Aplicación de análisis de sentimientos en PQRS para la identificación de tendencias en modelos bayesianos en las IS4SG en Boyacá
Conocimiento global · 23.08.2026 · 11 (S1) · 67-91
DOI: 10.70165/cglobal.v11is1.670 ↗Kurz gefasst
Fachartikel in der Zeitschrift Conocimiento global, online erschienen am 23.08.2026. Verfasst von Edmundo Arturo Junco Orduz und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Este estudio identifica y aplica técnicas de análisis de sentimientos basadas en modelos bayesianos y redes neuronales para clasificar y determinar tendencias en las Peticiones, Quejas, Reclamos y Sugerencias (PQRS) reportadas por entidades de salud del departamento de Boyacá, Colombia, durante 2024-2025, en el marco de la Inteligencia Artificial para el Bien Social (IA4SG). Se entrenaron y evaluaron cuatro modelos computacionales —Naive Bayes, Redes Bayesianas, Procesos Gaussianos y Bayesian Deep Learning— mediante una metodología de enfoque mixto (cuantitativo y cualitativo) y un flujo de Operaciones de Aprendizaje Automático (MLOps) estructurado en cuatro fases: procesamiento de lenguaje natural, entrenamiento de modelos, tratamiento algorítmico y validación cruzada. Los resultados muestran que, en los Procesos Gaussianos, los núcleos RBF y Matern obtuvieron el menor error cuadrático medio (MSE) y error absoluto medio (MAE), con un coeficiente de determinación (R²) cercano a 0,46; las Redes Bayesianas evidenciaron mayor probabilidad de emociones negativas (tristeza, enfado, miedo) en áreas como vigilancia, consulta externa y radiología, y mayor confianza en vacunación y atención en consultorios; el modelo de Asignación Latente de Dirichlet (LDA) alcanzó su mejor coherencia temática en imagenología y enfermería (0,50-0,52); el clasificador Naive Bayes mantuvo un recall estable entre 0,77 y 0,83 en validación cruzada, y el modelo de Bayesian Deep Learning alcanzó un puntaje F1 de 0,76. Se concluye que estas herramientas optimizan el procesamiento masivo de PQRS, ofrecen a la gestión hospitalaria una alternativa precisa y automatizada para identificar falencias en el servicio, y fortalecen la confiabilidad de las predicciones frente a nuevos datos.
Zitieren
APA
Orduz, E. A. J., Arias, C. A. C., & Barón, M. J. S. (2026). Aplicación de análisis de sentimientos en PQRS para la identificación de tendencias en modelos bayesianos en las IS4SG en Boyacá. Conocimiento global, 11(S1), 67-91. https://doi.org/10.70165/cglobal.v11is1.670
Vancouver
Orduz EAJ, Arias CAC, Barón MJS. Aplicación de análisis de sentimientos en PQRS para la identificación de tendencias en modelos bayesianos en las IS4SG en Boyacá. Conocimiento global. 2026;11(S1):67-91. doi:10.70165/cglobal.v11is1.670
BibTeX
@article{Orduz2026,
author = {Orduz, Edmundo Arturo Junco and Arias, Carlos Andrés Chaparro and Barón, Marco Javier Suarez},
title = {Aplicación de análisis de sentimientos en PQRS para la identificación de tendencias en modelos bayesianos en las IS4SG en Boyacá},
journal = {Conocimiento global},
year = {2026},
volume = {11},
number = {S1},
pages = {67--91},
doi = {10.70165/cglobal.v11is1.670}
}
EUVIMED