Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.unach.edu.ec/handle/51000/15427| Título : | Desarrollo de una aplicación web para la evaluación de riesgo psicosocial en el ambiente laboral utilizando técnicas de machine learning. |
| Autor : | Molina Granja, Fernando Tiverio Samaniego Orozco, Cristian Santiago |
| Palabras clave : | Clasificación Django Evaluación de riesgos Machine learning |
| Fecha de publicación : | 16-jun-2025 |
| Editorial : | Riobamba |
| Citación : | Samaniego O., Cristian S. (2025) Desarrollo de una aplicación web para la evaluación de riesgo psicosocial en el ambiente laboral utilizando técnicas de machine learning. (Tesis de grado). Universidad Nacional de Chimborazo. Riobamba, Ecuador. |
| Resumen : | La evaluación eficaz de riesgos psicosociales en el entorno laboral tradicionalmente presenta limitaciones importantes relacionadas con la precisión y la eficiencia, lo que impide una identificación temprana y efectiva de situaciones críticas para la salud ocupacional. Esta problemática es especialmente relevante debido a que los riesgos psicosociales afectan directamente la salud y el bienestar de los trabajadores, así como la productividad general de las organizaciones. Diversos esfuerzos se han realizado para mejorar la evaluación mediante métodos manuales o encuestas convencionales, los cuales resultan insuficientes debido a su subjetividad y limitada capacidad predictiva. Frente a esto, surgió la motivación de explorar tecnologías avanzadas como el machine learning, capaces de procesar grandes volúmenes de información con precisión y rapidez. Por ello, esta investigación propuso desarrollar una plataforma web que integre técnicas avanzadas de machine learning, específicamente el algoritmo SVM con kernel RBF, para clasificar automáticamente el nivel de riesgo psicosocial en los trabajadores. Los resultados obtenidos demostraron que el modelo SVM logró clasificaciones perfectas con una exactitud, recall y F1-score de 1.00, lo que evidenció su excepcional capacidad predictiva. La conclusión principal de esta investigación es que la integración del algoritmo SVM en una plataforma web intuitiva y funcional no solo mejora significativamente la precisión y la efectividad de la evaluación del riesgo psicosocial, sino que también facilita una gestión proactiva del bienestar laboral en las organizaciones. |
| Descripción : | Practical assessment of psychosocial risks in the workplace traditionally faces significant limitations concerning accuracy and efficiency, preventing timely and efficient identification of situations critical to occupational health. This problem is essential as psychosocial risks directly impact employee health, well-being, and organizational productivity. Numerous efforts have been made to enhance these assessments through traditional methods such as manual processes or surveys; however, these approaches are often subjective and possess limited predictive capability. Motivated by the need to improve this situation, the present research proposed the development of a web platform integrating advanced machine learning techniques, specifically a Support Vector Machine (SVM) algorithm with RBF kernel, to classify levels of psychosocial risk among employees automatically. The results demonstrated that the SVM model achieved perfect classification, with accuracy, recall, and an Fl score of 1.00, underscoring its exceptional predictive performance. The main conclusion of this research is that integrating the SVM algorithm into an intuitive and functional web platform significantly enhances the accuracy and effectiveness of psychosocial risk assessment and facilitates proactive occupational health management in organizations. |
| URI : | http://dspace.unach.edu.ec/handle/51000/15427 |
| ISSN : | UNACH-EC-FI-ITINF |
| Aparece en las colecciones: | Ingeniería en Tecnologías de la Información |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Samaniego O., Cristian S. (2025) Desarrollo de una aplicación web para la evaluación de riesgo psicosocial....pdf | 5,35 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.