Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AUTORES:
ASESOR:
LÍNEA DE INVESTIGACIÓN:
PIURA - PERÚ
2021
DEDICATORIA
ii
AGRADECIMIENTO
iii
Índice de contenidos
I. INTRODUCCIÓN ....................................................................................................................1
II. MARCO TEÓRICO ................................................................................................................5
III. METODOLOGÍA...............................................................................................................13
3.1. Tipo y diseño de investigación ...............................................................................14
3.2. Variables y Operacionalización...............................................................................14
3.3. Población, muestra y muestreo. .............................................................................15
3.4. Técnicas e instrumentos de recolección de datos. ...........................................16
3.5. Procedimientos. ..........................................................................................................21
3.6. Método de análisis de datos. ...................................................................................24
3.7. Aspectos éticos. .........................................................................................................24
IV. RESULTADOS .................................................................................................................25
V. DISCUSIÓN ..........................................................................................................................42
VI. CONCLUSIONES .............................................................................................................46
VII. RECOMENDACIONES....................................................................................................48
REFERENCIAS ............................................................................................................................50
ANEXOS........................................................................................................................................58
iv
Índice de tablas
v
Índice de gráficos y figuras
vi
RESUMEN
Con frecuencia las organizaciones buscan que los postulantes a ciertos puestos de
trabajo cumplan con las expectativas de este, ayudando a cumplir con la
planificación organizacional, estas demandas de prospectos profesionales no solo
deben cumplir con las necesidades y funciones en las empresas, o con la
experiencia y buen rendimiento laboral, esta investigación ayuda a determinar la
importancia del análisis de sentimientos y emociones de postulantes dentro de las
organizaciones, analizando a partir de textos de postulación del personal técnico
con la ayuda de un sistema web de Procesamiento de Lenguaje Natural, los
resultados ayudaron a determinar un estándar mínimo y máximo requerido de la
valoración del análisis textual semántico de los postulantes. Si se quiere cumplir
con las expectativas del cliente los postulantes deberán mostrar los siguientes
valores: el sentimiento debe ser “positivo” con un mínimo de 86% de puntaje, en el
factor de emoción, la alegría con un mínimo de 84%, la ira con un máximo de 3%,
el disgusto con un máximo de 1%, la tristeza con un máximo de 9% y el miedo con
un máximo de 3%. Con estos resultados, se garantiza una mejora en la calidad de
atención y satisfacción del cliente.
vii
ABSTRACT
Often organizations seek that applicants for certain jobs meet the expectations of
this, helping to meet organizational planning, these demands of professional
prospects must not only meet the needs and functions in companies, or with the
experience and good job performance, This research helps to determine the
importance of the analysis of feelings and emotions of applicants within the
organizations, analyzing from application texts of technical personnel with the help
of a web system of Natural Language Processing, the results helped to determine
a minimum and maximum standard required of the valuation of semantic textual
analysis of applicants. If the client's expectations are to be met the applicants should
show the following values: the feeling should be "positive" with a minimum score of
86%, in the emotion factor, joy with a minimum of 84%, anger with a maximum of
3%, disgust with a maximum of 1%, sadness with a maximum of 9% and fear with
a maximum of 3%. With these results, an improvement in the quality of customer
service and satisfaction is guaranteed.
viii
I. INTRODUCCIÓN
Durante muchos años las organizaciones han tenido grandes demandas con el
prospecto de que el profesional seleccionado cumpla con las necesidades y
funciones con el fin de cumplir con la planificación organizacional. El departamento
de recursos humanos de estas compañías, no son caso omiso al uso de la
revolución tecnológica actual. Dentro del proceso de selección de personal no
utilizan métodos o técnicas tecnológicas como la Inteligencia Artificial (IA), para
satisfacer el perfil de puesto de trabajo solicitado.
2
candidatos, ellos son los que deciden si un empleado es rechazado o aceptado,
requiriendo de mucho tiempo y capacidad del reclutador para decidir, haciendo que
las organizaciones puedan perder candidatos más aptos según el puesto de trabajo
ya que la capacidad del ser humano es limitada.
3
obtengan un bajo nivel de satisfacción por parte del cliente y perjudique la
reputación de la empresa. Como el proceso actual se basa en solo la evaluación
de los antecedentes penales, el riesgo de presentar un bajo nivel de calidad de
atención del personal seleccionado es cada vez más probable.
4
II. MARCO TEÓRICO
Se ha realizado diversas búsquedas de antecedentes para avalar esta
investigación, se describe a continuación:
6
CORTEZ GIL y PADILLA MONDRAGON (2015), en su tesis de titulación “Sistema
experto web basado en reglas utilizando una batería de test psicológicos para
apoyar al proceso de selección de intereses profesionales y ocupacionales de los
estudiantes de 5to grado de secundaria de la Institución Educativa Particular Eliel
School” en donde su objetivo fue apoyar el proceso de selección de intereses
profesionales y ocupacionales de los estudiantes de 5to grado logrando precisión y
rapidez en el diagnóstico clínico. La investigación fue cuasi experimental y
tecnológica aplicada, tuvo una población de 134 alumnos y se determinó una
muestra de 25 alumnos del 5to grado de secundaria. Se concluyó que la
confiabilidad del sistema experto web desarrollado es de 97.51% en base a la
confiabilidad promedio que la experta le asignó bajo su experiencia y afirmado con
la muestra censal de 25 diagnósticos clínicos de la sección de “5A”, la experta
afirmó que el alto grado de confiabilidad permite una orientación vocacional honesta
para cualquier estudiante que use el sistema experto.
Para lograr con el objetivo de esta investigación se realizó un sistema web, y este
se entiende por una aplicación remota instalada en un servidor, permitiendo
conectar a varios dispositivos finales con el fin de su uso, haciendo un trabajo a
distancia con mayor accesibilidad y disponibilidad de trabajar en cualquier lugar y
en distintos momentos. (HERNÁNDEZ SOSA, 2015)
7
La selección de personal es un proceso que abarca un conjunto de etapas con el
fin de recolectar información sobre postulantes idóneos a un puesto de trabajo, lo
cual se logra a través de la evaluación de personal para elegir al candidato más
adecuado al puesto de trabajo que se solicita. (ARTURO, 2019)
Definido este proceso de importancia dentro del ámbito empresarial, para cumplir
con cada fase o etapa que proporcione al candidato más adecuado, es necesario
utilizar técnicas eficientes según los criterios éticos de la empresa, lo cual se logra
a través de la Evaluación de Personal con el fin de llevar a cabo un análisis que
ayude a describir al postulante idóneo que cumpla los requisitos dentro de un
puesto de trabajo. A través de esta evaluación se consigue al talento humano más
adecuado para la organización con un proceso de selección objetivo, justo y eficaz.
(GONZÁLEZ MERINO, 2015)
Se toma en cuenta también la Inteligencia Artificial (IA), que según ERGEN (2019)
es un conjunto de teorías y algoritmos que permiten a las computadoras realizar
tareas que normalmente requieren funciones de inteligencia humana y, en
ocasiones, mejoran estas capacidades.
Según SEJDIĆ, et al. (2020) dice que las máquinas toman datos externos, procesan
dichos datos y generan un aprendizaje para el cumplimiento de algún objetivo o
requerimiento. Si bien el ser humano ha sido partícipe del crecimiento de la IA ya
que el ser humano les ha enseñado a las máquinas a hablar, leer, escuchar,
interpretar, hasta a jugar ajedrez.
Uno de las ramas de la IA es Deep Learning que según CHEN y otros (2021), el
“aprendizaje por refuerzo profundo” (DRL), es un subconjunto del DL que ayuda a
solucionar problemas de alta dimensión en el control de operaciones empresariales,
esto ayuda a conocer las necesidades, gustos de los clientes, permitiendo predecir
tendencias de mercado.
8
“fenómeno” big data es la generación y disponibilidad de información de hoy. La
digitalización, el proceso de cambiar siempre información analógica en un exclusivo
formato digital legible por máquina, era común en los primeros proyectos de
"digitalización masiva".
La Comprensión del lenguaje natural (CLN) es una rama de la IA, este consiste en
la relación entre la lingüística y la IA que estudia la interacción entre el lenguaje
humano y las computadoras a través del reconocimiento de patrones lingüísticos
estructurados según su semántica pragmatismo, morfología y su sintaxis, este se
puede procesas como lenguaje natural a través del reconocimiento de lenguaje,
texto y voz (MANJARRÉS-BETANCUR, y otros, 2020).
9
También AFTHANORHAN, y otros (2019) nos dice que la calidad del servicio es la
diferencia entre la percepción o expectativa del cliente del servicio prestado por la
organización de servicios utilizando la teoría de confirmación / negación.
10
que muchos equipos multifuncionales se unen para lograr los objetivos del
producto. (ABRAHAMSSON, y otros, 2017).
En Scrum, cada miembro del equipo (Product Owner, Development Team, Scrum
Master) trabaja con otros miembros para entregar el proyecto en el menor tiempo
posible y al menor costo. Scrum se basa en la flexibilidad, adaptabilidad, creatividad
y productividad; también permite la identificación y seguimiento en tiempo real de
problemas en el desarrollo del proyecto. (LOZANO, y otros, 2020).
11
Un Daily Scrum es una reunión que dura menos de 15 minutos y se lleva a cabo
diariamente por el Scrum Master y el Development Team. En esta junta se discuten
los logros del equipo desde el último Scrum, las metas a conseguir del próximo
Scrum y se identifican los obstáculos que podrían interferir con el avance.
(ADITAMA, y otros, 2020)
El Sprint Flashback es una oportunidad para que el equipo mire hacia atrás en el
sprint y mejore en el siguiente tramo. Los objetivos de la Retrospectiva de Sprint
son: Evaluar cómo progresó el sprint, relaciones con las personas, resultados,
relaciones de equipo, procesos y herramientas, y factores que tienen oportunidades
de mejora. (SUDARSONO, y otros, 2020)
12
III. METODOLOGÍA
3.1. Tipo y diseño de investigación
14
3.3. Población, muestra y muestreo.
Tabla 1 Población
Según ROBLES PASTOR (2019) define la muestra como una parte o porción
de las unidades de una población, un grupo pequeño obtenido a partir de la
población con la que se realizó el estudio.
𝑁𝑁 × 𝑍𝑍𝑎𝑎2 × 𝑝𝑝 × 𝑞𝑞
𝑛𝑛 = 2
𝑑𝑑 × (𝑁𝑁 − 1) + 𝑍𝑍𝑎𝑎2 × 𝑝𝑝 × 𝑞𝑞
Donde:
N = tamaño de la población
15
Z = nivel de confianza,
q = probabilidad de fracaso
16
empleada es un cuestionario elaborado por el investigador para otros sin
diálogo, este debe ser práctico y debe hacerse una sola vez, el investigador
brinda física y/o virtualmente, de ser el caso, la herramienta al público para
completar la información requerida. (CARHUANCHO MENDOZA, y otros,
2019). A la vez este instrumento es definido por MENESES (2016) como una
herramienta que plantea un conjunto de preguntas que permita recoger
información organizada sobre algún campo de investigación cuantitativo
para describir estadísticamente las relaciones entre las medidas de interés
del estudio.
17
Tabla 2 Recolección de datos
Tabla 3 Validación por juicio de los Expertos de la ficha de registro del indicador
Nivel de satisfacción del cliente con el personal seleccionado
Grado
N° Experto Valoración Observación
Académico
1 Aradiel Castañeda, Hilario Doctor 80% Muy bueno
2 Ávila López, Bernardo Patricio Magister 85% Excelente
3 Johnson Romero, Guillermo Miguel Magister 76,2% Muy bueno
Promedio 80% Muy bueno
18
Por motivos ya conocidos esta validez se realizó a través de presentación
virtual, a través de un documento formal para validar el instrumento que se
utilizó en el indicador Nivel de satisfacción del cliente con el personal
seleccionado, en el que se pudo observar que el contenido fue evaluado por
tres expertos en el ANEXO 12, ANEXO 13 y ANEXO 14, estos obtuvieron
un promedio de 80%, lo que validó que el instrumento aplicado es muy bueno
para la investigación.
Tabla 4 Validación por juicio de los Expertos de la ficha de registro del indicador
Nivel de calidad de atención del personal seleccionado.
Grado
N° Experto Valoración Observación
Académico
1 Aradiel Castañeda, Hilario Doctor 80% Muy bueno
2 Ávila López, Bernardo Patricio Magister 85% Excelente
3 Johnson Romero, Guillermo Miguel Magister 75,4% Muy bueno
Promedio 80% Muy bueno
Fuente: Elaboración propia
19
Figura 1 Interpretación de un Coeficiente de Confiabilidad
20
Figura 3 Resultados R Confiabilidad de Satisfacción del cliente
3.5. Procedimientos.
21
datos fue validado a través del juicio de tres expertos como se puede
observar en el ANEXO 6, ANEXO 7 y ANEXO 8.
Para cumplir con los objetivos de esta investigación solo se utilizaron dos
funciones: la emoción, y el sentimiento. Dentro de la emoción encontramos
5 dimensiones: alegría, ira, disgusto, tristeza, miedo; que va con un score de
0 a 1. Y dentro del sentimiento 2 dimensiones: negativo que va de 0 a -1 y
positivo de 0 a 1. (Véase Figura 4)
22
Figura 4 Forma de los puntajes de las funciones de NLU
23
Se volvió a realizar la encuesta a clientes seleccionados según el técnico
que realizo el servicio, esto con el fin de ver la relación de los datos obtenidos
del sistema de PLN y la inferencia que tiene sobre los indicadores de esta
investigación.
Con el fin de conocer mejor los resultados en cuanto a la relación entre los
sentimientos y emociones, y los indicadores se utilizaron los resultados para
identificar los factores y explicar la varianza entre ellos. Por ello se realizó
una segmentación con la herramienta tecnológica R.
Esta investigación cuenta con un compromiso con lo dictado por la ética del
investigador respaldándose en la normatividad que rigen estos lineamientos
a nivel mundial. Además, se garantiza la confiabilidad de todos los datos
presentados haciendo una correcta referencia a todos los autores. De esta
manera se garantiza un proyecto de calidad con información auténtica.
24
IV. RESULTADOS
En la actual investigación para determinar la aceptación o rechazo de las hipótesis
planteadas sobre el sistema web de IA propuesto, se realizado un test en un dado
momento, después de la aplicación del sistema web el cual analiza las respuestas
mostrando características del texto, en este caso, los sentimientos y emociones de
cada técnico hábil de la empresa ¡Yendo!
Emociones
Técnico Sentimiento
Alegría Ira Disgusto Tristeza Miedo
Técnico 1 63% 54% 11% 4% 55% 10%
Técnico 2 92% 22% 3% 1% 7% 68%
Técnico 3 75% 83% 4% 0% 12% 2%
Técnico 4 63% 56% 10% 5% 17% 70%
Técnico 5 71% 59% 9% 5% 61% 10%
Técnico 6 90% 71% 3% 1% 16% 9%
Técnico 7 73% 30% 7% 2% 45% 21%
Técnico 8 69% 30% 2% 0% 56% 8%
Técnico 9 89% 60% 4% 1% 26% 12%
Técnico 10 68% 60% 6% 5% 54% 8%
Técnico 11 49% 13% 59% 1% 32% 16%
Técnico 12 60% 58% 52% 10% 56% 10%
Técnico 13 90% 65% 8% 3% 21% 7%
Técnico 14 86% 84% 3% 1% 9% 3%
Técnico 15 92% 61% 13% 2% 24% 11%
Técnico 16 65% 18% 21% 2% 45% 10%
Técnico 17 85% 7% 37% 3% 37% 28%
Fuente: Elaboración propia
26
En los resultados de la aplicación del cuestionario, el cual contiene 5 afirmaciones
para el indicador de Nivel de calidad de atención del personal seleccionado y otras
5 para el indicador Nivel de satisfacción del cliente con el personal seleccionado se
muestra lo siguiente:
A-1
60% 55%
PORCENTAJE DE FRECUENCIA
50%
40%
30% 24%
20% 14%
10% 4%
2%
0%
MED ED ND DA MDA
ESCALAS
27
En la Tabla 7 de la segunda afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 43% y con menor
porcentaje la escala “Muy en desacuerdo” con un 2%. Para ver los resultados
gráficamente véase la Figura 7.
A-2
45% 43%
PORCENTAJE DE FRECUENCIA
40%
35% 33%
30%
25%
20% 16%
15%
10% 6%
5% 2%
0%
MED ED ND DA MDA
ESCALAS
28
En la Tabla 8 de la tercera afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 45% y con menor
porcentaje la escala “Muy en desacuerdo” con un 2%. Para ver los resultados
gráficamente véase la Figura 8.
A-3
50% 45%
PORCENTAJE DE FRECUENCIA
40%
30% 27%
20%
20%
10% 6%
2%
0%
MED ED ND DA MDA
ESCALAS
29
En la Tabla 9 de la cuarta afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 61% y con menor
porcentaje la escala “Muy en desacuerdo” con un 2%. Para ver los resultados
gráficamente véase la Figura 9.
A-4
70% 61%
PORCENTAJE DE FRECUENCIA
60%
50%
40%
30%
18%
20% 14%
10% 2% 4%
0%
MED ED ND DA MDA
ESCALAS
30
En la Tabla 10 de la quinta afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 51% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 10.
A-5
60%
51%
PORCENTAJE DE FRECUENCIA
50%
40%
31%
30%
20%
12%
10% 6%
0%
0%
MED ED ND DA MDA
ESCALAS
31
En la Tabla 11 de la sexta afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 45% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 11.
A-6
50% 45%
PORCENTAJE DE FRECUENCIA
40%
30% 24%
22%
20%
8%
10%
0%
0%
MED ED ND DA MDA
ESCALAS
32
En la Tabla 12 de la sétima afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 61% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 12.
A-7
70% 61%
PORCENTAJE DE FRECUENCIA
60%
50%
40%
30% 24%
20% 12%
10% 2%
0%
0%
MED ED ND DA MDA
ESCALAS
33
En la Tabla 13 de la octava afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 51% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 13.
A-8
60%
51%
PORCENTAJE DE FRECUENCIA
50%
40% 33%
30%
20%
10%
10% 6%
0%
0%
MED ED ND DA MDA
ESCALAS
34
En la Tabla 14 de la novena afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 55% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 14.
A-9
60% 55%
PORCENTAJE DE FRECUENCIA
50%
40%
29%
30%
20%
10%
10% 6%
0%
0%
MED ED ND DA MDA
ESCALAS
35
En la Tabla 15 de la décima afirmación del indicador de calidad de atención, se
muestra las escalas de calificación del método de Likert, como mayor porcentaje
de los 49 encuestados se obtuvo en la escala “De acuerdo” con un 57% y con menor
porcentaje la escala “Muy en desacuerdo” con un 0%. Para ver los resultados
gráficamente véase la Figura 15.
A-10
60% 57%
PORCENTAJE DE FRECUENCIA
50%
40%
30% 27%
20% 14%
10%
0% 2%
0%
MED ED ND DA MDA
ESCALAS
36
Luego de revisar los resultados obtenidos detalladamente, a continuación, se
muestran en la Tabla 16 los resultados descriptivos del indicador Nivel de calidad
de atención del personal seleccionado donde se puede notar que el mayor
porcentaje de los 49 encuestados se ubican en la escala “De acuerdo”
principalmente, seguido de las escalas “Ni de acuerdo ni en desacuerdo” y “Muy de
acuerdo”. Esta información se puede visualizar gráficamente en la Figura 16.
70% 61%
60% 55%
51%
50% 43% 45%
MED ED ND DA MDA
37
Ahora se muestra en la Tabla 17 la precisión de los resultados descriptivos
obtenidos del indicador Nivel de satisfacción del cliente con el personal
seleccionado donde se puede notar que el mayor porcentaje de los 49 encuestados
se ubican en la escala “De acuerdo” principalmente, seguido de las escalas “Ni de
acuerdo ni en desacuerdo” y “Muy de acuerdo”. Esta información se puede
visualizar gráficamente en la Figura 17.
70% 61%
55% 57%
60% 51%
45%
50%
40% 33%
29% 27%
30% 22% 24% 24%
MED ED ND DA MDA
38
Para seguir el proceso de esta investigación se volvieron a encuestar a los clientes
que recibieron el servicio de los técnicos ya evaluados. Durante dos semanas
después de la primera encuesta, se realizaron 23 trabajos, estos clientes fueron
encuestados después del servicio brindado por el técnico.
Solo 12 técnicos realizaron trabajos durante ese tiempo, algunos de ellos realizaron
más de 2 trabajos, como se muestra en la Tabla 18.
Satisfacción del
Calidad de Atención
Técnicos Clientes cliente
Total % Total %
C1 14 56% 17 68%
T1
C2 15 60% 16 64%
C3 13 52% 17 68%
T2
C4 14 56% 18 72%
C5 18 72% 21 84%
T3 C6 17 68% 20 80%
C7 16 64% 20 80%
C8 19 76% 19 76%
T6
C9 18 72% 20 80%
C10 14 56% 16 64%
T7
C11 15 60% 17 68%
T9 C12 16 64% 19 76%
C13 14 56% 17 68%
T11 C14 13 52% 15 60%
C15 12 48% 16 64%
T13 C16 16 64% 18 72%
C17 20 80% 23 92%
T14 C18 19 76% 18 72%
C19 20 80% 19 76%
T15 C20 18 72% 20 80%
T16 C21 13 52% 17 68%
C22 14 56% 16 64%
T17
C23 13 52% 10 40%
39
Con el fin de conocer mejor los resultados en cuanto a la relación entre los
sentimientos y emociones, y los indicadores se utilizaron los datos anteriores para
identificar los factores y explicar la varianza entre ellos. Por ello se realizó una
segmentación con la herramienta tecnológica R. En la Figura 18 se ha mapeado
los sentimiento, emociones, calidad y satisfacción de las categorías de servicio que
existen en la empresa. El cual se hizo por dos dimensiones llegando a una
explicación por varianza acumulada del 88%.
Fuente: Resultado de R
40
En la Figura 19 se ha mapeado por cada técnico que estuvo activo durante las 2
semanas, después de realizar algún tipo de servicio. Estos técnicos junto a las
dimensiones de los sentimientos, emociones y además la calidad de atención y
satisfacción del cliente. También se hizo por dos dimensiones, llegando a una
explicación por varianza acumulada del 74%.
Fuente: Resultado de R
41
V. DISCUSIÓN
Esta investigación trabajó con el diseño de investigación descriptivo de corte
transeccional, con un enfoque cuantitativo en el sistema para la detección de
conductas no deseadas para la contratación de personal. Después del análisis e
interpretación de resultados según las hipótesis planteadas, se obtienen las
siguientes afirmaciones:
Este se clasifica u ordena a través de un perfil meta, es decir, el perfil idóneo para
el puesto (ROMERO ROMERO, 2018).
En este caso se ha establecido una escala de los datos mínimos esperados de los
técnicos evaluados por el sistema web de PLN, estos datos esperados son: el
sentimiento esperado es “positivo” con un mínimo de 86% de puntaje y en el factor
de emoción, en la alegría un mínimo de 84%, en la ira un máximo de 3%, disgusto
un máximo de 1%, tristeza un máximo de 9% y miedo con un máximo de 3%. Estos
valores mínimos y máximos se determinaron con el resultado óptimo de la calidad
de atención y satisfacción del cliente que se desea en cada organización, se espera
que destaque como mínimo la escala “De acuerdo”, es decir, el puntaje mínimo
esperado para cada indicador es de 20 (80%) de un total de 25 puntos para cumplir
con las expectativas de la empresa. Por ello, en la segunda aplicación de la
encuesta el técnico 14 obtuvo el resultado de los indicadores de la investigación
deseados, con un mínimo de 80%, sus datos arrojados del sistema web de PLN
fueron tomados como base de los puntajes esperados por cada postulante.
43
aumentó el grado de confiabilidad en los resultados de las pruebas psicológicas
(MORI RUBINA, y otros, 2020).
44
miedo, la ira y la tristeza deben disminuir en su porcentaje para obtener mejores
resultados en la calidad y satisfacción del cliente. Los sentimientos y emociones de
las personas suelen cambiar constantemente por ello es necesario contar con un
especialista en psicología que trabaje conjuntamente con los técnicos para que
estos presenten los datos necesarios para la obtención de mejores resultados en
los sentimientos y emociones, y así garantizar una buena calidad de atención y por
ello el aumento de la satisfacción del cliente.
45
VI. CONCLUSIONES
En base al objetivo general el sistema de procesamiento de lenguaje natural ayuda
a determinar el efecto positivo que tiene sobre el proceso de selección de personal,
volviendo a esta tarea más eficaz para ambas partes, tanto para los técnicos
postulantes y la organización.
Según los resultados mostrados del sistema, estos valores mínimos y máximos de
los sentimientos y emociones establecidos en la discusión, tiene repercusión
también en la calidad de atención, mientras estén más cercanos a los valores
establecidos, se garantiza un efecto positivo en la calidad de atención.
47
VII. RECOMENDACIONES
El uso de tecnologías de la información en procesos de evaluación de postulantes
a puestos de trabajo, puede traer muchos beneficios a la empresa y a su vez
incrementar su valor representativo, como su imagen institucional; por lo tanto, el
uso de un sistema de PLN será un buen complemento para el desarrollo del proceso
de selección de las empresas que buscan una buena calidad de atención, así como
satisfacer a sus clientes.
Cabe precisar que este sistema de PLN no solo puede ser aplicado en el proceso
de postulación de personal, sino también puede utilizarse como evaluación
constante del personal en general, para determinar posibles problemas que traigan
como consecuencia un bajo nivel de calidad y satisfacción del cliente.
49
REFERENCIAS
ABRAHAMSSON, Pekka, y otros. 2017. Agile Software Development Methods:
Review and Analysis. [En línea] 2017. https://arxiv.org/abs/1709.08439.
ETIKAN, Ilker y BALA, Karibu. 2017. Sampling and Sampling Methods. [En línea]
2017. https://www.academia.edu/download/56588350/sampling_methods.pdf.
SEDANO, Todd, RALPH, Paul y PÉRAIRE, Cécile. 2019. The Product Backlog.
2019 IEEE/ACM 41st International Conference on Software Engineering (ICSE).
[En línea] 2019. https://doi.org/10.1109/ICSE.2019.00036.
SEJDIĆ, Ervin, et al. 2020. Artificial Inteligence And Dysphagia: Novel Solutions to
Old Problems. Arq. Gastroenterol. [Online] 2020. https://doi.org/10.1590/s0004-
2803.202000000-66. ISSN.
ANEXO 2
ANEXO 3
Fuente: Elaboración Propia
ANEXO 4
ANEXO 5
ANEXO 6
ANEXO 7
ANEXO 8
ANEXO 9
ANEXO 10
ANEXO 11
ANEXO 12
ANEXO 13
ANEXO 14
ANEXO 15
ANEXO 16
ANEXO 17
ANEXO 18
ANEXO 19
ANEXO 20
Problema de Objetivos Variable Definición Definición Dimensiones Indicadores Escala de
investigación conceptual operacional Medición
Un sistema web es Por medio de este
¿Cómo un sistema web de inteligencia artificial puede ayudar al proceso de selección de
una aplicación que es sistema web se
ejecutada en un puede controlar de
servidor principal, manera más eficiente
volviéndola accesible las gestiones de los
a través de un procesos como la
General: Desarrollar un navegador web, selección de personal
Sistema
sistema Web de IA para siempre y cuando el volviendo este
Web
mejorar el proceso de dispositivo final tenga proceso más
selección de personal acceso a la web. Esto automatizado, lo cual
de la empresa ¡Yendo! lo vuelve una gran causaría mejoraría
ventaja en cuanto a los tiempos y
dispositivos de recursos necesarios
• Específicos:
escritorio. (MORÁN para cumplir este
Identificar el efecto
SÁNCHEZ, 2016) proceso.
de un sistema web
de IA en el nivel de Nivel de satisfacción del
personal?
ANEXO 21
Fuente: Elaboración propia
ANEXO 22
ANEXO 23
Roles del proyecto
Rol Nombres
Team
Member Alejandro André Gómez Mendoza
Prioridad 1
Restricciones Ninguna
Prioridad 1
Prioridad 1
Prioridad 1
Prioridad 1
Prioridad 1
Prioridad
Muy alta 1
Alta 2
Media 3
Baja 4
Muy Baja 5
Fuente: Confemar, 2015
Pila del Producto (Product Backlog)