Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado
Descripción del Articulo
Objetivo: Implementar y evaluar una aplicación móvil con Machine Learning empleando la nueva metodología CSKT para optimizar el proceso de contratación de personal en el sector privado. Además, en el presente estudio examinó el impacto de la metodología CSKT y el Machine Learning en la contratación...
| Autor: | |
|---|---|
| Formato: | tesis doctoral |
| Fecha de Publicación: | 2025 |
| Institución: | Universidad Nacional Federico Villarreal |
| Repositorio: | UNFV-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.unfv.edu.pe:20.500.13084/10220 |
| Enlace del recurso: | https://hdl.handle.net/20.500.13084/10220 |
| Nivel de acceso: | acceso abierto |
| Materia: | Ingeniería de software, simulación y desarrollo de TICs Machine learning Metodología CSKT Aplicación móvil Contratación de personal https://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
RUNF_68e88f6b012acf8bcd96b25a99f128b6 |
|---|---|
| oai_identifier_str |
oai:repositorio.unfv.edu.pe:20.500.13084/10220 |
| network_acronym_str |
RUNF |
| network_name_str |
UNFV-Institucional |
| repository_id_str |
4837 |
| dc.title.es_PE.fl_str_mv |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| title |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| spellingShingle |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado Ogosi Auqui, José Antonio Ingeniería de software, simulación y desarrollo de TICs Machine learning Metodología CSKT Aplicación móvil Contratación de personal https://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| title_full |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| title_fullStr |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| title_full_unstemmed |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| title_sort |
Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privado |
| author |
Ogosi Auqui, José Antonio |
| author_facet |
Ogosi Auqui, José Antonio |
| author_role |
author |
| dc.contributor.advisor.fl_str_mv |
Petrlik Azabache, Iván Carlo |
| dc.contributor.author.fl_str_mv |
Ogosi Auqui, José Antonio |
| dc.subject.es_PE.fl_str_mv |
Ingeniería de software, simulación y desarrollo de TICs Machine learning Metodología CSKT Aplicación móvil Contratación de personal |
| topic |
Ingeniería de software, simulación y desarrollo de TICs Machine learning Metodología CSKT Aplicación móvil Contratación de personal https://purl.org/pe-repo/ocde/ford#2.02.04 |
| dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#2.02.04 |
| description |
Objetivo: Implementar y evaluar una aplicación móvil con Machine Learning empleando la nueva metodología CSKT para optimizar el proceso de contratación de personal en el sector privado. Además, en el presente estudio examinó el impacto de la metodología CSKT y el Machine Learning en la contratación de personal en el sector privado, buscando obtener una mejora significativa en el proceso de la organización tanto en la eficiencia y/o la efectividad. Método: Con un enfoque aplicado y descriptivo, se empleó un diseño de investigación preexperimental, se analizaron diversas pruebas para evaluar el tiempo, costos, precisión y optimización del proceso. La muestra consistió en 5000 casos seleccionados aleatoriamente del universo de procedimientos de contratación. La recopilación de datos se realizó consultando a la database, complementada con fichas de observación. Resultados: Se destacan que la metodología CSKT junto con el Machine Learning mejora notablemente la eficiencia en tiempo y costos. Además, se comprobó la precisión del Machine Learning en la evaluación de criterios de aceptación, lo que sugiere una mayor objetividad en las decisiones de contratación. Se observó también una optimización del proceso de contratación mediante la mejora de la precisión del modelo de Machine Learning. Conclusiones: Se encontró que la eficiencia en la contratación se incrementa con el uso de ML en aplicaciones móviles, destacando el potencial transformador de la tecnología móvil en recursos humanos. Estos hallazgos respaldan la adopción de enfoques innovadores basados en datos para mejorar los procesos de contratación de personal en el sector privado. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-03-06T20:04:10Z |
| dc.date.available.none.fl_str_mv |
2025-03-06T20:04:10Z |
| dc.date.issued.fl_str_mv |
2025 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
| dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
doctoralThesis |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.13084/10220 |
| url |
https://hdl.handle.net/20.500.13084/10220 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.fl_str_mv |
SUNEDU |
| dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Universidad Nacional Federico Villarreal |
| dc.publisher.country.es_PE.fl_str_mv |
PE |
| dc.source.none.fl_str_mv |
reponame:UNFV-Institucional instname:Universidad Nacional Federico Villarreal instacron:UNFV |
| instname_str |
Universidad Nacional Federico Villarreal |
| instacron_str |
UNFV |
| institution |
UNFV |
| reponame_str |
UNFV-Institucional |
| collection |
UNFV-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/1/UNFV_EUPG_Ogosi_Auqui_Jose_Antonio_Doctorado_2025.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/2/00_RAS-OGOSI_AUQUI_JOSE_ANTONIO_INGENIERIA.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/3/formulario_autorizacion.pdf https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/4/license.txt |
| bitstream.checksum.fl_str_mv |
8ee25bd1fad8c285fe3e7c7b1875d9f8 86980ce7be98f578b80319b6d35e1ed0 30ac2818503426390963fee41439fed3 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UNFV |
| repository.mail.fl_str_mv |
repositorio.vrin@unfv.edu.pe |
| _version_ |
1827038494760894464 |
| spelling |
Petrlik Azabache, Iván CarloOgosi Auqui, José Antonio2025-03-06T20:04:10Z2025-03-06T20:04:10Z2025https://hdl.handle.net/20.500.13084/10220Objetivo: Implementar y evaluar una aplicación móvil con Machine Learning empleando la nueva metodología CSKT para optimizar el proceso de contratación de personal en el sector privado. Además, en el presente estudio examinó el impacto de la metodología CSKT y el Machine Learning en la contratación de personal en el sector privado, buscando obtener una mejora significativa en el proceso de la organización tanto en la eficiencia y/o la efectividad. Método: Con un enfoque aplicado y descriptivo, se empleó un diseño de investigación preexperimental, se analizaron diversas pruebas para evaluar el tiempo, costos, precisión y optimización del proceso. La muestra consistió en 5000 casos seleccionados aleatoriamente del universo de procedimientos de contratación. La recopilación de datos se realizó consultando a la database, complementada con fichas de observación. Resultados: Se destacan que la metodología CSKT junto con el Machine Learning mejora notablemente la eficiencia en tiempo y costos. Además, se comprobó la precisión del Machine Learning en la evaluación de criterios de aceptación, lo que sugiere una mayor objetividad en las decisiones de contratación. Se observó también una optimización del proceso de contratación mediante la mejora de la precisión del modelo de Machine Learning. Conclusiones: Se encontró que la eficiencia en la contratación se incrementa con el uso de ML en aplicaciones móviles, destacando el potencial transformador de la tecnología móvil en recursos humanos. Estos hallazgos respaldan la adopción de enfoques innovadores basados en datos para mejorar los procesos de contratación de personal en el sector privado.application/pdfspaUniversidad Nacional Federico VillarrealPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Ingeniería de software, simulación y desarrollo de TICsMachine learningMetodología CSKTAplicación móvilContratación de personalhttps://purl.org/pe-repo/ocde/ford#2.02.04Implementación de una aplicación móvil con machine learning aplicando la nueva metodología CSKT para el proceso de contratación de personal en el sector privadoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersionreponame:UNFV-Institucionalinstname:Universidad Nacional Federico Villarrealinstacron:UNFVSUNEDUDoctor en Ingeniería de SistemasIngeniería de SistemasUniversidad Nacional Federico Villarreal. Escuela Universitaria de Posgrado42870080https://orcid.org/0000-0002-1201-214310140461https://purl.org/pe-repo/renati/type#tesis612018https://purl.org/pe-repo/renati/level#doctorCoveñas Lalupú, JoséLira Camargo, JorgeRosales Huamaní, Jimmy AurelioORIGINALUNFV_EUPG_Ogosi_Auqui_Jose_Antonio_Doctorado_2025.pdfUNFV_EUPG_Ogosi_Auqui_Jose_Antonio_Doctorado_2025.pdfOgosi Auqui, José Antonio (EUPG - Doctorado)application/pdf8122819https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/1/UNFV_EUPG_Ogosi_Auqui_Jose_Antonio_Doctorado_2025.pdf8ee25bd1fad8c285fe3e7c7b1875d9f8MD51open access00_RAS-OGOSI_AUQUI_JOSE_ANTONIO_INGENIERIA.pdf00_RAS-OGOSI_AUQUI_JOSE_ANTONIO_INGENIERIA.pdfReporte de similitudapplication/pdf3209186https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/2/00_RAS-OGOSI_AUQUI_JOSE_ANTONIO_INGENIERIA.pdf86980ce7be98f578b80319b6d35e1ed0MD52metadata only accessformulario_autorizacion.pdfformulario_autorizacion.pdfFormulario de autorizaciónapplication/pdf1278481https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/3/formulario_autorizacion.pdf30ac2818503426390963fee41439fed3MD53metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unfv.edu.pe/bitstream/20.500.13084/10220/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54open access20.500.13084/10220oai:repositorio.unfv.edu.pe:20.500.13084/102202025-03-06 20:04:18.931open accessRepositorio Institucional UNFVrepositorio.vrin@unfv.edu.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 |
| score |
13.924112 |
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).
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).