Look-up in Google Scholar
Title: Machine learning en la mejora del proceso de selección del personal administrativo de la Corte Superior de Justicia de Lima, 2020
Advisor(s): Visurraga Agüero, Joel Martin
OCDE field: https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2021
Institution: Universidad César Vallejo
Abstract: En esta investigación se determinó que el Machine Learning mejora el proceso de selección del personal administrativo de la Corte Superior de Justicia de Lima, 2020. El estudio se realizó a raíz de que los procesos de selección tradicionales generan puestos cancelados o desiertos. Se desarrolló una investigación con enfoque cuantitativo en una muestra de 300 observaciones, bajo el supuesto de que machine learning mejora el proceso de selección del personal administrativo, se eligió un diseño cuasi experimental, donde el proceso de selección se cuantificó con tres indicadores, índice de personal postulante, índice de evaluación curricular, e índice de contratación, a través de un pretest y un postest, las observaciones se obtuvieron mediante fichas que fueron validadas mediante juicio de expertos y la confiabilidad se valoró mediante el test alfa de Cronbach, cuyas valoraciones superaron el 70%. Los resultados se determinaron mediante el test de Wilcoxon que permitió la comparación del pretest y postest, cuyo contraste fue significativo en cada indicador, y se determinó que los indicadores mejoran en 35% en el índice de personal postulante, 17% en el índice de evaluación curricular, y 2% en el índice de contratación.
Note: Maestría en Ingeniería de Sistemas con mención en Tecnologías de la Información; Lima Norte; Sistema de Información y Comunicación
Discipline: Maestría en Ingeniería de Sistemas con Mención en Tecnologías de la Información
Grade or title grantor: Universidad César Vallejo. Escuela de Posgrado
Grade or title: Maestro en Ingeniería de Sistemas con mención en Tecnologías de la Información
Juror: Flores Zafra, David; Ramirez Rios, Alejandro; Visurraga Aguero, Joel Martin
Register date: 31-May-2021; 31-May-2021



This item is licensed under a Creative Commons License Creative Commons