Una selección de artículos de investigación en transformación digital e innovación
INCODTRIN y su aporte a la ciencia y la tecnología.
Desde la actual edición hasta la del próximo mes de octubre, en las páginas de Neurona BA se podrá acceder a una síntesis de las ocho investigaciones seleccionadas para su divulgación, que fueron presentadas en la Conferencia Internacional de Transformación Digital e Innovación Tecnológica (INCODTRIN). El evento, desarrollado en la modalidad online por el aislamiento que impuso el Covid-19, se realizó con sede en Quito, Ecuador a fines del año pasado y fue organizado por IOT & Big Data Services y BigDaSS.
En INCODTRIN participaron representantes de organizaciones públicas, privadas y académicas de distintos países y especialistas que exhibieron casos de éxito en temáticas vinculadas con la tecnología y la innovación, como big data, blockchain, cloud computing, tecnología de la información, inteligencia artificial y computacional, sistemas inteligentes, aprendizaje automático, entre otros.
Coincidieron, así, profesionales de los sectores público y privado, entidades gubernamentales, investigadores y profesionales interesados en los avances de los sistemas de información y ciencias de la computación, el gobierno de los datos y la perspectiva de aplicar tecnología en sistemas que podrían beneficiar a los ciudadanos hicieron su aporte.
Revisión de trabajos y temáticas
Los trabajos que se compilaron y que se exponen a partir de ahora en esta revista, fueron revisados y seleccionados por, al menos, tres expertos de cada temática elegida, y evaluados cuidadosamente en función de su originalidad, importancia, solidez técnica y claridad de exposición.
Todos los que se presentan en la presente edición, y en las venideras ya aparecerán en las actas de la Conferencia que publica el IEEE Xplore in Lecture Notes for Computer Science and Conference Publishing System (CPS).
Los temas de la conferencia INCODTRIN 2020 están agrupados en torno a la Industria 4.0, oT y Big Data, Ciudades inteligentes y otros, y la lista de los que se irán publicando en Neurona BA es la siguiente:
– Una nueva metodología de clasificación de datos de alto nivel basada en redes (Quipus) mediante modelado interacciones atributo-atributo.
Por Esteban Wilfredo Vilca Zuñiga y Liang Zhao, del Deptartment of Computing and Mathematics FFCLRP-USP Ribeirao Preto, Brasil.
– Evaluación de herramientas de reconocimiento de entidades nombradas (NER) versus algoritmos adaptados a la extracción de ubicaciones.
Por Marcos Orellana y Catalina Fárez, de la Universidad del Azuay, Cuenca – Ecuador; y Paúl Cárdenas, de laUniversidad de Cuenca, Cuenca – Ecuador.
– Propuesta de arquitectura Big Data para detección de tráfico vehicular
Por Nelson Iván Herrera Herrera, deInformática y Ciencias de la Computación. Universidad UTE. Pichincha, Quito.
– Aplicaciones de IoT al monitoreo del flujo de agua.
Por Estevan R Gómez-Torres, de Informática y Ciencias de la Computación. Universidad UTE. Universidad de las Fuerzas Armadas ESPE Quito- Ecuador; y Brigith Angelina Ullauri Guaranga, de Informática y Ciencias de la Computación. Universidad UTE. Quito- Ecuador
– Detección de objetos en caminos rurales mediante la API de Tensorflow.
Por Luis Barba-Guaman, Artificial Intelligence Lab. Universidad Tecnica Particular; Jose Eugenio Naranjo, INSIA. Universidad Politecnica de Madrid, España; Anthony Ortiz, Artificial Intelligence Lab. Universidad Técnica Particular de Loja, Loja, Ecuador.
– Análisis del impacto de Covid-19 en la Ciudad de México utilizando Text Mining y Twitter.
Por Josimar Edinson Chire Saire, Institute of Mathematics and Computer Science (ICMC) University of Sao Paulo (USP), Sao Carlos, SP, Brazil; Anabel Pineda-Briseño, Departamento de Sistemas y Computación, Tecnológico Nacional de México/Instituto Tecnológico de Matamoros, H. Matamoros, Tamps., México.
– Análisis de vulnerabilidad de cookies en Apex 5.
Por Esteban Crespo-Martinez, Catalina Astudillo-Rodriguez y Gabriela Chica, LIDI, Facultad de Ciencias de la Administración, Universidad del Azuay, Cuenca, Ecuador; y Ana Vasquez-Aguilera, LIDI, Facultad de Ciencia y Tecnología, Universidad del Azuay, Cuenca, Ecuador
– Una propuesta de prototipo para la detección y reducción del estrés mediante el uso de ondas cerebrales e IoT
Por David Llerena, Ramiro Delgado, Christian Ubilluz, del Departamento de Ciencias de la Computación, Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador; y Roberto López, Unidad de postgrado, Universidad Regional Autónoma de los Andes, Ambato, Ecuador.
Un prototipo para la detección y reducción del estrés mediante el uso de ondas cerebrales y dispositivos IoT
El estrés es un problema creciente que está recibiendo cada vez más atención. El estrés académico, esta enfermedad que aparece durante los trayectos educativos de las personas, puede darse a partir de diversos factores, afectando el rendimiento, provocando desmotivación e inclusive, en casos más complejos, desencadenando en el abandono de la actividad educativa.
En el marco de la Conferencia Internacional de Transformación Digital e Innovación Tecnológica que se desarrolló en Ecuador, en octubre de 2020, se abordaron diversos temas, como Industria 4.0, IoT , Big Data, Ciudades inteligentes y otros.
En esta oportunidad, la investigación estuvo a cargo de David Llerena, Ramiro Delgado y Christian Ubilluz, del Departamento de Ciencias de la Computación de la Universidad de las Fuerzas Armadas ESPE (Ecuador), y Roberto López, de la unidad de posgrado de la Universidad Regional Autónoma de los Andes Ambato. El trabajo tuvo como objetivo el desarrollo de la arquitectura de una aplicación prototipo que combina el efecto de la musicoterapia con dispositivos IoT y el seguimiento de las ondas cerebrales, a través de EPOC+, un electroencefalograma.
Dicha terapia se llevó a cabo en dos fases. La primera, en la cual se monitorearon las distintas ondas cerebrales; la segunda, través de la musicoterapia, se detectaron los distintos niveles de estrés, de acuerdo con los límites establecidos para cada uno.
El prototipo fue evaluado en un total de 274 estudiantes, pertenecientes a la carrera de Tecnología de la Información de Universidad de las Fuerzas Armadas ESPE (Ecuador).
De acuerdo a los resultados presentados, se trató de una terapia efectiva, en la cual se vieron disminuidos los distintos niveles de estrés. Por su parte, sentó un precedente para continuar profundizando sobre la materia.
- Los resultados mostraron que el 76% pudo reducir su estrés, el 19% no necesitó musicoterapia, mientras que el 5% no puede reducir su estrés.
- El diseño, desarrollo e implementación de soluciones mediante el seguimiento de buenas prácticas de software, basándose también en investigaciones previas permitirán realizar importantes aportes a fin de combatir esta enfermedad mental.
Para acceder al informe completo, debe contactarse con los miembros del equipo de investigación vía mail a bdllerena@espe.edu.ec – rndelgado@espe.edu.ec – cmubilluz@espe.edu.ec – capostgrado@uniandes.edu.ec
Una nueva metodología de clasificación de datos de alto nivel basada en la red (Quipus) mediante el modelado de interacciones atributo-atributo
Los algoritmos de clasificación de alto nivel se centran en las interacciones entre instancias. Estos producen una nueva forma de evaluar y clasificar datos. En este proceso, el núcleo es una metodología compleja de construcción de redes. Las metodologías actuales utilizan variaciones de kNN para producir estos gráficos. Sin embargo, estas técnicas ignoran algunos patrones ocultos entre atributos y requieren que la normalización sea precisa.
En este artículo, desarrollado por Esteban Wilfredo Vilca Zuñiga y Liang Zhao, del Departamento de Computación y Matemáticas de la Universidad de San Pablo (Brasil), se propuso una nueva metodología para la construcción de redes basada en interacciones atributo-atributo que no requieren normalización.
Image of attribute-attribute 1 network from one interaction with higher modularity than its instance-instance network in UCI wine dataset classification 
Image of instance-instance network from one interaction in UCI wine dataset classification
Este documento proporciona un nuevo enfoque en lo que respecta a la clasificación mediante interacciones atributo-atributo, ya que investigaciones anteriores hacían hincapié en la interacción instancia-instancia. Por su parte, este algoritmo propuesto aumenta la resiliencia frente a datos no normalizados.
Lo novedoso en esta técnica es el uso de redes complejas para cada atributo que captura los patrones estructurales ocultos en cada uno. Crea un gráfico independiente para cada atributo, una red principal para todo el conjunto de datos, elimina las redes con estructura de comunidad baja, y optimiza el proceso para robustecer a cada red.
Diversos experimentos se llevaron a cabo con el fin de evaluar la técnica propuesta, arrojando resultados superadores a otras metodologías. Este enfoque mejora la precisión del algoritmo de clasificación de alto nivel basado en la centralidad de intermediación.
Para acceder al informe completo, puede contactarse con los miembros del equipo de investigación vía mail a evilcazu@usp.br – zhao@usp.br
