Principales causas de ausentismo laboral: una aplicación desde la minería de datos

• Emmanuel A.Berón ^[1] ; Daniela Mejía ; Omar D.Castrillón
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 32, Nº. 2 (Abril), 2021, págs. 11-18
• Idioma: español
• Títulos paralelos:
  • Main causes of workplace absenteeism: applying data mining
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    El objetivo fundamental de este trabajo es predecir el comportamiento de “motivo ausentismo” (variable dependiente) mediante técnicas de minería de datos. Se estudian diez variables independientes: sexo, edad, contrato, hijos, casado, antigüedad, turno, trabajo, sindicalizado y escolaridad. La variable dependiente se examina endos estados: enfermedad y calamidad. Por medio del algoritmo J48 (Weka), se selección las variables independientes más influyentes y se predice el comportamiento de la variable dependiente. Los resultado muestran, con efectividad superior al 94.72%, que las variables independientes más influyentes en el ausentismo laboral son: sindicalizado, hijos, sexo, contrato, estudios, casado y antigüedad. Las otras variables (salario, turno, y edad) parecen tener menos influencia. Se concluye que el desarrollo metodológico llevado acabo define una forma objetiva para resolver un problema tradicionalmente analizado de forma subjetiva y que puede ser replicable si se siguen los pasos estructurados en la metodología propuesta.

  • English

    The main objective of this research study is to predict the behavior of motives (dependent variable) that cause workplace absenteeism by applying data mining techniques.Ten independent variables are examined: gender, age, job contract, having children, marriage status, labor seniority, schedule, work, unionized, and education. The dependent variable is examined in two states: disease and calamity. The J48 algorithm (Weka) is used to select the most influential independent variables and the behavior of the dependent variable. The results show that, with over 94.72% accuracy, the most influential independent variables on workplace absenteeism are: unionized, having children, gender, marriage status, labor seniority. The other variables (salary, hours, and age) examined appeared to have less influence. It is concluded that the methods developed here provide an objective way to resolve a problem that is traditionally examined subjectively and that the method can be replicated if the methodology proposed is followed as step-by-step.