Reducing imprecision in a human resource database through rough set theory
Palabras clave:
apoyo multicriterio a la decisión, toma de decisión, inconsistencia, teoría de los conjuntos aproximativosResumen
Este estudio aborda la toma de decisión con datos reproducidos e inconsistentes dentro del ámbito Recursos Humanos, en una importante institución financiera y social brasileña. La reproducción proviene de cuestiones técnicas o económicas, buscando la adecuación a las exigencias corporativas y departamentales de esa institución. Como metodología, optamos por la observación directa de las inconsistencias y el simulacro, basándonos en datos reales reflejando la reproducción con inconsistencias.
Fue necesario el uso de un método analítico de multicriterio, para convertir en realidad y hacer más racional ese proceso de toma de decisión. Se usó la Teoría de los Conjuntos Aproximativos, porque no quedaba disponible ninguna información sobre la ocurrencia de inconsistencias. Para eso, desarrollamos un algoritmo que indicase las principales fuentes de datos reproducidos e inconsistentes. Ese algoritmo fue subsecuentemente implementado con un software usado para facilitar la investigación sobre aquellas fuentes de datos.
Descargas
Referencias
BIT, M.; BEAUBOUEF, T. (2008): “ROUGH SET UNCERTAINTY FOR ROBOTIC SYSTEMS”. Journal of Computing Sciences in Colleges, Association for Computing Machinery (ACM) – n. 23 (i. 6) – pgs. 126-132.
CODD, E. F. (1970): “A RELATIONAL MODEL OF DATA FOR LARGE SHARED DATA BANKS”. Communications of the ACM, n. 13 (6), pgs. 377-
387.
GOMES, L. F. A. M.; GOMES, C. F. S. (2001): “UMA TÉCNICA DE DATA MINING: PRINCÍPIOS BÁSICOS DOS CONJUNTOS APROXIMATIVOS E
SUAS APLICAÇÕES”. Revista ANGRAD, 2 n. (1), pgs. 13-22.
GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. (2006): “TOMADA DE DECISÃO GERENCIAL: ENFOQUE MULTICRITÉRIO”. Atlas, São
Paulo, 289 pgs.
GRECO, S.; MATARAZZO, B.; SLOWINSKI, R. (2005): “DECISION RULE APPROACH”. In: Figueira, J.; Greco, S. and Ehrgott, M. (EDS.) Multiple
criteria decision analysis state of the art surveys. Springer, New York. Science + Business media, cap. 13, pgs. 507-561.
GRZYMALA-BUSSE, J. W. (1988): “KNOWLEDGE ACQUISITION UNDER UNCERTAINTY – A ROUGH SET APPROACH”. Journal of Intelligent and
Robotic Systems, n. 1, pgs. 3-16.
LIN, T. Y. (2008): ”ROUGH SET THEORY IN VERY LARGE DATABASES”. Available on: http://www.cs.sjsu.edu/~tylin/publications/paperList/82_rs_dm8.pdf>.
NOWICKI, R. (2008):”ON COMBINING NEURO-FUZZY ARCHITECTURES WITH THE ROUGH SET THEORY TO SOLVE CLASSIFICATION PROBLEMS WITH INCOMPLETE DATA”. IEEE Transactions on Knowledge and Data Engineering. Available on: <http://ieeexplore.ieee.org/Xplore/login.jsp URL=/IEL5/69/4358933/04487067.PDF?TP=&ARNUMBER=4487067&ISNU MBER=4358933>.
PAWLAK, Z. (1991): “ROUGH SETS. THEORETICAL ASPECTS OF REASONING ABOUT DATA”. Kluwer Academic Publishers, Dordrecht, 229
pgs.
PAWLAK, Z. (2000): “ROUGH SETS AND DECISION ANALYSIS”. Information Systems & Operational Research, n. 38 (3), pgs. 132-144.
PAWLAK, Z.; GRZYMALA-BUSSE, J.; SLOWINSKI, R.; ZIARKO, W. (1995): “ROUGH SETS”. Communications of the ACM, n. 38 (11), pgs. 89-95.
PAWLAK, Z.; SLOWINSKI, R. (1994): “ROUGH SET APPROACH TO MULTI-ATTRIBUTE DECISION ANALYSIS”. European Journal of Operational Research, Invited Review, n. 72, pgs. 443-459.
ROY, B.; BOUYSSOU, D. (1993): "AIDE MULTICRITÈRE À LA DÉCISION: MÉTHODES ET CAS". Economica, Paris. • SON, S. H. (1988): “REPLICATED DATA MANAGEMENT IN DISTRIBUTED DATABASE SYSTEMS”. Sigmod Record, n. 17 (4), pgs. 62-69.
TSUMOTO, S. (2000): “AUTOMATED KNOWLEDGE DISCOVERY IN CLINICAL DATABASES BASED ON ROUGH SET MODEL”. Information Systems & Operational Research, n. 38 (3), pgs. 196-207.
ZIARKO, W. (1993a): “ANALYSIS OF UNCERTAIN INFORMATION IN THE FRAMEWORK OF VARIABLE PRECISION ROUGH SETS”. Foundations of Computing and Decision Sciences, n. 18 (3-4), pgs. 381-396.
ZIARKO, W. (1993b): “VARIABLE PRECISION ROUGH SET MODEL”. Journal of Computer and System Sciences, n. 46 (1), pgs. 39-59.
Descargas
Publicado
Número
Sección
Licencia
Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la misma licencia del original.
