<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>2025 | XIV BIREDIAL</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185464</link>
<description/>
<pubDate>Thu, 19 Nov 2026 07:00:02 GMT</pubDate>
<dc:date>2026-11-19T07:00:02Z</dc:date>
<item>
<title>Negative Impact of Bots on Digital Repository Usage Statistics: A Case Analysis and Applied Strategy</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/188909</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025); https://sedici.unlp.edu.ar/handle/10915/181804
Bot detection in web services has been a necessity since the massification of the internet. These agents crawl the information available on the web for various purposes, such as search engine development, SEO analysis, or, recently, for training artificial intelligence models. Repositories are particularly interesting to these agents because they offer high-quality controlled information described by curated metadata. Regardless of its objective, the repository is continuously being harvested by multiple bots, which causes occasional downtime and alterations in the usage logs used for generating statistical reports, which serve to measure the real impact of the preserved and published works.&#13;
This paper presents the experience of the SEDICI repository in analyzing and cleaning 13 years' worth of collected logs. Detection is performed by analyzing bot behavior, such as excessive usage, anomalous usage patterns, scans, and attacks. Then, an AI model is used to flag bots with subtle behavior not otherwise identified as such. By applying these strategies, it was possible to eliminate over 50 million usage records originating from atypical bots that systematically and recurrently access the repository.
Traducción al inglés de "Impacto negativo de bots en estadísticas de uso de repositorios digitales: análisis de un caso y estrategia aplicada" (ver "Documentos relacionados").
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/188909</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Bot detection in web services has been a necessity since the massification of the internet. These agents crawl the information available on the web for various purposes, such as search engine development, SEO analysis, or, recently, for training artificial intelligence models. Repositories are particularly interesting to these agents because they offer high-quality controlled information described by curated metadata. Regardless of its objective, the repository is continuously being harvested by multiple bots, which causes occasional downtime and alterations in the usage logs used for generating statistical reports, which serve to measure the real impact of the preserved and published works.&#13;
This paper presents the experience of the SEDICI repository in analyzing and cleaning 13 years' worth of collected logs. Detection is performed by analyzing bot behavior, such as excessive usage, anomalous usage patterns, scans, and attacks. Then, an AI model is used to flag bots with subtle behavior not otherwise identified as such. By applying these strategies, it was possible to eliminate over 50 million usage records originating from atypical bots that systematically and recurrently access the repository.</dc:description>
</item>
<item>
<title>Implementación de estrategias de servicios de marcación y publicación de artículos científicos en OJS</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186047</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
Con el objetivo de agilizar, automatizar e independizar la marcación de artículos científicos en el contexto de la Universidad Nacional de La Plata, se encararon una serie de estrategias para solucionar los diversos desafíos que plantea la marcación. Para el problema de la marcación de referencias bibliográficas en el plugin docxConverted, se incorporaron funcionalidades clave que permiten una mejor integración de este proceso en el flujo editorial. También se agregaron mejoras en la generación de archivos PDF, lo que permite que estos se adapten a los estándares de diseño y presentación de las revistas de la UNLP. Además, se trabajó en la posibilidad de vincular las citas dentro del texto con las referencias bibliográficas al final del documento.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186047</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Con el objetivo de agilizar, automatizar e independizar la marcación de artículos científicos en el contexto de la Universidad Nacional de La Plata, se encararon una serie de estrategias para solucionar los diversos desafíos que plantea la marcación. Para el problema de la marcación de referencias bibliográficas en el plugin docxConverted, se incorporaron funcionalidades clave que permiten una mejor integración de este proceso en el flujo editorial. También se agregaron mejoras en la generación de archivos PDF, lo que permite que estos se adapten a los estándares de diseño y presentación de las revistas de la UNLP. Además, se trabajó en la posibilidad de vincular las citas dentro del texto con las referencias bibliográficas al final del documento.</dc:description>
</item>
<item>
<title>Los proyectos de ISTEC: Consorcio Iberoamericano para Educación en Ciencia y Tecnología (ISTEC). Formación de una red virtuosa y participativa para acompañar procesos de educación más equitativos y mejorar la calidad de vida</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185907</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025); https://sedici.unlp.edu.ar/handle/10915/185906
Se presentan la misión y visión del Consorcio Iberoamericano para Educación en Ciencia y Tecnología (ISTEC), sus líneas estratégicas, iniciativas y proyectos.
</description>
<pubDate>Mon, 01 Jan 2024 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185907</guid>
<dc:date>2024-01-01T00:00:00Z</dc:date>
<dc:description>Se presentan la misión y visión del Consorcio Iberoamericano para Educación en Ciencia y Tecnología (ISTEC), sus líneas estratégicas, iniciativas y proyectos.</dc:description>
</item>
<item>
<title>Projetos ISTEC: Consórcio Ibero-Americano de Educação em Ciência e Tecnologia (ISTEC). Formação de uma rede virtuosa e participativa para apoiar processos educacionais mais equitativos e melhorar a qualidade de vida</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185906</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
São apresentadas a missão e a visão do Consórcio Ibero-Americano de Educação em Ciência e Tecnologia (ISTEC), juntamente com suas linhas estratégicas, iniciativas e projetos.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185906</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>São apresentadas a missão e a visão do Consórcio Ibero-Americano de Educação em Ciência e Tecnologia (ISTEC), juntamente com suas linhas estratégicas, iniciativas e projetos.</dc:description>
</item>
<item>
<title>Los cambios en la evaluación: un asunto de gobernanza, métricas e implicaciones ontológicas</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185836</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
La presentación hace un recorrido por la conexión entre ciencia abierta y evaluación y la dependencia mutua. Analiza la necesidad de cambiar la gobernanza y recorre diferentes experiencias para dar cuenta de agentes que pueden ayudar a brindar nuevos indicadores para la evaluación que atienden un sentido más amplio de la noción de impacto alcanzando la relevancia social, el uso, los indicadores tecno-computacionales, entre otros. Asimismo analiza la evaluación sobre el impacto de la ciencia abierta en Europa en su diálogo con la evaluación y recorre las iniciativas para cambiar la evaluación tanto del norte como de la región latinoamericana y Caribe, para, finalmente dejar una serie de preguntas sobre qué se entiende por una evaluación realizada de manera más profesional y atendiendo no solo aspectos cuantitativos sino cualitativos con la experiencia de los expertos.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185836</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>La presentación hace un recorrido por la conexión entre ciencia abierta y evaluación y la dependencia mutua. Analiza la necesidad de cambiar la gobernanza y recorre diferentes experiencias para dar cuenta de agentes que pueden ayudar a brindar nuevos indicadores para la evaluación que atienden un sentido más amplio de la noción de impacto alcanzando la relevancia social, el uso, los indicadores tecno-computacionales, entre otros. Asimismo analiza la evaluación sobre el impacto de la ciencia abierta en Europa en su diálogo con la evaluación y recorre las iniciativas para cambiar la evaluación tanto del norte como de la región latinoamericana y Caribe, para, finalmente dejar una serie de preguntas sobre qué se entiende por una evaluación realizada de manera más profesional y atendiendo no solo aspectos cuantitativos sino cualitativos con la experiencia de los expertos.</dc:description>
</item>
<item>
<title>Clasificación automática de materias en repositorios institucionales mediante aprendizaje supervisado y representaciones vectoriales multilingües: un estudio de caso en SEDICI</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185805</link>
<description>Objeto de conferencia
Classificação automática de matérias em repositórios institucionais por meio de aprendizado supervisionado e representações vetoriais multilíngues: um estudo de caso no SEDICI; Automatic subject classification in institutional repositories using supervised learning and multilingual vector representations: a case study in SEDICI
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
Presentación del problema: El presente trabajo aborda la tarea de clasificación automática por materias para los contenidos albergados en el repositorio institucional SEDICI. A partir de un corpus de 126.081 ítems se propone ahora un enfoque supervisado de clasificación multilabel que permita predecir las materias asignadas a los ítems del repositorio a partir de sus resúmenes y palabras clave.&#13;
Materiales y metodología: Los ítems incluyen resúmenes textuales, palabras clave y etiquetas temáticas. Se realizó un análisis de cobertura de etiquetas para obtener un subconjunto óptimo de clases que concentren la mayor parte de los ejemplos en el corpus. Luego se aplicaron distintas técnicas de representación del texto, incluyendo vectorizaciones clásicas por n-gramas (TF-IDF y frecuencia de términos) y modelos de embeddings multilingües (SBERT y LaBSE). Sobre estas representaciones se entrenaron varios clasificadores multilabel, como regresión logística, máquinas de soporte vectorial, Random Forest, Multinomial Naive Bayes y clasificadores por descenso de gradiente. La evaluación se realizó mediante métricas específicas para clasificación multilabel, incluyendo F1-score micro y macro.&#13;
Resultados: Se observó que la combinación de Frecuencia de Término - Frecuencia Inversa de Documento (TF-IDF) con Máquinas de Soporte Vectorial Lineal (Linear SVC) ofreció un rendimiento destacado entre los enfoques clásicos, alcanzando los mayores valores de F1 macro y F1 micro en ambas configuraciones del conjunto de etiquetas. Los modelos basados en embeddings, especialmente LaBSE y SBERT combinados con Linear SVC, demostraron también un desempeño competitivo, superando en varios casos a los métodos clásicos, aunque a costa de mayores tiempos de entrenamiento. El Clasificador Lineal entrenado con Descenso de Gradiente Estocástico (SGD) se posicionó como una alternativa eficiente y escalable, con tiempos reducidos y métricas satisfactorias. La reducción del espacio de etiquetas de 61 a 37 materias permitió mejorar globalmente la precisión y reducir la complejidad computacional.&#13;
Conclusiones: Este estudio se propuso demostrar la viabilidad de aplicar modelos supervisados para la clasificación automática de materias en grandes volúmenes de datos textuales en repositorios institucionales. La metodología propuesta es replicable y puede adaptarse a otros contextos documentales con estructuras temáticas similares, y podría contribuir a mejorar la eficiencia y calidad del proceso de curaduría de datos y materiales en repositorios institucionales.; Apresentação do problema: O presente trabalho aborda a tarefa de classificação automática por matérias para os conteúdos hospedados no repositório institucional SEDICI.&#13;
A partir de um corpus de 126.081 itens, propõe-se agora uma abordagem supervisionada de classificação multilabel, que permite prever as matérias atribuídas aos itens do repositório com base em seus resumos e palavras-chave.&#13;
Materiais e metodologia: Os itens incluem resumos textuais, palavras-chave e rótulos temáticos.&#13;
Foi realizada uma análise de cobertura de rótulos para obter um subconjunto ideal de classes que concentrasse a maior parte dos exemplos no corpus.&#13;
Em seguida, aplicaram-se diferentes técnicas de representação textual, incluindo vetorizações clássicas por n-gramas (TF-IDF e frequência de termos) e modelos de embeddings multilíngues (SBERT e LaBSE).&#13;
Sobre essas representações, foram treinados vários classificadores multilabel, como Regressão Logística, Máquinas de Vetores de Suporte (SVM), Random Forest, Naive Bayes Multinomial e classificadores baseados em Descida de Gradiente.&#13;
A avaliação foi realizada utilizando métricas específicas para classificação multilabel, incluindo F1-score micro e macro.&#13;
Resultados: Observou-se que a combinação de Frequência de Termo – Frequência Inversa de Documento (TF-IDF) com Máquinas de Vetores de Suporte Lineares (Linear SVC) apresentou um desempenho destacado entre as abordagens clássicas, alcançando os maiores valores de F1 macro e F1 micro em ambas as configurações do conjunto de rótulos.&#13;
Os modelos baseados em embeddings, especialmente LaBSE e SBERT combinados com Linear SVC, também demonstraram desempenho competitivo, superando em vários casos os métodos clássicos, embora com maiores tempos de treinamento.&#13;
O classificador linear treinado com Descida de Gradiente Estocástica (SGD) destacou-se como uma alternativa eficiente e escalável, apresentando tempos reduzidos e métricas satisfatórias.&#13;
A redução do espaço de rótulos de 61 para 37 matérias permitiu melhorar globalmente a precisão e reduzir a complexidade computacional.&#13;
Conclusões: Este estudo procurou demonstrar a viabilidade da aplicação de modelos supervisionados para a classificação automática de matérias em grandes volumes de dados textuais de repositórios institucionais.&#13;
A metodologia proposta é replicável e pode ser adaptada a outros contextos documentais com estruturas temáticas semelhantes, podendo contribuir para melhorar a eficiência e a qualidade do processo de curadoria de dados e materiais em repositórios institucionais.; Problem Statement: This work addresses the task of automatic subject classification for the contents hosted in the SEDICI institutional repository. Based on a corpus of 126,081 items, we propose a supervised multilabel classification approach to predict the subjects assigned to repository items from their abstracts and keywords.&#13;
Materials and Methods: The items include textual abstracts, keywords, and subject tags. We conducted a label coverage analysis to obtain an optimal subset of classes that concentrates most examples in the corpus. We then applied different text representation techniques, including classical n-gram vectorizations (TF-IDF and term frequency) and multilingual embedding models (SBERT and LaBSE). On top of these representations, we trained several multilabel classifiers such as Logistic Regression, Support Vector Machines, Random Forest, Multinomial Naive Bayes, and Stochastic Gradient Descent classifiers. Evaluation was performed using metrics specific to multilabel classification, including micro and macro F1-score.&#13;
Results: The combination of Term Frequency–Inverse Document Frequency (TF-IDF) with Linear Support Vector Machines (Linear SVC) delivered standout performance among the classical approaches, achieving the highest macro- and micro-F1 values under both label-set configurations. Embedding-based models—especially LaBSE and SBERT paired with Linear SVC—also showed competitive performance, often outperforming classical methods, albeit at the cost of longer training times. The Linear Classifier trained with Stochastic Gradient Descent (SGD) emerged as an efficient and scalable alternative, with reduced training times and satisfactory metrics. Reducing the label space from 61 to 37 subjects improved overall accuracy and lowered computational complexity.&#13;
Conclusions: This study demonstrates the feasibility of applying supervised models to automatic subject classification over large volumes of textual data in institutional repositories. The proposed methodology is replicable and can be adapted to other documentary contexts with similar thematic structures, and it may help improve the efficiency and quality of data and materials curation processes in institutional repositories.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185805</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Presentación del problema: El presente trabajo aborda la tarea de clasificación automática por materias para los contenidos albergados en el repositorio institucional SEDICI. A partir de un corpus de 126.081 ítems se propone ahora un enfoque supervisado de clasificación multilabel que permita predecir las materias asignadas a los ítems del repositorio a partir de sus resúmenes y palabras clave.&#13;
Materiales y metodología: Los ítems incluyen resúmenes textuales, palabras clave y etiquetas temáticas. Se realizó un análisis de cobertura de etiquetas para obtener un subconjunto óptimo de clases que concentren la mayor parte de los ejemplos en el corpus. Luego se aplicaron distintas técnicas de representación del texto, incluyendo vectorizaciones clásicas por n-gramas (TF-IDF y frecuencia de términos) y modelos de embeddings multilingües (SBERT y LaBSE). Sobre estas representaciones se entrenaron varios clasificadores multilabel, como regresión logística, máquinas de soporte vectorial, Random Forest, Multinomial Naive Bayes y clasificadores por descenso de gradiente. La evaluación se realizó mediante métricas específicas para clasificación multilabel, incluyendo F1-score micro y macro.&#13;
Resultados: Se observó que la combinación de Frecuencia de Término - Frecuencia Inversa de Documento (TF-IDF) con Máquinas de Soporte Vectorial Lineal (Linear SVC) ofreció un rendimiento destacado entre los enfoques clásicos, alcanzando los mayores valores de F1 macro y F1 micro en ambas configuraciones del conjunto de etiquetas. Los modelos basados en embeddings, especialmente LaBSE y SBERT combinados con Linear SVC, demostraron también un desempeño competitivo, superando en varios casos a los métodos clásicos, aunque a costa de mayores tiempos de entrenamiento. El Clasificador Lineal entrenado con Descenso de Gradiente Estocástico (SGD) se posicionó como una alternativa eficiente y escalable, con tiempos reducidos y métricas satisfactorias. La reducción del espacio de etiquetas de 61 a 37 materias permitió mejorar globalmente la precisión y reducir la complejidad computacional.&#13;
Conclusiones: Este estudio se propuso demostrar la viabilidad de aplicar modelos supervisados para la clasificación automática de materias en grandes volúmenes de datos textuales en repositorios institucionales. La metodología propuesta es replicable y puede adaptarse a otros contextos documentales con estructuras temáticas similares, y podría contribuir a mejorar la eficiencia y calidad del proceso de curaduría de datos y materiales en repositorios institucionales.

Apresentação do problema: O presente trabalho aborda a tarefa de classificação automática por matérias para os conteúdos hospedados no repositório institucional SEDICI.&#13;
A partir de um corpus de 126.081 itens, propõe-se agora uma abordagem supervisionada de classificação multilabel, que permite prever as matérias atribuídas aos itens do repositório com base em seus resumos e palavras-chave.&#13;
Materiais e metodologia: Os itens incluem resumos textuais, palavras-chave e rótulos temáticos.&#13;
Foi realizada uma análise de cobertura de rótulos para obter um subconjunto ideal de classes que concentrasse a maior parte dos exemplos no corpus.&#13;
Em seguida, aplicaram-se diferentes técnicas de representação textual, incluindo vetorizações clássicas por n-gramas (TF-IDF e frequência de termos) e modelos de embeddings multilíngues (SBERT e LaBSE).&#13;
Sobre essas representações, foram treinados vários classificadores multilabel, como Regressão Logística, Máquinas de Vetores de Suporte (SVM), Random Forest, Naive Bayes Multinomial e classificadores baseados em Descida de Gradiente.&#13;
A avaliação foi realizada utilizando métricas específicas para classificação multilabel, incluindo F1-score micro e macro.&#13;
Resultados: Observou-se que a combinação de Frequência de Termo – Frequência Inversa de Documento (TF-IDF) com Máquinas de Vetores de Suporte Lineares (Linear SVC) apresentou um desempenho destacado entre as abordagens clássicas, alcançando os maiores valores de F1 macro e F1 micro em ambas as configurações do conjunto de rótulos.&#13;
Os modelos baseados em embeddings, especialmente LaBSE e SBERT combinados com Linear SVC, também demonstraram desempenho competitivo, superando em vários casos os métodos clássicos, embora com maiores tempos de treinamento.&#13;
O classificador linear treinado com Descida de Gradiente Estocástica (SGD) destacou-se como uma alternativa eficiente e escalável, apresentando tempos reduzidos e métricas satisfatórias.&#13;
A redução do espaço de rótulos de 61 para 37 matérias permitiu melhorar globalmente a precisão e reduzir a complexidade computacional.&#13;
Conclusões: Este estudo procurou demonstrar a viabilidade da aplicação de modelos supervisionados para a classificação automática de matérias em grandes volumes de dados textuais de repositórios institucionais.&#13;
A metodologia proposta é replicável e pode ser adaptada a outros contextos documentais com estruturas temáticas semelhantes, podendo contribuir para melhorar a eficiência e a qualidade do processo de curadoria de dados e materiais em repositórios institucionais.

Problem Statement: This work addresses the task of automatic subject classification for the contents hosted in the SEDICI institutional repository. Based on a corpus of 126,081 items, we propose a supervised multilabel classification approach to predict the subjects assigned to repository items from their abstracts and keywords.&#13;
Materials and Methods: The items include textual abstracts, keywords, and subject tags. We conducted a label coverage analysis to obtain an optimal subset of classes that concentrates most examples in the corpus. We then applied different text representation techniques, including classical n-gram vectorizations (TF-IDF and term frequency) and multilingual embedding models (SBERT and LaBSE). On top of these representations, we trained several multilabel classifiers such as Logistic Regression, Support Vector Machines, Random Forest, Multinomial Naive Bayes, and Stochastic Gradient Descent classifiers. Evaluation was performed using metrics specific to multilabel classification, including micro and macro F1-score.&#13;
Results: The combination of Term Frequency–Inverse Document Frequency (TF-IDF) with Linear Support Vector Machines (Linear SVC) delivered standout performance among the classical approaches, achieving the highest macro- and micro-F1 values under both label-set configurations. Embedding-based models—especially LaBSE and SBERT paired with Linear SVC—also showed competitive performance, often outperforming classical methods, albeit at the cost of longer training times. The Linear Classifier trained with Stochastic Gradient Descent (SGD) emerged as an efficient and scalable alternative, with reduced training times and satisfactory metrics. Reducing the label space from 61 to 37 subjects improved overall accuracy and lowered computational complexity.&#13;
Conclusions: This study demonstrates the feasibility of applying supervised models to automatic subject classification over large volumes of textual data in institutional repositories. The proposed methodology is replicable and can be adapted to other documentary contexts with similar thematic structures, and it may help improve the efficiency and quality of data and materials curation processes in institutional repositories.</dc:description>
</item>
<item>
<title>Detección automática de idiomas en textos cortos de repositorios institucionales: ¿vale la pena realizar un ajuste fino sobre un modelo de lenguaje?</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185804</link>
<description>Objeto de conferencia
Detecção automática de idiomas em textos curtos de repositórios institucionais: vale a pena realizar um ajuste fino em um modelo de linguagem?; Automatic language detection in short texts from institutional repositories: is it worth fine-tuning a language model?
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
Presentación del problema: Este artículo busca continuar y optimizar las tareas de detección automática de idioma llevadas a cabo previamente en el repositorio institucional SEDICI. Se procura facilitar la catalogación de materiales ante el enorme volumen de recursos almacenados actualmente.  &#13;
Materiales y metodología: A partir de un dataset exportado del repositorio de unos 126.081 ítems se planificó una tarea de detección automática de idiomas utilizando diferentes bibliotecas existentes con el enfoque zero-shot (LangDetect, Polyglot y Langid). Previamente se llevaron a cabo varias tareas de limpieza de texto y preprocesamiento que buscaron mejorar el desempeño de las bibliotecas respecto de tareas anteriores. Luego se compararon los resultados obtenidos con los datos de los idiomas registrados por el personal de catalogación del repositorio y se corroboró la exactitud de uno y otro grupo. Para tratar de mejorar aún más la detección de idiomas se realizó un ajuste fino y analizó el desempeño de la biblioteca Fasttext y varios modelos (mBERT, SBERT y XLM-RoBERTa). &#13;
Resultados: En general, todas las bibliotecas de detección de idiomas mostraron un alto nivel de precisión en la detección de idiomas, alrededor de un 98%. En el caso de los modelos de lenguaje también se obtuvieron muy buenos resultados, con valores de alrededor de 100% de f1 score. Las diferentes tareas llevadas a cabo también permitieron identificar y tipificar algunos errores recurrentes en los que suelen incurrir los catalogadores humanos así como realizar una corrección en lote de los metadatos erróneos.; Apresentação do problema: Este artigo busca dar continuidade e otimizar as tarefas de detecção automática de idioma realizadas anteriormente no repositório institucional SEDICI. O objetivo é facilitar a catalogação de materiais diante do enorme volume de recursos atualmente armazenados.&#13;
Materiais e metodologia: A partir de um dataset exportado do repositório, com cerca de 126.081 itens, foi planejada uma tarefa de detecção automática de idiomas utilizando diferentes bibliotecas existentes com a abordagem zero-shot (LangDetect, Polyglot e Langid).&#13;
Antes disso, foram realizadas várias tarefas de limpeza e pré-processamento de texto com o intuito de melhorar o desempenho das bibliotecas em relação a trabalhos anteriores.&#13;
Em seguida, os resultados obtidos foram comparados com os dados de idiomas registrados pela equipe de catalogação do repositório, verificando-se a precisão de ambos os grupos.&#13;
Para tentar melhorar ainda mais a detecção, foi realizado um ajuste fino e analisado o desempenho da biblioteca FastText e de vários modelos (mBERT, SBERT e XLM-RoBERTa).&#13;
Resultados: De modo geral, todas as bibliotecas de detecção de idioma apresentaram alto nível de precisão, em torno de 98%.&#13;
No caso dos modelos de linguagem, também foram obtidos excelentes resultados, com valores de cerca de 100% de F1-score.&#13;
As diferentes tarefas realizadas também permitiram identificar e tipificar erros recorrentes cometidos por catalogadores humanos, além de realizar uma correção em lote de metadados incorretos.; Problem statement: This paper aims to continue and optimize the automatic language detection tasks previously carried out in the SEDICI institutional repository. The goal is to facilitate the cataloging of materials given the vast amount of resources currently stored.&#13;
Materials and methodology: Based on a dataset exported from the repository containing approximately 126,081 items, an automatic language detection task was designed using several existing libraries under the zero-shot approach (LangDetect, Polyglot, and Langid).&#13;
Prior to this, various text cleaning and preprocessing tasks were performed to improve the performance of the libraries compared to earlier experiments.&#13;
Then, the results obtained were compared with the language metadata assigned by the repository’s cataloging staff, and the accuracy of both groups was verified.&#13;
To further enhance detection performance, a fine-tuning process was applied, and the performance of the FastText library and several models (mBERT, SBERT, and XLM-RoBERTa) was analyzed.&#13;
Results: Overall, all language detection libraries demonstrated a high level of accuracy, around 98%.&#13;
For the language models, results were also very strong, with F1-scores close to 100%.&#13;
Additionally, the different tasks carried out allowed for the identification and classification of recurring errors made by human catalogers, as well as the batch correction of incorrect metadata.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185804</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Presentación del problema: Este artículo busca continuar y optimizar las tareas de detección automática de idioma llevadas a cabo previamente en el repositorio institucional SEDICI. Se procura facilitar la catalogación de materiales ante el enorme volumen de recursos almacenados actualmente.  &#13;
Materiales y metodología: A partir de un dataset exportado del repositorio de unos 126.081 ítems se planificó una tarea de detección automática de idiomas utilizando diferentes bibliotecas existentes con el enfoque zero-shot (LangDetect, Polyglot y Langid). Previamente se llevaron a cabo varias tareas de limpieza de texto y preprocesamiento que buscaron mejorar el desempeño de las bibliotecas respecto de tareas anteriores. Luego se compararon los resultados obtenidos con los datos de los idiomas registrados por el personal de catalogación del repositorio y se corroboró la exactitud de uno y otro grupo. Para tratar de mejorar aún más la detección de idiomas se realizó un ajuste fino y analizó el desempeño de la biblioteca Fasttext y varios modelos (mBERT, SBERT y XLM-RoBERTa). &#13;
Resultados: En general, todas las bibliotecas de detección de idiomas mostraron un alto nivel de precisión en la detección de idiomas, alrededor de un 98%. En el caso de los modelos de lenguaje también se obtuvieron muy buenos resultados, con valores de alrededor de 100% de f1 score. Las diferentes tareas llevadas a cabo también permitieron identificar y tipificar algunos errores recurrentes en los que suelen incurrir los catalogadores humanos así como realizar una corrección en lote de los metadatos erróneos.

Apresentação do problema: Este artigo busca dar continuidade e otimizar as tarefas de detecção automática de idioma realizadas anteriormente no repositório institucional SEDICI. O objetivo é facilitar a catalogação de materiais diante do enorme volume de recursos atualmente armazenados.&#13;
Materiais e metodologia: A partir de um dataset exportado do repositório, com cerca de 126.081 itens, foi planejada uma tarefa de detecção automática de idiomas utilizando diferentes bibliotecas existentes com a abordagem zero-shot (LangDetect, Polyglot e Langid).&#13;
Antes disso, foram realizadas várias tarefas de limpeza e pré-processamento de texto com o intuito de melhorar o desempenho das bibliotecas em relação a trabalhos anteriores.&#13;
Em seguida, os resultados obtidos foram comparados com os dados de idiomas registrados pela equipe de catalogação do repositório, verificando-se a precisão de ambos os grupos.&#13;
Para tentar melhorar ainda mais a detecção, foi realizado um ajuste fino e analisado o desempenho da biblioteca FastText e de vários modelos (mBERT, SBERT e XLM-RoBERTa).&#13;
Resultados: De modo geral, todas as bibliotecas de detecção de idioma apresentaram alto nível de precisão, em torno de 98%.&#13;
No caso dos modelos de linguagem, também foram obtidos excelentes resultados, com valores de cerca de 100% de F1-score.&#13;
As diferentes tarefas realizadas também permitiram identificar e tipificar erros recorrentes cometidos por catalogadores humanos, além de realizar uma correção em lote de metadados incorretos.

Problem statement: This paper aims to continue and optimize the automatic language detection tasks previously carried out in the SEDICI institutional repository. The goal is to facilitate the cataloging of materials given the vast amount of resources currently stored.&#13;
Materials and methodology: Based on a dataset exported from the repository containing approximately 126,081 items, an automatic language detection task was designed using several existing libraries under the zero-shot approach (LangDetect, Polyglot, and Langid).&#13;
Prior to this, various text cleaning and preprocessing tasks were performed to improve the performance of the libraries compared to earlier experiments.&#13;
Then, the results obtained were compared with the language metadata assigned by the repository’s cataloging staff, and the accuracy of both groups was verified.&#13;
To further enhance detection performance, a fine-tuning process was applied, and the performance of the FastText library and several models (mBERT, SBERT, and XLM-RoBERTa) was analyzed.&#13;
Results: Overall, all language detection libraries demonstrated a high level of accuracy, around 98%.&#13;
For the language models, results were also very strong, with F1-scores close to 100%.&#13;
Additionally, the different tasks carried out allowed for the identification and classification of recurring errors made by human catalogers, as well as the batch correction of incorrect metadata.</dc:description>
</item>
<item>
<title>No todo lo que brilla es un Large Language Model: Procesamiento del lenguaje natural y minería de textos en la gestión de repositorios digitales</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185665</link>
<description>Objeto de conferencia
Nem tudo o que reluz é um Large Language Model: Processamento de Linguagem Natural e Mineração de Textos na gestão de repositórios digitais; Not all that glitters is a Large Language Model: Natural Language Processing and Text Mining in the management of digital repositories
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
La exposición explora el papel del Procesamiento del Lenguaje Natural (PLN) y la Minería de Textos en la gestión y análisis automatizado de la información en repositorios digitales. A partir de una revisión conceptual y técnica, se distinguen nociones fundamentales —como minería de datos, análisis automático de textos y aprendizaje automático— y se presentan sus vínculos con la curaduría y enriquecimiento de metadatos.&#13;
Se explican los principios de las redes neuronales y la arquitectura de los modelos de lenguaje, con especial énfasis en los modelos tipo Transformer (BERT, GPT) y en procesos como el fine tuning y los embeddings como representaciones vectoriales del significado. El trabajo propone una lectura crítica del entusiasmo actual por la IA generativa, recordando que el uso de estas tecnologías debe acompañarse de criterio, comprensión de sus limitaciones y de la importancia del rol de los curadores de datos.&#13;
Asimismo, se presentan experiencias aplicadas en el entorno PREBI-SEDICI, como la detección automática de idiomas, la clasificación automática de materias, y el desarrollo de arquitecturas de computación minimalista basadas en CMS estáticos e integraciones con OpenSearch y DSpace API. Finalmente, se plantea que la IA no constituye un fin en sí misma, sino una herramienta más dentro de un paradigma en constante cambio, en el cual la reflexión crítica y la interoperabilidad siguen siendo fundamentales para la ciencia abierta y la gestión del conocimiento digital.; A apresentação explora o papel do Processamento de Linguagem Natural (PLN) e da Mineração de Textos na gestão e na análise automatizada da informação em repositórios digitais. A partir de uma revisão conceitual e técnica, distinguem-se noções fundamentais — como mineração de dados, análise automática de textos e aprendizado de máquina — e examinam-se suas relações com a curadoria e o enriquecimento de metadados.&#13;
São explicados os princípios das redes neurais e da arquitetura dos modelos de linguagem, com ênfase especial nas abordagens baseadas em Transformer (BERT, GPT) e em processos como fine-tuning e embeddings como representações vetoriais de significado. O trabalho propõe uma leitura crítica do entusiasmo atual em torno da IA generativa, destacando que o uso dessas tecnologias deve ser acompanhado de discernimento, compreensão de suas limitações e reconhecimento do papel fundamental dos curadores de dados.&#13;
A apresentação também discute experiências aplicadas no âmbito da Direção PREBI–SEDICI, incluindo detecção automática de idiomas, classificação automática de assuntos e o desenvolvimento de arquiteturas de computação minimalista baseadas em CMS estáticos e integrações com OpenSearch e a API do DSpace. Por fim, sustenta-se que a IA não constitui um fim em si mesma, mas sim uma ferramenta dentro de um paradigma em constante evolução, no qual a reflexão crítica e a interoperabilidade permanecem essenciais para a ciência aberta e a gestão do conhecimento digital.; The talk explores the role of Natural Language Processing (NLP) and Text Mining in the management and automated analysis of information in digital repositories. Based on a conceptual and technical review, it distinguishes fundamental notions—such as data mining, automated text analysis, and machine learning—and examines their relationship with metadata curation and enrichment.&#13;
The principles of neural networks and the architecture of language models are explained, with particular emphasis on Transformer-based approaches (BERT, GPT) and on processes such as fine-tuning and embeddings as vector representations of meaning. The work offers a critical reading of the current enthusiasm surrounding generative AI, stressing that the use of these technologies must be guided by informed judgment, awareness of their limitations, and recognition of the crucial role of data curators.&#13;
The presentation also discusses applied experiences within the PREBI–SEDICI Office, including automatic language identification, automatic subject classification, and the development of minimalist computing architectures based on static CMS solutions and integrations with OpenSearch and the DSpace API. Finally, it argues that AI is not an end in itself, but rather one tool within a constantly evolving paradigm in which critical reflection and interoperability remain essential to open science and the management of digital knowledge.
</description>
<pubDate>Thu, 09 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185665</guid>
<dc:date>2025-10-09T00:00:00Z</dc:date>
<dc:description>La exposición explora el papel del Procesamiento del Lenguaje Natural (PLN) y la Minería de Textos en la gestión y análisis automatizado de la información en repositorios digitales. A partir de una revisión conceptual y técnica, se distinguen nociones fundamentales —como minería de datos, análisis automático de textos y aprendizaje automático— y se presentan sus vínculos con la curaduría y enriquecimiento de metadatos.&#13;
Se explican los principios de las redes neuronales y la arquitectura de los modelos de lenguaje, con especial énfasis en los modelos tipo Transformer (BERT, GPT) y en procesos como el fine tuning y los embeddings como representaciones vectoriales del significado. El trabajo propone una lectura crítica del entusiasmo actual por la IA generativa, recordando que el uso de estas tecnologías debe acompañarse de criterio, comprensión de sus limitaciones y de la importancia del rol de los curadores de datos.&#13;
Asimismo, se presentan experiencias aplicadas en el entorno PREBI-SEDICI, como la detección automática de idiomas, la clasificación automática de materias, y el desarrollo de arquitecturas de computación minimalista basadas en CMS estáticos e integraciones con OpenSearch y DSpace API. Finalmente, se plantea que la IA no constituye un fin en sí misma, sino una herramienta más dentro de un paradigma en constante cambio, en el cual la reflexión crítica y la interoperabilidad siguen siendo fundamentales para la ciencia abierta y la gestión del conocimiento digital.

A apresentação explora o papel do Processamento de Linguagem Natural (PLN) e da Mineração de Textos na gestão e na análise automatizada da informação em repositórios digitais. A partir de uma revisão conceitual e técnica, distinguem-se noções fundamentais — como mineração de dados, análise automática de textos e aprendizado de máquina — e examinam-se suas relações com a curadoria e o enriquecimento de metadados.&#13;
São explicados os princípios das redes neurais e da arquitetura dos modelos de linguagem, com ênfase especial nas abordagens baseadas em Transformer (BERT, GPT) e em processos como fine-tuning e embeddings como representações vetoriais de significado. O trabalho propõe uma leitura crítica do entusiasmo atual em torno da IA generativa, destacando que o uso dessas tecnologias deve ser acompanhado de discernimento, compreensão de suas limitações e reconhecimento do papel fundamental dos curadores de dados.&#13;
A apresentação também discute experiências aplicadas no âmbito da Direção PREBI–SEDICI, incluindo detecção automática de idiomas, classificação automática de assuntos e o desenvolvimento de arquiteturas de computação minimalista baseadas em CMS estáticos e integrações com OpenSearch e a API do DSpace. Por fim, sustenta-se que a IA não constitui um fim em si mesma, mas sim uma ferramenta dentro de um paradigma em constante evolução, no qual a reflexão crítica e a interoperabilidade permanecem essenciais para a ciência aberta e a gestão do conhecimento digital.

The talk explores the role of Natural Language Processing (NLP) and Text Mining in the management and automated analysis of information in digital repositories. Based on a conceptual and technical review, it distinguishes fundamental notions—such as data mining, automated text analysis, and machine learning—and examines their relationship with metadata curation and enrichment.&#13;
The principles of neural networks and the architecture of language models are explained, with particular emphasis on Transformer-based approaches (BERT, GPT) and on processes such as fine-tuning and embeddings as vector representations of meaning. The work offers a critical reading of the current enthusiasm surrounding generative AI, stressing that the use of these technologies must be guided by informed judgment, awareness of their limitations, and recognition of the crucial role of data curators.&#13;
The presentation also discusses applied experiences within the PREBI–SEDICI Office, including automatic language identification, automatic subject classification, and the development of minimalist computing architectures based on static CMS solutions and integrations with OpenSearch and the DSpace API. Finally, it argues that AI is not an end in itself, but rather one tool within a constantly evolving paradigm in which critical reflection and interoperability remain essential to open science and the management of digital knowledge.</dc:description>
</item>
<item>
<title>Un framework flexible para la mejora de metadatos en repositorios institucionales con datos de OpenAIRE y OpenAlex</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185486</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
Este trabajo presenta una estrategia para enriquecer y analizar los metadatos de un repositorio institucional mediante la integración de fuentes abiertas como OpenAIRE y OpenAlex. Partiendo de la premisa de que estas fuentes ofrecen perspectivas complementarias sobre la producción científica, se propone su combinación para construir una visión más integrada y enriquecida. El enfoque se basa en un modelado flexible con Data Vault, que permite una integración escalable de datos, normalizando identificadores y vinculando entidades clave. El proceso se organiza en tres etapas: recolección, normalización e integración. Durante la recolección, se aplican filtros que permiten obtener datos pertinentes desde ambas fuentes, considerando tanto la afiliación institucional como el repositorio local. La integración cruza información, combinando métricas de impacto y visibilidad. Se presentan resultados obtenidos para el repositorio SEDICI de la UNLP, incluyendo publicaciones enriquecidas, autores institucionales identificados y publicaciones candidatas a ser incorporadas desde OpenAlex. Finalmente, se discute el potencial de extender esta estrategia a otras fuentes, incluyendo sistemas internos, para mejorar la cobertura y calidad de los metadatos. La propuesta promueve un uso estratégico del repositorio como herramienta de gestión, evaluación y difusión de la producción científica institucional.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185486</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Este trabajo presenta una estrategia para enriquecer y analizar los metadatos de un repositorio institucional mediante la integración de fuentes abiertas como OpenAIRE y OpenAlex. Partiendo de la premisa de que estas fuentes ofrecen perspectivas complementarias sobre la producción científica, se propone su combinación para construir una visión más integrada y enriquecida. El enfoque se basa en un modelado flexible con Data Vault, que permite una integración escalable de datos, normalizando identificadores y vinculando entidades clave. El proceso se organiza en tres etapas: recolección, normalización e integración. Durante la recolección, se aplican filtros que permiten obtener datos pertinentes desde ambas fuentes, considerando tanto la afiliación institucional como el repositorio local. La integración cruza información, combinando métricas de impacto y visibilidad. Se presentan resultados obtenidos para el repositorio SEDICI de la UNLP, incluyendo publicaciones enriquecidas, autores institucionales identificados y publicaciones candidatas a ser incorporadas desde OpenAlex. Finalmente, se discute el potencial de extender esta estrategia a otras fuentes, incluyendo sistemas internos, para mejorar la cobertura y calidad de los metadatos. La propuesta promueve un uso estratégico del repositorio como herramienta de gestión, evaluación y difusión de la producción científica institucional.</dc:description>
</item>
<item>
<title>Consideraciones para la implementación de componentes de consulta OpenSearch y DSpace API en CMS estáticos y CMS sin cabecera</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/185465</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
Este trabajo analiza los desafíos y oportunidades de adaptar componentes de búsqueda basados en OpenSearch y la API de DSpace a arquitecturas modernas de sitios web, específicamente los generadores de sitios estáticos (SSG) y los CMS sin cabecera. Estos nuevos enfoques ofrecen mejoras en rendimiento, seguridad y escalabilidad respecto a los CMS tradicionales como WordPress o Joomla, pero requieren un replanteo técnico y conceptual profundo. El trabajo expone cómo estas arquitecturas desacopladas implican repensar la estructura de los componentes de consulta existentes, tanto en cuanto a las herramientas tecnológicas utilizadas como a los paradigmas sobre los que fueron originalmente diseñados. Se presentan estrategias como el uso de índices de búsqueda preconstruidos, funciones serverless o el patrón Backend for Frontend (BFF), considerando también aspectos críticos como la seguridad, la gestión de credenciales y el rendimiento. Finalmente, se destaca que la correcta integración de estos componentes en CMS modernos es clave para garantizar el acceso eficiente y seguro a la información académica en repositorios institucionales.; This paper analyzes the challenges and opportunities involved in adapting search components based on OpenSearch and the DSpace API to modern website architectures, specifically Static Site Generators (SSG) and Headless CMS. These new approaches offer improvements in performance, security, and scalability over traditional CMSs such as WordPress or Joomla, but they require a deep technical and conceptual reevaluation. The paper exposes how these decoupled architectures imply rethinking the structure of existing query components, both in terms of the technological tools used and the paradigms upon which they were originally designed. Strategies such as the use of pre-built search indexes, serverless functions, or the Backend for Frontend (BFF) pattern are presented, while also considering critical aspects like security, credential management, and performance. Finally, it is highlighted that the correct integration of these components into modern CMS is key to ensuring efficient and secure access to academic information in institutional repositories.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/185465</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>Este trabajo analiza los desafíos y oportunidades de adaptar componentes de búsqueda basados en OpenSearch y la API de DSpace a arquitecturas modernas de sitios web, específicamente los generadores de sitios estáticos (SSG) y los CMS sin cabecera. Estos nuevos enfoques ofrecen mejoras en rendimiento, seguridad y escalabilidad respecto a los CMS tradicionales como WordPress o Joomla, pero requieren un replanteo técnico y conceptual profundo. El trabajo expone cómo estas arquitecturas desacopladas implican repensar la estructura de los componentes de consulta existentes, tanto en cuanto a las herramientas tecnológicas utilizadas como a los paradigmas sobre los que fueron originalmente diseñados. Se presentan estrategias como el uso de índices de búsqueda preconstruidos, funciones serverless o el patrón Backend for Frontend (BFF), considerando también aspectos críticos como la seguridad, la gestión de credenciales y el rendimiento. Finalmente, se destaca que la correcta integración de estos componentes en CMS modernos es clave para garantizar el acceso eficiente y seguro a la información académica en repositorios institucionales.

This paper analyzes the challenges and opportunities involved in adapting search components based on OpenSearch and the DSpace API to modern website architectures, specifically Static Site Generators (SSG) and Headless CMS. These new approaches offer improvements in performance, security, and scalability over traditional CMSs such as WordPress or Joomla, but they require a deep technical and conceptual reevaluation. The paper exposes how these decoupled architectures imply rethinking the structure of existing query components, both in terms of the technological tools used and the paradigms upon which they were originally designed. Strategies such as the use of pre-built search indexes, serverless functions, or the Backend for Frontend (BFF) pattern are presented, while also considering critical aspects like security, credential management, and performance. Finally, it is highlighted that the correct integration of these components into modern CMS is key to ensuring efficient and secure access to academic information in institutional repositories.</dc:description>
</item>
<item>
<title>Impacto negativo de bots en estadísticas de uso de repositorios digitales: análisis de un caso y estrategia aplicada</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/181804</link>
<description>Objeto de conferencia
XIV Conferencia Internacional Biredial-ISTEC (Brasil, 8 al 10 de octubre de 2025)
La detección de bots en servicios web es una necesidad presente desde la masificación de internet. Estos agentes recorren la información disponible en la web para diversos fines como ser desarrollo de motores de búsqueda, análisis SEO o, recientemente, para entrenamiento de modelos de inteligencia artificial. Los repositorios son particularmente interesantes para estos agentes, gracias a que ofrecen información de calidad, controlada y descrita por metadatos curados. Independientemente de su objetivo, el repositorio es continuamente cosechado por múltiples bots, lo que produce caídas ocasionales y alteraciones en los registros de uso utilizados para la generación de reportes estadísticos, que sirven para medir el impacto real de las obras preservadas y publicadas. &#13;
En este trabajo se presenta la experiencia del repositorio  SEDICI en el análisis y depuración de registros recolectados durante 13 años. La detección se realiza mediante el análisis del comportamiento de los bots, como uso excesivo, patrones de uso anómalos, escaneos y ataques. Luego, se utiliza un modelo de IA para marcar bots con comportamiento poco evidente no identificados como tales. Aplicadas estas estrategias, se logró eliminar más de 50 millones de registros de uso provenientes de bots atípicos que acceden de forma sistemática y recurrente al repositorio.
</description>
<pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/181804</guid>
<dc:date>2025-01-01T00:00:00Z</dc:date>
<dc:description>La detección de bots en servicios web es una necesidad presente desde la masificación de internet. Estos agentes recorren la información disponible en la web para diversos fines como ser desarrollo de motores de búsqueda, análisis SEO o, recientemente, para entrenamiento de modelos de inteligencia artificial. Los repositorios son particularmente interesantes para estos agentes, gracias a que ofrecen información de calidad, controlada y descrita por metadatos curados. Independientemente de su objetivo, el repositorio es continuamente cosechado por múltiples bots, lo que produce caídas ocasionales y alteraciones en los registros de uso utilizados para la generación de reportes estadísticos, que sirven para medir el impacto real de las obras preservadas y publicadas. &#13;
En este trabajo se presenta la experiencia del repositorio  SEDICI en el análisis y depuración de registros recolectados durante 13 años. La detección se realiza mediante el análisis del comportamiento de los bots, como uso excesivo, patrones de uso anómalos, escaneos y ataques. Luego, se utiliza un modelo de IA para marcar bots con comportamiento poco evidente no identificados como tales. Aplicadas estas estrategias, se logró eliminar más de 50 millones de registros de uso provenientes de bots atípicos que acceden de forma sistemática y recurrente al repositorio.</dc:description>
</item>
</channel>
</rss>
