People analytics na avaliação por pares de competências dos colaboradores no contexto empresarial

um mapeamento sistemático da literatura

Autores

DOI:

https://doi.org/10.5380/atoz.v15.97816

Palavras-chave:

People Analytics, Avaliação de Competências, Mapeamento Sistemático da Literatura

Resumo

Introdução: identificar e alocar recursos em projetos de desenvolvimento de software pode ser uma tarefa complexa para o gerente de projetos, especialmente em empresas de grande porte. O uso de técnicas de People Analytics para coletar, armazenar e disponibilizar dados das competências dos indivíduos pode economizar tempo nesse processo. O objetivo do artigo foi realizar um mapeamento sistemático da literatura com vistas a sistematizar as informações, relacionadas as competências dos recursos humanos, para uso no planejamento de projetos de software e no desenvolvimento de equipes eficientes, utilizando dados individuais para seleção e alocação de colaboradores em projetos de software. Método: a metodologia utilizada foi o Mapeamento Sistemático da Literatura (MSL). Resultados: os artigos analisados utilizaram técnicas de PA para representar sentimentos, promover, reter e para prever desgaste, estresse e rotatividade dos recursos humanos através da geração de insights para a gestão dos recursos humanos. Conclusão: esse MSL oferece um mapeamento das técnicas de PA que foram utilizadas em artigos primários e para quais problemas foram aplicadas bem como suas contribuições na melhoria da gestão de recursos humanos. 

Biografia do Autor

André Zanette, Universidade do Estado de Santa Catariana - UDESC

Possui graduação pela Universidade do Planalto Catarinense (2005). Tem experiência na área de Ciência da Computação, com ênfase em Sistemas de Computação 

Atualmente cursa o Programa de Mestrado em Computação Aplicada na Universidade do Estado de Santa Catarina - UDESC.

Avanilde Kemczinski, Universidade do Estado de Santa Catarina

Professora Associada do Departamento de Ciência da Computação da Universidade do Estado de Santa Catarina (UDESC). Possui doutorado (2005) e mestrado (2000) em Engenharia de Produção e Sistemas pela Universidade Federal de Santa Catarina (UFSC), graduação em Terapia Ocupacional pela Associação Catarinense de Ensino - Faculdade de Ciências da Saúde de Joinville (1992) e pós-doutorado em Educação pela Universidade de Málaga/Espanha (2016). Professora do Programa de Pós-graduação em Ensino de Ciências, Matemática e Tecnologia (PPGECMT), também atua no Programa de Pós-graduação em Computação Aplicada (PPGCA), e nos cursos de graduação Bacharelado em Ciência da Computação (BCC) e Tecnologia em Análise e Desenvolvimento de Sistemas (TADS). É professora pesquisadora do Grupo de Pesquisa em Informática na Educação - GPIE pelo CNPQ/UDESC. Tem interesse nas áreas correlatas à Informática na Educação, notadamente tecnologia educacional, objetos de aprendizagem, aprendizagem colaborativa (CSCL), interface humano-computador, qualidade no processo e no produto de software educacional, jogos educacionais e metodologias e/ou modelos de ensino-aprendizagem.

Referências

Buchinger, D., Siqueira Cavalcanti, G. A. S., & Silva Hounsell, M. da S. (2014). Mecanismos de busca acadêmica: Uma análise quantitativa. Revista Brasileira de Computação Aplicada, 6(1), 108–120. https://doi.org/10.5335/rbca.2014.3497

Cho, W., Choi, S., & Choi, H. (2023). Human Resources Analytics for Public Personnel

Management: Concepts, Cases, and Caveats. Administrative Sciences, 13(2), 41.

https://doi.org/10.3390/admsci13020041

Gelbard, R., Ramon-Gonen, R., Carmeli, A., Bittmann, R. M., & Talyansky, R. (2018). Sentiment analysis in organizational work: Towards an ontology of people analytics. Expert Systems, 35(5), Article e12289. https://doi.org/10.1111/exsy.12289

Giermindl, L. M., Strich, F., Christ, O., Leicht-Deobald, U., & Redzepi, A. (2022). The dark sides of people analytics: Reviewing the perils for organisations and employees. European Journal of Information Systems, 31(3), 410–435. https://doi.org/10.1080/0960085X.2021.1927213

Gryncewicz, W., Zygała, R., & Pilch, A. (2023). AI in HRM: Case study analysis. Preliminary research. Procedia Computer Science, 225, 2351–2360. https://doi.org/10.1016/j.procs.2023.10.226

Isson, J. P., & Harriott, J. S. (2016). People analytics in the era of big data: Changing the way you attract, acquire, develop, and retain talent. John Wiley & Sons.

Kitchenham, B. (2004). Procedures for performing systematic reviews (Technical Report TR/SE-0401). Keele University. https://www.inf.ufsc.br/~aldo.vw/kitchenham.pdf

Klöpper, M., & Köhne, S. (2022). People analytics and the promise of the good life: A critical transformative perspective. In Wirtschaftsinformatik 2022 Proceedings (Vol. 4, pp. 1–17). https://aisel.aisnet.org/wi2022/societal_impact/4

Madanchian, M., Taherdoost, H., & Mohamed, N. (2023). AI-based human resource management tools and techniques: A systematic literature review. Procedia Computer Science, 229, 367–377. https://doi.org/10.1016/j.procs.2023.12.236

Maurya, A., Akoglu, L., Krishnan, R., & Bay, D. (2018). A lens into employee peer reviews via sentiment-aspect modeling. In Proceedings of the 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM) (pp. 670–677). IEEE. https://doi.org/10.1109/ASONAM.2018.8508512

Minocha, A., Gupta, P., & Gopal, S. (2023). Application of intelligent computing (IC) in human resources (HR) analytics: Towards better tomorrow. In Proceedings of the 2023 4th International Conference on Intelligent Engineering and Management (ICIEM) (pp. 1–4). IEEE. https://doi.org/10.1109/ICIEM59379.2023.10166838

Pandey, S., & Mehta, J. (2022). HRPA: Human resource prediction analytics. In Proceedings of the 2022 Third International Conference on Intelligent Computing Instrumentation and Control Technologies (ICICICT) (pp. 721–726). IEEE. https://doi.org/10.1109/ICICICT54557.2022.9917929

Papoutsoglou, M., Mittas, N., & Angelis, L. (2017). Mining people analytics from StackOverflow job advertisements. In Proceedings of the 43rd Euromicro Conference on Software Engineering and Advanced Applications (SEAA) (pp. 108–115). IEEE. https://doi.org/10.1109/SEAA.2017.50

Saxena, M., Bagga, T., & Gupta, S. (2021). HR during COVID-19 era: Study on recent HR transformations through technological tools and trends. In Proceedings of the 2021 11th International Conference on Cloud Computing, Data Science & Engineering (Confluence) (pp. 110–113). IEEE. https://doi.org/10.1109/Confluence51648.2021.9377177

Sezer, İ. İ. C., & Sorkun, M. M. F. (2024). An investigation on logistics firms’ human resources qualifications in transition to Industry 4.0: An insight from Türkiye. Procedia Computer Science, 232, 2580–2587. https://doi.org/10.1016/j.procs.2024.02.076

Soares, V. G., Alcazar, J. J. P., & Ludena, M. E. (2022). Analytical approaches in human resources: A systematic review. JISTEM - Journal of Information Systems and Technology Management, 19, e202219014. https://doi.org/10.4301/S1807-17752022190014

Tang, A., Lu, T., Lynch, Z., Schaer, O., & Adams, S. (2020). Enhancing promotion decisions using classification and network-based methods. In Proceedings of the 2020 Systems and Information Engineering Design Symposium (SIEDS) (pp. 1–6). IEEE. https://doi.org/10.1109/SIEDS49339.2020.9106685

Tursunbayeva, A., Di Lauro, S., & Pagliari, C. (2018). People analytics: A scoping review of conceptual boundaries and value propositions. International Journal of Information Management, 43, 224–247. https://doi.org/10.1016/j.ijinfomgt.2018.08.002

Wei, D., Varshney, K. R., & Wagman, M. (2015). OptiGrow: People analytics for job transfers. In Proceedings of the 2015 IEEE International Congress on Big Data (pp. 82–89). IEEE. https://doi.org/10.1109/BigDataCongress.2015.84

Xu, H., Yu, Z., Yang, J., Xiong, H., & Zhu, H. (2019). Dynamic talent flow analysis with deep sequence prediction modeling. IEEE Transactions on Knowledge and Data Engineering, 31(10), 1926–1939. https://doi.org/10.1109/TKDE.2018.2873341

Yahia, N. B., Hlel, J., & Colomo-Palacios, R. (2021). From big data to deep data to support people analytics for employee attrition prediction. IEEE Access, 9, 60447–60458. https://doi.org/10.1109/ACCESS.2021.3074550

Zander, P., & Zieglmeier, V. (2023). Data owner benefit-driven design of people analytics. Proceedings of the ACM on Human-Computer Interaction, 7(EICS), Article 173, 1–38. https://doi.org/10.1145/3593225

Downloads

Publicado

2026-09-17

Como Citar

Zanette, A., & Kemczinski, A. (2026). People analytics na avaliação por pares de competências dos colaboradores no contexto empresarial: um mapeamento sistemático da literatura. AtoZ: Novas práticas Em informação E Conhecimento, 15, 1–19. https://doi.org/10.5380/atoz.v15.97816

Edição

v. 15 (2026)

Seção

Artigos

Licença

Copyright (c) 2026 AtoZ: novas práticas em informação e conhecimento

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

A revista AtoZ é um periódico científico de acesso aberto e o copyright dos artigos e da entrevista pertence aos respectivos autores/entrevistados com cessão de direitos para a AtoZ no que diz respeito à inclusão do material publicado (revisado por pares/postprint) em sistemas/ferramentas de indexação, agregadores ou curadores de conteúdo.

Os autores têm permissão e são encorajados a depositar seus artigos em páginas pessoais, repositórios e/ou portais institucionais antes (preprint) e após (postprint) a publicação na AtoZ. Solicita-se apenas que, quando possível, a referência bibliográfica (incluindo o link/URL do artigo) seja elaborada com base na publicação na AtoZ: novas práticas em informação e conhecimento.
 
A AtoZ tem selo Diadorim Verde/IBICT.
Licensa Creative Commons
Todo o conteúdo da Revista (incluindo-se instruções, política editorial e modelos) está sob uma licença Creative Commons Atribuição 4.0 Não Adaptada, a partir de Outubro de 2020.

Ao serem publicados por esta Revista, os artigos são de livre uso para compartilhar (copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial) e adaptar (remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial). É preciso dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas .

A AtoZ não cobra qualquer tipo de taxa para submissão e/ou processamento e/ou publicação de artigos.