2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS

Transcripción

1 2.16. SERVICE SCIENCE Y SERVICE ANALYTICS EN FEN: ESTUDIO DE OPINIONES, QUEJAS Y CUMPLIDOS DE ALUMNOS Autores:

2 OBJETIVO Proceedings del XXIX Encuentro Nacional de Facultades de Administración y Economía El objetivo de esta investigación es estudiar las opiniones, quejas y cumplidos de alumnos o ex alumnos de FEN, de manera de comprender, desde su punto de vista, cómo se genera valor a través de las diferentes actividades que engloban el proceso de entrega del servicio educativo, y al mismo tiempo, identificar aquellas actividades y recursos en los que se presenten mejores desempeños y también mayores desafíos. Como objetivo superior se pretende apoyar la implementación de la estrategia organizacional y ayudar alas autoridades en la toma de decisiones asociadas,a través de la identificación de aquellos recursos y procesos que son críticos desde el punto de vista del alumnado. METODOLOGÍA La metodología escogida es el Análisis de Contenido(Krippendorff 2013)por medio de la utilización de técnicas automatización de análisis basadas en algoritmos de Minería de Texto, o Text Mining(Karanikas et al. 2000). En particular, la data en estudio serán las respuestas de los alumnos a preguntas abiertas o de texto libre presentes en encuestas de evaluación durante, e inmediatamente después, de finalizado su proceso educativo, es decir, Encuesta Evaluación Docente Intermedia y Final; y Encuesta de Egresados. CONSIDERACIONES ÉTICAS Y DE PRIVACIDAD El presente estudio tendrá fines académicos, y la data utilizada será tratada con absoluta confidencialidad y anonimato. Los datos recolectados y analizados serán utilizados sólo para los fines anteriormente descritos. RESULTADOS ESPERADOS Como resultado esperado se consideran un mapa conceptual e indicadores asociados en el que se destaquen el desempeño de las actividades y recursos de FEN a través del proceso educativo basado en la opinión de sus alumnos (ver Figura 1). Gracias a la utilización de técnicas de text-mining, también es posible considerar como resultado un sistema de información en versión prototipo que sea capaz de realizar el análisis de contenido de manera automática en futuras evaluaciones docentes. Se espera además que la investigación sirva como base para la creación de un working paper que será presentado en una o más conferencias del área, y que eventualmente sea publicado como un artículo de Journal con impacto ISI. 243

3 MARCO TEÓRICO Con la creciente importancia de los servicios en la economía global, investigadores de diferentes comunidades han propuesto la creación de una nueva disciplina, Service Science, con el objeto de estudiar el ecosistema de servicios y analizar sus mecanismos, componentes, y dinámicas, de manera de desarrollar metodologías, técnicas y teorías apropiadas. La visión moderna de la economía se centra en los servicios como fuente de creación de valor entre proveedores y consumidores, los que hacen uso de sus conocimientos, habilidades y recursos, tanto propios como de sus comunidades al momento de interactuar en el momento de co-creación del servicio (Vargo & Lusch 2008; Vargo 2011). Estas interacciones ocurren en un proceso de servicio, a través de actividades que se inician desde el contacto con el cliente con la firma, hasta que el servicio ha finalizado (Payne et al. 2007). En esta Lógica Dominante de Servicios, la Service Science abandona la mirada tradicional del proveedor hacia el cliente y eleva la perspectiva cambiando el foco de objeto de estudio al ecosistema completo donde los servicios son provistos (P. P. Maglio et al. 2006; J. C. Spohrer et al. 2007). Esta perspectiva compele a los investigadores a adoptar una visión sistémica y holística del ecosistema, obligándolos a utilizar nuevos métodos de investigación. Esto incluye la captura, procesamiento y análisis de data producida y utilizada por todos los actores, y de todas las perspectivas presentes en el eco-sistema, por ejemplo, desde el cliente hacia el proveedor, o del cliente hacia su comunidad. Esta área de investigación es conocida como Service Analytics(Hansjörg et al. 2012). El término Analytics abarca una amplia gama de métodos de análisis y reporte de datos, desde estadísticas, minería de datos y texto, aprendizaje de máquinas, investigación de operaciones, entre otras, los cuales son comúnmente clasificados como descriptivos, predictivos o prescriptivos (INFORMS Online 2012). En particular, la minería de texto puede ser definida como un proceso intensivo de análisis de conocimiento en el cual el investigador interactúa con una colección de documentos utilizando algoritmos computacionales apropiados a dicha tarea (Feldman & Sanger 2006). La minería de texto busca extraer información útil de fuentes de datos no estructurados, de manera de descubrir su estructura y significado implícito (Karanikas et al. 2000). De esta manera, el presente estudio entiende las técnicas de minería de texto como un complemento natural del análisis de contenido tradicional. Este último ve a la data como representaciones de eventos que no 244

4 son físicos, sino que son textos, imágenes, y expresiones que son creadas para ser vistas, leídas, interpretadas y utilizadas por sus significados, y por tanto, deben ser analizadas con tales usos en mente (Krippendorff 2013). En la Figura 1 se aprecia un eco-sistema de servicio, en el cual tanto consumidores como proveedores utilizan sus recursos en distintas actividades para generar los servicios que les entregarán valor. Las quejas y cumplidos pueden ocurrir en cualquiera de estas etapas o actividades, y pueden hacer referencia a uno o más de los recursos disponibles. Por medio del análisis automatizado de contenido, este estudio buscara entender desde el punto de vista de los de alumnos o ex alumnos de FEN, cómo se genera valor a través de las diferentes actividades que engloban el proceso de entrega del servicio educativo, y al mismo tiempo, identificar aquellas actividades y recursos en los que se presenten mejores desempeños y también mayores desafíos. 245

5 REFERENCIAS Proceedings del XXIX Encuentro Nacional de Facultades de Administración y Economía Feldman, R. & Sanger, J., Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Available at: [Accessed May 2, 2013]. Hansjörg, F., Habryn, F. & Satzger, G., Service Analytics: Leveraging Data Across Enterprise Boundaries for Competitive Advantage. In U. Bäumer, P. Kreutter, & W. Messner, eds. Globalization of Professional Services. Berlin, Heidelberg: Springer Berlin Heidelberg, pp Available at: [Accessed February 28, 2013]. INFORMS Online, Analytics., p.1. Available at: munity/analytics. Karanikas, H., Tjortjis, C. & Theodoulidis, B., An approach to text mining using information extraction. PROC. WORKSHOP KNOWLEDGE MANAGEMENT THEORY APPLICATIONS (KMTA 00)., (Dm). Available at: [Accessed May 2, 2013]. Krippendorff, K.K., Content Analysis. An Introduction to Its Methodology le Third., London,UK: Sage Publications. Maglio, P.P. et al., Service systems, service scientists, SSME, and innovation. Commun. ACM, 49(7), pp Payne, A.F., Storbacka, K. & Frow, P., Managing the co-creation of value. Journal of the Academy of Marketing Science, 36(1), pp Available at: [Accessed February 27, 2013]. Spohrer, J.C. et al., Steps Toward a Science of Service Systems. IEEE Computer, 40(1), pp Vargo, S.L., Market systems, stakeholders and value propositions: Toward a service-dominant logic-based theory of the market. European Journal of Marketing, 45(1/2), pp Available at: [Accessed August 16, 2011]. Vargo, S.L. & Lusch, R.F., Service-dominant logic: continuing the evolution. Journal of the Academy of Marketing Science, 36, pp