To derive a latent trait (for instance ability) in a computer adaptive testing (CAT) framework, the obtained results from a model must have a direct relationship to the examinees’ response to a set of items presented. The set of items is previously calibrated to decide which item to present to the examinee in the next evaluation question. Some useful models are more naturally based on conditional probability in order to involve previously obtained hits/misses. In this paper, we integrate an experimental part, obtaining the information related to the examinee’s academic performance, with a theoretical contribution of maximum entropy. Some academic performance index functions are built to support the experimental part and then explain under what conditions one can use constrained prior distributions. Additionally, we highlight that heuristic prior distributions might not properly work in all likely cases, and when to use personalized prior distributions instead. Finally, the inclusion of the performance index functions, arising from current experimental studies and historical records, are integrated into a theoretical part based on entropy maximization and its relationship with a CAT process.
La combinación del Internet de las Cosas y de la Estadística para Ciencias de los Datos resulta bastante interesante, sobre todo cuando se aplican dentro del área educativa. Este trabajo propone el desarrollo de una estación de salud (kiosko) y del análisis de los datos biométricos obtenidos a través de un procedimiento experimental con el cual obtener valores de variables antropométricas que sean útiles para indicar el estado de salud de estudiantes de la Preparatoria 2, perteneciente a la Universidad Autónoma del Estado de Hidalgo. En una primera fase, el trabajo propone la medición de peso y estatura de las y los estudiantes, así como el Índice de Masa Corporal, el cual se emplea tradicionalmente para determinar sobrepeso y su relación con otros tipos de enfermedades. Los resultados experimentales muestran que adquirir esta información requiere de sensores de peso y estatura, para cuyo análisis estadístico existen modelos que permiten realizar pruebas de normalidad y homogeneidad de varianzas, las cuales resultan útiles para determinar el tipo de estadística a usar.
Los engaños han estado en la sociedad desde hace tiempo y han llegado a converger más, debido a las capacidades tecnológicas que actualmente tienen los dispositivos y el uso generalizado de la web que hacemos. Esta situación ha ocasionado muchos efectos negativos, como la desinformación entre usuarios, afectando la perspectiva o pensamiento ante actividades cotidianas. Recientemente, se han realizado diversas investigaciones se han propuesto para detectar engaños en publicaciones en línea. Este trabajo propone contemplar un elemento importante para apoyar la detección de engaños: explorar los pronombres personales en las publicaciones (u opiniones), ya que su uso tiende a mostrar honestidad entre las personas. La metodología propuesta separa las opiniones en oraciones que usan pronombres personales, para analizar su valor en la tarea. Se utilizan dos conjuntos de opiniones para evaluar la propuesta: Op Spam y Amazon. Los resultados son alentadores, dado que muestran que los pronombres personales son relevantes para identificar esta tarea.
El conocimiento y control del comportamiento de las variables de temperatura y humedad dentro de un SITE o Centro de Datos es de vital importancia para evitar situaciones de riesgo dentro del mismo, tales como por ejemplo oxidaciones, sobrecalentamiento de dispositivos o equipos de cómputo, incendios de los mismos, etc. Este es un tema que preocupa a diversas organizaciones cuyos servicios se soportan por equipos de cómputo o informáticos localizados en espacios especiales cerrados ubicados dentro de la misma organización, y que son conocidos como SITE o Centro de Datos. En este trabajo y en esta fase del proyecto, se llevan a cabo mediciones experimentales de humedad y temperatura dentro y fuera de un SITE con el propósito de adquirir información acerca de los procedimientos teóricos que modelen el comportamiento del frío y humedad dentro del Centro de Datos, acerca de los procedimientos experimentales que permitan obtener datosconfiables de temperatura y humedad con los cuales sea posible validar, a futuro, los modelos propuestos que describen el comportamientode estas variables, y acerca de los procedimientos que usen el concepto de IoT para obtener una mejor comprensión del comportamiento de las variables mencionadas y cómo éstas pueden adquirirse y controlarse por medio de esta tecnología. La metodología empleada es experimental con adquisición de datos a través de Internet de las Cosas, realizando el análisis de éstos a través de técnicas estadísticas que determinan la confiabilidad de los mismos, para posteriormente estudiar la capacidad predictiva y de control que tiene una red neuronal artificial adaptable lineal, buscando con ello tener una idea de cómo homogeneizar, en el tiempo y en el espacio, las temperaturas y humedadesdentro del SITE. Los resultados obtenidos son prometedores ya que se descubre efectivamente una fuerte correlación entre las temperaturasen dos puntos diferentes dentro del SITE y como funciones del tiempo y algo similar ocurre con la humedad. Esto facilita la forma de homogeneizar las variables, aunque es necesario aclarar que se requiere de un mayor número de sensores distribuidos espacialmente dentro del SITE, para así lograr que los campos de temperatura y humedad sean estadísticamente más aceptables, y con los datos hacer posible la validación de sus modelos de distribución.
Las secuencias biológicas contienen información importante de los organismos vivos. El análisis de estas secuencias pueden proporcionar información que ayudaría a los biólogos a un mejor entendimiento de estos organismos. El descubrimiento de patrones frecuentes en un grupo de secuencias de ADN se ha vuelto uno de los grandes retos en la aplicación de técnicas de minería de datos. Existe un considerable tiempo y esfuerzo empleado para obtener patrones frecuentes secuenciales cuando los métodos se basan en algoritmos Apriori, como GSP y KeySegment. Este trabajo propone el diseño de un método basado en mapeo de secuencias para aumentar la búsqueda de patrones frecuentes contiguos en un grupo de secuencias de ADN. El presente artículo muestra experimentos utilizando conjuntos de secuencias de ADN cuyas longitudes varían desde los 1000 hasta 5000 nucleótidos, obtenidas desde una base de datos biológica. Estos experimentos demostraron un algoritmo eficaz para la identificación de patrones frecuentes en secuencias de ADN comparado con otros algoritmos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.