Marco de trabajo para analítica de redes sociales basada en sistemas inteligentes aplicado al Centro de Cómputo de la Universidad Nacional del Santa

• Autor: Manrique Ronceros, Mirko Martin
• Formato: tesis doctoral
• Fecha de Publicación: 2025
• Institución: Universidad Nacional del Santa
• Repositorio: UNS - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uns.edu.pe:20.500.14278/5264
• Enlace del recurso: https://hdl.handle.net/20.500.14278/5264
• Nivel de acceso: acceso abierto
• Materia: Analítica de redes sociales; CRISP-SNA; Procesamiento de Lenguaje Natural (PLN); Análisis de sentimientos; https://purl.org/pe-repo/ocde/ford#2.02.04

El crecimiento del uso de redes sociales ha generado una gran cantidad de datos no estructurados que requieren técnicas avanzadas para su análisis. En el contexto de la Universidad Nacional del Santa (UNS), el Centro de Cómputo enfrenta dificultades en la interpretación de datos de redes sociales, lo que impacta la gestión y la toma de decisiones estratégicas. Actualmente, no existe un marco de trabajo estructurado que integre sistemas inteligentes para optimizar el análisis de estas plataformas digitales. El objetivo de esta investigación fue diseñar e implementar un marco de trabajo para la analítica de redes sociales basado en sistemas inteligentes, con el propósito de mejorar la gestión y la toma de decisiones en el Centro de Cómputo de la UNS. Para ello, se aplicó la metodología CRISP-SNA, una adaptación del modelo CRISP-DM, combinando técnicas de minería de datos, procesamiento del lenguaje natural (PLN) y aprendizaje automático. Se recolectaron y analizaron datos de interacciones en redes sociales mediante modelos avanzados de inteligencia artificial, tales como BERT + LSTM, para la clasificación de sentimientos y detección de patrones de comportamiento. Los resultados evidenciaron mejoras significativas en la eficiencia del análisis de datos. Se logró una reducción del tiempo promedio de procesamiento en un 87.51% en Facebook y un 86.41% en Instagram. Asimismo, la precisión en el análisis de sentimientos alcanzó un 95.65%, superando en un 15% a los modelos tradicionales como Naïve Bayes y SVM. Además, se observó un incremento del 59.23% en Facebook y del 62.38% en Instagram en la cantidad de insights detectados, lo que confirmó la capacidad del sistema para identificar patrones y tendencias con mayor precisión. En conclusión, la implementación del marco de trabajo propuesto ha demostrado ser una herramienta efectiva para la analítica de redes sociales en la gestión institucional. La integración de sistemas inteligentes no solo ha optimizado la capacidad de análisis del Centro de Cómputo, sino que también ha facilitado la toma de decisiones basadas en datos, mejorando la comunicación y el impacto estratégico de la universidad en su comunidad digital. Se recomienda la expansión del uso del marco a otras áreas académicas y la actualización constante del modelo para adaptarse a nuevas tendencias tecnológicas en la analítica de redes sociales.