Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/75907
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | จันทร์เจ้า มงคลนาวิน | - |
| dc.contributor.author | นคร ศรีณรงค์ | - |
| dc.contributor.other | จุฬาลงกรณ์มหาวิทยาลัย. คณะพาณิชยศาสตร์และการบัญชี | - |
| dc.date.accessioned | 2021-09-21T05:40:44Z | - |
| dc.date.available | 2021-09-21T05:40:44Z | - |
| dc.date.issued | 2563 | - |
| dc.identifier.uri | http://cuir.car.chula.ac.th/handle/123456789/75907 | - |
| dc.description | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2563 | - |
| dc.description.abstract | ศูนย์บริการข้อมูลลูกค้าเป็นช่องทางสำคัญในการติดต่อระหว่างภาคธุรกิจและลูกค้า ตัวชี้วัดที่สำคัญของการทำงานของศูนย์บริการข้อมูลลูกค้าคือความพึงพอใจของลูกค้า ข้อมูลหลักที่ได้จากศูนย์บริการข้อมูลลูกค้าคือเสียงสนทนา ทำให้ผู้วิจัยสนใจที่จะศึกษาแนวทางในการสร้างตัวแบบรู้จำบุคลิกภาพจากเสียง ข้อมูลเสียงและเพศถูกเก็บจากหน่วยตัวอย่าง 92 คน พร้อมกับข้อมูลบุคลิกภาพโดยใช้แบบวัด MPI (Maudsley Personality Inventory) แบบวัดดังกล่าวแบ่งบุคลิกภาพออกเป็น 2 ด้าน คือด้าน E-scale (Extraversion และ Introversion) และ N-scale (Neuroticism และ Stability) ซึ่งนำมาใช้ในการพัฒนาตัวแบบจำแนกบุคลิกภาพทั้งสองด้าน เทคนิคที่ใช้ในการพัฒนาตัวแบบประกอบด้วย Logistic regression, SVM, Random forest และ Artificial neural network โดยพบว่าตัวแบบที่พัฒนาด้วยเทคนิค Artificial neural network มีประสิทธิภาพสูงสุดในการรู้จำ E-scale โดยมีค่า Positive predictive value (ค่าวัดประสิทธิภาพของ Introversion) เท่ากับ 0.71 และค่า Negative predictive value (ประสิทธิภาพของ Extraversion) เท่ากับ 0.75 ในส่วนของ N-scale ไม่พบตัวแบบที่พัฒนาด้วยเทคนิคใดมีประสิทธิภาพเพียงพอ ในการศึกษาครั้งนี้พบว่าบุคลิกภาพ Extraversion และ Introversion ซึ่งสามารถนำมาประยุกต์กับงานภาคธุรกิจ สามารถรู้จำจากเสียงสนทนาในบริบทศูนย์บริการข้อมูลลูกค้า โดยสามารถนำไปใช้มอบหมายพนักงานที่มีบุคลิกภาพเหมือนกับลูกค้าเพื่อเพิ่มความพึงพอใจของลูกค้าในการติดต่อสื่อสาร ภาคธุรกิจยังสามารถนำข้อมูลบุคลิกภาพเหล่านี้ไปใช้ต่อยอดในการแนะนำผลิตภัณฑ์ หรือโฆษณา ให้เหมาะสมกับลูกค้าแต่ละคน | - |
| dc.description.abstractalternative | A call center is an important communication channel between a business and its customers. It is undeniable that customer satisfaction can be increased if personalized services relating to personality. Researches are suggesting that a person’s personality can be recognized from his/her conversational voice. This study focuses on developing a personality recognition model to predict each MPI (Maudsley Personality Inventory) personality dimension from each conversational voice. The MPI personality dimension includes E-scale (Extraversion and Introversion) and N-scale (Neuroticism and Stability). Audio files of conversational voice were collected from 92 volunteers with the simulated call center context. Logistic regression, Support Vector Machine (SVM), Random forest, and Artificial neural networks were used in the modeling process. The result shows that the model generated by using Artificial neural networks has the best performance on predicting the E-scale. The model has the positive predictive value (Introversion prediction) and the negative predictive value (Extraversion prediction) equal to 0.71 and 0.75, respectively. No model shows satisfying performance on N-scale. This study shows a piece of evidence that E-scale in MPI, can be effectively recognized from each person’s conversational voice made through call centers. The model can be beneficial such as call center management, personalized product offering. | - |
| dc.language.iso | th | - |
| dc.publisher | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.relation.uri | https://doi.org/10.58837/CHULA.THE.2020.525 | - |
| dc.rights | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.subject.classification | Business | - |
| dc.title | การพัฒนาตัวแบบรู้จำบุคลิกภาพจากเสียงสนทนาในบริบทของศูนย์ให้บริการข้อมูลลูกค้า | - |
| dc.title.alternative | A development of personality recognition model from conversation voice in call center context | - |
| dc.type | Thesis | - |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | - |
| dc.degree.level | ปริญญาโท | - |
| dc.degree.discipline | เทคโนโลยีสารสนเทศทางธุรกิจ | - |
| dc.degree.grantor | จุฬาลงกรณ์มหาวิทยาลัย | - |
| dc.subject.keyword | ศูนย์บริการข้อมูลลูกค้า | - |
| dc.subject.keyword | การรู้จำบุคลิกภาพ | - |
| dc.subject.keyword | การเรียนรู้ของเครื่อง | - |
| dc.subject.keyword | MPI (Maudsley Personality Inventory) | - |
| dc.subject.keyword | Call center | - |
| dc.subject.keyword | Personality recognition | - |
| dc.subject.keyword | Machine learning | - |
| dc.subject.keyword | MPI (Maudsley Personality Inventory) | - |
| dc.identifier.DOI | 10.58837/CHULA.THE.2020.525 | - |
| Appears in Collections: | Acctn - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 6181529826.pdf | 1.12 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.