Professional Documents
Culture Documents
Industrial Data,
ISSN (Versin impresa): 1560-9146
iifi@unmsm.edu.pe
Universidad Nacional Mayor de San Marcos
Per
www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Produccin y Gestin
M
Revista de la
etodologas de Facultad
medicin de de Ingeniera
la calidad Industrial
de los servicios aplicadas a una biblioteca universitaria
14(2): 82-92 (2011) UNMSM
ISSN: 1560-9146 (Impreso) / ISSN: 1810-9993 (Electrnico)
I. Introduccin
Resumen
El trabajo realizado ha permitido identificar cuatro
En la actualidad ms del 80% de las actividades econmi-
dimensines relacionadas con la calidad de servi- cas de los pases; incluido el Per, son las actividades de
cio de la Biblioteca de la Universidad Nacional Ma- servicios. A pesar de ello es poco lo estudiado a la fecha
yor de San Marcos UNMSM. Tres de ellas, las que sobre el tema de la medicin de la calidad de los servicios;
se han denominado Aspectos Tangibles, Empata
y Fiabilidad , pueden considerarse equivalentes
hay un amplio debate al respecto y diversas propuestas
a las inicialmente obtenidas por Parasuraman, sobre cmo hacerla. El objetivo del trabajo aplicado a una
Zeithaml y Berry. La restante, es la integracin biblioteca universitaria es realizar un estudio comparativo
de Capacidad de Respuesta y Seguridad que se de las dos metodologas de medicin de la calidad de ser-
ha denominado RespuestaSeguridad. Las di-
mensines encontradas son coincidentes con lo
vicios ms aceptadas, esto es las metodologas Service
hallado en otras investigaciones realizadas dentro Quality SERVQUAL y Service Performance SERVPERF,
del sector educativo universitario, pero no estn y los avances que existen en la actualidad sobre el tema.
incluidas dentro de las encontradas por dichos au- Estas dos grandes corrientes de medicin de la calidad
tores. Asimismo, se prob el uso de las tcnicas de
redes neuronales y agrupacin con k means; dan-
tienen aspectos positivos, pero no son completas, por ello
do un resultado equivalente al del anlisis factorial. se requiere analizar las metodologas existentes y con
En el caso de redes neuronales se utilizaron las base a ellas desarrollar una propuesta complementaria e
de Aprendizaje Competitivo con Learning Vector integradora.
Quantitative LVQ.
Palabras clave: medicin de la calidad de servi-
Gronroos [3] y Lewis [7] plantean que se pueden distinguir
cios, biblioteca, anlisis factorial, k means, redes dos dimensines bsicas a la hora de hablar de calidad
neuronales de servicio: calidad tcnica y calidad funcional. Desde
esta perspectiva, resulta imprescindible prestar atencin
Methodologies for measuring al diseo del servicio, a los aspectos ms tangibles del
the quality of services applied to mismo, lo que implica valorar correctamente lo que los
a university library clientes esperan y tambin a su realizacin; es decir, la
forma en que se ofrece el servicio y muy especialmente la
Abstract interaccin entre el cliente y el personal de contacto de la
The work has identified four dimensins related empresa [11].
to service quality of the Library of the Universidad
Nacional Mayor de San Marcos UNMSM. Three of Zeithaml et al. [13] definen la calidad de servicio percibida
them, which has been called Tangible Aspects, como el juicio global del cliente acerca de la excelencia
Empathy and Reliability can be considered equi- o superioridad del servicio que resulta de la compara-
valent to those originally obtained by Parasuraman,
Zeithaml and Berry. The remaining dimensin is the cin entre las expectativas previas de los usuarios sobre
integrated by Capacity of Response and Security la misma y las percepciones acerca del desempeo del
has been called Response-Security. The dimen- servicio recibido. En 1990 desarrollaron la metodologa
sins found are consistent with the findings of other SERVQUAL que es la ms aceptada en la actualidad para
research in the university sector, but not included
among those found by those authors. Also, has medir la calidad de los servicios.
been tested the use of Neural Networks techniques
and grouping with K Means, giving an equivalent
SERVQUAL aplica un cuestionario desarrollado tras un
result to factorial analysis. In the case of neural net- amplio nmero de entrevistas con directivos y clientes
works was used competitive learning with Learning claves de empresas de servicios de mantenimiento, ban-
Vector Quantitative LVQ. ca, tarjetas de crdito y comunicaciones a larga distan-
Keywords: measuring service quality, library, fac- cia, que contiene 22 pares de tems que exploran cinco
torial analysis, k means, neural networks
1 Doctor en Ingeniera, docente de la Facultad de Ingeniera Industrial - UNMSM.
E mail: jceval@terra.com.pe
Produccin y Gestin
cin, mediante la tcnica del Anlisis Factorial y con tro caso, N=28 786, el nivel de confianza de 95%, el
uso del Software SPSS 18. Asimismo, se aplic las valor de p=0.5 y el error muestral de 0.1. Se obtuvo
tcnicas de agrupacin de datos K Means, Redes un tamao de muestra de 96. Los estudiantes apli-
Neuronales de Mapas Auto - organizados y Redes caron las encuestas y se obtuvieron 129 encuestas
Neuronales de Aprendizaje Competitivo LVQ; 5) vlidas. Los estudiantes de la Universidad tienen
Discusin de los resultados; y 6) Se presentan las edades entre 16 y 26 aos. La fecha de aplicacin
conclusiones. de la encuesta fue junio de 2011.
1. Encuesta. Se elabor la encuesta de 22 tems 3. Se aplic la encuesta durante el lapso de 15
tanto para las expectativas como para la percep- das, del 01 al 15/06/2011, en especial entre las 10
cin. Las preguntas corresponden a las 5 dimensi- am y 6 pm a los alumnos que salan de la biblioteca.
nes de SERVQUAL, y corresponden a los mismos
temas. Se utiliz una Escala de Likert de 1 al 7 (7 4. Se proces la informacin, mediante la tcnica
para lo mejor). Se aplicaron a los usuarios de la del Anlisis Factorial y con uso del Software SPSS
Biblioteca, a la salida de la misma. Las preguntas 18 para determinar las dimensines. Con la misma
1-4 corresponden a la Dimensin Aspectos Tangi- informacin se obtuvieron las dimensines usando
bles (equipos de aspecto moderno, instalaciones la Tcnica de Agrupacin K Means, con el software
fsicas visualmente atractivas, aspecto pulcro, ma- SPSS 18; se aplicaron las tcnicas de Redes Neuro-
teriales asociados con el servicio de aspecto visual- nales de Mapas Auto Organizados y de Redes Neu-
mente atractivo); las preguntas 5-9 corresponden ronales de Aprendizaje Competitivo LVQ Learning
a la Dimensin Fiabilidad (lo que se promete hacer Vector Quantative, con el software Matlab 2010a.
se cumple, inters sincero por resolver problemas, 5. Se hizo Discusin de los resultados, y
servicio correcto a la primera, proveen servicios en
el tiempo que prometen, registros libres de error); 6. Se obtuvieron las conclusiones.
las preguntas 10 a 13 corresponden a la Dimensin
Capacidad de Respuesta (dicen a sus usuarios
exactamente cuando los servicios sern realizados, III. Resultados
servicio rpido, siempre dispuestos a ayudar a sus
usuarios, nunca estarn demasiado ocupados para 3.1. Anlisis de fiabilidad
atender a los usuarios); las preguntas 14-17 co- Para realizar el anlisis de fiabilidad del instru-
rresponden a la Dimensin Seguridad (transmiten mento SERVQUAL se utiliz el coeficiente Alfa de
confianza en los usuarios, usuarios se sienten se- Cronbach. El valor alcanzado para este anlisis
guros en sus atenciones, empleados siempre ama- fue 0,95 tanto para los resultados de expectativas,
bles con los usuarios, empleados tienen el conoci- como de percepcin y la diferencia entre percep-
miento para responder a los requerimientos de los cin- expectativas. Lo que indica una alta homo-
usuarios) y las preguntas 18-22 corresponden a la geneidad y equivalencia de respuesta a todos los
Dimensin Empata (a los usuarios se da atencin tems a la vez y para todos los encuestados.
individual, horarios de trabajo convenientes para
todos sus usuarios, empleados que dan atencin 3.2. Promedios
personal, empleados tienen el mximo inters al
escuchar a los usuarios, empleados entienden las Los promedios de los 129 resultados obtenidos por
necesidades especficas de sus usuarios). cada tem (pregunta), en expectativas, percepcin
y diferencias percepcin expectativas, se mues-
2. Tamao Muestra. Se aplic la frmula de mues- tran en la Tabla 1.
treo aleatorio simple, caso de poblacin finita:
El promedio de las expectativas es 5.77 mientras
que el promedio de la percepcin es 4.28; lo cual
da un promedio de diferencias (Gaps) de 1.49. Es
decir, se aprecia una brecha negativa (de insatis-
faccin) de 1.49 sobre un valor total de 7. En todos
los casos la diferencia es negativa; es decir, en to-
das las dimensines hay insatisfaccin.
donde: n es el tamao de la muestra; N es el ta- La dimensin con valor ms elevado en las expec-
mao de la poblacin; E es el error muestral; ZS tativas es Seguridad (tems 14-17) con 5.901175;
es el estadstico normal estndar; es el nivel de mientras que en las percepciones la dimensin con
confianza; y p es la proporcin de la poblacin que valor ms elevado es la Seguridad con puntaje de
tiene la caracterstica que se busca medir. En nues- 4.44765. En lo que respecta a la diferencia P-E ms
Produccin y Gestin
ms de un factor, por lo que se hizo varias pruebas Es decir expresado como ecuaciones las relacio-
de rotacin y se ajust el nmero de variables, lle- nes son:
gndose al resultado ms adecuado con 4 facto- Calidad = F1 + F2 + F3 + F4
res que representan el 62.955% de la variacin; el
mtodo de extraccin que dio mejor resultado fue F1=.715 V8 +.535 V9 +.898 V10+.516 V11 +.728
V14 +.826 V15+.535 V16 +.546V17
la Factorizacin Alfa y el mtodo de rotacin es de
Normalizacin Promax con Kaiser; y el resultado se F2 =.644 V18 + .650 V20 + .973 V21 +.754 V22
logr luego e seis iteraciones. Para llegar al ptimo F3= .704 V1 + 1.016 V2 + .602 V3 + .450 V4
se elimin las variables 12, 13 y 19; quedando las
agrupaciones por factores as: Factor 1: variables F4 = .650 V5 + .783 V6 + .356 V7
8, 9, 10, 11, 14, 15, 16 y 17 (Dimensiones Capaci- Anlisis Factorial Percepciones: SERVPERF
dad de Respuesta y Seguridad agrupadas por el re-
Se utiliz el software SPSS 18; y al aplicar la prue-
sultado del anlisis factorial); Factor 2: variables 18, ba de KMO se obtuvo .907 y en la prueba de esferi-
19, 20, 21 y 22 (Dimensin Empata); Factor 3: va- cidad de Bartlett se obtuvo un nivel de significacin
riables 1, 2, 3 y 4 (Dimensin Aspectos Tangibles); de 0.0 lo cual indica que los datos se adecuan para
y Factor 4: variables 5, 6 y 7 (Dimensin Fiabilidad). aplicar el Anlisis Factorial; con ndice de sedimen-
En la Tabla 3, se presenta el resultado de manera tacin mayor de 1 se obtuvieron 3 factores pero va-
resumida del anlisis factorial con SPSS. rios casos de variables que eran componentes de
Produccin y Gestin
ms de un factor, por lo que se hizo varias pruebas F3= .661 V1 + .953 V2 + .801 V3 + .552 V4
de rotacin y se ajust el nmero de variables, lle-
gndose al resultado ms adecuado con 4 facto- F4 = .752 V5 + .864 V6 + .739 V7
res que representan el 69,807% de la variacin; el
3.5 Aplicacin de la tcnica de Agrupacin K-
mtodo de extraccin que dio mejor resultado fue
Means, para seleccionar los Factores
la Factorizacin Alfa y el mtodo de rotacin es de
Normalizacin Promax con Kaiser; y el resultado se Percepcin Expectativas SERVQUAL:
logr luego de siete iteraciones. Los resultados fue- Se utiliz el software SPSS 18; y al aplicar la prue-
ron obtenidos en tabla similar a la de SERVQUAL. ba de K Means se obtuvo resultado con 5 grupos
Para llegar al ptimo se elimin las variables 8, 9, con errores cuadrticos medios que van entre 0 y 2.
10 y 13; quedando las agrupaciones por factores La composicin de los factores (que corresponden
as: Factor 1: variables 11, 12, 14, 15, 16 y 17 (Di- a los grupos o conglomerados) con relacin a las
mensiones, Capacidad de Respuesta y Seguridad variables fue: Factor 1: variables 11, 12, 13, 14, 15,
juntas); Factor 2: variables 18, 19, 20, 21 y 22 (Di- 16, 17, 21 y 22 (Dimensiones Capacidad de Res-
mensin Empata); Factor 3: variables 1, 2, 3 y 4 puesta y Seguridad juntas); Factor 2: variables 1,
(Dimensin Aspectos Tangibles); y Factor 4: varia- 2, 3, 4 (Dimensin A. Tangibles); Factor 3: variables
bles 5, 6 y 7 (Dimensin Fiabilidad). 10, 18, 19 y 20 (Dimensin Empata); Factor 4: va-
Es decir expresado como ecuaciones las relacio- riables 5, 6 y 7 (Dimensin Fiabilidad 1) y Factor 5
nes son: variables 8 y 9 (Dimensin Fiabilidad 2). En este
caso la agrupacin es bastante distinta de la formu-
Calidad = F1 + F2 + F3 + F4 lacin de las preguntas. En la Tabla 4 se presentan
F1=.499 V11 +.511 V12 +.923 V14+.872 V15+.814 los resultados.
V16 +.425 V17 Percepcin SERVPERF:
F2 =.703 V18 + .657 V19+ .974 V20 + .701 V21 Se utiliz el software SPSS 18; y al aplicar la prue-
+.625 V22 ba de K Means se obtuvo resultado con 5 Grupos
Produccin y Gestin
con errores cuadrticos medios que van entre 0 y 2. nas se ingreso la matriz 22 x 129 para obtener una
La composicin de los factores (que corresponden matriz de 22 x 5; y en la segunda fase se ingres
a los conglomerados) con relacin a las variables la matriz 22 x 5 para agrupar los datos en 5 grupos
fue: Factor 1: variables 1 Y 5 (Dimensiones de A. utilizando nuevamente 5 neuronas; la matriz obte-
Tangibles y Fiabilidad); Factor 2: variables 13, 18, nida se procedi a la simulacin con la Red obteni-
20, 21 y 22 (Dimensin Empata); Factor 3: varia- da, se utiliz Simulink obteniendo resultado con 5
bles 2, 3, y 4 (Dimensin A. Tangibles); Factor 4: grupos con Cuadrado Medio del Error CME menor
variables 6, 7, 8, 9, 10, 11, 12, 14, 15 ,16 y 17 (Di- a 0.1. La composicin de los factores (que corres-
mensiones Fiabilidad, Capacidad de Respuesta y ponden a los Grupos) con relacin a las variables
Seguridad juntas) y Factor 5 variables 19 (Dimen- fue: Factor 1: variable 19 (Dimensin Empata 1);
sin Empata 2). Los resultados fueron obtenidos Factor 2: variables 6 y 12 (Dimensiones Fiabilidad
en tabla similar a la de SERVQUAL. En este caso y Capacidad de respuesta); Factor 3: variables 3,
la agrupacin es bastante distinta de la formulacin 4, 5, 9, 10, 11, 13, 14, 16, 17, 20, 21 (Dimensiones
de las preguntas. A Tangibles, Fiabilidad, Capacidad de Respuesta y
Empata); Factor 4: variables 1, 2, 7, 8,15 ,18 y 22
3.6. Aplicacin de Redes Neuronales: Mapas Au- (Dimensiones A. Tangibles, Fiabilidad, y Empata) y
to-organizados de Kohonen y Redes de Apren- Factor 5 sin variables. En este caso la agrupacin
dizaje Competitivo LVQ Learning Vector Quanti- es bastante distinta de la formulacin de las pre-
tative guntas. En la Tabla 5, se presentan los comandos y
resultados obtenidos.
3.6.1. Redes Neuronales con Mapas Auto-orga-
Percepcin: SERVPERF
nizados
Se utiliz el software Matlab 2010 a; se aplicaron
Percepcin Expectativas: SERVQUAL
Redes Neuronales de tipo Mapas Auto Organizados
Se utiliz el software Matlab 2010 a; se aplicaron en dos fases; en la primera fase con cinco neuro-
Redes Neuronales de tipo Mapas Auto-organizados nas se ingreso la matriz 22 x 129 para obtener una
en dos fases; en la primera fase con cinco neuro- matriz de 22 x 5; y en la segunda fase se ingres la
Tabla 4. Resultados del Anlisis con K Means para SERVQUAL Percepcin - Expectativas
tem Grupo Dist tem Gr Dist tem Grupo Dist tem Grupo Dist
1 2 11.945 7 4 11.131 13 1 13.213 19 3 12.930
2 2 10.377 8 5 9.721 14 1 12.624 20 3 11.584
3 2 11.627 9 5 9.721 15 1 11.866 21 1 11.969
4 2 12.029 10 3 12.049 16 1 13.305 22 1 11.677
5 4 10.323 11 1 12.024 17 1 12.121
6 4 11.441 12 1 12.285 18 3 10.662
Fuente: Elaboracin propia.
Tabla 5. Resultados del Anlisis con Redes Neuronales con Mapas Auto-organizados para SERVQUAL Percepcin -
Expectativas
Columns 1 through 22
3344334333333334314231
matriz 22 x 5 para agrupar los datos en 5 grupos uti- de Respuesta y Empata). En este caso la agrupa-
lizando nuevamente 5 neuronas; la matriz obtenida cin es bastante similar a la formulacin de las pre-
se procedi a la simulacin con la Red obtenida, se guntas. En la Tabla 6 se presentan los comandos y
utiliz Simulink obteniendo resultado con 5 grupos resultados obtenidos.
con CME menor a 0.1. La composicin de los facto- Percepcin: SERVPERF
res (que corresponden a los Grupos) con relacin a
las variables fue: Factor 1: variable 18 y 22 (Dimen- Se utiliz el software Matlab 2010 a; se aplicaron
sin Empata 1); Factor 2: variables 20 (Dimensin Redes Neuronales de tipo Aprendizaje Compe-
Empata 2); Factor 3: variables 1, 2, 5, 6, 8, 9, 10, titivo tipo LVQ; se ingres la matriz 22 x 129. Se
11, 12, 13, 14, 15, 17, 21 (Dimensiones A Tangibles, trabaj con Red de cinco neuronas para agrupar
Fiabilidad, Capacidad de Respuesta y Empata); los datos en cinco grupos; la matriz obtenida se
Factor 4: variables 3, 4, 7, 16,19 (Dimensiones A. procedi a la simulacin con la Red obtenida con
Tangibles, Capacidad de Respuesta y Empata) y un entrenamiento de 5 000 epochs, se utiliz Si-
Factor 5 sin variables. Los resultados fueron obte- mulink obteniendo resultado con cinco grupos con
nidos en tabla similar a la de SERVQUAL. En este CME menor a 0.1. La composicin de los factores
caso la agrupacin es bastante distinta de la formu- (que corresponden a los Grupos) con relacin a las
lacin de las preguntas. variables fue: Factor 1: variables 10, 17, 18 y 19
(Dimensiones Capacidad de Respuesta, Seguridad
3.6.2. Redes Neuronales de Aprendizaje Compe- y Empata); Factor 2: variables 13, 20, 21 y 22 (Di-
titivo LVQ mensiones Capacidad de Respuesta y Empata);
Factor 3: variables 1, 2, 3, y 4 (Dimensin A. Tangi-
Percepcin Expectativas: SERVQUAL bles); Factor 4: variables 5, 6, 7, 8 y 9 (Dimensin
Se utiliz el software Matlab 2010 a; se aplicaron Fiabilidad) y Factor 5 variables 11, 12, 15 y 16 (Di-
Redes Neuronales de tipo Aprendizaje Competitivo mensiones Capacidad de Respuesta y Seguridad).
tipo LVQ; se ingreso la matriz 22 x 129 se trabaj En este caso la agrupacin es bastante distinta a la
con Red de 5 neuronas para agrupar los datos en 5 formulacin de las preguntas. Los resultados fue-
grupos; la matriz obtenida se procedi a la simula- ron obtenidos en tabla similar a la de SERVQUAL.
cin con la Red obtenida con un entrenamiento de
5000 epochs, se utiliz Simulink obteniendo resul-
IV. Discusin
tado con 5 grupos con CME menor a 0.1. La com-
posicin de los factores (que corresponden a los En la Tabla 2 de Promedios en orden descenden-
Grupos) con relacin a las variables fue: Factor 1: te, se aprecia que en ningn caso la percepcin
variables 1,2,3 y 4 (Dimensin A. Tangibles); Factor P supera a las expectativas E; es decir, todas las
2: variables 5, 6, 7, 11 y 12 (Dimensiones Fiabilidad diferencias P-E son negativas; siendo la mayor di-
y Capacidad de Respuesta) ; Factor 3: variables 13, ferencia de todas la del tem 6 (diferencia de -2);
14, 15, 16 y 17 (Dimensiones Capacidad de Res- es decir, en la biblioteca muestran poco inters por
puesta y Seguridad); Factor 4: variables 8, 9, 21 resolver los problemas de los usuarios. La segunda
y 22 (Dimensiones Fiabilidad y Empata) y Factor diferencia negativa, en magnitud, es la del tem 11;
5 variables 10,18,19 y 20 (Dimensiones Capacidad es decir, los usuarios sienten que el servicio no es
Tabla 6. Resultados del Anlisis con Redes Neuronales de Aprendizaje Competitivo LVQ para SERVQUAL Percepcin
Expectativas
Columns 1 through 22
1111222445223333355544
El Anlisis Factorial ha permitido obtener cuatro En el caso de la agrupacin con la tcnica de Redes
factores, tanto para el caso de Percepciones Ex- Neuronales con Mapas Auto-organizados se ha ob-
pectativas SERVQUAL como el de Percepciones tenido un resultado bastante distinto al del Anlisis
SERVPERF. En ambos casos se hizo una extrac- Factorial tanto para el caso de SERVQUAL como
cin con la Factorizacin Alfa y la rotacin con el SERVPERF. En ambos casos los resultados mues-
mtodo de Normalizacin Promax con Kaiser, As- tran que no se permite una clara diferenciacin de
pectos Tangibles F3, Empata F2, Fiabilidad F4 y las dimensines, por tanto esta tcnica no sera re-
Capacidad de Respuesta Seguridad F1: comendable aplicar. En estos casos hay que desta-
car que las agrupaciones no se dan con base a la
1. El Factor F1 en SERVQUAL y en SERVPERF varianza sino con base en las distancias eucldeas
explica el 49% de la varianza, se podra deno- a centros determinados por el algoritmo respectivo
minar Rapidez- Seguridad; puesto que recoge de los Mapas Auto-organizados; prcticamente se
aspectos de las preguntas relacionadas con trabaja con promedios.
Capacidad de Respuesta y Seguridad. Por lo
tanto, integra dos de las cinco dimensines ini- En el caso de la agrupacin con la tcnica de Re-
cialmente identificadas por Zeithaml, Parasura- des de Aprendizaje Competitivo LVQ para el caso
many Berry [13]. de SERVQUAL equivalente al Anlisis Factorial,
porque permite clasificar los resultados en las cinco
2. El Factor F2 en SERVQUAL explica un 7,2% dimensines; pero que si se junta en cuatro, se ten-
de la varianza total (en SERVPERF 9,5%), se dra Aspectos Tangibles, Empata, Seguridad y la
podra denominar Empata; puesto que recoge combinacin de Fiabilidad con Capacidad de Res-
aspectos de las preguntas relacionadas con la puesta. Para el caso de SERVPERF tambin se
Empata. Por lo tanto, coincide con una de las tiene un resultado equivalente al Anlisis Factorial,
cinco dimensines inicialmente identificadas porque se permite clasificar los resultados en las 5
por Zeithaml, Parasuramany Berry [13].
dimensines; pero que si se junta en cuatro, ten-
3. El Factor F3 en SERVQUAL explica un 3,2% dramos Aspectos Tangibles, Fiabilidad, Seguridad
de la varianza total (en SERVPERF 4,9%), se y la combinacin de Empata con Capacidad de
podra denominar Aspectos Tangibles; puesto Respuesta. En estos casos hay que destacar que
que recoge aspectos de las preguntas relacio- las agrupaciones no se dan con base a la varian-
nadas con los Aspectos Tangibles. Por lo tanto, za, sino con base en las distancias eucldeas que
coincide con una de las cinco dimensines ini- van variando con el ingreso de los datos a centros
cialmente identificadas por Zeithaml, Parasura- determinados por el algoritmo respectivo de Apren-
many Berry [13]. dizaje competitivo, y se hicieron 5 000 iteraciones,
Produccin y Gestin
[4] Gronroos, C. (1984). A Service Quality Model [9] Teas, K. (1993). Expectations, Performance
and its Marketing Implications. European Jour- Evaluation and Consumers Perceptions of
nal of Marketing. Vol. 18, N. 4. Quality; Journal of Marketing. Vol. 57 18-34.
[5] Hong Qin (2009). Service Quality Perceptions [10] Van Campen, C. et al. (2005) Quality of care and
in Fast Food Restaurant in China. Uiversity of patient satisfaction a review of measuring instru-
North Texas. http://www.decisionsciences.org/ ments. Medical Care Res Rev. 52:109-133.
Proceedings/DSI2008/docs/182-8380.pdf (visi- [11] Weiermair, K. (1997). Calidad de Servicios y
tada el 10-05-2011) su gestin en las empresas tursticas. Revista
Colombiana de Marketing. Papers de Turisme.
[6] Hughey, H. y Chawla, S. (2003). Measuring
N. 20.
the Quality of University Computer Labs Using
SERVQUAL: a Longitudinal Study. Journal of [12] Zamudio, M.; Cardoso, M. y Castro, W. (2005)
Quality Management. 2003, N. 3. EEUU. El Uso del SERVQUAL en la Verificacin de la
Calidad de los Servicios de Unidades de Infor-
[7] Lewis, B (1993) Service Quality Measurement. macin: El caso de la Biblioteca del Instituto de
Marketing Intelligence & Planning. Vol 11, N. 4. Pesquisas Energticas e Nucleares (IPEN).
[8] Mira, J., Buil, A., Rodrguez, J. y Aranaz J. Revista Interamericana de Bibliotecologa. Vol.
(1997). Calidad percibida del cuidado hospi- 28, N. 2.
talario: adaptacin del SERVQUAL al hospital [13] Zeithaml, V.; Parasuraman, A. y Berry, L.
pblico. Hospital Universitario de Alicante. Ga- (1990). Balancnig Customer Perceptions and
ceta Sanitaria11, 176-189. Espaa. Expectations. Ed. Free Press. EE.UU.