Pereira, Isabel Cecília Correia da Silva Praça GomesOliveira, Daniel Filipe Nunes2023-01-092024-11-112022http://hdl.handle.net/10400.22/21386Os recursos humanos são um dos maiores ativos de qualquer empresa visto que estes providenciam a possibilidade para realizar produtos ou serviços. A revolução tecnológica, a pandemia do COVID-19 e a competitividade do mercado laboral contribuem para um clima de incerteza e permanente renovação de staff dentro das empresas. Isto significa permanências curtas dos funcionários, mas, mais importante, leva a que os repositórios de competências de uma empresa possam ficar, por vezes, empobrecidos e, deste modo, pode pôr em causa a execução dos produtos e serviços pelos quais uma empresa é reconhecida. Recentemente, têm surgido plataformas online com o objetivo de atrair, designar funções, treinar, mas sobretudo reter os talentos, tudo isto só é alcançado revendo e melhorando permanentemente as competências de cada recurso. Estas plataformas utilizam quase sempre mecanismos de inteligência artificial. Neste trabalho, apresenta-se uma revisão literária das técnicas de inteligência artificial que podem estar presentes nestas plataformas. Esta revisão literária apresenta 4 questões de investigação que, juntas, respondem a uma questão de investigação mais ampla: “Como implementar uma destas plataformas, sendo inovador?”. A primeira questão é relativa aos processos automatizados de leitura e extração de informação de currículos. A segunda questão é relativa à inferência de competências, através de outras competências ou informações previamente extraídas de currículos, e é neste ponto que se pretende inovar quando em comparação com as soluções existentes. A terceira questão é relativa à existência de sistemas multiagente que associam recursos a tarefas de uma forma otimizada. Por último, a quarta questão de investigação é relativa à aplicabilidade de algoritmos genéticos também na associação de funcionários a tarefas numa empresa. Os resultados da revisão literária mostram que as 4 questões foram respondidas com sucesso. A revisão literária seguiu a metodologia PRISMA, tendo sido realizada a pesquisa em 2 fontes distintas. Foram selecionados 44 artigos, de entre os 27361 encontrados, que foram filtrados através de controlo de qualidade ou leituras rápidas de títulos e resumos. Por último, tendo em consideração a revisão literária realizada, foi implementado e testado um sistema que se assemelha a um mercado de talentos, com inferência de competências. O emparelhamento entre recursos e tarefas foi feito através de um sistema multiagente e de um algoritmo genético. Foi, ainda, realizada uma análise de usabilidade. Desta forma, podemos concluir que o resultado final foi atingido, pois quer a revisão literária quer o sistema implementado foram atividades realizadas com sucesso.Human resources are one of the biggest assets in companies since they possess the skills and expertise to deliver products and services. The COVID-19 pandemic and the technological revolution both increased employee turnover to a level where companies can hardly keep up with the pace, leading to worst talents management. Recently, online platforms, known as talent markets, have become more and more popular and they have the main objective to attract, designate tasks, train and, above all, retain existing employees. Most of these online platforms use artificial intelligence. This work presents a systematic review in artificial intelligence techniques that allow automatization of the processes of talent management. Four research questions were elaborated that, altogether, answer a broader research question which is: “How to implement an innovative talent market?”. The first question is relative to the automatized processes of information extraction out of resumes. The second question is related to the skill inference process, it is here that innovation is expected when comparing with existing solutions. In the third and fourth research questions, literature over multiagent systems and genetic algorithms dedicated to the optimization of task execution is provided. In the review, 44 papers were selected out of an initial set of 27361. In addition to the systematic review, a system is also proposed that resembles already existing solutions. Innovation is achieved by exploring skill inference, in addition to using already existing techniques in the area of information recognition. A multiagent system and genetic algorithms were also developed for an optimized task and employee pairing. This document also presents various tests to the system including a usability analysis. All in all, the outcome was rewarding, the systematic literature review was a success and so was the proposed solution.porRecursos HumanosAlgoritmo GenéticoSistemas MultiagenteAprendizagem ProfundaProcessamento de Língua NaturalHuman ResourcesGenetic AlgorithmMultiagent SystemsDeep LearningNatural Language Processingmaster thesis203112474