Optimización del proceso de aperfilamiento y tratamiento de imágenes utilizando redes neuronales convolucionales para una empresa de la industria cinematográfica y publicitaria Lima – Perú 2024

Abstract

Objetivo: establecer el nivel en la cual la implementación del uso de las Redes Neuronales Convolucionales influye en las mejoras del proceso de aperfilamiento en la selección de perfiles para el área de casting de la entidad audiovisual Spiral Producciones en Lima, Perú. Método: diseño no experimental, tipo aplicado, enfoque cuantitativo, positivista, como población son los postulantes a las convocatorias de casting entre las edades de 20 a 35 años de ambos sexos, de la provincia de Lima – Perú. Para el grupo de las convocatorias de aperfilamiento entre el mes de enero del 2023 y mayo 2024 y la muestra fue de 168 imágenes. Resultados: La prueba de Wilcoxon muestra un valor de significancia de 0.000, inferior a 0.05, lo que indica una mejora significativa tras la implementación de la variable independiente. Esto se refleja en la reducción de plazos en la clasificación de candidatos y el aperfilamiento de imágenes digitalizadas. Además, la prueba de hipótesis, con significancia de 0.000, lleva al rechazo de la hipótesis nula y a la aceptación de la alternativa, demostrando que el nuevo modelo de redes neuronales mejora los procedimientos de aperfilamiento en la selección de perfiles para casting. Conclusiones: La implementación de la utilización de Redes Neuronales Convolucionales ayudó a mejorar el procedimiento de a perfilamiento en la selección de perfiles para el área de casting respaldada por un valor de significancia fue 0,000, que evidencia ser significativamente menor al umbral teórico equivalente a 0,05.