DOCTORADO EN INFORMÁTICA
Permanent URI for this collection
Browse
Browsing DOCTORADO EN INFORMÁTICA by Subject "IA"
Results Per Page
Sort Options
-
ItemDescubrimiento y diseño de microservicios asistido por IA a partir de requisitos textuales( 2026-2-24) Narváez Flores, José DanielEsta tesis investiga el problema de descubrir y diseñar arquitecturas de microservicios a partir de requisitos textuales mediante un enfoque generar–verificar. Se propone ArchiGenMS, un pipeline que integra: (i) modelos generativos guiados por prompt engineering y búsqueda evolutiva para producir candidatos arquitectónicos; y (ii) verificación formal en Lean junto con métricas estructurales (cohesión, granularidad y acoplamiento) para evaluar y certificar propiedades de calidad a nivel de diseño. La metodología se enmarca en Design Science Research (DSR), articulando un ciclo de relevancia (problema de diseño greenfield desde texto), un ciclo de rigor (síntesis sistemática del estado del arte y formalización de métricas) y un ciclo de diseño (construcción y evaluación del artefacto). El resultado es un proceso extremo a extremo que parte de historias de usuario y artefactos textuales, genera alternativas arquitectónicas consistentes y aplica garantías formales sobre restricciones estructurales y umbrales operacionales de calidad. La verificación formal no solo valida, sino que guía la búsqueda de soluciones hacia regiones del espacio arquitectónico con mayor cohesión, menor acoplamiento y granularidad adecuada, reduciendo diseños plausibles pero estructuralmente deficientes. Se presentan experimentos sobre conjuntos de requisitos en dominios heterogéneos, reportando:(a) convergencia del fitness evolutivo; (b) mejoras en las distribuciones de las métricas estructurales; (c) coste controlado de verificación por individuo; y (d) robustez mediante amenazas a la validez (constructo, interna, externa y de conclusión), control de semillas, y paquete de replicación. Las contribuciones son: (1) un artefacto verificable para el descubrimiento y diseño de microservicios desde texto; (2) una formalización reusable de métricas estructurales en Lean y su integración en una función de aptitud con penalizaciones suaves; (3) un protocolo experimental reproducible (código, prompts versionados y datos) que permite evaluar calidad arquitectónica en escenarios greenfield. Finalmente, se delinean líneas futuras en NFRs dinámicos, propiedades temporales y transferencia industrial.
-
ItemMetodología integral de recomendación de revisores en revistas científicas sobre múltiples factores( 2025) Decoppet, Guillermo OmarUn problema recurrente que afrontan los editores de revistas científicas es la elección adecuada de revisores pares para evaluar los trabajos enviados por la comunidad académica en vistas a su posible publicación. En la región latinoamericana una cantidad significativa de editores científicos realizan esta tarea de manera artesanal sin contar con herramientas automatizadas de apoyo. A los fines de subsanar esta vacancia, la presente tesis doctoral propone una metodología innovadora utilizando técnicas validadas de procesamiento del lenguaje natural. Se toma como caso de aplicación el repositorio institucional CONICET digital (Argentina) y se tiene principalmente en cuenta aspectos tales como la concordancia entre la temática del artículo y de los evaluadores seleccionados, la priorización de la experiencia del revisor en la temática en el orden de recomendación, la actualidad del conocimiento, la detección del conflicto de interés, la desambiguación de nombres, la autoridad y la realimentación con información histórica de revisiones pasadas. En esta dirección, se desarrolló un primer prototipo que realiza el procesamiento de la información necesaria con dicha metodología, a los fines de ofrecer el informe de recomendación. En síntesis, el aporte original de esta investigación se centra en una propuesta metodológica para el desarrollo de una solución dinámica con las características expuestas, que se inscribe como una herramienta asistida cuyos destinatarios son los editores expertos de revistas científicas que, como sistema con técnicas de IA, posibilita una búsqueda ágil y adecuada de revisores para aplicar al corpus de trabajos científicos a evaluar.