A utilização de técnicas de classificação aplicadas ao perfilamento de trabalhadores do Sistema Nacional de Emprego : uma abordagem de aprendizado de máquina

Abstract

O presente trabalho propõe a utilização de técnicas de aprendizado de máquina na atividade do perfilamento de trabalhadores do sistema público de emprego brasileiro, o Sistema Nacional de Emprego - Sine. A utilização de um mecanismo automatizado de perfilamento de trabalhadores permitirá que esforços sejam direcionados para o tratamento preventivo de trabalhadores mais propensos a permanecerem por mais tempo fora do mercado formal de trabalho. Esse tratamento antecipado poderá contribuir com a antecipação do retorno dos trabalhadores ao mercado de trabalho formal, com o potencial resultado de reduzir os gastos com o seguro-desemprego, os quais foram em 2022 em torno de 35 bilhões de reais. A área sob a curva (AUC) foi escolhida como métrica para a avaliação dos modelos Logistic Regression (LR), Gradient Boosting Machines (GBM), Extreme Gradient Boosting (XGBoost) e uma Rede Neural com a utilização de um embedding de códigos da Classificação Brasileira de Ocupações(CBO). No experimento, o modelo com os melhores resultados apresentados foi o XGBoost. Melhorias futuras podem incluir a adição de variáveis relacionadas ao mercado local de trabalho e a transições de setores da economia, de ocupações e de residência.