Apoyo de toma de decisión a comunidades de construcción de conocimiento
Material type:
Item type | Home library | Collection | Call number | URL | Status | Date due | Barcode | |
---|---|---|---|---|---|---|---|---|
![]() |
Biblioteca de la Facultad de Informática | TES 20/80 (Browse shelf(Opens below)) | Available | DIF-05170 | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde | ||||
![]() |
Biblioteca de la Facultad de Informática | Biblioteca digital | Link to resource | No corresponde |
Tesis (Doctorado en Ciencias Informáticas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.
1. Introducción -- 1.1. Problemática de la configuración de una estrategia de ludificación -- 1.2. Hipótesis y enfoque de solución -- 1.3. Resultados obtenidos -- 1.4. Publicaciones -- 1.5. Organización de la tesis -- 2. Marco conceptual -- 2.1. Sistemas de soporte a la toma de decisiones -- 2.2. Comunidades de construcción de conocimiento -- 2.2.1. Soporte por computadoras -- 2.2.2. Wikipedia y Stack overow -- 2.3. Ludificación -- 2.3.1. MDA Framework -- 2.3.2. Ludificación en CCC -- 2.4. Reinforcement Learning -- 2.4.1. Algoritmos de RL -- 2.4.2. Entornos de RL -- 2.4.3. RL para configurar una ludificación -- 3. Análisis de Patrones en CCC -- 3.1. Procesamiento del historial de revisiones -- 3.1.1. Extracción de Wikipedia -- 3.1.2. Detección de actividades -- 3.2. Abstracción de eventos en Wikipedia -- 3.3. Resultados -- 3.3.1. Herramientas -- 3.3.2. Métricas -- 3.3.3. 1er caso: Análisis de Grupos de Revisiones -- 3.3.4. 2do caso: Análisis de Evolución de Revisiones -- 3.3.5. 3er caso: Patrones de adición y eliminación -- 3.3.6. 4to caso: Granularidad fina de cambios -- 3.3.7. 5to caso: Evolución de revisiones detalladas por grupos -- 3.4. Resumen del capítulo -- 4. Incorporación de ludificación en CCC -- 4.1. Enfoque de MDA en Wikipedia -- 4.2. Simulación de Metagame -- 4.2.1. La comunidad de Agricultura en Wikipedia -- 4.2.2. Definición de la problemática -- 4.2.3. Metodología -- 4.2.4. Evaluación -- 4.2.5. Resultados -- 4.3. Resumen del capítulo -- 5. Enfoque de solución -- 5.1. Simulación de la ludificación -- 5.2. Aprendizaje por refuerzo como enfoque -- 5.3. Resumen del capítulo -- 6. Framework de reinforcement learning para automatización de congfiuracion en CCC -- 6.1. Presentación tecnologías -- 6.1.1. OpenAI Gym -- 6.1.2. Deep learning -- 6.2. Historical Framework -- 6.2.1. Historical Enviroment -- 6.2.2. Manejo de acciones -- 6.2.3. Abstracción del simulador -- 6.2.4. Procesamiento de datos históricos -- 6.3. Resumen del capítulo -- 7. Casos de estudio -- 7.1. Wikipedia -- 7.1.1. Integración del framework -- 7.1.2. Materiales y métodos -- 7.1.3. Resultados -- 7.1.4. Análisis de resultados -- 7.1.5. Conclusiones -- 7.2. Stack Overow -- 7.2.1. Ludificación de Stack Overow -- 7.2.2. Metodología de evaluación -- 7.2.3. Resultados -- 7.2.4. Análisis de resultados -- 7.2.5. Conclusiones -- 7.3. Integración de nuevos agentes -- 7.3.1. Selección de agentes de RL -- 7.3.2. Metodología de evaluación -- 7.3.3. Resultados -- 7.3.4. Análisis de resultados -- 7.3.5. Conclusiones -- 7.4. Resumen del capítulo -- 8. Conclusiones y trabajo futuro -- 8.1. Resumen de contribuciones -- 8.1.1. Un estudio de factibilidad del uso de datos históricos -- 8.1.2. Una estrategia para la extracción y conversión de datos históricos -- 8.1.3. Una estrategia de simulación para estrategias de ludificación mediante datos históricos -- 8.1.4. Un enfoque para la obtención de configuraciones optimas mediante aprendizaje por refuerzo -- 8.1.5. Casos de uso del enfoque -- 8.2. Limitaciones -- 8.3. Trabajo futuro -- Acrónimos -- Glosario