Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas
- Autores
- Suarez, Franco Marcelo; Giannini Kurina, Franca; Bruno, Cecilia Ines; Rodriguez Pardina, Patricia; Giménez, María de la Paz; Reyna, Pablo Gastón; Torrico, Karina; Balzarini, Monica Graciela
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción.
Fil: Suarez, Franco Marcelo. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina
Fil: Giannini Kurina, Franca. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina
Fil: Bruno, Cecilia Ines. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina
Fil: Rodriguez Pardina, Patricia. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina
Fil: Giménez, María de la Paz. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina
Fil: Reyna, Pablo Gastón. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina
Fil: Torrico, Karina. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina
Fil: Balzarini, Monica Graciela. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina
50ª Jornadas Argentinas de Informática
Argentina
Sociedad Argentina de Informática
Instituto Nacional de Tecnología Agropecuaria - Materia
-
BORUTA
ALGORITMO GENETICO
FILTRADO
ANALSIS COMPONENTES PRINCIPALES - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
.jpg)
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/249280
Ver los metadatos del registro completo
| id |
CONICETDig_62163d830591e616510d192c33711fb7 |
|---|---|
| oai_identifier_str |
oai:ri.conicet.gov.ar:11336/249280 |
| network_acronym_str |
CONICETDig |
| repository_id_str |
3498 |
| network_name_str |
CONICET Digital (CONICET) |
| spelling |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticasSuarez, Franco MarceloGiannini Kurina, FrancaBruno, Cecilia InesRodriguez Pardina, PatriciaGiménez, María de la PazReyna, Pablo GastónTorrico, KarinaBalzarini, Monica GracielaBORUTAALGORITMO GENETICOFILTRADOANALSIS COMPONENTES PRINCIPALEShttps://purl.org/becyt/ford/4.1https://purl.org/becyt/ford/4La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción.Fil: Suarez, Franco Marcelo. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; ArgentinaFil: Giannini Kurina, Franca. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; ArgentinaFil: Bruno, Cecilia Ines. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; ArgentinaFil: Rodriguez Pardina, Patricia. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; ArgentinaFil: Giménez, María de la Paz. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; ArgentinaFil: Reyna, Pablo Gastón. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; ArgentinaFil: Torrico, Karina. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; ArgentinaFil: Balzarini, Monica Graciela. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina50ª Jornadas Argentinas de InformáticaArgentinaSociedad Argentina de InformáticaInstituto Nacional de Tecnología AgropecuariaSociedad Argentina de Informática2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectJornadaJournalhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/249280Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas; 50ª Jornadas Argentinas de Informática; Argentina; 2021; 2019-2192525-0949CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://50jaiio.sadio.org.ar/pdfs/cai/CAI-28.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:53:14Zoai:ri.conicet.gov.ar:11336/249280instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:53:14.378CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
| dc.title.none.fl_str_mv |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| title |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| spellingShingle |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas Suarez, Franco Marcelo BORUTA ALGORITMO GENETICO FILTRADO ANALSIS COMPONENTES PRINCIPALES |
| title_short |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| title_full |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| title_fullStr |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| title_full_unstemmed |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| title_sort |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
| dc.creator.none.fl_str_mv |
Suarez, Franco Marcelo Giannini Kurina, Franca Bruno, Cecilia Ines Rodriguez Pardina, Patricia Giménez, María de la Paz Reyna, Pablo Gastón Torrico, Karina Balzarini, Monica Graciela |
| author |
Suarez, Franco Marcelo |
| author_facet |
Suarez, Franco Marcelo Giannini Kurina, Franca Bruno, Cecilia Ines Rodriguez Pardina, Patricia Giménez, María de la Paz Reyna, Pablo Gastón Torrico, Karina Balzarini, Monica Graciela |
| author_role |
author |
| author2 |
Giannini Kurina, Franca Bruno, Cecilia Ines Rodriguez Pardina, Patricia Giménez, María de la Paz Reyna, Pablo Gastón Torrico, Karina Balzarini, Monica Graciela |
| author2_role |
author author author author author author author |
| dc.subject.none.fl_str_mv |
BORUTA ALGORITMO GENETICO FILTRADO ANALSIS COMPONENTES PRINCIPALES |
| topic |
BORUTA ALGORITMO GENETICO FILTRADO ANALSIS COMPONENTES PRINCIPALES |
| purl_subject.fl_str_mv |
https://purl.org/becyt/ford/4.1 https://purl.org/becyt/ford/4 |
| dc.description.none.fl_txt_mv |
La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción. Fil: Suarez, Franco Marcelo. Instituto Nacional de Tecnología Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatología y Modelización Agrícola - Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Unidad de Fitopatología y Modelización Agrícola; Argentina. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Departamento de Desarrollo Rural. Area de Estadística y Biometría; Argentina Fil: Giannini Kurina, Franca. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina Fil: Bruno, Cecilia Ines. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina Fil: Rodriguez Pardina, Patricia. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina Fil: Giménez, María de la Paz. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina Fil: Reyna, Pablo Gastón. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina Fil: Torrico, Karina. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. - Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola.; Argentina Fil: Balzarini, Monica Graciela. Instituto Nacional de Tecnologia Agropecuaria. Centro de Investigaciones Agropecuarias. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma | Consejo Nacional de Investigaciones Cientificas y Tecnicas. Centro Cientifico Tecnologico Conicet - Cordoba. Unidad de Fitopatologia y Modelizacion Agricola. Grupo Vinculado Catedra de Estadistica y Biometria de la Facultad de Ciencias Agropecuarias de la Universidad Nacional de Cordoba Al Ufyma.; Argentina 50ª Jornadas Argentinas de Informática Argentina Sociedad Argentina de Informática Instituto Nacional de Tecnología Agropecuaria |
| description |
La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/conferenceObject Jornada Journal http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| status_str |
publishedVersion |
| format |
conferenceObject |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/249280 Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas; 50ª Jornadas Argentinas de Informática; Argentina; 2021; 2019-219 2525-0949 CONICET Digital CONICET |
| url |
http://hdl.handle.net/11336/249280 |
| identifier_str_mv |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas; 50ª Jornadas Argentinas de Informática; Argentina; 2021; 2019-219 2525-0949 CONICET Digital CONICET |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/https://50jaiio.sadio.org.ar/pdfs/cai/CAI-28.pdf |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
| dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf application/pdf |
| dc.coverage.none.fl_str_mv |
Nacional |
| dc.publisher.none.fl_str_mv |
Sociedad Argentina de Informática |
| publisher.none.fl_str_mv |
Sociedad Argentina de Informática |
| dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
| reponame_str |
CONICET Digital (CONICET) |
| collection |
CONICET Digital (CONICET) |
| instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
| repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
| _version_ |
1844613628100083712 |
| score |
13.070432 |