<?xml version="1.0" encoding="utf-8"?>
<Gradivo ID="164834" NadgradivoID="0" NRID="25392598" OceID="0" DomainUrl="https://repozitorij.uni-lj.si/" IzpisPolniUrl="https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&amp;id=164834" StOgledov="819" StPrenosov="245" StOcen="0" VsotaOcen="0" DatumIzvoza="2026-11-22 18:20:08" OcenaSkupna="0" StPodgradiv="0" StudijskiProgramEvsID="1000407" JeIndeksirano="0" JeVecAvtorjev="0" DovoliZahtevkeZaDostop="0">
  <PID Url="http://hdl.handle.net/20.500.12556/RUL-164834">20.500.12556/RUL-164834</PID>
  <Naslov>Napovedovanje zdravstvenega absentizma s strojnim učenjem</Naslov>
  <Podnaslov></Podnaslov>
  <TujJezik_Naslov>Predicting Health-Related Absenteeism Using Machine Learning</TujJezik_Naslov>
  <TujJezik_Podnaslov></TujJezik_Podnaslov>
  <Opis>V diplomskem delu obravnavamo problem napovedovanja zdravstvenega absentizma zaposlenih v pomembnejšem slovenskem podjetju. Problem zdravstvenega absentizma je izjemno kompleksne narave in nanj vpliva mnogo različnih, tudi osebnih dejavnikov. Za podrobno analizo smo podatke najprej ustrezno preoblikovali. Nabor podatkov smo nato obogatili z novimi atributi, ki temeljijo na analizi in domenskem znanju. V delo smo vključevali tudi domensko znanje v sodelovanju s podjetjem. Preverili smo kakovost obogatenega nabora podatkov in ga uporabili v metodah strojnega učenja. Več različnih modelov smo primerjali z osnovnim modelom, ki napoveduje lansko vrednost. Kot najuspešnejši model se izkaže GBRT, ki v zadnjem letu dosega MAE ∼ 0.045, RMSE ∼ 0.10 in R2 ∼ 0.40, kar statistično značilno presega rezultate osnovnega modela. Analizirali smo tudi pomembnost atributov v modelih. Ustvarili smo pregleden in poenoten nabor podatkov ter odkrili ključne atribute za napovedovanje absentizma. Iz izsledkov smo pripravili tudi smernice za nadaljnje raziskovanje tega kompleksnega problema.</Opis>
  <TujJezik_Opis>In our thesis, we address the prediction of health-related employee absenteeism at a key Slovenian company. The issue of health-related absenteeism is highly complex and influenced by many factors, including personal ones. For our analysis, we first transformed the data into a suitable format and then enriched it with new attributes based on our analysis and domain knowledge. Throughout our work, we incorporated domain knowledge in collaboration with the company. We assessed the quality of the final dataset and used it in machine learning methods, with the best-performing model being GBRT. We tested our models against the baseline model, which predicted the last year’s value. The GBRT model achieved an MAE of ∼0.045, an RMSE of ∼0.10, and an R² of ∼0.40 on the latest year’s data. These results are statistically significant and exceed the baseline model’s performance. We also analyzed the importance of attributes in our models. We created a more detailed dataset and identified key attributes for predicting absenteeism. Based on our findings, we developed a set of guidelines for the company’s future research into this complex phenomenon.</TujJezik_Opis>
  <KljucneBesede>
    <Beseda>absentizem</Beseda>
    <Beseda>podatkovna analiza</Beseda>
    <Beseda>obogatitev podatkov</Beseda>
    <Beseda>strojno učenje</Beseda>
    <Beseda>analiza ključnih atributov.</Beseda>
  </KljucneBesede>
  <TujJezik_KljucneBesede>
    <Beseda>absenteeism</Beseda>
    <Beseda>data analysis</Beseda>
    <Beseda>data enrichment</Beseda>
    <Beseda>machine learning</Beseda>
    <Beseda>key attribute analysis.</Beseda>
  </TujJezik_KljucneBesede>
  <Potrjeno>true</Potrjeno>
  <JeZaklenjeno>false</JeZaklenjeno>
  <JeRecenzirano>false</JeRecenzirano>
  <Zaloznik></Zaloznik>
  <Izvor></Izvor>
  <Jezik ID="1060" ISO639-3="slv">Slovenski jezik</Jezik>
  <TujJezik ID="1033" ISO639-3="eng">Angleški jezik</TujJezik>
  <Povezave></Povezave>
  <Pokrivanje></Pokrivanje>
  <CasovnoPokritje></CasovnoPokritje>
  <AvtorskePravice></AvtorskePravice>
  <VrstaGradiva ID="mb11" DRIVER="info:eu-repo/semantics/bachelorThesis">Diplomsko delo/naloga</VrstaGradiva>
  <DatumVstavljanja>2024-11-13 12:55:35</DatumVstavljanja>
  <DatumObjave>2024-11-13 12:55:36</DatumObjave>
  <DatumSpremembe>2024-12-30 08:50:59</DatumSpremembe>
  <DatumTrajnegaHranjenja>0000-00-00 00:00:00</DatumTrajnegaHranjenja>
  <LetoIzida>2024</LetoIzida>
  <LetoIzidaDo>0</LetoIzidaDo>
  <KrajIzida></KrajIzida>
  <LetoIzvedbe>0</LetoIzvedbe>
  <KrajIzvedbe></KrajIzvedbe>
  <Opomba></Opomba>
  <StStrani></StStrani>
  <StevilcenjeNivo1></StevilcenjeNivo1>
  <StevilcenjeNivo2></StevilcenjeNivo2>
  <Kronologija></Kronologija>
  <Patent_Stevilka></Patent_Stevilka>
  <Patent_DatumVeljavnosti>0000-00-00</Patent_DatumVeljavnosti>
  <VerzijaDokumenta>NiDoloceno</VerzijaDokumenta>
  <StatusObjaveDrugje>NiDoloceno</StatusObjaveDrugje>
  <VrstaStroskaObjave>NiDoloceno</VrstaStroskaObjave>
  <DatumPoslanoVRecenzijo>0000-00-00</DatumPoslanoVRecenzijo>
  <DatumSprejetjaClanka>0000-00-00</DatumSprejetjaClanka>
  <DatumObjaveClanka>0000-00-00</DatumObjaveClanka>
  <EmbargoDo></EmbargoDo>
  <VrstaEmbarga ID="1" Naziv="Takojšnja javna objava" OpenAIREDostop="openAccess"></VrstaEmbarga>
  <Osebe>
    <Oseba ID="136819" Ime="Aleksander" Priimek="Piciga" AltIme="" VlogaID="70" VlogaNaziv="Avtor" ConorID="" Afiliacija="" ArrsID="0" ORCID=""></Oseba>
    <Oseba ID="23465" Ime="Matjaž" Priimek="Kukar" AltIme="M. Kukar; Matjaz Kukar" VlogaID="991" VlogaNaziv="Mentor" ConorID="4054115" Afiliacija="" ArrsID="14565" ORCID=""></Oseba>
  </Osebe>
  <Identifikatorji>
    <Identifikator ID="16" Sifra="VisID" Naziv="VisID" URL="">37447</Identifikator>
    <Identifikator ID="3" Sifra="CobissID" Naziv="COBISS_ID" URL="https://plus.cobiss.net/cobiss/si/sl/bib/208996611">208996611</Identifikator>
  </Identifikatorji>
  <Relacije>
  </Relacije>
  <VerzijeGradiva>
  </VerzijeGradiva>
  <Datoteke>
    <Datoteka ID="195595" DatotekaNRID="13992188" NamenDatotekeID="2" NamenDatoteke="Predstavitvena datoteka" FormatDatotekeID="2" FormatDatoteke=".pdf" MIME="application/pdf" IkonaFormata="pdf.png" IkonaFormataPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/fileTypes/pdf.png" VelikostDatoteke="1091014" VelikostDatotekeKratko="1,04 MB" DatumVstavljanja="2024-11-13 12:55:37" JeZbrisana="false" JeJavnoVidna="true" JeIndeksirana="true" JeVidno="true" VidnoOd="01.01.1970" Zaporedje="0">
      <Naziv>Piciga_Aleksander_-_Napovedovanje_zdravstvenega_absentizma_s_strojnim_ucenjem.pdf</Naziv>
      <OrgNaziv>Piciga_Aleksander_-_Napovedovanje_zdravstvenega_absentizma_s_strojnim_ucenjem.pdf</OrgNaziv>
      <URL></URL>
      <Opis></Opis>
      <OpisTujJezik></OpisTujJezik>
      <UrlObdelave></UrlObdelave>
      <FrekvencaAzuriranjaID>1</FrekvencaAzuriranjaID>
      <Verzija></Verzija>
      <MD5>8AB88CAE347A70B18CC04E66EED741E6</MD5>
      <SHA256>1c29c947afd2d2c4424400157812474a5a29df1ce43820769697a7e1dd6176c4</SHA256>
      <UUID>d46f7e68-a1b5-11ef-b232-0050569b8976</UUID>
      <PID></PID>
      <PrenosPolniUrl>https://repozitorij.uni-lj.si/Dokument.php?lang=slv&amp;id=195595</PrenosPolniUrl>
      <Vsebine>
        <Vsebina TipVsebine="GoloBesedilo" JezikID="1060" Oznaka="" Dolzina="90092"></Vsebina>
      </Vsebine>
    </Datoteka>
  </Datoteke>
  <Organizacije>
    <Organizacija OrganizacijaID="25" Kratica="FRI" ZavodEvsID="0000066" Logo="" LogoPolniUrl="https://repozitorij.uni-lj.si/teme/rulDev/img/logo/">Fakulteta za računalništvo in informatiko</Organizacija>
  </Organizacije>
  <OrganizacijeVira>
  </OrganizacijeVira>
  <MetodeZbiranjaPodatkov>
  </MetodeZbiranjaPodatkov>
  <TipologijaDela ID="2.11" Koda="2.11" Naziv="Diplomsko delo" SchemaOrg="Thesis"></TipologijaDela>
  <Ostalo>
    <StIrodsDatotek>0</StIrodsDatotek>
    <StDatotekPodTrajnimEmbargom>0</StDatotekPodTrajnimEmbargom>
    <StDatotekZOmejenimDostopom>0</StDatotekZOmejenimDostopom>
  </Ostalo>
</Gradivo>
