Análisis de sentimientos en artículos sobre técnicas de visualización de datos para comunicar insights efectivamente en la gestión empresarial

Sentiment analysis in articles on data visualization techniques to effectively communicate insights in business management

Autores/as

DOI:

https://doi.org/10.56712/latam.v6i3.3986

Palabras clave:

red neuronal, comunicación efectiva, gestión empresarial, python, google colab

Resumen

Este estudio aborda la visualización de datos como una herramienta fundamental en la gestión empresarial para interpretar y comunicar información compleja de forma eficaz. Se aplicó un análisis de sentimientos mediante una red neuronal implementada en Google Colab, utilizando Python para el procesamiento y análisis de datos. La investigación se centró en resúmenes de artículos relacionados con visualización de datos y técnicas de comunicación efectiva en el ámbito empresarial, sometidos a una revisión y depuración sistemática. Los resultados se presentaron mediante tres representaciones gráficas: una nube de palabras para identificar términos frecuentes, una matriz de confusión para evaluar la precisión del modelo y un gráfico lineal que reflejó la evolución de los datos analizados. Estas visualizaciones facilitaron la segmentación de los artículos más relevantes conforme a los objetivos del estudio. Los hallazgos evidencian que esta metodología no solo mejora la selección de literatura pertinente, sino que también fortalece la toma de decisiones al priorizar aquellos trabajos que abordan el tema con mayor claridad y exactitud. Este enfoque integrado combina técnicas avanzadas de procesamiento de lenguaje natural con herramientas visuales, proporcionando una solución eficaz para la gestión de información en entornos empresariales complejos.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Ambar Nicole Flores Bastidas, Universidad Estatal de Guayaquil

David Arquimede Martillo Caicedo, Universidad Estatal de Guayaquil

Katty Nancy Lino Castillo, Universidad Estatal de Guayaquil

Citas

Cambria, E. (2016). Affective Computing and Sentiment Analysis. IEEE Intelligent Systems. doi:10.1109/MIS.2016.31

Agarwal, B., & Mittal, N. (2016). Machine Learning Approach for Sentiment Analysis. In: Prominent Feature Extraction for Sentiment Analysis. doi:https://doi.org/10.1007/978-3-319-25343-5_3

Arimetrics. (01 de 11 de 2024). Arimetrics. Obtenido de Arimetrics: https://www.arimetrics.com/glosario-digital/stop-word

Europea, U. (05 de 07 de 2023). Universidad Europea. Obtenido de Universidad Europea: https://universidadeuropea.com/blog/usos-python/#:~:text=Python%20es%20un%20lenguaje%20de,que%20sirve%20de%20%E2%80%9Ctraductor%E2%80%9D.

Haddi, E., Liu, X., & Shi, Y. (2013). The Role of Text Pre-processing in Sentiment Analysis. doi:https://doi.org/10.1016/j.procs.2013.05.005

Heer, J., & Shneiderman, B. (2012). Interactive dynamics for visual analysis. Communications of the ACM, Volume 55.

Hutto, C., & Gilbert, E. (2014). VADER: Un modelo parsimonioso basado en reglas para el análisis de sentimientos en textos de redes sociales. Actas de la Conferencia Internacional AAAI sobre Web y Redes Sociales, 8, 216-225. doi:https://doi.org/10.1609/icwsm.v8i1.14550

Medium. (2024). BERT vs. VADER: ¡Guerras de sentimientos al descubierto! Obtenido de https://medium.com/@wl8380/bert-vs-vader-sentiment-wars-unveiled-f5dca46b9931

Merino Ulizarna, L. (27 de 07 de 2023). Adictos al Trabajo by izertis. Obtenido de Adictos al Trabajo by izertis: https://adictosaltrabajo.com/2023/07/27/nltk-python/#03

PlaysDev. (17 de 04 de 2024). PlaysDev. Obtenido de PlaysDev: https://playsdev.com/blog/what-is-google-colab/

Reyes Paredes. (2020). Análisis de sentimientos de noticias escritas usando un modelo basado en la red neuronal de memoria a largo plazo para determinar si las noticias positivas mejoran el estado de ánimo de las personas. Universidad de Lima. doi:https://doi.org/10.26439/ciis2019.5500

Salgado Reyes, & Trujillo Moreno. (2024). Análisis de sentimientos en datos de redes sociales: aplicación de técnicas de procesamiento de lenguaje natural y machine learning para analizar opiniones y sentimientos en datos de redes sociales en el contexto de sistemas de información. Dominio de las Ciencias. doi:https://doi.org/10.23857/dc.v10i1.3714

Science, D. (27 de 05 de 2024). DataScientest. Obtenido de DataScientest: https://datascientest.com/es/que-es-un-dataframe

Stewart, L. (2025). Atlas.ti. Obtenido de Atlas.ti: https://atlasti.com/es/research-hub/analisis-de-sentimientos-en-la-investigacion

Zarate Calderon. (2022). Análisis de sentimiento en información de medios periodísticos y redes sociales mediante redes neuronales recurrentes. Pontificia Universidad Católica del Perú. doi:http://hdl.handle.net/20.500.12404/21525

Descargas

Publicado

2025-05-26

Cómo citar

Flores Bastidas, A. N., Martillo Caicedo, D. A., & Lino Castillo, K. N. (2025). Análisis de sentimientos en artículos sobre técnicas de visualización de datos para comunicar insights efectivamente en la gestión empresarial: Sentiment analysis in articles on data visualization techniques to effectively communicate insights in business management. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 6(3), 766 – 781. https://doi.org/10.56712/latam.v6i3.3986

Número

Sección

Ciencias administrativas, contables y económicas