Apoyo de toma de decisión a comunidades de construcción de conocimiento

Mostrar todas las versiones(2)
Detalles Bibliográficos
Autor Principal: Martin, Jonathan
Otros autores o Colaboradores: Torres, Diego (Director/a), Fernández, Alejandro (Codirector/a)
Formato: Tesis
Lengua:español
Datos de publicación: 2020
Temas:
FRAMEWORKS
construcción del conocimiento
ludificación
Acceso en línea:http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2519
Consultar en el Cátalogo
Descripción Física:1 archivo (3,9 MB) : il. col.
Tabla de Contenidos:
  • 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

Ejemplares similares