Predicción del rendimiento laboral en la Municipalidad Provincial de Puno mediante algoritmos de Machine Learning y técnicas de clustering

• Autor: Bolivar Bolivar, Jose Humberto
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/25367
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/25367
• Nivel de acceso: acceso abierto
• Materia: Clustering; Gestión pública; Machine learning; Municipalidad; Predicción; Rendimiento laboral; https://purl.org/pe-repo/ocde/ford#2.02.04

El rendimiento laboral representa el cumplimiento eficiente de funciones asignadas dentro de una organización, mientras que su evaluación permite conocer el nivel de aporte del trabajador a los objetivos institucionales. En el ámbito público, como en la Municipalidad Provincial de Puno, los métodos de evaluación son mayormente subjetivos, lo cual dificulta la toma de decisiones basadas en evidencias. Por ello, esta investigación estableció como objetivo aplicar algoritmos de Machine Learning y técnicas de agrupamiento para predecir el rendimiento laboral de los trabajadores. El estudio se enmarcó en un enfoque cuantitativo, de tipo predictivo, y empleó como metodología el modelo CRISP-DM para el análisis de datos. La muestra estuvo conformada por 126 trabajadores CAS registrados durante el año 2024. Se aplicaron los algoritmos K-means y clustering jerárquico para segmentar a los trabajadores según sus niveles de desempeño. Los resultados mostraron que el modelo K-means obtuvo un Silhouette Score promedio de 0,348 y explicó el 20,63% de la variabilidad del rendimiento, superando al modelo de clustering jerárquico, que alcanzó un R² de 4,07%. Estas métricas reflejaron una mejor capacidad del modelo K-means para identificar patrones consistentes en los datos de desempeño. Se concluyó que el modelo predictivo propuesto permitió clasificar de forma más objetiva a los trabajadores según su rendimiento laboral, constituyéndose en una herramienta útil para la gestión estratégica del talento humano y la toma de decisiones basada en datos dentro de la administración pública.