DOCTORADO EN INFORMÁTICA

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/2914

Browse

Browsing DOCTORADO EN INFORMÁTICA by Title

  • Item
    Analíticos visuales con inteligencia artificial aplicados en ciencia marina
    ( 2026-2-24) Ceballos, Luis Dario
    La presente tesis doctoral desarrolla un estudio integral sobre el diseño e implementación de sistemas de analítica automatizada aplicada en ciencia marina, integrando inteligencia artificial, tecnologías semánticas y visualización de datos. El trabajo presenta los fundamentos teóricos y metodológicos de la visualización de datos científicos y los modelos de lenguaje extensos (LLM), junto con una revisión del estado del arte en plataformas de visualización y la aplicación específica en datos de ciencia marina. Este análisis permite identificar una brecha significativa en los sistemas que combinan razonamiento semántico e interacción en interpretación de datos para generar representaciones visuales adecuadas de forma accesible. Con el objetivo de superar dicha brecha, se propone VisBot, un sistema experimental que integra la recomendación automatizada de analíticos visuales impulsada por inteligencia artificial aplicado en un caso de estudio que utiliza datos de biodiversidad marina. Esta tesis pretende contribuir al campo del desarrollo de herramientas de análisis visual automatizado con el fin de facilitar la exploración de datos, favorecer el descubrimiento de conocimiento y promover la convergencia entre datos complejos, inteligencia artificial y generación de visualizaciones accesibles para usuarios con diversos niveles de habilidad técnica.
  • Item
    Behavior-driven microservice architecture : un marco metodológico para la identificación iterativa de microservicios en proyectos ágiles greenfield
    ( 2025-12) Battaglia, Nicolás
    El diseño de arquitecturas basadas en microservicios en contextos ágiles greenfield presenta desafíos significativos, especialmente en la correcta identificación de límites de los servicios y en la alineación entre requisitos funcionales y decisiones arquitectónicas. Aunque domain-driven design (DDD) y behavior-driven development (BDD) ofrecen principios valiosos para comprender el dominio y especificar comportamientos, su aplicación práctica suele darse de manera aislada, sin mecanismos que garanticen trazabilidad, validación continua o diseño iterativo sustentado en evidencia. Como consecuencia, los proyectos enfrentan fragmentación del conocimiento, decisiones arquitectónicas intuitivas y dificultades para adaptar la solución a la evolución de los requisitos. Esta tesis propone behavior-driven microservice architecture (BDMA), un marco metodológico sistemático, iterativo y reproducible que integra prácticas de DDD, BDD y principios de arquitectura evolutiva para guiar la identificación, diseño y evolución de microservicios en proyectos greenfield. BDMA transforma escenarios funcionales redactados en lenguaje natural en artefactos arquitectónicos verificables, asegurando trazabilidad funcional completa y favoreciendo la coherencia semántica entre negocio y tecnología. El método se estructura en cinco fases: descubrimiento funcional colaborativo, redacción y validación de escenarios BDD, identificación de contextos delimitados, diseño iterativo de microservicios y validación/refactorización continua. La propuesta fue validada mediante un mapeo sistemático, un experimento exploratorio y un caso de aplicación, evidenciando mejoras en la comprensión del dominio, precisión en la identificación de microservicios y capacidad de adaptación frente a cambios. BDMA contribuye así a la ingeniería de software ofreciendo una metodología aplicable, fundamentada y alineada con los principios ágiles para el diseño sostenible de arquitecturas de microservicios.
  • Item
    Descubrimiento y diseño de microservicios asistido por IA a partir de requisitos textuales
    ( 2026-2-24) Narváez Flores, José Daniel
    Esta 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.
  • Item
    Diagnóstico de competencias blandas mediante herramientas de business intelligence
    ( 2025-10) Poncio, Silvia Victoria
    Las organizaciones empresariales dependen cada vez más de la información comprendida y procesada de un modo inteligente y de su capacidad de innovación, lo que les permite ser competitivas y establecer relación directa en la identificación y gestión del conocimiento. Esto forma parte de lo que se categoriza como activos intangibles en la era de la información y en el ultra complejo proceso acelerado del cambio en el cambio. Por esta razón implementamos un modelo de business intelligence, que realice la gestión del conocimiento, como variable intangible de las competencias blandas, lo que nos permitirá obtener predicciones y clasificaciones - mediante minería de datos- de las capacidades desarrolladas por los estudiantes, con posibilidades de generar reportes y dashboards. Con este modelo pretendemos aportar conocimiento para darles la posibilidad de contar con su propio diagnóstico. Entre los beneficios se puede fortalecer a las instituciones educativas para poder llevar a cabo acciones concretas y posibilitar el desarrollo de las competencias.
  • Item
    Gemelos digitales híbridos para la enseñanza de robótica. Un entorno distribuido en tiempo real
    ( 2025-11) Balich, Néstor Adrián
    Esta tesis presenta el diseño, desarrollo e implementación de un entorno híbrido de simulación educativa basado en un modelo de gemelo digital, orientado a la enseñanza de programación y robótica en carreras técnicas y no técnicas. La solución se materializa en el simulador ESTER, una plataforma 3D multiusuario desarrollada en Unity, capaz de controlar hasta 30 robots virtuales sincronizados con robots físicos mediante una arquitectura bidireccional. El modelo híbrido implementado integra componentes simulados y reales de forma complementaria, permitiendo experiencias educativas con alto grado de realismo, autonomía y retroalimentación sensorial. El entorno fue aplicado en contextos universitarios presenciales y virtuales, integrando programación textual en múltiples lenguajes y programación visual basada en bloques (mediante ATOM+ para TurboWarp). Su diseño pedagógico se fundamenta en el construccionismo, el aprendizaje activo, el aprendizaje significativo y la Educación Basada en Competencias (EBC). En este marco, se incorporan los resultados de aprendizaje como referencia para definir las capacidades observables y medibles que alcanzan los estudiantes, y el alineamiento constructivo como estrategia para asegurar la coherencia entre los resultados de aprendizaje, las actividades de enseñanza y las herramientas de evaluación (Neil, 2024). La validación se realizó mediante estudios de caso, rúbricas de desempeño, encuestas de percepción y métricas técnicas. Los resultados muestran una mejora significativa en la comprensión de estructuras de control, la motivación estudiantil y la transferencia de conocimiento. El simulador ha sido reconocido por su innovación y escalabilidad, recibiendo premios académicos y financiamiento internacional. Esta investigación aporta un modelo replicable y sostenible para la enseñanza de robótica y programación en entornos híbridos, posicionando a los gemelos digitales como herramienta clave en la educación del siglo XXI.
  • Item
    Metodología integral de recomendación de revisores en revistas científicas sobre múltiples factores
    ( 2025) Decoppet, Guillermo Omar
    Un 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.
  • Item
    Técnicas de inteligencia artificial explicable basadas en una integración de lógica simbólica y nosimbólica
    ( 2024-7) Negro, Pablo Ariel
    El aprendizaje profundo (deep learning - DL) aprovecha el potencial de las redes neuronales profundas para influir en el proceso genérico del aprendizaje mediante la prueba y el error. Su efectividad se ha demostrado de manera sólida en diversas áreas. No obstante, los sistemas de DL heredan deficiencias de las técnicas actuales de aprendizaje profundo, como la necesidad de conjuntos de datos extensos para su óptimo funcionamiento. Carecen de la capacidad de razonamiento abstracto, lo que dificulta la ejecución de funciones cognitivas avanzadas como el razonamiento analógico o basado en hipótesis. Además, su funcionamiento es mayormente opaco para los humanos, lo que los hace inadecuados en ámbitos donde la verificabilidad es crucial. La explicabilidad se refiere a la capacidad de explicar las decisiones tomadas por un modelo en términos comprensibles para las personas. Su propósito es comprender por qué el modelo adoptó una decisión particular y reconocer las condiciones en las que tiene éxito o fracasa. En este sentido, la necesidad de integración entre lo neuronal y lo simbólico se vuelve evidente al enfrentar problemas de mayor complejidad. Los métodos de búsqueda para extraer reglas en redes neuronales profundas entrenadas realizan un análisis de los pesos y sesgos generados por la red. Al calcular la correlación entre los vectores de pesos con las salidas en cada capa, es factible reducir el espacio de búsqueda e identificar el camino crítico que conecta las entradas con los resultados obtenidos por la red neuronal. Basándonos en esta observación, este trabajo tiene como objetivo presentar un método para extraer el patrón de reglas aprendido por una red neuronal entrenada de tipo feedforward, analizar sus propiedades y explicar estos patrones mediante el uso de lógica de primer orden (FOL)