Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática
Descripción del Articulo
El creciente uso de la Inteligencia Artificial (IA) ha llevado a las empresas a incorporarla en sus procesos para mejorar su eficiencia. Este enfoque aún no se ha generalizado, el Machine Learning destaca entre las técnicas de IA para el proceso de selección de personal para abordar los problemas fr...
| Autores: | , , , |
|---|---|
| Formato: | objeto de conferencia |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Tecnológica del Perú |
| Repositorio: | UTP-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.utp.edu.pe:20.500.12867/14359 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12867/14359 https://doi.org/10.18687/LACCEI2024.1.1.960 |
| Nivel de acceso: | acceso abierto |
| Materia: | Machine learning Selección de personal Costes de contratación Inteligencia artificial https://purl.org/pe-repo/ocde/ford#2.02.04 |
| id |
UTPD_e0c4feb7cefb6a2a293f3ae23128dcec |
|---|---|
| oai_identifier_str |
oai:repositorio.utp.edu.pe:20.500.12867/14359 |
| network_acronym_str |
UTPD |
| network_name_str |
UTP-Institucional |
| repository_id_str |
4782 |
| dc.title.es_PE.fl_str_mv |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| title |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| spellingShingle |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática Garcia, Bryan Machine learning Selección de personal Costes de contratación Inteligencia artificial https://purl.org/pe-repo/ocde/ford#2.02.04 |
| title_short |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| title_full |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| title_fullStr |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| title_full_unstemmed |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| title_sort |
Machine learning aplicado en los procesos de selección de personal: Una revisión sistemática |
| author |
Garcia, Bryan |
| author_facet |
Garcia, Bryan Tello, Angie Ballero, Renzo Quiroz, Ivan |
| author_role |
author |
| author2 |
Tello, Angie Ballero, Renzo Quiroz, Ivan |
| author2_role |
author author author |
| dc.contributor.author.fl_str_mv |
Garcia, Bryan Tello, Angie Ballero, Renzo Quiroz, Ivan |
| dc.subject.es_PE.fl_str_mv |
Machine learning Selección de personal Costes de contratación Inteligencia artificial |
| topic |
Machine learning Selección de personal Costes de contratación Inteligencia artificial 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 |
El creciente uso de la Inteligencia Artificial (IA) ha llevado a las empresas a incorporarla en sus procesos para mejorar su eficiencia. Este enfoque aún no se ha generalizado, el Machine Learning destaca entre las técnicas de IA para el proceso de selección de personal para abordar los problemas frecuentes de este proceso y mejorar el rendimiento. Esta revisión busca analizar la efectividad del Machine Learning en el reclutamiento para disminuir costos e incertidumbre en la toma de decisiones que se han presentado utilizando métodos tradicionales por entrevistas. Para ello, se realizó una revisión sistemática sin metaanálisis, utilizando la metodología PICOC para definir los componentes que guiarán la revisión y se utilizó PRISMA para seleccionar los artículos a partir de los criterios de inclusión y exclusión establecidos, de los cuales 20 artículos de las bases de datos Scopus y Redalyc fueron seleccionados. En los resultados se identificó que el 90% de autores concuerda que el emplear técnicas de Machine Learning en el proceso de reclutamiento presenta un impacto positivo con respecto a la mejora de manera significativa la eficiencia y la disminución de problemas existentes en la metodología tradicional. También, se encontró que las etapas de análisis, entrevista y toma de decisiones del proceso de reclutamiento son donde recae principalmente la implementación de Machine Learning. Con ello se llegó a la conclusión de que el uso de Machine Learning mejora en gran manera al proceso de reclutamiento y apoya en la reducción de costos e incertidumbre a través de la automatización. Por lo que, es un enfoque las empresas deberían adoptar para poder utilizar todos los beneficios que provee esta tendencia tecnológica. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-11-04T16:12:29Z |
| dc.date.available.none.fl_str_mv |
2025-11-04T16:12:29Z |
| dc.date.issued.fl_str_mv |
2024 |
| dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/conferenceObject |
| dc.type.version.es_PE.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
2414-6390 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12867/14359 |
| dc.identifier.journal.es_PE.fl_str_mv |
Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology |
| dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.18687/LACCEI2024.1.1.960 |
| identifier_str_mv |
2414-6390 Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology |
| url |
https://hdl.handle.net/20.500.12867/14359 https://doi.org/10.18687/LACCEI2024.1.1.960 |
| dc.language.iso.es_PE.fl_str_mv |
spa |
| language |
spa |
| 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-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.format.es_PE.fl_str_mv |
application/pdf |
| dc.publisher.es_PE.fl_str_mv |
Latin American and Caribbean Consortium of Engineering Institutions |
| dc.source.es_PE.fl_str_mv |
Repositorio Institucional - UTP Universidad Tecnológica del Perú |
| dc.source.none.fl_str_mv |
reponame:UTP-Institucional instname:Universidad Tecnológica del Perú instacron:UTP |
| instname_str |
Universidad Tecnológica del Perú |
| instacron_str |
UTP |
| institution |
UTP |
| reponame_str |
UTP-Institucional |
| collection |
UTP-Institucional |
| bitstream.url.fl_str_mv |
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/1eb25ab8-4fd6-4649-9f6a-50497c32d8bb/download https://repositorio.utp.edu.pe/backend/api/core/bitstreams/de089837-59cd-4646-b536-5a5148e4bf7b/download https://repositorio.utp.edu.pe/backend/api/core/bitstreams/b4c1ec46-931d-434a-a511-d6710c905028/download https://repositorio.utp.edu.pe/backend/api/core/bitstreams/b06f6f6d-0d2c-459c-b97e-598ce0fa51b5/download https://repositorio.utp.edu.pe/backend/api/core/bitstreams/9902d967-0abe-4810-a860-88a2f8ba981c/download https://repositorio.utp.edu.pe/backend/api/core/bitstreams/c6cb8d47-6a60-4fe9-b3c1-1e30c794f919/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 221e835a8e30707093759b7a396be04d 92b36f8eaa2c3522d2bf5c834f6ad50a 30960ce5bfce44371f1dac464bc6d411 4f972e9d548ef8fcf0dcb7fd6d1b99b8 4b84b352f47a5b9810c8794d90dae1d2 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad Tecnológica del Perú |
| repository.mail.fl_str_mv |
repositorio@utp.edu.pe |
| _version_ |
1852231153909497856 |
| spelling |
Garcia, BryanTello, AngieBallero, RenzoQuiroz, Ivan2025-11-04T16:12:29Z2025-11-04T16:12:29Z20242414-6390https://hdl.handle.net/20.500.12867/14359Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technologyhttps://doi.org/10.18687/LACCEI2024.1.1.960El creciente uso de la Inteligencia Artificial (IA) ha llevado a las empresas a incorporarla en sus procesos para mejorar su eficiencia. Este enfoque aún no se ha generalizado, el Machine Learning destaca entre las técnicas de IA para el proceso de selección de personal para abordar los problemas frecuentes de este proceso y mejorar el rendimiento. Esta revisión busca analizar la efectividad del Machine Learning en el reclutamiento para disminuir costos e incertidumbre en la toma de decisiones que se han presentado utilizando métodos tradicionales por entrevistas. Para ello, se realizó una revisión sistemática sin metaanálisis, utilizando la metodología PICOC para definir los componentes que guiarán la revisión y se utilizó PRISMA para seleccionar los artículos a partir de los criterios de inclusión y exclusión establecidos, de los cuales 20 artículos de las bases de datos Scopus y Redalyc fueron seleccionados. En los resultados se identificó que el 90% de autores concuerda que el emplear técnicas de Machine Learning en el proceso de reclutamiento presenta un impacto positivo con respecto a la mejora de manera significativa la eficiencia y la disminución de problemas existentes en la metodología tradicional. También, se encontró que las etapas de análisis, entrevista y toma de decisiones del proceso de reclutamiento son donde recae principalmente la implementación de Machine Learning. Con ello se llegó a la conclusión de que el uso de Machine Learning mejora en gran manera al proceso de reclutamiento y apoya en la reducción de costos e incertidumbre a través de la automatización. Por lo que, es un enfoque las empresas deberían adoptar para poder utilizar todos los beneficios que provee esta tendencia tecnológica.Campus Lima Centroapplication/pdfspaLatin American and Caribbean Consortium of Engineering Institutionsinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPMachine learningSelección de personalCostes de contrataciónInteligencia artificialhttps://purl.org/pe-repo/ocde/ford#2.02.04Machine learning aplicado en los procesos de selección de personal: Una revisión sistemáticainfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.utp.edu.pe/backend/api/core/bitstreams/1eb25ab8-4fd6-4649-9f6a-50497c32d8bb/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTGarcia.B_Tello.A_Ballero.R_Quiroz.I_Conference_Paper_2024.pdf.txtGarcia.B_Tello.A_Ballero.R_Quiroz.I_Conference_Paper_2024.pdf.txtExtracted texttext/plain48242https://repositorio.utp.edu.pe/backend/api/core/bitstreams/de089837-59cd-4646-b536-5a5148e4bf7b/download221e835a8e30707093759b7a396be04dMD53B.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdf.txtB.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdf.txtExtracted texttext/plain49738https://repositorio.utp.edu.pe/backend/api/core/bitstreams/b4c1ec46-931d-434a-a511-d6710c905028/download92b36f8eaa2c3522d2bf5c834f6ad50aMD58THUMBNAILGarcia.B_Tello.A_Ballero.R_Quiroz.I_Conference_Paper_2024.pdf.jpgGarcia.B_Tello.A_Ballero.R_Quiroz.I_Conference_Paper_2024.pdf.jpgGenerated Thumbnailimage/jpeg13761https://repositorio.utp.edu.pe/backend/api/core/bitstreams/b06f6f6d-0d2c-459c-b97e-598ce0fa51b5/download30960ce5bfce44371f1dac464bc6d411MD54B.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdf.jpgB.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdf.jpgGenerated Thumbnailimage/jpeg29762https://repositorio.utp.edu.pe/backend/api/core/bitstreams/9902d967-0abe-4810-a860-88a2f8ba981c/download4f972e9d548ef8fcf0dcb7fd6d1b99b8MD59ORIGINALB.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdfB.Garcia_A.Tello_R.Ballero_I.Quiroz_Conference_Paper_2024.pdfapplication/pdf696971https://repositorio.utp.edu.pe/backend/api/core/bitstreams/c6cb8d47-6a60-4fe9-b3c1-1e30c794f919/download4b84b352f47a5b9810c8794d90dae1d2MD5520.500.12867/14359oai:repositorio.utp.edu.pe:20.500.12867/143592025-11-30 16:06:24.386https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.utp.edu.peRepositorio de la Universidad Tecnológica del Perúrepositorio@utp.edu.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 |
| score |
13.934021 |
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).