Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística

Descripción del Articulo

Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Detalles Bibliográficos
Autor: Castañeda Chilón, José Rolando
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Universidad Nacional Agraria La Molina
Repositorio:UNALM-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.lamolina.edu.pe:20.500.12996/7281
Enlace del recurso:https://hdl.handle.net/20.500.12996/7281
Nivel de acceso:acceso abierto
Materia:Call Center
Pendiente
id UNAL_cfacbeb58b64bfa197376d226a7827cc
oai_identifier_str oai:repositorio.lamolina.edu.pe:20.500.12996/7281
network_acronym_str UNAL
network_name_str UNALM-Institucional
repository_id_str 3039
dc.title.none.fl_str_mv Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
title Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
spellingShingle Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
Castañeda Chilón, José Rolando
Call Center
Pendiente
title_short Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
title_full Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
title_fullStr Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
title_full_unstemmed Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
title_sort Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
author Castañeda Chilón, José Rolando
author_facet Castañeda Chilón, José Rolando
author_role author
dc.contributor.advisor.fl_str_mv Salinas Flores, Jesús Walter
dc.contributor.author.fl_str_mv Castañeda Chilón, José Rolando
dc.subject.none.fl_str_mv Call Center
topic Call Center
Pendiente
dc.subject.ocde.none.fl_str_mv Pendiente
description Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-02T22:42:15Z
dc.date.available.none.fl_str_mv 2025-09-02T22:42:15Z
dc.date.issued.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12996/7281
url https://hdl.handle.net/20.500.12996/7281
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad Nacional Agraria La Molina
dc.source.none.fl_str_mv reponame:UNALM-Institucional
instname:Universidad Nacional Agraria La Molina
instacron:UNALM
instname_str Universidad Nacional Agraria La Molina
instacron_str UNALM
institution UNALM
reponame_str UNALM-Institucional
collection UNALM-Institucional
bitstream.url.fl_str_mv https://repositorio.lamolina.edu.pe/bitstreams/67350ac4-6a14-4572-bfe2-4da51ef413fc/download
https://repositorio.lamolina.edu.pe/bitstreams/e58f8363-4b40-45a1-a370-62508519433c/download
https://repositorio.lamolina.edu.pe/bitstreams/88467dd9-e60a-480d-b535-eca82e40f3b7/download
https://repositorio.lamolina.edu.pe/bitstreams/30ed8118-f185-4ab7-88ce-3cfe4eb6709b/download
https://repositorio.lamolina.edu.pe/bitstreams/673f8e56-28f8-4883-a92e-2a202f571ae8/download
https://repositorio.lamolina.edu.pe/bitstreams/e6dcf661-7ee9-44d4-ad4b-ded37186e5ad/download
https://repositorio.lamolina.edu.pe/bitstreams/88add40f-4bc9-4eae-948a-88acb9b9312b/download
https://repositorio.lamolina.edu.pe/bitstreams/28fc3592-2783-49c3-8030-f0cb22b95a15/download
https://repositorio.lamolina.edu.pe/bitstreams/7bece045-554b-4e44-8d8e-0a7c8e5fcb2e/download
https://repositorio.lamolina.edu.pe/bitstreams/850f3b7f-5ea6-492d-845d-56be4fa9d110/download
bitstream.checksum.fl_str_mv 42451b9a7f659a509a63a73185462b02
49642a5a07cb9aa1f5925058fea5a610
5831dd17b59377316cc09c9813632e7f
97c5bee00fbb4c4f8867bd742b579336
6fd783317bd622a54cf0040c1238955d
caac1fcdde1a542f143b9325dc3cc370
f8361fd1f423db0c0e813cf4b349ed14
03364edbf6378adf1ea41bf263d479ba
d7d532dc6c29bcc017e9d7636a6afc42
8baf9ddb24e74b3847e4a30791b66ceb
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad Nacional Agraria La Molina
repository.mail.fl_str_mv dspace@lamolina.edu.pe
_version_ 1843170456360714240
spelling Salinas Flores, Jesús Walter7875d01e-d758-4935-9271-a78956722c16-1Castañeda Chilón, José Rolando2025-09-02T22:42:15Z2025-09-02T22:42:15Z2025https://hdl.handle.net/20.500.12996/7281Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística AplicadaLa evaluación de las habilidades de manejo de voz en los asesores telefónicos de un Call Center es fundamental para garantizar una atención de calidad hacia los clientes. Tradicionalmente, esta tarea recae en analistas de calidad que, mediante la escucha directa de llamadas, identifican buenas o malas prácticas con el fin de reforzar o corregir comportamientos. No obstante, este método presenta un alto grado de subjetividad, ya que las evaluaciones dependen de la percepción individual de cada analista, lo cual puede derivar en calificaciones sesgadas que afectan la gestión del desempeño. Ante esta problemática, la presente investigación propone un enfoque automatizado para clasificar la calidad de voz emitida por los asesores, aplicando dos modelos de machine learning: Regresión Logística y Redes Neuronales Convolucionales (CNN). Como insumo principal se utilizaron los Coeficientes Cepstrales en la Frecuencia de Mel (MFCC), los cuales capturan la energía vocal en distintos rangos de frecuencia, representando así las características acústicas del saludo inicial del asesor. Para la Regresión Logística se construyó una matriz de 68 audios por 40 características (MFCC promedio), mientras que para las CNN se generaron espectrogramas como entradas visuales compuestas por 1003 puntos. Los datos fueron preprocesados y divididos en conjuntos de entrenamiento (70%) y prueba (30%). Los resultados evidenciaron un mejor desempeño del modelo CNN, el cual obtuvo un F1-score de 0.78, una precisión de 0.69 y un recall de 0.90. Este último valor destaca su capacidad para detectar eficazmente grabaciones con deficiente calidad vocal. En conjunto, estos hallazgos respaldan la implementación de modelos basados en aprendizaje profundo como una herramienta complementaria para mejorar la gestión de calidad en centros de atención al cliente, reduciendo la subjetividad y optimizando la toma de decisiones por parte de supervisores.The evaluation of voice management skills in call center agents is essential to ensure high-quality customer service. Traditionally, this task is performed by quality analysts who listen to recorded calls to identify good and poor practices, aiming to reinforce or correct agent behavior. However, this method involves a high level of subjectivity, as assessments rely on the individual perception of each analyst, which can lead to biased scores and negatively impact performance management. To address this issue, this research proposes an automated approach for classifying voice quality using two machine learning models: Logistic Regression and Convolutional Neural Networks (CNN). The main input features were Mel-Frequency Cepstral Coefficients (MFCC), which capture vocal energy across different frequency ranges and represent the acoustic characteristics of the agent’s initial greeting. For Logistic Regression, a 68-by-40 matrix was constructed, where each row represents an audio recording and each column corresponds to the average MFCC values. In contrast, CNNs used spectrogram images generated from each set of 40 MFCCs, composed of 1003 data points, as these networks process visual representations. The dataset was preprocessed and split into training (70%) and testing (30%) sets. Results showed that the CNN model outperformed Logistic Regression, achieving an F1-score of 0.78, precision of 0.69, and recall of 0.90. The high recall indicates the model’s ability to effectively detect recordings that do not meet the expected quality standards. These findings support the effectiveness of deep learning-based models as a complementary tool to enhance quality management in customer service environments, minimizing subjectivity and streamlining decision-making for supervisors and team leads.application/pdfspaUniversidad Nacional Agraria La MolinaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/Call CenterPendienteModelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logísticainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:UNALM-Institucionalinstname:Universidad Nacional Agraria La Molinainstacron:UNALMSUNEDUEstadística AplicadaUniversidad Nacional Agraria La Molina. Escuela de PosgradoMagister Scientiae - Estadística Aplicada46039751https://orcid.org/0000-0003-4321-424708684738https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/level#maestro542027Sotomayor Ruiz, Rino NicanorCoaquira Nina, Frida RosaFebres Huamán, Grimaldo JoséORIGINALcastañeda-chilon-jose-rolando.pdfcastañeda-chilon-jose-rolando.pdfTexto completoapplication/pdf3717489https://repositorio.lamolina.edu.pe/bitstreams/67350ac4-6a14-4572-bfe2-4da51ef413fc/download42451b9a7f659a509a63a73185462b02MD51turnitin.pdfturnitin.pdfInforme originalidadapplication/pdf4374539https://repositorio.lamolina.edu.pe/bitstreams/e58f8363-4b40-45a1-a370-62508519433c/download49642a5a07cb9aa1f5925058fea5a610MD52Formato de REPOSITORIO.pdfFormato de REPOSITORIO.pdfAutorizaciónapplication/pdf161047https://repositorio.lamolina.edu.pe/bitstreams/88467dd9-e60a-480d-b535-eca82e40f3b7/download5831dd17b59377316cc09c9813632e7fMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81664https://repositorio.lamolina.edu.pe/bitstreams/30ed8118-f185-4ab7-88ce-3cfe4eb6709b/download97c5bee00fbb4c4f8867bd742b579336MD54TEXTcastañeda-chilon-jose-rolando.pdf.txtcastañeda-chilon-jose-rolando.pdf.txtExtracted texttext/plain102231https://repositorio.lamolina.edu.pe/bitstreams/673f8e56-28f8-4883-a92e-2a202f571ae8/download6fd783317bd622a54cf0040c1238955dMD55turnitin.pdf.txtturnitin.pdf.txtExtracted texttext/plain101927https://repositorio.lamolina.edu.pe/bitstreams/e6dcf661-7ee9-44d4-ad4b-ded37186e5ad/downloadcaac1fcdde1a542f143b9325dc3cc370MD57Formato de REPOSITORIO.pdf.txtFormato de REPOSITORIO.pdf.txtExtracted texttext/plain2769https://repositorio.lamolina.edu.pe/bitstreams/88add40f-4bc9-4eae-948a-88acb9b9312b/downloadf8361fd1f423db0c0e813cf4b349ed14MD59THUMBNAILcastañeda-chilon-jose-rolando.pdf.jpgcastañeda-chilon-jose-rolando.pdf.jpgGenerated Thumbnailimage/jpeg4329https://repositorio.lamolina.edu.pe/bitstreams/28fc3592-2783-49c3-8030-f0cb22b95a15/download03364edbf6378adf1ea41bf263d479baMD56turnitin.pdf.jpgturnitin.pdf.jpgGenerated Thumbnailimage/jpeg4133https://repositorio.lamolina.edu.pe/bitstreams/7bece045-554b-4e44-8d8e-0a7c8e5fcb2e/downloadd7d532dc6c29bcc017e9d7636a6afc42MD58Formato de REPOSITORIO.pdf.jpgFormato de REPOSITORIO.pdf.jpgGenerated Thumbnailimage/jpeg5887https://repositorio.lamolina.edu.pe/bitstreams/850f3b7f-5ea6-492d-845d-56be4fa9d110/download8baf9ddb24e74b3847e4a30791b66cebMD51020.500.12996/7281oai:repositorio.lamolina.edu.pe:20.500.12996/72812025-09-02 22:20:06.238https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.lamolina.edu.peRepositorio Universidad Nacional Agraria La Molinadspace@lamolina.edu.peTGljZW5jaWEgZGUgVXNvCgpMYSBVbml2ZXJzaWRhZCBOYWNpb25hbCBBZ3JhcmlhIExhIE1vbGluYSAoVU5BTE0pLiBkaWZ1bmRlIG1lZGlhbnRlIHN1IHJlcG9zaXRvcmlvIGxvcyB0cmFiYWpvcyBkZSBpbnZlc3RpZ2FjacOzbiBwcm9kdWNpZG9zIHBvciBsb3MgbWllbWJyb3MgZGUgbGEgdW5pdmVyc2lkYWQuIEVsIGNvbnRlbmlkbyBkZSBsb3MgZG9jdW1lbnRvcyBkaWdpdGFsZXMgZXMgZGUgYWNjZXNvIGFiaWVydG8gcGFyYSB0b2RhIHBlcnNvbmEgaW50ZXJlc2FkYSAuCgpTZSBhY2VwdGEgbGEgZGlmdXNpw7NuIHDDumJpY2EgZGUgbGEgb2JyYSwgc3UgY29waWEgeSBkaXN0cmlidWNpw7NuLiBQYXJhIGVzdG8gZXMgbmVjZXNhcmlvIHF1ZSBzZSBjdW1wbGEgY29uIGxhcyBzaWd1aWVudGVzIGNvbmRpY2lvbmVzOgoKRWwgbmVjZXNhcmlvIHJlY29ub2NpbWllbnRvIGRlIGxhIGF1dG9yw61hIGRlIGxhIG9icmEsIGlkZW50aWZpY2FuZG8gb3BvcnR1bmEgeSBjb3JyZWN0YW1lbnRlIGEgbGEgcGVyc29uYSBxdWUgcG9zZWEgbG9zIGRlcmVjaG9zIGRlIGF1dG9yLgoKTm8gZXN0w6EgcGVybWl0aWRvIGVsIHVzbyBpbmRlYmlkbyBkZWwgdHJhYmFqbyBkZSBpbnZlc3RpZ2FjacOzbiBjb24gZmluZXMgZGUgbHVjcm8gbyBjdWFscXVpZXIgdGlwbyBkZSBhY3RpdmlkYWQgcXVlIHByb2R1emNhIGdhbmFuY2lhcyBhIGxhcyBwZXJzb25hcyBxdWUgbG8gZGlmdW5kZW4gc2luIGVsIGNvbnNlbnRpbWllbnRvIGRlbCBhdXRvciAoYXV0b3IgbGVnYWwpLgoKTG9zIHRyYWJham9zIHF1ZSBzZSBwcm9kdXpjYW4sIGEgcGFydGlyIGRlIGxhIG9icmEsIGRlYmVuIHBvc2VlciBsYSBjaXRhY2nDs24gcGVydGluZW50ZSB0YWwgY29tbyBsbyBpbmRpY2FuIGxhcyBOb3JtYXMgVMOpY25pY2FzIGRlbCBJSUNBIHkgQ0FUSUUgZGUgUmVkYWNjacOzbiBkZSBSZWZlcmVuY2lhcyBCaWJsaW9ncsOhZmljYXMuIENhc28gY29udHJhcmlvLCBzZSBpbmN1cnJpcsOhIGVuIGxhIGZpZ3VyYSBqdXLDrWRpY2EgZGVsIHBsYWdpby4KCkxvcyBkZXJlY2hvcyBtb3JhbGVzIGRlbCBhdXRvciBubyBzb24gYWZlY3RhZG9zIHBvciBsYSBwcmVzZW50ZSBsaWNlbmNpYSBkZSB1c28uCgpEZXJlY2hvcyBkZSBhdXRvcgoKTGEgVU5BTE0gbm8gcG9zZWUgbG9zIGRlcmVjaG9zIGRlIHByb3BpZWRhZCBpbnRlbGVjdHVhbC4gTG9zIGRlcmVjaG9zIGRlIGF1dG9yIHNlIGVuY3VlbnRyYW4gcHJvdGVnaWRvcyBwb3IgbGEgbGVnaXNsYWNpw7NuIHBlcnVhbmE6IExleSBzb2JyZSBlbCBEZXJlY2hvIGRlIEF1dG9yIHByb211bGdhZG8gZW4gMTk5NiAoRCBMLiBOwrA4MjIpLiBMZXkgcXVlIG1vZGlmaWNhIGxvcyBhcnTDrWN1bG9zIDE4OCogeSAxODkqIGRlbCBkZWNyZXRvIGxlZ2lzbGF0aXZvIE7CsDgyMiwgTGV5IHNvYnJlIGRlcmVjaG9zIGRlIGF1dG9yIHByb211bGdhZG8gZW4gMjAwNSAoTGV5IE7CsDI4NTE3KSwgRGVjcmV0byBMZWdpc2xhdGl2byBxdWUgYXBydWViYSBsYSBtb2RpZmljYWNpw7NuIGRlbCBEZWNyZXRvIExlZ2lzbGF0aXZvIE7CsDgyMiwgTGV5IHNvYnJlIGVsIERlcmVjaG8gZGUgQXV0b3IgcHJvbXVsZ2FkbyBlbiAyMDA4IChELiBMLiBOwrAxMDc2KS4KCk9ic2VydmFjaW9uZXM6CgpJbnNjcmliaXJzZSBlbiBDcmVhdGl2ZSBDb21tb25zIEJBTgo=
score 13.7211075
Modelo de clasificación de calidad de voz de llamadas de un Call Center mediante redes neuronales convolucionales y regresión logística
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares