Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales
- Autores
- Zamudio, Eduardo
- Año de publicación
- 2018
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Fil: Zamudio, Eduardo. Universidad Nacional del Centro (Buenos Aires). Facultad de Ciencias Exactas. Doctorado en Ciencias de la Computación; Argentina.
Fil: Zamudio, Eduardo. Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Departamento de Informática; Argentina.
La selección de grupos de expertos generalmente considera la evaluación de los criterios de selección que deben cumplir los candidatos y los grupos en sí mismos. Los criterios de selección representan un aspecto clave de los procesos de selección de expertos, ya que son estos criterios los que establecen qué candidato es un experto, o cómo se debe conformar un grupo de expertos. En esta tesis se propone un enfoque inteligente e integral para el problema de la selección de grupos de expertos compuesto por dos partes. Primero, se propone un método para la identificación y evaluación de criterios de selección de candidatos elegibiles a ocupar posiciones de expertos, utilizando descripciones de los candidatos como fuente de información. Segundo, se propone un método para la selección óptima de conformaciones de grupos de expertos, utilizando información relacional de los candidatos. Esta tesis introduce importantes contribuciones en el área de selección de expertos, incluyendo la aplicación de Aprendizaje Automático (ML) en la identificación de evidencia de experiencia; la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) para determinar la similitud de criterios de selección; una nueva métrica de Análisis de Redes Sociales (SNA) para determinar la independencia de grupos; la aplicación de una estrategia multicriterio para la evaluación de grupos en redes sociales; y la implementación de un algoritmo evolutivo para la selección óptima de grupos de expertos. Las evaluaciones experimentales indican que la elegibilidad de un conjunto de candidatos puede ser determinada a partir del nivel de correspondencia semántica entre las evaluaciones de los candidatos y los criterios de selección de referencia. Asimismo, los resultados indican que es posible recomendar grupos de expertos con mejor desempeño al compararlos con los comités actuales, a partir del uso de información relacional. - Materia
-
Procesamiento de lenguaje natural
Selección de grupos de expertos
Criterios de selección
Aprendizaje automático - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
- Repositorio
- Institución
- Universidad Nacional de Misiones
- OAI Identificador
- oai:rid.unam.edu.ar:20.500.12219/5415
Ver los metadatos del registro completo
id |
RIDUNaM_2945ddad9bca09280f0e616c064aaead |
---|---|
oai_identifier_str |
oai:rid.unam.edu.ar:20.500.12219/5415 |
network_acronym_str |
RIDUNaM |
repository_id_str |
|
network_name_str |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
spelling |
Un enfoque inteligente para la selección de grupos de expertos mediante redes socialesZamudio, EduardoProcesamiento de lenguaje naturalSelección de grupos de expertosCriterios de selecciónAprendizaje automáticoFil: Zamudio, Eduardo. Universidad Nacional del Centro (Buenos Aires). Facultad de Ciencias Exactas. Doctorado en Ciencias de la Computación; Argentina.Fil: Zamudio, Eduardo. Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Departamento de Informática; Argentina.La selección de grupos de expertos generalmente considera la evaluación de los criterios de selección que deben cumplir los candidatos y los grupos en sí mismos. Los criterios de selección representan un aspecto clave de los procesos de selección de expertos, ya que son estos criterios los que establecen qué candidato es un experto, o cómo se debe conformar un grupo de expertos. En esta tesis se propone un enfoque inteligente e integral para el problema de la selección de grupos de expertos compuesto por dos partes. Primero, se propone un método para la identificación y evaluación de criterios de selección de candidatos elegibiles a ocupar posiciones de expertos, utilizando descripciones de los candidatos como fuente de información. Segundo, se propone un método para la selección óptima de conformaciones de grupos de expertos, utilizando información relacional de los candidatos. Esta tesis introduce importantes contribuciones en el área de selección de expertos, incluyendo la aplicación de Aprendizaje Automático (ML) en la identificación de evidencia de experiencia; la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) para determinar la similitud de criterios de selección; una nueva métrica de Análisis de Redes Sociales (SNA) para determinar la independencia de grupos; la aplicación de una estrategia multicriterio para la evaluación de grupos en redes sociales; y la implementación de un algoritmo evolutivo para la selección óptima de grupos de expertos. Las evaluaciones experimentales indican que la elegibilidad de un conjunto de candidatos puede ser determinada a partir del nivel de correspondencia semántica entre las evaluaciones de los candidatos y los criterios de selección de referencia. Asimismo, los resultados indican que es posible recomendar grupos de expertos con mejor desempeño al compararlos con los comités actuales, a partir del uso de información relacional.Universidad Nacional del Nordeste. Facultad de Ciencias Exactas, Naturales y Agrimensura2018-04-27info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdf1.393 KBhttps://hdl.handle.net/20.500.12219/5415spainfo:eu-repo/semantics/altIdentifier/urn/http://sedici.unlp.edu.ar/bitstream/handle/10915/68697/Documento_completo.pdf-PDFA.pdf?sequence=1&isAllowed=yinfo:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)instname:Universidad Nacional de Misiones2025-09-29T15:02:17Zoai:rid.unam.edu.ar:20.500.12219/5415instacron:UNAMInstitucionalhttps://rid.unam.edu.ar/Universidad públicahttps://www.unam.edu.ar/https://rid.unam.edu.ar/oai/rsnrdArgentinaopendoar:2025-09-29 15:02:17.946Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misionesfalse |
dc.title.none.fl_str_mv |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
title |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
spellingShingle |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales Zamudio, Eduardo Procesamiento de lenguaje natural Selección de grupos de expertos Criterios de selección Aprendizaje automático |
title_short |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
title_full |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
title_fullStr |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
title_full_unstemmed |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
title_sort |
Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales |
dc.creator.none.fl_str_mv |
Zamudio, Eduardo |
author |
Zamudio, Eduardo |
author_facet |
Zamudio, Eduardo |
author_role |
author |
dc.subject.none.fl_str_mv |
Procesamiento de lenguaje natural Selección de grupos de expertos Criterios de selección Aprendizaje automático |
topic |
Procesamiento de lenguaje natural Selección de grupos de expertos Criterios de selección Aprendizaje automático |
dc.description.none.fl_txt_mv |
Fil: Zamudio, Eduardo. Universidad Nacional del Centro (Buenos Aires). Facultad de Ciencias Exactas. Doctorado en Ciencias de la Computación; Argentina. Fil: Zamudio, Eduardo. Universidad Nacional de Misiones. Facultad de Ciencias Exactas, Químicas y Naturales. Departamento de Informática; Argentina. La selección de grupos de expertos generalmente considera la evaluación de los criterios de selección que deben cumplir los candidatos y los grupos en sí mismos. Los criterios de selección representan un aspecto clave de los procesos de selección de expertos, ya que son estos criterios los que establecen qué candidato es un experto, o cómo se debe conformar un grupo de expertos. En esta tesis se propone un enfoque inteligente e integral para el problema de la selección de grupos de expertos compuesto por dos partes. Primero, se propone un método para la identificación y evaluación de criterios de selección de candidatos elegibiles a ocupar posiciones de expertos, utilizando descripciones de los candidatos como fuente de información. Segundo, se propone un método para la selección óptima de conformaciones de grupos de expertos, utilizando información relacional de los candidatos. Esta tesis introduce importantes contribuciones en el área de selección de expertos, incluyendo la aplicación de Aprendizaje Automático (ML) en la identificación de evidencia de experiencia; la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) para determinar la similitud de criterios de selección; una nueva métrica de Análisis de Redes Sociales (SNA) para determinar la independencia de grupos; la aplicación de una estrategia multicriterio para la evaluación de grupos en redes sociales; y la implementación de un algoritmo evolutivo para la selección óptima de grupos de expertos. Las evaluaciones experimentales indican que la elegibilidad de un conjunto de candidatos puede ser determinada a partir del nivel de correspondencia semántica entre las evaluaciones de los candidatos y los criterios de selección de referencia. Asimismo, los resultados indican que es posible recomendar grupos de expertos con mejor desempeño al compararlos con los comités actuales, a partir del uso de información relacional. |
description |
Fil: Zamudio, Eduardo. Universidad Nacional del Centro (Buenos Aires). Facultad de Ciencias Exactas. Doctorado en Ciencias de la Computación; Argentina. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-04-27 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.12219/5415 |
url |
https://hdl.handle.net/20.500.12219/5415 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/urn/http://sedici.unlp.edu.ar/bitstream/handle/10915/68697/Documento_completo.pdf-PDFA.pdf?sequence=1&isAllowed=y |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf 1.393 KB |
dc.publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Ciencias Exactas, Naturales y Agrimensura |
publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Ciencias Exactas, Naturales y Agrimensura |
dc.source.none.fl_str_mv |
reponame:Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) instname:Universidad Nacional de Misiones |
reponame_str |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
collection |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) |
instname_str |
Universidad Nacional de Misiones |
repository.name.fl_str_mv |
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM) - Universidad Nacional de Misiones |
repository.mail.fl_str_mv |
|
_version_ |
1844623284170129408 |
score |
12.559606 |