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...

Descripción completa

Detalles Bibliográficos
Autor: Ogosi Auqui, José Antonio
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).