Percepción pública sobre conectividad doméstica y móvil en Paraguay, mediante lenguaje natural y aprendizaje automático

Abstract

Se evaluó la percepción pública sobre los servicios de conectividad doméstica y móvil en Paraguay (2020–2024) mediante técnicas de Procesamiento de Lenguaje Natural (PLN) y Aprendizaje Automático. Se construyó un corpus integrado (7 898 comentarios) proveniente de fuentes abiertas (Twitter/X, Reddit y Google Maps), contemplando el contexto bilingüe español–guaraní. El flujo elaborado incluyó recolección automatizada, tratamiento previo y preprocesamiento lingüístico (normalización, manejo de negaciones, detección de idioma y mapeo de emojis), vectorización con TF–IDF para los modelos. Se compararon tres enfoques de clasificación de sentimientos: Naive Bayes (NB) y Perceptrón Multicapa (MLP) como referencias eficientes sobre TF–IDF, y un modelo BERT multilingüe como alternativa contextual principal. Las reseñas con rating de Google Maps sirvieron como semilla de etiquetado para el entrenamiento y la evaluación, con partición estratificada y validación. Los resultados se integraron en un modelo dimensional en estrella y tableros interactivos en Power BI para facilitar lectura ejecutiva por empresa, plataforma y periodo. Los hallazgos muestran predominio de sentimiento negativo (63 %) y positivo (31 %), con fracción neutra acotada, además de patrones temáticos recurrentes vinculados a cobertura, velocidad, atención e incidencias del servicio. El desempeño del sistema satisfizo el criterio de éxito establecido (exactitud 70 %) y permitió responder preguntas de estudio con trazabilidad desde los artefactos generados (datasets consolidados, métricas y paneles). Se discuten implicancias para la mejora del servicio y líneas futuras de trabajo.