Comparación de las aplicaciones de Google y Yahoo para la geocodificación de direcciones postales con fines epidemiológicos

Fundamentos: Geocodificar es asignar coordenadas geográficas a puntos del espacio, frecuentemente direcciones postales. El error cometido al aplicar este proceso puede introducir un sesgo en las estimaciones de modelos espacio-temporales en estudios epidemiológicos. No se han encontrado estudios que midan este error en ciudades españolas. El objetivo es evaluar los errores en magnitud y direccionalidad de dos recursos gratuitos (Google y Yahoo) respecto a GPS en dos ciudades de España. Método: Se geocodificaron 30 direcciones aleatorias con los dos recursos citados y con GPS en Santa Pola (Alicante) y en Alicante. Se calculó la mediana y su IC95% del error en metros entre los recursos y GPS, para el total y por el status reportado. Se evaluó la direccionalidad del error calculando el cuadrante de localización y aplicando un test Chi-Cuadrado. Se evaluó el error del GPS midiendo 11 direcciones dos veces en un intervalo de 4 días. Resultados: La mediana del error total desde Google-GPS fue de 23,2 metros (16,0-32,2) para Santa Pola y 21,4 metros (14,9-31,1) en Alicante. Para Yahoo fue de 136,0 (19,2-318,5) para Santa Pola y 23,8 (13,6-29,2) para Alicante. Por status, se geocodificó entre un 73% y 90% como ‘exactas o interpoladas’ (menor error), tanto Google como Yahoo tuvieron una mediana del error de entre 19 y 22 metros en las dos ciudades. El error del GPS fue de 13,8 (6,7-17,8) metros. No se detectó direccionalidad. Conclusiones: El error de Google es asumible y estable en las dos ciudades, siendo un recurso fiable para geocodificar direcciones postales en España en estudios epidemiológicos.

Growing Neural Gas approach for obtaining homogeneous maps by restricting the insertion of new nodes

The Growing Neural Gas model is used widely in artificial neural networks. However, its application is limited in some contexts by the proliferation of nodes in dense areas of the input space. In this study, we introduce some modifications to address this problem by imposing three restrictions on the insertion of new nodes. Each restriction aims to maintain the homogeneous values of selected criteria. One criterion is related to the square error of classification and an alternative approach is proposed for avoiding additional computational costs. Three parameters are added that allow the regulation of the restriction criteria. The resulting algorithm allows models to be obtained that suit specific needs by specifying meaningful parameters.

La evaluación continua en la docencia del urbanismo: experiencia aplicada a través de Google Apps

El sistema tradicional de evaluación continua implica asumir, en muchas ocasiones, algunas dificultades en cuanto al seguimiento y valoración del trabajo del alumnado. La existencia de grupos numerosos y la necesidad de agilizar la comunicación profesor-alumno y entre alumnos, nos lleva a investigar las posibilidades que ofrecen las nuevas tecnologías con el fin de actualizar los métodos de aprendizaje y facilitar la valoración del trabajo de los alumnos dentro y fuera del aula. La presente experiencia docente se centra en estudiar las posibilidades que ofrece Google, a través de distintas aplicaciones web o Apps -Groups, Forms, Drive, Mail y Calendar- e incorporarlas como herramientas integradas en el trabajo del aula. Concretamente, se aplica simultáneamente esta metodología a dos asignaturas diferentes del área de Urbanística y Ordenación del Territorio -Urbanismo 2 y Urbanismo 4- en las que se integra al alumnado en un grupo virtual a través del cual, se realizan distintas actividades -resolución de dudas, intercambio de información, exámenes, etc.- que permiten al profesor gestionar y evaluar, de forma eficiente, cuestiones como la asistencia y la participación en la asignatura conociendo de forma inmediata la respuesta de los estudiantes ante los conceptos trabajados.

3D Maps Representation Using GNG

Current RGB-D sensors provide a big amount of valuable information for mobile robotics tasks like 3D map reconstruction, but the storage and processing of the incremental data provided by the different sensors through time quickly become unmanageable. In this work, we focus on 3D maps representation and propose the use of the Growing Neural Gas (GNG) network as a model to represent 3D input data. GNG method is able to represent the input data with a desired amount of neurons or resolution while preserving the topology of the input space. Experiments show how GNG method yields a better input space adaptation than other state-of-the-art 3D map representation methods.

Feature selection by multi-objective optimisation: Application to network anomaly detection by hierarchical self-organising maps

Feature selection is an important and active issue in clustering and classification problems. By choosing an adequate feature subset, a dataset dimensionality reduction is allowed, thus contributing to decreasing the classification computational complexity, and to improving the classifier performance by avoiding redundant or irrelevant features. Although feature selection can be formally defined as an optimisation problem with only one objective, that is, the classification accuracy obtained by using the selected feature subset, in recent years, some multi-objective approaches to this problem have been proposed. These either select features that not only improve the classification accuracy, but also the generalisation capability in case of supervised classifiers, or counterbalance the bias toward lower or higher numbers of features that present some methods used to validate the clustering/classification in case of unsupervised classifiers. The main contribution of this paper is a multi-objective approach for feature selection and its application to an unsupervised clustering procedure based on Growing Hierarchical Self-Organising Maps (GHSOMs) that includes a new method for unit labelling and efficient determination of the winning unit. In the network anomaly detection problem here considered, this multi-objective approach makes it possible not only to differentiate between normal and anomalous traffic but also among different anomalies. The efficiency of our proposals has been evaluated by using the well-known DARPA/NSL-KDD datasets that contain extracted features and labelled attacks from around 2 million connections. The selected feature sets computed in our experiments provide detection rates up to 99.8% with normal traffic and up to 99.6% with anomalous traffic, as well as accuracy values up to 99.12%.

Subsidence activity maps derived from DInSAR data: Orihuela case study

A new methodology is proposed to produce subsidence activity maps based on the geostatistical analysis of persistent scatterer interferometry (PSI) data. PSI displacement measurements are interpolated based on conditional Sequential Gaussian Simulation (SGS) to calculate multiple equiprobable realizations of subsidence. The result from this process is a series of interpolated subsidence values, with an estimation of the spatial variability and a confidence level on the interpolation. These maps complement the PSI displacement map, improving the identification of wide subsiding areas at a regional scale. At a local scale, they can be used to identify buildings susceptible to suffer subsidence related damages. In order to do so, it is necessary to calculate the maximum differential settlement and the maximum angular distortion for each building of the study area. Based on PSI-derived parameters those buildings in which the serviceability limit state has been exceeded, and where in situ forensic analysis should be made, can be automatically identified. This methodology has been tested in the city of Orihuela (SE Spain) for the study of historical buildings damaged during the last two decades by subsidence due to aquifer overexploitation. The qualitative evaluation of the results from the methodology carried out in buildings where damages have been reported shows a success rate of 100%.

Uso de Google Calendar para la coordinación entre asignaturas del Grado en Ingeniería Química

Uno de los aspectos peor valorados por los estudiantes de las nuevas titulaciones de grado es la coordinación entre asignaturas del mismo curso en cuanto a la distribución de controles y otro tipo de pruebas objetivas a lo largo del cuatrimestre, que afecta a la carga de trabajo no presencial en determinados momentos. En la guía docente de cada asignatura aparece la información sobre las pruebas a realizar dentro de un cronograma aproximado por semanas, y está disponible antes del comienzo del curso. Sin embargo, esa distribución puede variar ligeramente una vez empezado el curso debido a diversos motivos, y no se dispone de la información para todas las asignaturas del cuatrimestre en un mismo documento, lo que facilitaría su visualización. En este trabajo se propone el uso de la herramienta Google Calendar con el objetivo de tener un mayor control de este aspecto y poder detectar y corregir conflictos que puedan surgir, aplicándolo al Grado en Ingeniería Química.

Using causal maps to support ex-post assessment of social impacts of dams

This paper presents the results of an ex-post assessment of two important dams in Brazil. The study follows the principles of Social Impact Management, which offer a suitable framework for analyzing the complex social transformations triggered by hydroelectric dams. In the implementation of this approach, participative causal maps were used to identify the ex-post social impacts of the Porto Primavera and Rosana dams on the community of Porto Rico, located along the High Paraná River. We found that in the operation of dams there are intermediate causes of a political nature, stemming from decisions based on values and interests not determined by neutral, exclusively technical reasons; and this insight opens up an area of action for managing the negative impacts of dams.

Causal Maps and Indirect Influences Analysis in the Diagnosis of Second-Home Tourism Impacts

This paper proposes a method for diagnosing the impacts of second-home tourism and illustrates it for a Mediterranean Spanish destination. This method proposes the application of network analysis software to the analysis of causal maps in order to create a causal network model based on stakeholder-identified impacts. The main innovation is the analysis of indirect relations in causal maps for the identification of the most influential nodes in the model. The results show that the most influential nodes are of a political nature, which contradicts previous diagnoses identifying technical planning as the ultimate cause of problems.

Grandes viajes de la historia a través de Google Earth

Se realizó una experiencia con los futuros maestros del Grado de Magisterio con el doble objetivo de que investigaran sobre las rutas más importantes de la Historia usando la cartografía y localización que permite Google Earth, así como la biografía de los personajes que las llevaron a cabo. El instrumento-juego utilizado fue una yincana a través del globo terráqueo. Los resultados fueron muy alentadores en cuanto a motivación y aprendizajes.