Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado

Descripción del Articulo

Internal fraud is a big issue for companies, resulting in relevant monetary losses. Several investigations have proposed improvements to the personnel selection process making using of Data Mining. The present work proposes to use past information of applicants to a company to predict if they will c...

Descripción completa

Detalles Bibliográficos
Autor: Espinoza Montalvo, Sergio Ernesto
Formato: tesis de grado
Fecha de Publicación:2020
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/12355
Enlace del recurso:https://hdl.handle.net/20.500.12724/12355
Nivel de acceso:acceso abierto
Materia:Data mining
Fraud
Employee selection
Míneria de datos
Fraude
Selección de personal
https://purl.org/pe-repo/ocde/ford#2.02.04
id RULI_a50852dd4617c912ad3e76dba8197fd6
oai_identifier_str oai:repositorio.ulima.edu.pe:20.500.12724/12355
network_acronym_str RULI
network_name_str ULIMA-Institucional
repository_id_str 3883
dc.title.es_PE.fl_str_mv Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
title Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
spellingShingle Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
Espinoza Montalvo, Sergio Ernesto
Data mining
Fraud
Employee selection
Míneria de datos
Fraude
Selección de personal
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
title_full Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
title_fullStr Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
title_full_unstemmed Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
title_sort Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
author Espinoza Montalvo, Sergio Ernesto
author_facet Espinoza Montalvo, Sergio Ernesto
author_role author
dc.contributor.advisor.fl_str_mv Taquía Gutiérrez, José Antonio
dc.contributor.author.fl_str_mv Espinoza Montalvo, Sergio Ernesto
dc.subject.en_EN.fl_str_mv Data mining
Fraud
Employee selection
topic Data mining
Fraud
Employee selection
Míneria de datos
Fraude
Selección de personal
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.es_PE.fl_str_mv Míneria de datos
Fraude
Selección de personal
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description Internal fraud is a big issue for companies, resulting in relevant monetary losses. Several investigations have proposed improvements to the personnel selection process making using of Data Mining. The present work proposes to use past information of applicants to a company to predict if they will commit fraud during their stay. We find models with high precision, but that have a bigger classification error to find the fraud cases. After several experiments, we find around 13 features of this universe that are most relevant to the model. Some of these features match with features mentioned in literature about antisocial disorders. We conclude that there is value in applicant information to predict if they will commit internal fraud during their stay in the company.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2021-01-22T05:46:58Z
dc.date.available.none.fl_str_mv 2021-01-22T05:46:58Z
dc.date.issued.fl_str_mv 2020
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.none.fl_str_mv Tesis
format bachelorThesis
dc.identifier.citation.es_PE.fl_str_mv Espinoza Montalvo, S. E. (2020). Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/12355
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12724/12355
identifier_str_mv Espinoza Montalvo, S. E. (2020). Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/12355
url https://hdl.handle.net/20.500.12724/12355
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.*.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Lima
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad de Lima
dc.source.none.fl_str_mv Repositorio Institucional - Ulima
Universidad de Lima
reponame:ULIMA-Institucional
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str ULIMA-Institucional
collection ULIMA-Institucional
bitstream.url.fl_str_mv https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/4/Espinoza_Prediccion-postulantes-cometeran.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/5/Espinoza_Prediccion-postulantes-cometeran.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/1/Espinoza_Prediccion-postulantes-cometeran.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/2/license_rdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/3/license.txt
bitstream.checksum.fl_str_mv 143106226dbb5286864780ba903dc4dd
eb7a631c98ec2cb245a4eff149fdbd8c
eda6e51f2be7974dd42849e84e5df391
3655808e5dd46167956d6870b0f43800
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Lima
repository.mail.fl_str_mv repositorio@ulima.edu.pe
_version_ 1840270944477642752
spelling Taquía Gutiérrez, José AntonioEspinoza Montalvo, Sergio Ernesto2021-01-22T05:46:58Z2021-01-22T05:46:58Z2020Espinoza Montalvo, S. E. (2020). Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado [Tesis para optar el Título Profesional de Ingeniero de Sistemas, Universidad de Lima]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/12355https://hdl.handle.net/20.500.12724/12355Internal fraud is a big issue for companies, resulting in relevant monetary losses. Several investigations have proposed improvements to the personnel selection process making using of Data Mining. The present work proposes to use past information of applicants to a company to predict if they will commit fraud during their stay. We find models with high precision, but that have a bigger classification error to find the fraud cases. After several experiments, we find around 13 features of this universe that are most relevant to the model. Some of these features match with features mentioned in literature about antisocial disorders. We conclude that there is value in applicant information to predict if they will commit internal fraud during their stay in the company.El fraude interno es un gran problema para las empresas, ocasionando pérdidas monetarias importantes. Diversas investigaciones han propuesto mejoras al proceso de selección de personal utilizando minería de datos. El presente trabajo propone utilizar la información histórica de postulantes a una empresa para predecir si cometerán fraude durante su estadía. Se encuentran modelos con un nivel de precisión alto, pero que tienen un error de clasificación mayor para encontrar los casos de fraude. Se realizaron modelos con los algoritmos de C-45, Random Forest y redes neuronales y se evaluó el aporte de las características al resultado. Utilizando un algoritmo genético se determinó que 13 variables eran las más relevantes para el problema. Algunas de estas variables coinciden con variables mencionadas en la literatura encontrada sobre trastornos antisociales. Se concluye que hay valor en información de postulantes para determinar si cometerán fraude interno durante su estadía en la empresa.Tesisapplication/pdfspaUniversidad de LimaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UlimaUniversidad de Limareponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMAData miningFraudEmployee selectionMíneria de datosFraudeSelección de personalhttps://purl.org/pe-repo/ocde/ford#2.02.04Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisadoinfo:eu-repo/semantics/bachelorThesisTesisSUNEDUTítulo ProfesionalIngeniería de sistemasUniversidad de Lima. Facultad de Ingeniería y ArquitecturaIngeniero de sistemashttps://orcid.org/0000-0002-1711-66030999437061207672618195https://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisTEXTEspinoza_Prediccion-postulantes-cometeran.pdf.txtEspinoza_Prediccion-postulantes-cometeran.pdf.txtExtracted texttext/plain127481https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/4/Espinoza_Prediccion-postulantes-cometeran.pdf.txt143106226dbb5286864780ba903dc4ddMD54THUMBNAILEspinoza_Prediccion-postulantes-cometeran.pdf.jpgEspinoza_Prediccion-postulantes-cometeran.pdf.jpgGenerated Thumbnailimage/jpeg10673https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/5/Espinoza_Prediccion-postulantes-cometeran.pdf.jpgeb7a631c98ec2cb245a4eff149fdbd8cMD55ORIGINALEspinoza_Prediccion-postulantes-cometeran.pdfEspinoza_Prediccion-postulantes-cometeran.pdfTesisapplication/pdf1228097https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/1/Espinoza_Prediccion-postulantes-cometeran.pdfeda6e51f2be7974dd42849e84e5df391MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/2/license_rdf3655808e5dd46167956d6870b0f43800MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ulima.edu.pe/bitstream/20.500.12724/12355/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5320.500.12724/12355oai:repositorio.ulima.edu.pe:20.500.12724/123552025-04-16 11:05:59.502Repositorio Universidad de Limarepositorio@ulima.edu.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
score 13.11166
Predicción de postulantes que cometerán fraude interno con algoritmo de aprendizaje supervisado
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares