Análisis del Brand Equity de un colegio privado de la región Arequipa. Caso: colegio Vancouver
Bibliographic record
Abstract
La presente investigación es un estudio descriptivo y exploratorio. Tiene como objetivo \ngeneral analizar la situación actual del brand equity de la institución educativa particular \nVancouver de Arequipa para presentar alternativas de mejora posteriormente. Se aplicó como \nmetodología de la investigación el análisis cuantitativo. Para ello, se tuvo como sujetos de estudio \na las madres y padres que tienen a sus hijas (os) matriculadas (os) en la institución educativa \nVancouver. \nPara el logro de este objetivo general, se empleó la teoría de Brand Equity de Kevin K. \nKeller. En primer lugar, se realizó un inventario de marca. Para ello, se utilizó una perspectiva \nteórica de las 7Ps del marketing mix de servicios educativos donde se agruparon las características \nde la institución educativa. En segundo lugar, se realizó una exploración de marca bajo el modelo \nValor de Capital de Marca Basado en el Consumidor [VCMBC] de Kevin K. Keller (2008). En \neste, se replicó una encuesta que se contextualizó para la institución educativa Vancouver \nmediante la validación de tres expertos. Luego se realizó el Análisis Factorial Confirmatorio \nmediante el uso del software SPSS que validó dicha encuesta resultando altamente fiable. \nFinalmente, se procedió a proponer lineamientos para el desarrollo de la marca Vancouver. \nComo resultado de este estudio, se obtuvo que el valor de marca de Vancouver cuenta \ncon un Brand Equity positivo con sus clientes actuales según el modelo VCMBC de Kevin K. \nKeller. Esto se puede sustentar con los hallazgos de las 7Ps del marketing mix, ya que se muestra \nla situación actual de la nueva marca, en comparación a la anterior, debido a los diversos cambios \nque tuvo a lo largo del tiempo. Cabe resalta que, dada la alta confiabilidad, la encuesta validada \nsolo puede ser utilizado por la institución en vista de que se contextualizó para sus clientes \nactuales. \nFinalmente, la originalidad de la presente investigación se debe a que se estudia tanto al \nmarketing mix como la medición del brand equity en una institución del sector educativo del \nPerú. Al ser una de las primeras investigaciones, se espera que los resultados ayuden en el proceso \nde toma de decisiones a las personas involucradas en el manejo de la organización para alcanzar \nsus objetivos de marketing planteados.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".