Implementación de un modelo de predicción de deserción laboral a partir de la aplicación de redes neuronales artificiales en una consultora, Arequipa, 2023

Lopez Pinto, Gabriela Milagros

Implementación de un modelo de predicción de deserción laboral a partir de la aplicación de redes neuronales artificiales en una consultora, Arequipa, 2023

dc.contributor.advisor	Delgado Montesinos, Max Edwin
dc.contributor.author	Lopez Pinto, Gabriela Milagros
dc.date.accessioned	2025-12-10T20:07:06Z
dc.date.available	2025-12-10T20:07:06Z
dc.date.issued	2025-10-31
dc.description.abstract	El presente trabajo de tesis se realizó con el objetivo de proponer un modelo de predicción de deserción laboral a partir de la aplicación de redes neuronales artificiales en una consultora, Arequipa, 2023. Para ello, se inició con el planteamiento operacional de la investigación y posterior a ello se realizó un análisis de los fundamentos teóricos en relación a las variables de la investigación para complementar la misma. Posterior a ello, se realizó un diagnóstico situacional de la deserción laboral y se identificó que durante el año 2023 se tuvieron 12 renuncias voluntarias en el equipo de consultores, lo que equivale a un 48% del total del equipo, indicando así que la rotación del equipo es alta. Teniendo en cuenta estos datos, se desarrolló una encuesta para identificar cuáles son los puntos más críticos que inciden en la deserción laboral, ingresando dicha base de datos al Software Orange para realizar el modelo de redes neuronales para el presente trabajo de investigación. Se logó completar exitosamente el desarrollo del modelo de predicción de deserción laboral a partir de la aplicación de redes neuronales artificiales en la consultora estudiada, con un grado de confiabilidad alto equivalente a 0.902, utilizándose el modelo de predicción de “árbol”, debido a que las predicciones siguen una ruta de porcentajes, lo que permitió visualizar de forma precisa cuáles son las variables más influyentes en la decisión de renuncia de los trabajadores. De igual forma, se implementaron mejoras en relación a las variables de remuneración, ambiente laboral, línea de carrera y clima organizacional, ya que fueron las variables con mayor ponderación en los trabajadores que renunciaron durante el desarrollo del modelo, obteniendo un un VAN de S/ 5,049.53, con una TIR de 61%, un B/C de 1.38 y un PR de 1.22; esto precisa que, la propuesta es rentable.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12920/16039
dc.language.iso	spa
dc.publisher	Universidad Católica de Santa María	es_ES
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	es_ES
dc.source	Universidad Católica de Santa María	es_ES
dc.source	Repositorio de la Universidad Católica de Santa María - UCSM	es_ES
dc.subject	Redes neuronales
dc.subject	Predicción
dc.subject	Software Orange
dc.subject	Deserción laboral
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.11.04
dc.title	Implementación de un modelo de predicción de deserción laboral a partir de la aplicación de redes neuronales artificiales en una consultora, Arequipa, 2023
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	29291265
renati.advisor.orcid	0000-0002-4210-3484
renati.author.dni	45425702
renati.discipline	722026
renati.juror	Valdivia Portugal, Cesar
renati.juror	Urday Luna, Ferly Elmer
renati.juror	Flores Sanchez, Mariela Rosa
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería Industrial
thesis.degree.grantor	Universidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formales	es_ES
thesis.degree.name	Ingeniera Industrial