Tutor 1
Osorio Toro, Carlos Andrés
Resumen
Uno de los principales problemas que tienen los académicos en sus investigaciones es obtener información rápida y de calidad respecto a investigaciones que alimenten sus antecedentes, así como determinar que revista es la adecuada para enviar sus resultados de investigación. En este sentido, el objeto de esta investigación es identificar algoritmos de sistemas de recomendación para de esta manera determinar qué tan acertados serían sus resultados para investigaciones en español. Lo innovador de este estudio, es contar con un recomendado de revistas científicas en nuestro idioma que permitirá aumentar la posibilidad de publicación a investigadores latinoamericanos.
Este estudio presenta un enfoque cuantitativo, no experimental y de carácter analítico – explicativo, pues busca caracterizar la información obtenida en el buscador académico SciELO a través del portal Dimensions.ai como base del dataset de entrenamiento. Además, se implementa la metodología CRISP-DM, como estándar en la implementación de proyectos de minería de datos, para asegurar la calidad de la información y en consecuencia, la mejora de las recomendaciones que obtiene el sistema.
Resumen en lengua extranjera 1
One of the main problems that academics have in their research is to obtain fast and quality information regarding research that feeds their background, as well as to determine which journal is the appropriate one to send their research results to. In this sense, the purpose of this research is to identify recommender system algorithms to determine how accurate their results would be for research in Spanish. The innovative aspect of this study is to have a scientific journal recommender in our language that will increase the possibility of publication for Latin American researchers. This study presents a quantitative, non-experimental and analytical-explanatory approach, since it seeks to characterize the information obtained in the academic search engine SciELO (through the Dimensions.ai portal) as the basis of the training dataset. In addition, the CRISP-DM methodology is implemented as a standard in the implementation of data mining projects to ensure the quality of the data and consequently the improvement of the recommendations obtained by the system.
Resumen en lengua extranjera 2
Um dos principais problemas que os acadêmicos têm na sua investigação é obter informação rápida e de qualidade sobre a investigação que alimenta os seus antecedentes, bem como determinar qual a revista apropriada para submeter os seus resultados de investigação. Neste sentido, o objectivo desta investigação é identificar algoritmos de sistema de recomendação a fim de determinar a exactidão dos seus resultados para a investigação em espanhol. O aspecto inovador deste estudo é ter um recomendador de revista científica na nossa língua que aumentará a possibilidade de publicação para investigadores latino-americanos. Este estudo apresenta uma abordagem quantitativa, não-experimental e analíticoexplicativa, pois procura caracterizar as informações obtidas no mecanismo de busca acadêmica SciELO (através do portal Dimensions.ai) como a base do conjunto de dados de treinamento. Além disso, a metodologia CRISP-DM é implementada como padrão na implementação de projetos de mineração de dados para garantir a qualidade dos dados e, conseqüentemente, a melhoria das recomendações obtidas pelo sistema.
Palabras clave
Sistema de recomendación, Machine learning, Natural languaje process, Academics journals, CRIPS-DM
Tipo de documento
Tesis de maestría
Licencia Creative Commons
This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License.
Fecha de elaboración
2022
Programa académico
Maestría en Analítica e Inteligencia de Negocios
Facultad
Escuela de Negocios
Citación recomendada
Castillo Burgos, E. E., & . (2022). Desarrollo de un sistema de recomendación para revistas académicas en español. Retrieved from https://ciencia.lasalle.edu.co/maest_analitica_inteligencia_negocios/1
Publisher
Universidad de La Salle. Escuela de Negocios. Maestría en Analítica e Inteligencia de Negocios