Este artículo analiza los antecedentes del Marketing Boca a Boca en el contexto de instituciones de educación superior en Chile. El modelo de investigación propone como antecedentes del Marketing Boca a Boca la satisfacción y la lealtad de los estudiantes. Establece también que la variable satisfacción de los estudiantes es influenciada por las variables imagen y valor percibido de la Universidad. A partir de una muestra de 317 estudiantes y aplicando SMARTPLS 3.0, se confirmaron todas las relaciones propuestas en el modelo, siendo la satisfacción el principal antecedente en este contexto de Marketing Boca a Boca.

El objetivo de esta investigación es analizar la relación entre la inteligencia emocional (IE), el conflicto trabajo familia (CTF), la satisfacción laboral (SL), el desempeño (D) y la intención de dejar el trabajo (IDT), en el contexto de los docentes de educación primaria semi-particular de la región de Antofagasta (Chile). Fueron seleccionados 140 docentes (81% mujeres) a través de un muestreo no probabilístico por conveniencia. Este es un estudio de enfoque cuantitativo con medidas validadas en forma de cuestionarios de auto-respuesta. El análisis de los datos se realizó mediante el método de dos etapas en ecuaciones estructurales. Los resultados señalan que el modelo planteado tiene una significativa e importante capacidad de explicar el desempeño, la satisfacción laboral y la intención de dejar el trabajo de los docentes. Así mismo, es posible concluir que la inteligencia emocional juega un importante rol en la satisfacción laboral y el desempeño de los docentes.

Este trabajo busca identificar motivaciones de clientes de servicios hoteleros para co-destruir el valor de estos servicios por medio del boca a boca electrónico (e-WOM, en inglés) negativo en las diferentes plataformas web. Se proponen como motivaciones la desconfirmación y desconfianza con e-WOM, además de la insatisfacción, la venta de sentimientos negativos y el altruismo. A partir de encuestas en línea se buscó identificar a usuarios que hayan tenido conductas co-destructivas hacia servicios que adquirieron; es decir, personas que hayan experimentado una situación negativa con algún proveedor de servicios hoteleros durante los últimos 12 meses y que hayan generado e-WOM negativos. Por medio de SMARTPLS, se buscó contrastar las relaciones propuestas. Los resultados del estudio muestran las motivaciones que llevan al cliente hotelero a co-destruir a través del e-WOM negativo en diferentes plataformas web, frente a experiencias negativas. Se concluye que las personas que co-destruyen por medio de e-WOM negativo realizan esta acción por la insatisfacción con el servicio recibido.

No abstract

Feature models (FMs) appeared more than 30 years ago, and they are valuable tools for modeling the functional variability of systems. The automated analysis of feature models (AAFM) is currently a thriving, motivating, and active research area. The product configuration of FMs is a relevant and helpful operation, a crucial activity overall with large-scale feature models. The minimal conflict detection, the diagnosis of in-conflict configuration, and the product completion of consistent partial configuration are significant operations for obtaining consistent and well-defined products. Overall, configuring products for large-scale variability intensive systems (VIS) asks for efficient automated solutions for minimal conflict, diagnosis, and product configuration. Given the relevance of minimal conflict, diagnosis, and product configuration, and the current application of large-scale configuration and FMs for representing those systems and products, the main goals of this research paper are to establish the fundaments of the product configuration of feature models and systematically review existing solutions for the conflict detection, diagnosis, and product completion in FMs from 2010 to 2019. We can perceive that even though modern computing approaches exist for AAFM operations, no solutions exist for assisting the product configurations before 2020. This article reports that in 2020, new solutions appear regarding applying parallel computing for those goals. This research highlights research opportunities for developing new and more efficient solutions for conflict detection, diagnosis, and product completion of large-scale configurations.