Diseño de sistema de profiling para ecosistema de ciencia ciudadana
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 24/05 (Browse shelf(Opens below)) | Available | DIF-05327 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2024.
1. Introducción -- 1.1. Motivación -- 1.1.1. Objetivos -- 1.2. Enfoque -- 1.3. Organización -- 2. Participación y Liderazgo en Ciencia Ciudadana -- 2.1. Introducción -- 2.2. Motivaciones de los Participantes -- 2.3. Motivaciones de los Líderes de Proyectos -- 2.4. Conclusión -- 3. Cientopolis y Ágora -- 3.1. Cientópolis -- 3.2. Ágora -- 3.2.1. Desarrollo de Ágora -- 3.3. Modelo de Datos PPSRCore -- 3.3.1. Asociación de Ciencia Ciudadana (CSA) -- 3.3.2. Estándar de Modelo de Datos de Ciencia Ciudadana PPSRCore -- 3.4. Conclusión -- 4. Sistemas de Recomendación -- 4.1. Definición -- 4.2. Tipos de Sistemas de Recomendación -- 4.2.1. No Personalizados -- 4.2.2. Personalizados -- 4.3. Funcionamiento de un Sistema de Recomendación -- 4.4. Sistemas de Recomendación Basados en el Contenido -- 4.4.1. Funcionamiento General -- 4.4.2. Arquitectura -- 4.4.3. Ventajas y Desventajas -- 4.5. Tecnologías para Sistemas de Recomendación -- 4.5.1. Machine Learning -- 4.5.2. Tipos de Machine Learning -- 4.5.3. Uso de Aprendizaje Automático en Sistemas de Recomendación -- 4.5.4. Neo4j -- 4.6. Conclusión -- 5. Estrategia General -- 5.1. Matemática y Algoritmos Aplicados -- 5.1.1. Similitud Jaccard -- 5.1.2. Normalización MínimoMáximo -- 5.1.3. Producto de un Escalar por un Vector -- 5.1.4. Producto de Matrices -- 5.1.5. Algoritmo KNN -- 5.2. Sistema de Recomendación de Proyectos a Usuarios para Ágora -- 5.2.1. Content Analyzer -- 5.2.2. Profile Learner -- 5.2.3. Filtering Component -- 5.2.4. Ejemplo Aplicado -- 6. Diseño e Implementación -- 6.1. Elección de Tecnología para el Sistema de Recomendación -- 6.2. Modelo Propuesto -- 6.3. Implementación -- 6.3.1. Dependencias -- 6.3.2. Modelos -- 6.3.3. Repositorios -- 6.4. Funcionamiento del Algoritmo KNN en Neo4j -- 6.5. Recomendaciones en Ágora -- 6.5.1. Endpoint -- 6.5.2. Clases y Métodos Utilizados -- 7. Evaluación -- 7.1. Métricas de Evaluación -- 7.1.1. Precision -- 7.1.2. Recall -- 7.1.3. F1Score -- 7.2. Conjunto de Datos -- 7.2.1. Inicialización de Proyectos -- 7.2.2. Inicialización de Usuarios -- 7.2.3. Inicialización de perfiles de usuarios -- 7.3. Proceso de Evaluación -- 7.4. Evaluación de Resultados -- 7.4.1. Resultados con 468 Proyectos -- 7.4.2. Resultados con 300 proyectos -- 7.4.3. Análisis y Conclusiones sobre la Efectividad del Sistema de -- Recomendación -- 7.4.4. Evaluación del Sistema con la Configuración Propuesta -- 8. Conclusión -- 8.1. Conclusión -- 8.2. Trabajos Futuros -- 8.2.1. Optimización -- 8.2.2. Inclusión de la Ubicación Geográfica -- 8.2.3. Recomendación de Usuarios a Proyectos -- 8.2.4. Sistema de Recomendación Colaborativo -- 8.2.5. Integración con Ágora