SADIO Electronic Journal of Informatics and Operations Research

Comparación de redes de parentesco de habilidades: conectividades estructural y de parentesco en la movilidad laboral

Viktoriya Semeshenko, Sergio A. De Raco — Tue, 01 Apr 2025 00:00:00 +0000

En este trabajo comparamos redes de parentesco de habilidades (SRNs), que resumen interacciones interindustriales estadísticamente significativas que representan intercambios latentes de habilidades derivados de flujos laborales observados. Utilizando datos de Argentina (ARG), Alemania (DEU) y Suecia (SWE), analizamos sus SRN mediante un método basado en teoría de la información diseñado para comparar redes con nodos no alineados. Mediante la extracción de network portraits-identificadores estructurales basados en las distribuciones de caminos cortos- medimos las divergencias entre pares para contrastar las diferencias en la conectividad binaria y la relación ponderada entre parentescos de habilidades de estos países. Encontramos que la conectividad estructural de la SRN de ARG difiere significativamente de las de DEU y SWE, al mismo tiempo que las conectividades entre estos países contrastan entre sí. Ello sugiere que la existencia de especificidades en las estructuras fundamentales de interconexiones relacionadas con las habilidades en cada país.
En cambio, cuando al utilizar el indicador de parentesco de habilidades, las diferencias se vuelven menos pronunciadas sugiriendo un fenómeno universal en los intercambios de habilidades, destacando un posible patrón estructurado de movilidad laboral intersectorial en cualquier economía nacional. Estos resultados apoyan la idea de que los factores históricos y culturales conforman las SRNs, pero la conectividad estructural sigue siendo específica de cada país. Mientras que los patrones de intensidad de las habilidades (ponderados) parecen coherentes en las economías analizadas, la estructura topológica (binaria) varía notablemente, poniendo de relieve las distintas dinámicas del mercado laboral, los patrones de especialización y los conjuntos de habilidades disponibles de cada país.

Estrategia evolutiva para la optimización de modelos neuronales de estimación de similaridad entre compuestos

Tobías Hermann, Leandro Vignolo, Matias Gerard — Tue, 01 Apr 2025 00:00:00 +0000

La evaluación de similaridad molecular es clave en el ámbito de la bioinformática, y representa un reto significativo cuando se trata de compuestos cuya estructura no se conoce. En este contexto, los modelos neuronales en grafos han demostrado ser efectivos para obtener representaciones a partir de la topología de reacciones químicas. No obstante, el diseño de estos modelos, así como la selección de sus hiperparámetros, requiere la evaluación de un extenso rango de opciones. Los algoritmos evolutivos se presentan como una solución natural para explorar estos amplios espacios de búsqueda, incluyendo el espacio de hiperparámetros de las arquitecturas neuronales. Este estudio propone una comparación entre un enfoque tradicional de búsqueda de hiperparámetros, basado en la experiencia del experto, y un método que utiliza computación evolutiva para la misma tarea, específicamente en la estimación de similaridad entre compuestos. Utilizando una arquitectura predefinida, se llevan a cabo experimentos para comparar ambos enfoques en distintos conjuntos de datos. Los resultados indican que el método basado en computación evolutiva logra identificar hiperparámetros adecuados para la arquitectura evaluada, alcanzando un desempeño comparable al del enfoque experto, pero sin requerir la intervención del conocimiento humano para dicha selección.

Modelado y predicción de la demanda eléctrica: comparación de enfoques estadísticos y de aprendizaje automático

Mariela Uhrig, Leandro Vignolo, Omar Müller — Tue, 01 Apr 2025 00:00:00 +0000

Una predicción confiable de la demanda eléctrica es esencial para mejorar la gestión del sistema de distribución, optimizando la utilización de recursos, racionalizando la planificación operativa y reduciendo las interrupciones del servicio. La fluctuación de la demanda eléctrica está influenciada por diversos factores externos, como las condiciones climáticas, sin embargo, las asociaciones intrincadas y no lineales entre la demanda y estas influencias presentan desafíos significativos para la predicción. En este estudio, nos proponemos predecir la demanda eléctrica examinando su relación con las variables meteorológicas en la provincia de Entre Ríos, Argentina. Se emplea una red neuronal recurrente, específicamente utilizando arquitectura de memoria a corto y largo plazo (LSTM), para modelar esta relación compleja directamente a partir de datos de entrada sin ingeniería de características previa. Evaluamos y comparamos el rendimiento de este modelo con un método de referencia. El análisis preliminar de datos revela que las temperaturas extremas ejercen un efecto notable en los comportamientos de consumo de energía. Nuestro modelo propuesto alcanza un coeficiente de determinación de 0.77 al comparar la demanda predicha con las observaciones reales, subrayando su efectividad como una posible solución para optimizar las operaciones del sistema en Entre Ríos.

El impacto del ajuste fino de LLaMA en las alucinaciones para la extracción de entidades nominales en documentos legales

Tue, 01 Apr 2025 00:00:00 +0000

La extracción de información sobre accidentes de tráfico a partir de documentos legales es crucial para cuantificar los costes de las aseguradoras. Extraer entidades como los porcentajes de discapacidad física o psicológica y las indemnizaciones implicadas es un proceso complejo, incluso para expertos, debido a la sutileza de los argumentos y razonamientos de la sentencia judicial. Se propone un procedimiento en dos pasos: primero, segmentar el documento identificando los segmentos más relevantes y, posteriormente, extraer las entidades. Para la segmentación de texto, se comparan dos metodologías: un método clásico basado en expresiones regulares y un segundo enfoque que divide el documento en bloques de n-tokens, que posteriormente se vectorizan mediante modelos multilingües para búsquedas semánticas (text-embedding-ada-002/MiniLM-L12-v2).Posteriormente, se aplican modelos de lenguaje grandes (LLaMA-2 7b, 70b, LLaMA-3 8b y GPT-4 Turbo) con indicaciones a los segmentos seleccionados para la extracción de entidades. Para los modelos LLaMA, se realiza un ajuste fino mediante LoRA. LLaMA-2 7b, incluso a temperatura cero, presenta un número significativo de alucinaciones en las extracciones, lo cual constituye un importante punto de contención para la extracción de entidades con nombre. Este trabajo demuestra que estas alucinaciones se reducen sustancialmente tras el ajuste fino del modelo.El rendimiento de la metodología basada en la vectorización de segmentos y el posterior uso de LLM supera significativamente al método clásico, que alcanza una precisión del 39,5 %. Entre los modelos de código abierto, LLaMA-2 70B con ajuste fino alcanza la mayor precisión, con un 79,4 %, superando a su versión base con 61,7 %. Cabe destacar que el modelo base LLaMA-3 8B ya presenta un rendimiento comparable al del modelo LLaMA-2 70B ajustado, alcanzando un 76,6 %, lo que demuestra el rápido progreso en el desarrollo del modelo. Por otro lado, GPT-4 Turbo alcanza la mayor precisión, con un 86,1 %.

Derivación de atributos a partir de la Guía de Estilo Java de Google y su cuantificación mediante métricas

Dianela Sosa, María Fernanda Papa, Pablo Becker, Luis Olsina — Tue, 01 Apr 2025 00:00:00 +0000

Habitualmente, en el desarrollo de software intervienen equipos numerosos y descentralizados, lo que representa un desafío para que el software sea fácilmente entendido y mantenido. Esta situación pone de manifiesto la necesidad de codificar programas de software siguiendo guías de estilo para el lenguaje usado, que sean claras y conocidas por los desarrolladores. No obstante, su utilización puede ser compleja, especialmente para desarrolladores juniors o en contextos con plazos ajustados. En este sentido, es importante contar no solo con un enfoque que permita mapear las guías a atributos y estos a sus métricas, sino también con una herramienta que chequee y recomiende mejoras cuando el código no adhiera a dichas guías. Este artículo ejemplifica el uso de un enfoque sistemático que mapea guías de estilo de programación a atributos y a sus métricas que los cuantifican. Además, muestra el empleo de la herramienta JavaStyleInspector para analizar código Java y generar reportes que permitan la mejora rápida del código en favor de cumplir con la Google Java Style Guide. Su uso puede influir positivamente tanto en la enseñanza de las guías de estilo en carreras relacionadas a informática como en el trabajo diario de un profesional de la industria de software.

Ciberdefensa: modelo de herramienta de asesoramiento para la ciberatribución empleando redes neuronales, validada a través de casos reales

Claudio Lopez, Alejandro Molina — Tue, 01 Apr 2025 00:00:00 +0000

La Ciberatribución es una parte fundamental de la ciberdefensa de un Estado. La tarea de asignar un responsable de una ciberagresion (y sobre todo si este lo constituye otro Estado) es realmente complicada teniendo en cuenta el avance tecnológico de herramientas afines a los objetivos de los ciberatacantes. Esta actividad (o sea la Ciberatribucion) es fundamental para crear una verdadera disuasión que desaliente la realización de los mencionados ataques.
Por otro lado, la ciencia informática ha desarrollado de manera vertiginosa, la teoría y el empleo de cientos de herramientas de inteligencia artificial que se ven en nuestra vida diaria, y en las que se usan redes neuronales. Las redes neuronales se nutren de miles de datos y sus resultados son más que aceptables para la optimización, clasificación o predicción.
Las fuentes de ingreso de esos datos pueden ser totalmente variadas y de acuerdo con su cantidad se puede afirmar que se logrará mayor o menor precisión en la salida.
Se propone demostrar que las redes neuronales en el contexto de los procedimientos de la Ciberatribucion pueden ser empleadas con éxito como una herramienta de asesoramiento en la determinación del origen de un ataque cibernético a una infraestructura que posea una función crítica.
Si bien existen estudios referidos a este tema, la particularidad de este trabajo es la de inscribirse en el ámbito de ciberdefensa propio en un todo de acuerdo con la legislación nacional vigente.

Gestión de la exposición en ciberseguridad

Federico Pacheco, Diego Staino — Tue, 01 Apr 2025 00:00:00 +0000

La gestión de la exposición en ciberseguridad es una nueva área de estudio considerada dentro de la Ciberdefensa Activa, centrada en la aplicación del concepto de exposición proveniente de la gestión de riesgos organizacionales. La misma extiende las ideas y prácticas de la gestión de vulnerabilidades y amenazas, para darle un enfoque generalizado y abarcativo, que permite interpretar el conjunto integral a través de la lente de los riesgos. En este trabajo se analiza el estado del arte de los conceptos y aplicaciones de la gestión de la exposición en ciberseguridad, y se presenta un enfoque para su aplicabilidad en organizaciones. La contribución propuesta está relacionada con la inexistencia previa de contenidos académicos sobre la temática, dada su reciente aparición.

Diagnóstico automatizado de auscultación pulmonar pediátrica usando redes neuronales profundas

Jorge Lopez Perez, Damián Taire, Claudio Delrieux — Tue, 01 Apr 2025 00:00:00 +0000

En este trabajo se investiga la implementación de redes neuronales profundas en la clasificación de sonidos respiratorios, una tarea determinante para el diagnóstico de enfermedades pulmonares. Para esta labor, se emplea la arquitectura VGG-16, reconocida por su eficacia en la clasificación de imágenes, la cual ha sido adaptada para procesar datos de audio. Se realizaron la recopilación y preprocesamiento del conjunto de datos de sonidos respiratorios, utili-zando coeficientes cepstrales de frecuencia de Mel (MFCC´s) como entrada de la red. Los resultados obtenidos revelan un rendimiento significativo, con una precisión del 79% en la clasificación de sonidos respiratorios. Este resultado re-salta el potencial de las redes neuronales convolucionales pre entrenadas en el campo médico. Sin embargo, persisten desafíos por superar, como la necesidad de conjuntos de datos más amplios y una comprensión más profunda de los resultados para su implementación clínica efectiva.

Evaluación de estrés laboral mediante técnicas de reconocimiento emocional y ritmo cardíaco

Alejandro M. Vega, Martín Bilbao, Marcelo A. Falappa — Tue, 01 Apr 2025 00:00:00 +0000

Este estudio tiene como objetivo desarrollar un mecanismo para evaluar la salud de los empleados mediante el análisis de reconocimiento de emociones (RE) y la medición del ritmo cardíaco, con el fin de establecer correlaciones con los niveles de estrés. Se trata de la segunda fase de un estudio previo, en la que se compararán los resultados actuales con los obtenidos anteriormente. En ambos estudios se utilizaron dispositivos biométricos, como cámaras para capturar imágenes faciales analizadas con inteligencia artificial y sensores en teléfonos móviles o relojes inteligentes para registrar el ritmo cardíaco. Dado el desafío que representa la detección de emociones, proponemos utilizar el algoritmo Deep-Face para el reconocimiento facial de emociones, el cual ha demostrado una precisión del 94%. Además, los empleados completarán un cuestionario autoadministrado sobre su estado emocional y anímico (neutral, cansado, con energía), lo que permitirá comparar las emociones detectadas con los informes subjetivos. Esto proporcionará una mayor comprensión sobre la precisión del reconocimiento emocional y contribuirá a mejorar la evaluación del estado de salud.

Producción de combustible sostenible de aviación: estudio tecno-económico basado en simulación de procesos

Paula M. Middagh, Ana M. Cuezzo, Paula Z. Araujo, Fernando D. Mele — Tue, 01 Apr 2025 00:00:00 +0000

Este estudio analiza la producción de kerosén parafínico sintético a partir de bioetanol derivado de la industria sucroalcoholera del noroeste argentino. El diseño conceptual del proceso se desarrolló utilizando el simulador UniSim® Design v490, lo que permitió definir el diagrama de flujo, optimizar las condiciones operativas y evaluar la viabilidad técnica mediante indicadores clave. Se alcanzó un rendimiento global de 0,59 kg de hidrocarburos por kilogramo de etanol, con una conversión del 97,1% en la etapa de deshidratación. La integración energética redujo el consumo de servicios auxiliares en un 34%. El análisis económico indicó una viabilidad financiera con un valor actual neto de 19 millones de dólares y una tasa interna de retorno del 14%. Este enfoque propone diversificar la cartera de productos de la biorrefinería de caña de azúcar, aprovechando recursos regionales y destacando el papel de la simulación computacional en el diseño de procesos químicos sostenibles.

Nota editorial

Claudia Pons, Alejandra Garrido — Tue, 01 Apr 2025 00:00:00 +0000