Forman redes de apoyo para académicos del área computacional

El Módulo de Redes de Colaboración en línea fue lanzado por el Centro de Estudios en Computación Avanzada (CECAv) y busca enlazar académicos de esta casa de estudios que trabajan en la materia.

El CECAv es una entidad adscrita a la Coordinación de la Investigación Científica; su misión es coordinar proyectos de investigación, desarrollo tecnológico, docencia y difusión en el área de computación, abordando problemas relevantes para la sociedad.

Boris Escalante Ramírez, coordinador general del CECAv, mencionó que esta herramienta se alimenta de las bases de datos de Scopus y del Sistema Integral de Información Académica de la Coordinación de Planeación, Evaluación y Simplificación de la Gestión, que contienen las publicaciones del área de computación.

Explicó que esta herramienta permitirá a los académicos que trabajan en distintas áreas de la computación en la UNAM formar grupos afines de estudio mediante el emparejamiento de intereses, contribuyendo así a cumplir con una de las funciones principales del CECAv, que es promover la formación de redes de investigación, desarrollo tecnológico y docencia en computación en la UNAM.

El doctor en Ciencias por la Universidad Tecnológica de Eindhoven relató que debido al gran tamaño de la UNAM resulta todo un reto hacer colaboraciones académicas, pues frecuentemente “no nos conocemos entre nosotros mismos”.

Describió además que esta herramienta tiene la virtud de extraer información de bases de datos de publicaciones indizadas de la UNAM y externas, como la plataforma Scopus. Aclaró que al decir “indizadas” se refiere a revistas incluidas en índices reconocidos, es decir, aquellas que cuentan con revisión por pares y tienen un nivel académico importante.

“Extraemos de forma automática información de esas bases de datos para identificar a los académicos de la UNAM que han publicado en esas revistas para obtener contenidos sobre sus temas de investigación, intereses y afinidades”.

Estuvo en la entrevista el equipo de Escalante Ramírez, integrado por Jimena Olveres Montiel, coordinadora académica; Cinthia Rodríguez Maya y Víctor Manuel Corza Vargas, ambos técnicos académicos, todos adscritos al CECAv.

A la pregunta de cómo esperan que impacte el módulo entre la comunidad universitaria, Jimena Olveres aseguró que esta herramienta permitirá que el trabajo de los investigadores en computación sea más visible dentro y fuera de la UNAM.

La doctora en Ciencia e Ingeniería en Computación por la UNAM agregó que otras áreas, por ejemplo, la medicina o la educación, pueden beneficiarse al utilizar esta herramienta identificando académicos con los que se pueden realizar proyectos multidisciplinarios, “promoviendo la sinergia con grupos de investigación de diversos ámbitos de la ciencia”.

En relación con el funcionamiento del módulo, Víctor Manuel Corza destacó como algo innovador que la herramienta utiliza técnicas de procesamiento de lenguaje natural para la extracción de términos importantes a partir del título, el abstract y las palabras clave de cada publicación.

Manifestó que el resultado es un conjunto de temas normalizados que describen el contenido del artículo, alineados con la Ontología CSO, desarrollada por el Instituto Tecnológico de Massachusetts, y con el Clasificador CSO, del Knowledge Media Institute, The Open University, Milton Keynes, de Reino Unido.

Al explicar el funcionamiento del sistema, Cinthia Rodríguez señaló que existe una opción de búsqueda por tema, la cual permite visualizar su ubicación dentro de la ontología hasta alcanzar el tema raíz.

Además, subrayó que el sistema ofrece una visualización en forma de árbol, donde es posible identificar a los académicos que trabajan o han trabajado en dicho tema.

Agregó que también se utilizan histogramas para representar la prevalencia de las áreas en las que trabaja cada académico.

En el futuro, el equipo ha considerado el uso de otras técnicas de inteligencia artificial para mejorar las visualizaciones de similitud entre académicos, así como incorporar un módulo que permita predecir el porcentaje de probabilidad de futuras colaboraciones.