Aplicación de la computación afectiva en el análisis de la percepción de los asistentes a una feria de emprendimiento del SENA

Abstract

La computación afectiva es un área de investigación emergente, centrada en el desarrollo de sistemas con capacidad para reconocer, procesar y simular las emociones humanas con el fin de mejorar la interacción entre el usuario y el computador. Uno de los campos potenciales en los que esta puede emplearse es el marketing, a través del estudio de la percepción de los usuarios mediante el uso de técnicas de análisis de sentimientos y emociones sobre las opiniones de los usuarios con respecto a los productos y servicios de las empresas. A manera de contribución, este artículo propone el desarrollo de un estudio de análisis de emociones sobre el texto de las opiniones de los asistentes a una feria virtual de emprendimiento denominada Marketing from Home, la cual fue desarrollada durante el confinamiento de la pandemia y coorganizada por el SENA y la Universidad de Cartagena. Para el desarrollo de esta investigación se tuvieron en cuenta cuatro fases metodológicas: exploración y selección de tecnologías de análisis de emociones; limpieza y adecuación del texto de las opiniones; obtención de la distribución porcentual de las emociones en el texto de las opiniones; y análisis de la percepción de los asistentes a la feria. El estudio permitió determinar la distribución porcentual de las seis emociones básicas (felicidad, enojo, tristeza, euforia, miedo y aburrimiento) sobre el texto de las opiniones de los asistentes a la feria virtual Marketing from Home, de cara a la obtención de la percepción general sobre la logística, los stands virtuales y los productos ofrecidos.

Inteligencia artificial y emociones: Psicopolítica mediante datos y algoritmos (2015-2022)

“…En este contexto, se vinculan con la acción social y se clasifican en "emociones colectivas": "Compartidas" y "recíprocas" (García, Guzmán y Marín, 2017) y se pueden predecir mediante patrones de comportamiento a partir de preferencias, perfiles y personalidades de los usuarios (Firdaus, Ding y Sadeghian, 2021). Asimismo, los análisis de sentimientos y emociones con técnicas de IA (Naive Bayes, Bayesian Network, Graphs, K-means, Neural network, Maximum entropy), se convirtieron en tendencia para las organizaciones y empresas, debido al interés económico que genera conocer y analizar las motivaciones, orientaciones e inclinaciones de los usuarios (Henríquez y Guzmán, 2017;Chanchí-Golondrino, Hernández-Londoño y Ospina-Alarcón, 2022).…”