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
Repositorio Institucional Digital de la Universidad Nacional de Misiones (UNaM)
Institución
Universidad Nacional de Misiones
OAI Identificador
oai:rid.unam.edu.ar:20.500.12219/5415

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