Análisis de sentimientos de startups usando un enfoque basado en léxicos

Roberto Carlos  Fortich Mesa; Michael  Muñoz Guzmán; María Alejandra  Santís Puche

doi:10.22490/25394088.9174

Vol. 19 Núm. 1 (2025)

Publicado 10-01-2025

Licencia

Derechos de autor 2025 Publicaciones e Investigación

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Cuando PUBLICACIONES E INVESTIGACIÓN recibe la postulación de un original por parte de su autor, ya sea a través de correo electrónico o postal, considera que puede publicarse en formatos físicos y/o electrónicos y facilitar su inclusión en bases de datos, hemerotecas y demás sistemas y procesos de indexación. PUBLICACIONES E INVESTIGACIÓN autoriza la reproducción y citación del material de la revista, siempre y cuando se indique de manera explícita el nombre de la revista, los autores, el título del artículo, volumen, número y páginas. Las ideas y conceptos expresados en los artículos son responsabilidad de los autores y en ningún caso reflejan las políticas institucionales de la UNAD

Articulo de Reflexión

Análisis de sentimientos de startups usando un enfoque basado en léxicos

DOI: https://doi.org/10.22490/25394088.9174

Roberto Carlos Fortich Mesa Corporación Universitaria Antonio José de Sucre

Michael Muñoz Guzmán Universitaria Antonio José de Sucre

María Alejandra Santís Puche Universitaria Antonio José de Sucre

PDF

XML

Resumen
Referencias

En la última década, la proliferación de start-ups ha experimentado un notable crecimiento, paralelo a los avances en innovación tecnológica y acceso a financiación en América Latina. Este estudio explora las percepciones de los fundadores y gerentes de start-ups respecto a las expectativas de los inversionistas mediante técnicas avanzadas de análisis de sentimientos basadas en léxicos. Se recolectaron y analizaron documentos públicos de cinco destacadas start-ups de la región: Nu Bank, Merqueo, Platzi, La Haus y Rappi. Los resultados revelan que términos como "complejidad", "robo" y "fraude" predominan en el corpus de Nu Bank, indicando preocupaciones significativas sobre la usabilidad y la seguridad de los servicios. Se concluye que es esencial para las start-ups optimizar la experiencia del usuario, fortalecer las medidas de seguridad y mantener una comunicación transparente para gestionar eficazmente las expectativas de los inversionistas y reforzar la confianza de los usuarios. Este estudio ofrece valiosas perspectivas para otras start-ups en la región sobre la importancia de abordar estos desafíos críticos.

Palabras clave: Análisis de sentimientos, start ups, método basado en lexicones, minería de texto, expectativas de inversionistas, Comunicaciones

Barg, J. A., Drobetz, W., & Momtaz, P. P. (2021). Valuing start-up firms: A reverse-engineering approach for fair-value multiples from venture capital transactions. Finance Research Letters, 43, 102008. https://doi.org/https://doi.org/10.1016/j.frl.2021.102008

Behdenna, S., Barigou, F., & Belalem, G. (2018). Document level sentiment analysis: A survey. EAI Endorsed Transactions on Context-aware Systems and Applications, 4(13), e2. https://doi.org/10.4108/eai.14-3-2018.154339

Caparroso, J. (2021). Merqueo lanza entregas de s´uper en menos de 10 minutos en la cdmx. Forbes M´exico. https://www.forbes.com.mx/merqueo-lanza-entregas-de-super-en-menos-de-10-minutos-en-la-cdmx/

Choi, Y., & Cardie, C. (2008). Learning with compositional semantics as structural inference for subsentential sentiment analysis. Proceedings of the 2008 Conference on Empirical Methods in Natural Language Processing, 793–801.

Chong, W. Y., Selvaretnam, B., & Soon, L.-K. (2014). Natural language processing for sentiment analysis: An exploratory analysis on tweets. 2014 4th International Conference on Artificial Intelligence with Applications in Engineering and Technology, 212–217. https://doi.org/10.1109/ICAIET.2014.43

Feldman, R. (2013). Techniques and applications for sentiment analysis: The main applications and challenges of one of the hottest research areas in computer science. Communications of the ACM, 56(4), 82–89. https://doi.org/10.1145/2436256.2436274

Gornall, W., & Strebulaev, I. A. (2020). Squaring venture capital valuations with reality. Journal of Financial Economics, 135(1), 120–143.

Hogenboom, A., van Iterson, P., Heerschop, B., Frasincar, F., & Kaymak, U. (2011). Determining negation scope and strength in sentiment analysis. 2011 IEEE International Conference on Systems, Man, and Cybernetics, 2589–2594. https://doi.org/10.1109/ICSMC.2011.6084066

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093–1113. https://doi.org/https://doi.org/10.1016/j.asej.2014.04.011

Mohammad, S. M. (2017). Challenges in sentiment analysis. In E. Cambria, D.Das, S. Bandyopadhyay, & A. Feraco (Eds.), A practical guide to sentiment analysis (pp. 61–83). Springer International Publishing. https://doi.org/10.1007/978-3-319-55394-8 4

Mohammad, S. M., & Turney, P. D. (2013). Crowdsourcing a word–emotion association lexicon. Computational Intelligence, 29(3), 436–465. https://doi.org/10.1111/j.1467-8640.2012.00460.x

Nasukawa, T., & Yi, J. (2003). Sentiment analysis: Capturing favorability using natural language processing. Proceedings of the 2nd International Conference on Knowledge Capture, 70–77.

Sadia, A., Khan, F., & Bashir, F. (2018). An overview of lexicon-based approach for sentiment analysis. 2018 3rd International Electrical Engineering Conference (IEEC 2018), 1–6.

Sievers, S., Mokwa, C. F., & Keienburg, G. (2013). The relevance of financial versus non-financial information for the valuation of venture capital-backed firms. European Accounting Review, 22(3), 467–511. https://doi.org/10.1080/09638180.2012.741051

Silge, J., & Robinson, D. (2016). Tidytext: Text mining and analysis using tidy data principles in r. JOSS, 1(3). https://doi.org/10.21105/joss.00037

Taboada, M., Brooke, J., Tofiloski, M., Voll, K., & Stede, M. (2011). Lexicon-based methods for sentiment analysis. Computational Linguistics, 37(2), 267–307. https://doi.org/10.1162/COLI a 00049

Wilson, T., Wiebe, J., & Hoffmann, P. (2009). Recognizing contextual polarity: An exploration of features for phrase-level sentiment analysis. Computational Linguistics, 35(3), 399–433.

Xia, R., Xu, F., Yu, J., Qi, Y., & Cambria, E. (2016). Polarity shift detection, elimination and ensemble: A three-stage model for document-level sentiment analysis. Information Processing & Management, 52(1), 36–45. https://doi.org/https://doi.org/10.1016/j.ipm.2015.04.003

Zhao, J., Liu, K., & Xu, L. (2016). Sentiment analysis: Mining opinions, sentiments, and emotions. Computational Linguistics, 42(3), 595–598. https://doi.org/10.1162/COLI r 00259

Zirn, C., Niepert, M., Stuckenschmidt, H., & Strube, M. (2011). Fine-grained sentiment analysis with structural features. Proceedings of 5th International Joint Conference on Natural Language Processing, 336–344.

Licencia

Cómo citar

Fortich Mesa, R. C. ., Muñoz Guzmán, M. ., & Santís Puche, M. A. . (2025). Análisis de sentimientos de startups usando un enfoque basado en léxicos. Publicaciones E Investigación, 19(1), 11-18. https://doi.org/10.22490/25394088.9174

Descargar cita

Almétricas