Evaluación del Estado Emocional de los empleados de la empresa FenixCorp-ADS mediante el uso de Machine Learning

Contenido principal del artículo

Yomara Elizabeth Tello-Oña
Luis René Quisaguano-Collaguazo

Resumen

La Inteligencia Artificial (IA) tiene hoy en día un gran auge, no solo en los procesos industriales, sino también, en campos relacionadas con las actividades que contribuyen al desarrollo de las organizaciones y del conocimiento humano. El Aprendizaje Automático se encuentra contenida dentro del contexto computacional de la IA, divida en tres grandes enfoques: Aprendizaje Automático Supervisado (AAS), Aprendizaje Automático No Supervisado y el Aprendizaje por Reforzamiento, que son técnicas y algoritmos capaces de “aprender y razonar” simulando al cerebro humano, y permite clasificar y predecir el comportamiento de los datos suministrado al modelo elegido, mediante la utilización de la biblioteca SciKit-Learn y otras herramientas de Python, lenguaje de programación muy utilizado en el análisis de datos y el análisis de sentimiento,  otra herramienta para la extracción de información en base de opiniones subjetivas. El Estado Emocional (EE) es una reacción consiente e inconsciente como respuesta a un estímulo específico en un momento o situación que tiene los individuos. Con el fin de establecer una posible relación con el desempeño laboral  de los empleados y la fuga de talento de la empresa FenixCorp-ADS, se elaboró un cuestionario vía Web y se eligieron los algoritmos de clasificación y predicción de aprendizaje automático supervisado y no supervisado que permitió elaborar un análisis comparativo para determinar el modelo más eficiente de los análisis de sentimientos efectuados, contribuyendo en su aplicación de forma más continua por las organizaciones empresariales a modo de su aprovechamiento para automatizar estos procesos.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Tello-Oña, Y., & Quisaguano-Collaguazo, L. . (2024). Evaluación del Estado Emocional de los empleados de la empresa FenixCorp-ADS mediante el uso de Machine Learning. 593 Digital Publisher CEIT, 9(6), 192-203. https://doi.org/10.33386/593dp.2024.6.2695
Sección
Investigaciones /estudios empíricos
Biografía del autor/a

Yomara Elizabeth Tello-Oña, Universidad Técnica de Cotopaxi - Ecuador

http://orcid.org/0009-0000-9026-6950

Ingeniera en Informática y Sistemas Computacionales con una ferviente pasión por la innovación en el campo de la ciencia de datos y la inteligencia artificial. Actualmente, persigo una Maestría en Ciencia de Datos para profundizar mi comprensión y habilidades en el análisis de datos avanzados y el desarrollo de algoritmos inteligentes. Mi interés se centra en aplicar técnicas de inteligencia artificial para abordar desafíos complejos en diversas industrias y contribuir al avance de la tecnología y la sociedad. Mi experiencia profesional incluye aproximadamente 6 años como desarrolladora de software en la empresa FenixCorp.

Luis René Quisaguano-Collaguazo, Universidad Técnica de Cotopaxi - Ecuador

http://orcid.org/0000-0003-1345-0898

Tengo experiencia en el campo del desarrollo de sistemas de información, administración de bases de datos, inteligencia de negocios, inteligencia artificial y tecnología en general. Mi formación refleja un enfoque responsable y poseo la capacidad de trabajar tanto en equipo como de forma independiente, demostrando creatividad, iniciativa y puntualidad. Mi experiencia profesional incluye aproximadamente 3 años como profesor universitario y más de 7 años como consultor de proyectos de TI. Durante este tiempo, he estado involucrado en el desarrollo de sistemas de información en entornos web, de escritorio y/o móviles, implementando metodologías ágiles y utilizando herramientas como C#, Java, PHP, Python, Javascript, PostgreSQL, SQL Server, Oracle, MariaDB, Firebase, MongoDB, Hadoop y otros.

Citas

Alcalde Chulilla, J. (2021). Análisis de sentimiento de textos basado en opiniones de películas usando algoritmos de aprendizaje computacional [Tesis de grado, Universidad Oberta de Catalunya]. https://openaccess.uoc.edu/bitstream/10609/132328/7/jchulillaTFG0621memoria.pdf

Andrade Muñoz, J. (2023). Entendiendo el poder de la Inteligencia Artificial. TEPEXI, Boletín Científico de la Escuela Superior del Rio, 10(20), 4. https://repository.uaeh.edu.mx/revistas/index.php/tepexi/issue/archive

Aragón Zepeda, K. I. (2019). Inteligencia emocional y su relación en el desempeño laboral. Revista Naturaleza, Sociedad y Ambiente, 6(1), 57-67. https://doi.org/10.37533/cunsurori.v6i1.41

Blanco Canales, A. (2019). La emoción y sus componentes. Grupo LEIDE, 7. https://grupoleide.com/wp-content/uploads/2019/09/Ana-Blanco-y-Nati-Hern%C3%A1ndez-C%C3%B3mo-sentimos-la-L2.pdf

Bobadilla, J. (2020). Machine learning y deep learning. Usando Python. Ediciones de la U. https://api.pageplace.de/preview/DT0400.9789587921465_A41974869/preview-9789587921465_A41974869.pdf

Carceller Llorens, F. (2023). Detección de estados de ánimo usando técnicas de machine learning [Tesis Magister, Universidad Politécnica de Valencia]. http://polipapers.upv.es/index.php/IA/article/view/3293

Lovo, J. (2020). Síndrome de burnout: Un problema moderno. Entorno, 70, 110-120. https://doi.org/10.5377/entorno.v0i70.10371

Olivas, J. Á., Montoro, A., & Lorenzo, A. (2023). Informe OBS Inteligencia Artificial (p. 38). OBS Business School. https://marketing.onlinebschool.es/Prensa/Informes/Informe%20OBS%20Inteligencia%20Artificial%202023.pdf

Rosenbrock, G., Trossero, S., & Pascal, A. (2021). Técnicas de Análisis de Sentimientos Aplicadas a la Valoración de Opiniones en el Lenguaje Español. CACIC 2021 UNSa, 291-300. https://www.researchgate.net/publication/355887680_Tecnicas_de_Analisis_de_Sentimientos_Aplicadas_a_la_Valoracion_de_Opiniones_en_el_Lenguaje_Espanol

Saura, J. R., Reyes Menéndez, A., & Palos Sánchez, P. (2018). Un análisis de sentimiento en Twitter con Machine Learning: Identificando el sentimiento sobre oferta de #Black Friday. Revista Espacios, 39(42), 16. https://www.revistaespacios.com/a18v39n42/a18v39n42p16.pdf

Tamayo y Tamayo, M. (2003). El proceso de la investigación científica (4.a ed.). Limusa, S.A.

Velásquez Sánchez, E. (2022). Estado del Arte de Machine Learning y su Aplicación en el Experimento LHCb [Estado del arte de maestría en matemáticas, Universidad Nacional Autónoma de Honduras]. https://mm.unah.edu.hn/dmsdocument/13661-estado-del-arte-de-machine-learning-y-su-aplicacion-en-el-experimento-lhcb-pdf