Catálogo de publicaciones

Trabajo final de licenciatura. Director de TFL Cnl (R) Abel Fernando Dal Bo

Distintos estudios han señalado que el temperamento afecta el desarrollo de las funciones ejecutivas (FE) y la inteligencia. No obstante, los trabajos existentes han sido efectuados principalmente con niños preescolares, siendo limitadas las investigaciones que analizan de modo simultáneo la relación entre los tres constructos en niños de edad escolar. El objetivo general de la presente tesis es contribuir a la comprensión, explicación y predicción de las relaciones entre el temperamento, las funciones ejecutivas y la inteligencia en niños que inician la etapa escolar. La muestra final quedó integrada por 289 niños cursantes de primer grado del ciclo primario, en diferentes escuelas de gestión pública de la ciudad de Rosario (rango etario=72-89 meses). Se observó que el temperamento presentaba asociaciones débiles con la inteligencia y las funciones ejecutivas. Por otra parte, se halló que la planificación, el control inhibitorio y la memoria de trabajo predecían el desempeño en inteligencia fluida; mientras que solo estas dos últimas funciones ejecutivas predecían el desempeño en inteligencia cristalizada. Finalmente, al considerar el efecto conjunto del temperamento y las FE sobre los aspectos fluidos y cristalizados de la inteligencia, únicamente la memoria de trabajo y el control inhibitorio, explicaron el desempeño en tareas de inteligencia. Los resultados de este estudio contribuyen a la literatura existente referida a las relaciones entre el tempreamento, la inteligencia y las funciones ejecutivas, sugiriendo que al inicio de la escolaridad primaria, las asociaciones entre estos se restringen a ciertas dimensiones específicas de los mismos.

El objetivo de esta tesis es introducir inteligencia en las aplicaciones sensibles a contexto. Este tipo de aplicaciones cambian su conducta dependiendo de la combinación de estímulos que recibe. Esta combinación de estímulos, proveniente de sensores, se denomina contexto. Por ejemplo, en una oficina puedo tener una serie de sensores que midan la intensidad de la luz, cuyos valores pueden ser: oscuro, normal, brillante y el ruido con valores posibles: silencio, moderado y ruidoso. Partiendo de la combinación de estos datos, se podría obtener el contexto “horario_no_laboral”, resultado de combinar intensidad de luz = oscuro y ruido = silencio. Una aplicación sensible a contexto podría estar programada para responder al contexto “horario_no_laboral”, bloqueando las puertas de la oficina, apagando luces, fotocopiadoras y demás aparatos que no deban usarse en este contexto. Para que la aplicación reaccione a determinado contexto se lo debe vincular a una acción determinada. Este enlace se establece en una base de conocimientos. Esta consiste en una serie de reglas del tipo Si contextoA y contextoB (ocurren simultáneamente) Entonces hacer Accion1. Por ejemplo, en una aplicación educativa se busca que el sistema brinde acceso a bibliografía específica, dependiendo de la hora y el aula desde donde se accede. En la base de conocimientos habrá una regla que exprese: Si usuario está en “Aula Matemática” y el horario es “Matutino” Entonces brindar acceso a “manuales de matemática nivel secundario”. Podría haber otra regla que exprese, Si usuario está en “Aula Matemática” y el horario es “Nocturno” Entonces brindar acceso a “manuales de matemática nivel terciario”. Generalmente, la base de conocimientos es creada y mantenida por un experto (humano) en el dominio de la aplicación. Cuando la dimensión de la base de conocimientos es elevada, resulta inmanejable para un ser humano. El problema se agrava cuando se debe corregir o agregar reglas para que el sistema se comporte de modo distinto. Por ejemplo, cuando se decide abrir el aula de matemáticas en horario “Vespertino” se debe agregar la regla: Si usuario está en “Aula Matemática” y el horario es “Vespertino” Entonces brindar acceso a “manuales de matemática nivel secundario”. Las correcciones y agregados de reglas es un proceso delicado, ya que si se introdujera inconsistencias, el sistema se comportaría de una manera indeseada. Por ejemplo: si se introduce la siguiente regla en la base de conocimientos: Si usuario está en “Aula Matemática” y el horario es “Matutino” Entonces brindar acceso a “manuales de matemática nivel terciario”. Esta regla estaría en conflicto con la regla que indica que a dicho contexto le corresponde la acción de brindar acceso a “manuales de matemática nivel secundario”. Otros problemas que enfrenta el diseñador de una base de conocimientos son: el tratamiento de los contextos de carácter continuo (por ejemplo el tiempo) y el manejo de la incertidumbre en la información proveniente de sensores. Los estímulos continuos deben “discretizarse” por algún método para acotar el número de combinaciones posibles. La solución que se describe en esta tesis ataca el problema de la discretización y la incertidumbre en los estímulos mediante la introducción de lógica difusa en el modelo. La construcción y el mantenimiento de la base de conocimientos se realizan automáticamente, de esta manera se minimiza la necesidad de intervención humana. Por ejemplo, si la mayoría de las veces que los alumnos entran al aula de matemática en horario matutino buscan “manuales de matemática nivel secundario”, el sistema “aprenderá” esta regla y la volcará en la base de conocimientos. De esta manera el sistema inferirá la necesidad de mostrar una lista de “manuales de matemática nivel secundario” la próxima vez que un alumno ingrese al aula de matemática en horario matutino. Una característica importante que debe tener el algoritmo de aprendizaje es la “transparencia”. Esto significa que el modelo de reglas construido debe ser comprendido por el usuario. El mecanismo de software está diseñado con tecnología de objetos, de esta manera permite la evolución independiente de sus partes. Por ejemplo, si en el futuro se decide cambiar el algoritmo de aprendizaje de reglas, las demás partes deberían seguir funcionando sin modificaciones.

"Inteliviaje es un sitio web dedicado al turismo online, que permite que los visitantes puedan organizar sus viajes de un modo sencillo, flexible y al menor precio posible. Revolucionará la forma en la que se planifican viajes ya que no existe aún, en el mercado latinoamericano una herramienta que ofrezca, al mismo tiempo: - Un buscador flexible, por zonas, época del año, actividad de interés. Mediante el cual, el navegante pueda llevar a cabo búsquedas sin necesidad de especificar una ciudad destino, ni una fecha concreta. Pudiendo llevar a cabo búsquedas por regiones, por ejemplo “Europa”, “Caribe”, etc. Y por estaciones, por ejemplo “Verano”,”Invierno”, etc. - Centralización de la búsqueda de las ofertas de las agencias de turismo online más importantes de la región. - Una predicción del comportamiento de los precios de los pasajes, mediante el análisis de tendencias de comportamiento de los mismos. Esas ventajas competitivas hacen que Inteliviaje sea una oportunidad de negocios atractiva en un mercado incipiente. Las tendencias relacionadas al mercado del turismo online, el crecimiento del comercio electrónico y de la penetración de Internet y Mobile en la región, el aumento del turismo internacional de la mano de los nuevos hábitos de viajes de la generación Millennial, y la evolución de la tecnología y su impacto en el mercado del turismo, demuestran que el macro contexto y el mercado objetivo se encuentra en un punto ideal para desarrollar este negocio, estimando una demanda potencial máxima de 33.430.222 de usuarios. El proyecto prevé iniciar sus operaciones en Argentina, para luego expandirse internacionalmente al mercado latinoamericano, replicando el modelo de negocios y haciendo uso de la misma solución. El plan de negocios contempla llegar a madurez del proyecto en su 5to año. Con una inversión inicial de $ 582.000, el proyecto tiene una Tasa Interna de Retorno del 160%, llegando a flujo de fondos acumulados positivos de $ 34.416.224,51 en el 5to año, con un VAN de $ 9.111.691,01."