Incidencia del aprendizaje automático en la gestión de la motivación laboral respecto a la rotación del personal operativo en los servicios financieros

Abstract

El presente estudio tiene como objetivo establecer un modelo de gestión de motivación basado en el algoritmo K-Nearest Neighbors, que permita la implementación de estrategias que influyan en la rotación del personal operativo en el sector de servicios financieros en la ciudad de La Paz. Aunque los beneficios económicos pueden motivar al personal, la motivación abarca más que el aspecto financiero; es esencial crear condiciones en las que los trabajadores disfruten de responsabilidades, sientan una sensación de triunfo y reciban reconocimiento por su labor. La investigación es de carácter cuantitativo, de tipo deductivo-descriptivo y con un diseño no experimental. Se realizó con una muestra de 394 cajeros de las entidades financieras Banco Unión S.A., Banco Nacional de Bolivia S.A. y Banco Mercantil Santa Cruz S.A. Como técnicas principales se utilizaron la encuesta y la observación, las cuales ayudaron a explicar las necesidades motivacionales del personal del área de caja en relación a una posible rotación de personal. El nivel de confianza es del 96%, con un valor frecuencial de 2.05, permitiendo así medir el grado de asociación entre las variables. La ejecución del algoritmo K-Nearest Neighbors, utilizado para identificar las variables predominantes que influyen en los factores motivacionales que afectan la rotación del personal operativo de servicios financieros, presenta un nivel de precisión (accuracy) del 81%. Esto se verificó mediante el reporte de clasificación y la matriz de confusión, indicando que, de cada 100 predicciones realizadas, aproximadamente 81 son exactas. Esto demuestra que el modelo K-Nearest Neighbors funciona excelentemente para resolver problemas de clasificación y regresión lineal