Nuestros compañeros presentaron el trabajo "¿𝘋𝘦 𝘲𝘶é 𝘵𝘦𝘮𝘢𝘴 𝘩𝘢𝘣𝘭𝘢𝘮𝘰𝘴 𝘦𝘯 𝘑𝘌𝘕𝘜𝘐?
𝘔𝘰𝘥𝘦𝘭𝘢𝘥𝘰 𝘥𝘦 𝘵𝘰𝘱𝘪𝘤𝘴 𝘤𝘰𝘯 𝘓𝘢𝘵𝘦𝘯𝘵 𝘋𝘪𝘳𝘪𝘤𝘩𝘭𝘦𝘵 𝘈𝘭𝘭𝘰𝘤𝘢𝘵𝘪𝘰𝘯 (𝘓𝘋𝘈)" en las 𝐗𝐗𝐗 𝐉𝐨𝐫𝐧𝐚𝐝𝐚𝐬
𝐬𝐨𝐛𝐫𝐞 𝐥𝐚 𝐄𝐧𝐬𝐞ñ𝐚𝐧𝐳𝐚 𝐔𝐧𝐢𝐯𝐞𝐫𝐬𝐢𝐭𝐚𝐫𝐢𝐚 𝐝𝐞 𝐥𝐚 𝐈𝐧𝐟𝐨𝐫𝐦á𝐭𝐢𝐜𝐚 (𝐉𝐄𝐍𝐔𝐈 2024)
https://jenui2024.udc.es/ . En este trabajo se estudia la aplicación de una
técnica de aprendizaje no supervisado sobre texto denominada "
topic model", la
cuál se emplea para mejorar la comprensión de grandes cantidades de datos
textuales mediante la agrupación de documentos por temas. El presente trabajo
aplica esta técnica al procesado de actas completas de las 27 últimas ediciones
de JENUI (un total de 1745 documentos). Partiendo de la extracción del texto de
títulos y resúmenes, se aplica el algoritmo de
Latent Dirichlet Allocation
(LDA), estimando el número óptimo de temas. El trabajo construye un clasificador
de temático y analiza la distribución de temas y las probabilidades de los
términos de cada tema. Además estudia la evolución temática de los trabajos a lo
largo del tiempo. El mapa de calor muestra un resumen de los temas tratados distribuidos en años.
Conclusión generalA lo largo de las 27 ediciones ha existido una evolución
temporal en 5 temas principales en los trabajos de las Jenui, transitando de
unos temas a otros. La evolución es explicable con cambios tecnológicos y
legislativos en la educación de la informática.
La aplicabilidad de estos resultados es dependiente del
rol:
- Para los organizadores de congresos de innovación docente - ayuda a la toma de decisiones en la elección de
áreas temáticas en las llamadas a la participación.
- Para los investigadores -
ayuda a clasificar sus artículos en áreas temáticas consideradas.
