Evaluación de la percepción de los servicios públicos en Colombia mediante Text Mining vía Twitter
DOI:
https://doi.org/10.36825/RITI.10.22.004Palabras clave:
Twitter, Minería de Texto, Percepción de Servicio, Diccionarios - Lexicones, Análisis de SentimientosResumen
En Bogotá, los prestadores de servicios básicos son: Enel, Vanti y El acueducto, grandes empresas del sector que deben caracterizarse por una operación customer centricity. Sin embargo, dado que estas compañías son las que mayor cantidad de quejas y reclamos presentan ante los entes regulatorios, la percepción del servicio puede no ser la mejor. Determinar la veracidad de esto, es el objetivo de la presente investigación, a través de la explotación de técnicas de minería de texto aprovechando la voz de cliente en los tuits de los usuarios; aplicando la metodología Knowledge Discovery in Databases, para generar la base de datos compuesta por 9071 tuits de las tres empresas. En la fase de limpieza de datos, se establecen pasos adicionales para refinar dicha base y consolidar los tuits de interés para la investigación. Lo anterior, permite obtener una explotación de los datos explicando los resultados a través de nubes de palabras, diagramas de frecuencia, análisis de sentimientos y los ratios entre la polaridad de los tuits. Los resultados permiten inferir que, para la ventana de tiempo en el cual se realiza el análisis, la percepción del servicio no es buena y que existen oportunidades de mejora para las tres compañías.
doi: https://doi.org/10.36825/RITI.10.22.004
Citas
Montes Gomez, M. (2001). Minería de Texto: Un nuevo reto computacional. Minería de Texto: Un nuevo reto computacional. https://ccc.inaoep.mx/~mmontesg/publicaciones/2001/MineriaTexto-md01.pdf
Eito Brun, R., Senso, J. A. (2004). Minería Textual. El profesional de la información, 13 (1), 11-27. http://profesionaldelainformacion.com/contenidos/2004/enero/2.pdf
Bae, Y., Lee, H. (2012). Sentiment Analysis of Twitter Audiences: Measuring the Positive or Negative Influence of Popular Twitterers. Journal of the american society for information science and technology, 63 (12), 2522-2535. https://doi.org/10.1002/asi.22768
Bello-Orgaz, G., Menéndez, H., Okazaki, S., Camacho, D. (2014). Combining social-based data mining techniques to extract collective trendsfrom twitter. Malaysian Journal of Computer Science, 27 (2), 95-111. https://ejournal.um.edu.my/index.php/MJCS/article/view/6797
TIBCO Software Inc. (2022). ¿Qué son los datos estructurados? https://www.tibco.com/es/reference-center/what-is-structured-data
Rivadeneira Zambrano, F. J., Vélez Flores, B. F., Pinargote Mendoza, W. J., Rivadeneira Zambrano, R. A., Carvajal Rivadeneira, S. M. (2020). Aplicación de minería de texto para el análisis de sentimientos del servicio de telefonía móvil en el ecuador. Holos, 7, 1-16. http://dx.doi.org/10.15628/holos.2020.7994
Powell González, J. E. Carrillo Ruiz, M., Somodevilla García, M. J. (2021). Agrupamiento de poemas de autores suicidas y no suicidas usando K-means y enjambre de partículas. Revista de Investigación en Tecnologías de Información (RITI), 9 (18), 14-23. https://doi.org/10.36825/RITI.09.18.002
Salaberry, N. (2020). Análisis de contenido en Twitter y el aislamiento social obligatorio. Revista de investigación en modelos matemáticos aplicados a la gestión y la economía, 7 (1), 1-15. http://www.economicas.uba.ar/wp-content/uploads/2016/04/Salaberry-Natalia.pdf
Twitter. (2022). Información sobre las API de Twitter. https://help.twitter.com/es/rules-and-policies/twitter-api
Ngaboyamahina, M., Yi, S. (2019). The Impact of Sentiment Analysis on social media to Assess Customer Satisfaction: Case of Rwanda. IEEE 4th International Conference on Big Data Analytics, Suzhou, China. https://doi.org/10.1109/ICBDA.2019.8713212
Cortez Reyes, R. A. (2018). Extracción de conocimiento a partir de textos obtenidos de Twitter. Entorno, (65), 30-41. http://dx.doi.org/10.5377/entorno.v0i65.6048
Ali, T., Ahmad, I., Ur Rehman, A., Kamal, S. (2018). Understanding Customer Experiences through Social Media Analysis of Three Giants of Soft Drink Industry. 5th International Conference on Behavioral, Economic, and Socio-Cultural Computing (BESC), Kaohsiung, Taiwan. https://doi.org/10.1109/BESC.2018.8697304
Niño Martínez, N., Vaca, C., Ríos, B. P, Rey, L. J. (2020). Minería de textos y análisis de redes sociales en twitter. En M. A. Yandar Lobón, J. M. Moreno Ospina (Comp.) La industria 4.0 desde la perspectiva Organizacional (pp. 85-105). Artes y letras S.A.S. http://dx.doi.org/10.47212/industria4.0-6
Chen, W.-K., Riantama, D., Chen, L.-S. (2021). Using a Text Mining Approach to Hear Voices of Customers from social media toward the Fast-Food Restaurant Industry. Sustainability, 13 (1), 268-285. http://doi.org/10.3390/su13010268
Bernabe-Loraca, B., González-Velázquez, R., Carrillo-Canán, A., Granillo-Martinez, E. (2022). Sentiment Analysis and Multiple Means Comparison. Computación y Sistemas, 26 (1), 91-100. https://doi.org/10.13053/cys-26-1-4155
Fayyad, U., Piatetsky-Shapiro, G., Smyth, P. (1996). The KDD Process for Extracting Useful Knowledge from Volumes of Data. Communications of the ACM, 39 (11), 27-34. https://doi.org/10.1145/240455.240464
Valcárcel Asencios, V. (2004). Data mining y el descubrimiento del conocimiento. Industrial Data, 7 (2), 83-86. https://www.redalyc.org/articulo.oa?id=81670213
R Core Team. (2021). The R Project for Statistical Computing. https://www.R-project.org/
Jockers, M. (2020). Package ‘syuzhet’. https://cran.r- project.org/web/packages/syuzhet/syuzhet.pdf.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
