-segredo-da-volvo-diz-chefe-de-rh-2zu1ywo0kyv862qqx3e8gqvri/.
Bonini Neto, A., Bonini, C. S. B., Bisi, B. S., Reis, A. R., & Coletta, L. F. S. (2017). Artificial Neural Network for Classification and Analysis of Degraded Soils. IEEE Latin America Transactions, 15(3), 503–509. https://doi.org/10.1109/TLA.2017.7867601
Bonini Neto, A., Bonini, C. S. B., Reis, A. R., Piazentin, J. C., Coletta, L. F. S., Putti, F. F., Heinrichs, R., & Moreira, A. (2019). Automatic Recovery Estimation of Degraded Soils by Artificial Neural Networks in Function of Chemical and Physical Attributes in Brazilian Savannah Soil. Communications in Soil Science and Plant Analysis, 50(14), 1785–1798. https://doi.org/10.1080/00103624.2019.1635144
Chitero, J. G. M., Bonini Neto, A., Bonini, C. S. B., Heinrichs, R., Soares Filho, C. V., Mateus, G. P., Bisi, B. S., Costa, N. R., Piazentin, J. C., Meirelles, G. C., & Gabriel Filho, L. R. A. (2020). Analysis of the physical recovery of degraded soils via Artificial Neural Networks using a graphical interface. Research, Society and Development, 9(7), e257973719. https://doi.org/10.33448/rsd-v9i7.3719
Creswell, J. (2007). Projeto de Pesquisa: Métodos qualitativo, quantitativo e misto. 2. ed. Porto Alegre: Artmed.
Dutra, J. S. (2001). Gestão do desenvolvimento e da carreira por competência. In Gestão por competências : um modelo avançado para o gerenciamento de pessoas. São Paulo: Gente.
Eyerman, R.; Turner, B. (1998). Outline of a Theory of Generations. European Journal of Social Theory, v.1, n.1, p. 91-94. Doi:10.1177/136843198001001007
Gabriel Filho LRA, Cremasco CP, Putti FF, Chacur MGM (2011) Application of fuzzy logic for the evaluation of livestock slaughtering. Engenharia Agrícola, 31(4):813-825. DOI: http://dx.doi.org/10.1590/S0100-69162011000400019
Gabriel Filho LRA, Putti FF, Cremasco CP, Bordin D, Chacur MGM, Gabriel LRA (2016) Software to assess beef cattle body mass through the fuzzy body mass index. Engenharia Agrícola, 36(1): 179-193. DOI: http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v36n1p179-193/2016
Gabriel Filho, L. R. A., Pigatto, G. A. S., & Lourenzani, A. E. B. S. (2015). Fuzzy rule-based system for evaluation of uncertainty in cassava chain. Engenharia Agrícola, 35(2), 350-367. DOI: 10.1590/1809-4430-Eng.Agric.v35n2p350-367/2015
Gil, A. C. (2008) . Métodos e técnicas de pesquisa social. (6a ed.), São Paulo: Atlas
Howe, R., & Strauss, W. (2000). Millennials rising: The next great generation. Vintage books.USA, New York.
Kasabov, N. K. (1998). Foundations of neural networks, fuzzy systems and knowledge engineering. (2a ed.) Massachusetts: The MIT Press.
Ladeira, W. J.(2010). Estilos de Tomada de Decisão: Uma Investigação em Gerações Diferentes. Revista de Administração da UNIMEP., 8(3), 184-206. Doi: 10.15600/1679-5350
Lima, R. (2012). Perfil das Gerações no Brasil: as Gerações X, Y, Z e seus perfis políticos. São Paulo: Baraúna.
Malafaia, G. S. (2011). Gestão estratégica de pessoas em ambientes multigeracionais. In: Congresso Nacional De Excelência Em Gestão, Rio de Janeiro. Recuperado em 22 de março de 2020, de http://www.inovarse.org/sites/default/files/T11_0452_2151.pdf.
Martínez, M. P., Cremasco, C. P., Gabriel Filho, L. R. A., Braga Junior, S. S., Bednaski, A. V., Quevedo-Silva, F., & Padgett, R. C. M. L. (2020). Fuzzy inference system to study the behavior of the green consumer facing the perception of greenwashing. Journal of Cleaner Production, 242(1), 116064. DOI: 10.1016/j.jclepro.2019.03.060
Mathworks. Matlab (MATrix LABoratory). Recuperado de http://www.mathworks.com
Minitab 18 Statistical Software (2017). [Computer software]. State College, PA: Minitab, Inc. (www.minitab.com)
Oliveira, S. (2012). Jovens para sempre: como entender os conflitos das gerações. São Paulo: Integrare.
Putti, F. F., Gabriel Filho, L. R. A., Cremasco, C. P., Bonini Neto, A., Bonini, C. S. B., & Reis, A. R. (2017). A Fuzzy mathematical model to estimate the effects of global warming on the vitality of Laelia purpurata orchids. Mathematical Biosciences, 288, 124-129. DOI: 10.1016/j.mbs.2017.03.005
Putti, F. F., Gabriel Filho, L. R. A., Silva, A. O., Ludwig, R., & Cremasco, C. P. (2014). Fuzzy logic to evaluate vitality of catasetum fimbiratum species (Orchidacea). Irriga, 19(3), 405-413. DOI: 10.15809/irriga.2014v19n3p405
Revista Exame. (2018). Você odeia os processos seletivos comuns? Estas startups também. Recuperado de https://exame.abril.com.br/especiais/voce-odeia-os-processos-seletivos-comuns-estas-startups-tambem/.
Souza, A. V., Bonini Neto, A., Piazentin, J. C., Junior, B. J. D., Gomes, E. P., Bonini, C. S. B., & Putti, F. F. (2019). Artificial neural network modelling in the prediction of bananas’ harvest. Scientia Horticulturae, 257, 108724. https://doi.org/10.1016/j.scienta.2019.108724
Teixeira, G. M; Silveira, A. C; Neto, C. P. S; Oliveira, G. (2010). A Gestão Estratégica de Pessoas. Rio de Janeiro: FGV Editora.
Tomaz, R. (2014). The invention of the tweens: youth, culture and media. Intercom - Revista Brasileira de Ciências da Comunicação, 177-202. doi: 10.1590/1809-5844 20148
Veloso, E. F. R., Dutra, J. S., & Nakata, L. E. (2008). Percepção sobre carreiras inteligentes: Diferenças entre as gerações Y, X e Baby boomers. XXXII Anais do EnAnpad. Rio de Janeiro. Recuperado de http://www.anpad.org.br/diversos/down_zips/38/GPR-A2030.pdf.
Veloso, E. F. R.; Silva, R. C.; Dutra, J. S. (2012). Diferentes Gerações e Percepções sobre Carreiras Inteligentes e Crescimento Profissional nas Organizações. Revista Brasileira de Orientação Profissional, São Paulo, 13(2), 197-207. Recuperado de http://pepsic.bvsalud.org/pdf/rbop/v13n2/07.pdf.
Viais Neto D. S., Cremasco, C. P., Bordin D., Putti, F. F., Silva Junior J. F., & Gabriel Filho, L. R. A. (2019). Fuzzy modeling of the effects of irrigation and water salinity in harvest point of tomato crop. Part I: description of the method. Engenharia Agrícola, 39(3), 294-304. DOI: 10.1590/1809-4430-eng.agric.v39n3p294-304/2019
Viais Neto D. S., Cremasco, C. P., Bordin D., Putti, F. F., Silva Junior J. F., & Gabriel Filho, L. R. A. (2019). Fuzzy modeling of the effects of irrigation and water salinity in harvest point of tomato crop. Part II: application and interpretation. Engenharia Agrícola, 39(3), 305-14. DOI: 10.1590/1809-4430-eng.agric.v39n3p305-314/2019
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Giovanna Lorenzi Pinto; Luís Roberto Almeida Gabriel Filho; Alfredo Bonini Neto; Renato Dias Baptista

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.