Diseño de un modelo de clasificación basado en minería de textos para mejorar la gestión de servicios TI a través de una mesa de ayuda

Abstract

La presente tesis comprendió el diseño de un modelo de clasificación para mejorar la gestión de servicios TI a través de una mesa de ayuda, por lo cual resultó importante evaluar los diferentes algoritmos de aprendizaje automatizado que permitieron predecir y clasificar los requerimientos registrados. Esta investigación utilizó la metodología CRISP-DM para la minería de datos la cual consta de seis fases para el proceso de recolección y análisis de información y se aplicó los algoritmos Naive Bayes, k-NN y Árboles de Clasificación con el fin de realizar una comparación entre estos y obtener aquel que presente la mayor precisión y menor error de clasificación. Por lo tanto, el objetivo general fue diseñar un modelo de clasificación basado en minería de textos para mejorar la gestión de servicios TI a través de una mesa de ayuda, corresponde a un enfoque cuantitativo, con un diseño experimental, de tipo preexperimental y nivel explicativo. En este sentido, se obtuvo del modelo de clasificación en la mejora de la gestión de servicios TI un desarrollo satisfactorio, evaluando los algoritmos de clasificación Naive Bayes, k-NN y Árboles de Clasificación, siendo este último el que obtuvo la mayor precisión (84.06%) y el menor error de clasificación (15.94%), clasificando de manera óptima los 527 requerimientos de servicios registrados de acuerdo con los 5 servicios disponibles definidos en el catálogo de servicios, esto demuestra que los servicios se priorizaron correctamente de acuerdo con la clasificación del algoritmo. Por consiguiente, el diseño de un modelo de clasificación basado en minería de textos mejoró la gestión de servicios TI a través de una mesa de ayuda que atiende aquellos requerimientos de servicio solicitados por los usuarios.