1,720,973 research outputs found
Argentine political leaders on Twitter: A study about the midterm elections in 2017
Get PDFEl uso de las redes sociales en las campañas electorales marca el pulso de lasestrategias actuales de la comunicación política. La conversación virtual de loscandidatos promueve definiciones de los problemas públicos que pretenden operar sobre la actitud hacia el voto de los ciudadanos. El presente estudio analiza el uso de Twitter por parte de las principales líderes políticas argentinas durante la campaña de las elecciones legislativas de medio término de 2017. Específicamente, se pretende investigar cuáles fueron los temas promovidos porlas lideresas, qué tipo de interacción mantuvieron con los medios "tradicionales" y qué diálogos establecieron con los ciudadanos. Los resultados demuestran que las conversaciones en Twitter se centraron en las consignas de campaña, incluyeron información ligada a la dimensión local y no abundaron en temáticas relacionadas al género. En un contexto en que los temas ligados a la mujer cobraron relevancia en las agendas política, mediática y pública, este trabajo pretende ir más allá del uso político de Twitter para identificar rasgos particulares de la construcción del liderazgo femenino en las redes sociales en contextos electorales.The use of Online Social Networks (OSNs) in electoral campaigns is no longer an option for candidates and their campaign teams. Their performance in the virtual public sphere will mark substantial differences at the time of vote. Indeed, although the presence of politicians in social media does not guarantee their victory in elections, it is unthinkable to build their public profile outside of them. The present study intends to analyze the use of Twitter by the main female Argentinian political leaders during the campaign of the mid-term legislative elections in Argentina in 2017. Specifically, it is intended to investigate which were the topics promoted by these leaders in the public virtual sphere and what kind of dialogues they established with citizens and between them. Likewise, based on their interaction in social networks, an attempt will be made to identify which leadership characteristics these candidates possess. Finally, the aim is to analyze the influence of the gender variable on its narratives. Results show that the conversations focused on campaign slogans, they included information linked to the local dimension and did not abound on gender-related issues. In a context where issues related to women became relevant in the political, media and public agendas, this work aims to go beyond the political use of Twitter to identify particular features of the construction of female leadership in social networks.Fil: Zunino, Esteban. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto de Ciencias Humanas, Sociales y Ambientales; Argentina. Universidad Nacional de Cuyo. Facultad de Ciencias Políticas y Sociales; ArgentinaFil: Recalde Cerda, Lorena. Escuela Politécnica Nacional de Ciencias de la computación; EcuadorFil: Baquerizo Neira, Gabriela. Universidad Casa Grande; Ecuado
Desarrollo de un sistema de toma de decisiones para apoyo a los investigadores ecuatorianos basado en motores de búsqueda y de recomendación : desarrollo de módulo que implemente funciones del tipo red social para los usuarios del sistema CENTINELA.
Get PDFLa investigación científica en Ecuador ha experimentado un notable crecimiento en la última década. Sin embargo, los investigadores aún enfrentan desafíos significativos para acceder a información relevante y colaborar eficazmente. Este proyecto propone la integración de las plataformas ResNet y ReSearchDecide en una sola plataforma integral denominada CENTINELA. La nueva plataforma busca mejorar la eficiencia y efectividad de la investigación científica en Ecuador mediante la implementación de funciones tipo red social para los usuarios.
El desarrollo del componente B, parte esencial de CENTINELA, incluyó la revisión sistemática de la literatura, la definición de requisitos técnicos y funcionales, la creación de mockups, el desarrollo del frontend y backend, y la integración de ambos. El componente B permite la gestión de perfiles de usuario, la creación de publicaciones y la formación de grupos de investigación. La integración de estas funcionalidades promueve la colaboración académica y mejora el acceso a información relevante para los investigadores.Scientific research in Ecuador has experienced remarkable growth in the last decade. However, researchers still face significant challenges in accessing relevant information and collaborating effectively. This project proposes the integration of the ResNet and ReSearchDecide platforms into a single comprehensive platform called CENTINELA. The new platform aims to improve the efficiency and effectiveness of scientific research in Ecuador by implementing social network-like functions for users.
The development of component B, an essential part of CENTINELA, included a systematic literature review, the definition of technical and functional requirements, the creation of mockups, the development of the frontend and backend, and the integration of both. Component B allows for user profile management, the creation of publications, and the formation of research groups. The integration of these functionalities promotes academic collaboration and improves access to relevant information for researchers
Diseño de un modelo de búsqueda de docentes expertos con el uso del repositorio de epn aplicando minería de texto y procesamiento de lenguaje natural.
Get PDFLa gran cantidad de documentos de investigación que cada año se almacenan en los repositorios digitales una vez que los estudiantes han concluido sus estudios de pregrado o posgrado, es de suma importancia tanto en el tema propuesto como los actores que intervinieron para su desarrollo, el contenido expuesto en su totalidad permitirá satisfacer necesidades como; la búsqueda de docentes expertos que puedan ser una guía en aquellos tópicos que el estudiante tiene como afinidad. En respuesta a esta necesidad, se ha desarrollado un prototipo para la búsqueda de docentes expertos, según el tópico de entrada. Por ser un proyecto de minería de datos, se siguió la metodología CRISP-DM, la cual nos da de forma ordenada todos los pasos a seguir en este tipo de proyectos, siendo la primera etapa la más desafiante. Los documentos fueron extraídos del repositorio de la EPN. Para ello, se utilizaron algoritmos desarrollados en Python y librerías como Pandas, PyPDF2, BeautifulSoup, lxml, esto con el fin de automatizar procesos como; la descarga de información, depuración y generación de nuevos campos. El modelo se generó con BERTopic, utilizando la matriz basada c-TF-IDF para una mejor búsqueda de los datos. Finalmente, se obtuvo como producto final la consulta utilizada para la extracción de la lista clasificada generada a partir de un tópico de entrada.The large number of research documents that are stored in digital repositories each year once students have completed their undergraduate or postgraduate studies is of great importance both to the proposed topic and the actors involved in its development. The content presented as a whole will meet needs such as the search for expert teachers who can guide students in those topics with which they have an affinity. To address this need, a prototype has been developed to search for expert teachers based on the input topic. This project follows the CRISP-DM methodology, which outlines all the necessary steps for data mining projects. The first stage is often the most challenging. The documents were extracted from the EPN repository using algorithms developed in Python and libraries such as Pandas, PyPDF2, BeautifulSoup, and lxml. These tools automate various processes, including downloading information, cleaning data, and generating new fields. A model was created using BERTopic, which utilized a c-TF-IDF-based matrix to enhance data search capabilities. Ultimately, the final product was the query used to extract a classified list generated from a specified input topic
Desarrollo de un modelo de recomendación de rutas personalizadas para grupos de ciclistas empleando sequence-aware recommender systems.
Get PDFEn el contexto actual, se observa un crecimiento significativo en la adopción de tecnologías interactivas en el ámbito deportivo, ejemplificado por plataformas como Strava, Garmin Connect y Fitocracy. Este impulso competitivo ha catalizado avances en las características funcionales, resultando en aplicaciones deportivas más accesibles que transforman el panorama sociotécnico de las prácticas deportivas. Sin embargo, a pesar de la presencia generalizada de sistemas de recomendación en sectores como el comercio electrónico, su integración en la industria deportiva sigue siendo limitada. Este trabajo se centra en la creación de un Sistema de Recomendación de Grupos (GRS) para rutas ciclistas personalizadas, utilizando Sistemas de Recomendación conscientes de la Secuencia. El objetivo principal es mejorar la experiencia del usuario al ofrecer sugerencias de rutas a grupos de ciclistas, promoviendo la exploración de nuevas rutas. Enmarcado en la Investigación en Design Science Research (DSR), el proyecto establece un marco conceptual para el diseño y construcción de artefactos. Los resultados experimentales revelan una correlación positiva entre la calidad de la ganancia acumulativa normalizada descontada (NDCG) y el tamaño del grupo de usuarios, destacando mejoras en el rendimiento en grupos más grandes debido a la mayor diversidad. El modelo Prod2vec, entrenado con el algoritmo GoSS-Rec, supera consistentemente a las alternativas en métricas de diversidad y novedad, subrayando su potencial para ofrecer recomendaciones diversas y novedosas en grupos de diferentes tamaños. Este enfoque contribuye a la evolución de los sistemas de recomendación en ámbitos no tradicionales como el ciclismo, mejorando la experiencia deportiva para los usuarios.In recent times, there has been a notable increase in the adoption of technologies and interactive platforms within the realm of physical fitness and sports. This trend is exemplified by the emergence of products such as Strava, Garmin Connect, and ®Fitocracy. The competitive dynamics within this sector have driven progress in functional features, resulting in the development of more user-friendly applications that reshape the sociotechnical landscape of sports practices. At the same time, despite the widespread prevalence of recommendation systems in sectors like e-commerce and entertainment, their integration into new domains, particularly the sports industry, remains relatively limited. This study presents the creation of a Group Recommender System (GRS) designed for per-sonalized cycling routes, employing Sequence-Aware Recommender Systems. The main objective is to improve the user experience by providing route suggestions to groups of cyclists, encouraging the discovery of new routes. Anchored in the Design Science Research (DSR) framework, the project lays the foundation for an extensive conceptual framework governing the design and construction of artifacts. Experimental findings highlight a positive correlation between normalized discounted cumulative gain quality (NDCG) and user group size, underscoring enhanced performance in larger groups due to increased diversity. Additionally, in model training with the GoSS-Rec algorithm, the Prod2vec model consistently outperforms alternatives in diversity and novelty metrics for both small and large groups. This emphasizes the potential of the GoSS-Rec algorithm with Prod2vec to excel in providing diverse and novel recommendations across groups of varying sizes, contributing to the evolution of recommendation systems in nontraditional domains
Desarrollo de un sistema de toma de decisiones para apoyo a los investigadores ecuatorianos basado en motores de búsqueda y de recomendación : Implementación del módulo de analítica: dashboards y estadísticas para la toma de decisiones.
Get PDFCENTINELA es un proyecto que se presenta como una solución para los desafíos de comunicación y colaboración que enfrentan los investigadores ecuatorianos. El proyecto se centra en la integración de las funcionalidades de motor de búsqueda y visualización de redes de coautoría del sistema ResNet, con las funcionalidades de consenso y recomendación para la formación de grupos de investigación del sistema ResearchDecide. Al contar con las funcionalidades de ambos sistemas, CENTINELA se postula como una herramienta robusta en la que los investigadores tendrán acceso a información relevante podrán colaborar activamente en sus propios grupos de investigación. Para el desarrollo del sistema se emplearon las tecnologías Angular para el frontend, que unifica las funcionalidades de ResNet y ResearchDecide. Por otro lado, para el backend se utilizó Django Rest Framework, asegurando la escalabilidad del sistema. En el proyecto, además, se incluye el desarrollo del Componente D, denominado “Módulo de Analítica: Dashboards y estadísticas para la toma de decisiones”, que proporcionará dashboards a través del seguimiento de la metodología Noetix integrada en SCRUM. Este componente permitirá que tanto investigadores como instituciones puedan evaluar el rendimiento de sus propias investigaciones, obteniendo métricas que les sirvan como guía para tomar decisiones informadas respecto a sus futuras investigaciones.CENTINELA is a project that presents itself as a solution to the communication and collaboration challenges faced by Ecuadorian researchers. The project focuses on integrating the search engine and co-authorship network visualization functionalities of the ResNet system with the consensus and recommendation functionalities for forming research groups of the ResearchDecide system. With the functionalities of both systems, CENTINELA positions itself as a robust tool where researchers will have access to relevant information and can actively collaborate within their research groups. For the system’s development, Angular was used for the frontend, which unifies the functionalities of ResNet and ResearchDecide. On the other hand, Django Rest Framework was used for the backend, ensuring the system’s scalability. Additionally, the project includes the development of Component D, called “Analytics Module: Dashboards and statistics for decision making”, which will provide dashboards through the Noetix methodology integrated with SCRUM. This component will allow both researchers and institutions to evaluate the performance of their own research, obtaining metrics to guide informed decision-making regarding future research
Desarrollo de un modelo de síntesis y ranking de hechos relevantes aplicado a medios de prensa digitales en base a minería de datos y retroalimentación del usuario final.
Get PDFEl crecimiento de usuarios en Internet, incrementado más aún durante la pandemia de COVID-19, a la par del crecimiento exponencial de noticias electrónicas; han generado la necesidad de crear nuevas herramientas que permitan analizar y sintetizar las ideas que buscan transmitirse a través de estas noticias. El presente proyecto de titulación presenta un modelo para clusterización de noticias, síntesis de hechos relevantes y ranking. El modelo se fundamenta en prácticas de minería de datos haciendo uso de modelos Large Language Models (LLMs) y Machine Learning (ML), y permite la retroalimentación en base a la valoración del usuario final. El modelo conforma una métrica compuesta que permite filtrar la información que se considera útil y un conocimiento valioso para el usuario.
El desarrollo de este modelo ha sido realizado siguiendo el marco de referencia de la metodología Cross Industry Standard Process for Data Mining. Esto ha permitido un avance gradual para poder ir afinando los resultados en base a las variables de entrada y salida de cada una de las fases seguidas.
Los resultados obtenidos tras implementar los modelos desarrollados han sido satisfactorios. Se generaron 7.761 clústers de diarios afines y se ha podido sintetizar el contenido relevante para el usuario. Se deduce del análisis que la media del contenido tras ser puntuado es de 54,13 sobre 100 puntos. A la vez se construyó un modelo de regresión para poder predecir la autoridad que generaría en Internet el titular con un score de predicción del 91,85%.Internet users’ growth, which has been increased even more during the COVID-19 pandemic, along with the exponential growth of electronic news, has generated the need to create new tools which allow analyzing and synthesizing the ideas which want to be transmitted. In this project a model for news clustering, synthesis of relevant facts and ranking is presented. The model is based on data mining practices using large language models (LLM) and machine learning (ML), and allows feedback based on the end user's assessment. The model, based on several factors, creates a composite metric that allows filtering the information that is considered useful and valuable knowledge for the end user.
The development of this model has been carried out following the reference framework of the Cross Industry Standard Process for Data Mining methodology. The CRISP-DM methodology has allowed gradual progress while being able to refine the results based on the input and output variables of each of the phases followed.
Obtained results after implementing the developed models have been satisfactory. A total of 7,761 clusters of related news stories have been generated, and the relevant content for the end user has been synthesized. It can be deduced from the analysis that the average of the content after being scored is 54.13 in a scale of 100 points. At the same time, a regression model was built to predict the authority that the news story would generate on the Internet, the prediction score obtained has been of 91.85%
Recomendación de contenido novedoso para grupos académicos basado en algoritmos de Inteligencia Artificial.
Get PDFLas redes académicas conectan investigadores mediante relaciones de colaboración científica, facilitando el intercambio de conocimiento en un entorno diverso y en constante cambio. Elegir temas de investigación relevantes y novedosos representa un desafío clave, por lo que el desarrollo de una herramienta de recomendación grupal se plantea como una solución transformadora. Esta herramienta analiza publicaciones académicas para identificar patrones, tendencias y áreas emergentes específicas del campo de cada grupo. Mediante un enfoque colaborativo, genera recomendaciones innovadoras y pertinentes, presentando contenido aún inexplorado por los investigadores. La "novedad" es un eje fundamental que estimula el descubrimiento de nuevos temas, impulsa la innovación en proyectos y optimiza recursos al explorar alternativas prometedoras. El desarrollo de la herramienta incluyó la identificación de grupos de colaboración científica y la generación de recomendaciones de áreas de interés mediante técnicas avanzadas como FP-Growth, SentenceBERT, KeyBERT y BERTopic. Un aspecto destacado fue la incorporación de un índice de novedad para enriquecer las sugerencias, promoviendo así investigaciones más creativas y relevantes. Se adoptó la metodología de Investigación en Ciencia del Diseño (Design Science Research, DSR), integrando modelos para la detección de grupos, estrategias de agregación de preferencias y técnicas de inteligencia artificial para el análisis y manipulación de texto. Este enfoque permitió estructurar un sistema efectivo que combina inteligencia artificial con el entendimiento profundo de las dinámicas académicas, ofreciendo una herramienta valiosa para la generación de conocimiento en redes colaborativas.Academic networks refer to the connections between researchers and scholars through collaborative scientific relationships. In an ever-evolving academic environment with a wide diversity of research fields, selecting relevant and novel research topics becomes a critical challenge. To address this issue, the design and development of a group recommendation tool emerge as a potentially transformative solution. By analyzing academic publications, the proposed tool will identify patterns, trends, and emerging areas within the research field of each group. Using a collaborative approach, it will provide tailored recommendations to group members, presenting innovative and relevant research alternatives. The concept of “novelty” is pivotal to enriching recommendations with content that researchers have not yet explored. This can encourage the identification of new research topics, foster innovation in projects, help identify promising opportunities, and optimize time and resources by focusing on areas with significant potential. This research involved identifying scientific collaboration groups and generating recommendations for the most relevant areas of interest using advanced techniques such as FP-Growth, SentenceBERT, KeyBERT, and BERTopic. Additionally, the study introduced a novelty index to enhance these recommendations. To achieve this, the methodology of Design Science Research (DSR) will be employed. The approach will incorporate models for group detection, strategies for aggregating member preferences, and artificial intelligence-based techniques for text analysis and processing
Desarrollo de un sistema de toma de decisiones y consenso grupal aplicado a los motores de recomendación : desarrollo del módulo de manejo de usuarios, grupos y notificaciones para el sistema de toma de decisiones y consenso grupal aplicado a los motores de recomendación.
No full textDentro de los propósitos más importantes de un Sistema de Recomendación Grupal, se tiene la etapa de consenso o toma de decisiones. La etapa de toma de decisiones coincide también con las actividades frecuentes que realiza un grupo de investigación, especialmente cuando existe una discusión y un diálogo para elegir un tema de investigación apropiado y ajustado a las habilidades e intereses de los investigadores. Sin embargo, agrupar investigadores y tomar decisiones requiere de técnicas y herramientas acorde a las necesidades de interacción grupal de las personas. En respuesta a la necesidad planteada se implementó, bajo la norma y guía de Scrum y la metodología BDD (Businness Driven Development), un aplicativo multiplataforma que se basa en el módulo de manejo de usuarios, manejo de grupos de usuarios y notificaciones de las actividades de grupo para el Sistema de Toma de Decisiones y Consenso Grupal Aplicando a los Motores de Recomendación. El módulo busca mejorar la experiencia y satisfacción del usuario "investigador" que busca conformar grupos de investigación y añadir a colaboradores interesados en realizar trabajos de investigación respecto a las recomendaciones dadas por el sistema al grupo.One of the most important purposes of a Group Recommendation System involves the consensus stage or decision-making process. The decision-making stage also aligns with the common activities carried out by a research group, particularly when there is a discussion and dialogue to choose a suitable research topic aligned with the skills and interests of the researchers. However, grouping researchers and making decisions necessitate techniques and tools that cater to the group interaction needs of individuals. In response to this identified need, an application was developed under the standards and guidance of Scrum and the Business Driven Development (BDD) methodology. This multiplatform application is built upon the user management module, user group management, and group activity notifications for the Group Decision-Making and Consensus System Applied to Recommendation Engines. The module aims to enhance the experience and satisfaction of the "researcher" user who seeks to form research groups and add collaborators interested in conducting research based on the recommendations provided by the system to the group
Desarrollo de un modelo “bias-aware” de recomendación de contenido para usuarios de twitter con uso de estrategias de aprendizaje automático y minería de texto.
Get PDFEste proyecto propone el desarrollo de un modelo que permita disminuir el sesgo en las recomendaciones de
contenido de Twitter basado en estrategias de análisis de sesgo. El objetivo es que se pueda detectar,
simplificar, minimizar y alcanzar cierto grado de imparcialidad durante la ejecución de los algoritmos que
permiten identificar el sesgo en los Sistemas de Recomendación. Con el desarrollo del modelo bias-aware, este
trabajo persigue evaluar y demostrar la existencia de sesgo. El corpus con el que se trabaja corresponde al Paro
Nacional que se dio en junio 2022 y la Muerte Cruzada en junio 2023. El procedimiento empieza con la
limpieza de los datos, se emplea técnicas como: tokenización, eliminación de stopwords, tweets duplicados,
entre otras. Cuando los datos se encuentran limpios se emplea word2vec para crear vectores de 50, 100 y 200
dimensiones. A continuación, se aplica el algoritmo k-means para identificar clústers. Se calculan los
centroides de cada clúster y una vez que se determina el clúster de política se etiqueta los tweets que tienen
contenido político. Luego se evalúa con diferentes algoritmos de clasificación como: SVM, árboles de decisión,
KNN y Naive Bayes para las diferentes dimensiones. Finalmente, se propone un modelo que empleará un
nuevo diccionario de política formado a partir de las distancias mínimas de las palabras del clúster de política a
los otros clústers. Con este nuevo clúster se repite el procedimiento de evaluación de algoritmos. Las métricas
empleadas son: Accuracy, F1-score, Recall, Precisión, F2 y F0.5.This project proposes the development of a model that allows reducing bias in Twitter content
recommendations based on bias analysis strategies. The objective is to detect, simplify, minimize, and achieve
a certain degree of impartiality during the execution of algorithms that identify bias in Recommendation
Systems. With the development of the bias-aware model, this work aims to evaluate and demonstrate the
existence of bias. The corpus used in this project corresponds to the National Strike that occurred in June 2022
and the Crossed Death in June 2023. The procedure begins with data cleaning, employing techniques such as
tokenization, removal of stopwords, elimination of duplicate tweets, among others. Once the data is cleaned,
word2vec is used to create vectors of 50, 100, and 200 dimensions. Next, the k-means algorithm is applied to
identify clusters. The centroids of each cluster are calculated, and once the political cluster is determined,
tweets containing political content are labeled. Then, different classification algorithms such as SVM, decision
trees, KNN, and Naive Bayes are evaluated for the different dimensions. Finally, a model is proposed that will
use a new political dictionary formed from the minimum distances of words in the political cluster to other
clusters. With this new cluster, the algorithm evaluation procedure is repeated. The metrics used include
Accuracy, F1-score, Recall, Precision, F2, and F0.
Desarrollo de un sistema de toma de decisiones para apoyo a los investigadores ecuatorianos basado en motores de búsqueda y de recomendación : automatización del proceso de extracción, depuración, y almacenamiento de datos de Scopus mediante la API de Elsevier.
Get PDFEste documento aborda la creciente necesidad de colaboración y eficiencia en la investigación científica, reflejada en el aumento de documentos y la complejidad de las interacciones entre expertos. Para enfrentar estos desafíos, se desarrollaron dos aplicaciones complementarias: ResNet, un motor de búsqueda que visualiza redes de coautoría entre investigadores, y ResearchDecide, un sistema de recomendación para la formación de equipos de investigación. La integración de estas herramientas dio lugar a Centinela, una solución integral diseñada para optimizar la colaboración científica. Centinela combina las capacidades de ResNet y ResearchDecide, ofreciendo una plataforma que facilita tanto la visualización de redes de investigación como la gestión de equipos científicos. Para el frontend, se utilizó Angular, proporcionando una interfaz dinámica y receptiva. El backend se construyó con Django Rest Framework, asegurando una API robusta y escalable, y se implementó una arquitectura hexagonal para facilitar la escalabilidad y el mantenimiento del sistema. El proyecto se centra en automatizar la extracción, limpieza y almacenamiento de datos, mejorando la integridad y consistencia de la información, reduciendo errores humanos y aumentando la eficiencia. Centinela representa un avance significativo en la integración de herramientas de investigación, abordando eficazmente los problemas de colaboración y gestión de datos en el ámbito científico.This paper addresses the growing need for collaboration and efficiency in scientific research, reflected in the increase in documents and the complexity of interactions between experts. To address these challenges, two complementary applications were developed: ResNet, a search engine that visualizes co-authorship networks between researchers, and ResearchDecide, a recommendation system for the formation of research teams. The integration of these tools gave rise to Centinela, a comprehensive solution designed to optimize scientific collaboration. Centinela combines the capabilities of ResNet and ResearchDecide, offering a platform that facilitates both the visualization of research networks and the management of scientific teams. For the frontend, Angular was used, providing a dynamic and responsive interface. The backend was built with Django Rest Framework, ensuring a robust and scalable API, and a hexagonal architecture was implemented to facilitate scalability and system maintenance. The project focuses on automating data extraction, cleaning, and storage, improving the integrity and consistency of information, reducing human errors, and increasing efficiency. Sentinel represents a significant advance in the integration of research tools, effectively addressing the problems of collaboration and data management in the scientific field
- …
