Processos de Recrutamento: O Caso da Empresa Tox’Inn Marketing Promocional
Bibliographic record
Abstract
O presente relatório surge como requisito necessário à obtenção do grau de Mestre em Gestão do Turismo e Hotelaria, tendo como principal objectivo a compreensão do processo de recrutamento nas organizações, ao mesmo tempo que é utilizada, como exemplo e caso de estudo, a empresa Tox’Inn Marketing Promocional, no âmbito de um estágio curricular, decorrido entre Setembro de 2016 e Fevereiro de 2017, que visou o aperfeiçoamento e obtenção de novas formas de recrutamento de promotores. Neste sentido, para além da apresentação da entidade acolhedora do estágio, será feita uma exposição dos seus métodos de selecção de pessoas, observados através de eventos reais e experienciados, aprofundando principalmente a gestão da Base de Dados, estratégias de comunicação para atração de potenciais candidatos, o método de entrevista, castings e selecção de candidatos para acções específicas. São também evidenciadas propostas de soluções face ao tipo desafios e problemas do dia-a-dia empresarial. No final, constatou-se que a empresa possui métodos próprios de recrutamentos não recorrendo a empresas externas como sugerem alguns do autores nomeados na revisão bibliográfica. Apesar da eficácia demonstrada, o recrutamento de uma nova account para a zona de Évora como solução para a dinamização dos distritos de Beja, Évora, Portalegre e Setúbal, evitaria a deslocação de qualquer elemento da sede em Lisboa para o efeito, aumentando assim a eficiência e a eficácia desejadas para a região do Alentejo e por consequência do aumento de disponibilidade, também para a região de Lisboa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".