A Filosofia Lean é uma estratégia de negócios utilizada para aumentar a satisfação dos clientes, através da melhor utilização dos recursos da empresa. O êxito na sua aplicação tem uma forte dependência cultural devido o envolvimento das pessoas e na melhoria contínua dos processos internos da organização. Neste contexto, este artigo teve por objetivo analisar a relação entre a Filosofia Lean e a Cultura Organizacional, por meio de uma revisão sistemática da literatura amparada por um estudo bibliométrico para avaliar a aplicação da Filosofia Lean na Cultura Organizacional. As buscas foram realizadas nas bases digitais Web Of Science e Scopus dentro de um período de 10 anos, e analisados os comportamentos bibliométricos existentes entre os dois temas. Foi utilizada uma pesquisa qualitativa e quantitativa com uso de estatística para medir índices de produção acadêmica, bem como analisado o desenvolvimento da Cultura Organizacional e a Filosofia Lean, enquanto áreas de pesquisa científica, relacionadas por meio da evolução das publicações. Os resultados encontrados evidenciam uma relação entre as duas áreas conforme verificado nos resultados dessa pesquisa a Cultura Organizacional é um tema mais antigo e que norteia a forma como as organizações se comportam, entretanto, após o surgimento da Filosofia Lean, pode ser percebido que os autores desses dois assuntos se citam e se relacionam demostrando que a Filosofia Lean pode ser associada à Cultura Organizacional de forma que passe a moldá-la para benefício do cliente.
The provision of credit to customers of banking chains through call center services has always been one of the resources that generate significant income for financial institutions, however, the service offers a cost, which is often above desirable to guarantee profitable contracting to Bank. Based on this, this work aims to evaluate the optimization of operational costs of call center, using classification techniques, through experimentation of supervised machine learning techniques to perform the classification task, in order to generate a predictive model, which offers a better performance in the operation of offering bank credit, to carry out an effective and productive action, conceiving greater savings for the company in identifying the public with greater adherence. For this, a database comprising 11,162 call records made from a bank offering its customers a letter of credit was employed. The results showed value correlations between variables, such as duration of the call, marital status, education level and even recurrence in adhering to subscribers' credit agreements. Through the application of the PCA to reduce dimensionality and classification models, such as AdaBoost, Gradient Boosting, SVM RBF, Naive Bayes, Random Forest, it was possible to perceive the consumer profile with good acquiescence for the investment proposal and a group of people with a high probability of not adhering to the letter of credit, so it was possible to outline an action directed to the public predisposed to the offer, minimizing expenses reaching greater profitability.
O processo de correção manual de redações acarreta algumas dificuldades, dentre as quais apontam-se o tempo dispendido para a correção e devolutiva de resposta ao aluno. Para instituições como escolas de ensino básico e fundamental, universidades e o Exame Nacional do Ensino Médio (ENEM), tal atividade demanda tempo e custo para a avaliação dos textos produzidos. A fuga ao tema é um dos itens avaliados na redação do ENEM que pode anular a redação produzida pelo candidato. Neste contexto, a análise automática de redações com a aplicação de técnicas e métodos de Processamento de Linguagem Natural, Mineração de Textos e outras técnicas de Inteligência Artificial (IA) tem se revelado promissora no processo de avaliação automatizada da linguagem escrita. O objetivo desta pesquisa é comparar diferentes técnicas de IA para classificação de fuga ao tema em textos e identificar aquela com melhor resultado para viabilizar um sistema de correção inteligente de redações. Para tanto, foram executados experimentos computacionais visando a classificação desses textos para normalizar, identificar padrões e classificar as redações em 1.320 redações de língua portuguesa em 119 temas diferentes. Os resultados indicam que o classificador RNC (rede neural convolucional) obteve maior ganho em relação aos demais classificadores analisados, tanto em acurácia, quanto em relação aos resultados de falsos positivos, métricas de precisão, recall e F1-Score. Como conclusão, a solução validada nesta pesquisa contribui para impactar positivamente o trabalho de professores e instituições de ensino, por meio da redução de tempo e custos associados ao processo de avaliação de redações.
A correção de textos educacionais como redações e questões discursivas é uma tarefa importante, além disso, diversas escolas têm exigido a intensificação da atividade da escrita para a evolução do discente. Entretanto, o esforço despendido para a correção pode aumentar a carga de trabalho do professor ou até mesmo gerar custos adicionais, bem como um longo tempo de correção para instituições como o MEC (Ministério da Educação), que é responsável pela aplicação do ENEM (Exame Nacional do Ensino Médio). Em 2019 foi anunciado pelo MEC a tendência do ENEM se tornar digital, trazendo novas possibilidades para a análise e avaliação das redações elaboradas pelos estudantes. Neste contexto, algumas técnicas de inteligência artificial para análise de textos educacionais tem se revelado úteis no processo de avaliação automática da linguagem escrita. Assim, o objetivo desta pesquisa é analisar textos empregando para tanto as técnicas de Processamento de Linguagem Natural e Aprendizado de Máquina para identificar deficiências em textos educacionais. Esta pesquisa experimental consistiu na classificação de 695 redações elaboradas em língua portuguesa em 20 temas. Os resultados demonstraram que as técnicas empregadas possibilitaram a identificação de redações cujo conteúdo foge à temática proposta na prova, dentre outras informações importantes para que o docente possa identificar falhas na escrita da redação, tais como a coesão textual ou texto insuficiente. Os resultados esperados com a aplicação da solução desenvolvida neste experimento buscam otimizar o trabalho do professor, bem como reduzir o tempo e o custo do processo de avaliação de textos educativos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.