Análisis de sentimientos usando aprendizaje de máquina: aplicado a entrevistas laborales

Autores/as

  • Julio César Martínez Zarate Politécnico Colombiano Jaime Isaza Cadavid
  • Sandra Patricia Mateus Politécnico Colombiano Jaime Isaza Cadavid

DOI:

https://doi.org/10.37467/gka-revtechno.v8.2116

Palabras clave:

Análisis de sentimientos, Aprendizaje de máquina

Resumen

En este trabajo, se propone un modelo de análisis de sentimientos aplicado a las entrevistas laborales utilizando aprendizaje de máquina. Se realizó un registro de fijaciones de la mirada con técnicas de “Eye Tracking”. Posteriormente, se analizaron diferentes algoritmos de aprendizaje de máquina para análisis de sentimientos, seleccionando aprendizaje de máquina supervisado con redes neuronales Artificiales. Una vez obtenido el modelo, puede aplicarse a entrevistas laborales para la selección de personal en las organizaciones, mediante la interpretación de los patrones oculares. La entrevista laboral es un proceso importante en la selección de personal con múltiples fines, incluso evaluar la personalidad.

Citas

Alzate, J., Rocha, R., & Jimenez, J. (2016). Monitoreo ocular para predecir las maneras de aprender de un estudiante.

Anta, J. (2012). Detección Del Engaño: Polígrafo Vs Análisis Verbo-Corporal.

Baecchi, C., Uricchio, T., Bertini, M., & Del Bimbo, A. (2015). A Multimodal Feature Learning Approach for Sentiment Analysis of Social Network Multimedia. DOI: https://doi.org/10.1007/s11042-015-2646-x

Chen, X., Wang, Y., & Liu, Q. (2017). Visual and textual sentiment analysis using deep fusion convolutional neural networks. DOI: https://doi.org/10.1109/ICIP.2017.8296543

Chica, H., Escobar, F. & Folino, J. (2005). La Entrevista Psiquiátrica Del Sujeto Simulador.

Chinsatit, W., & Saitoh, T. (2017). CNN-Based Pupil Center Detection for Wearable Gaze Estimation System. DOI: https://doi.org/10.1155/2017/8718956

Dessler, G. (2009). Administración de recursos humanos, enfoque latinoamericano. Ed. Pearseon, 5ª Edition, 145-146

Duy, T. & Tran, D. (2012). Emotion Recognition Using the Emotiv EPOC Device.

Florea, L., Florea, C., Vrânceanu, R., Vertan, C. (2013). Can Your Eyes Tell Me How You Think? A Gaze Directed Estimation of the Mental Activity. DOI: https://doi.org/10.5244/C.27.60

Jain, S., & Pandey, A. (2013). Soft Computing, Artificial Intelligence, Fuzzy Logic & Genetic Algorithm in Bioinformatics.

Kron, L. (2016). Polygraph And Reliability In Psychological Assessment: Myth Or Reality?.

Lotito, F. (2015). Test psicológicos y entrevistas: usos y aplicaciones claves en el proceso de selección e integración de personas a las empresas.

Macan, T. (2009). The employment interview: A review of current studies and di-rections for future research. DOI: https://doi.org/10.1016/j.hrmr.2009.03.006

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. DOI: https://doi.org/10.1016/j.asej.2014.04.011

Mitchell, T. (1997), Machine Learning, McGraw-Hill, 14. DOI: https://doi.org/10.1162/thld_a_00549

P. T. Costa Jr. and R. R. McCrae, Revised NEO Personality Inventory (NEO-PI-R) and NEO Five-Factor Inventory (NEO-FFI) Manual. Odessa, FL: Psychological Assessment Resources, 1992.

Papoutsaki, A., Sangkloy, P., &Laskey, J. (2016). WebGazer: Scalable Webcam Eye Tracking Using User Interactions. DOI: https://doi.org/10.1145/2702613.2702627

Pérez, V., Mihalcea, R., & Morency, L. (2013). Utterance-Level Multimodal Senti-ment Analysis.

Petisco, J. (2015). Una Mirada A La Detección De Mentiras Empleando Fmri.

Poole, A. & Ball, Linden (2006). Eye Tracking in Human-Computer Interaction and Usability Research: current status and future prospects. DOI: https://doi.org/10.4018/978-1-59140-562-7.ch034

Poria, S., Peng, H., Hussain, A., Howard, N., & Cambria, E. (2017). Ensemble appli-cation of convolutional neural networks and multiple kernel learning for multimodal sentiment analysis. DOI: https://doi.org/10.1016/j.neucom.2016.09.117

Rauthmann, F., Seubert, C., Sachse, P., & Furtner, M. (2012). Eyes as windows to the soul: Gazing behavior is related to personality. DOI: https://doi.org/10.1016/j.jrp.2011.12.010

Soleymani, M., Garcia, D., Jouc, B., Schullere, B., Chang, S., & Pantic, M. (2017). A survey of multimodal sentiment analysis, Image and Vision Computing. DOI: https://doi.org/10.1016/j.imavis.2017.08.003

Tensorflow (2018). Presentación. Recuperado de https://www.tensorflow.org.

Zadeh, A., & Chen, M. (2017). Tensor Fusion Network for Multimodal Sentiment Analysis. DOI: https://doi.org/10.18653/v1/D17-1115

Descargas

Publicado

2019-10-23

Cómo citar

Martínez Zarate, J. C., & Mateus, S. P. (2019). Análisis de sentimientos usando aprendizaje de máquina: aplicado a entrevistas laborales. TECHNO REVIEW. International Technology, Science and Society Review /Revista Internacional De Tecnología, Ciencia Y Sociedad, 8(2), 63–69. https://doi.org/10.37467/gka-revtechno.v8.2116

Número

Vol. 8 Núm. 2 (2019)

Sección

Artículos de investigación

Licencia

Aquellos autores/as que publiquen en esta revista, aceptan los términos siguientes:

  1. Los autores/as conservarán los derechos morales sobre la obra y cederán a la revista los derechos comerciales.
  2. Transcurrido un año desde su publicación, la versión del editor pasará a estar en acceso abierto en la web de la editorial, pero la revista mantendrá el copyright de la obra.
  3. En el caso de que los autores deseen asignar una licencia abierta Creative Commons (CC), podrán solicitarla escribiendo a publishing@eagora.org