<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>Volumen 25 | Número 01</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/178676</link>
<description/>
<pubDate>Thu, 19 Nov 2026 02:31:55 GMT</pubDate>
<dc:date>2026-11-19T02:31:55Z</dc:date>
<item>
<title>Impact of the Population Pyramid on the Emergency Department</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/179678</link>
<description>Articulo
Impacto de la pirámide poblacional en el servicio de urgencias hospitalarias
Journal of Computer Science &amp; Technology; vol. 25, no. 1
A country’s population pyramid can affect the quality and demand for emergency departments (ED) in several ways. EDs may need specialized resources and equipment to meet the population’s needs. In this research, we present an analysis of scenarios through agent-based modeling and simulation. We analyzed the population pyramids of Spain, Argentina, and Paraguay to provide insight into how demographic structure impacts the length of stay (LoS) and the need for medical and nursing staff. This can help policymakers and health managers better plan health resources and services in each country. We verified the evolution of the parameters, length of stay (LoS), and the occupation of doctors and nurses depending on different scenarios, such as the age of the patients and the number of patients arriving, and how it can lead to saturation of the ED. Through several scenarios analyzed using simulations of the age pyramids of Spain, Argentina, and Paraguay, we conclude that the age pyramid of patients treated in ED affects the demand for services, the need for specialized care regarding human and material resources, and waiting time. Implementing measures to manage demand and optimize available resources is essential to ensure adequate patient care.; La pirámide poblacional de un país puede afectar la calidad y la demanda de los servicios de urgencias hospitalarias de varias maneras. En esta investigación, presentamos un análisis de escenarios mediante modelado y simulación basados en agents. Analizamos las pirámides poblacionales de España, Argentina y Paraguay para proporcionar información sobre cómo la estructura demográfica impacta la duración de la estancia (LoS) y la necesidad de personal médico y de enfermería. Esto puede ayudar a los responsables y a los gestores sanitarios a planificar los recursos y servicios sanitarios. Verificamos la evolución de los parámetros, la duración de la estancia (LoS) y la ocupación de médicos y enfermeras en función de diferentes escenarios, como la edad de los pacientes y el número de pacientes, y cómo puede conducir a la saturación de los servicios de urgencias hospitalarias.&#13;
A través de varios escenarios analizados mediante simulaciones de las pirámides de edad de España, Argentina y Paraguay, concluimos que la pirámide de edad de los pacientes en urgencias afecta a la demanda de servicios, la necesidad de atención especializada, y el tiempo de espera. Implementar medidas para gestionar la demanda y optimizar los recursos es esencial para garantizar una atención adecuada al paciente.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/179678</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>A country’s population pyramid can affect the quality and demand for emergency departments (ED) in several ways. EDs may need specialized resources and equipment to meet the population’s needs. In this research, we present an analysis of scenarios through agent-based modeling and simulation. We analyzed the population pyramids of Spain, Argentina, and Paraguay to provide insight into how demographic structure impacts the length of stay (LoS) and the need for medical and nursing staff. This can help policymakers and health managers better plan health resources and services in each country. We verified the evolution of the parameters, length of stay (LoS), and the occupation of doctors and nurses depending on different scenarios, such as the age of the patients and the number of patients arriving, and how it can lead to saturation of the ED. Through several scenarios analyzed using simulations of the age pyramids of Spain, Argentina, and Paraguay, we conclude that the age pyramid of patients treated in ED affects the demand for services, the need for specialized care regarding human and material resources, and waiting time. Implementing measures to manage demand and optimize available resources is essential to ensure adequate patient care.

La pirámide poblacional de un país puede afectar la calidad y la demanda de los servicios de urgencias hospitalarias de varias maneras. En esta investigación, presentamos un análisis de escenarios mediante modelado y simulación basados en agents. Analizamos las pirámides poblacionales de España, Argentina y Paraguay para proporcionar información sobre cómo la estructura demográfica impacta la duración de la estancia (LoS) y la necesidad de personal médico y de enfermería. Esto puede ayudar a los responsables y a los gestores sanitarios a planificar los recursos y servicios sanitarios. Verificamos la evolución de los parámetros, la duración de la estancia (LoS) y la ocupación de médicos y enfermeras en función de diferentes escenarios, como la edad de los pacientes y el número de pacientes, y cómo puede conducir a la saturación de los servicios de urgencias hospitalarias.&#13;
A través de varios escenarios analizados mediante simulaciones de las pirámides de edad de España, Argentina y Paraguay, concluimos que la pirámide de edad de los pacientes en urgencias afecta a la demanda de servicios, la necesidad de atención especializada, y el tiempo de espera. Implementar medidas para gestionar la demanda y optimizar los recursos es esencial para garantizar una atención adecuada al paciente.</dc:description>
</item>
<item>
<title>Towards more efficient initialization methods for Convolutional Neural Networks via K-Means and Principal Components</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/179675</link>
<description>Articulo
Hacia métodos más eficientes de inicialización para Redes Neuronales convolucionales por medio de K-Medias y componentes principales
Journal of Computer Science &amp; Technology; vol. 25, no. 1
This paper presents an exploration of unsupervised methods for initializing and training filters in convolutional layers, aiming to reduce the dependency on labeled data and computational resources. We propose two unsupervised methods based on the distribution of input data and evaluate their performance against traditional Glorot Uniform initialization. By initializing solely the initial layer of a basic CNN network with one of our proposed methods, we attained a 0.78% enhancement in final accuracy compared to traditional Glorot Uniform initialization. Our findings suggest that these unsupervised methods could serve as effective alternatives for filter initialization, potentially leading to more efficient training processes and a better understanding of CNNs.; Este artículo presenta una exploración de métodos no supervisados para la inicialización y el entrenamiento de filtros en capas convolucionales, con el objetivo de reducir la dependencia de datos etiquetados y recursos computacionales. Proponemos dos métodos no supervisados basados en la distribución de los datos de entrada y evaluamos su rendimiento en comparación con la inicialización Glorot Uniform tradicional. Al inicializar únicamente la capa inicial de una red CNN básica con uno de nuestros métodos propuestos, logramos una mejora del 0.78% en la precisión final en comparación con la inicialización Glorot Uniform tradicional. Nuestros hallazgos sugieren que estos métodos no supervisados podrían servir como alternativas efectivas para la inicialización de filtros, lo que podría llevar a procesos de entrenamiento más eficientes y a una mejor comprensión de las redes convolucionales.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/179675</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>This paper presents an exploration of unsupervised methods for initializing and training filters in convolutional layers, aiming to reduce the dependency on labeled data and computational resources. We propose two unsupervised methods based on the distribution of input data and evaluate their performance against traditional Glorot Uniform initialization. By initializing solely the initial layer of a basic CNN network with one of our proposed methods, we attained a 0.78% enhancement in final accuracy compared to traditional Glorot Uniform initialization. Our findings suggest that these unsupervised methods could serve as effective alternatives for filter initialization, potentially leading to more efficient training processes and a better understanding of CNNs.

Este artículo presenta una exploración de métodos no supervisados para la inicialización y el entrenamiento de filtros en capas convolucionales, con el objetivo de reducir la dependencia de datos etiquetados y recursos computacionales. Proponemos dos métodos no supervisados basados en la distribución de los datos de entrada y evaluamos su rendimiento en comparación con la inicialización Glorot Uniform tradicional. Al inicializar únicamente la capa inicial de una red CNN básica con uno de nuestros métodos propuestos, logramos una mejora del 0.78% en la precisión final en comparación con la inicialización Glorot Uniform tradicional. Nuestros hallazgos sugieren que estos métodos no supervisados podrían servir como alternativas efectivas para la inicialización de filtros, lo que podría llevar a procesos de entrenamiento más eficientes y a una mejor comprensión de las redes convolucionales.</dc:description>
</item>
<item>
<title>Exploring Low-Cost Platforms for Automatic Chess Digitization</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/179674</link>
<description>Articulo
Exploración de plataformas de bajo coste para digitalización de ajedrez automática
Journal of Computer Science &amp; Technology; vol. 25, no. 1
Automatic digitization of chess games through computer vision poses a considerable technological challenge.&#13;
This capability holds significant appeal for tournament organizers and both amateur and professional players, enabling them to broadcast over-the-board (OTB) games online or facilitate in-depth analysis with chess engines. While existing research provides encouraging results, there’s an ongoing demand to enhance recognition accuracy and minimize processing delays, particularly when leveraging affordable hardware. In our study, we adapted these techniques specifically for cost-effective single-board computers like the Nvidia Jetson Nano. Our framework combines a swift chessboard detection method with a Convolutional Neural Network for piece recognition. Notably, it can interpret an image of a chessboard setup in under a second, achieving accuracies of 92% in piece identification and 95% in board detection. Furthermore, we assessed a custom open-hardware platform equipped with affordable, low-power RISC-V processors. On their own, these processors were inadequate for realtime tasks. However, when paired with a systolic array accelerator, their performance significantly improved, yielding promising results in both piece classification and board detection.; La digitalización automática de juegos de ajedrez mediante visión por computador plantea un importante desafío tecnológico. Esta capacidad es muy atractiva para organizadores de torneos y jugadores, permitiéndoles transmitir online juegos sobre tablero (OTB) y facilitando el análisis en profundidad con motores de ajedrez.&#13;
Aunque investigaciones previas proporcionan resultados alentadores, existe una creciente demanda para aumentar la precisión en el reconocimiento y minimizar los retardos del procesamiento, particularmente al utilizar hardware económico. En nuestro estudio, hemos adaptado estas técnicas específicamente para computadores monoplaca asequibles como la Nvidia Jetson Nano. Nuestro entorno combina un rápido método de detección del tablero de ajedrez con una Red Neuronal Convolucional para el reconocimiento de piezas, interpretando una imagen de una configuración de tablero en menos de un segundo y logrando precisiones del 92% en la clasificación de piezas y del 95% en la detección del tablero. Además, hemos evaluado una plataforma open hardware equipada con procesadores RISC-V de bajo consumo y económicos. Por sí mismos, estos procesadores no son adecuados para tareas de tiempo real, pero al combinarlos con un acelerador de array sistólico incrementan su rendimiento significativamente, proporcionando resultados prometedores tanto en la clasificación de piezas como en la detección del tablero.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/179674</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>Automatic digitization of chess games through computer vision poses a considerable technological challenge.&#13;
This capability holds significant appeal for tournament organizers and both amateur and professional players, enabling them to broadcast over-the-board (OTB) games online or facilitate in-depth analysis with chess engines. While existing research provides encouraging results, there’s an ongoing demand to enhance recognition accuracy and minimize processing delays, particularly when leveraging affordable hardware. In our study, we adapted these techniques specifically for cost-effective single-board computers like the Nvidia Jetson Nano. Our framework combines a swift chessboard detection method with a Convolutional Neural Network for piece recognition. Notably, it can interpret an image of a chessboard setup in under a second, achieving accuracies of 92% in piece identification and 95% in board detection. Furthermore, we assessed a custom open-hardware platform equipped with affordable, low-power RISC-V processors. On their own, these processors were inadequate for realtime tasks. However, when paired with a systolic array accelerator, their performance significantly improved, yielding promising results in both piece classification and board detection.

La digitalización automática de juegos de ajedrez mediante visión por computador plantea un importante desafío tecnológico. Esta capacidad es muy atractiva para organizadores de torneos y jugadores, permitiéndoles transmitir online juegos sobre tablero (OTB) y facilitando el análisis en profundidad con motores de ajedrez.&#13;
Aunque investigaciones previas proporcionan resultados alentadores, existe una creciente demanda para aumentar la precisión en el reconocimiento y minimizar los retardos del procesamiento, particularmente al utilizar hardware económico. En nuestro estudio, hemos adaptado estas técnicas específicamente para computadores monoplaca asequibles como la Nvidia Jetson Nano. Nuestro entorno combina un rápido método de detección del tablero de ajedrez con una Red Neuronal Convolucional para el reconocimiento de piezas, interpretando una imagen de una configuración de tablero en menos de un segundo y logrando precisiones del 92% en la clasificación de piezas y del 95% en la detección del tablero. Además, hemos evaluado una plataforma open hardware equipada con procesadores RISC-V de bajo consumo y económicos. Por sí mismos, estos procesadores no son adecuados para tareas de tiempo real, pero al combinarlos con un acelerador de array sistólico incrementan su rendimiento significativamente, proporcionando resultados prometedores tanto en la clasificación de piezas como en la detección del tablero.</dc:description>
</item>
<item>
<title>Trajectory Analysis using Data Mining Techniques</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/178722</link>
<description>Contribucion a revista
Journal of Computer Science &amp; Technology; vol. 25, no. 1; https://sedici.unlp.edu.ar/handle/10915/174995
This study presents an innovative method for identifying variability in vehicular flow, designed for dynamic urban environments with fluctuating traffic conditions. The proposed approach integrates real-time data flow processing with a two-level clustering strategy to detect and analyze vehicular density patterns. The first level performs dynamic clustering of GPS locations, forming microclusters that represent spatially homogeneous traffic zones. Each microcluster is continuously updated based on similarity criteria and a forgetting mechanism that ensures data relevance. Periodic snapshots capture the temporal evolution of the traffic distribution, which serves as input for the second level of clustering. The second level aggregates microclusters based on proximity, taking advantage of historical density data to classify traffic variability. By comparing current and baseline densities, the method identifies congestion-prone areas and dynamically adjusts cluster formations. This twolevel approach improves traffic management and provides a robust framework for detecting congestion trends.&#13;
Through validation in three urban case studies, San Francisco, Rome and Guayaquil, the methodology successfully captured the spatial and temporal variability of traffic, identifying congestion hotspots and uncovering patterns of flow evolution over time.
En "'Documentos relacionados"' se puede acceder al texto completo de la tesis.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/178722</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>This study presents an innovative method for identifying variability in vehicular flow, designed for dynamic urban environments with fluctuating traffic conditions. The proposed approach integrates real-time data flow processing with a two-level clustering strategy to detect and analyze vehicular density patterns. The first level performs dynamic clustering of GPS locations, forming microclusters that represent spatially homogeneous traffic zones. Each microcluster is continuously updated based on similarity criteria and a forgetting mechanism that ensures data relevance. Periodic snapshots capture the temporal evolution of the traffic distribution, which serves as input for the second level of clustering. The second level aggregates microclusters based on proximity, taking advantage of historical density data to classify traffic variability. By comparing current and baseline densities, the method identifies congestion-prone areas and dynamically adjusts cluster formations. This twolevel approach improves traffic management and provides a robust framework for detecting congestion trends.&#13;
Through validation in three urban case studies, San Francisco, Rome and Guayaquil, the methodology successfully captured the spatial and temporal variability of traffic, identifying congestion hotspots and uncovering patterns of flow evolution over time.</dc:description>
</item>
<item>
<title>Artificial Intelligence Applied in Legal Information: A Systematic Mapping Study</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/178721</link>
<description>Articulo
Inteligencia artificial aplicada en información jurídica: mapeo sistemático de la literatura
Journal of Computer Science &amp; Technology; vol. 25, no. 1
Advanced technologies, particularly Artificial Intelligence (AI), are transforming how legal professionals handle civil law relationships and daily processes. Legal Information Retrieval (LIR), a significant field within AI, focuses on efficiently identifying and analyzing legal norms and documents relevant to users' specific information needs. This systematic mapping study identifies and synthesizes primary approaches, trends, and advancements in applying AI to LIR. By reviewing recent research, it provides an overview of employed strategies, AI techniques, and emerging areas of focus. Systematic search methods were applied to academic databases, selecting relevant studies published over the past fifteen years. From 3405 initially identified articles, 34 were selected for in-depth analysis after applying inclusion and exclusion criteria. The findings reveal sustained interest in AI techniques for LIR, with a clear trend toward adopting Natural Language Processing (NLP) and machine learning to enhance search relevance, precision, and automation of legal processes. This study emphasizes the potential of AI in the legal domain and highlights the need for continued research to address unique LIR challenges in a rapidly evolving technological landscape.; Tecnologías avanzadas, como la Inteligencia Artificial (IA), están transformando cómo los profesionales del derecho gestionan las relaciones jurídicas y procesos cotidianos. La Recuperación de Información Jurídica (RIJ), un campo clave dentro de la IA, permitiendo identificar y analizar normas y documentos legales relevantes para las necesidades de los usuarios. Este estudio identifica y sintetiza los principales enfoques, tendencias y avances en la aplicación de la IA a la RIJ. Mediante revisión de investigaciones recientes, se ofrece un resumen de las estrategias empleadas, técnicas de IA utilizadas y áreas emergentes. Se aplicaron métodos de búsqueda sistemática en bases de datos académicas, seleccionando estudios publicados en los últimos quince años. De 3405 artículos identificados inicialmente, 34 fueron seleccionados para un análisis en profundidad tras aplicar criterios de inclusión y exclusión. Los hallazgos revelan un interés en las técnicas de IA para la RIJ, con una tendencia hacia la adopción del Procesamiento del Lenguaje Natural (PLN) y el aprendizaje automático para mejorar la relevancia y precisión de las búsquedas, así como la automatización de procesos legales. Este estudio subraya el potencial de la IA en el ámbito jurídico y resalta la necesidad de continuar investigando para abordar los desafíos únicos de la RIJ.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/178721</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>Advanced technologies, particularly Artificial Intelligence (AI), are transforming how legal professionals handle civil law relationships and daily processes. Legal Information Retrieval (LIR), a significant field within AI, focuses on efficiently identifying and analyzing legal norms and documents relevant to users' specific information needs. This systematic mapping study identifies and synthesizes primary approaches, trends, and advancements in applying AI to LIR. By reviewing recent research, it provides an overview of employed strategies, AI techniques, and emerging areas of focus. Systematic search methods were applied to academic databases, selecting relevant studies published over the past fifteen years. From 3405 initially identified articles, 34 were selected for in-depth analysis after applying inclusion and exclusion criteria. The findings reveal sustained interest in AI techniques for LIR, with a clear trend toward adopting Natural Language Processing (NLP) and machine learning to enhance search relevance, precision, and automation of legal processes. This study emphasizes the potential of AI in the legal domain and highlights the need for continued research to address unique LIR challenges in a rapidly evolving technological landscape.

Tecnologías avanzadas, como la Inteligencia Artificial (IA), están transformando cómo los profesionales del derecho gestionan las relaciones jurídicas y procesos cotidianos. La Recuperación de Información Jurídica (RIJ), un campo clave dentro de la IA, permitiendo identificar y analizar normas y documentos legales relevantes para las necesidades de los usuarios. Este estudio identifica y sintetiza los principales enfoques, tendencias y avances en la aplicación de la IA a la RIJ. Mediante revisión de investigaciones recientes, se ofrece un resumen de las estrategias empleadas, técnicas de IA utilizadas y áreas emergentes. Se aplicaron métodos de búsqueda sistemática en bases de datos académicas, seleccionando estudios publicados en los últimos quince años. De 3405 artículos identificados inicialmente, 34 fueron seleccionados para un análisis en profundidad tras aplicar criterios de inclusión y exclusión. Los hallazgos revelan un interés en las técnicas de IA para la RIJ, con una tendencia hacia la adopción del Procesamiento del Lenguaje Natural (PLN) y el aprendizaje automático para mejorar la relevancia y precisión de las búsquedas, así como la automatización de procesos legales. Este estudio subraya el potencial de la IA en el ámbito jurídico y resalta la necesidad de continuar investigando para abordar los desafíos únicos de la RIJ.</dc:description>
</item>
<item>
<title>Impact of Ambient Temperature on Short-term Maximum Electrical Demand through the Performance of Forecast Models generated with Prophet</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/178720</link>
<description>Articulo
Impacto de la temperatura ambiente en la demanda eléctrica máxima de corto plazo a través del desempeño de modelos de pronóstico generados con Prophet
Journal of Computer Science &amp; Technology; vol. 25, no. 1
The maximum short-term electrical demand is affected by climatic factors, including ambient temperature. To incorporate it into the forecast models, it is necessary to generate an indicator that represents the ambient temperature of the area under study. The objective of this research is to determine the impact of ambient temperature on the short-term maximum electrical demand through the performance of the forecast models, integrating into a single indicator the temperature measurements from different points of the geographical area under analysis, using as weighting factors to the proportions of regional demands with respect to total demand. The Prophet forecasting technique is used, with historical data on electrical demand and daily ambient temperature from November 2022 to November 2024. To evaluate the models, the MAE, RMSE, and MAPE metrics are used, with data outside the historical period. The forecast model considering the Weighted High Temperature indicator as a regressor variable was the one that had the greatest improvements in the metrics when comparing them with those coming from the model that did not consider temperature as a regressor variable, with improvements of 25%, 21%, and 15%, in MAPE, MAE, and RMSE, respectively.; La demanda eléctrica máxima de corto plazo se ve afectada por factores climáticos, entre ellos la temperatura ambiente. Para incorporarla en los modelos de pronóstico, se hace necesario generar un indicador que represente a la temperatura ambiente del área bajo estudio. El objetivo de esta investigación es determinar el impacto de la temperatura ambiente en la demanda eléctrica máxima de corto plazo a través del desempeño de los modelos de pronóstico, integrando en un solo indicador las mediciones de temperatura de distintos puntos del área geográfica bajo análisis, utilizando como factores de ponderación a las proporciones de las demandas regionales con respecto a la demanda total. Se hace uso de la técnica de pronóstico Prophet, con datos históricos de demanda eléctrica y temperatura ambiente diaria desde noviembre del 2022 hasta noviembre del 2024. Para evaluar los modelos se utilizan las métricas MAE, RMSE, y MAPE, con datos fuera del período histórico. El modelo de pronóstico considerando el indicador Temperatura Alta Ponderada como variable regresora fue el que tuvo las mayores mejoras de las métricas al compararlas con aquellas provenientes del modelo que no consideró a la temperatura como variable regresora, con mejoras del 25%, 21%, y 15%, en MAPE, MAE, y RMSE, respectivamente.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/178720</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>The maximum short-term electrical demand is affected by climatic factors, including ambient temperature. To incorporate it into the forecast models, it is necessary to generate an indicator that represents the ambient temperature of the area under study. The objective of this research is to determine the impact of ambient temperature on the short-term maximum electrical demand through the performance of the forecast models, integrating into a single indicator the temperature measurements from different points of the geographical area under analysis, using as weighting factors to the proportions of regional demands with respect to total demand. The Prophet forecasting technique is used, with historical data on electrical demand and daily ambient temperature from November 2022 to November 2024. To evaluate the models, the MAE, RMSE, and MAPE metrics are used, with data outside the historical period. The forecast model considering the Weighted High Temperature indicator as a regressor variable was the one that had the greatest improvements in the metrics when comparing them with those coming from the model that did not consider temperature as a regressor variable, with improvements of 25%, 21%, and 15%, in MAPE, MAE, and RMSE, respectively.

La demanda eléctrica máxima de corto plazo se ve afectada por factores climáticos, entre ellos la temperatura ambiente. Para incorporarla en los modelos de pronóstico, se hace necesario generar un indicador que represente a la temperatura ambiente del área bajo estudio. El objetivo de esta investigación es determinar el impacto de la temperatura ambiente en la demanda eléctrica máxima de corto plazo a través del desempeño de los modelos de pronóstico, integrando en un solo indicador las mediciones de temperatura de distintos puntos del área geográfica bajo análisis, utilizando como factores de ponderación a las proporciones de las demandas regionales con respecto a la demanda total. Se hace uso de la técnica de pronóstico Prophet, con datos históricos de demanda eléctrica y temperatura ambiente diaria desde noviembre del 2022 hasta noviembre del 2024. Para evaluar los modelos se utilizan las métricas MAE, RMSE, y MAPE, con datos fuera del período histórico. El modelo de pronóstico considerando el indicador Temperatura Alta Ponderada como variable regresora fue el que tuvo las mayores mejoras de las métricas al compararlas con aquellas provenientes del modelo que no consideró a la temperatura como variable regresora, con mejoras del 25%, 21%, y 15%, en MAPE, MAE, y RMSE, respectivamente.</dc:description>
</item>
<item>
<title>Editor’s note, vol. 25, no. 1</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/178718</link>
<description>Contribucion a revista
Journal of Computer Science &amp; Technology; vol. 25, no. 1
First, we thank Prof. Armando De Giusti (Universidad Nacional de La Plata, Argentina) for his outstanding career and contribution to this journal. Armando has served as Editor-in-Chief since 2015, and fortunately, he will continue collaborating with us as Co-Editor.&#13;
Second, we welcome Prof. Enzo Rucci (Universidad Nacional de La Plata and CIC, Argentina) as Editorin- Chief of this journal. Professor Rucci has been developing as Co-Editor since 2021, as a member of the Scientific Board since 2020, and as Editorial Secretary since 2015.&#13;
Last, this issue presents five manuscripts related to artificial intelligence, computer vision, and modelling and simulation. A total of 20 different authors from seven different universities of Argentina, Paraguay, Spain, and Venezuela were involved. Besides, this issue also includes a Ph.D. thesis overview.
</description>
<pubDate>Tue, 01 Apr 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/178718</guid>
<dc:date>2025-04-01T00:00:00Z</dc:date>
<dc:description>First, we thank Prof. Armando De Giusti (Universidad Nacional de La Plata, Argentina) for his outstanding career and contribution to this journal. Armando has served as Editor-in-Chief since 2015, and fortunately, he will continue collaborating with us as Co-Editor.&#13;
Second, we welcome Prof. Enzo Rucci (Universidad Nacional de La Plata and CIC, Argentina) as Editorin- Chief of this journal. Professor Rucci has been developing as Co-Editor since 2021, as a member of the Scientific Board since 2020, and as Editorial Secretary since 2015.&#13;
Last, this issue presents five manuscripts related to artificial intelligence, computer vision, and modelling and simulation. A total of 20 different authors from seven different universities of Argentina, Paraguay, Spain, and Venezuela were involved. Besides, this issue also includes a Ph.D. thesis overview.</dc:description>
</item>
</channel>
</rss>
