Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/26503| Title: | Análisis de sentimientos en los mensajes recibidos en el entorno virtual de aprendizaje de la modalidad abierta y a distancia de la UTPL / |
| Authors: | Sinche Salinas, Junior Ulises |
| Keywords: | Entorno virtual. Aprendizaje automático. Magíster en ciencias y tecnologías de la computación.- |
| metadata.dc.date.available: | 2020-10-01T03:11:04Z |
| Issue Date: | 2020 |
| Citation: | N/D. (2020). Análisis de sentimientos en los mensajes recibidos en el entorno virtual de aprendizaje de la modalidad abierta y a distancia de la UTPL /. (Trabajo de Titulación de Magíster en Ciencias y Tecnologías de la Computación ). UTPL, Loja. |
| Description: | Resumen: La presente investigación tiene como objetivo analizar y clasificar mediante técnicas de aprendizaje automático el texto los mensajes escritos por los estudiantes de la Modalidad Abierta y a Distancia del periodo académico Abr/2019 - Ago/2019 que son enviados a través del EVA de la UTPL con la finalidad de conocer el nivel de positivismo o negativismo. Se identifica y aplica distintos métodos de minería de texto para calcular la polaridad de los mensajes. Con R utilizando la librería Tidy, en java el framework stanford.nlp, con Python se ejecutaron los métodos: Naive Bayes y máquina de vectores soporte y se implementó Textblob. El proceso inicia luego de la recolección de información, se procede a almacenar los mensajes en un repositorio para realizar la limpieza de datos, en el cual se eliminan todos aquellos caracteres que no aporten en el análisis y se ejecuta el Análisis de Sentimientos aplicando los métodos de aprendizaje automático. En el resultado consolidado se observó que existió un 84.14% mensajes positivos, 12.32% negativos y finalmente con el 3.54% de mensajes neutros dando un alto nivel de positivismo. |
| metadata.dc.identifier.other: | 124041 |
| URI: | http://dspace.utpl.edu.ec/handle/20.500.11962/26503 |
| metadata.dc.type: | bachelorThesis |
| Appears in Collections: | Magister en Ciencias y Tecnologías de la Computación |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.