Modelo predictivo para la selección de técnica de medición de la opinión pública
Barra lateral del artículo
Contenido principal del artículo
Resumen
El objetivo de este artículo es construir un modelo predictivo, a partir de información de estudios realizados en agencias de investigación de mercados y de opinión pública, que indique el método de recolección de datos que se recomienda utilizar, que puede ser encuestas personales, telefónicas o en línea, de acuerdo con los parámetros de cada estudio. El tipo de modelo predictivo es de clasificación, y se construyen y se analizan modelos a partir de las técnicas de minería de datos de árboles de decisiones, análisis discriminante, análisis de K vecinos más cercanos y análisis de redes neuronales. Adicionalmente, se realiza una segmentación de contactos en clústeres para complementar y enriquecer el conocimiento que aportan las técnicas clasificatorias. Se concluye que los modelos generados tanto por árboles de decisiones como por redes neuronales son los que mejor predicen la técnica de medición de opinión pública a utilizar.
Descargas
PLUMX Metrics
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
The Anáhuac Journal se distribuye bajo Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
Citas
Asociación Mexicana de Agencias de Inteligencia de Mercado y Opinión Pública, AMAI e Instituto Tecnológico Autónomo de México, ITAM. (2020). Estudio Anual de la Industria de Investigación de Mercados y Opinión Pública en México. Edición XXII (2019-2020). Reporte a Participantes.
Baker, R., Brick, J. M., Bates, N. A., Battaglia, M., Couper, M. P., Dever, J. A., Gile, K. J. y Tourangeau, R. (2013). «Summary report of the AAPOR task force on non-probability sampling». Journal of Survey Statistics and Methodology, 1 (2), 90-143. https://doi.org/10.1093/jssam/smt008
Berry, M. J. A. y Linoff, G. S. (2004). Data Mining Techniques. For Marketing, Sales, and Customer Relationship Management (2a ed.). Wiley.
Biemer, P. P. (2010). «Total survey error: Design, implementation, and evaluation». Public Opinion Quarterly, 74 (5), 817-848. https://doi.org/10.1093/poq/nfq058
Callegaro, M., Lozar Manfreda, K. y Vehovar, V. (2015). En Metzler, K. (ed.). Web Survey Methodology. SAGE Publications.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. y Wirth, R. (2007). Metodología CRISP-DM para minería de datos. https://www.dataprix.com/es/book/export/html/107
Cornesse, C. y Bosnjak, M. (2018). «Is there an association between survey characteristics and representativeness? A meta-analysis». Survey Research Methods, 12 (1), 1-13. https://doi.org/10.18148/srm/2018.v12i1.7205
Couper, M. P. (2000). «Web Surveys: A Review of Issues and Approaches». Oxford University Press, 64 (4), 464-494.
Couper, M. P. (2017). «New Developments in Survey Data Collection». Annual Review of Sociology, 43 (1), 121-145. https://doi.org/10.1146/annurev-soc-060116-053613
De las Heras, M. (1999). Uso y abuso de las encuestas: elección 2000, los escenarios. Océano.
Escobar Terán, H., Alcivar, M. y Puris, A. (2016). «Aplicaciones de Minería de Datos en Marketing». Revista Publicando, 3 (8), 503–512.
European Society for Opinion and Market Research, ESOMAR. (2020). Global Market Research 2020.
Gera, M. y Goel, S. (2015). «Data Mining - Techniques, Methods and Algorithms: A Review on Tools and their Validity». International Journal of Computer Applications, 113 (18), 22-29. https://doi.org/10.5120/19926-2042
Gill, J. y Johnson, P. (2010). Research Methods for Managers (4a ed.). SAGE Publications.
Gorunescu, F. (2011). Data Mining. Concepts, Models and Techniques (vol. 12). Springer.
https://doi.org/10.1007/978-3-642-19721-5
Goul, M., Raghu, T. S. y Louis, R. D. S. (2018). «APC forum: Governing the wild west of predictive analytics and business intelligence». MIS Quarterly Executive, 17 (2), 157-183.
Grewenig, E., Lergetporer, P., Simon, L., Werner, K. y Woesmann, L. (2018). «Can Online Surveys Represent the Entire Population?». IZA - Institute of Labor Economics, 11799, 31.
Groves, R. M., Fowler, F. J., Couper, M. P., Lepkowski, J. M., Singer, E. y Tourangeau, R. (2009). Survey Methodology (2nd ed.). John Wiley & Sons.
Halper, F. (2017). Predictive Analytics. TDWI. https://tdwi.org/research/2017/06/advall-tdwi-navigator-report-predictive-analytics.aspx?tc=page0
Han, J., Pei, J. y Kamber, M. (2011). Data Mining: Concepts and Techniques. (3rd ed.)
Morgan Kaufmann. https://www.sciencedirect.com/book/9780123814791/datamining-concepts-and-techniques
IBM Corp. (2020). IBM SPSS Statistics for Macintosh (núm. 27). IBM Corp.
Jeffery, M. (2010). Data-Driven Marketing: The 15 Metrics Everyone in Marketing Should Know. John Wiley & Sons Inc.
Joseph, S. R., Hlomani, H. y Letsholo, K. (2016). «Data Mining Algorithms: An Overview». International Journal of Computers & Technology, 15 (6), 6806-6813. https://doi.org/10.24297/ijct.v15i6.1615
Larose, D. T. y Larose, C. D. (2015). Data Mining and Predictive Analytics. John Wiley & Sons Inc. https://www.wiley.com/en-us/Data+Mining+and+Predictive+Analytics%2C+2nd+Edition-p-9781118116197
Lavrakas, P. J. (1987). Telephone survey methods: Sampling, selection, and supervision. SAGE Publications.
Lee, H., Kim, S., Couper, M. P. y Woo, Y. (2019). «Experimental Comparison of PC Web, Smartphone Web, and Telephone Surveys in the New Technology Era». Social Science Computer Review, 37 (2), 234-247. https://doi.org/10.1177/0894439318756867
MacLennan, J., Tang, Z. y Crivat, B. (2009). Data Mining with Microsoft SQL Server 2008. Wiley Publishing, Inc.
Meyers, L. S., Gamst, G. C. y Guarino, A. J. (2013). Performing Data Analysis Using IBM SPSS. John Wiley & Sons, Inc.
Pforr, K. y Dannwolf, T. (2017). «What do we Lose with Online-Only Surveys? Estimating the Bias in Selected Political Variables Due to Online Mode Restriction». Statistics, Politics and Policy, 8 (1), 105-120. https://doi.org/10.1515/spp-2016-0004
Schober, M. F. (2018). «The future of face-to-face interviewing». Quality Assurance in Education, 26 (2), 290-302. https://doi.org/10.1108/QAE-06-2017-0033
Steeh, C. (2008). «Telephone surveys». En Leeuw, Edith D. de, Hox, Joop y Dillman, Don (eds.), International Handbook of Survey Methodology (pp. 221-238). Taylor & Francis Group.
Stupakevich, B., Sweenor, D. y Swiderek, S. (2019). Reporting, Predictive Analytics, and Everything in Between. O’Reilly Media.
Vehovar, V. y Lozar Manfreda, K. (2008). «Overview: online surveys». En Fielding, N. G, Lee, R. M. y Blank, G. (eds.). The SAGE Handbook of Online Research Methods (vol. 1, pp. 177-194). SAGE Publications.
Vehovar, V., Slavec, A. y Berzelak, N. (2012). «Costs and Errors in Fixed and Mobile Phone Surveys», en Gideon, L. (ed.), Handbook of Survey Methodology for the Social Sciences (pp. 277-295). Springer New York. https://doi.org/10.1007/978-1-4614-3876-2_16
White, A. y Rollings, M. (2021). 5 Key Actions for IT Leaders for Better Decisions. Gartner, Inc.
Zhang, X. C., Kuchinke, L., Woud, M. L., Velten, J. y Margraf, J. (2017). «Survey method matters: Online/offline questionnaires and face-to-face or telephone interviews differ». Computers in Human Behavior, 71, 172-180. https://doi.org/10.1016/j.
chb.2017.02.006