Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/34459
Registro completo de metadados
Campo DCValorIdioma
dc.creatorGirardi, Gustavo Carolino-
dc.date.accessioned2024-08-14T14:47:52Z-
dc.date.available2024-08-14T14:47:52Z-
dc.date.issued2024-06-14-
dc.identifier.citationGIRARDI, Gustavo Carolino. Análise comparativa entre qualidade de vida e trabalho humano em países pertencentes aos blocos G7 e BRICS: proposição de modelo de análise discriminante. 2024. Tese (Doutorado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2024.pt_BR
dc.identifier.urihttp://repositorio.utfpr.edu.br/jspui/handle/1/34459-
dc.description.abstractThis study aimed to propose a data forecasting model and identify the variables influencing the classification of the Quality of Life (QoL) index and human labor in countries belonging to the G7 (Germany, France, Italy, Canada, Japan, United Kingdom, and United States of America - USA) and BRICS (Brazil, Russia, India, China, and South Africa) groups, through discriminant analysis. Fourteen variables were selected: from the NUMBEO platform, QoL indices such as quality of life index, purchasing power index, safety index, healthcare index, cost of living index, property price to income ratio, daily commuting time index, and pollution index. From the OECD platform, human labor indices included: employed women compared to the female population, women participating in the labor market, rate of unemployed women, employed men compared to the male population, rate of men participating in the workforce, and rate of unemployed men, spanning from 2010 to 2022. Data treatment, organization, and systematization were conducted using SPSS software, version 23.0, enabling descriptive and multivariate statistical analysis of the collected indices data. Discriminant analysis was chosen among possible multivariate statistics. Based on the results, the three variables that most differentiated the groups in order of importance were: employed women compared to the female population, women participating in the labor market, and rate of unemployed women. After considering QoL and human labor variables complementarily in the forecasting model created by discriminant analysis, Japan and France were classified as low QoL, India, Italy, Brazil, and South Africa as medium QoL, and Canada, Germany, Russia, United Kingdom, and USA as high QoL. This study identified potential gaps affecting the QoL of member countries of the BRICS and G7 blocs when integrating variables related to human labor.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/pt_BR
dc.subjectQualidade de vidapt_BR
dc.subjectTrabalho - Análisept_BR
dc.subjectPaíses do BRICSpt_BR
dc.subjectGrupo dos Setept_BR
dc.subjectAnálise discriminatóriapt_BR
dc.subjectEstatísticapt_BR
dc.subjectQuality of lifept_BR
dc.subjectJob analysispt_BR
dc.subjectBRICS countriespt_BR
dc.subjectGroup of Sevenpt_BR
dc.subjectDiscriminant analysispt_BR
dc.subjectStatisticspt_BR
dc.titleAnálise comparativa entre qualidade de vida e trabalho humano em países pertencentes aos blocos G7 e BRICS: proposição de modelo de análise discriminantept_BR
dc.title.alternativeComparative analysis between quality of life and human labor in countries belonging to the G7 and BRICS blocks: proposition of a discriminant analysis modelpt_BR
dc.typedoctoralThesispt_BR
dc.description.resumoEste estudo teve como objetivo propor um modelo de previsão de dados e identificar as variáveis que influenciam na classificação do índice de Qualidade de Vida (QV) e trabalho humano nos países constantes dos blocos G7 (Alemanha, França, Itália, Canadá, Japão, Reino Unido e Estados Unidos da América - EUA) e BRICS (Brasil, Rússia, Índia, China e África do Sul), de forma complementar, por meio de análise discriminante. Quatorze variáveis foram selecionadas, na plataforma NUMBEO os índices de QV: índice de qualidade de vida, índice de poder de compra, índice de segurança, índice de cuidados de saúde, índice de custo de vida, preço da propriedade em relação à renda, índice do tempo de deslocamento diário e índice de poluição. Na plataforma OECD índices de trabalho humano: mulheres empregadas em comparação com a população feminina, mulheres que participam no mercado de trabalho, taxa de mulheres desempregadas, homens empregados em comparação com a população masculina, taxa de homens que participam na mão-de-obra , taxa de homens desempregados, compreendendo o período de 2010 a 2022. O tratamento, organização e sistematização dos dados coletados foram realizados por meio do software SPSS, versão 23.0, que possibilitou a utilização de estatística descritiva e multivariada para os dados dos índices coletados. Dentre as possíveis estatísticas multivariadas optou-se pela análise discriminante. Com base nos resultados, as três variáveis que mais discriminaram os grupos por ordem de importância foram: mulheres empregadas em comparação com a população feminina, mulheres que participam no mercado de trabalho e taxa de mulheres desempregadas. Após consideradas variáveis de QV e trabalho humano, de forma complementar, no modelo de previsão criado pela análise discriminante, Japão e França foram classificados como baixa QV, Índia, Itália, Brasil e África do Sul como média QV e Canadá, Alemanha, Rússia, Reino Unido e EUA como alta QV. Este estudo permitiu identificar possíveis lacunas que interferem na QV dos países membros dos blocos BRICS e G7 quando inseridas variáveis relacionadas ao trabalho humano.pt_BR
dc.degree.localPonta Grossapt_BR
dc.publisher.localPonta Grossapt_BR
dc.creator.IDhttps://orcid.org/0000-0003-2999-1269pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1334263770516848pt_BR
dc.contributor.advisor1Picinin, Claudia Tania-
dc.contributor.advisor1IDhttps://orcid.org/0000-0003-4844-3516pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2723518409363520pt_BR
dc.contributor.advisor-co1Rubbo, Priscila-
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0002-2488-4627pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6502326590391126pt_BR
dc.contributor.referee1Picinin, Claudia Tania-
dc.contributor.referee1IDhttps://orcid.org/0000-0003-4844-3516pt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2723518409363520pt_BR
dc.contributor.referee2Broday, Evandro Eduardo-
dc.contributor.referee2IDhttps://orcid.org/0000-0001-6613-7657pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3081993628696990pt_BR
dc.contributor.referee3Pinto, Guilherme Moreira Caetano-
dc.contributor.referee3IDhttps://orcid.org/0000-0002-1971-6637pt_BR
dc.contributor.referee3Latteshttp://lattes.cnpq.br/8576459778160661pt_BR
dc.contributor.referee4Valmorbida, Sandra Mara Iesbik-
dc.contributor.referee4IDhttps://orcid.org/0000-0001-6607-7957pt_BR
dc.contributor.referee4Latteshttp://lattes.cnpq.br/0537070391040625pt_BR
dc.contributor.referee5Moreira, Sandra Martins-
dc.contributor.referee5IDhttps://orcid.org/0000-0001-9881-6072pt_BR
dc.contributor.referee5Latteshttp://lattes.cnpq.br/4423923017880494pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Produçãopt_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOpt_BR
dc.subject.capesEngenharia/Tecnologia/Gestãopt_BR
Aparece nas coleções:PG - Programa de Pós-Graduação em Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
analisediscriminanteqvtrabalho.pdf1,96 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons