Electronic Journal of SADIO (EJS)

Nota Editorial por Claudia Pons, Alejandra Garrido y Ricardo Pluss

Claudia Pons — 2023-05-03

Un pipeline de datos para la predicción de incendios forestales en Pinamar

Ana Martinez Saucedo — 2023-05-03

En los últimos años, la gravedad de los incendios forestales ha alcanzado niveles preocupantes tanto a nivel internacional como nacional. Sin embargo, gracias al avance de la tecnología, es posible predecir la ocurrencia y magnitud de los incendios forestales a través de modelos de Machine Learning especialmente desarrollados para este fin. Para lograr este objetivo, este artículo describe el desarrollo de
una canalización de datos automatizada en el lenguaje de programación Python que
genera un conjunto de datos de incendios forestales específico para el área de Pinamar, lo que permite
el posterior entrenamiento de modelos predictivos de incendios. También es configurable
Recopilar datos meteorológicos, topográficos y de combustible de otras áreas geográficas.

Generación Automática de Código Fuente a través de Modelos Preentrenados de Lenguaje

Adrián Bender — 2023-05-03

Un Transformer es un modelo de Aprendizaje Profundo creado en 2017 con el objetivo de realizar traducciones entre lenguajes naturales. Las innovaciones que introdujo, particularmente la de auto-atención, han permitido construir prototipos que tienen una noción intuitiva del contexto, y comprenden el significado y los patrones subyacentes del lenguaje. En 2020 OpenAI hizo público GPT-3, un modelo preentrenado enfocado hacia la generación de lenguaje,
que mostró resultados prometedores, creando textos con una calidad tal que se hace difícil distinguir si fueron escritos por un humano o por una máquina. Podemos afirmar que el código fuente es texto generado en un lenguaje formal, y por lo tanto podría ser generado con herramientas basadas en estos prototipos. Este trabajo presenta un estudio de la evolución y el estado del arte en este campo: la generación automática de código fuente a partir de especificaciones escritas en lenguaje natural. Recorremos diferentes casos, su éxito, las dificultades de encontrar mecanismos de evaluación y su posible implementación en un futuro por las empresas.

Recommending Buy/Sell in Brazilian Stock Market through Long Short-Term Memory

Sandro da Silva Camargo — 2023-05-03

Este trabajo tiene como objetivo evaluar la precisión de las Redes Neuronales de Memoria de Largo Corto Plazo (LSTM) para recomendar señales de Compra/Venta de algunas acciones de primera clase del Mercado de Valores de Brasil. La población de este estudio estuvo compuesta por las 5 principales acciones de volumen, que representaron casi el 40\% del volumen total de la Bolsa de Valores de Brasil en 2019. Se analizaron las siguientes características: volumen negociado, precio de cierre y apertura, precio máximo y mínimo, y precios de cierre de los últimos cinco días. Los modelos creados pueden pronosticar el precio de apertura o cierre del día siguiente. Los resultados obtenidos muestran que los valores pronosticados y reales tienen un coeficiente de determinación (R^2) de 0,91 a 0,99, dependiendo de la acción.

A Spanish dataset for Targeted Sentiment Analysis of political headlines

Juan Manuel Pérez — 2023-05-03

Los textos subjetivos han sido ampliamente estudiados debido a su potencial para influir en los comportamientos de la población. Si bien la mayoría de las investigaciones se han centrado en los textos generados por los usuarios en las redes sociales, otros tipo de textos ―como los titulares de noticias que expresan opiniones sobre ciertos temas― también pueden influir en los criterios de juicio durante las decisiones políticas. En este artículo abordamos la tarea de Análisis de sentimiento dirigido (Targeted Sentiment Analysis) sobre titulares de noticias relacionados con las elecciones presidenciales de Argentina de 2019, publicados por los principales medios de comunicación. Para facilitar la investigación en esta área, presentamos un conjunto de datos de polaridad de 1976 titulares que mencionan candidatos de esta elección. Nuestros experimentos con algoritmos del estado del arte basados en modelos de lenguaje muestran la utilidad de la información del objetivo para esta tarea. Publicamos nuestros datos y modelos de clasificación para facilitar la investigación futura.

Domain Adaptation and Transfer Learning methods enhance Deep Learning Models used in Inner Speech Based Brain Computer Interfaces

Luciano Ivan Zablocki — 2023-05-03

Las interfaces cerebro-computadora (ICC) son útiles dispositivos que permiten restablecer, al menos parcialmente, la comunicación de pacientes gravemente afectados. Aunque los avances en aprendizaje profundo han mejorado significativamente el reconocimiento de patrones cerebrales, estos métodos requieren una gran cantidad de datos para entrenar sus numerosos parámetros. En los últimos años, el paradigma del habla interna ha atraído especial atención dentro de las ICCs, ya que tiene el potencial de permitir un control mucho más natural de los diferentes dispositivos. Sin embargo, todavía solo una pequeña cantidad de datos está disponible en este paradigma. En este trabajo mostramos que es posible, mediante métodos de aprendizaje por transferencia y adaptación al dominio, aprovechar al máximo los escasos datos, mejorando el proceso de entrenamiento, tanto en clasificación cómo tiempo de entrenamiento, de una arquitectura de aprendizaje profundo utilizada en ICC.

Empirical Studies conducted with software collections: a mapping study

Juan Andrés Carruthers — 2023-05-03

Los proyectos software son insumos en la Ingeniería del Software Basada en Evidencias, aunque estos sean seleccionados sin seguir una estrategia específica, lo cual disminuye la generalización y replicación de los resultados. Una opción es usar colecciones de proyectos existentes, pero estas deben contar
con reglas explícitas de construcción y mantenimiento. El objetivo de este trabajo fue realizar un estudio secundario sistematizado sobre las estrategias de selección de los proyectos software en estudios empíricos, y conocer: las reglas consideradas, las características de los proyectos, las métricas de código, las herramientas de extracción y los análisis estadísticos practicados. Se utilizó un mapeo sistemático para identificar artículos desde enero de 2013 a diciembre de 2021. Se seleccionaron 150 estudios de los cuales el 67% utilizó reglas propias para la selección de los proyectos y el 31% trabajó con colecciones existentes, y la mayoría (80%) empleó proyectos Java. Asimismo, no se encontraron evidencias de un marco estandarizado para la selección de proyectos para estudios empíricos en Ingeniería de Software.

Robótica en Fab Lab: Introducción a la programación para estudiantes de Ingeniería Mecánica

Verónica Sofía D´Angelo — 2023-05-03

En este trabajo se analiza una experiencia piloto de la actividad “Taller de robótica” en el Fab Lab UNR, un laboratorio spacemaker creado en 2020 por la Facultad de Ciencias Exactas, Ingeniería y Agrimensura de la Universidad Nacional de Rosario, en el marco de las políticas de fortalecimiento de la educación de ingenieros. El equipo de investigación interdisciplinar indagó sobre los supuestos pedagógicos apropiados para introducir conceptos básicos de programación a estudiantes de ingeniería mecánica, con especial énfasis en: trabajo colaborativo, aprendizaje basado en problemas, motivación inicial,
articulación horizontal entre asignaturas y balance adecuado entre conceptualización y procedimientos. Los primeros resultados muestran que la percepción de los estudiantes es positiva y que la secuencia didáctica resultó apropiada para trabajar con ingresantes, lo que confirma el potencial de estas prácticas de taller para aprender programación en el ciclo introductorio de carreras de ingeniería.

Ciencias de la Computación en la Escuela Secundaria. Una Revisión Sistemática de la Formación Docente Inicial en Argentina

Jorge Rodríguez — 2023-05-03

El presente estudio busca desarrollar una revisión sistemática sobre la Formación Docente Inicial en el area de Computación para la educación secundario en Argentina. Se realizó una recopilación de Planes de Estudio y Diseño Curriculares de las Instituciones de Formación Docente Superior No Universitaria (Terciaria) y de las Universidades.
De la misma resultó una compilación de 17 propuestas curriculares. En
todos los casos se analizó la composición de los Campos de Formación y
la carga horaria asignada a los mismos.
La revisión realizada muestra divergencias y continuidades al comparar
las instituciones No Universitarias y Universitarias, así como también se observan escasas opciones de formación disponibles para este campo
disciplinar.

Modelado de currículos de ingenierías basados en competencias: un mapeo sistemático de la literatura

Viviana Santucci — 2023-05-03

La aprobación de los Estándares de Segunda Generación para la Acreditación de Carreras de Ingeniería, por parte del Consejo Federal de Decanos de Ingeniería de Argentina, instaura en las universidades la formación por competencias con fuerte impacto en los currículos. Este proceso es de complejidad tal que es conveniente que los interesados sean asistidos con productos de software. En este trabajo se presenta un mapeo sistemático de la literatura para obtener las investigaciones que detallen la aplicación de modelos legibles por máquinas que soporten el desarrollo de estos sistemas. Dicho mapeo revela la necesidad de continuar investigando y construir un modelo formal que satisfaga los requerimientos de sistemas de generación de currículos para la formación
por competencias.

Diseño óptimo de cadenas de suministros de biorrefinerías sustentablemente eficientes

Lucas Maximiliano Machín Ferrero — 2023-05-03

El uso integral de la biomasa como materia prima para producir alimentos, energía y productos es crucial para alcanzar los Objetivos de Desarrollo Sostenible. El concepto de biorrefinería permite que regiones con abundantes recursos naturales aprovechen al máximo su disponibilidad de biomasa, consiguiendo una progresi-va independencia de los recursos fósiles. Este estudio presenta un marco multicri-terio para el diseño de cadenas de suministros (CS) de biorrefinerías bajo consi-deraciones de sustentabilidad. Se realiza una etapa de optimización de diferentes escenarios seguida de una clasificación basada en el modelo de Análisis Envol-vente de Datos (DEA) para evaluar la eficiencia de cada escenario de acuerdo con diferentes indicadores económicos, ambientales y sociales. Las capacidades de es-te enfoque se ilustran a través de un caso de estudio de una CS de biomasa locali-zada en el noroeste de la Argentina.

Programación Maestra de la Producción de una Planta de Alimentos para Mascotas mediante una Metodología de Optimización basada en Horizonte Rodante

Joan Cusimano — 2023-05-03

Este trabajo aborda la Programación Maestra de la Producción (PMP) de una planta de elaboración de alimentos para mascotas. El proceso de fabricación consiste en varias etapas, comenzando con la dosificación de las materias primas y nalizando con el envasado y almacenamiento del producto final. La planta cuenta con un número fijo de líneas de producción, siendo el equipamiento crítico las extrusoras y envasadoras disponibles. Dado un horizonte de mediano plazo (3 a 5 meses) desagregado en semanas, para cada línea se desea denir los volúmenes de producción por producto, los cuales se encuentran asociados a diferentes familias. Se desarrolló un modelo matemático mixto-entero lineal (MILP), considerando las principales restricciones del problema, combinado con un algoritmo de Horizonte Rodante para la resolución del horizonte completo. La metodología propuesta fue aplicada al problema de PMP de una instalación industrial de gran escala, que elabora cientos de productos y familias. En base a las dimensiones del problema, se realizó un análisis de parámetros del algoritmo para encontrar el mejor balance entre tiempo y calidad de la solución. Como resultado, al aplicar la metodología propuesta se obtuvieron mejoras considerables en cuanto a indicadores clave como lote mínimo por familia, cumplimiento de la política de stock y tiempos de resolución en comparación con el método vigente.

Ciencia de Datos y Reportes de Movilidad Google para Modelizar la Demanda de Combustible

Irma No — 2023-05-03

La reciente situación de pandemia mundial impulsó la generación de reportes abiertos de movilidad, iniciativa creada por la empresa Google en apoyo a las
políticas sanitarias asociadas al COVID-19. El cambio significativo en el flujo de vehículos durante la situación de pandemia y la variación en el consumo de combustible asociado al transporte y a diversas actividades productivas, requirió la creación de nuevos modelos predictivos relacionados con un conjunto de datos inusuales (por ejemplo, la geolocalización de los conductores). La manipulación y el análisis adecuado de estos datos proporcionan un pronóstico que mejora la previsión de la demanda de combustible asociada al consumo real. En este trabajo analizamos las bases de datos de la venta de combustibles (Nafta y gasoil), disponibles y abiertas en sitios web oficiales e información de la empresa YPF. Los resultados muestran una correlación positiva entre las variables relacionadas a la demanda de estos combustibles y los registros de movilidad de Google, con ciertas particularidades. El lenguaje de programación utilizado para el desarrollo del código de visualización, geoestadística, cálculo predictivo y reportes de la investigación es “R”.