Skip to main content

 

The Keyword To Success: Comparative Analysis Of Computer Science Research Across Representative Universities In Latin America

Las publicaciones científicas suelen utilizarse para clasificar las instituciones de educación superior, los países, los centros de investigación, utilizando parámetros como el número de citas y la relevancia. Al mismo tiempo, existe una falta de información comparativa entre las investigaciones realizadas en América Latina. En este estudio, nos proponemos comparar las investigaciones en Ciencias de la Computación en las que han participado científicos latinoamericanos, mediante el análisis de las redes de co-ocurrencia de las palabras clave elegidas para las publicaciones científicas correspondientes. Para ello, recogemos información, a partir del sitio web Scopus, sobre las publicaciones científicas cuyos autores pertenecen a una de las dos mejores universidades de once países latinoamericanos que filtran publicaciones científicas sólo en el área de la Informática. A continuación, construimos gráficos por universidad y calculamos algunas medidas estructurales. Además, definimos una métrica denominada Diversidad de Palabras Clave de la Universidad (UKD) como una variación de la ecuación estadística de entropía para las palabras clave que aparecen en los artículos de investigación de la universidad. Correlacionamos estas métricas con el número de citas y la clasificación de la universidad, encontrando correlaciones de hasta 0,8. Nuestros resultados muestran que la universidad con el mayor UKD de América Latina es la Universidad Nacional Autónoma de México (UNAM) y que su gráfico correspondiente es uno de los más ricos en número de nodos y relaciones.

Tech For Hire: Data Science-Related Jobs Signal Economic Growth

El Producto Interior Bruto (PIB) de un determinado país puede ser una ventana a una gran cantidad de información, ya que con este valor se pueden hacer muchas suposiciones sobre aspectos económicos, educativos y tecnológicos de dicho país. Sin embargo, no siempre se conoce una definición formal de dicha correlación en determinados temas, como los avances tecnológicos y la disponibilidad de ofertas de trabajo. En este estudio, pretendemos comparar las ofertas de trabajo relacionadas con la tecnología, como diseñador de Científicos de Datos e Inteligencia Artificial (IA), en varias ciudades de Estados Unidos con su respectivo PIB. Para ello, recopilamos datos del sitio web Indeed sobre dichas ofertas de trabajo en diferentes ciudades de EE.UU., así como sus respectivos valores de PIB recuperados de la plataforma de la Oficina de Análisis Económico de EE.UU. (BEA). A continuación, definimos una matriz de correlación entre las ofertas de empleo y el PIB por área metropolitana, así como implementamos un análisis temporal sobre la cantidad de dichas ofertas. Nuestros resultados muestran un elevado incremento de las ofertas de empleo en Machine Leaning (ML) frente a otras habilidades laborales, además de establecer una fuerte correlación positiva entre las habilidades de Business Intelligence (BI), Data Analytics (DA) e Internet de las Cosas (IoT) buscadas en un área metropolitana con el PIB de dicha área.

Temporal Topics In Online News Articles: Migration Crisis In Venezuela

El proceso migratorio de los ciudadanos de un país en crisis puede extenderse por meses o años dependiendo de la situación social, económica, política, institucional del país de origen. Existen varios artículos que abordan la migración venezolana a partir de la información proporcionada por organismos internacionales como la ONU y ACNUR. Sin embargo, hasta el momento no existe un estudio que analice la información que los medios de comunicación ofrecen sobre este tema, por lo que hemos analizado temporalmente las noticias online para poder obtener los temas que surgen de este fenómeno social. En primer lugar, extraemos 10K artículos de noticias publicadas online en diferentes periódicos de toda América Latina desde 2015 hasta mayo de 2019. En segundo lugar, construimos un clasificador binario para discriminar si el artículo está relacionado con la migración o no. Finalmente, aplicamos técnicas de topic modeling y word embeddings para extraer los temas más importantes tratados cada año. El análisis automático del texto, en el tiempo, revela cómo se pasa de un intenso flujo migratorio a un éxodo de personas de todas las edades y condiciones que son acogidas por los países de acogida de la región empezando por los vecinos más cercanos. Nuestro análisis temporal demuestra que el proceso migratorio sigue aumentando y se extiende por todo el continente debido principalmente al desempleo, la inseguridad y la falta de medicamentos y alimentos.

Quantifying The Impact Of A Natural Disaster On Retail Stores' Customer Behavior: The Case Of Ecuador

La analítica de datos es esencial para los minoristas a la hora de tomar decisiones durante eventos perturbadores como los desastres naturales. En los últimos años, la investigación sobre los efectos de las catástrofes naturales a través de los datos digitales ha cobrado relevancia, pero hay poca información sobre cómo cambia el comportamiento de los clientes después de un evento de este tipo en los países en desarrollo. En este trabajo, nos hacemos con 23 millones de registros de transacciones anonimizadas ocurridas en Ecuador en un periodo de tres meses en 2016, año en el que tuvo lugar un terremoto de magnitud 7,98 en la escala de Ritcher en ese país. Analizamos las diferencias entre una zona directamente afectada por el terremoto y una provincia vecina, agregando las transacciones a nivel de cliente. Encontramos diferencias significativas en el mes en que se produjo la catástrofe: un incremento de hasta el 45,47% en las unidades medias vendidas por cliente y de hasta el 53,33% en el gasto medio por cliente. Además, nuestros resultados demuestran que a más de 270 kilómetros del epicentro, en una ciudad poco afectada, los cambios siguen siendo relevantes: un incremento de hasta el 25,82% en las unidades medias vendidas por cliente y hasta el 23,77% en el gasto medio por cliente.

Competitive Cities: Establishing A Classification Model Using Data Science-Related Jobs

El concepto de ciudades competitivas se ha extendido mucho a lo largo de los años; una forma de medir el avance de las ciudades económicamente hablando utilizando varios indicadores socioeconómicos: El PIB per cápita, la renta personal y la tasa de empleo en la mayoría de los rankings. Sin embargo, a medida que pasa el tiempo y el impacto de la tecnología y los empleos relacionados con la Ciencia de Datos en la industria es más frecuente, se desconoce el nivel en el que este aspecto está presente en una ciudad competitiva. En este estudio, pretendemos establecer modelos de clasificación que puedan definir con precisión una ciudad competitiva a partir de las ofertas de trabajo relacionadas con la Ciencia de Datos encontradas para dicha ciudad en indeed.com, una web de solicitud de empleo. Nuestros resultados señalan al modelo basado en KNN como el mejor método de clasificación, con una precisión de 0,65 y un AUC de 0,58.