PREDIÇÃO DO TURNOVER EM DESENVOLVIMENTO DE SOFTWARE UTILIZANDO DADOS DO LINKEDIN E MACHINE LEARNING
Resumo
O crescimento do trabalho remoto e o uso do LinkedIn ampliaram as oportunidades para profissionais de tecnologia, aumentando a rotatividade (turnover) e os custos para as empresas. Este estudo buscou prever o tempo de permanência de desenvolvedores de software por meio de modelos de machine learning. A pesquisa, quantitativa e aplicada, utilizou dados de 2.367 perfis coletados no LinkedIn por web scraping, dos quais 659 foram padronizados para treinar e testar modelos de regressão Support Vector Machine (SVM). Foram comparadas uma implementação manual com gradient descent e outra com a biblioteca Python sklearn, avaliadas por validação cruzada usando MSE, MAE e R². A média de permanência no emprego subsequente foi de 2 anos e 2 meses, com 75% dos profissionais permanecendo menos de 3 anos. Ambos os modelos tiveram baixo poder preditivo devido ao desbalanceamento e à limitação das variáveis. Conclui-se que o uso de dados do LinkedIn é promissor, mas requer bases ampliadas, com variáveis adicionais, e integração com outras fontes, como o Glassdoor.
