Repository logo
 
Loading...
Thumbnail Image
Publication

Rigidez trabalhista: vilã ou solução na era tecnológica

Use this identifier to reference this record.
Name:Description:Size:Format: 
TD_39314.pdfTese de doutoramento_393146.01 MBAdobe PDF Download

Abstract(s)

O presente estudo tem por objetivo central o desenvolvimento de um sistema avançado de inteligência de negócios, empregando técnicas de inteligência artificial e machine learning, projetado para simplificar a análise de dados econômicos e legislativos trabalhistas. Inicialmente, foi realizada uma extensa análise para identificar as variáveis econômicas cruciais que deveriam ser integradas ao sistema, garantindo que as informações mais relevantes para tomadores de decisão fossem contempladas. Utilizando o Índice de Proteção ao Emprego (EPL) da OCDE para mensurar o rigor das leis trabalhistas, o sistema foi projetado para facilitar a visualização e interpretação de como as leis trabalhistas influenciam variáveis de economia e finanças, bem como de inovação e tecnologia e de impostos trabalhistas e trabalho. O estudo incorporou dados de 34 países membros da OCDE de 1990 a 2019, analisados sob três cenários distintos: um exame detalhado dos dados por país e data; uma divisão dos países em grupos com base na mediana do EPL, classificando-os como "rígidos" ou "flexíveis"; e um agrupamento dos países de acordo com a variação temporal do EPL, categorizados pelo coeficiente angular. Os resultados demonstram que o sistema desenvolvido não apenas facilita a consulta e a interpretação dos dados, mas também proporciona uma base robusta para decisões estratégicas. As simulações mostraram como o sistema pode destacar o impacto das leis trabalhistas nas principais variáveis econômicas de forma mais acessível e intuitiva para os tomadores de decisão. Em conclusão, o estudo reafirma que a implementação deste sistema de inteligência de negócios oferece uma ferramenta eficiente para explorar a complexa relação entre legislação trabalhista e desempenho econômico, apoiando tomadas de decisão mais informadas e estratégicas sem promover reduções imprudentes nos direitos trabalhistas.
The main purpose of this study is to develop an advanced business intelligence system, using artificial intelligence and machine learning techniques, designed to simplify the analysis of economic data and labor legislation. Initially, an extensive analysis was carried out to identify the crucial economic variables that should be integrated into the system, ensuring that the most relevant information for decision-makers was covered. Using the Employment Protection Index (EPL) of the OECD to measure the strictness of labor laws, the system was designed to facilitate the visualization and interpretation of how labor laws influence variables of economics and finance, as well as innovation and technology and labor and labor taxes. The study incorporated data from 34 OECD member countries from 1990 to 2019, analyzed under three different scenarios: a detailed examination of the data by country and date; a division of countries into groups based on the median EPL, classifying them as “rigid” or “flexible”; and a grouping of countries according to the temporal variation of the EPL, categorized by the angular coefficient. The results show that the system developed not only makes it easier to consult and interpret data, but also provides a robust basis for strategic decisions. The simulations showed how the system can highlight the impact of labor laws on the main economic variables in a more accessible and intuitive way for decision-makers. In conclusion, the study reinforces that the implementation of this business intelligence system offers an efficient tool for exploring the complex relationship between labor legislation and economic performance, supporting more informed and strategic decision-making without promoting reckless reductions in labor rights.
Cette étude a pour objectif principal le développement d’un système avancé de entreprise intelligence, en utilisant des techniques de intelligence artificielle et machine learning, développé dans le but de simplifier l’analyse des données économiques et législatives du travail. Initialement, pour identifier les variables économiques cruciales qui devraient étre intégrées dans le système, a etre réalisé une vaste analyse, pour s’assurer l’inclusion de les données plus important des décideurs. Avec l’utilisation de l’indice de protection de l’emploi (EPL) de la OECD pour mesure le rigueur de le droit du travail, le systeme a étre projete pour faciliter la visualisation et l’interprétation de comment les droit du travail a une influence dans les variables de l’economie et finace, et aussi dans l’innovation et technologie et impôts sur l’emploi et travail. L’etude a incorpore les données de 34 pays membres da la OECD entre 1990 et 2019, analyses sous trois différents scénarios: Um examen détaillé de les informations par pays et date; une division de les pays, basé sur la médiane de la EPL, em niveaux de rigide ou flexible; et un regroupment de les pays selon la variation temporelle de la EPL, catégorisé par le coeficiente angulaire. Les résultats démontrent que le système développé non seulement facilite la consultation et l’interprétation de les données, mais fournit aussi une fort base pour les decisions de stratégie. Les simulations ont montré comment le système peut souligner l'impact du droit du travail sur les principales variables économiques dans une sens plus accessible et intuitive pour les décideurs. En conclusion, l'étude réaffirme que la mise en oeuvre de ce système de enterprise intelligence fournit un outil efficace pour explorer la complexe relation entre la législation du travail et la performance économique, en soutenant une prise de décision plus basé et stratégique sans promouvoir des réductions témeraires des droits du travail.

Description

Keywords

Legislação trabalhista Evolução tecnológica Desemprego Labor legislation Technological development Unemployment Législation du travail Evolution technologique Chômage

Citation

Research Projects

Organizational Units

Journal Issue