Utilização de modelos de aprendizado de máquina para a classificação da satisfação de usuários nos aeroportos do Brasil

• Oliveira, Leonardo Fernando de ^[1] ; Lima, Rafael Henrique Palma ^[1] ; Santos, Bruno Samways dos ^[1]
  1. [1] Universidade Tecnológica Federal do Paraná

     Universidade Tecnológica Federal do Paraná

     Brasil

     
• Localización: Brazilian Journal of Production Engineering - BJPE, ISSN-e 2447-5580, Vol. 10, Nº. 2, 2024 (Ejemplar dedicado a: v. 10 n. 2 (2024): Número Regular (Abril - Junho) *Publicação Artigos Fluxo Contínuo*), págs. 311-325
• Idioma: portugués
• Títulos paralelos:
  • Uso de modelos de aprendizaje automático para clasificar la satisfacción del usuario en aeropuertos en Brasil
  • Use of machine learning models to classify user satisfaction at airports in Brazil
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo describe la aplicación de técnicas de aprendizaje automático (AM) utilizando los datos de la encuesta de satisfacción de usuarios en varios aeropuertos en Brasil para clasificarlos según su satisfacción. Se utilizaron los métodos de K-Nearest Neighbors (KNN), Naïve Bayes, Árbol de Decisiones y Bosque Aleatorio para clasificar la satisfacción de los usuarios, y la regresión lineal para la imputación de datos, utilizando el conjunto de datos de 2017 a 2022 como conjunto de entrenamiento. Los datos fueron previamente procesados y limpiados. El conjunto de datos de 2017 a 2022 se utilizó para entrenar el modelo, mientras que el conjunto de datos más reciente de 2023 se utilizó como conjunto de prueba. Después de la clasificación, se aplicó la técnica de hiperparámetros para mejorar los resultados de las métricas. Los modelos de aprendizaje automático mostraron resultados satisfactorios en la clasificación de los usuarios. Además, la investigación reveló los principales factores que afectan la satisfacción del cliente en los aeropuertos, destacando el confort acústico del aeropuerto, la disponibilidad de sanitarios y la cantidad y calidad de establecimientos comerciales como los más influyentes.

  • English

    This article describes the application of machine learning (ML) techniques using user satisfaction survey data at various airports in Brazil to classify them according to satisfaction. The K-Nearest Neighbors (KNN), Naïve Bayes, Decision Tree, and Random Forest methods were used to classify user satisfaction, and linear regression for data imputation, using the dataset from 2017 to 2022 as a training set. The data was pre-processed and cleaned. The dataset from 2017 to 2022 was used to train the model, while the most recent dataset from 2023 was used as the test set. After classification, the hyperparameter technique was applied to improve the results of the metrics. The machine learning models showed satisfactory results in classifying users. Additionally, the research revealed the main factors that affect customer satisfaction at airports, highlighting airport acoustic comfort, restroom availability, and the quantity and quality of commercial establishments as the most influential.

  • português

    Este artigo descreve a aplicação de técnicas de aprendizado de máquina (AM) utilizando os dados da pesquisa de satisfação de usuários em vários aeroportos no Brasil para classificá-los de acordo com sua satisfação. Foram utilizados os métodos K-Nearest Neighbors (KNN), Naïve Bayes, Árvore de Decisões e Floresta Aleatória para classificar a satisfação dos usuários, e a regressão linear para a imputação de dados, utilizando o conjunto de dados de 2017 a 2022 como conjunto de treinamento. Os dados foram previamente processados e limpos. O conjunto de dados de 2017 a 2022 foi utilizado para treinar o modelo, enquanto o conjunto de dados mais recente de 2023 foi utilizado como conjunto para teste. Após a classificação, a técnica de hiperparâmetros foi aplicada para melhorar os resultados das métricas. Os modelos de aprendizado de máquina apresentaram resultados satisfatórios na classificação dos usuários. Além disso, a pesquisa revelou os principais fatores que afetam a satisfação dos clientes nos aeroportos, destacando o conforto acústico do aeroporto, a disponibilidade de sanitários e a quantidade e qualidade de estabelecimentos comerciais como os mais influentes.