Browsing by Author "Ballejos, Luciana Cristina"

Filter results by typing the first few letters
Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    AMELOIR : algoritmo para la extracción automática de metadatos a partir de objetos de aprendizaje en un repositorio institucional
    (2017-08) Pinilla Gómez, Adriana Constanza; Gutiérrez, María de los Milagros; Ballejos, Luciana Cristina
    El principal aporte de esta tesis es el diseño e implementación de AMELOIR (Automatic Metadata Extracción Learning Object Institutional Repository), un nuevo algoritmo para la extracción automática de metadatos en repositorios institucionales utilizando técnicas de procesamiento de lenguaje natural e inteligencia artificial. AMELOIR fue incorporado en la plataforma DSpace alterando el proceso de almacenamiento, de tal manera que al ser cargado un archivo para almacenar, se invoca al extractor para que obtenga automáticamente los metadatos. Éstos se presentan al usuario en la etapa de verificación de metadatos, para que sean validados y completados en caso de que sea necesario.
  • Thumbnail Image
    Item
    Desarrollo de prototipo de software para la extracción de características de convenios basado en Machine Learning y Procesamiento de Lenguaje Natural
    (2024) Pachecho Pilan, Federico Ignacio; Albino, Sebastián Jesús; Ballejos, Luciana Cristina; Gutiérrez, María de los Milagros; Pacchiotti, Mauro
    La gestión de proyectos en el ámbito de la UTN FRSF está a cargo de la SSGP, dependiente de la SEyC de la Facultad. Esta subsecretaría tiene a su cargo la creación de los distintos convenios que enmarcan el trabajo de los proyectos en los que se encuentran involucrados docentes, estudiantes y/o no docentes de la Facultad. Los convenios brindan detalles sobre las entidades firmantes y responsables, además de las tareas que se incluirán dentro del mismo. Estos convenios pueden ser Convenios Marco (en adelante, CM) o Convenios Específicos (en adelante, CE). Los CM describen una relación de trabajo colaborativa general entre la UTN FRSF y diversas organizaciones las cuales suponen, como su nombre indica, un marco de trabajo bajo el cual se amparan los posibles proyectos futuros que dichas organizaciones desarrollen en conjunto con la facultad. Los CE especifican los detalles de los proyectos mencionados anteriormente entre la facultad y otras organizaciones, así como los planes de trabajo con referencias temporales y fechas estimadas para la finalización de las tareas. Si bien todos los convenios se crean y almacenan en la Subsecretaría, en general, información relacionada a los mismos es requerida por otras áreas para el armado de informes y reportes, o bien, para consultas específicas. En estas situaciones es donde actualmente el trabajo de la Subsecretaría se vuelve tedioso, ya que esta información debe buscarse en los documentos de cada uno de los convenios, sin que la información esté registrada o almacenada de forma sistemática. Estas búsquedas en documentos ralentizan en gran medida los procedimientos donde cierta información relacionada a algún convenio es necesaria. Por tal motivo, y en virtud de favorecer y agilizar estos procedimientos, este PFC propone desarrollar un prototipo de herramienta que dé soporte a la recolección automática de características y datos de los convenios usando conceptos y herramientas de NLP y machine learning, permitiendo registrar su información y almacenarla automáticamente, facilitando así la carga y búsqueda de la misma y la generación de reportes.
  • Thumbnail Image
    Item
    Herramientas para el análisis de sistemas de información en ambientes interorganizacionales
    (2009-03) Ballejos, Luciana Cristina; Montagna, Jorge Marcelo
    Las Redes Interorganizacionales (RIOs) son estructuras organizacionales cada vez más comunes creadas como respuesta a diversas presiones del mercado: globalización económica, cambios en las necesidades y requerimientos de los clientes y consumidores, entre otras, y que, por otro lado, han aprovechado la disponibilidad y el desarrollo dinámico de nuevas tecnologías. Tienen estructuras muy disímiles que no han sido suficientemente tratadas y analizadas por la bibliografía existente en el ´área. Es necesario por lo tanto ahondar en el análisis de estas estructuras y sus características, de manera de organizar y sistematizar su tratamiento y gestión. La utilidad de entender la estructura de las RIOs como un medio para evaluar los efectos de las decisiones que hacen a la operación de la red y a su performance, ha sido tratada en la literatura de ciencias sociales y de gestión (Cross y otros, 2002). Los Sistemas de Información Interorganizacionales (SIOs) son una herramienta habitual para la gestión de las RIOs. Tienen por objetivo principal soportar la operación de la red facilitando la interacción entre sus participantes. El desarrollo de sistemas de información es, en general, una industria nueva y no ha logrado aún el nivel de madurez que puede encontrarse en ramas más tradicionales de la industria. En consecuencia, los sistemas resultantes de los procesos de análisis y diseño frecuentemente sufren la falta de prácticas establecidas o procedimientos estandarizados. Aun más, las tareas involucradas en el análisis y diseño de sistemas de información tradicionales son muy dependientes del ambiente o contexto en el que los mismos serán implementados. De esa dependencia puede entonces derivarse también la utilidad que tiene la comprensión de las RIOs, sus estructuras y procesos, para el análisis y diseño de SIOs. El desarrollo de SIOs conforma un ´área cada vez más importante para la que no existen en la bibliografía procedimientos estandarizados ni herramientas que puedan ser aplicadas de manera sistemática. Sin embargo, estas herramientas son necesarias para soportar el análisis y las tareas relacionadas, de manera que puedan ser aplicadas a ambientes interorganizacionales de manera sistemática. También son necesarias para lograr la integración y evolución del conocimiento ganado, etapa a etapa, a lo largo del proceso de análisis y diseño de SIOs. Las herramientas convencionales para ambientes organizacionales tradicionales deben ser transformadas para incorporar cuestiones introducidas por el cambio de entorno que debe soportar el SIO. Las utilizadas comúnmente no consideran cuestiones inherentes a la dimensión interorganizacional de los nuevos ambientes de negocios, ni tampoco los nuevos desafíos que esta dimensión genera en las etapas de desarrollo de los sistemas de información específicos (SIOs). En este sentido, las herramientas utilizadas en la etapa de análisis de un sistema de información son las que deben considerar en mayor medida el ambiente en el que el sistema será utilizado. Sin embargo, para sistemas tradicionales esta etapa es comúnmente vista como compuesta por tareas de sentido común. Pero la práctica demuestra que, además de ser una etapa compleja, no está bien entendida. Por estas razones, en general, tampoco es llevada adelante de manera correcta. En relación a todo esto, el objetivo de esta tesis es hacer frente a todas estas cuestiones integrando el conocimiento obtenido en distintas tareas y sistematizando los procedimientos para lograr proyectos exitosos de desarrollo de SIOs. Para conseguirlo, la tesis propone, además de un modelo de caracterización de RIOs para lograr un análisis exhaustivo de la RIO bajo estudio, una serie de herramientas prácticas y sistemáticas que colaboran en la ejecución de diversas tareas propias de la etapa de análisis para SIOs. Los resultados a obtener habilitarán el inicio de las tareas de diseño con la información completa sobre los principales elementos técnicos, sociales y del ambiente involucrados que influyen en las acciones a llevar adelante, ya que son las principales fuentes de cambios y conflictos a lo largo del ciclo de vida de cualquier sistema de información. Se hace principal hincapié en la influencia que ejercen las características de una RIO particular sobre las distintas etapas previas al desarrollo e implementación de un SIO.
  • Thumbnail Image
    Item
    Modelo de dinámica inversa : reconocimiento de acciones en videos en línea
    (2025-02-19) Lomazzi, Fernando Sebastián; Rivera, Lucio; Gerard, Matias Fernando; Ballejos, Luciana Cristina
    La dinámica inversa es una técnica orientada a determinar qué acciones o entradas provocaron un cambio específico en un sistema dinámico, partiendo de un estado final deseado. Esta metodología surgió en la robótica, donde se aplicó para calcular fuerzas y momentos necesarios para movimientos específicos en piezas mecánicas. Trabajos pioneros permitieron su aplicación tanto en robots rígidos como flexibles, extendiéndose luego a otras áreas como el control de aeronaves y la biomecánica humana. Con el tiempo, el enfoque fue adoptado en el aprendizaje automático. Allí, se usa para inferir las acciones responsables de ciertos resultados observados, aun cuando no se disponga de información directa sobre dichas acciones. Este principio se ha aplicado en desarrollos avanzados de inteligencia artificial, como el agente de Minecraft creado por OpenAI o los jugadores de Go y StarCraft II desarrollados por DeepMind. Los enfoques para abordar problemas de dinámica inversa se dividen en tres: - Analítico, que utiliza modelos matemáticos y resolución numérica; - Simulado, que se basa en entornos virtuales y prueba y error; - Aprendizaje supervisado, que entrena modelos para predecir entradas a partir de datos observacionales. Todos estos enfoques requieren alta capacidad de cómputo, y en el caso del aprendizaje supervisado, conjuntos de datos etiquetados de calidad. Este estudio propone explorar una alternativa más accesible, utilizando el videojuego Hollow Knight como entorno de experimentación. El objetivo es desarrollar modelos de dinámica inversa que demanden menos recursos computacionales, pero mantengan utilidad. La complejidad del juego y su motor físico lo convierten en un caso interesante para observar secuencias visuales y deducir las acciones que las causaron, manteniendo la lógica de secuencialidad y transformación típica de la dinámica inversa.
  • Thumbnail Image
    Item
    Prototipo de software basado en aprendizaje automático para mantenimiento predictivo de tableros eléctricos a partir de imágenes termográficas
    (2025) Cabaña, Juan Pablo; Kloster, Narella Katherine; Pacchiotti, Mauro; Ballejos, Luciana Cristina
    El mantenimiento predictivo se ha consolidado como una estrategia eficaz en la gestión de equipos y sistemas industriales, ya que permite anticipar fallas mediante revisiones periódicas. Esto ayuda a evitar interrupciones no planificadas, optimiza el rendimiento, prolonga la vida útil de los activos, reduce riesgos y minimiza costos de mantenimiento. Esta metodología se basa en tecnologías avanzadas que monitorean el estado de los sistemas, lo cual resulta especialmente relevante en equipos eléctricos como los tableros eléctricos, elementos críticos en la distribución de energía. Uno de los métodos más efectivos en este contexto es el uso de imágenes termográficas, que permiten detectar visualmente puntos calientes en circuitos y componentes eléctricos. Estas anomalías térmicas, como el sobrecalentamiento por conexiones defectuosas o componentes desgastados, pueden ser señales tempranas de fallas graves. Detectarlas a tiempo evita daños costosos, pérdidas en la producción y riesgos para la seguridad. Las cámaras termográficas capturan diferencias de temperatura en la superficie de los equipos, facilitando una localización precisa de problemas sin necesidad de intervenir directamente o desconectar el sistema. En este marco, el proyecto propone desarrollar un prototipo de software basado en aprendizaje automático para clasificar imágenes termográficas de tableros eléctricos. Su objetivo es determinar con anticipación cuándo será necesario realizar mantenimiento. Este tipo de herramienta facilitaría el trabajo de los analistas de mantenimiento predictivo, brindándoles una preclasificación automatizada de las imágenes que sirva como punto de partida para un análisis más detallado, mejorando la eficiencia en la detección y gestión de fallas.