En la evolución de los servicios de búsqueda se pueden distinguir tres generaciones: En el inicio las listas de salida eran armadas en función de la relevancia del texto, es decir que si una página contenía texto buscado por el usuario era mostrada como resultado y el orden de la salida casi no tenía importancia. Luego en la segunda generación, aparte de la relevancia se empieza a ponderar el orden de los elementos del conjunto respuesta a una consulta en función de cuan importante es la página (valor obtenido a través de análisis de enlaces), un ejemplo es el buscador Google con su algoritmo Pagerank Actualmente, las nuevas tecnologías de búsqueda apuntan hacía: motores especializados en temas o áreas del conocimiento (Rollyo, Yahoo Search Builder), búsqueda social donde los usuarios a partir del concepto de comunidad compartan sus habilidades para construir un motor de mayor perfomance (Eurekster, Google Co-op), modelos económicos alternativos y participativos donde los generadores de contenidos puedan recibir parte de las ganancias generadas por publicidad (Gravee).
Eurekster [http://www.eurekster.com/] y su producto Swicki, que a diferencia de los buscadores tradicionales, va aprendiendo de las preferencias de búsqueda de los usuarios a medida que estos utilizan el sistema. Se basa en el concepto que lo que le gusta a un usuario también le gusta a otros usuarios con intereses comunes. Eurekster opera de forma similar a Amazon en su estrategia de sugerencias, utilizando filtros colaborativos asesora a un usuario sobre una determinada temática o estilo en base a lo que otros clientes del mismo segmento han elegido previamente.
Gravee [http://www.graave.com] es un buscador tradicional con algunas características propias. A medida que el usuaurio examina los resultados puede evaluarlos como positivos o negativos, tal información será tomada como recomendación para otros usuarios. Los sitios hallados pueden ser almacenados en una sección de favoritos. Los usuarios duenos de blogs pueden añadir en sus sitios interfaces de consulta con Gravee y recibir una recompensa económica por ello. Los generadores de contenido indexado por Gravee pueden tener un dinero a cambio de ellos. En Gravee se pretende cambiar compartir los ingresos publicitarios con los propietarios contenidos y aquellos que fomenten el uso del servicio.
Según la empresa Google su producto orientado a las búsquedas sociales “Co-op” [http://www.google.com/coop] es una infraestructura que le permite a sus usuarios utilizar sus conocimientos o experticia a los efectos de ayudar a pares a hallar información.
Su funcionamiento consiste en que los usuarios del buscador se pueden suscribirnos a fuentes importantes de información en diversas áreas del conocimiento. Los contenidos son etiquetados de manera que al realizar una consulta en las que hay contenido recomendado por las fuentes, se asocian etiquetas a los resultados con la finalidad de aportar más información para mejorar la precisión. Los usuarios registrados también pueden ser fuentes de información y etiquetar páginas web, de esta forma se convierten en proveedores de información con valor agregado. En este modelo, Google pretende que los usuarios expertos en un área del conocimiento etiqueten recursos y compartan sus búsquedas.
domingo, diciembre 31, 2006
off topic: Quiénes son los bárbaros?
Por más que Saddam sea un HP, asesino de a miles, dictador de última, basura de la humanidad, ... no merece que el "mundo civilizado" -lease clase gobernante y no pueblo de USA- lo mate y menos de esta forma.
pd: Cuidado que es fácil convertirse en lo que se combate.
pd: Cuidado que es fácil convertirse en lo que se combate.
sábado, diciembre 30, 2006
La sociedad de la información como fuente de empleos
leyendo una gacetilla de prensa del sitio de infojobs.net de España encuentro un dato que me pareció interesante. "Un tercio de los profesionales en busca de empleo son del sector de las tecnologías de la información".
A partir de información recolectada por esta empresa de servicios, sobre
3,4 millones de postulantes y empresas que demandan recursos humanos, se plantea que "el sector de las tecnologías de la información ha adquirido como generador de empleo y como destino laboral más deseado". Tal dato se resume a patir de los números que indican que 1 de cada 3 postulantes desea obtener un empleo relacionado con la sociedad de la información. Por otro lado se concluye que el primer trabajo profesional más deseado es el relacionado con la administración de empresas.
A partir de información recolectada por esta empresa de servicios, sobre
3,4 millones de postulantes y empresas que demandan recursos humanos, se plantea que "el sector de las tecnologías de la información ha adquirido como generador de empleo y como destino laboral más deseado". Tal dato se resume a patir de los números que indican que 1 de cada 3 postulantes desea obtener un empleo relacionado con la sociedad de la información. Por otro lado se concluye que el primer trabajo profesional más deseado es el relacionado con la administración de empresas.
viernes, diciembre 29, 2006
martes, diciembre 26, 2006
Listado de WebOS
En el blog franticindustries hay una página donde presentan de forma sintética 10 sistemas operativos para la web (webOS, según el artículo, es un sistema operativo virtual que se ejecuta sobre un explorador).
107 gigabits por segundo
leyendo el país.com hallo una noticia que comenta que la firma Siemens ha logrado transmitir soobre un canal de fibra óptica de 160 kms a una velocidad de 107 Gbps.
domingo, diciembre 24, 2006
Informe ITU "Digital Life 2006"
La ITU (Unión Internacional de Telecomunicaciones) ha presentado su informe "Digital Life 2006" anual sobre el estado de las comunicaciones. Como principal conclusión se pudo establecer que en la actualidad los medios digitales han desplazado en intensidad de uso que a los tradicionales (radio, TV, diarios, etc). Otro hallazgo se da con las comunicaciones móviles, dado que explican que en solo 21 años la telefonía móvil alcanzó la cantidad de líneas qu a la telefonía fija le llevaron 125 años de crecimiento. Como dato particular se tiene que en los últimos tres años se sumaron otros 1000 millones de números móviles (se está cerca de los 3000 millones de líneas en el mundo).
También se hace notar que ha habido un importante crecimiento en el ancho de banda que disponen los usuarios. S e plantea que en planeta existen 216 millones de usuarios debanda ancha por línea fija y 61 millones por líneas móviles de 3ra generación. Lo impresionante se da en China donde existen hoy 393 millones de celulares al cual le sigue el super país ejemplo de consumo USA con 201 millones.
También se hace notar que ha habido un importante crecimiento en el ancho de banda que disponen los usuarios. S e plantea que en planeta existen 216 millones de usuarios debanda ancha por línea fija y 61 millones por líneas móviles de 3ra generación. Lo impresionante se da en China donde existen hoy 393 millones de celulares al cual le sigue el super país ejemplo de consumo USA con 201 millones.
Voy a ver si en los próximos días preparo un post con sus tablas y gráficos a los efectos de expandir esta información. .
Versión completa del informe Digital Life
Vía: pais.com
viernes, diciembre 22, 2006
jueves, diciembre 21, 2006
Evaluación de los Sistemas de recuperación de información - 2da Parte
Partes del libro que he escrito con Gabriel Tolosa, titulado “Introducción a la Recuperación de Información”
Evaluación de los Sistemas de recuperación de información - 2da Parte
(Ir a la 1er parte)
Evaluación de los Sistemas de recuperación de información - 2da Parte
(Ir a la 1er parte)
Para analizar estas medidas planteamos el siguiente ejemplo: Existe una colección D la cual posee 100 documentos, digamos:
D = {d1, d2, d3, d4, d5,…,d98, d99, d100}
Ahora, supóngase que para una consulta q existen 10 documentos relevantes, R:
R = {d2, d45, d70, d77, d79, d81, d82, d88, d90, d91}
A pedido del usuario, el sistema entregó los primeros 12 documentos, A, rankeados de la siguiente forma:
A = {d79, d10, d90, d13, d20, d45, d60, d30, d77, d21, d88, d100}
(se han resaltado los documentos pertenecientes a R, es decir, los relevantes)
Los cálculos de performance de la recuperación para un tamaño de respuesta de 12 documentos resultan:
P = 5 / 12 = 0.42
E = 5 / 10 = 0.50
Sin embargo, se puede modificar el tamaño de la respuesta a los efectos de intentar recuperar más documentos relevantes, es decir, para aumentar la exhaustividad. En tal caso, supóngase una nueva respuesta – a la misma consulta – consistente de 16 documentos, A’:
A’ = {d79, d10, d90, d13, d20, d45, d60, d30, d77, d21, d88, d100, d1, d91, d29, d10}
Entonces, resulta:
P = 6 / 16 = 0.38
E = 6 / 10 = 0.60
Y luego, se solicita una nueva respuesta, pero ahora el tamaño de la lista consiste de 20 documentos, A’’:
A’’ = {d79, d10, d90, d13, d20, d45, d60, d30, d77, d21, d88, d100, d1, d91, d29, d11, d81, d2, d70, d82}
Los nuevos valores para P y E son:
P = 10 / 20 = 0.50
E = 10 / 10 = 1.00
Como se vio anteriormente, es posible evaluar la performance de un sistema bajo distintas situaciones. En nuestro caso particular hemos analizado la efectividad de un mismo sistema para una misma consulta sobre una misma colección para tres tamaños del conjunto de respuestas (12, 16 y 20).
miércoles, diciembre 20, 2006
La divulgación de la ciencia y su lugar en la era de las redes sociales
La revista Mi+d publicó un artículo de Antonio Lafuente titulado "Ciencia 2.0" . Es un buen inicio para un debate, dado que Antonio resume su posición bajo la ecuación "ciencia + transparencia = ciencia 2.0".
La discusión se da en torno a que hay que adaptar la formas de divulgación del conocimiento científico, afín de darle un dinamismo acorde a la generación actual del mismo.De alguna manera, éste artículo está en la línea crítica de los protocolos tradicionales de publicación.
Gracias por el dato Tiscar
La discusión se da en torno a que hay que adaptar la formas de divulgación del conocimiento científico, afín de darle un dinamismo acorde a la generación actual del mismo.De alguna manera, éste artículo está en la línea crítica de los protocolos tradicionales de publicación.
Gracias por el dato Tiscar
Firefox crece en uso
Vía BitperBit me entero que Firefox ya es usado un 25% de los usarios (datos de W3C de diciembre 2006). Internet Explorer x.0 por un 65 % y Opera (el que uso) por un 1%.
martes, diciembre 19, 2006
Me gustó lo de blogfesor
En una nota de Clarín "¿Quién le enseña a quién?", firmada por María Farber, encontré una visión particular sobre el uso de elementos de tecnología educativa.
Lo que me interesa compartir son pensamiento de Mario Nuñez Molina, el entrevistado, sobre lo que considera como el "blogfesor", aquí van:
"- El Blogfesor está orientado hacia la interacción, la participación y las redes sociales en el ciberespacio.
- Se beneficia de la inteligencia colectiva mediante servicios como Delicious, Furl, Flickr, Blinklist, entre otros.
- Considera que sus canales de RSS son herramientas de educación continua.
- Cree que toda persona es un experto sobre algún tema.
- Prefiere utilizar aplicaciones y programas libres.
- Es un "prosumidor". No sólo es un "consumidor"de la información sino que también la genera.
- Considera que lo más importante no es memorizar cómo se hacen las cosas, sino saber dónde puede conseguir la información que necesita en determinado momento.
- Sus aportaciones están bajo licencia de creative commons o copyleft.
- Pasa gran parte del tiempo clasificando lo que aprende o necesita aprender mediante etiquetas o tags.
- En vez de regirse por la ética de la competencia, se rige por la ética de la colaboración y la sinergia."
Lo que me interesa compartir son pensamiento de Mario Nuñez Molina, el entrevistado, sobre lo que considera como el "blogfesor", aquí van:
"- El Blogfesor está orientado hacia la interacción, la participación y las redes sociales en el ciberespacio.
- Se beneficia de la inteligencia colectiva mediante servicios como Delicious, Furl, Flickr, Blinklist, entre otros.
- Considera que sus canales de RSS son herramientas de educación continua.
- Cree que toda persona es un experto sobre algún tema.
- Prefiere utilizar aplicaciones y programas libres.
- Es un "prosumidor". No sólo es un "consumidor"de la información sino que también la genera.
- Considera que lo más importante no es memorizar cómo se hacen las cosas, sino saber dónde puede conseguir la información que necesita en determinado momento.
- Sus aportaciones están bajo licencia de creative commons o copyleft.
- Pasa gran parte del tiempo clasificando lo que aprende o necesita aprender mediante etiquetas o tags.
- En vez de regirse por la ética de la competencia, se rige por la ética de la colaboración y la sinergia."
Librería para el análisis de redes sociales
libSNA (Social Network Analysis) es una librería de soft destinada al análisis de las redes sociales. Esta apasionante temática, hoy considerada por The Times como el fenómeno del año 2006, utiliza elementos matemáticos (algebra y teoría de grafos basicamente) para tratar de modelar y entender relaciones entre individuos u organizaciones.
Para aquellos que le interese el tema, recomiendo empezar a leer una introducción por Juán Merelo Guervós
Para aquellos que le interese el tema, recomiendo empezar a leer una introducción por Juán Merelo Guervós
lunes, diciembre 18, 2006
Serie de artículos sobre evolución de la web
En el blog Robin Good se halla la traducción de tres artículos sobre evolución de los servicios web. Los autores Josef Kolbitsch y Hermann Maurer y el material fue originalmente publicado en inglés en el Journal of Unkiversal Computer Science.
Blogs, Wikis, Podcasting, Redes Sociales, Compartir Archivos: Como La Web Se Está Transformando A Si Misma - Parte I
Introducción A Blogs - Como La Web Se Está Transformando A Si Misma - Parte II
Introducción A Wikis: Como La Web Se Está Transformando A Si Misma - Parte III
Blogs, Wikis, Podcasting, Redes Sociales, Compartir Archivos: Como La Web Se Está Transformando A Si Misma - Parte I
Introducción A Blogs - Como La Web Se Está Transformando A Si Misma - Parte II
Introducción A Wikis: Como La Web Se Está Transformando A Si Misma - Parte III
domingo, diciembre 17, 2006
Esquemas y queries para manejar etiquetas.
Estos días estuve mirando las distintas ofertas que existen en agregadores, dado que tengo en mente un proyecto relacionado con integrar distintas fuentes de información sobre educación en español. En la exploración me topé con un artículo de Philipp Keller que expone distintas estrategias de esquemas de base de datos para trabajar con etiquetas. Como me pareció bueno lo comparto.
sábado, diciembre 16, 2006
Off Topic: Investigación sobre que piensa nuestra juventud
Reenvío una sugerencia de Pablo Mancini que apunta a un artículo de la BBC "Generación Futuro: Dos mil millones de personas en el mundo tienen menos de 18 años. ¿Qué piensan?". Es sorprendente algunos pensamientos generales que se revelan en el informe, me gusto el optimismo, ojalá no estén equivocados y el tonto sea uno. Les paso algunas partes:
Se entrevistaron a 3.050 jóvenes de Londres, Nueva York, Rio de Janeiro, Lagos, Nairobi, Moscú, El Cairo, Bagdad, Delhi y Yakarta.
"Sólo 14% cree que la "guerra contra el terror" está haciendo del mundo un lugar más seguro
Los jóvenes se muestran decididamente a favor de la inmigración: 4 de cada 5 creen que la gente debería poder elegir el país donde vivir, y dos tercios de aquellos encuestados creen que emigrarían para asegurarse un futuro mejor.
Tres cuartos de los jóvenes creen que su educación los ha preparado para el futuro, pero casi el mismo número está preocupado por conseguir un trabajo decente."
El dato que viene me impactó
"En términos de honestidad, son los jóvenes de Bagdad quienes se llevan las mejores calificaciones, comparados con sus coetáneos de ciudades como Londres.
Sólo un 2% de los iraquíes dijeron estar dispuestos a cometer un crimen para trasnformarse en millonarios de manera instantánea, mientras que un 3% admitió que robarían algo que deseen mucho y que no pueden costear.
En Londres, 31% cometería un crimen para ser millonario, y 15% robaría un objeto de su deseo."
Por último
"Al mismo tiempo, casi todos (96%) los jóvenes brasileros encuestados dijeron que creen en un Dios, y la mayoría (84%) dijeron que la religión es una fuente de bien."
Qué paso con el comunismo y la liberación espiritual del hombre?
Se entrevistaron a 3.050 jóvenes de Londres, Nueva York, Rio de Janeiro, Lagos, Nairobi, Moscú, El Cairo, Bagdad, Delhi y Yakarta.
"Sólo 14% cree que la "guerra contra el terror" está haciendo del mundo un lugar más seguro
Los jóvenes se muestran decididamente a favor de la inmigración: 4 de cada 5 creen que la gente debería poder elegir el país donde vivir, y dos tercios de aquellos encuestados creen que emigrarían para asegurarse un futuro mejor.
Tres cuartos de los jóvenes creen que su educación los ha preparado para el futuro, pero casi el mismo número está preocupado por conseguir un trabajo decente."
El dato que viene me impactó
"En términos de honestidad, son los jóvenes de Bagdad quienes se llevan las mejores calificaciones, comparados con sus coetáneos de ciudades como Londres.
Sólo un 2% de los iraquíes dijeron estar dispuestos a cometer un crimen para trasnformarse en millonarios de manera instantánea, mientras que un 3% admitió que robarían algo que deseen mucho y que no pueden costear.
En Londres, 31% cometería un crimen para ser millonario, y 15% robaría un objeto de su deseo."
Por último
"Al mismo tiempo, casi todos (96%) los jóvenes brasileros encuestados dijeron que creen en un Dios, y la mayoría (84%) dijeron que la religión es una fuente de bien."
Qué paso con el comunismo y la liberación espiritual del hombre?
Usuarios registrados en sistemas sociales
Los núneros cantan
Sourceforge: 130,155 proyectos registrados y 1,398,099 usuarios registrados(26/9)
Technorati: 55 millones de weblogs
FeedBurner: 23,188,852 suscripciones y 248,103 de fuentes ( 9/18/06).
Flickr: 3.500.000 usuarios registrados que subieron más de 230 millones de fotos. ( 09/06)
del.icio.us: 1,000,000 de usuarios registrados (09/2006)
Sourceforge: 130,155 proyectos registrados y 1,398,099 usuarios registrados(26/9)
Technorati: 55 millones de weblogs
FeedBurner: 23,188,852 suscripciones y 248,103 de fuentes ( 9/18/06).
Flickr: 3.500.000 usuarios registrados que subieron más de 230 millones de fotos. ( 09/06)
del.icio.us: 1,000,000 de usuarios registrados (09/2006)
ALTO: lectura obligatoria para informáticos
Vía Sentido Web me llega la noticia que hay un ebook, disponible para descarga, de tres "admirables monstruos de la programación". La obra Algorithms de Dasgupta, Papadimitriou y Vazirani está disponible para su consulta en este enlace.
jueves, diciembre 14, 2006
Internet 2 en Argentina: Otra mancha más al tigre
Como era de esperar quedamos afuera, no estoy hablando del mundial, ni de boca, ni de un caso de supuesto estímulo por drogas, ni que no nos dieron el premio Oscar. Sino de algo un poco menos "popular", hablo acerca de que alguien en el gobierno argentino "se olvido" de pagar, garpar, abonar la contraparte para seguir teniendo servicio de Internet 2 en el país. Por esta razón en una asamblea de la Cooperación Latinoamericana en Redes Avanzadas (CLARA) se decidió que el país fuera desconectado de las Redes Académicas y Científicas de Prestaciones Avanzadas.
Fuente; Prensa UNL
Pd: perdón por la noticia, pero tanta improvisación continua cansa.
Fuente; Prensa UNL
Pd: perdón por la noticia, pero tanta improvisación continua cansa.
miércoles, diciembre 13, 2006
Estado de conectividad en América
El Dr. Gilberto Paez, reconocido investigador del CATIE, me ha enviado un estudio propio donde se muestra el estado de conectividad de los países de américa, medido en cantidad de usuarios conectados a Internet por cada mil habitantes.
martes, diciembre 12, 2006
Formación en matemáticas, un problema que se repite
Gracias a Digizen me topé con un artículo "Miedo a las Matemáticas" de consumer.es que aborda el problema de la enseñanza de las matemáticas en la educación inicial y secundaria en España. La autora, Azucena García, entre las principales causas de este grave problema indica que es "la metodología de enseñanza, la falta de motivación, el currículo y la actitud del alumnado". Me parece que la contribución más importante del artículo, mas halla de crear conciencia, es la parte que indica que los padres no deben ser observadores anónimos de este problema.
Estudio sobre uso diario de servicios de Internet en USA
La organización Pew Internet & American Life Project, dedicada a realizar estudios de opinión pública, presentó una tabla que indica el uso diario (en porcentaje sobre el total de usuarios del país) de distintos servicios de Internet. La primer columna representa la actividad, la segunda el % de usuarios que el día de ayer a la encuesta respondieron afirmativamente y la tercer columna la fecha de captura de datos.
En otra página de Pew Internet pueden acceder al mismo tipo de datos, pero donde la pregunta es “si alguna vez el usuario realizó tal actividad”.
En otra página de Pew Internet pueden acceder al mismo tipo de datos, pero donde la pregunta es “si alguna vez el usuario realizó tal actividad”.
lunes, diciembre 11, 2006
Off Topic: Diagrama de flujo para aprobar un examen
A alguien en algún examen le sobro el tiempo y plasmó su experiencia en el siguiente diagrama de flujo.
Argentina, qué nos está pasando?
Revisando el ranking mundial de universidadesen la Web encuentro, para mi espantosa sorpresa, que la primer entrada de argentina, que corresponde a la UBA, ocupa el puesto 376. Qué nos está pasando?
El ranking es un proyecto del Laboratorio de Internet (CINDOC-CSIC) que mediante técnicas cuantitativas intenta ponderar la importancia de las instituciones en base a enlaces hacía ellas. Para una mayor explicación acerca de este modelo de evaluación acudan a este enlace.
El ranking es un proyecto del Laboratorio de Internet (CINDOC-CSIC) que mediante técnicas cuantitativas intenta ponderar la importancia de las instituciones en base a enlaces hacía ellas. Para una mayor explicación acerca de este modelo de evaluación acudan a este enlace.
domingo, diciembre 10, 2006
Hitwise muestra como disputan el mercado Yahoo y Google
La consultora Hitwise ha armado un gráfico en el cual muestra como las empresas Yahoo y Google se han comportado en el tiempo, esto visto a partir del análisis de visitas a los 20 principales servicios de cada una. Acutalmente se observa una tendencia de crecimiento en Yahoo e inversa en Google, algunos ya hasta andan prediciendo una intercepción en algún mes del 2007.
Por otro lado, Hitwise presenta una tabla comparativa de como internamente, en cada empresa, se reparten sus servicios basada en cantidad de visitas a cada uno.
Por otro lado, Hitwise presenta una tabla comparativa de como internamente, en cada empresa, se reparten sus servicios basada en cantidad de visitas a cada uno.
Los10 términos más utilizados en consultas
La consultora Hitwise presentó el ranking de los 10 términos más utilizados en consultas por parte de instituciones educativas en octubre del 2006:
Posición - Término - Volumen
1. dictionary 0.67%
2. wikipedia 0.54%
3. dictionary.com 0.17%
4. thesaurus 0.10%
5. quotes 0.09%
6. online dictionary 0.09%
7. spanish dictionary 0.07%
8. fafsa 0.06%
9. christopher columbus 0.05%
10. encyclopedia 0.05%
Posición - Término - Volumen
1. dictionary 0.67%
2. wikipedia 0.54%
3. dictionary.com 0.17%
4. thesaurus 0.10%
5. quotes 0.09%
6. online dictionary 0.09%
7. spanish dictionary 0.07%
8. fafsa 0.06%
9. christopher columbus 0.05%
10. encyclopedia 0.05%
sábado, diciembre 09, 2006
Evaluación de los sistemas de recuperación de información
Continuo con la idea de presentar algunas partes del libro que he escrito con Gabriel Tolosa, titulado “Introducción a la Recuperación de Información”
Evaluación de los sistemas de recuperación de información - 1ra Parte
Como hemos mencionado en el capítulo anterior, existen diferentes aproximaciones para resolver el problema central del área de RI. De aquí que contamos con sistemas basados en diferentes modelos y algoritmos, los cuales – como todo sistema – deben poder ser evaluados bajo ciertos criterios. Esta tarea permite medir los parámetros de funcionamiento que valoran al sistema y – además – posibilitan la comparación entre distintos SRI.
En sistemas tradicionales – como los de recuperación de datos – los parámetros típicos de evaluación son tiempo y espacio. La medición del tiempo de respuesta y de la cantidad de espacio de almacenamiento que el sistema utiliza brindan parámetros concretos y relativamente fáciles de medir. Mientras un sistema responda más velozmente y requiera menos almacenamiento, mejor será. El balance entre estos dos parámetros depende de los objetivos de diseño del sistema. Por ejemplo, si el requerimiento mayor corresponde a la velocidad del sistema para entregar respuestas porque con éstas se toman decisiones en tiempo real, no importará demasiado la cantidad de estructuras de datos que se van a implementar y que permitirán acelerar las búsquedas. Por el contrario, si el sistema va a correr sobre una PDA, el espacio de almacenamiento es muy importante y – tal vez – se pueda “esperar” un poco más por la respuesta.
Sin embargo, la evaluación de un sistema de RI no es una tarea sencilla. Debido a que el conjunto de respuesta no es exacto se requiere ponderar cómo éste se ajusta a la consulta y – peor aún – ésta a la necesidad de información del usuario. Aquí aparecen las cuestiones subjetivas que se plantean al especificar un query, al adoptar una representación lógica de los documentos de la colección y al utilizar una función de ranking determinada.
Por lo tanto, la evaluación más común se orienta a determinar cuán preciso es el conjunto respuesta a partir del concepto de relevancia. Para Baeza-Yates [2] este tipo de evaluación corresponde a la evaluación de la performance de la recuperación. En el mismo sentido, van Risbergen [61] plantea medir la efectividad del sistema de recuperación, la cual cuantifica su capacidad para recuperar documentos relevantes mientras no recupera documentos no relevantes. Un sistema más efectivo permite satisfacer en mayor medida la necesidad de un usuario.
2.1 – Medidas de Evaluación
Desde los primeros esfuerzos relacionados con la evaluación de los SRI hasta la actualidad, la aproximación clásica para describir la performance de la recuperación consiste en determinar cuántos documentos relevantes se recuperaron y cómo se rankearon para entregarlos al usuario.
Cuando un usuario plantea un query a un SRI, obtiene como respuesta una lista de documentos de acuerdo a un ranking determinado por el sistema. Como ya hemos mencionado, dicha respuesta está formada por documentos relevantes y otros que no lo son y la lista – generalmente – no contiene todos los documentos de la colección (en colecciones grandes, sería imposible de revisar toda la respuesta). En el gráfico 1 se muestra esta situación. Dada una consulta cualquiera, un SRI recuperará el grupo identificado como C, de los cuales solo una parte son relevantes (D).
A partir de esta situación, se puede establecer la tabla de contingencia anterior para la evaluación.Existen dos medidas ampliamente aceptadas en la comunidad de RI denominadas Precisión (en inglés, Precision) y Exhaustividad (Recall) planteadas por Cleverdon [13] hace varios años. La Exhaustividad se define como la proporción de los documentos relevantes que han sido recuperados y permite evaluar la habilidad del sistema para encontrar todos los documentos relevantes de la colección. Tal concepto podría resumirse a partir de la siguiente cuestión “¿Son todos los que están o nos faltan algunos?”.
La Precisión se define como la proporción de los documentos recuperados que son relevantes y permite evaluar la habilidad del sistema para rankear primero la mayoría de los documentos relevantes. Expresado en forma de pregunta: ¿Son todos relevantes o se “filtraron” algunos que no lo son?
Estas dos medidas se encuentran altamente relacionadas. Empíricamente se ha comprobado que una alta exhaustividad se acompaña de una muy baja precisión y viceversa (Gráfico 2), es decir, existe una relación inversa entre las [14].
Existe un compromiso entre Exhaustividad y Precisión, es decir, al aumentar la Exhaustividad recuperando mayor cantidad de documentos, veremos disminuir la Precisión. Esto se explica en el hecho – ya mencionado – que la salida de un SRI es un conjunto aproximado (no exacto) y – por lo tanto – entre ésta se encontrarán documentos no relevantes. Por el contrario, si recuperamos unos pocos documentos y todos son relevantes se tendrá una precisión máxima, pero seguramente se están perdiendo documentos útiles por no ser recuperados. El sistema ideal es aquel que siempre recupera todos los documentos relevantes y solo esos, situación que – hasta el momento – no existe.
Referencias
[2] Baeza-Yates, R. y Ribeiro-Neto, B. “Modern Information Retrieval”. ACM Press. Addison Wesley. 1999.
[13] Cleverdon, C.W., Mills, J. Y Keen, M. “Factors Determining the Performance of Indexing Systems”. ASLIB Cranfield Project. Vol. 1, Design, Vol2, Test Results. 1966.
[14] Cleverdon, C.W. “On the inverse relationship of recall and precision”. Journal of Documentation, vol. 28, págs. 195-201. 1972.
[61] van Rijsbergen, C.J. “Information Retrieval”. Department of Computing Science. University of Glasgow. 1979.
Evaluación de los sistemas de recuperación de información - 1ra Parte
Como hemos mencionado en el capítulo anterior, existen diferentes aproximaciones para resolver el problema central del área de RI. De aquí que contamos con sistemas basados en diferentes modelos y algoritmos, los cuales – como todo sistema – deben poder ser evaluados bajo ciertos criterios. Esta tarea permite medir los parámetros de funcionamiento que valoran al sistema y – además – posibilitan la comparación entre distintos SRI.
En sistemas tradicionales – como los de recuperación de datos – los parámetros típicos de evaluación son tiempo y espacio. La medición del tiempo de respuesta y de la cantidad de espacio de almacenamiento que el sistema utiliza brindan parámetros concretos y relativamente fáciles de medir. Mientras un sistema responda más velozmente y requiera menos almacenamiento, mejor será. El balance entre estos dos parámetros depende de los objetivos de diseño del sistema. Por ejemplo, si el requerimiento mayor corresponde a la velocidad del sistema para entregar respuestas porque con éstas se toman decisiones en tiempo real, no importará demasiado la cantidad de estructuras de datos que se van a implementar y que permitirán acelerar las búsquedas. Por el contrario, si el sistema va a correr sobre una PDA, el espacio de almacenamiento es muy importante y – tal vez – se pueda “esperar” un poco más por la respuesta.
Sin embargo, la evaluación de un sistema de RI no es una tarea sencilla. Debido a que el conjunto de respuesta no es exacto se requiere ponderar cómo éste se ajusta a la consulta y – peor aún – ésta a la necesidad de información del usuario. Aquí aparecen las cuestiones subjetivas que se plantean al especificar un query, al adoptar una representación lógica de los documentos de la colección y al utilizar una función de ranking determinada.
Por lo tanto, la evaluación más común se orienta a determinar cuán preciso es el conjunto respuesta a partir del concepto de relevancia. Para Baeza-Yates [2] este tipo de evaluación corresponde a la evaluación de la performance de la recuperación. En el mismo sentido, van Risbergen [61] plantea medir la efectividad del sistema de recuperación, la cual cuantifica su capacidad para recuperar documentos relevantes mientras no recupera documentos no relevantes. Un sistema más efectivo permite satisfacer en mayor medida la necesidad de un usuario.
2.1 – Medidas de Evaluación
Desde los primeros esfuerzos relacionados con la evaluación de los SRI hasta la actualidad, la aproximación clásica para describir la performance de la recuperación consiste en determinar cuántos documentos relevantes se recuperaron y cómo se rankearon para entregarlos al usuario.
Cuando un usuario plantea un query a un SRI, obtiene como respuesta una lista de documentos de acuerdo a un ranking determinado por el sistema. Como ya hemos mencionado, dicha respuesta está formada por documentos relevantes y otros que no lo son y la lista – generalmente – no contiene todos los documentos de la colección (en colecciones grandes, sería imposible de revisar toda la respuesta). En el gráfico 1 se muestra esta situación. Dada una consulta cualquiera, un SRI recuperará el grupo identificado como C, de los cuales solo una parte son relevantes (D).
A partir de esta situación, se puede establecer la tabla de contingencia anterior para la evaluación.Existen dos medidas ampliamente aceptadas en la comunidad de RI denominadas Precisión (en inglés, Precision) y Exhaustividad (Recall) planteadas por Cleverdon [13] hace varios años. La Exhaustividad se define como la proporción de los documentos relevantes que han sido recuperados y permite evaluar la habilidad del sistema para encontrar todos los documentos relevantes de la colección. Tal concepto podría resumirse a partir de la siguiente cuestión “¿Son todos los que están o nos faltan algunos?”.
La Precisión se define como la proporción de los documentos recuperados que son relevantes y permite evaluar la habilidad del sistema para rankear primero la mayoría de los documentos relevantes. Expresado en forma de pregunta: ¿Son todos relevantes o se “filtraron” algunos que no lo son?
Estas dos medidas se encuentran altamente relacionadas. Empíricamente se ha comprobado que una alta exhaustividad se acompaña de una muy baja precisión y viceversa (Gráfico 2), es decir, existe una relación inversa entre las [14].
Existe un compromiso entre Exhaustividad y Precisión, es decir, al aumentar la Exhaustividad recuperando mayor cantidad de documentos, veremos disminuir la Precisión. Esto se explica en el hecho – ya mencionado – que la salida de un SRI es un conjunto aproximado (no exacto) y – por lo tanto – entre ésta se encontrarán documentos no relevantes. Por el contrario, si recuperamos unos pocos documentos y todos son relevantes se tendrá una precisión máxima, pero seguramente se están perdiendo documentos útiles por no ser recuperados. El sistema ideal es aquel que siempre recupera todos los documentos relevantes y solo esos, situación que – hasta el momento – no existe.
Referencias
[2] Baeza-Yates, R. y Ribeiro-Neto, B. “Modern Information Retrieval”. ACM Press. Addison Wesley. 1999.
[13] Cleverdon, C.W., Mills, J. Y Keen, M. “Factors Determining the Performance of Indexing Systems”. ASLIB Cranfield Project. Vol. 1, Design, Vol2, Test Results. 1966.
[14] Cleverdon, C.W. “On the inverse relationship of recall and precision”. Journal of Documentation, vol. 28, págs. 195-201. 1972.
[61] van Rijsbergen, C.J. “Information Retrieval”. Department of Computing Science. University of Glasgow. 1979.
jueves, diciembre 07, 2006
Blogs sobre “blogs, semántica y geolocalización”
Geospatial Semantic Web Blog es el nombre de un blog que trata exclusivamente el como incorporar referencias geográficas a aplicaciones. En particular recomiendo leer el artículo titulado “Geotagged blogs are rare in the blogosphere” en él se describe la problemática de georeferenciar entradas en blogs.
martes, diciembre 05, 2006
Caracterización del acceso a Internet en escuelas públicas de USA
"Internet Access in U.S. Public Schools and Classrooms: 1994-2005" es el nombre de un trabajo de investigación que trata de caracterizar como es el acceso a Internet en las mencionadas escuelas públicas de USA. Se presentan tecnologías, tasas de uso, tipos de conexiones, normas y soft utilizado para evitar el acceso a sitios no autorizados. Más allá de los aspectos tecnológicos enunciados el informe también contiene datos acerca de la integración de servicios de red a la curricula educativa.
Las distintas inteligencias
Leyendo Wikipedia encontré una entrada que hace referencia a una teoría que indica que el ser humano posee inteligencias múltiples. Esto lo formalizó un investigador americano llamado Gardner, donde su hipótesis de trabajo es que la inteligencia no es una, sino que son varias e independientes entre si, pero que interactúan. Para el investigador, la definición de inteligencia se da como "la capacidad de resolver problemas o elaborar productos que sean valiosos en una o más culturas".
De la página mencionada extraigo las nueve inteligencias definidas por Howard Gardner :
Inteligencia lingüística, la que tienen los escritores, los poetas, los buenos redactores. Utiliza ambos hemisferios.
Inteligencia lógica-matemática, la que utilizamos para resolver problemas de lógica y matemáticas. Es la inteligencia que tienen los científicos. Se corresponde con el modo de pensamiento del hemisferio lógico y con lo que nuestra cultura ha considerado siempre como la única inteligencia.
Inteligencia espacial, consiste en formar un modelo mental del mundo en tres dimensiones, es la inteligencia que tienen los marineros, los ingenieros, los cirujanos, los escultores, los arquitectos, o los decoradores.
Inteligencia musical, es naturalmente la de los cantantes, compositores, músicos, bailarines.
Inteligencia corporal-cinestésica, o la capacidad de utilizar el propio cuerpo para realizar actividades o resolver problemas. Es la inteligencia de los deportistas, los artesanos, los cirujanos y los bailarines.
Inteligencia Intrapersonal, es la que nos permite entendernos a nosotros mismos. No está asociada a ninguna actividad concreta.
Inteligencia interpersonal, la que nos permite entender a los demás, y la solemos encontrar en los buenos vendedores, políticos, profesores o terapeutas.
Inteligencia emocional es formada por la inteligencia intrapersonal y la interpersonal y juntas determinan nuestra capacidad de dirigir nuestra propia vida de manera satisfactoria.
Inteligencia Naturalista, la que utilizamos cuando observamos y estudiamos la naturaleza. Es la que demuestran los biólogos o los herbolarios.
Me gusta esta teoría, es flexible y hasta me parece natural (no forzada).
De la página mencionada extraigo las nueve inteligencias definidas por Howard Gardner :
Inteligencia lingüística, la que tienen los escritores, los poetas, los buenos redactores. Utiliza ambos hemisferios.
Inteligencia lógica-matemática, la que utilizamos para resolver problemas de lógica y matemáticas. Es la inteligencia que tienen los científicos. Se corresponde con el modo de pensamiento del hemisferio lógico y con lo que nuestra cultura ha considerado siempre como la única inteligencia.
Inteligencia espacial, consiste en formar un modelo mental del mundo en tres dimensiones, es la inteligencia que tienen los marineros, los ingenieros, los cirujanos, los escultores, los arquitectos, o los decoradores.
Inteligencia musical, es naturalmente la de los cantantes, compositores, músicos, bailarines.
Inteligencia corporal-cinestésica, o la capacidad de utilizar el propio cuerpo para realizar actividades o resolver problemas. Es la inteligencia de los deportistas, los artesanos, los cirujanos y los bailarines.
Inteligencia Intrapersonal, es la que nos permite entendernos a nosotros mismos. No está asociada a ninguna actividad concreta.
Inteligencia interpersonal, la que nos permite entender a los demás, y la solemos encontrar en los buenos vendedores, políticos, profesores o terapeutas.
Inteligencia emocional es formada por la inteligencia intrapersonal y la interpersonal y juntas determinan nuestra capacidad de dirigir nuestra propia vida de manera satisfactoria.
Inteligencia Naturalista, la que utilizamos cuando observamos y estudiamos la naturaleza. Es la que demuestran los biólogos o los herbolarios.
Me gusta esta teoría, es flexible y hasta me parece natural (no forzada).
lunes, diciembre 04, 2006
Enciclopedia de Matemáticas PlanetMath
PlanetMath es un proyecto mantenido por una comunidad de gente que desea que el conocimiento matemático sea fácilmente accesible. En noviembre del año 2006 se contabilizaron más de 5.600 entradas y 9.400 conceptos. EL material, el cual está compuesto de artículos y libros, documentos de investigación se encuentra regulado por la licencia GNU/FDL (Free Documentation License. LaTeX es la herramienta seleccionada para escribir en lenguaje matemático. Una carácterística particular es que siempre hay una imagen de la enciclopedia lista para descargarse y utilizarse fuera de línea.
domingo, diciembre 03, 2006
Con Uds. FeedRaider
El servicio web FeedRaider es un agregador de canales RSS, donde un usuario puede crear rápidamente una interface pública que contenga los canales preferidos por él. Los invito a visitar el mio, lo hice exportando en formato OPML los canales de mi FeedReader. Esta aplicación es complementaria a los lectores de escritorio, dado que permite que desde cualquier parte y en cualquier momento, un usuario pueda acceder a sus fuentes de información. Sería interesante que la gente hiciera públicos sus canales en el agregador FeedRaider, donde esto trabajaría como un sistema social de recomendación. De sea forma podríamos ver que le gusta a cada uno y tomar aquellas recomendaciones de canales que nos interesan a los efectos de mejorar -socialmente- nuestras fuentes.
viernes, diciembre 01, 2006
Debate sobre materiales papel versus digital en las bibliotecas
He hallado un artículo para compartir, el cual ha sido escrito por Scott Carlson y titulado "Library Renovation Leads to Soul Searching at Cal Poly" plantea como las instituciones deben adaptarse a este mundo con sobrecarga de información. Se presenta un caso real donde se discute como se debería tratar al material papel cuando los presupuestos no alcanzan.
La Facultad de Informática de la UNLP ejemplo de calidad e integración con la realidad
Hace un momento recibí el Boletín del Consejo Profesional de Ciencias Informáticas, me dió una alegría bárbara ver que una de sus noticias hablaba acerca del éxito de la Facultad de informática de la Universidad Nacional de La Plata, en lo referente a la formación de profesionales. Conozco muy poco de su organización, pero si puedo decir que este reconocimiento responde a un trabajo continuo de alumnos y profesores que han logrado armar una carrera donde además de impartir los cursos regulares, existen otras actividades que toda universidad debería tener: vinculación con el medio, práctica real en empresas, pasantías para graduados, investigación académica e investigación aplicada junto a la sociedad, extensión a través del armado y apoyo a jornadas técnicas, apoyo (pragmático no de palabra) a otros niveles educativos.
Les copio la noticia en cuestión
La Plata, futura ciudad digital
Las grandes empresas del sector están en una constante búsqueda de "genios". Muchas veces se nutren de egresados y estudiantes de la UNLP o la UTN regional. Actualmente los jóvenes son en su mayoría obligados a emigrar. Pero ya hay compañías que observan a la capital bonaerense como un buen lugar donde radicarse para realizar sus desarrollos
La calidad de los profesionales argentinos dedicados al desarrollo de software y de técnicos especializados en las nuevas tecnologías se refleja en la alta demanda de las industrias del sector con base en el extranjero.
Las gigantes como IBM, Microsoft u Oracle se nutren de jóvenes argentinos, a tal punto que muchas de estas compañías realizan acuerdos estratégicos con universidades para procurarse de los mejores recursos humanos.Pero entre todas las ciudades del país que se han convertido en grandes formadoras de expertos, La Plata ocupa un lugar destacado.
Así quedó plasmado con las declaraciones de "Pete" Martínez, un alto ejecutivo de IBM con base en Boca Ratón, EE.UU y ex integrante del equipo que ideó la primera PC, cuando visitó el Diario Hoy hace pocos meses y dijo: "Los egresados de la Universidad Nacional de La Plata y los de la Universidad Tecnológica Nacional son envidiables por la excelencia en su formación".
Pero, la gran mayoría de los jóvenes profesionales terminan por trabajar en el exterior. Por el contrario, una empresa de capitales argentinos que lidera el desarrollo de soluciones para compañías de seguros ve que La Plata puede convertirse en un polo de desarrollo tecnológico para el resto del mundo y decidieron hacer punta.
Fue así que la firma Sistran -con fuerte presencia de platenses entre sus socios y ejecutivos- creó su Área de Desarrollo de aplicaciones, bajo el concepto de Software Factory, con oficinas en la capital del primer estado argentino.
El área dependerá de las Unidades de Negocio de México y Puerto Rico y su objetivo será en proyectos que surjan sobre tecnología .Net y arquitectura SOA (orientada a servicios) en dichos mercados.
Puntualmente tendrá 4 secciones: Interfaz de usuario, Componentes, Base de datos y Diseño. Su característica distintiva será apuntar a la especialización en cada una de ellas. Para dicho emprendimiento se han seleccionado 7 profesionales radicados en La Plata ciudad, integrando mayor cantidad de personal en un corto plazo.
"El área de desarrollo de aplicaciones, trabaja conceptualmente como software factory: una línea de producción de Software que concentra procesos de desarrollo, herramientas, frameworks, guías y templates para construir una aplicación específica. En otras palabras: es un modelo de servicios apoyado en una estrategia metodológica que ha madurado en el desarrollo de Software. El CORE de los sistemas seguirá siendo responsabilidad de Fábrica Corporativa por lo cual este área operará en forma coordinada bajo las metodologías de fábrica para atender los proyectos", explicó Bernardo Suburu, director Corporativo de Sistran.
En tanto, Mario Rosales, Director de Operaciones de Sistran México subrayó: "Detectamos la posibilidad de desarrollar el Polo informático de esta ciudad -que aún no ha sido explotado- con muchos recursos capacitados gracias al excelente nivel que proveen las Universidades tecnológicas. Es por ello que Sistran suma oportunidades de trabajo a los jóvenes estudiantes de La Plata para que continúen sus estudios y al recibirse cuenten con la experiencia necesaria para desenvolverse profesionalmente".
La empresa cuenta entre sus clientes regionales en Latinoamérica más importantes a AIG, CNP, Bradesco, Chubb, Generali, Horizonte, La República, La Veloz, La Mercantil Andina, Liderar, Sofrecom; Telecom Argentina, Swiss Medical Group, SMG Compañía de Seguros, Victoria Cía Argentina de Seguros, Winterthur Internacional XL Insurance Argentina y Royal Sun Alliance, entre otros. Y posee filiales en Brasil, Ecuador, Colombia, México, Guatemala, Puerto Rico y oficinas en Panamá.
Ojalá el ejemplo llegue a otros lugares!!!
Les copio la noticia en cuestión
La Plata, futura ciudad digital
Las grandes empresas del sector están en una constante búsqueda de "genios". Muchas veces se nutren de egresados y estudiantes de la UNLP o la UTN regional. Actualmente los jóvenes son en su mayoría obligados a emigrar. Pero ya hay compañías que observan a la capital bonaerense como un buen lugar donde radicarse para realizar sus desarrollos
La calidad de los profesionales argentinos dedicados al desarrollo de software y de técnicos especializados en las nuevas tecnologías se refleja en la alta demanda de las industrias del sector con base en el extranjero.
Las gigantes como IBM, Microsoft u Oracle se nutren de jóvenes argentinos, a tal punto que muchas de estas compañías realizan acuerdos estratégicos con universidades para procurarse de los mejores recursos humanos.Pero entre todas las ciudades del país que se han convertido en grandes formadoras de expertos, La Plata ocupa un lugar destacado.
Así quedó plasmado con las declaraciones de "Pete" Martínez, un alto ejecutivo de IBM con base en Boca Ratón, EE.UU y ex integrante del equipo que ideó la primera PC, cuando visitó el Diario Hoy hace pocos meses y dijo: "Los egresados de la Universidad Nacional de La Plata y los de la Universidad Tecnológica Nacional son envidiables por la excelencia en su formación".
Pero, la gran mayoría de los jóvenes profesionales terminan por trabajar en el exterior. Por el contrario, una empresa de capitales argentinos que lidera el desarrollo de soluciones para compañías de seguros ve que La Plata puede convertirse en un polo de desarrollo tecnológico para el resto del mundo y decidieron hacer punta.
Fue así que la firma Sistran -con fuerte presencia de platenses entre sus socios y ejecutivos- creó su Área de Desarrollo de aplicaciones, bajo el concepto de Software Factory, con oficinas en la capital del primer estado argentino.
El área dependerá de las Unidades de Negocio de México y Puerto Rico y su objetivo será en proyectos que surjan sobre tecnología .Net y arquitectura SOA (orientada a servicios) en dichos mercados.
Puntualmente tendrá 4 secciones: Interfaz de usuario, Componentes, Base de datos y Diseño. Su característica distintiva será apuntar a la especialización en cada una de ellas. Para dicho emprendimiento se han seleccionado 7 profesionales radicados en La Plata ciudad, integrando mayor cantidad de personal en un corto plazo.
"El área de desarrollo de aplicaciones, trabaja conceptualmente como software factory: una línea de producción de Software que concentra procesos de desarrollo, herramientas, frameworks, guías y templates para construir una aplicación específica. En otras palabras: es un modelo de servicios apoyado en una estrategia metodológica que ha madurado en el desarrollo de Software. El CORE de los sistemas seguirá siendo responsabilidad de Fábrica Corporativa por lo cual este área operará en forma coordinada bajo las metodologías de fábrica para atender los proyectos", explicó Bernardo Suburu, director Corporativo de Sistran.
En tanto, Mario Rosales, Director de Operaciones de Sistran México subrayó: "Detectamos la posibilidad de desarrollar el Polo informático de esta ciudad -que aún no ha sido explotado- con muchos recursos capacitados gracias al excelente nivel que proveen las Universidades tecnológicas. Es por ello que Sistran suma oportunidades de trabajo a los jóvenes estudiantes de La Plata para que continúen sus estudios y al recibirse cuenten con la experiencia necesaria para desenvolverse profesionalmente".
La empresa cuenta entre sus clientes regionales en Latinoamérica más importantes a AIG, CNP, Bradesco, Chubb, Generali, Horizonte, La República, La Veloz, La Mercantil Andina, Liderar, Sofrecom; Telecom Argentina, Swiss Medical Group, SMG Compañía de Seguros, Victoria Cía Argentina de Seguros, Winterthur Internacional XL Insurance Argentina y Royal Sun Alliance, entre otros. Y posee filiales en Brasil, Ecuador, Colombia, México, Guatemala, Puerto Rico y oficinas en Panamá.
Ojalá el ejemplo llegue a otros lugares!!!
Suscribirse a:
Entradas (Atom)
