Algoritmos de machine learning para la correlación de proyectos de investigación

Abstract

Este proyecto de investigación presenta una respuesta a las demandas específicas de los estudiantes con respecto a los trabajos de integración curricular, el mismo que tributa a la investigación del SMART DATA LAB UPEC, en un entorno donde la excelencia en el análisis y la comprensión de la literatura académica es crucial. La singularidad de la propuesta radica en la experiencia de usuario que esta ofrece. En lugar de someter a los investigadores a largas y monótonas listas de resultados, la aplicación web brinda una interfaz visualmente atractiva y dinámica. Para la extracción de datos se utilizó web scraping o raspado web que consiste en analizar el código HTML de una página, en este caso a repositorios universitarios entre ellos la Universidad Politécnica Estatal del Carchi, la Universidad del Pacifico, Universidad de Azuay, la Universidad Internacional del Ecuador, Universidad Nacional de Loja y la Universidad Espíritu Santo, de lo cual se extrajo datos relevantes, tales como la fecha, tema de investigación, los autores y enlace de referencia, este proceso se llevó a cabo mediante el desarrollo de scripts personalizados utilizando el lenguaje de programación Python. También se aplicó en procesamiento del lenguaje natural (PNL), ya que es crucial para la extracción, limpieza y trasformación de texto no estructurado en datos estructurados que pueden ser utilizados por algoritmos machine learning. Para la aplicación de algoritmos machine learning se incluyeron algoritmos tales como el algoritmo k-Means para la agrupación de datos, así como la Logistic Regression para la clasificación de información. En última instancia se aplica el concepto de un coeficiente de correlación en el contexto de relaciones numéricas entre las variables, donde se busca medir la fuerza y dirección de la relación entre ellas.