Análisis con Machine Learning de Peticiones Externas (PQRS) del Servicio Nacional de Aprendizaje - SENA para mitigación de incumplimientos normativos

Vista sencilla de ítem
dc.contributor.advisorGonzález Martínez., Edwin Fernando
dc.contributor.authorAyala Alfonso, Yésica Patricia
dc.contributor.authorDurán Ramírez,Julio Mario
dc.coverage.spatialBogotá - Colombiaspa
dc.creator.emailypayalaa@libertadores.edu.cospa
dc.date.accessioned2023-07-27T14:44:57Z
dc.date.available2023-07-27T14:44:57Z
dc.date.created2023-07
dc.descriptionEl Servicio Nacional de Aprendizaje - SENA recibe Peticiones, Quejas, Reclamos, Sugerencias, Denuncias, Agradecimientos, Felicitaciones y Acciones de Tutela (PQRS) que debe gestionar para garantizar la respuesta oportuna a los ciudadanos que solicitan la solución a su requerimiento; adicionalmente, debe velar por el seguimiento y cumplimiento de la normativa que regula la gestión de las PQRS en Colombia, así como, automatizar procesos que actualmente se realizan de forma manual. Es por esto, que el propósito de este proyecto es analizar con modelos de Machine Learning las PQRS recibidas por el SENA, que permitan mitigar el riesgo de la materialización de los incumplimientos normativos y lograr resolver las PQRS de manera oportuna a la ciudadanía. Para ello, se usa la metodología SEMMA siendo la más apropiada para el análisis de grandes bases de datos. Cabe resaltar que, se usaron herramientas de lenguaje de programación Python y R para ejecutar y aplicar el análisis de las PQRS, obteniendo resultados concluyentes y satisfactorios acerca de los modelos de Machine Learning elegidos para predecir la posible vulneración de los derechos de la ciudadanía; por lo tanto, con estos resultados, se considera necesario sugerir la implementación de los modelos ejecutados ante el SENA.spa
dc.description.abstractThe National Learning Service - SENA receives Petitions, Complaints, Claims, Suggestions, Denunciations, Acknowledgments, Congratulations and Guardianship Actions (PQRS) that must be managed to guarantee a timely response to citizens who request the solution to their requirement; additionally, it must ensure the follow-up and compliance with the regulations that regulate the management of PQRS in Colombia, as well as automating processes that are currently carried out manually. For this reason, the purpose of this project is to analyze with Machine Learning models the PQRS received by SENA, which allow mitigating the risk of materializing regulatory breaches and manage to resolve the PQRS in a timely manner for the public. For this, the SEMMA methodology is used, being the more appropriate for the analysis of large databases. It should be noted that language tools were used of Python and R programming to execute and apply the analysis of the PQRS, obtaining conclusive results and satisfactory about the Machine Learning models chosen to predict the possible violation of rights of citizenship; therefore, with these results, it is considered necessary to suggest the implementation of the models executed before SENA.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/6037
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembEstadística matemáticaspa
dc.subject.lembAprendizaje automático (Inteligencia artificial)spa
dc.subject.lembServicio al clientespa
dc.subject.lembPython (Lenguaje de programación)spa
dc.subject.proposalRegresión logísticaspa
dc.subject.proposalAprendizaje automatizadospa
dc.subject.proposalCompetitividadspa
dc.subject.proposalMaterialización del riesgospa
dc.subject.subjectenglishLogistic regressionspa
dc.subject.subjectenglishMachine learningspa
dc.subject.subjectenglishCompetitivenessspa
dc.subject.subjectenglishMaterialization of riskspa
dc.titleAnálisis con Machine Learning de Peticiones Externas (PQRS) del Servicio Nacional de Aprendizaje - SENA para mitigación de incumplimientos normativosspa
dc.title.titleenglishAnalysis with Machine Learning of External Requests (PQRS) of the National Learning Service - SENA for mitigation of regulatory breachesspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Ayala_Yesica_2023.pdf
Tamaño:
1.27 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Ayala_Yesica_2023.pdf
Tamaño:
285.97 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada