Percepción de los estudiantes universitarios sobre el uso de la Inteligencia Artificial en los procesos de reclutamiento y selección de personal
DOI:
https://doi.org/10.56216/radee012022jun.a03Palabras clave:
inteligencia artificial, reclutamiento y selección, estudiantes universitarios, tecnologíaResumen
Los adolescentes son el grupo más influenciable al impacto de las nuevas tecnologías, especialmente si estas pueden simplificarles las cosas. Muchos de estos jóvenes son universitarios y encuentran en la tecnología a un importante aliado. En ese sentido, la presente investigación busca demostrar como los estudiantes universitarios peruanos perciben la importancia que tiene la tecnología, particularmente a la Inteligencia Artificial como un eje de influencia a la hora en que las empresas reclutan y seleccionan a su personal. Se trabajó mediante un muestreo por conveniencia en donde se analizaron las opiniones de 120 estudiantes de los últimos semestres de dos universidades de la ciudad de Lima. Los resultados indican que los estudiantes universitarios perciben una moderada influencia de la Inteligencia Artificial sobre los procesos de Reclutamiento y Selección. La presente investigación puede servir como referencia para el análisis de nuevas tecnologías y su impacto en distintos grupos demográficos.
Descargas
Citas
Albort-Morant, G. Henseler, J. Cepeda-Carrión, G. y Leal-Rodríguez, A.L. (2018). Potential and Realized Absorptive Capacity as Complementary Drivers of Green Product and Process Innovation Performance, sustainability, 10, 381, 1-20. https://doi.org/10.3390/su10020381
Chiavenato, I. (2008). Administración de Recursos Humanos. El Capital Humano de las Organizaciones. Disponible en: https://www.academia.edu/34007846/8va_Administracion_
de_recursos_humanos_El_capital_humano_pdf
Chin W.W. (2010) How to Write Up and Report PLS Analyses. In: Esposito Vinzi V., Chin W., Henseler J., Wang H. (eds) Handbook of Partial Least Squares. Springer Handbooks of Computational Statistics. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-32827-8_29
Chin, W. (1998). The partial least square approach to structural equation modelling. En G. Marcoulides (Ed.), Modern Methods for Business Research (pp. 295-369). Mahawah, Estados Unidos: Lawrence Erlbaum.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences. Hillsdale, NJ: Lawrence Erlbaum Associates.
Fadul, Alexander. (2004). Diseño Estructurado de Algoritmos. Disponible en: books.google.es/books?isbn=9789584414588
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis. (8th ed.). Boston: Cengage.
Hair, J. F., Black, W. C., Babin, B. J., y Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Boston: Cengage.
Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Castillo Apraiz, J., Cepeda Carrión, G., y Roldán, J.L. (2019). Manual de Partial Least Squares Structural Equation Modeling (PLS-SEM) (Segunda Edición). OmniaScience: Barcelona, España.
Henseler, J., Ringle, C.M. & Sarstedt, M. A new criterion for assessing discriminant validity in variance-based structural equation modeling. J. of the Acad. Mark. Sci. 43, 115–135 (2015). https://doi.org/10.1007/s11747-014-0403-8
Real Academia Española: Diccionario de la lengua española, 23.ª ed., [versión 23.4 en línea]. <https://dle.rae.es>
Rouhiainen, L. (2008). Inteligencia Artificial: 101 cosas que debes saber sobre nuestro futuro. Disponible en: https://www.planetadelibros.com/libros_contenido_extra/40/
_Inteligencia_artificial.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Todo el contenido de la Revista de Análisis y Difusión de Perspectivas Educativas y Empresariales - RADEE, está publicado bajo una Licencia Creative Commons
