Perfil da gestão de recursos humanos na grande São Paulo: análise comparativa de duas pesquisas - 1994/1999

Essa pesquisa, realizada no ano de 1999, procura traçar um perfil da Gestão de Recursos Humanos na Grande São Paulo. Para tanto, foram entrevistados os responsáveis pela área de RH de 100 empresas médias e grandes, selecionadas aleatoriamente. Buscou-se mapear a estrutura da área, formas de recrutamento e seleção, benefícios, gestão de carreira, visão dos entrevistados dos investimentos realizados na área e do grau de estruturação das atividades e principais problemas e perspectivas da área. O instrumento de levantamento de dados é o mesmo utilizado em uma pesquisa realizada em 1994. Esse relatório compara os resultados das duas pesquisas.

Perfil da gestão de recursos humanos na grande São Paulo - 1999

Essa pesquisa, realizada no ano de 1999, procura traçar um perfil da Gestão de Recursos Humanos na Grande São Paulo. Para tanto, foram entrevistados os responsáveis pela área de RH de 100 empresas médias e grandes, selecionadas aleatoriamente. Buscou-se mapear a estrutura da área, formas de recrutamento e seleção, benefícios, gestão de carreira, visão dos entrevistados dos investimentos realizados na área e do grau de estruturação das atividades e principais problemas e perspectivas da área. O instrumento de levantamento de dados é o mesmo utilizado em uma pesquisa realizada em 1994. Também foi utilizado a Avaliação das Atividades e papéis em Recursos Humanos, proposta por Ulrich e Conner (1998).

KittyCat: a cognitive model of structure-form discovery

Cognition is a core subject to understand how humans think and behave. In that sense, it is clear that Cognition is a great ally to Management, as the later deals with people and is very interested in how they behave, think, and make decisions. However, even though Cognition shows great promise as a field, there are still many topics to be explored and learned in this fairly new area. Kemp & Tenembaum (2008) tried to a model graph-structure problem in which, given a dataset, the best underlying structure and form would emerge from said dataset by using bayesian probabilistic inferences. This work is very interesting because it addresses a key cognition problem: learning. According to the authors, analogous insights and discoveries, understanding the relationships of elements and how they are organized, play a very important part in cognitive development. That is, this are very basic phenomena that allow learning. Human beings minds do not function as computer that uses bayesian probabilistic inferences. People seem to think differently. Thus, we present a cognitively inspired method, KittyCat, based on FARG computer models (like Copycat and Numbo), to solve the proposed problem of discovery the underlying structural-form of a dataset.