Improving subjectivity detection using unsupervised subjectivity word sense disambiguation

En este trabajo se presenta un método para la detección de subjetividad a nivel de oraciones basado en la desambiguación subjetiva del sentido de las palabras. Para ello se extiende un método de desambiguación semántica basado en agrupamiento de sentidos para determinar cuándo las palabras dentro de la oración están siendo utilizadas de forma subjetiva u objetiva. En nuestra propuesta se utilizan recursos semánticos anotados con valores de polaridad y emociones para determinar cuándo un sentido de una palabra puede ser considerado subjetivo u objetivo. Se presenta un estudio experimental sobre la detección de subjetividad en oraciones, en el cual se consideran las colecciones del corpus MPQA y Movie Review Dataset, así como los recursos semánticos SentiWordNet, Micro-WNOp y WordNet-Affect. Los resultados obtenidos muestran que nuestra propuesta contribuye de manera significativa en la detección de subjetividad.

Detección y análisis de contaminantes en diversos ambientes

Presentación realizada para Química Fusión, Valencia, 29 septiembre-1 octubre 2011.

Detección automática con snakes y representación 3D sobre imágenes cerebrales

Comunicación presentada en la VI Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA'95), Alicante, 15-17 noviembre 1995.

Una aproximación basada en corpus para la detección del foco geográfico en el texto

El foco geográfico de un documento identifica el lugar o lugares en los que se centra el contenido del texto. En este trabajo se presenta una aproximación basada en corpus para la detección del foco geográfico en el texto. Frente a otras aproximaciones que se centran en el uso de información puramente geográfica para la detección del foco, nuestra propuesta emplea toda la información textual existente en los documentos del corpus de trabajo, partiendo de la hipótesis de que la aparición de determinados personajes, eventos, fechas e incluso términos comunes, pueden resultar fundamentales para esta tarea. Para validar nuestra hipótesis, se ha realizado un estudio sobre un corpus de noticias geolocalizadas que tuvieron lugar entre los años 2008 y 2011. Esta distribución temporal nos ha permitido, además, analizar la evolución del rendimiento del clasificador y de los términos más representativos de diferentes localidades a lo largo del tiempo.

Detección de puntos débiles de aislamiento acústico en edificación ya construida

El aislamiento acústico es un problema de difícil solución una vez que la obra ya está acabada. En el caso de que la obra esté finalizada y no se cumplan con los valores de calidad acústicos que nos marca la legislación, deben detectarse los puntos débiles que provocan esa deficiencia de aislamiento acústico. La publicación de catálogos de soluciones constructivas hace que el problema no sea el material elegido, sino cómo se han unido estos materiales entre sí. Por tanto, debe analizarse este problema y buscar mecanismos con los que determinar los puntos débiles. En este trabajo se propone un método para la determinación de caminos débiles de transmisión entre un recinto emisor y un recinto receptor. El método obtiene el índice de reducción vibracional, como indicador de estos caminos débiles. Se muestran en el trabajo varios casos estudiados en el propio edificio, y cómo valorar la transmisión que debilita el aislamiento global de todo el conjunto constructivo.

ADRSpanishTool: una herramienta para la detección de efectos adversos e indicaciones

Presentamos una herramienta basada en coocurrencias de fármaco-efecto para la detección de reacciones adversas e indicaciones en comentarios de usuarios procedentes de un foro médico en español. Además, se describe la construcción automática de la primera base de datos en español sobre indicaciones y efectos adversos de fármacos.

Consecuencias conductuales derivadas del proceso atencional en el aula de aprendizaje: propuestas de detección

Uno de los factores fundamentales a tener en cuenta en el proceso de aprendizaje es la atención, máxime si consideramos que se trata del primer paso que debe darse en todo proceso de aprendizaje. Derivado de una falta de atención, inatención o dificultad para mantenerla o focalizarla, pueden surgir otros problemas con frecuencia asociados a ellos, como son un bajo rendimiento, problemas de comprensión, inadecuado desarrollo de las competencias esperadas e incluso conductas asociadas que dificultan el progreso del grupo-clase. Elevado al grado de trastorno nos podemos encontrar con el TDAH, se trata de un trastorno de origen biológico con base neurológica que afecta en gran medida al comportamiento, la atención y el aprendizaje, asociado con frecuencia a la impulsividad y/o hiperactividad. En nuestra propuesta apostamos por una intervención eficaz, que pasa por la evaluación de la situación completa y ajustada al contexto de aprendizaje, así como a las circunstancias que lo definen. Intervención que se planifica a partir del trabajo cooperativo de un equipo de profesionales de carácter multidisciplinar. Partiendo de esta perspectiva se pretende identificar, inicialmente, aquellos indicios que al menos en un primer momento, pueden ser descriptivos del alumno y la alumna con problemas de atención.

Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes

Inspirados por las estrategias de detección precoz aplicadas en medicina, proponemos el diseño y construcción de un sistema de predicción que permita detectar los problemas de aprendizaje de los estudiantes de forma temprana. Partimos de un sistema gamificado para el aprendizaje de Lógica Computacional, del que se recolectan masivamente datos de uso y, sobre todo, resultados de aprendizaje de los estudiantes en la resolución de problemas. Todos estos datos se analizan utilizando técnicas de Machine Learning que ofrecen, como resultado, una predicción del rendimiento de cada alumno. La información se presenta semanalmente en forma de un gráfico de progresión, de fácil interpretación pero con información muy valiosa. El sistema resultante tiene un alto grado de automatización, es progresivo, ofrece resultados desde el principio del curso con predicciones cada vez más precisas, utiliza resultados de aprendizaje y no solo datos de uso, permite evaluar y hacer predicciones sobre las competencias y habilidades adquiridas y contribuye a una evaluación realmente formativa. En definitiva, permite a los profesores guiar a los estudiantes en una mejora de su rendimiento desde etapas muy tempranas, pudiendo reconducir a tiempo los posibles fracasos y motivando a los estudiantes.