Examinando por Autor "Cuadros Valdivia, Ana Maria"

Mostrando 1 - 4 de 4
  • Ítem
    Adapting competitiveness and gamification to a digital platform for foreign language
    (Universidad Nacional de San Agustín de Arequipa, 2021) Harvey Arce, Norman Patrick; Cuadros Valdivia, Ana Maria
    Debido al crecimiento de la globalización, aprender un segundo idioma es una necesidad para desarrollarse en un entorno multicultural cada vez más exigente. Sin embargo, en la actualidad todavía nos encontramos con que se siguen aplicando algunas metodologías tradicionales para la docencia, lo que representa un problema para los estudiantes actuales, también llamados nativos digitales, porque estas metodologías deben adaptarse a esta era digital de la tecnología y el conocimiento. Para solucionar este problema, se implementó un recurso digital para el aprendizaje de lenguas extranjeras teniendo en cuenta la competitividad y la gamificación como bases para motivar a los estudiantes e involucrarlos en el curso. El objetivo de esta herramienta es mejorar el procesamiento de la información teórica obtenida en clase, haciendo uso de un entorno virtual que cuenta con actividades competitivas y elementos de gamificación como: obtención de medallas por realización de tareas, barra de progreso para cada usuario y un ranking según las puntuaciones obtenidas, para que los alumnos se sientan motivados y mejoren su aprendizaje. Esta investigación busca analizar los efectos de aplicar la competitividad y la gamificación en un entorno virtual orientado al aprendizaje de lenguas extranjeras.
  • Ítem
    Análisis visual de la evolución de temas en Corpus de documentos usando árboles de Similitud
    (Universidad Nacional de San Agustín de Arequipa, 2018) Rodríguez Urquiaga, Roberto Josué; Cuadros Valdivia, Ana Maria
    En este trabajo se propone visualizar la evolución temática de corpus de documentos usando Neighbor joining tree (NJT). Para poder lograr esto es necesario extraer vectores característicos que conserven una fecha probabilista aproximada, además conservar su informacián temática. Para este fin se utilizó trabajos previos como CITATION-Latent Dirichlet Allocation (CITATION-LDA) que posee la ventaja de conservar la información antes mencionada, haciendo uso de las citas bibliográficas como vector característico para la extracción del tema. Mediante probabilidad es posible obtener una fecha aproximada del tópico analizado, esto gracias a que cada elemento del vector característico es un documento que posee una fecha de publicación. Esto se uso para construir el mapa visual a través del algoritmo Neighbor joining tree antes usado para la construcción de árboles filogenéticos y Radial layout un me´todo para presentar los resultados de una forma visualmente organizada en el cual se pueda apreciar las relaciones de similitud. También se agregó a la visualización interactividad para facilitar el trabajo de análisis de usuario. Los resultados muestran la evolución de temas organizados por similitud de contenido y temporal además de la interacción temática, comparación de similaridades entre tópicos e información entre de metadatos es superior a métodos anteriormente propuestos.
  • Ítem
    Mapas visuales para el análisis interactivo de datos multidimensionales
    (Universidad Nacional de San Agustín de Arequipa, 2013) Cuadros Valdivia, Ana Maria; Beltrán Castañón, Cesar Armando
    Técnicas de visualización de información son una herramienta preponderante en el análisis de datos estructurados y no estructurados con variada dimensionalidad. El objetivo de este trabajo es introducir una nueva técnica que apoye al usuario en el análisis de grandes conjuntos de datos multimedia empleando mapas visuales basados en la construcción de árboles de filogenéticos. Los mapas emplean técnicas de posicionamiento de puntos basados en similaridad para construir espacios visuales que permitan la exploración visual e interacción con los diferentes tipos de datos en un único ambiente visual.
  • Ítem
    Reducción de la dimensionalidad de series temporales climáticas usando Deep Multi-Layer Autoencoder
    (Universidad Nacional de San Agustín de Arequipa, 2018) Alfonte Zapana, Reynaldo; Cuadros Valdivia, Ana Maria
    En este trabajo se propone un m´etodo basado en autoencoder para la reducción de la dimensionalidad de series temporales, el cual consiste en la configuración del número de capas y unidades. El método se comparo´ con técnicas de reducción de dimensionalidad lineales y no lineales. Además se provee dos casos de estudio para determinar relaciones en datos climáticos. Es importante la representación adecuada de las series temporales al momento de proceder a analizar con algoritmos de minería de datos y aprendizaje automático. En series temporales hay una diversidad de t´ecnicas de representación que a la vez hacen reducción de dimensionalidad. La representación más simple es considerar las series temporales ya de por sí como vector de características. De acuerdo a nuestro conocimiento, el autoencoder ha sido ampliamente estudiado en imágenes más no en series temporales. Este trabajo constituye un primer paso para llevar estudios más elaborados en series temporales con autoencoder, especialmente de climatología. Si bien existen estudios de otros tipos de redes neuronales Long Short-Term Memory Units (LSTMs) en análisis de series temporales, esos estudios no se relacionan con el autoencoder. Como parte de nuestros resultados se presenta: análisis de la capacidad de reducción de la dimensionalidad del método propuesto (multilayer autoencoder) en series temporales de UCR Time Series Classification Archive a trav´es de la calidad de clustering, análisis la capacidad en visualización a través del stress y análisis de dos casos de estudio en busca relaciones y similitudes en temperatura promedio de diferentes lugares en el Perú.