El presente trabajo de investigación tuvo como objetivo establecer un modelo de medición de
enfoque cuantitativo, puesto que se busca resolver un problema práctico a partir de la teoría;
para luego, brindar desempeño de servicios financieros haciendo uso de una de las técnicas
de procesamiento de lenguaje natural (PLN) como es el análisis de sentimiento que,
complementado con un método de decisiones multicriterio (MCDM), permite realizar una
evaluación de productos o servicios ofrecidos por los cuatro principales bancos de Perú,
analizando opiniones que expresan sentimientos positivos, negativos o neutrales en la red
social Twitter. La investigación permitió identificar un conjunto de aspectos o criterios a
partir de los cuales se evalúa la polaridad del sentimiento expresada en los tuits, generando un
consolidado de tablas de puntuación, para finalmente evaluar el desempeño de cada entidad
bancaria según los aspectos identificados. La investigación se estableció dentro de un marco
de diseño como una investigación aplicada, bajo una fuente de información alternativa que
soporte la toma de decisión de un cliente bancario al momento de contratar un servicio
financiero, de tal manera que se pueda mejorar su satisfacción. Para la construcción del
modelo se evaluaron 15,546 tuits de los que se escogieron 5,276 en los cuales se menciona al
menos un aspecto. Dicho conjunto de datos se evaluó con métodos de polarización de
sentimiento como Stanza, VADER, TextBlob y BETO (BERT) y; posteriormente, se utilizó
el método MCDM-VIKOR para proporcionar información adicional que permita determinar
la mejor opción de servicio a contratar. Los resultados obtenidos arrojan que el mejor método
para determinar la polaridad de los tuits es BETO, logrando un nivel de exactitud de 88%,
además de verificar que tanto BETO como VIKOR cumplen con las condiciones de
aceptabilidad definidas por los métodos, logrando con ello identificar de manera adecuada la
mejor alternativa de servicio. / This study aims to create a model for measuring the performance of financial services using
Natural Language Processing (NLP) techniques like Sentiment Analysis (SA) and a
Multicriteria Decision Method. (MCDM) enables the evaluation of products or services
offered by Peru's four major banks by analyzing positive, negative, or neutral opinions
expressed on the social network Twitter. The study identifies a set of aspects or criteria for
scoring the sentiment expressed in tweets, generates a consolidated score table, and finally
evaluates the performance of each banking entity based on the identified aspects. The
research was established within a design framework as applied research, using a quantitative
approach, since it seeks to solve a practical problem based on the theory and then provide an
alternative source of information that supports a bank client's decision-making when hiring a
financial service to improve satisfaction. For the model's construction, 15,546 tweets were
evaluated, with only 5,276 chosen that mentioned at least one aspect. The data set was
analyzed using sentiment polarization methods such as Stanza, VADER, TextBlob and
BETO (BERT), and then the MCDM VIKOR provides additional information to determine
the best service option to contract. The results obtained show us that the best method to
determine the polarity of the tweets is BETO, achieving an accuracy level of 88%, in addition
to verifying that both BETO and VIKOR meet the acceptability conditions defined by the
methods; achieving this adequately resolve the best service alternative.
Identifer | oai:union.ndltd.org:PUCP/oai:tesis.pucp.edu.pe:20.500.12404/25716 |
Date | 09 August 2023 |
Creators | Cueva Mendoza, Araceli Yoselín, Cueva Mendoza, César Blademir, Huacac Huañec, Judith Cathy, Junco Navarro, Ananda Adelaida |
Contributors | Negrón Naldos, Luis Alfredo |
Publisher | Pontificia Universidad Católica del Perú, PE |
Source Sets | Pontificia Universidad Católica del Perú |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/masterThesis |
Format | application/pdf, application/pdf |
Rights | info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ |
Page generated in 0.0705 seconds