Clasificación de emociones en audios de call center utilizando ciencia de datos

Simple item page
dc.contributor.advisorÁlvarez Vargas, Gloria Inés
dc.contributor.advisorLinares Ospina, Diego Luis
dc.contributor.authorMarulanda Almanza, Johan Sebastian
dc.date.accessioned2025-11-05T21:32:24Z
dc.date.available2025-11-05T21:32:24Z
dc.date.issued2025
dc.description.abstractEste proyecto se desarrolló con el objetivo de clasificar emociones en llamadas de call center utilizando transcripciones de audio y técnicas de machine learning, tomando como caso de estudio el centro de contacto de una Universidad de Cali. La investigación se enmarca dentro de una iniciativa más amplia en la que se exploraron un enfoque de análisis de transcripciones textuales, el presente trabajo se centró exclusivamente en la información textual derivada de los audios, evaluando la efectividad de diferentes modelos de clasificación. El principal desafío fue desarrollar un clasificador capaz de identificar emociones de manera automatizada y eficiente a partir de datos textuales. Para ello, se realizó una limpieza y normalización de datos, seguida de un entrenamiento supervisado con modelos como Logistic Regression, Random Forest y Multi-Layer Perceptron (MLP). Se aplicó un ajuste de hiperparámetros utilizando Grid Search, optimizando el rendimiento de los modelos.spa
dc.description.abstractThis project was developed with the goal of classifying emotions in call center conversations using audio transcripts and machine learning techniques, taking the contact center of a university in Cali as a case study. The research is part of a broader initiative that explored a transcript-based analysis approach; however, this work focused exclusively on the textual information derived from audio, evaluating the effectiveness of different classification models. The main challenge was to develop a classifier capable of identifying emotions in an automated and efficient way from textual data. To achieve this, data cleaning and normalization were performed, followed by supervised training using models such as Logistic Regression, Random Forest, and Multi-Layer Perceptron (MLP). Hyperparameter tuning was applied using Grid Search to optimize model performance.eng
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent48 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5054
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectAnálisis de emocionesspa
dc.subjectAprendizaje automáticospa
dc.subjectAprendizaje supervisadospa
dc.subjectCiencia de datosspa
dc.subjectEmotion analysiseng
dc.subjectMachine learningeng
dc.subjectSupervised learningeng
dc.subjectData scienceeng
dc.titleClasificación de emociones en audios de call center utilizando ciencia de datosspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Johan Sebastian Marulanda Almanza,,.pdf
Size:
1000.1 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Johan Sebastian Marulanda Almanza,,.pdf
Size:
174.3 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos