Relación entre la percepción de la calidad del servicio del Corredor Central Norte de Quito y la probabilidad de migración al Metro

Autores/as

  • Sandy González Ruiz Universidad Politécnica Salesiana, Guayaquil, Ecuador

Palabras clave:

Calidad, Percepción, Satisfacción, SERVPERF, Migración de usuario, Transporte público

Resumen

La percepción de la calidad de los servicios y la satisfacción del cliente son elementos interconectados entre sí que pueden llegar a determinar la prevalencia y sostenibilidad de una organización en mercados cada vez más competitivos. Fue así como se planteó por objetivo de la presente investigación determinar la relación entre la percepción de la calidad que tiene el usuario de la Línea Corredor Central Norte de la ciudad de Quito y la probabilidad de su migración al nuevo servicio del Metro. Para dar cumplimiento a tal propósito, se llevó a cabo un estudio de enfoque cuantitativo y correlacional en el cual participaron 385 usuarios que utilizan el mencionado servicio de transportación. La información fue recopilada mediante la aplicación de un cuestionario derivado del modelo SERVPERF que, a través de cinco dimensiones, mide la percepción de la calidad de los clientes respecto a un servicio. La confiabilidad y validez del instrumento de investigación fue determinada a través del cálculo de los coeficientes Alfa de Cronbach y KMO, realizándose adicionalmente estudios confirmatorios y exploratorios que demostraron la consistencia interna y la correlación entre los ítems del cuestionario. Las pruebas estadísticas aplicadas fueron Chi-cuadrado y el V de Cramer, demostrando así los resultados obtenidos; que el nivel de percepción de calidad de los usuarios tiene un efecto significativo sobre la probabilidad de que estos cambien de servicio de transportación.

Publicado

2021-04-10

Número

Sección

Articulos

Cómo citar

Relación entre la percepción de la calidad del servicio del Corredor Central Norte de Quito y la probabilidad de migración al Metro. (2021). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 16, 82-94. https://fs.unm.edu/NCML2/index.php/112/article/view/152