Search

[ES]El GRupo de Investigación en InterAcción y eLearning (GRIAL) es un Grupo de Investigación Reconocido (GIR) de la Universidad de Salamanca y, actualmente, Unidad de Investigación Consolidada (UIC) de la Junta de Castilla y León. Su mayor seña de identidad es que es un grupo de investigación multidisciplinar que surge en torno a la creación y aplicación de tecnología educativa, por tanto, en su composición integra fundamentalmente ingenieros en informática y pedagogos, pero en él se incluyen humanistas, bibliotecólogos, filósofos o filólogos entre otros perfiles. En este artículo se presentan las líneas de investigación del grupo que actualmente son más activas, avaladas por sus proyectos y sus principales publicaciones.

In this work a study of data extraction and mining architectures applied to superficial defects produced in the steel-rolling using Deep Learning techniques is carried out, as well as the storage of the data in a Big Data architecture and its exploitation using Visual Analytics tools that allow making agile decisions. For this purpose, the acquisition of data using computer vision is performed. Then, some experiments to configure the ideal acquisition of the data using neural networks are carried out. The obtained results and accuracies are compared with those of the current State of the Art, surpassing them. An architecture is designed according the production needs to store captured data. This architecture guarantees scalability, security and speed. Finally, some visualizations focused on different people-roles in production environment are developed to provide knowledge about the state of manufacturing that allows to improve the process. En este trabajo se realiza un estudio de arquitecturas de extracción y explotación de datos sobre defectos superficiales producidos en la laminación del acero mediante técnicas de Deep Learning, así como el almacenamiento de los datos en una arquitectura de Big Data y su explotación empleando herramientas de Visual Analytics que permiten tomar decisiones ágiles. Para ello se adquieren los datos con técnicas de visión por computador y se realizan experimentos para configurar la explotación de los datos empleando redes neuronales y se comparan los resultados y precisiones obtenidos con los del Estado del Arte actual, comprobando que son mejorados. Se diseña una arquitectura para almacenar los datos de la captura que se adapta a las necesidades de producción, garantizando la escalabilidad, la seguridad y la rapidez. Por último, se desarrollan visualizaciones enfocadas a diferentes roles de personas en la producción que aportan conocimiento sobre el estado de la fabricación y permiten mejorar el proceso.

El proyecto consiste en la creación de una aplicación web que permita realizar la captura y análisis de datos en Twitter facilitando el estudio tanto de las opiniones expresadas como de las personas o entidades que han influido en dichas opiniones mediante técnicas de Visual Analytics. Dicho objetivo tiene especial importancia debido al gran número de usuarios de esta red social y la inmensa cantidad de información accesibles sobre multitud de ámbitos. El procesamiento de los datos obtenidos se centrará en el estudio de la difusión y propagación de tendencias, la búsqueda de relaciones entre usuarios en base a las acciones realizadas por estos (respuestas, citas y menciones) y el análisis del comportamiento de los usuarios usando como métricas su actividad e impacto. Para ello el análisis se apoyará en el entorno y lenguaje de programación “R”, que provee un gran conjunto de funciones estadísticas y de cálculo numérico que permite el manejo de grandes volúmenes de datos, además de herramientas estadísticas adecuadas para la generación de gráficas. Todo ello estará integrado en una aplicación desarrollada en el lenguaje de programación Python y bajo el framework Django, en la cual se han integrado las herramientas del lenguaje R para el procesado de los datos mediante scripts que son invocados desde la propia aplicación. Para asegurar la integridad de la aplicación, así como de los resultados, se han limitado las posibles acciones definiendo diversos perfiles de usuarios en función de las funciones a realizar por cada uno de ellos.

Gracias a los avances de la tecnología, el número de datos que son generados y su complejidad crece exponencialmente. Las nuevas técnicas de adquisición de datos, así como las técnicas de computación de altas prestaciones han posibilitado la gestión de grandes conjuntos de datos con mayor resolución. Sin embargo, nuestra capacidad en el incremento de cantidad y complejidad en la generación de datos actuales, supera nuestra habilidad para entenderlos fácilmente y darles sentido. En el presente trabajo, proponemos el uso de técnicas de realidad virtual que exploten los diferentes canales sensoriales para facilitar la visualización, análisis, interpretación e interacción de grandes conjuntos de datos complejos. Abstract Advances in technology have made it possible to increase the data size generated causing its complexity grows exponentially. New data acquisition and high performance computing techniques have enabled to manage large data sets with high resolution. However, the amount and complexity of current generation of data exceeds our ability to easily understand and make sense of them. In this paper, we propose the use of virtual reality techniques that exploit different sensory channels for improving the visualization, analysis, interpretation and interaction of large complex datasets.

Los dispositivos móviles inteligentes equipados con funciones avanzadas de computación y comunicaciones han crecido rápidamente. Sin embargo, a pesar de los mecanismos de seguridad existentes, y dada la cantidad creciente de dispositivos conectados a Internet, también han aumentado exponencialmente la cantidad de aplicaciones maliciosas (malware) dirigidas a ellos. En este trabajo mostramos cómo los componentes peligrosos y maliciosos del malware móvil se pueden visualizar de una manera intuitiva a fin de descubrir fácilmente qué funciones de Android pueden desencadenar el fraude. Nuestro enfoque incluye un método para interceptar llamadas a funciones (”hooking”) con el fin de recoger trazas pertinentes de la aplicación durante de tiempo de ejecución. Esto permite la monitorización de llamadas a funciones de la API de Android relacionadas con los permisos de instalación de la misma. Las trazas obtenidas se colectan en un servidor web central donde tiene lugar la visualización del comportamiento de las aplicaciones.

[EN] Knowledge Representation has been defined as a set of ontological rules provided with the capacity to perform inference. It basically consists of a set of symbols that represent a specific domain, enriched with a set of functions to perform reasoning. This reasoning aims to perform inference, most of times based on the use of any kind of logics. Ontologies represent one of the most widely used schema representations. They are mainly used in the Knowledge Engineering, Artificial Intelligence and the Computer Science fields. The main problem with the Knowledge Representation from a semantic point of view, is the complexity of the processes of creation, management, maintenance and reusability of the ontological models. The automatic support to the processes that manage the knowledge, usually have to face diverse problems during the modelling process. These problems affect the comprehension and the development of these ontological models, causing complex and unefficient processes and low levels of reusability of these ontologies. The current tools that support these processes, have diverse problems, due to they are not robust enough to efficiently develop all the tasks involved in the workflows. This thesis has taken this problematic as its starting point. It aims to develop the processes for developing and managing the life cycle of ontologies based on a Visual Analytics approach, where the user becomes to be the central point in the analysis process. Furthermore, all the mechanisms involved in this approach, have been defined taking into account, the user and his interaction with the computers. These mechanisms, make easier the analytical reasoning, because they maximise the human capacity to perceive and understand about complex and dynamic data sets. The processes involved in the ontologies’life cycle, describe the whole sequence of activities in the workflows, to create, manage and reuse ontologies. These activities and workflows have been defined taking into account the main methodologies for developing ontological models. Moreover, each of these activities and workflows, is supported by Visual Analytics and interaction techniques. The user interaction represents a crucial aspect for developing ontologybased data models. The user, supported by computer mechanisms, defines the representation of a certain domain using an ontological model. These mechanisms, are completely defined according to the human capabilities to perform abstraction, conception, understanding, learning and knowledge representation. This user-centered approach, represents the main approach taken of the Visual Analytics field. Through this thesis, all the workflows for developing ontology-based data models are completely described and detailed. Furthermore, all the mechanisms implemented in a tool called OWL-VisMod, that support the development of these processes are also described. These mechanisms have been evaluated based on two approaches: the first one is the usability of the tool, and the second one is the functionality of the tool and all the visualisation and interaction techniques. The usability evaluation consists of the development of the creation process of an ontological model, according to the proposed tasks. This development has been performed by a group of users that evaluate the usability of the tool. On the other hand, the functionality evaluation has been performed, first, through an analysis process of an existing ontology, and second, through the creation of a new data ontological model, according to the workflows defined to these processes. This creation process has been developed over a real scenario, of a recommend system for tourism activities. This evaluation has let to perform diverse tests of the tool, about its capacity to cover all the functionality aspects needed for a real-scenario system. The results of these evaluations, have indicated firstly, that the processes, workflows and the defined tasks, are coherent to the defined objectives. Secondly, the functionality evaluation in the case-study, has let to detect diverse aspects that were improved or fixed, as well as the validation of the tool and the diverse visualisations and interaction techniques., [ES] Este trabajo de tesis se enmarca dentro del área de la Representación del Conocimiento; más específicamente, en la Ingeniería de Ontologías. Este trabajo de investigación incluye la definición de los principales procesos involucrados en la gestión del ciclo de vida de las ontologías (creación, mantenimiento, análisis y reutilización), así como la implementación de una herramienta que soporte todos estos procesos, basada en un enfoque de Analítica Visual, en la que el usuario representa el eje central en el proceso de análisis. Esta propuesta de herramienta, denominada OWL-VisMod, ha sido validada con dos evaluaciones: una evaluación de funcionalidad con un caso de estudio en colaboración con una empresa, así como una evaluación de usabilidad con un grupo de estudiantes de máster de la Universidad de Salamanca.