análise dos resultados da avaliação de potencial e perfil (app) em profissionais brasileiros,...

96
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Mestrado em Educação Tecnológica Leandro Libério da Silva ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING Belo Horizonte - MG 2010

Upload: leandro-liberio-da-silva

Post on 28-Jul-2015

512 views

Category:

Documents


3 download

DESCRIPTION

Utilizaram-se algoritmos de clusterização para descoberta de conhecimento em base de dados (KDD) a partir de investigação exploratória com a ferramenta open source Waikato Environment for Knowledge Analysis (WEKA). O objetivo do trabalho foi investigar o perfil de profissionais brasileiros com base nos resultados da Avaliação de Potencial e Perfil (APP). A APP, autoavaliação para mapear vinte fatores profissionais e comportamentais, foi utilizada em milhares de profissionais brasileiros desde 1979. Este instrumento é uma versão brasileira desenvolvida pela psicóloga Maria Lúcia Rodrigues Corrêa, baseada no inventário construído na década de sessenta, pelo Dr. Max Kostick, do State College of Boston. Foi gerada uma amostra significativa a partir da base de dados analítica de 8.832 resultados produzidos entre os anos de 2000 a 2010. Os resultados apoiados nos dados elicitaram conhecimento anteriormente implícito sobre quatro grupos de respondentes. Foram indicados três fatores com maior interesse de discriminação em relação ao conjunto de dados completo. Para conclusões, além dessas diferenças, as similaridades dos demais fatores também foram confrontadas com as premissas teóricas da APP, a fim de definir potenciais características autopercebidas dos respondentes brasileiros quanto ao seu comportamento nas relações de trabalho.

TRANSCRIPT

Page 1: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Mestrado em Educação Tecnológica

Leandro Libério da Silva

ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE

DATA MINING

Belo Horizonte - MG 2010

Page 2: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

Leandro Libério da Silva

ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP)

EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

Dissertação apresentada ao curso de Mestrado em Educação Tecnológica do Programa de Pós-Graduação Stricto Sensu do Centro Federal de Educação Tecnológica de Minas Gerais – CEFET-MG, como requisito parcial à obtenção do título de Mestre em Educação Tecnológica. Área de Concentração: Educação Tecnológica Linha de Pesquisa: Tecnologia da Informação e Educação Orientador: Prof. Dr. Heitor Garcia de Carvalho

Belo Horizonte - MG

2010

Page 3: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

SILVA, Leandro Libério da Análise dos Resultados da Avaliação de Potencial e Perfil (APP)

em profissionais brasileiros com uso de Data Mining/ Leandro Libério da Silva.- - Belo Horizonte: CEFET/MG, DPPG, 2010.

x, 95 f. : il. ; xx cm. Orientador: Heitor Garcia de Carvalho

Dissertação (mestrado) – Centro Federal de Educação Tecnológica de Minas Gerais, CEFET-MG, Programa de Pós Graduação em Educação Tecnológica, 2010. Referências bibliográficas: f. 91-93. 1. Tecnologia Educacional. 2. Sistemas de Informação. 3. Área de concentração: Educação Tecnológica – Dissertação. I. Carvalho, Heitor Garcia de. II. Centro Federal de Educação Tecnológica de Minas Gerais, Programa de Pós-Graduação Mestrado em Educação Tecnológica de Minas Gerias III.Título.

Page 4: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

Dissertação intitulada “Análise dos resultados da avaliação de potencial e perfil (APP) em profissionais brasileiros, com uso de data mining”, de autoria do mestrando Leandro Libério da Silva, aprovada pela Banca Examinadora constituída pelos seguintes professores:

____________________________________________________ Prof. Dr. Heitor Garcia de Carvalho - CEFET/MG - Orientador

____________________________________________________ Prof. Dr. Allan Claudius Queiroz Barbosa – UFMG/MG

____________________________________________________ Prof. Dr. George Leal Jamil – FUMEC/MG

____________________________________________________ Profa. Dra. Márcia Gorett Ribeiro Grossi - CEFET/MG

Belo Horizonte, 18 de agosto de 2010

Mestrado em Educação Tecnológica Programa de Pós-Graduação Stricto Sensu Centro Federal de Educação Tecnológica de Minas Gerais – CEFET-MG,

Page 5: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

Dedico esta dissertação aos meus pais, João e Lenir,

pelo amor, fé e incentivo.

Que este trabalho seja um brinde à dedicação que vocês

sempre tiveram por mim.

Page 6: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

AGRADECIMENTOS

Agradeço a Deus por tudo nessa vida, e por agir por meio das seguintes pessoas: Ao Prof. Dr. Heitor Garcia de Carvalho, por ter acreditado, orientado e “incomodado” positivamente minha carreira de mestrando. Tornou-se um amigo e, com seu brilhantismo e humildade, transformou-me como educando. À amiga e autora da APP, Maria Lúcia Rodrigues Corrêa, que proporcionou condições para o desenvolvimento deste trabalho. Uma amizade intensa, que, além de me transformar como pessoa, mostrou-me novos rumos. Ao Prof. Allan Claudius Queiroz Barbosa, pela disponibilidade e interesse na

avaliação do meu trabalho.

Ao Prof. George Leal Jamil, que me honra em ter avaliado meu trabalho. À Profa. Márcia Gorett Ribeiro Grossi, pelas suas contribuições e por ter avaliado este trabalho. À minha querida família: a meus irmãos Iêda, Edna, Neilon, Renato e Adelson; a meus sobrinhos, em especial ao meu afilhado Davi; a meus cunhados José Adelson, Júnior, Íris, Bruna e Angelita, sempre compreensivos com meus períodos de ausência. Aos amigos Adriana Tonini, Fernando Zaidan, Héder Henrique, Gláucia Roberta e Nesley Daher, pelo apoio e motivação nas horas difíceis. Aos professores, colegas e funcionários do CEFET-MG, em especial aos Profs. Drs. Jerônimo Coura-Sobrinho e José Wilson; Rodrigo Nogueira e Fábio Vasconcelos. Nesta trajetória desses anos de estudos, várias pessoas contribuíram de alguma forma com este trabalho. A todos, com quem dialoguei e troquei informações, o meu muito obrigado.

Page 7: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

"Somos todos anjos de uma asa só,

e só podemos voar...

quando abraçados uns aos outros"

(Autor desconhecido)

“Se eu deixasse algum presente a você

deixaria aceso o sentimento de amar a vida dos seres humanos.

A consciência de aprender tudo o que foi ensinado pelo tempo afora.

Lembraria os erros que foram cometidos para que não mais se repetissem.

Deixaria para você, se houvesse, o

respeito àquilo que é indispensável:

Além do pão, o trabalho.

Além do trabalho, a ação.

E quando tudo mais faltasse, um segredo:

o de buscar no interior de si mesmo a resposta

e a força para encontrar a saída.”

(Mahatma Gandhi)

Page 8: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

RESUMO

Utilizaram-se algoritmos de clusterização para descoberta de conhecimento em base de dados (KDD) a partir de investigação exploratória com a ferramenta open source Waikato Environment for Knowledge Analysis (WEKA). O objetivo do trabalho foi investigar o perfil de profissionais brasileiros com base nos resultados da Avaliação de Potencial e Perfil (APP). A APP, autoavaliação para mapear vinte fatores profissionais e comportamentais, foi utilizada em milhares de profissionais brasileiros desde 1979. Este instrumento é uma versão brasileira desenvolvida pela psicóloga Maria Lúcia Rodrigues Corrêa, baseada no inventário construído na década de sessenta, pelo Dr. Max Kostick, do State College of Boston. Foi gerada uma amostra significativa a partir da base de dados analítica de 8.832 resultados produzidos entre os anos de 2000 a 2010. Os resultados apoiados nos dados elicitaram conhecimento anteriormente implícito sobre quatro grupos de respondentes. Foram indicados três fatores com maior interesse de discriminação em relação ao conjunto de dados completo. Para conclusões, além dessas diferenças, as similaridades dos demais fatores também foram confrontadas com as premissas teóricas da APP, a fim de definir potenciais características autopercebidas dos respondentes brasileiros quanto ao seu comportamento nas relações de trabalho. Palavras-chave: Autoavaliação. Avaliação de potencial e perfil. Clusterização.

Descoberta de conhecimento. Mineração de dados.

Page 9: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

ABSTRACT

Clustering algorithms were used for knowledge discovery in databases (KDD) from the exploratory research with the open source tool called Waikato Environment for Knowledge Analysis (WEKA). The objective was to investigate the profile of Brazilian professionals based on the results of the Assessment Potential and Profile (APP). The APP, self-assessment to map twenty factors professionals and behavioral, was used in thousands of Brazilian professionals since 1979. This instrument is a Brazilian version developed by psychologist Maria Lucia Rodrigues Corrêa that was based on the inventory built in the sixties by Dr Max Kostick, of State College of Boston. It generated a significant sample from the analytical database of 8832 results produced between the years 2000 to 2010. The results supported the data previously elicit implicit knowledge about four groups of respondents. Indicated three factors with the greatest interest of discrimination against the full data set. In conclusion, besides these differences, the similarities of the other factors were also confronted with the theoretical premises of the APP, in order to define potential characteristics self-perceived by Brazilian respondents about their behavior in work relations.

Keywords: Self-assessment. Assessment potential and profile. Custering.

Knowledge discovery. Data mining.

Page 10: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

LISTA DE FIGURAS

FIGURA 1 – EXEMPLO DA HIERARQUIA ENTRE DADO, INFORMAÇÃO E

CONHECIMENTO NO PROCESSO DE KDD. ................................................. 26 

FIGURA 2 – FLUXOGRAMA DO ALGORITMO K-MEANS ................................................... 30 

FIGURA 3 – ESQUEMA ESTRELA COMO REPRESENTAÇÃO GRÁFICA DO

PARTICIONAMENTO DE TRÊS CLUSTERS .................................................. 31 

FIGURA 4 – TELA DA FERRAMENTA WEKA ...................................................................... 32 

FIGURA 5 – ESQUEMA CIRCULAR DO PAPI ..................................................................... 36 

FIGURA 6 – FRAMEWORK DE EDUCAÇÃO CONTINUADA - APP .................................... 37 

FIGURA 7 – RECORTE DA TELA DE CADASTRO DO INVENTÁRIO ON-LINE DA APP... 40 

FIGURA 8 – RECORTE DO EXEMPLO DE RELATÓRIO INDIVIDUAL – VERSÃO

COACHING – COM 3 FATORES DA APP. ...................................................... 41 

FIGURA 9 – GRÁFICO DE FREQUÊNCIA DO EXEMPLO DE RELATÓRIO INDIVIDUAL –

VERSÃO COACHING....................................................................................... 42 

FIGURA 10 – CLASSIFICAÇÃO DAS FAIXAS DE ESCORE DOS FATORES DA

AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM RELAÇÃO AO

POTENCIAL INDIVIDUAL ................................................................................ 43 

FIGURA 11 – GRÁFICO DE BARRAS DO EXEMPLO DE RELATÓRIO INDIVIDUAL ........ 44 

FIGURA 12 – GRÁFICO DE PIZZA DO EXEMPLO DE RELATÓRIO COLETIVO – FATOR

PLANEJAMENTO DA APP ............................................................................... 46 

FIGURA 13 - RELATÓRIO DE RESULTADO DA TAREFA DE CLUSTERIZAÇÃO WEKA –

20 FATORES DA APP ...................................................................................... 78 

Page 11: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

LISTA DE GRÁFICOS

GRÁFICO 1 – DISTRIBUIÇÃO DE FREQUÊNCIA POR REGIÃO DAS RESPOSTAS DA

AVALIAÇÃO DE POTENCIAL E PERFIL (APP) – PERÍODO 2009 A 2010. . 54 

GRÁFICO 2 – DISTRIBUIÇÃO DE FREQUÊNCIA POR FAIXA ETÁRIA E SEXO NAS

RESPOSTAS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) – PERÍODO

DE 2000 A 2010 ............................................................................................. 60 

GRÁFICO 3 – DISTRIBUIÇÃO DE FREQUÊNCIA POR ANO (APLICAÇÃO) E SEXO

(RESPONDENTES) NAS RESPOSTAS DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) – PERÍODO DE 2000 A 2010 ................................................ 61 

GRÁFICO 4 – DISTRIBUIÇÃO DE FREQUÊNCIA POR ANO CARGO DAS RESPOSTAS

DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) – PERÍODO DE 2000 A

2010. ............................................................................................................... 63 

GRÁFICO 5 – MAPA COMPARATIVO ENTRE VALOR IDEAL E O ESCORE DE MAIOR

FREQUÊNCIA DOS FATORES PROFISSIONAIS DA AVALIAÇÃO DE

POTENCIAL E PERFIL (APP) - PERÍODO DE 2000 A 2010 ........................ 65 

GRÁFICO 6 – MAPA COMPARATIVO ENTRE VALOR IDEAL E O ESCORE DE MAIOR

FREQUÊNCIA DOS FATORES COMPORTAMENTAIS DA AVALIAÇÃO DE

POTENCIAL E PERFIL (APP) - PERÍODO DE 2000 A 2010 ........................ 66 

GRÁFICO 7 – PORCENTAGEM DE RESPONDENTES COM POTENCIAL IDEAL NOS

FATORES DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) - PERÍODO

DE 2000 A 2010 ............................................................................................. 68 

GRÁFICO 8 – PORCENTAGEM DE RESPONDENTES COM POTENCIAL INSUFICIENTE

NOS FATORES DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) -

PERÍODO DE 2000 A 2010 ............................................................................ 71 

GRÁFICO 9 – PORCENTAGEM DE RESPONDENTES COM POTENCIAL EXCEDENTE

NOS FATORES DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) -

PERÍODO DE 2000 A 2010 ............................................................................ 75 

Page 12: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

GRÁFICO 10 – COMPARATIVO DOS FATORES DE MAIOR COEFICIENTE DE

VARIAÇÃO ENTRE OS 4 CLUSTERS E O CONJUNTO “FULL DATA” DA

AVALIAÇÃO DE POTENCIAL E PERFIL (APP) – PERÍODO DE 2000 A

2010 ............................................................................................................. 81 

GRÁFICO 11 – POTENCIAL DO FATOR TEMPO DE EXECUÇÃO DA AVALIAÇÃO DE

POTENCIAL E PERFIL (APP) QUE CARACTERIZOU OS 4 CLUSTERS

IDENTIFICADOS NA AMOSTRA – PERÍODO DE 2000 A 2010 ................. 83 

GRÁFICO 12 – POTENCIAL DO FATOR ORGANIZAÇÃO DA AVALIAÇÃO DE POTENCIAL

E PERFIL (APP) QUE CARACTERIZOU OS 4 CLUSTERS

IDENTIFICADOS NA AMOSTRA – PERÍODO DE 2000 A 2010 ................. 84 

GRÁFICO 13 – POTENCIAL DO FATOR INTENSIDADE OPERACIONAL DA AVALIAÇÃO

DE POTENCIAL E PERFIL (APP) QUE CARACTERIZOU OS 4 CLUSTERS

IDENTIFICADOS NA AMOSTRA – PERÍODO DE 2000 A 2010 ................. 85 

Page 13: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

LISTA DE QUADROS

QUADRO 1 FATORES DO INVENTÁRIO PAPI .................................................................. 35 

QUADRO 2 FATORES DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) ....................... 38 

QUADRO 3 EXEMPLO DA RELAÇÃO ITEM E FATOR DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) ................................................................................................... 39 

QUADRO 4 MATRIZ DE CONVERSÃO DAS NOTAS DA APP DO FATOR

PLANEJAMENTO DA VERSÃO COACHING PARA BASE 10 ........................ 45 

QUADRO 5 CRITÉRIOS DE INTERPRETAÇÃO COLETIVA DOS ESCORES DOS

FATORES PROFISSIONAIS DA AVALIAÇÃO DE POTENCIAL E PERFIL

(APP): PLANEJAMENTO, ORGANIZAÇÃO, ACOMPANHAMENTO,

LIDERANÇA E COMUNICAÇÃO. ..................................................................... 47 

QUADRO 6 CRITÉRIOS DE INTERPRETAÇÃO DOS ESCORES DOS FATORES

PROFISSIONAIS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP):

DECISÃO, DETALHISMO/DELEGAÇÃO, INTENSIDADE OPERACIONAL E

PERCEPÇÃO/PRIORIZAÇÃO. ......................................................................... 48 

QUADRO 7 CRITÉRIOS DE INTERPRETAÇÃO DOS ESCORES DOS FATORES

COMPORTAMENTAIS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP):

FLEXIBILIDADE/CRIATIVIDADE, ADAPTABILIDADE A MUDANÇAS,

RELAÇÃO COM AUTORIDADE E CONTROLE EMOCIONAL ........................ 49 

QUADRO 8 CRITÉRIOS DE INTERPRETAÇÃO DOS ESCORES DOS FATORES

COMPORTAMENTAIS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP):

AFETIVIDADE, SOCIABILIDADE, AUTOIMAGEM, ENERGIA VITAL E

REALIZAÇÃO ................................................................................................... 50 

QUADRO 9 CARACTERÍSTICAS DOS 4 CLUSTERS DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) A PARTIR DE DADOS DICOTÔMICOS ................................... 82 

QUADRO 10 CARACTERÍSTICAS DOS 4 CLUSTERS DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) A PARTIR DA BASE ANALÍTICA ............................................. 86

Page 14: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

LISTA DE TABELAS

TABELA 1 DISTRIBUIÇÃO DA FREQUÊNCIA DE RESPOSTAS (EM %) POR SEXO E

FAIXA ETÁRIA DOS RESPONDENTES DA AVALIAÇÃO DE POTENCIAL E

PERFIL (APP) ...................................................................................................... 61 

TABELA 2 DISTRIBUIÇÃO DA FREQUÊNCIA DE RESPOSTAS (EM %) POR ANO DE

APLICAÇÃO E SEXO DOS RESPONDENTES DA AVALIAÇÃO DE POTENCIAL

E PERFIL (APP) – PERÍODO DE 2000 A 2010 .................................................. 62 

TABELA 3 FATORES ORDENADOS PELO COEFICIENTE DE VARIAÇÃO DOS 4

CLUSTERS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) ....................... 79 

Page 15: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

LISTA DE ABREVIATURAS E SIGLAS

APP - Avaliação de Potencial e Perfil

ARFF - Attribute-Relation File Format

CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais

CSV - Comma Separate Values

DDD - Discagem Direta à Distância

DBSCAN - Density-Based Spatial Clustering of Applications with Noise

DM - Data Mining

EM - Expectation Maximinization

INPI - Instituto Nacional de Propriedade Industrial

JVM - Java Virtual Machine

KDD - Knowledge Discovery in Databases

OLAP - On-line Analytical Processing

OPTICS - Ordering Points To Identify the Clustering Structure

PAPI - Personality and Preference Inventory

PDI - Plano (ou Programa) de Desenvolvimento Individual

PDG - Plano (ou Programa) de Desenvolvimento Gerencial

PHP - PHP: Hypertext Preprocessor

PTC - Psychological Testing Centre

RH - Recursos Humanos

SGBDs - Sistemas Gerenciadores de Banco de Dados

SIOP - Society for Industrial and Organizational Psychology

SPSS - Statistical Package for the Social Sciences

TICs - Tecnologias da Informação e da Comunicação

WEKA - Waikato Environment for Knowledge Analysis

WHOQOL - World Health Organization quality of life assessment instrument

XMEANS - Extending K-means

Page 16: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

SUMÁRIO

1  INTRODUÇÃO ............................................................................................................ 16 

1.1  PROBLEMA ....................................................................................................................... 18 1.2  JUSTIFICATIVA ................................................................................................................... 19 1.3  ALINHAMENTO À LINHA DE PESQUISA ..................................................................................... 20 1.4  OBJETIVO GERAL ................................................................................................................ 21 1.5  OBJETIVOS ESPECÍFICOS ....................................................................................................... 21 1.6  DELIMITAÇÃO E ASPECTOS RESTRITIVOS .................................................................................. 22 1.7  TRABALHOS RELACIONADOS ................................................................................................. 22 1.8  ESTRUTURA DO TRABALHO ................................................................................................... 23 

2  REFERENCIAL TEÓRICO ............................................................................................... 25 

2.1  DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS .............................................................. 25 2.2  AVALIAÇÃO DE POTENCIAL E PERFIL ....................................................................................... 33 2.3  SÍNTESE DAS CONTRIBUIÇÕES TEÓRICAS .................................................................................. 51 

3  METODOLOGIA .......................................................................................................... 52 

3.1  ABORDAGEM METODOLÓGICA .............................................................................................. 52 3.2  OBJETO DE PESQUISA .......................................................................................................... 53 3.3  COLETA DE DADOS DA APP .................................................................................................. 53 3.4  SUJEITOS .......................................................................................................................... 54 3.5  PROCEDIMENTOS ............................................................................................................... 55 3.6  ESTRATÉGIAS DE MINERAÇÃO DE DADOS ................................................................................. 56 

4  APRESENTAÇÃO E ANÁLISE DOS RESULTADOS ........................................................... 60 

4.1  PERFIL DOS RESPONDENTES .................................................................................................. 60 4.2  RESULTADOS DA APP ......................................................................................................... 64 4.3  POTENCIAL IDEAL ............................................................................................................... 67 4.4  POTENCIAL INSUFICIENTE ..................................................................................................... 70 4.5  POTENCIAL EXCEDENTE ....................................................................................................... 74 4.6  ANÁLISE COM USO DE DATA MINING ...................................................................................... 77 4.7  POTENCIAL DOS RESPONDENTES IDENTIFICADOS NOS CLUSTERS ................................................... 83 

5  CONCLUSÃO .............................................................................................................. 87 

5.1  DIREÇÕES FUTURAS ............................................................................................................ 90 

REFERÊNCIAS ..................................................................................................................... 91 

ANEXO A – NOTAS SOBRE A VALIDADE DO PAPI ................................................................ 94 

ANEXO B – NOTAS SOBRE O AMBIENTE COMPUTACIONAL ............................................... 95 

Page 17: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

16

1 INTRODUÇÃO

Segundo Laudon e Laudon (2007), o uso convencional de banco de dados permite

consultas estruturadas que respondem quantitativamente sobre os dados. Um

método mais sofisticado seria o processamento analítico on-line (OLAP),

possibilitando uma análise multidimensional que permitiria, por exemplo, comparar

os respondentes com posições de liderança com aqueles com cargos subordinados,

numa perspectiva de tempo (ano) e espaço (região). Nestes dois casos, os usuários

precisam ter uma noção do que estão buscando.

Com a descoberta de conhecimento em base de dados, ou, em inglês, Knowledge

Discovery in Databases (KDD), pretende-se encontrar percepções distintas dos

métodos mais tradicionais, ao descobrir “novos” padrões: relacionamentos

atualmente ocultados por grandes volumes de dados.

Para Goldschimidt e Passos (2005), a técnica de data mining (DM), ou, em

português, mineração ou garimpagem de dados, é uma etapa do KDD que auxilia,

de forma automatizada, a tarefa humana do tratamento de grandes volumes de

dados, com operações sofisticadas, tais como o uso de redes neurais, algoritmos

genéticos e de lógica difusa (fuzzy).

No contexto da Sociedade da Informação, as organizações têm se apresentado com

estruturas cada vez mais horizontais, progressivamente gerando redes de trabalho

(CASTELLS, 2000). Essas redes exigem um novo estilo profissional, capaz de tomar

decisões, de usar e aplicar intensivamente informação e conhecimento, além de

colaborar com as mudanças (flexibilidade) e estratégias organizacionais.

Em função disso, os indivíduos passam a ter um importante papel e a assumir a

responsabilidade por seu desenvolvimento contínuo. Assim, percebe-se que o

capital humano das empresas é dotado de habilidades, conhecimentos, atitudes e

objetivos pessoais, tornando a formação geral do indivíduo uma estratégia

Page 18: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

17

organizacional, de acordo com Fleury (2002). O investimento em desenvolvimento

seria o meio mais utilizado no processo de aprendizagem e disseminação de novas

competências.

Atualmente, o estudo e o uso de instrumentos de diagnóstico e gestão providos pela

área de psicologia organizacional (SIQUEIRA, 2008) têm sido muito demandados

pelos gestores de pessoas. Estes estudos tiveram seus primeiros trabalhos

desenvolvidos na Inglaterra e Estados Unidos, ainda na década de sessenta.

A Avaliação de Potencial e Perfil (APP) é um recurso de autoavaliação que pontua,

com escores de zero a dez, 20 fatores profissionais e comportamentais do indivíduo.

Conforme (CORRÊA, 2009), esse diagnóstico usa um formulário de resposta

forçada, composto de 100 pares de frases, apoiado na base teórica de um inventário

desenvolvido, na década de 60, pelo psicólogo Dr. Max Kostick, apresentado no

referencial teórico desta dissertação.

No Brasil, esses estudos datam da década de setenta e, segundo APP (2003), os

gestores de pessoas utilizam essas ferramentas para auxiliar a tomada de decisão

em processos de recrutamento e seleção, treinamento e desenvolvimento de

equipes, acompanhamento profissional (coaching), entre outras atividades ligadas à

área de Recursos Humanos (RH).

A aplicação desse instrumento por CORRÊA (2009), em milhares de profissionais,

propiciou a geração de um banco de dados eletrônico de uma amostra

genuinamente brasileira, composta de 8.832 relatórios individuais, coletada no

período compreendido entre os anos de 2000 e 2010.

Portanto, o objetivo desta pesquisa foi investigar o perfil desses profissionais

brasileiros com base nos resultados da Avaliação de Potencial e Perfil (APP),

utilizando essa amostra. E, com os recursos das tecnologias da informação e

comunicação (TICs), buscar aferir novos conhecimentos a partir dessa massa de

dados.

Page 19: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

18

Esta investigação situou-se nas fronteiras das áreas da educação, administração,

psicologia e computação. Na próxima seção, é apresentada a problematização deste

estudo.

1.1 Problema

Albuquerque e Fischer (2004) apud Comini, Konuma e Santos (2008), realizaram um

estudo exploratório numa amostra de profissionais que ocupavam cargos de gestão

em áreas de RH de empresas que, em 2002, figuraram em revistas como as

“Maiores Empresas e Melhores Empresas para se Trabalhar”; professores e

consultores reconhecidos em RH. Os autores observaram que, em média, 60% das

avaliações individuais, sejam elas de desempenho, desenvolvimento ou de

resultado, geravam planos de desenvolvimento individual (PDI).

Para Pacheco et al. (2009), o processo de avaliação do plano de desenvolvimento

de pessoas é um componente fundamental e a escolha do seu modelo deve ser bem

criteriosa.

Um modelo a ser utilizado é o autodiagnóstico da APP, cujo conjunto de dados é

muito volumoso para uma análise de padrões de similaridade e, ou, diferenciação

por processos convencionais. Isso torna complexa a obtenção de subsídios de

tomada de decisão, por meio dos dados da APP, armazenados ao longo do tempo.

Uma alternativa seria avaliar a aplicação do processo de KDD como recurso para

tratamento das massas de dados e para evidenciar informações relevantes às

tomadas de decisão que estejam implícitas ou pouco destacadas.

Essa proposição sugere as seguintes questões norteadoras dessa pesquisa: que

informações relevantes e, atualmente, implícitas, estão disponíveis na base de

resultados da APP? Além disso, que perfil profissional é autopercebido pelos seus

respondentes?

Page 20: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

19

1.2 Justificativa

A escassez de relatos de pesquisa, que utilizam técnicas de data mining em dados

coletados a partir de instrumentos de autopercepção das características

profissionais, é uma das principais razões de se empreender o presente trabalho.

Torna-se relevante que os gestores e colaboradores da empresa sejam capazes de

praticar sua autoavaliação visando tanto ao seu crescimento individual quanto ao do

seu grupo e da sociedade, com a obtenção de novas referências (inputs) para tal

desenvolvimento.

Atualmente, o desenvolvimento do indivíduo, dentro ou fora da escola, precisa ser

entendido dentro do contexto em que ele se dá (GRINSPUN, 2002). Com base

nisso, é importante considerarmos que os indivíduos necessitam, cada vez mais, de

aprimorar o uso desse tipo de informação. Além disso, das formas de aprendizagem

propostas por Antonello (2004), que propiciam o desenvolvimento de competências

do indivíduo, é a autoavaliação.

Dentro dessa realidade, as autoavaliações, tais como a APP, utilizam as TICs com o

objetivo de promover o “aprender a se conhecer”. A busca por aprimorar esta

proposta de autoconhecimento, quando bem planejada e incorporada,

possivelmente, resultará na construção de indivíduos mais autônomos, aptos a

exercerem sua cidadania, contribuindo para uma verdadeira sociedade da

informação, como idealiza Takarashi (2000).

A APP foi escolhida por ser um instrumento que avalia vinte fatores profissionais e

comportamentais, utilizado por diversas organizações em todo o Brasil, e que

possibilita a análise de diversos aspectos inerentes ao desenvolvimento de pessoas.

Além disso, essa ferramenta possui uma base de dados bruta, em formato digital,

com histórico dos últimos dez anos.

Page 21: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

20

Jamil (2005) ressalta que a gestão da informação e do conhecimento não são um

mero “modismo”, mas um campo aberto à pesquisa interdisciplinar, permitindo a

contribuição de várias correntes e formas de pensamento, tais como a administração

e ciência da computação.

O processo de KDD, como estratégia metodológica de análise, por se tratar de uma

área da Inteligência Artificial, permite uma pesquisa exploratória de dados com

vistas a descobrir conhecimento implícito em banco de dados, e que pode contribuir

para diagnóstico e tomadas de decisões de gestores de pessoas, no contexto da

educação ou do trabalho.

Com base nisso, a relevância desta pesquisa consiste em apresentar para as

organizações e comunidade acadêmica a importância da análise das informações

coletadas por instrumentos de avaliação de pessoas com vistas ao aprimoramento

dos planos de desenvolvimento individual e coletivo.

.

Por fim, o autor desta dissertação possui um histórico pessoal e profissional que

serviu de background para a construção e transmissão de novos conhecimentos

sobre a questão da autoavaliação em contextos da educação e do trabalho. A sua

experiência agrega tanto a vivência no ensino e pesquisa na educação profissional e

tecnológica, desde 2002, quanto as responsabilidades da gestão de dados da APP,

que teve início em 2008.

1.3 Alinhamento à linha de pesquisa

A análise dos resultados da APP promove o avanço das pesquisas do Centro

Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), em especial a

linha de Tecnologias da Informação e Educação, obedecendo a seus critérios de

excelência e tradição.

Page 22: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

21

Segundo o CEFET-MG (2010)1, a pesquisa em Tecnologias da Informação e

Educação investiga o suporte das TICs recentes nos âmbitos da Educação

Presencial e a Distância.

Por sua vez, a educação no contexto das organizações, pode ser promovida pelos

planos de desenvolvimento de pessoas. As ferramentas que subsidiam a concepção

destes planos empregam diversas tecnologias, dentre elas a internet, gerando um

volume de informações que pode ser tratado por mecanismos de inteligência

artificial, tais como a mineração de dados.

Portanto, percebe-se a sinergia com a situação apresentada por esta dissertação ao

investigar, com o uso de data mining, um instrumento de avaliação de pessoas com

vistas à coleta de dados para subsidiar a concepção de planos de treinamento e

desenvolvimento de pessoas como é o caso da APP.

1.4 Objetivo geral

Investigar o perfil dos profissionais brasileiros com base nos resultados da Avaliação

de Potencial e Perfil (APP), por meio do aprofundamento nos estudos do processo

de descoberta de conhecimento em bases de diagnóstico de desenvolvimento de

pessoas.

1.5 Objetivos específicos

Apresentar os princípios teóricos que originaram o instrumento de

autoavaliação APP, descrevendo o processo atual da APP e a forma de

mensuração do nível de potencial e do perfil dos profissionais. 1 <http://www.et.cefetmg.br/site/sobre/pesquisa.html>. Acesso em 10 jan. 2010.

Page 23: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

22

Avaliar os resultados da APP, examinando as características identitárias

(sexo, idade e cargo) dos respondentes.

Demonstrar os fatores multidimensionais do instrumento, sob a perspectiva de

análise coletiva dos profissionais brasileiros.

Explorar os bancos de dados de respostas da APP, criando uma base de

dados analítica e investigando os resultados da APP, com uso de data

mining.

Confrontar as perspectivas da teoria proposta pela APP e os resultados

demonstrados pelo processo de KDD.

1.6 Delimitação e aspectos restritivos

A pesquisa se restringirá ao exame do conjunto de dados acumulados e disponíveis,

em função das aplicações do questionário no período de 2000 a 2010. Há categorias

de colaboradores em que houve mais frequência de autoavaliações e há outras com

poucos respondentes. Houve diferentes proporções dos tipos de empresas e áreas

de atuação.

As conclusões e generalizações terão, por consequência, restrições e limitações

compatíveis com as características desse banco de dados e com a ótica da

autopercepção de seus respondentes.

1.7 Trabalhos relacionados

Nesta seção, buscou-se indicar trabalhos que tratam da aplicação de análise

exploratória com data mining em dados de inventários de recursos humanos.

Page 24: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

23

No primeiro trabalho em que se percebeu maior aproximação dos assuntos tratados

nesta dissertação, Santos (2007) realizou um estudo de caso com universitários de

uma instituição pública com o instrumento World Health Organization quality of life

assessment instrument (WHOQOL), que avalia a qualidade de vida dos indivíduos.

De acordo com Santos (2007) tomaram-se as técnicas de Regras de Associação em

mineração de dados como abordagem para o processo de descoberta de

conhecimento implícito na base de dados do WHOQOL. Tal tarefa visou auxiliar o

gestor de empresas, em suas tomadas de decisões, para melhoria do estado de

qualidade de vida das pessoas.

Outro trabalho que colaborou com o entendimento dos princípios de construção da

Avaliação de Potencial e Perfil (APP) foi a dissertação de Welter (2007), que se

propôs a identificar evidências de validade e confiança do instrumento Humanguide.

Segundo Welter (2007) Humanguide é um instrumento de avaliação psicológica, que

é administrado via internet e utiliza um formulário ipsativo, que objetiva, no contexto

organizacional, apreender o perfil motivacional de adultos

1.8 Estrutura do trabalho

Este trabalho de pesquisa tem sua estrutura construída por cinco capítulos. Este

capítulo introdutório é dedicado à problematização e à definição dos objetivos da

pesquisa.

Em sequência, o referencial teórico está dividido em duas partes. Na primeira parte

são conceituados os processos de descoberta de conhecimento em base de dados,

a mineração de dados, a tarefa de agrupamentos (clusterização).

Subsequentemente são descritas a origem e características da Avaliação de

Potencial e Perfil, que são objeto deste estudo.

Page 25: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

24

O processo metodológico, apresentado no terceiro capítulo, relata a abordagem

metodológica, o objeto de pesquisa, a coleta de dados e as estratégias de

mineração de dados utilizadas para as atividades descritivas e exploratórias deste

trabalho.

O quarto capítulo objetivou a apresentação e discussões dos resultados. São

demonstrados o perfil dos respondentes e alguns dados coletados, para,

posteriormente, os resultados serem investigados e discutidos sob a perspectiva

convencional e a de data mining.

Finalmente, as conclusões são realizadas no quinto capítulo, onde se apontam os

aprendizados alcançados nesta pesquisa, indicam-se as limitações de análise e

fazem-se sugestões para continuidade dos estudos.

Page 26: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

25

2 REFERENCIAL TEÓRICO

Neste capítulo, são apresentados os principais conceitos para fundamentar o

objetivo deste estudo, à luz da literatura das ciências sociais e das ciências exatas.

A revisão bibliográfica descreve o processo de Descoberta de Conhecimento em

Base de Dados (KDD), tal como utilizado na análise e auxílio de tomadas de decisão

em diversas áreas.

Após a descrição do processo de KDD, são apresentadas a base teórica e origem

do instrumento de autoavaliação e as características da Avaliação de Potencial e

Perfil.

2.1 Descoberta de Conhecimento em Base de Dados

O desenvolvimento das TICs propiciou às organizações diversas ferramentas e

mecanismos de coleta e armazenamento de dados. Os sistemas gerenciadores de

banco de dados (SGBDs) têm sido utilizados amplamente por empresas e

universidades que pretendem organizar e se desenvolver em suas áreas de

atuação.

Motivadas pela busca constante por inovação e sobrevivência, aprofundam suas

pesquisas e interligam o seu conhecimento tecnológico às técnicas de tratamento

desses dados armazenados (TAN; STEINBACH; KUMAR, 2009). Daí parte o

empreendimento de esforços para se implementar o processo de Descoberta de

Conhecimento em Bases de Dados.

Page 27: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

26

Para (FAYYAD et al., 1996, p. 6), KDD é por definição “um processo não-trivial,

interativo e iterativo de identificação de padrões de dados novos e válidos, com

potencial de utilidade e compreensão”.

É importante clarificar as ambiguidades entre os termos dados, informação e

conhecimento no processo de KDD, bem como a abordagem “técnica” do conceito

de conhecimento frente à literatura da Ciência da Computação. A FIG. 1 demonstra

uma hierarquia entre os termos para facilitar o seu entendimento na computação.

FIGURA 1 – Exemplo da hierarquia entre dado, informação e conhecimento no processo de KDD. Fonte: GOLDSCHIMIT; PASSOS, 2005.

Em seu exemplo, Goldschimit e Passos (2005) apresentam os dados como

elementos coletados e armazenados em sua forma bruta, tais como os valores da

renda e despesas mensais de clientes de uma aplicação financeira suportada pelas

TICs.

No mesmo exemplo, a informação (“capacidade mensal de endividamento”) estaria

no nível intermediário, onde os dados seriam associados a significados. Essa

informação, nessa aplicação financeira (contexto), serviria para indicar quanto um

cliente poderia tomar emprestado em relação à sua renda do mês.

Page 28: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

27

No topo da pirâmide, a expressão com “SE” e “ENTÃO”, existente na FIG. 1, seria a

representação de um conhecimento, do ponto de vista da computação, que é a

indicação de um padrão ou conjunto de padrões cuja formulação seria avaliada pelo

usuário da aplicação, por meio da relação entre os dados e a informação.

Sobre essa formação de conhecimento com uso de ferramentas das TICs, Jamil

(2005, p. 115) afirma que “tal objetivo seria conseguido em função do uso consciente

de seus produtos, interpretação da parte de usuários sensibilizados para seu uso e

de sua disseminação pela companhia, contexto que em muito excede os preceitos

técnicos”.

O processo de KDD, numa visão de alto nível, evidencia três grandes etapas

operacionais em seu desenvolvimento. São elas: a etapa de pré-processamento, a

mineração de dados e a etapa de pós-processamento (GOLDSCHIMIT; PASSOS,

2005).

Cios et al. (2007) incrementam as etapas do KDD citadas anteriormente, propondo

um modelo híbrido entre a visão acadêmica, atribuída a Fayyad et al. (1996), com o

modelo de KDD da indústria, descrevendo os seis passos seguintes:

1. Entendimento do domínio do problema;

2. Entendimento dos dados;

3. Preparação dos dados;

4. Mineração de dados;

5. Avaliação da descoberta de conhecimento;

6. Uso do conhecimento descoberto.

A importância do DM se deve ao fato de que é nesta etapa que ocorre efetivamente

a busca de conhecimento nos dados pré-processados, por meio de algoritmos, que

implementam os paradigmas de uma determinada técnica de exploração de dados.

Page 29: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

28

Os autores Tan, Steinbach e Kumar (2009) dividem a tarefa de mineração de dados

em duas categorias principais: Previsão e Descritiva. E, como o próprio nome da

categoria indica, o objetivo da primeira é prever o valor de um atributo com base em

outro conjunto de valores.

A segunda categoria, Tarefa Descritiva, busca derivar padrões para evidenciar os

relacionamentos entre os dados. As Tarefas Descritivas requerem, além do pré-

processamento, técnicas de pós-processamento para explicar os dados,

principalmente quando sua natureza tem cunho exploratório.

2.1.1 Técnica de clusterização

A derivação de padrões, originada das Tarefas Descritivas, pode usar uma ou mais

técnicas de exploração de dados. Dentre elas, há uma que identifica características

comuns de um determinado agrupamento de dados (GOLDSCHIMIDT; PASSOS,

2005).

Por ser o objetivo dessa implementação a tarefa de encontrar clusters (grupos), essa

técnica é conhecida como clusterização (acepção de clustering), sendo usadas

também denominações como agrupamento, segmentação ou agregação.

Segundo Tan, Steinbach e Kumar (2009), organizar a estrutura dos dados em

grupos é uma atividade comum e vem desempenhando um papel importante nas

áreas da Psicologia e da Biologia, de forma a intensificar o reconhecimento de

padrões.

Para estes autores, a clusterização é uma tarefa exploratória de DM, que pode

descrever a correlação, tendência, grupos ou anomalias que, posteriormente, podem

ser explicadas com o seu pós-processamento.

Page 30: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

29

Dada a natureza desse procedimento, Cios et al. (2007) explicam que, no processo

de KDD, a tarefa de clusterização do DM produz um aprendizado não-

supervisionado, ou seja, consegue expressar automaticamente a estrutura dos

dados sem qualquer indicação prévia de padrões (supervisão).

De acordo com a variação da implementação, a clusterização pode ser categorizada

em hierárquica ou de particionamento. Enquanto a clusterização hierárquica

identifica clusters aninhados num determinado conjunto, a outra expressa a

classificação dos dados em n partições.

Para realizar a clusterização dos dados da APP optou-se pela implementação

denominada SimpleKmeans, que é provida pela ferramenta Waikato Environment for

Knowledge Analysis (WEKA2) que será descrita nas próximas seções. Para o melhor

entendimento do funcionamento do SimpleKmeans, a seguir, serão descritas as

premissas de concepção do seu algoritmo original, denominado K-means.

2.1.2 Algoritmo K-means

O algoritmo K-means é um método popular da tarefa de clusterização. Tan,

Steinbach e Kumar (2009) explicam que nesse processo, se determinam,

aleatoriamente, os valores dos elementos centrais (centróides) do cluster a partir de

k pontos de dados numéricos; o valor de k é atribuído pelo próprio usuário e

determina o número de agrupamentos que se deseja identificar.

Depois, cada registro do banco de dados (ponto) é atribuído ao cluster, cuja

distância entre os pontos, em relação ao centróide, é a menor entre todas as

distâncias calculadas. Dá-se, aí, a composição de um grupo, determinada pela

2 <http://www.cs.waikato.ac.nz/ml/weka> acesso em: 27 jun. 2009.

Page 31: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

30

quantidade de registros (coleção de pontos) atribuída a um centróide.

(GOLDSCHIMIDT; PASSOS, 2005).

Este processo é repetido até que os centróides parem de se modificar ou até que

algum elemento mude de cluster. A este movimento de definição de centróides e de

atribuição de pontos (registros) dá se o nome de iteração. Conforme Tan, Steinbach

e Kumar (2009), o valor máximo de iterações é especificado, também, pelo usuário,

para indicar o término do processo, caso as condições normais de finalização não

sejam alcançadas.

Os fluxos da FIG. 2, a seguir, representam visualmente os passos utilizados pelo

algoritmo K-means.

FIGURA 2 – Fluxograma do algoritmo K-means Fonte: Adaptado de Goldschimit e Passos (2005).

Cios et al. (2007) explicam que uma estratégia importante, para o uso da distância

euclidiana no K-means, seria o uso de entradas binárias dos dados (pré-

processamento). Assim, o algoritmo pode representar os padrões que desejam ser

encontrados no cluster, onde 1 indica a presença de padrão; e 0, a ausência do

mesmo.

Page 32: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

31

Os valores da matriz dos clusters que deram origem à FIG. 3 foram:

{ 1, 0, 0, 1, 0, 1, 0, 1 }

{ 0, 1, 1, 0, 0, 0, 0, 0 }

{ 0, 0, 0, 0, 1, 0, 1, 0 }

ou seja, o cluster 1 tem o conjunto de padrões nas posições {1, 4, 6, 8}. O segundo

conjunto de padrões envolve {2, 3} e o terceiro é dado por {5, 7}.

A FIG. 3, a seguir, apresenta graficamente o exemplo do resultado de três clusters:

FIGURA 3 – Esquema estrela como representação gráfica do particionamento de três clusters Fonte: CIOS et al.,2007.

2.1.3 Ferramenta WEKA

Para implementar a técnica de clusterização no processo de descoberta de

conhecimento, na base de resultados da APP, foi necessária a utilização de uma

ferramenta de DM. O software utilizado foi o Waikato Environment for Knowledge

Analysis (WEKA), conjunto de algoritmos e programas produzido pela Universidade

de Waikato, na Nova Zelândia.

Page 33: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

32

A ferramenta de data mining WEKA (2009) implementa vários algoritmos de

clusterização, tais como: Expectation Maximinization (EM), DBScan, XMeans,

SimpleKMeans e OPTICS, entre outros.

Outra característica deste software é ser um ambiente completo de

desenvolvimento, possibilitando executar todas as etapas do KDD com

disponibilidade de vários algoritmos de DM. A seguir, a FIG. 4 ilustra as telas do

ambiente da ferramenta WEKA.

FIGURA 4 – Tela da ferramenta WEKA Fonte: Montagem de telas realizada pelo autor.

Page 34: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

33

Na FIG. 4, o destaque da letra (a) indica a tela inicial do sistema; (b) exemplifica a

tela de configuração dos algoritmos e (c) apresenta a aba de clusterização para

mineração dos dados.

O WEKA é um software open source desenvolvido em plataforma Java que permite

sua portabilidade para os ambientes Linux, MAC e Windows (WEKA, 2009).

Atualmente, prefere-se sua versão 3.6 (utilizada neste trabalho), por ser classificada

como estável em relação a bugs de sistema.

2.2 Avaliação de Potencial e Perfil

A Avaliação de Potencial e Perfil, ou simplesmente APP, é o nome da versão

brasileira do Inventário de Personalidade e Preferências (PAPI), adaptado e

desenvolvido no Brasil por Corrêa (2009).

2.2.1 Inventário original

Na década de sessenta, o Doutor Max Martin Kostick, professor de Psicologia

Industrial do State College of Boston, projetou um instrumento para elicitar os

comportamentos e as preferências dos seus respondentes, adequadas para o

ambiente de trabalho (PTC, 2009).

De acordo com o site da APP3, o Dr. Kostick buscou desenvolver uma ferramenta

completa que atendesse os seguintes objetivos: (a) ter uma base teórica confiável;

(b) simplificar a tomada de decisão com escalas de medidas; (c) possibilitar o uso

por profissionais que não fossem obrigatoriamente psicólogos; (d) evitar 3 <http://www.appweb.com.br>. Acesso em: 8 dez. 2009.

Page 35: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

34

interpretações e termos específicos da psicologia; (e) agregar os aspectos do

ambiente de trabalho; e (f) permitir o aconselhamento e reflexão (APP, 2003).

Essa ferramenta autoavaliativa do Prof. Dr. Kostick recebeu o nome de Inventário de

Personalidade e Preferências (PAPI) e começou a ser disponibilizada efetivamente

em pesquisas na Harvard Business School e na Boston University Business School

(SIOP, 1966).

Inicialmente, o PAPI foi projetado com base numa escala ipsativa. O termo

“ipsativo”, utilizado nas ciências sociais, é originado do latim ipse (“a si mesmo”)

(MCLEAN; CHISSOM, 1986; CHAIN, 2003). Ou seja, nesse tipo de medição, o

respondente deve escolher entre dois ou mais itens, adotando como critério de

escolha aqueles que mais se parecem com ele. Diz-se que é uma medida baseada

numa comparação intraindividual.

Tradicionalmente, este tipo de inventário, que utiliza a medida ipsativa, pode ser

definido com um teste multidimensional de itens de escolha forçada. Esse formato

tem sido muito usado na avaliação de pessoas, e, como explicam Brown e Bartram

(2009), é considerado mais difícil de ser falseado por obrigar os respondentes a

escolher entre duas sentenças, cada uma ligada a um traço distinto de

comportamento.

Outra propriedade dos dados ipsativos é quanto à soma dos escores obtidos em

todas as escalas de medida. Diz-se que uma escala é ipsativa quando desta soma

se obtém um valor constante para qualquer indivíduo (BROWN; BARTRAM, 2009).

De acordo com PTC (2009) o PAPI trata-se de um instrumento validado pela

Sociedade Britânica de Psicologia. A validade deste tipo de instrumento é dada pelo

atendimento satisfatório às características técnicas de construção e administração

do seu formulário (PAPI, 2003). O resumo da avaliação do PAPI é apresentado no

ANEXO A.

Page 36: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

35

A fundamentação teórica do PAPI foi elaborada a partir da Teoria da Personalidade

concebida por Murray (1938), que identifica traços de necessidades e dos papéis

desempenhados pelos indivíduos (PAPI, 2003).

A administração do instrumento é feita a partir de um formulário com 90 pares de

sentenças (frases), que o respondente deve selecionar entre suas necessidades e

papéis. O QUADRO 1, a seguir, apresenta os itens que são computados pelo PAPI.

QUADRO 1 Fatores do inventário PAPI

Necessidades Papéis

Necessidade controlar os outros Papel de liderança

Necessidade de regras e supervisão Tipo organizado

Necessidade de mudança Planejador

Necessidade de finalizar uma tarefa Atenção aos detalhes

Necessidade de ser notado Teórico

Necessidade de pertencer a grupos Harmonizador social

Necessidade de ser relacionar estreitamente Facilidade para tomar decisão

Necessidade de ser forte Ritmo de trabalho

Necessidade de alcançar Controle emocional

Necessidade de ser solidário Papel de trabalhador

Fonte: Adaptado de PAPI (2003)

Os escores são dados, para cada uma das escalas (necessidade ou papel), pela

quantidade de sentenças escolhidas pelo respondente. Por exemplo, o indivíduo que

pontuou 1 em Liderança foi porque selecionou apenas 1 frase ligada ao papel.

Dessa forma, o indivíduo mostra a importância relativa de cada item. Em geral, as

pessoas concluem o preenchimento, na média, em 15 minutos (PTC, 2009).

Segundo Kostick (1977), apud Furnham e Craig (1987), uma pesquisa com gerentes

sugeriu a existência de sete áreas em que este inventário pode produzir

informações, que são: direção para o trabalho; liderança; energia; natureza social;

Page 37: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

36

estilo de trabalho; temperamento e subordinação.

Na FIG. 5, a seguir, as áreas estão representadas num esquema circular, usando as

siglas em inglês, semelhante a um gráfico polar, que deu ao Dr. Kostick o status de

pioneiro neste tipo de representação de perfil (GILLIES; HART, 1992).

Legenda: work direction (WD); leadership (L); activity (A); social nature (SN); work style (WS); temperament (T); followership (F)

FIGURA 5 – Esquema circular do PAPI Fonte: GILLIES; HART, 1992.

2.2.2 Características da versão adaptada

Segundo APP(2003) este diagnóstico é um instrumento registrado sob o número

00820009494 no Instituto Nacional de Propriedade Industrial (INPI) no ano de 1997,

renovado em 2009.

Pelo histórico de administração do instrumento no Brasil, a APP é utilizada para

mapear o perfil dos indivíduos e da equipe de uma empresa. Serve como ferramenta

de apoio às tomadas de decisão, para gestores e profissionais de RH, quanto aos

Page 38: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

37

processos de desenvolvimento e avaliação de pessoas, sendo destinada a todos os

colaboradores, independente de cargo (CORRÊA, 2009).

Dessa forma, a APP não visa a atuar como teste psicológico, mas como: (a)

instrumento de coleta de dados para programas de educação; e (b) referência de

análise intrapessoal para planos de desenvolvimento, conforme a FIG. 6:

FIGURA 6 – Framework de Educação Continuada - APP Fonte: CORRÊA, 2009.

O modelo de trabalho (framework) de Corrêa (2009) prevê os dados levantados pela

APP como ponto de partida do desenho (projeto) de programas de desenvolvimento

individual e gerencial (PDI e PDG), que podem ser suportados por atividades de

coaching e que darão subsídios às reuniões de devolutivas individuais e coletivas

(APP, 2010).

Esse projeto de educação continuada visa a alinhar os objetivos individuais, que

passam a ser mais bem compreendidos com a APP, com as metas estratégicas de

cada organização (CORRÊA, 2009). Por isso, na FIG. 6, o framework indica “Plano

de Vida = Plano da Empresa”.

Page 39: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

38

De acordo com APP (2003), seu objetivo é permitir às pessoas um processo do

autoconhecimento, obtendo informações sobre seu desempenho e dos seus grupos

de referência, possibilitando a motivação para a busca do seu autodesenvolvimento,

ou mesmo da implementação de programas educacionais e de acompanhamento.

Originada da versão ipsativa do PAPI, a APP herdou as características do formato,

tais como: (a) autoavaliativa, (b) questionário de itens de escolha forçada, (c)

apresentação dos itens em pares e (d) multidimensionalidade, que permite sua

grande abrangência e a redução de falseamento dos resultados pelos indivíduos.

A multidimensionalidade da ferramenta é originada por 20 fatores que são listados

no QUADRO 2. A definição de cada dimensão pode ser consultada em APP

(2010c)4.

QUADRO 2 Fatores da Avaliação de Potencial e Perfil (APP)

Fatores profissionais Fatores comportamentais

Planejamento Flexibilidade/ criatividade

Organização Relação com autoridade

Acompanhamento Administração de conflitos

Liderança Controle emocional

Comunicação Adaptabilidade a mudanças

Decisão Afetividade

Detalhismo/ delegação Autoimagem

Tempo de execução Sociabilidade

Intensidade operacional Energia vital

Percepção/ priorização Realização

Fonte: Adaptado de APP (2003).

4 <http://www.appweb.com.br/competencia.php>. Acesso em: 20 jul. 2010.

Page 40: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

39

O processo de adaptação do inventário para o perfil do profissional brasileiro

contemplou: (a) tradução das sentenças, (b) adequação dos nomes e conceitos das

dimensões, (c) escrita e atualização dos textos de avaliação e (d) inclusão de 10

pares de declarações totalizando 200 itens.

As escalas dos fatores profissionais medem a percepção do indivíduo no ambiente

de trabalho. Nos fatores comportamentais, as escalas medem as tendências

profundas inerentes às necessidades dos indivíduos (CORRÊA, 2009). O QUADRO

3, a seguir, ilustra as relações entre as sentenças e os fatores da APP:

QUADRO 3 Exemplo da relação Item e Fator da Avaliação de Potencial e Perfil (APP)

Opções Item Fator

1ª Dizem que sou inflexível. Flexibilidade/ criatividade

2ª Gosto de atuar em equipe. Sociabilidade

Fonte: Adaptado de APP (2010b).

Onde, cada dimensão está diretamente vinculada a 10 itens de escolha, o que

permite a contabilizar um escore de 0 a 10 pontos como regra de mensuração. As

sentenças traduzidas que compõe o inventário da APP estão disponíveis em APP

(2010b)5.

2.2.3 Administração do instrumento

Acompanhando os avanços das TICs, há três opções para que o instrumento possa

ser respondido. Eletronicamente, a primeira opção é o indivíduo (respondente)

acessar e responder a versão on-line do inventário, por meio do site

<http://www.appweb.com.br> acesso em: 8 dez. 2009.

5 <http://www.appweb.com.br/APP_Formulario_de_Respostas.pdf>. Acesso em: 20 jun. 2010.

Page 41: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

40

Outra opção via computador é o indivíduo receber um arquivo com extensão

“DOC"6, que é respondido e encaminhado para a correção por e-mail, por exemplo.

Por fim, a última opção de administração da APP é o formato “papel e lápis”, com

disponibilização de uma versão impressa ao respondente (APP, 2010b).

A seguir, a FIG. 7 apresenta o recorte da tela de cadastro do formulário de aplicação

on-line da APP. As demais principais telas do site estão disponíveis em APP (2010)7.

FIGURA 7 – Recorte da tela de cadastro do inventário on-line da APP. Fonte: APP, 2003.

2.2.4 Relatórios de devolutiva

Com base no gabarito de respostas, on-line ou impresso, o resultado é gerado a

partir da inserção do respectivo registro no software da APP que, por sua vez, é

confrontado com a chave de correção (scoring key) armazenada no banco de dados 6 Formato de arquivo de documentos, por isso a simplificação DOC, amplamente utilizado pelos principais programas de edição de texto. 7 <http://www.appweb.com.br/apresenta/>. Acesso em: 10 jun. 2010

Page 42: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

41

do sistema, evitando assim, uma possível falha humana no processamento do

relatório de devolutiva.

Esses relatórios de devolutiva são apresentados em três versões distintas, sendo as

duas primeiras para avaliação individual e, a terceira versão, quando se deseja

realizar uma análise do grupo. Os modelos dessas versões podem ser consultados

em APP (2010).

A FIG. 8 ilustra a versão coaching da APP, que segue fielmente seu original

(inventário PAPI):

FIGURA 8 – Recorte do exemplo de relatório individual – versão coaching – com 3 fatores da APP. Fonte: APP, 2010.

O relatório de devolutiva individual (FIG. 8) tem seus fatores numerados e listados

na coluna “Critério”; a coluna “Nota” pontua o escore correspondente ao fator; e a

coluna “Avaliação” apresenta um texto que descreve o comportamento do

profissional em conformidade com a “Nota”, no respectivo “Critério”.

Esses textos avaliativos foram produzidos por Corrêa (2009) e podem ser

atualizados dentro da base dados do sistema, quando julgar pertinente. Por

Page 43: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

42

exemplo, a partir de um volume de determinados feedbacks dos respondentes,

percebidos durante as reuniões devolutivas.

Note-se que, visualmente, a versão coaching (FIG. 8) possui uma régua de 0 a 10

logo abaixo de cada nome de “Critério”. Os valores sublinhados determinam os

escores de potencial ideal para o perfil avaliado pela APP.

As notas da versão coaching são atribuídas para cada um dos fatores, da mesma

forma que o PAPI, pela quantidade de itens selecionados pelo respondente. Por

exemplo, o indivíduo que tirou nota 4 em Planejamento foi porque selecionou 4

sentenças associadas a esse fator da APP. Todos os indivíduos, sem exceção, pela

escala ipsativa, totalizam um escore geral de 100 pontos e, consequentemente,

escore médio de 5 pontos.

FIGURA 9 – Gráfico de frequência do exemplo de relatório individual – versão coaching Fonte: Adaptado de APP (2010).

Page 44: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

43

Dessa forma, a leitura que pode ser feita do indivíduo, com base na versão coaching

(FIG. 8 e FIG. 9), é que o mesmo atingiu a média no critério “Planejamento” com a

nota 4, pois os valores ideais são 4, 5 e 6 (hachura na FIG. 9) para esta dimensão.

A classificação dos escores, na versão coaching, é dada conforme a FIG. 10, a

seguir.

FIGURA 10 – Classificação das faixas de escore dos fatores da Avaliação de Potencial e Perfil (APP) em relação ao potencial individual

Fonte: Elaborado pelo autor a partir da base de dados e nos códigos de interpretação dos resultados individuais da APP.

Page 45: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

44

Conforme a FIG. 10 cada fator da APP tem sua faixa de potencial ideal, bem como,

faixas específicas de insuficiência (“Faltou” e “Faltou em excesso”) e extrapolação

de potencial (“Sobrou” e “Sobrou em excesso”).

Para facilitar a interpretação do relatório por um leigo, o relatório individual, versão

coaching, possui um gráfico de barras na “base 10” (APP, 2010), conforme a FIG. 11

a seguir:

FIGURA 11 – Gráfico de barras do exemplo de relatório individual Fonte: Adaptado de APP (2010).

Page 46: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

45

A “base 10” propõe ser mais amigável ao converter os escores da versão coaching

para uma pontuação de 0 a 10 fixa – onde 0 é a nota mais baixa e 10 é a nota mais

alta para todos os fatores.

Na FIG. 11, é indicada a média 7 (arbitrária) como ideal para todos os fatores. Dessa

forma torna-se mais intuitiva a compreensão dos fatores ideais; facilitando uma

comunicação via e-mail, por exemplo.

Conforme o QUADRO 4, a versão “base 10” utiliza o escore da versão coaching para

definir sua pontuação numa redefinição de ranking, com base na experiência

empírica de Corrêa (2009).

QUADRO 4 Matriz de conversão das notas da APP do fator Planejamento da versão

coaching para base 10

Versão Coaching 0 1 2 3 4 5 6 7 8 9 10

Versão “base 10” 1 3 5 6 9 10 10 8 6 3 1

Fonte: Elaborado pelo autor a partir da base de dados de interpretação dos resultados individuais da APP.

2.2.5 Avaliação coletiva

Outro modelo de relatório de devolutiva é destinado à avaliação de equipes ou

mesmo de todos os colaboradores de uma organização. O relatório de devolutiva

coletiva consiste basicamente de 20 gráficos. Cada gráfico representa um dos 20

fatores da APP.

A FIG. 12, a seguir, reflete exemplo de um dos gráficos (Planejamento) de um grupo

de 6 respondentes de uma organização da área de hospitalidade.

Page 47: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

46

FIGURA 12 – Gráfico de pizza do exemplo de relatório coletivo – fator Planejamento da APP

Fonte: Adaptado de APP (2010).

Para gerar esse relatório, é necessário categorizar o escore da versão coaching dos

indivíduos em grupos de respostas, conforme as interpretações que serão

apresentadas, a seguir, pelos QUADROS de número 5 a 8.

Na análise coletiva, podem ser compilados n resultados individuais, disponibilizando

dados para o desenvolvimento do grupo, tais como: (a) verificação e

acompanhamento das habilidades e potencial para Gestão da Qualidade, (b)

Acompanhamento de Pessoal, (c) Plano de Carreira, (d) Compatibilidade da Pessoa

com o Trabalho, (e) Coaching e (f) Treinamentos específicos (APP, 2010).

A seguir, o QUADRO 5 apresenta, na ordem, o nome do fator da APP, a faixa de

pontuação e a coluna “interpretação”, com o texto avaliativo proposto por Corrêa

(2009).

Na coluna “Pontuação” os valores em negrito são os potenciais ideais conforme a

FIG. 10. São apresentados os 5 fatores profissionais: Planejamento, Organização,

Acompanhamento, Liderança e Comunicação.

Page 48: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

47

QUADRO 5 Critérios de interpretação coletiva dos escores dos Fatores Profissionais da Avaliação de

Potencial e Perfil (APP): Planejamento, Organização, Acompanhamento, Liderança e Comunicação.

Fator Pontuação Interpretação

Planejamento

0 Executam sem pensar.

1 e 2 Mais voltados para execução.

3 Tendem a ser pragmáticos.

4, 5 e 6 Apresentam boa capacidade de planejamento.

7 Vêm desenvolvendo a habilidade, mas tendem a ser teóricos.

8, 9 e 10 Apresentam-se mais teóricos.

Organização

0, 1, 2 Revelam-se desorganizados e com dificuldades para detalhes.

3 Devem estar se esforçando para se manterem organizados.

4, 5 e 6 Apresentam boa capacidade de organização.

7 Tendem a ser perfeccionistas.

8, 9 e 10 Revelam-se perfeccionistas. Excedem na organização.

Acompanha-mento

0, 1, 2 e 3 Apresentam-se com pouca necessidade de acompanhar e supervisionar o trabalho de suas equipes.

4 Ainda acompanham pouco. Devem estar executando.

5 Já conseguem promover o desenvolvimento da equipe.

6 e 7 Apresentam boa capacidade de para desenvolver pessoas.

8 Tendem a acompanhar com certo controle.

9 e 10 Tendem a acompanhar com muito rigor.

Liderança

0, 1, 2, 3, 4 Apresentam dificuldade para assumir posição de liderança.

5 Já apresentam com potencial de liderança.

6 e 7 Apresentam boa capacidade de liderança.

8 e 9 Ainda apresentam bom potencial, mas tendem a exceder na liderança.

10 Excedem na liderança. Tendem a ser carismáticos.

Comunicação

0, 1, 2 e 3 Revelam-se sintéticos.

4 Devem estar se esforçando para transmitir com clareza.

5 e 6 Apresentam boa capacidade em transmitir informações.

7, 8, 9 e 10 Tendem a ser prolixos.

Fonte: Elaborado com base no exemplo do gráfico coletivo disponível em APP (2010).

Page 49: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

48

O QUADRO 6, a seguir, apresenta a interpretação de 5 fatores profissionais.

QUADRO 6 Critérios de interpretação dos escores dos Fatores Profissionais da Avaliação de Potencial e

Perfil (APP): Decisão, Detalhismo/Delegação, Intensidade Operacional e Percepção/Priorização.

Fator Pontuação Interpretação

Decisão

0 e 1 Revelam dificuldades para tomar decisões.

2, 3, 4 Ainda apresentam dificuldades para tomar decisões.

5 Vêm desenvolvendo a habilidade, estão aprendendo a correr riscos.

6 e 7 Apresentam boa capacidade para tomar decisões assertivamente.

8, 9 e 10 Tendem a ser precipitados.

Detalhismo/ delegação

0 e 1 Revelam ótima capacidade de delegação.

2 e 3 Revelam boa capacidade de delegação.

4 Vem desenvolvendo essa habilidade.

5 e 6 Ainda se apresentam detalhistas.

7, 8, 9 e 10 Revelam-se detalhistas e com dificuldades para delegar.

Tempo de execução

0 e 1 Sofrem muito para trabalhar com prazos curtos.

2 e 3 Apresentam dificuldades para trabalhar com prazos curtos.

4 Bom tempo de execução.

5, 6 e 7 Revelam saber trabalhar com prazos curtos e sob pressão de tempo.

8 e 9 Tendem a trabalhar rapidamente. Não se estressam com prazos curtos.

10 Trabalham rapidamente, mas podem comprometer os resultados.

Intensidade operacional

0, 1, 2 e 3 Estão se sentindo subaproveitados.

4, 5 e 6 Dimensionam bem o volume de trabalho.

7 e 8 Tendem a trabalhar em excesso.

9 e 10 Devem estar trabalhando em excesso.

Percepção/ priorização

0, 1, 2 e 3 Revelam dificuldade de concentração.

4 e 5 Conseguem trabalhar com imprevistos e emergências.

6 Estão aprendendo a trabalhar com imprevistos, sem se estressar.

7 e 8 Ainda centram a atenção em uma só tarefa.

9 e 10 Revelam dificuldade com imprevistos e emergências.

Fonte: Elaborado com base no exemplo do gráfico coletivo disponível em APP (2010).

Page 50: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

49

O QUADRO 7 e o QUADRO 8, a seguir, identificam os potenciais ideais (em negrito)

dos fatores comportamentais da APP.

QUADRO 7 Critérios de interpretação dos escores dos Fatores Comportamentais da Avaliação de

Potencial e Perfil (APP): Flexibilidade/criatividade, Adaptabilidade a mudanças, Relação com autoridade e Controle emocional

Fator Pontuação Interpretação

Flexibilidade/ criatividade

0, 1 e 2 Revelam-se flexíveis. Devem utilizar bem a criatividade.

3 Estão aprendendo a ser flexíveis, e começam expressar sua criatividade.

4, 5 e 6 Ainda seguem normas em excesso, podendo bloquear sua criatividade.

7, 8, 9 e 10 Seguem normas em excesso. A criatividade deve ser bloqueada.

Adaptabilidade a mudanças

0, 1, 2, 3, 4 Tendem a serem conservadores.

5 e 6 Aceitam bem inovações.

7, 8 e 9 Revelam-se ansiosos para que as mudanças ocorram.

10 Revelam-se muito ansiosos para que as mudanças ocorram.

Relação com autoridade

0, 1, 2 e 3 Tendem a ser autossuficientes.

4, 5 e 6 Estabelecem relações de parceria. Fazem, do chefe, um aliado.

7 e 8 Devem estar aprendendo a fazer, do chefe, um aliado.

9 e 10 Revelam-se submissos.

Administração de conflitos

0, 1 e 2 Revelam dificuldades. Tendem a ser passivos.

3, 4 Estão aprendendo a enfrentar conflitos.

5 e 6 Estão administrando bem situações de conflitos.

7, 8, 9 e 10 Tendem a ser explosivos em situações de conflitos.

Controle emocional

0, 1 e 2 Revelam-se ser do tipo “estopim curto”.

3 Já conseguem controlar suas emoções.

4, 5 e 6 Revelam-se equilibrados (maturidade emocional).

7 Tendem a reprimir suas emoções.

8, 9 e 10 Revelam-se reprimidos.

Fonte: Elaborado com base no exemplo do gráfico coletivo disponível em APP (2010).

Page 51: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

50

A seguir, o QUADRO 8 apresenta as formas de interpretação de 5 fatores

comportamentais.

QUADRO 8 Critérios de interpretação dos escores dos Fatores Comportamentais da Avaliação de

Potencial e Perfil (APP): Afetividade, Sociabilidade, Autoimagem, Energia Vital e Realização

Fator Pontuação Interpretação

Afetividade

0, 1 e 2 Apresentam-se mais reservados, expressando pouco o seu sentimento.

3 e 4 Estabelecem boas relações afetivas. Não misturam relações de amizade com trabalho.

5, 6, 7,

8, 9 e 10 Tendem a se envolver em excesso. Devem fazer concessões e se prejudicar.

Sociabilidade

0, 1, 2 e 3 Tendem a ser mais reservados.

4, 5 e 6 Convivem bem em grupo, estabelecendo bom relacionamento interpessoal.

7 e 8 Ainda apresentam dificuldades em dizer não e fazem concessões.

9 e 10 Tendem a fazer alguma concessão. Preocupam-se em agradar. Devem fazer concessões em excesso.

Autoimagem

0, 1 e 2 Revelam autoimagem muito rebaixada.

3 Já confiam em seu potencial.

4 Apresentam boa autoestima e confiam em seu potencial.

5, 6, 7, 8,

9 e 10 Apresentam autoimagem elevada.

Energia Vital

0 Apresentam energia vital muito rebaixada.

1 e 2 Apresentam baixa energia vital. Devem estar estressados.

3 e 4 Já apresentam bom tônus vital.

5 e 6 Apresentam bom tônus vital.

7, 8, 9 e 10 Revelam muita energia, com tendência a dispersão.

Realização

0, 1, 2 e 3 Podem estar se sentindo subaproveitados.

4 Ainda se apresentam motivados com suas realizações.

5, 6 e 7 Estão motivados com as metas de vida que vêm atingindo.

8, 9 e 10 Tendem a estabelecer metas muito arrojadas, fora do seu alcance.

Fonte: Elaborado com base no exemplo do gráfico coletivo disponível em APP (2010).

Page 52: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

51

2.2.6 Informatização da APP

A partir de 2009, os dados da APP passaram a ser gerenciados por um sistema web

desenvolvido na linguagem PHP Hypertext Preprocessor (PHP) e banco de dados

MySQL8. Esse software é responsável pela manutenção do inventário on-line: (a)

formulário de aplicação, (b) geração de relatórios individuais e coletivos, (c)

gerenciamento dos usuários e outras consultas (APP, 2010).

Esse sistema veio para suprir a demanda de atendimento do grande volume de

resultados encaminhado para processamento. Os inventários administrados por

arquivos “DOC” ou com “papel e lápis”, eram processados por um aplicativo

desenvolvido na linguagem Delphi e base de dados Paradox9, demandando que os

gabaritos de respostas fossem cadastrados manualmente.

2.3 Síntese das contribuições teóricas

Neste capítulo foram apresentados os principais autores da literatura de data minig,

bem como, foram elucidados os constructos do inventário PAPI que deu origem ao

autodignóstico APP.

As descrições do sistema de escore e da interpretação dos relatórios da APP, bem

como as etapas do processo de KDD fundamentam a base de compreensão

utilizada para a abordagem e o desenho da metodologia de pesquisa a ser descrita

no próximo capítulo.

8 PHP e MySQL, são respectivamente, linguagem e banco de dados regidos por licenças de código

aberto. 9 Delphi e Paradox, são respectivamente, linguagem e banco de dados originados de código

proprietário.

Page 53: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

52

3 METODOLOGIA

3.1 Abordagem metodológica

Nesta dissertação optou-se por um estudo descritivo qualitativo. Para Malhotra

(2001) pesquisa qualitativa é uma metodologia não estruturada e de natureza

exploratória, que provê critérios e compreensão do cenário do problema.

Neves (1996, p. 1) explica que a expressão “pesquisa qualitativa”, no campo das

Ciências Sociais, pode compreender um conjunto de técnicas interpretativas que

tem por objetivo traduzir e expressar o sentido dos fenômenos do mundo social.

Os componentes descritivos são encontrados nos demais tipos de pesquisa e têm a

finalidade de descrever, sistematicamente, um determinado conjunto de dados ou

área de interesse (GRESSLER, 2004). Sob a perspectiva descritiva, buscou-se o

entendimento dos fatos e características presentes na amostra e no instrumento da

APP.

Esta abordagem descritiva qualitativa foi aprofundada com uso de técnicas

exploratórias de data mining. Conforme abordado no referencial teórico deste

trabalho, utiliza-se o processo de KDD como técnica de identificação de informações

e relacionamentos relevantes entre os dados possibilitando, a partir de etapas pré-

definidas, a descrição dos conjuntos de registros do banco de dados da APP.

Decidiu-se por esta abordagem tendo em vista o seu potencial na pesquisa social e

pelo forte lastro de sua aplicação prática. Nas próximas seções são descritas a

amostra e os procedimentos desta pesquisa, bem como, são apresentadas as

estratégias adotadas durante a mineração dos dados.

Page 54: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

53

3.2 Objeto de pesquisa

O objeto deste estudo é composto pelo instrumento e pelo conjunto de dados da

amostra brasileira. Decidiu-se por utilizar uma base de dados analítica de

respondentes da APP que estivesse digitalizada, excluindo os registros com base

nos seguintes critérios: (1) utilizar apenas os registros dos indivíduos com mais de

17 anos e com idade igual ou menor a 60 anos, tendo em vista o objetivo do trabalho

em avaliar a pessoa no contexto do trabalho e a dificuldade de se determinar se o

indivíduo, nesses casos extremos, estava ocupando algum posto de trabalho; (2)

considerar o período de respostas compreendido entre os anos de 2000 e 2010; (3)

aceitar somente os registros de origem brasileira, pois houve casos em que

cidadãos portugueses responderam a autoavaliação; e (4) contemplar toda a

amostra, independente da posição funcional do indivíduo.

3.3 Coleta de dados da APP

A base de dados da amostra não-probabilística foi alimentada pelos diversos

formatos de administração do instrumento. Do total de 8.832 registros, 2.819 (32%)

foram registros da base de dados do inventário on-line (base MySQL), ou seja, as

respostas foram inseridas pelos próprios respondentes via internet.

O restante dos registros (68%) foi cadastrado no software aplicativo (base Paradox)

da APP por meio de consultas às respostas em arquivos “DOC”, ou, impressas

recolhidas em administrações de “papel e lápis”.

Vale ressaltar duas especificidades: (1) como o atributo “Cargo” não é um campo

obrigatório e é de digitação livre, os cargos não identificados ou em branco foram

classificados como “Outro”. (2) os respondentes se autoavaliaram em circunstâncias

reais do seu cotidiano profissional ou educacional.

Page 55: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

54

3.4 Sujeitos

Os dados coletados foram obtidos a partir das respostas de profissionais de diversas

empresas posicionadas nos seguintes segmentos: transporte, tecnologia da

informação, indústria, educação, mineração, telecomunicações, hospitalar, químico e

construção civil, entre outras (APP, 2003).

O universo de respondentes também foi composto de indivíduos em processo

educacional a partir de coletas realizadas por Corrêa (2009), sendo uma amostra

genuinamente brasileira, abrangendo todas as regiões do país.

O GRAF. 1, a seguir, evidencia essa amplitude da base de dados da APP ao

apresentar a frequência sujeitos autoavaliados por região do Brasil:

GRÁFICO 1 – Distribuição de Frequência por Região das respostas da Avaliação de Potencial e Perfil (APP) – período 2009 a 2010.

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP, com 2.819 registros, com indicação do código de discagem direta à distância (DDD) e EMBRATEL (2010).

Page 56: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

55

3.5 Procedimentos

Este estudo inicialmente contemplou o levantamento da bibliografia relacionada à

pesquisa, onde se pode conhecer e aprimorar os conhecimentos sobre a abordagem

analítica do processo de KDD.

Quanto aos passos para a realização da pesquisa e os procedimentos de cunho

metodológico que foram contemplados, adotaram-se as seguintes etapas:

(i) Pesquisa documental, envolvendo os registros contidos em artigos, manuais e

sites. O próprio software da APP forneceu também uma visão crítica e global da

temática do problema, permitindo, então, a construção dos dados necessários ao

pré-processamento de dados, sob a condução do professor orientador.

Além disso, a revisão bibliográfica permitiu conhecer o maior conjunto possível

de obras escritas por vários autores e em diferentes aplicações para, então,

selecionar as fontes imprescindíveis a este trabalho. Também foi feito um exame

dos periódicos nacionais e internacionais para localizar artigos sobre o tema.

(ii) Fase de construção do banco de dados analítico: foram definidos os atributos

básicos da tabela de dados da pesquisa, que foram o (1) código da resposta; (2)

o ano de aplicação; (3) a data de nascimento do respondente; (4) o sexo do

respondente; (5) o cargo; e (6) os respectivos campos de resposta (escore) de

cada um dos 20 fatores.

Ao todo, foram disponibilizados 8.832 registros de resultados, obedecendo aos

critérios previamente apresentados na seção 3.2.

(iii) Mineração de dados: foram executadas as etapas de pré-processamento e de

mineração de dados com base em experimentações. Cada experimentação

auxiliou na tomada de decisão quanto ao método de DM e algoritmo. Os passos

e estratégias adotados para essa tarefa serão discutidos na próxima seção deste

capítulo.

Page 57: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

56

(iv) Análise dos dados: resultados do conjunto de registros foram confrontados à

base de teórica da APP, evidenciando uma etapa de pós-processamento de

dados. Tomou-se novamente o uso da base de dados analítica para geração de

dados descritivos e para a confirmação dos resultados obtidos no passo III.

3.6 Estratégias de mineração de dados

A ferramenta WEKA foi instalada num ambiente computacional tendo, como único

ajuste de parâmetro necessário, o incremento da quantidade de memória utilizada

pela máquina virtual Java (JVM, sigla de Java Virtual Machine), uma vez que,

durante as primeiras tentativas de execução das operações, o sistema encerrava

automaticamente e acusava insuficiência de memória (ANEXO B).

Antes do processo efetivo de KDD nas respostas da APP, foram executadas duas

etapas preliminares. Na primeira etapa, a base de dados analítica foi importada para

ferramenta WEKA, numa primeira etapa de pré-processamento.

Na segunda etapa, foram operacionalizados testes e simulações. Cada

experimentação auxiliou na definição das estratégias que deveriam ser dadas aos

registros de origem para se alcançar os resultados almejados ao fim do processo.

Ao final, optou-se por utilizar a implementação SimpleKmeans devido à maior

facilidade de compreensão do seu relatório de processamento. O algoritmo K-means

que originou esta implementação está descrito no referencial teórico.

Conforme a literatura de data mining verificou-se, também, a necessidade de um

pré-tratamento dos dados, o que será descrito na próxima subseção.

Page 58: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

57

3.6.1 Pré-processamento dos dados

A tabela da base de dados analítica da APP, com as instâncias dos resultados

aplicados ao longo de 2000 a 2010, sofreu um tratamento específico antes de ser

importada para a ferramenta WEKA.

Este tratamento consistiu em transformar o conteúdo dos atributos que armazenam

os escores de cada candidato. Este conteúdo passou a ser booleano (0 ou 1) com

base no referencial da APP de potenciais ideais. Ou seja, o atributo onde o

candidato tivesse alcançado o potencial ideal seria substituído por 1, ou, caso

contrário, por 0.

Para a implementação dessa estratégia, utilizou-se um código próprio do sistema da

APP, criado particularmente para esse estudo, com o objetivo de gerar os

resultados, em lote, dos registros selecionados.

A partir daí, os dados puderam ser preparados para a importação na ferramenta

WEKA, com os seguintes passos: 1) gerou-se um arquivo de valores separados por

vírgulas, ou, em inglês Comma Separate Values (CSV); e 2) efetuou-se a sua

importação no WEKA, que automaticamente converteu para Attribute-Relation File

Format (ARFF), como é denominado o formato de arquivo utilizado pelo WEKA.

Tendo em vista que foi interesse a identificação de clusters baseados nos fatores

profissionais e comportamentais medidos pela APP, independente da identidade dos

sujeitos (nome, cargo ou idade) ou da temporalidade (ano de aplicação), foram

ignoradas as demais colunas, ficando apenas as 20 colunas com as respostas dos

indivíduos.

A partir desta operação, obteve-se outra versão da tabela, com os mesmos 8.832

registros, porém com as 20 colunas com dados dicotômicos. Cada uma das colunas

Page 59: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

58

correspondendo a um dos fatores mapeados pela APP, conforme citados no

referencial teórico deste trabalho.

3.6.2 Mineração de dados da APP

Após o pré-processamento, partiu-se para uma das etapas mais importantes do DM,

onde a exploração de dados no KDD ocorre efetivamente. No software WEKA existe

uma aba específica para a configuração de cada tarefa de mineração de dados.

Conforme antecipado na seção 3.6, ajustou-se o algoritmo de particionamento

denominado SimpleKmeans que identifica clusters a partir do cálculo de distâncias

euclidianas. As configurações utilizadas tiveram seus valores setados como default

(padrão).

Como nesse tipo de variação do algoritmo K-means, como abordado no referencial

teórico, precisa basicamente de um parâmetro de interesse fornecido pelo usuário, o

qual deve especificar a quantidade de grupos que se espera como resultado.

A partir daí foram testadas a clusterização com 2, 3, 4, 5, 6 e 7 agrupamentos.

Constatou-se que com para os parâmetros 5, 6 e 7, as características que

distinguiram os clusters do conjunto de dados completos não variaram

consideravelmente, apresentando praticamente todos os grupos muito similares à

coluna full data.

Verificou-se que os testes com 2 e 3 agrupamentos ocultaram alguns padrões já

identificados em valores mais altos para o parâmetro fornecido. Então se optou pela

configuração com 4 clusters.

Com base nos resultados dessa configuração passa-se para a próxima etapa do

processo de KDD que será abordada na próxima subseção.

Page 60: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

59

3.6.3 Pós-processamento dos dados da APP

O objetivo desse tópico é de delinear as fases que possibilitam a confrontação do

resultado dos dados minerados com a teoria do APP, com vistas a avaliar a

descoberta de conhecimento.

Um primeiro passo foi identificar os fatores de interesse, ou seja, uma tarefa de

avaliação humana do pesquisador, com base em seus conhecimentos prévios das

questões da APP. Neste tipo de clusterização com dados dicotômicos, evidenciam-

se os atributos que pontuarem 0 ou 1.

O segundo passo foi salvar os resultados numa base de dados idêntica ao banco de

dados analíticos, porém acrescentando uma nova coluna, denominada “cluster”, na

tabela resultante. Isso permitiu novas consultas aos clusters, sem a necessidade de

minerá-los novamente.

Por fim, o trabalho consistiu na elaboração de gráficos, tabelas e quadros para

serem apresentados no capítulo de resultados desta pesquisa. Esta etapa foi de

suma importância, uma vez que os recursos gráficos da ferramenta WEKA ainda são

pouco intuitivos.

Page 61: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

60

4 APRESENTAÇÃO E ANÁLISE DOS RESULTADOS

Este capítulo trata da demonstração e discussão dos resultados obtidos na

pesquisa. Nesse sentido, foi apresentada a amostra sob o ponto de vista

demográfico (sexo e idade) e temporal (ano de aplicação). Para sua análise, foi

proposta a comparação dos resultados e médias dos fatores profissionais e

comportamentais, e destacou-se a abordagem exploratória, com o uso da técnica de

clusterização como processo de descoberta de conhecimento (KDD).

4.1 Perfil dos respondentes

A amostra não-probabilística da APP totaliza 8.832 respondentes. Desses, 55% são

formados por indivíduos do sexo masculino; 45%, por mulheres (GRAF. 2). Quanto à

faixa etária, a maioria (51%) é composta de pessoas com idade entre 18 a 30 anos.

GRÁFICO 2 – Distribuição de Frequência por Faixa etária e Sexo nas respostas da Avaliação de Potencial e Perfil (APP) – período de 2000 a 2010 Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 62: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

61

Constatou-se, pela TAB. 1, que a proporção de entre respondentes do sexo feminino

foi maior nas faixas mais jovens, reduzindo-se à medida que a idade aumenta até se

tornar pouco significativa na classe de 55 a 60 anos.

TABELA 1 Distribuição da frequência de respostas (em %) por sexo e faixa etária dos

respondentes da Avaliação de Potencial e Perfil (APP)

Faixa Etária 18-24 25-30 31-36 37-42 43-48 49-54 55-60

% Feminino (F) 55% 48% 44% 39% 36% 31% 26%

% Masculino (M) 45% 52% 56% 61% 64% 69% 74%

F – M 10% -4% -12% -22% -27% -38% -49%

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

O GRAF. 3, a seguir, apresenta a distribuição dos respondentes por ano, em que a

APP foi administrada ao indivíduo, e por seu sexo:

GRÁFICO 3 – Distribuição de Frequência por ano (aplicação) e sexo (respondentes) nas respostas da Avaliação de Potencial e Perfil (APP) – período de 2000 a 2010 Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 63: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

62

A frequência de respostas da autoavaliação recebidas nos últimos 4 anos (2007 a

2010) representa a maioria da amostra (56%). Entretanto, igual período de tempo, a

contar a partir de 2000, corresponde a 22% do total de respondentes (GRAF. 3).

Ainda conforme o GRAF. 3, os anos de 2002, e do período compreendido entre

2006 e 2010, tiveram o número respostas superior à média dos 10 anos

investigados (883 respostas). Os anos 2000, 2001 e 2003 tiveram sua frequência de

aplicações abaixo dos 5% do total da base de dados.

A TAB. 2 mostra que os respondentes do sexo masculino também são maioria ao

longo de cada ano em que o instrumento foi administrado, com exceção dos anos

2000 e 2002. Apesar disso, constata-se que a proporção das respostas do sexo

feminino, nos 10 anos investigados, é sempre superior a 35% da amostra.

TABELA 2 Distribuição da frequência de respostas (em %) por ano de aplicação e sexo dos respondentes da Avaliação de Potencial e Perfil (APP) – Período de 2000 a 2010

Ano 00 01 02 03 04 05 06 07 08 09 10

% Fem. 55% 47% 54% 35% 35% 48% 50% 41% 41% 45% 45%

% Mas. 45% 53% 46% 65% 65% 52% 50% 59% 59% 55% 55%

F - M 10% -6% 8% -30% -30% -4% 0% -18% -18% -11% -11%

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

No ano de 2006, a diferença da frequência de respostas foi de apenas 4, do sexo

masculino, acima do total de 581 de respondentes do sexo feminino. Devido à

ausência de casas decimais da TAB. 2, o critério de arredondamento ocultou a sua

diferença percentual.

Quanto ao atributo cargo, os respondentes da APP foram ordenados em 26 cargos

de trabalho, sendo que, com aproximadamente 23% dos indivíduos, não foi possível

encontrar uma classificação satisfatória. Como descrito anteriormente, nos

procedimentos metodológicos, foi atribuído o valor “Outro” para esses casos (GRAF.

Page 64: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

63

4).

Os cargos: (a) Vice-Presidente, (b) Presidente, (c) Superintendente, (d) Líder, (e)

Chefe, (f) Administrador, (g) Empresário, (h) Supervisor, (i) Diretor, (j) Coordenador,

(k) Facilitador e (l) Gerente como posições de liderança de pessoas, esses

representam 26% da amostra (GRAF. 4).

GRÁFICO 4 – Distribuição de Frequência por ano Cargo das respostas da Avaliação de Potencial e Perfil (APP) – período de 2000 a 2010. Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 65: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

64

Conforme o GRAF. 4, a maioria dos respondentes da amostra, 51%, não está

diretamente posicionada em cargos de liderança. Tanto existem respondentes com

cargos de staff, como existem profissionais que atuam como consultores e

assessores. Além disso, 250 indivíduos (3%) alegaram estar estudando.

4.2 Resultados da APP

A partir da multidimensionalidade da APP, nas próximas subseções são

apresentados os resultados alcançados pelos respondentes, de acordo com as

faixas de potencial, conforme a FIG. 10.

Os GRAF. 5 e GRAF. 6, a seguir, resumem os 20 fatores da APP. Selecionou-se,

arbitrariamente, um dos valores da faixa de potencial ideal para concepção dos

gráficos polares (radar), inspirado em Kostick.

Constatou-se, pelo GRAF. 5, que o escore de maior frequência da amostra sobrepôs

as indicações dos fatores profissionais em: (1) Organização; (2) Comunicação

indicando estarem com potencial no escore ideal.

Enquanto o escore de outros 4 fatores profissionais da APP ficaram abaixo do valor

ideal. Ou seja, pode-se dizer que o potencial ficou insuficiente em (1)

Acompanhamento; (2) Liderança; (3) Decisão e (4) Tempo de execução (GRAF. 5).

Quatro fatores profissionais tiveram seu potencial excedido. Portanto, pontuaram

acima do escore idealizado: (1) Planejamento; (2) Detalhismo-delegação; (3)

Intensidade operacional; e (4) Percepção-priorização.

Apenas o fator profissional denominado Planejamento, indicado no GRAF. 5, que

ficou posicionado “fora” do ideal, poderia ser considerado também satisfatório, pois

esteve dentro da faixa de potencial ideal da FIG. 10, apresentada no referencial

Page 66: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

65

teórico.

Enquanto, nos fatores profissionais, os escores com maior distância em relação ao

potencial ideal foram em Detalhismo-delegação e Percepção-priorização com a

diferença de 4 e 3 pontos, respectivamente.

GRÁFICO 5 – Mapa comparativo entre valor ideal e o escore de maior frequência dos fatores profissionais da Avaliação de Potencial e Perfil (APP) - período de 2000 a 2010 Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 67: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

66

Verificou-se, pelo GRAF. 6, que o escore de maior frequência da amostra sobrepôs

as indicações dos fatores: (1) Relação com autoridade; (2) Administração de

conflitos; (3) Controle Emocional; (4) Realização indicando estarem com potencial

comportamental no escore ideal.

GRÁFICO 6 – Mapa comparativo entre valor ideal e o escore de maior frequência dos fatores comportamentais da Avaliação de Potencial e Perfil (APP) - período de 2000 a 2010 Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 68: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

67

Outras duas dimensões comportamentais da APP ficaram abaixo do valor ideal. Ou

seja, pode-se dizer que o potencial ficou insuficiente em: (1) Energia vital; (2)

Autoimagem (GRAF. 6).

Enquanto 4 fatores comportamentais tiveram seu potencial excedido no GRAF. 6.

Portanto, pontuaram acima do escore idealizado: (1) Flexibilidade-criatividade; (2)

Adaptabilidade a mudanças; (3) Afetividade; e (4) Sociabilidade.

Apenas o fator comportamental Afetividade, conforme o GRAF. 6, que ficou

posicionado “fora” do ideal, poderia ser considerado também satisfatório, pois ficou

dentro da faixa de potencial ideal da FIG. 10, apresentada no referencial teórico.

O escore com maior distância em relação ao potencial ideal foi do fator Flexibilidade-

criatividade, tendo em vista que o ideal é 0 e a sua maior frequência foi 6, de acordo

com o GRAF. 6.

4.3 Potencial ideal

Para investigar o potencial ideal dos respondentes da APP, elaborou-se o GRAF. 7,

a seguir, com base na distribuição da frequência (em %) das respostas dentro da

faixa idealizada.

No GRAF. 7, três fatores comportamentais e três fatores profissionais tiveram o

percentual mais baixo (menor que 25% da amostra) em relação à frequência de

respostas com potencial ideal, indicando 6 dimensões prioritárias para o

desenvolvimento dos respondentes da amostra.

Os fatores denominados Flexibilidade-criatividade (4%) e Detalhismo-delegação

(8%) ficaram abaixo de 10% da amostra, seguidos do fator Autoimagem, que atingiu

o índice 19% dos respondentes (GRAF. 7). A dimensão Acompanhamento ficou com

Page 69: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

68

22% da amostra e os fatores Energia vital e Percepção pontuaram 24%, cada um.

GRÁFICO 7 – Porcentagem de respondentes com potencial ideal nos fatores da Avaliação

de Potencial e Perfil (APP) - Período de 2000 a 2010

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Page 70: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

69

Constatou-se, com estes dados, que 25% da amostra, cerca de 2.200 dos

respondentes, tem dificuldades comportamentais com: (1) sua necessidade em

seguir normas no trabalho; (2) seu grau de autoestima; e (3) seu nível de vitalidade.

Esse mesmo percentual de respondentes, na perspectiva profissional, precisa

melhorar em: (1) sua necessidade em trabalhar com detalhes; (2) sua capacidade de

acompanhar a equipe; e (3) seu grau de atenção concentrada em um assunto ou

tarefa.

Na amostra apresentada no GRAF. 7, o fator profissional Liderança aferiu que 29%

dos respondentes possuem identificação com o papel de líder, ou seja, atingiram

uma pontuação entre 6 e 7.

Outro fator profissional, denominado Tempo de execução, relevou que 31% dos

respondentes sabem atuar com prazos curtos e sob pressão de tempo; e cerca de

35% dos respondentes atingiram o escore ideal (6 e 7) no fator Decisão (GRAF. 7).

A Administração de conflitos é um fator comportamental da APP, que visa a avaliar a

forma como o indivíduo reage diante de situações tensas. Sua faixa de escore no

potencial ideal compreendeu o escore entre 5 e 6 pontos e ao percentual de 37% da

amostra (GRAF. 7).

No conjunto de dados, a dimensão comportamental denominada Afetividade, com

duas notas no escore ideal desse fator (GRAF. 10), correspondeu a 38% da

amostra.

Outros quatro fatores também se destacaram, posicionando-se no potencial ideal da

APP, na maioria da amostra. Essas dimensões com o percentual mais alto de

respondentes com escore ideal foram os fatores comportamentais Realização

(64%); Relação com autoridade (59%); Controle Emocional (51%); e, com 57%, a

dimensão profissional Planejamento (GRAF. 7).

Assim, mais de 50% dos respondentes revelaram-se com boa (1) capacidade de

Page 71: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

70

atingir suas metas de vida; (2) habilidade de estabelecer relação de confiança com a

chefia; (3) maturidade emocional; e (5) identificação com a atividade de planejar.

Quanto ao fator Organização, que possui o seu escore ideal similar ao fator

Planejamento (4, 5 e 6), indica que os indivíduos que possuem boa capacidade

organizativa corresponderam a 45% da amostra (GRAF. 7).

No fator profissional, denominado Comunicação, somando-se os valores ideais (5 e

6) alcançou-se 42% da amostra, conforme o GRAF. 7. A Intensidade operacional,

outra dimensão profissional, representou o mesmo percentual da Comunicação, com

seus respondentes com escore ideal entre 4 e 6.

Conforme o referencial teórico (QUADRO 7), o grau de adaptação às situações e

pessoas novas é avaliado pelo fator comportamental denominado Adaptabilidade a

mudanças. Os respondentes com o nível ideal dessa dimensão obtêm escore entre

5 e 6 e representaram significativos 41% do conjunto de dados (GRAF. 7). O

percentual de 41% da amostra também foi aferido pelo fator Sociabilidade,

constatando que esses respondentes convivem bem em grupo, estabelecendo bom

relacionamento interpessoal.

Portanto, a partir dessas discussões sobre o GRAF. 7, objetivando o

desenvolvimento de pessoas, elaboraram-se os GRAF. 8 e GRAF. 9, tendo em vista

que é necessário, além de identificar quais fatores prioritários, investigar se o

potencial dessas dimensões foi insuficiente ou excedente.

4.4 Potencial insuficiente

O GRAF. 8, a seguir, evidencia os fatores com maior grau de insuficiência, de

acordo com a APP, alinhando classificação das faixas de escore e as porcentagens

da frequência de distribuição dos escores baixos, aferidos nas respostas.

Page 72: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

71

GRÁFICO 8 – Porcentagem de respondentes com potencial insuficiente nos fatores da Avaliação de Potencial e Perfil (APP) - período de 2000 a 2010

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

A concentração nos valores baixos evidencia que os respondentes dessa amostra

escolheram poucas declarações de determinada dimensão da APP, no caso, abaixo

do potencial ideal (FIG. 10). Por isso, o GRAF. 8 não apresentou as dimensões

Detalhismo-delegação (escores ideais 0 a 2) e Flexibilidade-Criatividade (escores

ideais 0 e 1), respectivamente, fatores profissionais e comportamentais.

Page 73: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

72

No GRAF. 8, foram apresentados quatro fatores profissionais e dois

comportamentais que, na análise dessas dimensões, apresentarem insuficiência em

seu potencial em, no mínimo, 50% do conjunto de dados.

As dimensões profissionais com pior desempenho foram: (1) Acompanhamento; (2)

Tempo de execução; (3) Decisão e (4) Liderança. Os fatores comportamentais que

precisam melhorar foram: (1) Energia vital; e (2) Autoimagem (GRAF. 7).

Conforme o referencial teórico (QUADRO 5) e GRAF. 8, na dimensão

Acompanhamento, a amostra indicou que os valores baixos representam 75% dos

respondentes. Com esses escores abaixo do ideal, presume-se que esses

indivíduos possuem: (a) pouca necessidade de acompanhar; (b) tendem a ser

apenas executores de tarefas; ou (c) ainda acompanham pouco.

No fator de comportamental da APP, denominado Energia vital, a frequência de

sujeitos com baixa energia vital, ou que apresentam um razoável nível de tônus vital,

representou 71% nessa amostra, enquanto os que possuem um potencial muito

baixo de energia vital ficaram com 2% (GRAF. 8).

A dimensão profissional Tempo de execução, no GRAF. 8, excedeu em seu

potencial, aproximadamente, em 65% dos respondentes, ou seja, estes indivíduos

sofrem muito ou apresentam alguma dificuldade para trabalhar com prazos curtos.

A Autoimagem é um fator comportamental que está ligado ao grau de autoestima

dos sujeitos da amostra. A frequência maior (63%) foi aferida nos valores baixos que

identificaram, no perfil do profissional brasileiro, a autoestima muito rebaixada

(QUADRO 8 e GRAF. 8).

No QUADRO 8 e no GRAF. 8, no caso do fator Decisão, o volume de respondentes

com os valores abaixo do ideal (“Faltou” e “Faltou em excesso”) totalizaram 58%,

que mostram estes sujeitos com dificuldades para tomar decisões.

Page 74: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

73

Constatou-se que o fator Liderança (GRAF. 8), no conjunto de dados da amostra,

indicou que os respondentes não têm potencial para assumir posição de liderança,

aferindo que 54% da amostra tiveram escore abaixo do ideal. Essa dimensão obteve

a maior concentração em “Faltou em excesso”, com 38% da amostra.

No fator Comunicação, destacaram-se os escores 3 e 4, indicando que, apesar do

baixo potencial (“Faltou”), os respondentes (39%) tendem a se esforçar para

transmitir informações com clareza (QUADRO 5 e GRAF. 8).

De acordo com o QUADRO 7 do referencial teórico, na dimensão Controle

emocional, a amostra brasileira verificou respondentes do tipo “estopim curto” (37%),

ou seja, que explodem em conflitos. Em contraste a esse dado, no fator de

Administração de conflitos, ficou evidenciado que 10% da amostra tendem a ser

formados por indivíduos passivos, se posicionando na faixa “Faltou em excesso”

(GRAF. 8).

Ao aferir as extremidades da escala do fator de Adaptabilidade a mudanças,

demonstrou-se que os respondentes apresentaram ser conservadores (24%). Por

outro lado, na dimensão Afetividade, 23% dos respondentes ainda se apresentam

mais reservados, ou seja, pontuaram nas faixas “Faltou” ou “Faltou em excesso”

(FIG. 10).

Na Relação com autoridade, aferida pelo GRAF. 8, destacaram-se valores baixos,

que mostram os respondentes com um perfil autossuficiente. Na mesma faixa

percentual (20%), o fator Organização identificou respondentes desorganizados e

com dificuldades para detalhes.

Ao aferir a extremidade inferior da escala do fator Realização, constatou-se que

17% mostram que estão se sentindo subaproveitados (QUADRO 8). Por outro lado,

12% dos respondentes, em Planejamento, devem estar: (a) executando sem pensar;

(b) mais voltados para execução; e (c) tendendo ao pragmatismo.

Page 75: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

74

Outros três fatores profissionais se destacam no GRAF. 8 por apresentarem uma

frequência igual ou abaixo de 10% da amostra. São as dimensões Intensidade

operacional (4%), Sociabilidade (7%) e Percepção-priorização (10%). Portanto, são

poucos os respondentes que se autoavaliam como: (a) se sentindo subaproveitados;

(b) tendendo a ser mais reservados; e (c) revelando dificuldade de concentração.

4.5 Potencial excedente

A seguir, o GRAF. 9, apresenta os respondentes que excederam nas dimensões

com referência à classificação das faixas de potencial e às porcentagens da

frequência de escores altos.

Em cinco dimensões, os respondentes da APP excederam o nível de potencial

idealizado, numa proporção superior a 50% da amostra. Sendo dois fatores

comportamentais: (1) Flexibilidade-criatividade, com 96%; e (2) Sociabilidade com

52% do conjunto de dados (GRAF. 9).

Conforme o GRAF. 9, os outros três fatores profissionais foram: (1) Detalhismo-

delegação com 92%; (2) Percepção-priorização com 66%; e Intensidade

operacional, com 54% dos dados completos.

Notou-se que o atributo Flexibilidade-criatividade foi o fator com maior concentração

na faixa “Sobrou em excesso”, com 34% da amostra, seguidos pelos fatores

Detalhismo-delegação (14%), Percepção-priorização (11%) e Sociabilidade e

Intensidade operacional, ambas com 10% do conjunto de dados (GRAF. 9).

Baseando-se nas informações do gráfico citado e nos QUADROS de número 6 a 8

do referencial teórico, foi possível constatar que estes respondentes se

autoavaliaram com: (1) provável bloqueio de criatividade devido à seguir normas em

excesso; (2) dificuldade em dizer “não” e fazendo concessões em excesso; (3)

Page 76: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

75

apego aos detalhes, dificultando a delegação; (4) foco de atenção em uma só tarefa;

e (5) tendência a trabalhar em excesso (work-a-holic).

GRÁFICO 9 – Porcentagem de respondentes com potencial excedente nos fatores da Avaliação de Potencial e Perfil (APP) - período de 2000 a 2010

Fonte: Elaborado pelo autor a partir da base de dados analítica da APP.

Na faixa dos 30%, os dados do GRAF. 9 apresentam as dimensões Afetividade

(38%); Adaptabilidade a mudanças (36%); Organização (34%) e Planejamento

Page 77: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

76

(31%). Na dimensão comportamental denominada Afetividade, segundo o referencial

teórico (QUADRO 8), os respondentes tendem a se envolver em excesso, enquanto,

no fator adaptabilidade, demonstrou-se o maior indício de indivíduos ansiosos para

que as mudanças ocorram.

No fator profissional denominado Organização, como foi constatado pelo QUADRO

5 da base teórica da APP, os valores altos evidenciam que os respondentes

possuem tendência ao perfeccionismo, podendo até se exceder na organização. No

mesmo QUADRO, na dimensão Planejamento, destacou-se a o indicador “Sobrou”

(escores 7, 8 e 9) que revelou que indivíduos com esta pontuação vêm

desenvolvendo a habilidade, mas tendem a ser teóricos.

Conforme o GRAF. 9, a frequência de respostas vinculadas à Administração de

conflitos, nas faixas “Sobrou” e “Sobrou em excesso”, foi de 23% da amostra, o que

equivale a dizer que esses respondentes se autoavaliaram como tendenciosos a ser

explosivos em situações de conflitos (QUADRO 7).

Na dimensão Realização, ao aferir as extremidades da escala, constatou-se uma

diferença (2%), cujo maior indício foi de indivíduos que tendem a estabelecer metas

muito arrojadas (19%) em relação aos respondentes que estão se sentindo

subaproveitados (GRAF. 8 e GRAF. 9). Com os mesmos 19%, a dimensão

Autoimagem aferiu os respondentes que se avaliaram com um perfil autoimagem

elevada.

O GRAF. 8 e GRAF. 9, no fator comportamental Relação com autoridade, ao se

investigar os extremos da escala, aferiram uma diferença superior de frequência

(7%) dos valores baixos em relação aos valores altos, que presume um perfil voltado

para submissão (17%).

Aproximadamente 16% dos respondentes apresentam um perfil que excede na

dimensão Liderança (GRAF. 9). Índice superior aos fatores Controle emocional e

Comunicação, caracterizando os respondentes da amostra como reprimidos e

Page 78: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

77

prolixos, com 12% da amostra, cada.

Outros quatro fatores ficaram evidentes no GRAF. 9: as dimensões profissionais

Acompanhamento (3%), Decisão (7%), Tempo de execução (35); e o fator

comportamental Energia vital (4%).

Portanto, foram inferiores a 10% da amostra os respondentes que tendem a: (1)

acompanhar com muito rigor; (2) ser precipitados em decisões; (3) trabalhar

rapidamente, mas comprometendo os resultados; e (4) ter muita energia,

possibilidade de dispersão (QUADRO 5, QUADRO 6 e QUADRO 8).

Destacou-se, no fator Tempo de execução, com maior frequência, a faixa de

pontuação “Sobrou”, o que indicou que esses respondentes tendem a apresentar um

bom tempo de execução, apesar de não terem alcançado os ideais (GRAF. 9).

4.6 Análise com uso de data mining

A seguir, o FIG. 13 apresenta resposta da tarefa de clusterização dos resultados

processados da APP, que foi emitida pela ferramenta de data mining WEKA. Foram

encontrados os 4 clusters, conforme o valor ajustado aos parâmetros do algoritmo.

O primeiro cluster identificado representou quase 23% da base de resultados da

APP, ficando o segundo e o terceiro clusters com pouco mais de 30% cada um (FIG.

13), sendo que o quarto agrupamento, o menor, aferiu 16% da amostra.

Das 20 características profissionais e comportamentais aferidas pela APP, apenas 3

fatores se distinguiram significativamente entre os agrupamentos processados e a

média geral da amostra (coluna “full data”).

Page 79: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

78

FIGURA 13 - Relatório de resultado da tarefa de clusterização WEKA – 20 fatores da APP

Fonte: extraído pelo autor a partir da ferramenta WEKA com base da amostra de 2000 a 2010.

A TAB. 3 foi elaborada a partir da FIG. 13, onde ordenou-se o conjunto de fatores

pelo coeficiente de variação dado dos 4 clusters, obtido pela divisão do valor do

desvio padrão pela média obtida dos valores de cada um dos fatores.

O fator profissional denominado Tempo de execução foi a característica que mais se

dispersou nos 4 clusters originados a partir do conjunto de dados. Três clusters (0, 2

e 3) também tiveram uma variação significativa no fator Organização. Além disso, o

fator Intensidade operacional ficou evidentemente distinto da coluna “full data” no

primeiro e no quarto agrupamento (TAB. 3).

Page 80: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

79

TABELA 3 Fatores ordenados pelo coeficiente de variação dos 4 clusters da Avaliação de Potencial e

Perfil (APP)

Full-Data

Clusters

Fatores 0 1 2 3

Desvio Padrão

MédiaCoef. de Variação

Tempo de Execução 0,31 - 1,00 - - 0,50 0,25 200,00%

Organização 0,45 - 0,47 1,00 - 0,48 0,37 129,85%

Intensidade operacional 0,42 - 0,43 0,42 1,00 0,41 0,46 88,83%

Detalhismo/ delegação 0,08 0,04 0,13 0,06 0,06 0,04 0,07 53,86%

Flexibilidade/ criatividade 0,04 0,03 0,06 0,02 0,04 0,02 0,04 47,95%

Energia vital 0,24 0,16 0,26 0,27 0,24 0,05 0,23 22,03%

Percepção/ priorização* 0,24 0,20 0,28 0,25 0,22 0,04 0,24 15,23%

Acompanhamento* 0,22 0,17 0,24 0,23 0,20 0,03 0,21 14,07%

Liderança 0,29 0,24 0,29 0,33 0,29 0,04 0,29 13,89%

Decisão 0,35 0,28 0,37 0,36 0,36 0,04 0,34 12,20%

Comunicação 0,42 0,39 0,39 0,45 0,47 0,04 0,42 10,30%

Controle emocional 0,51 0,54 0,45 0,53 0,54 0,04 0,51 8,36%

Sociabilidade 0,41 0,38 0,45 0,40 0,40 0,03 0,41 6,99%

Administração de conflitos

0,37 0,35 0,37 0,40 0,38 0,02 0,37 6,11%

Autoimagem 0,19 0,17 0,19 0,20 0,19 0,01 0,19 5,09%

Adaptabilidade a mudanças*

0,41 0,42 0,40 0,43 0,39 0,02 0,41 5,04%

Afetividade 0,38 0,36 0,37 0,40 0,38 0,02 0,38 4,92%

Planejamento 0,57 0,59 0,57 0,58 0,53 0,02 0,57 4,26%

Relação com autoridade 0,59 0,61 0,57 0,60 0,60 0,02 0,60 3,45%

Realização 0,64 0,67 0,63 0,63 0,66 0,02 0,65 2,52%

Fonte: Elaborado pelo autor com base na amostra de 2000 a 2010. As médias e o desvio padrão foram aferidos pelo SPSS e a tabela formatada com o cálculo do coeficiente de variação no Excel.

Além das três características mencionadas, no primeiro agrupamento (cluster 0),

apresentado na TAB. 3, foram constatadas semelhanças deste com o cluster 1 no

fator Comunicação, e no fator Controle emocional, ao compará-lo com o quarto

agrupamento (cluster 3).

Page 81: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

80

O segundo agrupamento de dados, cluster 1, também apresentou similaridades com

os outros clusters, em relação ao fator Realização, com cluster 2; e nos fatores

Liderança e Autoimagem com o cluster 3 (TAB. 3, valores em negrito).

O terceiro e o quarto agrupamentos foram os que apresentaram maior similaridade

dos dados em relação aos fatores investigados. O cluster 2 foi similar aos fatores

Detalhismo-delegação, Decisão, Sociabilidade e Relação com autoridade, ao ser

comparado com o cluster 3, conforme as indicações em negrito na TAB. 3.

Apenas os fatores Percepção-priorização, Acompanhamento e Adaptabilidade,

indicados na TAB. 3 por um asterisco (*), não apresentaram fatores com os mesmos

valores, numa análise entre os clusters e a coluna “full data”, apesar de ter

apresentado baixo coeficiente de variação.

Os valores grifados na TAB. 3 indicam os fatores que, nos clusters, foram similares

ao conjunto de dados completo. Com exceção do primeiro agrupamento, todos os

clusters tiveram, no mínimo, um fator com valor similar ao conjunto “full data”.

A primeira informação relevante da clusterização foi elicitada pela distinção entre os

clusters e os dados completos. Pelo menos um dos três fatores profissionais: (a)

Tempo de execução, (b) Organização e (c) Intensidade operacional aferiu que todos

ou nenhum dos respondentes atingiu o potencial ideal no respectivo fator.

Estes fatores aparecem isoladamente no GRAF. 10, a seguir, apresentando o

resultado da clusterização e ignorando as demais características mapeadas.

O GRAF. 10 esclarece, em porcentagem, duas novas informações que se

apresentaram como relevantes na FIG. 13 e TAB. 3. A segunda informação útil

obtida foi que o primeiro cluster (número 0) aferiu 0% nos três fatores. Ou seja, o

primeiro cluster da APP foi formado por respondentes que não atingiram o perfil

idealizado, demonstrando que possuem, simultaneamente, dificuldades em: (a)

trabalhar com prazos curtos e sob pressão de tempo; (b) aspectos organizativos do

Page 82: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

81

trabalho e; (c) seu volume de trabalho.

GRÁFICO 10 – Comparativo dos fatores de maior coeficiente de variação entre os 4 clusters e o conjunto “full data” da Avaliação de Potencial e Perfil (APP) – Período de 2000 a 2010

Fonte: Elaborado pelo autor a partir do resultado da tarefa de clusterização.

A terceira informação útil foi que o cluster 3 se assemelha com o primeiro

agrupamento, com exceção do fator profissional denominado Intensidade

operacional (GRAF. 10). Neste fator, todos os respondentes do cluster 3 alcançaram

o escore ideal (4, 5 ou 6); portanto, estes possuem bom volume de trabalho, apesar

de persistir um perfil profissional com dificuldades em organização e no tempo de

execução das tarefas.

No exame dos dados referentes ao cluster 1, que correspondeu aproximadamente a

Page 83: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

82

30% dos casos, em relação aos três fatores, constatou-se que foi o que se

assemelhou ao conjunto total dos dados, em força de constituir a maioria, nos

fatores organização (47%) e intensidade operacional (43%).

O foco de interesse do cluster 1 se fixou na diferença em relação ao conjunto total

que, por lógica, foi produzido pelo fator Tempo de execução. Neste caso, a

totalidade de seus respondentes atingiu o nível desejado para o fator denominado

Tempo execução.

O terceiro cluster apresentado no GRAF. 10 foi o agrupamento que, também pela

grande proporção, se aproximou do conjunto “full data” em relação ao valor do fator

Intensidade operacional (42%).

Sobressaíram duas diferenças: (1) no item denominado Tempo execução, o

percentual dos dados indicou que todos respondentes estão com dificuldades em

relação ao tempo de execução das tarefas; (2) e no fator Organização, os mesmos

respondentes apresentam boa capacidade organizativa.

A seguir, o QUADRO 9, resume as características identificadas nos 4 clusters a

partir da interpretação dos dados minerados:

QUADRO 9 Características dos 4 clusters da Avaliação de Potencial e Perfil (APP) a partir de dados

dicotômicos

Clusters (% da amostra)

0 (23%) 1 (30%) 2 (30%) 3 (16%)

Ninguém sabe trabalhar com prazos

curtos

Todos sabem trabalhar com prazos

curtos

Ninguém sabe trabalhar com prazos

curtos

Ninguém sabe trabalhar com prazos

curtos

Ninguém é organizado

47% são organizadosTodos são

organizados Ninguém é organizado

Ninguém sabe dimensionar o

volume de trabalho

43% sabem dimensionar o

volume de trabalho

42% sabem dimensionar o

volume de trabalho

Todos sabem dimensionar o

volume de trabalho

Fonte: Elaborado pelo autor com base no FIG. 13, com base na amostra de 2000 a 2010.

Page 84: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

83

Como a qualificação dos clusters foi feita de forma dicotômica (sim-não) de acordo

com a preparação dos dados. Para um efetivo diagnóstico, tornou-se importante

avaliar se o potencial dos fatores “a melhorar” foi insuficiente ou excedente,

conforme será visto na próxima seção.

4.7 Potencial dos respondentes identificados nos clusters

A seguir, apresentam-se o nível do potencial dos respondentes nas dimensões

Tempo de execução (GRAF. 11), Organização (GRAF. 12) e Intensidade

operacional (GRAF. 13) a partir de consultas à base de dados analítica da APP.

GRÁFICO 11 – Potencial do fator Tempo de execução da Avaliação de Potencial e Perfil (APP) que caracterizou os 4 clusters identificados na amostra – Período de 2000 a 2010 Fonte: Elaborado pelo autor a partir do resultado da tarefa de clusterização.

Page 85: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

84

Conforme o estudo prévio de Libério e Carvalho (2010) foi possível detalhar as

faixas de potencial (GRAF. de 11 a 13) da APP, a partir da identificação de fatores

mais evidentes na tarefa de clusterização.

No GRAF. 11, a expressão “sofre de stress”, que nomeia a faixa de insuficiência de

potencial na dimensão Tempo de execução, foi dominante em três clusters (0, 2 e

3). Nesses agrupamentos, os valores altos não ultrapassaram 7% de

representatividade intracluster. O potencial ideal (“bom”) foi apenas identificado no

cluster 1.

A seguir, o GRAF. 12 apresenta o potencial do fator Organização:

GRÁFICO 12 – Potencial do fator Organização da Avaliação de Potencial e Perfil (APP) que caracterizou os 4 clusters identificados na amostra – Período de 2000 a 2010

Fonte: Elaborado pelo autor a partir do resultado da tarefa de clusterização.

Page 86: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

85

No fator organização, o potencial ideal, como apresentado anteriormente, esteve

presente apenas no cluster 2. No primeiro e quarto agrupamentos, o perfil

“perfeccionista” teve maior concentração, sendo mais significativo no cluster 0. Nos

clusters 0, 2 e 3, os valores baixos não ultrapassaram 40% de representatividade

intracluster.

Na dimensão profissional Intensidade operacional, ilustrada pela FIG. 13, nos três

primeiros clusters, o perfil “work-a-holic” se destacou com mais de 50% da

concentração intracluster. Apenas no cluster 3, como anteriormente informado, todos

os respondentes tiveram bom volume de trabalho

GRÁFICO 13 – Potencial do fator Intensidade operacional da Avaliação de Potencial e Perfil (APP) que caracterizou os 4 clusters identificados na amostra – Período de 2000 a 2010

Fonte: Elaborado pelo autor a partir do resultado da tarefa de clusterização.

Page 87: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

86

A seguir, o QUADRO 10 resumiu os 4 clusters identificados na APP:

QUADRO 10 Características dos 4 clusters da Avaliação de Potencial e Perfil (APP) a partir da base

analítica

Clusters (% da amostra)

0 (23%) 1 (30%) 2 (30%) 3 (16%)

96% sofrem de stress ao trabalhar com prazos curtos

100% sabem trabalhar com prazos curtos

96% sofrem de stress ao trabalhar com

prazos curtos

93% sofrem de stress ao trabalhar com prazos curtos

76% são perfeccionistas

47% são organizados 100% são organizados 62% são

perfeccionistas

93% são work-a-holic

43% sabem dimensionar o volume de trabalho, mas 51%

são work-a-holic

42% sabem dimensionar o volume de trabalho, mas 54%

são work-a-holic

100% sabem dimensionar o

volume de trabalho

Fonte: elaborado pelo autor com base na FIG. 13, com base na consulta ao banco de dados analítico da amostra dos anos de 2000 a 2010 com 8832 registros.

Portanto, os clusters foram interpretados a partir da autoavaliação dos seus

respondentes (QUADRO 10):

Cluster 0: grupo formado por uma maioria de profissionais que não sabem

trabalhar com prazos curtos e que, na maioria, também trabalham em

excesso. Tendem a ser perfeccionistas.

Cluster 1: grupo em que todos os indivíduos sabem trabalhar com prazos

curtos. A metade ainda é work-a-holic, mas mais de 40% aprenderam a

dimensionar o seu volume de trabalho e a se organizar.

Cluster 2: grupo de indivíduos onde todos são organizados, mas a maioria

ainda sofre ao trabalhar com prazos curtos. A metade atua com um volume

de trabalho acima do desejado, mas mais de 40% aprenderam a dimensionar

essa intensidade.

Cluster 3: grupo em que todas as pessoas sabem dimensionar seu volume de

trabalho, mas, apesar disso, ainda sofrem ao trabalhar com prazos curtos. E

mais da metade são perfeccionistas.

Page 88: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

87

5 CONCLUSÃO

Numa abordagem lógica e ordenada, é importante apresentar como os objetivos

específicos da pesquisa foram cumpridos. Com base na elicitação e aferição do

referido atendimento, é possível concluir o alcance do objetivo geral deste estudo.

O primeiro objetivo visou a apresentar os princípios teóricos que originaram o

instrumento de autoavaliação APP, sendo atendido pelo capítulo dedicado à revisão

da literatura ao abordar o PAPI e as características de construção do instrumento.

O referencial teórico também descreveu o processo atual da APP, documentando

como são mensurados o nível de potencial e o perfil dos profissionais, concluindo

assim o primeiro objetivo específico.

O segundo e terceiro objetivos específicos foram alcançados por meio do capítulo de

apresentação e discussão dos resultados, que possibilitou apresentar a proporção

dos cargos, examinando as características demográficas dos respondentes e a

frequência de respostas dos profissionais brasileiros, dos vinte fatores da

autoavaliação, a partir de um diagnóstico coletivo.

Para completar os objetivos supracitados, foi necessário atender o quarto objetivo

específico, que consistiu em explorar os bancos de dados de respostas da APP,

construindo uma base de dados analítica com 8.832 registros.

O penúltimo capítulo e a presente conclusão permitem atender ao quinto objetivo

específico, que é de confrontar resultados demonstrados pelo processo de KDD,

numa perspectiva base teórica proposta pela APP.

Os relatos de todas as etapas do KDD enriqueceram e fizeram constatar que as três

macroatividades desse processo são fatores críticos de sucesso para obtenção de

Page 89: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

88

novos aprendizados. Pode-se ressaltar a definição de operações mais assertivas,

possibilitadas pela estratégia de experimentação implementada antes da efetiva

mineração dos dados.

A pesquisa apresentou o processo de KDD e a técnica de DM aplicados à área de

RH, possibilitando o diálogo entre áreas de conhecimento distintas por meio de um

estudo descritivo qualitativo da APP, com aplicação significativa, levada em

consideração pelos mais de 8 mil registros de sua amostra.

As iniciativas deste estudo com uso de técnicas exploratórias de data mining

demonstraram uma pequena, mas significativa, parcela das possibilidades de

aquisição de conhecimentos dos fatores profissionais e comportamentais do

diagnóstico, usando a ferramenta WEKA. É claro, entretanto, que é apenas mais

uma forma de contribuição para investigar a complexidade deste tipo ferramenta

aplicada ao desenvolvimento de pessoas.

Assim, o desenvolvimento desse projeto identificou e descreveu os quatro grupos

(clusters) com base nos resultados da APP. As descrições dos clusters

possibilitaram a identificação de 17 fatores correlatos e permitiram a avaliação dos 3

fatores de distinção intercluster em relação à média dos fatores atingida por seus

respondentes (conjunto de dados).

A respeito dos clusters, o perfil profissional autopercebido pelos respondentes da

APP foi semelhante à média da amostra nas dimensões: Detalhismo/delegação,

Flexibilidade/ criatividade, Energia vital, Percepção/ priorização, Acompanhamento,

Liderança, Decisão, Comunicação, Controle emocional, Sociabilidade,

Administração de conflitos, Autoimagem, Adaptabilidade a mudanças, Afetividade,

Planejamento, Relação com autoridade e Realização.

Enquanto, esses mesmos profissionais brasileiros se autoavaliaram nos fatores

Tempo de execução, Organização e Intensidade operacional, posicionando-se em

Page 90: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

89

quatro agrupamentos distintos em relação à média estabelecida pelo conjunto total

da amostra.

Outra questão importante trata do conjunto de dados. Os resultados da APP foram

obtidos em situação real e, consequentemente, representam dados de realidade

referentes ao RH de um conjunto de empresas no período relativamente extenso e

recente. Acerca disso algumas constatações como, por exemplo, a questão da

presença feminina em idades mais jovens pode ser evidenciada.

É importante lembrar que o instrumento é autoadministrado e refere-se a uma

percepção dos respondentes sobre sua própria realidade. Esta condição pode gerar

interpretações diferenciadas, quando analisadas por outras pessoas. Por exemplo, o

item “sofre de stress” pode ser superestimado por uma pessoa normalmente

tranquila que, ocasionalmente, e talvez recentemente, tenha se excedido em um

contexto específico de alta pressão. Outra pessoa mais agitada pode ter seu

cotidiano atribulado e se autoavaliar predominantemente com “boa” intensidade

operacional.

Outro viés a evitar é enfatizar excessivamente as diferenças em detrimento dos

elementos em comum entre os respondentes. O inventário da APP é um instrumento

abrangente e o conjunto dos dados mostra que a situação é complexa e que, dentre

todos os fatores, há muita similaridade em dezessete deles. Talvez a clusterização

tenha destacado que, entre os respondentes brasileiros da amostragem disponível,

haja quatro estilos profissionais. Dois mais dominantes e outros dois também

importantes e que se diferenciam, enquanto autopercepção, nas direções

apontadas.

Algumas das constatações de Corrêa (2009), sobre o perfil profissional dos

respondentes, ficaram evidenciadas, trazendo intrigantes indagações para

aprofundamento das suas interpretações.

Page 91: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

90

5.1 Direções futuras

Para atividades futuras, é importante a apresentação desses resultados para os

especialistas responsáveis pelo desenvolvimento dessa ferramenta, com o objetivo

de discutir e validar todos os aprendizados, bem como avaliar outros conhecimentos

que não tenham sido elicitados no relato desta pesquisa.

Como próxima etapa, recomenda-se avaliar outras técnicas de clusterização,

possivelmente com o paradigma hierárquico, além de outras técnicas de DM, com a

tarefa de associação, que possam explorar de forma ainda mais extensa e frutuosa

a importante base de dados com respondentes brasileiros da APP.

O desenvolvimento contemplado nesta pesquisa atendeu às propostas previstas na

metodologia. Será necessário, ainda, empreender as fases de análise pela variação

das características no período de tempo e seu contexto histórico.

Dada a natureza do instrumento, seria interessante avaliar se a autopercepção dos

respondentes da APP condiz com a realidade profissional aferida no ambiente de

trabalho.

Outra questão para estudo futuro seria confrontar os resultados da amostra

brasileira com os resultados de outros países para comparar o potencial de

autopercepção de pessoas de culturas diferentes.

Por outro lado, não sendo uma amostra aleatória, tais estudos dessa massa de

dados da APP merecem uma continuidade para estabelecer conclusões para o

universo e tentar descobrir que características e consequências dessa tendência

teriam com o decorrer do tempo.

Page 92: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

91

REFERÊNCIAS

APP. Desenvolvido por Maria Lúcia Rodrigues Corrêa, 2003. Site e-commerce. Disponível em: <http://www.appweb.com.br>. Acesso em: 8 dez. 2009. APP. Avaliação de Potencial e Perfil: Modelos de Relatórios e Documentação. Disponível em: <http://www.appweb.com.br/apresenta/>. Acesso em: 10 jun. 2010. APP. Avaliação de Potencial e Perfil: Formulário de Respostas. Disponível em: <http://www.appweb.com.br/APP_Formulario_de_Respostas.pdf>. Acesso em: 20 jun. 2010b. APP. Avaliação de Potencial e Perfil: Descrição dos Fatores Profissionais e Comportamentais. Disponível em: <http://www.appweb.com.br/competencia.php>. Acesso em: 20 jul. 2010c. ALBUQUERQUE, L. G. & FISCHER, A. L. Para onde vai a gestão de pessoas. HSM Management, 44, maio-junho de 2004. ANTONELLO, C. S. As formas de aprendizagem utilizadas por gestores no desenvolvimento de competências. In: ENCONTRO DA ASSOCIAÇÃO NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO, 28., 2004, Curitiba. Anais... Rio de Janeiro: Anpad, 2004. BROWN, A.; BARTRAM, D. Doing less but getting more: improving forced-choice measures with IRT. In: ANNUAL CONFERENCE OF THE SOCIETY FOR INDUSTRIAL, 24., 2009. Disponível em: http://www.shl.com/OurScience /Documents/Doing%20less%20but%20getting%20more%20SIOP%202009%20paper%20updated.pdf. Acesso em: 20 fev. 2010. CASTELLS, M. A sociedade em rede. 3. ed. São Paulo: Paz e Terra, 2000. 2 v. CEFET-MG. Programa de Pós-Graduação em Educação Tecnológica: Linhas de Pesquisa. Disponível em: <http://www.et.cefetmg.br/site/sobre/pesquisa.html> Acesso em: 10 jan. 2010. CIOS, Krzysztof et al. Data Mining: a knowledge discovery approach. New York: Springer Science, 2007. COMINI, G. M.; KONUMA, C. M.; SANTOS, A. L. Sistema de gestão por competências: um olhar crítico para a dimensão do desenvolvimento individual. Gestão e Regionalidade, [S. l.], v. 24. n. 69, jan./abr. 2008.

Page 93: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

92

CORRÊA, M. L. Avaliação de potencial e perfil: apostila do facilitador. Belo Horizonte: [s. n.], 2009. 20p. Disponível em: <http://www.appweb.com.br/Apostila% 20do%20Facilitador%2002%20jan%2009.pdf>. Acesso em: 20 jul. 2009. EMBRATEL. Códigos DDD. Disponível em: <http://www.embratel.com.br/ Embratel02/files/secao/06/13/365/codigos_ddd.doc> Acesso em: 2 jul. 2010. FAYYAD, U. et al. (Ed.). Advances in Knowledge Discovery and Data Mining. Boston: MIT Press, 1996. FLEURY, M. T. L. A gestão de competência e a estratégia organizacional. In: FLEURY, M. T. L. (Org.). As pessoas na organização. São Paulo: Editora Gente, 2002. FURNHAM, A.; GRAIG, S. Fakeability and correlates of the perception and preference inventory. Person. Individ. Diff, [S. l.], v. 8, n. 4, p. 459-470, 1987 GILLIES, A.; HART, A. On the use of graphical techniques to describe profiles and quality. Total Quality Management, [S. l.], v. 3, n. 1, 1992. GOLDSCHIMIDT, R.; PASSOS, E. Data mining: um guia prático. Rio de Janeiro: Elsevier, 2005. GRESSLER. L, A. Introdução à pesquisa: projetos e relatórios. 2. ed. rev. e atual. São Paulo: Loyola, 2004. 295 p. GRINSPUN, M. P. S. Zippin. Educação Tecnológica: desafios e perspectivas. 3. ed. São Paulo: Cortez, 2002. JAMIL, G. L. Gestão de informação e do conhecimento em empresas brasileiras: estudo de múltiplos casos. 2005. Tese (Doutorado) - Escola de Ciência da Informação da UFMG. Belo Horizonte, 2005. KOSTICK. M. Kostick’s Perception and Preference Inventory. Applied, Brookline, MA: Psychology Associates, 1977. LAUDON, K. C.; LAUDON J. P. Sistemas de informação gerenciais: administrando a empresa digital. 7. ed. São Paulo: Prentice Hall, 2007. LIBÉRIO, L.; CARVALHO, H. G. Análise da Avaliação de Potencial e Perfil (APP) de Profissionais Brasileiros com Uso de Data Mining. In: CONTECSI - CONGRESSO INTERNACIONAL DE GESTÃO DA TECNOLOGIA E SISTEMAS DE INFORMAÇÃO, 7., 2010, São Paulo. Anais... São Paulo: TECSI EAC FEA USP, 2010. p. 139-139. MALHOTRA, N. Pesquisa de Marketing: uma orientação aplicada. 3. ed. Porto Alegre: Bookman, 2001.

Page 94: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

93

MCLEAN, J. E.; CHISSON, B. S. Multivariate Analysis of Ipsative Data: problems and solutions. 1986. Disponível em: <http://www.eric.ed.gov/ERICWebPortal/ contentdelivery/servlet/ERICServlet?accno=ED278717>. Acesso em: 1 maio 2010. MURRAY, H. A.. Explorations in Personality. New York: Oxford University Press. 1938. NEVES, J. L. Pesquisa qualitativa – características, usos e possibilidades. Caderno de Pesquisa em Administração, São Paulo, v. 1, n. 3, 2 sem. 1996. PACHECO. L. et al. Capacitação e desenvolvimento de pessoas. 2. ed. Rio de Janeiro: FGV, 2009. PAPI. General Information and description of the instrument. Cubiks (PA Group Company). 2003. PTC. Psychological Testing Centre: The British Psychological Society Tests Reviews: Disponível em: <http://www.psychtesting.org.uk/test-registration-and-test-reviews/testreviews.cfm?Test_ID=60& page=summary> Acesso em: 20 jul. 2009. SANTOS, C. B. Análise dos resultados do WHOLQOL-100 utilizando Data Mining. 2007. 108 f. Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná. Ponta Grossa, 2007. SIOP. Society for Industrial and Organizational Psychology: Convention Program: Division of Industrial Psychology American Psychological Association.1966. Disponível em: <http://www.siop.org/tip/Archives/online/TIP%20Volume%203, %20Issue%203.pdf> Acesso em: 2 jul. 2010. SIQUEIRA, M. M. (Org.). Medidas do comportamento organizacional: ferramentas de diagnóstico e de gestão. Porto Alegre: Artmed, 2008. TAKARASHI, T. (Org.). Sociedade da Informação no Brasil: livro verde. Brasília: MCT, 2000. TAN, P.; STEINBACH, M., KUMAR, V. Introdução ao DATAMINING Mineração de Dados. Rio de Janeiro: Editora Ciência Moderna Ltda., 2009. WEKA. Disponível em: <http://www.cs.waikato.ac.nz/ml/weka>. Acesso em: 27 jun. 2009. WELTER, G. M. R. Humanguide: evidências de validade da versão brasileira. 2007. 172 f. Dissertação (Mestrado) - Programa de Pós-graduação em Psicologia da Universidade São Francisco, Itatiba, 2007.

Page 95: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

94

ANEXO A – NOTAS SOBRE A VALIDADE DO PAPI

A British Psychological Society10 na seção “Psychological Testing Centre” publicou

um “Test Reviews” do PAPI de Kostick por solicitação do seu distribuidor local,

Cubiks, conforme o quadro a seguir:

Nome do teste: PAPI: PAPI-I and PAPI-N

Autor do teste original: M. Kostick

Distribuidor local: Cubiks

Data da revisão atual: 2003

Constructos: Comportamentos e preferências apropriados para o espaço de trabalho

Formas de resposta: Papel e lápis Computadorizada

Fonte:<http://www.psychtesting.org.uk/test-registration-and-test-reviews/test-registration. cfm?page=summary&Test_ID=60>. Acesso em: 2 abr. 2010.

O resumo da avaliação do teste, junto aos dados do registro do PAPI, estabeleceu

que as propriedades técnicas do instrumento foram satisfatórias de acordo com o

quadro a seguir:

Características Avaliação

Validade do Constructo

Validade do Critério

Confiabilidade global Fonte: <http://www.psychtesting.org.uk/test-registration-and-test-reviews/test-registration.cfm ?page=evalsummary &Test_ID=60>. Acesso em: 2 abr. 2010.

10 <http://www.psychtesting.org.uk>. Acesso em: 2 abr. 2010.

Page 96: ANÁLISE DOS RESULTADOS DA AVALIAÇÃO DE POTENCIAL E PERFIL (APP) EM PROFISSIONAIS BRASILEIROS, COM USO DE DATA MINING

95

ANEXO B – NOTAS SOBRE O AMBIENTE COMPUTACIONAL

A seguir descreve-se a configuração do ambiente computacional disponibilizado

para instalação da ferramenta de data mining WEKA:

A ferramenta WEKA foi instalada num laptop com processador AMD Turion X2 Dual-

core Mobile RM-72 com 2.1GHz. O equipamento possuía 4 gigabytes de memória

RAM, porém indicava a utilização de 2,75 gigabytes. Foi utilizado o sistema

operacional Windows, na versão 7 Ultimate, de 32 bits. A memória secundária (hard

disk) total era de 285 gigabytes, sendo que destas 182 gigabytes estavam livres.

O único ajuste necessário foi necessidade de incrementar a quantidade de memória

utilizada pela máquina virtual Java (JVM, sigla de Java Virtual Machine) antes da

execução do WEKA a partir das seguintes linhas de comando:

java -Dfile.enconding=UTF-8 -Xmx1024m -classpath weka.jar

weka.gui.GUIChooser